Sam Altman 談打造 AI 的未來（第 4/4 段）

🧑‍🏫 這是 Sam Altman 座談的最後一段，談三件事：AI 接手雜事後，人和人的連結反而更重要；AI 怎麼讓看病、教育變便宜；還有很多人其實只用到 AI 能力的一小部分。最後 OpenAI 也宣布了後續的政策討論與資助計畫。

• 34:39 一位與談人第一次去機器人咖啡店，本來很期待，結果體驗很失望。這才發現自己其實想要店員打招呼、問候這類人際互動
  ↳ 與談人以為機器人咖啡店會很酷，實際去了卻覺得少了什麼。少的是店員那句「早安」、順口的寒暄。人去咖啡店，不只是為了買一杯咖啡。
• 35:09 與談人認為人類需要彼此、在乎其他人，並說這點也寫在 blueprint 裡
  ↳ 他的意思是，在乎別人、被別人在乎是人的基本需求，不會因為科技進步就消失。他說這個觀點也寫進了 blueprint，也就是他們提出的那份構想藍圖。
• 35:41 科技、社群媒體、電玩可能讓人失去一些過去的連結。與談人認為隨著 AI 接手不需要人際連結的工作，人們會越來越意識到連結的重要
  ↳ 滑手機、打電玩，可能讓人少了面對面的相處。他倒是樂觀：不需要人味的工作交給 AI 之後，大家反而更容易發現，跟人的連結才是珍貴的部分。
• 36:12 人際連結可以是一種工作，例如護理、教學等 care economy 的工作。與談人認為未來重要的特質是「你對別人是怎樣的人」
  ↳ care economy（照顧經濟）指護理、教學這類靠人跟人互動的工作。他認為以後被看重的不只是你會什麼，而是你怎麼待人、別人跟你相處的感受。
• 36:12 主持人提問：在美國，health care、child care、elder care 都很貴，AI 要怎麼讓一般人更容易取得這些服務？
  ↳ 主持人把話題拉到錢：在美國看病、托育、照顧長輩都很貴，一般家庭負擔很重。他想問的是，AI 能不能讓這些服務變便宜、讓更多人用得到。
• 36:43 Josh 表示很期待 AI 讓每個人都能得到最好的醫療。很多人不知道該去哪看病、怎麼處理保險、該找哪位專科醫師，有人為了確診輾轉多年
  ↳ Josh 點出，看病難常常不是醫術的問題，而是不知道該怎麼走：掛哪一科、保險怎麼用、該找哪位醫師。有人因此繞了好幾年才確診，AI 可以幫忙指路。
• 37:14 即使醫護人員很用心，時間也不夠給每個人最好的照護。Josh 認為 AI 能大規模提供高品質照護；AI 不會取代醫師，而是讓醫師的工作量變得可以負荷
  ↳ 醫護再用心，一天的時間也只有那麼多。Josh 認為 AI 能把好的照護提供給大量的人。它不是要搶醫師的工作，而是讓醫師的工作量變得扛得住。
• 37:45 一位與談人分享自己的例子：驗血有幾項指標稍微超出範圍，醫師說應該沒關係。他把報告放進 ChatGPT，ChatGPT 說沒事，但解釋了狀況，建議吃某種補充品、一個月後再驗，後來果然沒事
  ↳ 驗血有幾項稍微超標，醫師只說應該沒關係。他把報告丟給 ChatGPT，得到同樣的結論，但多了原因說明和具體建議。一個月後複驗，確實沒事。
• 38:15 上傳驗血報告就能立刻得到複雜問題的正確答案，他覺得是很棒的體驗。他認為醫療、教育等領域都會有類似情況，能大幅降低成本
  ↳ 他在意的是速度和清楚：以前要約診、等醫師解釋，現在上傳報告就有人把話講明白。他認為醫療、教育都會出現這種情況，成本可以大幅降低。
• 38:15 elder care 則被認為是希望由人來做的工作。另外提到 personalized learning：可以仍由人來教，但更能找出如何教好每一個人
  ↳ 照顧長輩這件事，大家還是希望由真人來做。personalized learning（個人化學習）是依每個人的程度調整教法：老師仍然是人，AI 幫忙找出每個學生怎麼教最有效。
• 38:47 另一位與談人希望 AI 能幫助醫學研究，這是讓醫療變好的基本方式
  ↳ 另一位與談人看得比較遠：比起看診變方便，AI 如果能加速醫學研究、找出新的療法，才是從根本讓醫療變好。
• 39:18 AI 可以處理醫療中偏官僚、行政的部分，讓更多人力真正去照護病人。重點不是由 AI 提供照護，而是把人釋放出來做這些工作
  ↳ 醫療現場有大量填表、排班、保險文件。這些交給 AI，醫護就能把時間還給病人。重點是把人騰出來照顧人，不是改由 AI 來照顧你。
• 39:49 capability overhang：AI 能做的事很多，但多數人沒有善用。提問者懷疑是因為大家對現狀認命了，並提到 PG 稱之為 schlepp blindness
  ↳ capability overhang 指 AI 能做很多事，大家卻只用了一點點。提問者猜原因是大家對現狀認命，也就是 PG（創業家 Paul Graham）說的 schlepp blindness：習慣了麻煩，就看不見更好的做法。
• 39:49 提問者認為，人們開始積極採用 AI 時的行為改變，對社會的影響不亞於任何技術突破
  ↳ 他的意思是，影響社會的不只是 AI 又變得多強，還有人們什麼時候真的改變習慣、動手去用。這種行為上的轉變，衝擊可能跟技術突破一樣大。
• 40:53 Adrian 認為人們需要時間適應新技術。能力落差之所以大，是因為能力進步的速度，超過人們習慣看到事物改善的速度
  ↳ Adrian 認為人需要時間適應新東西。落差之所以這麼大，是因為 AI 進步得太快，快過人們習慣的「事情慢慢變好」的節奏，大家的認知跟不上。
• 41:24 Sam 最喜歡的例子：本身是工程師的父母，看著孩子第一次用 Codex。孩子不知道傳統限制，直接描述想要的電玩，讓 Codex 做出來，而且常常是用語音
  ↳ Codex 是 OpenAI 用來寫程式的 AI 工具。Sam 最愛舉的例子：工程師爸媽看孩子第一次用它。孩子不知道有哪些限制，直接說想要什麼遊戲就叫它做，而且常常是用講的。
• 41:54 父母以為做不到，結果成功了，於是意識到孩子會在「理所當然能這樣做」的世界長大。主持人比喻為 80 年代小孩總是比較會用 VCR
  ↳ 爸媽本來覺得做不到，結果真的做出來了，這才明白孩子會把這件事當成理所當然。就像 80 年代的小孩，總是比大人會操作 VCR（錄放影機）。
• 42:25 時間尺度錯位：不熟 AI 的人大概幾個月才試一次，不會把功能用到極限。他們常不開 thinking setting，不知道已經有 reasoning models，一直停在預設的 chat model
  ↳ 不常用 AI 的人幾個月才試一次，也不會把功能用到極限。很多人沒開 thinking setting（讓 AI 先思考再回答的選項），不知道已經有 reasoning models（推理模型），一直停在預設的聊天模型。
• 42:56 因此這些人誤以為進展沒那麼快，會抱怨 hallucinations、slop、錯誤、不準確。這種信念落差，要等他們看到別人和機構以最高 reasoning 設定成功使用 AI 才會消除
  ↳ 所以他們以為 AI 沒什麼進步，抱怨 hallucinations（一本正經講錯的內容）和 slop（粗製濫造的 AI 產出）。要等看到別人開最強的推理設定真的做成事，想法才會改變。
• 43:26 人們會看到很多人快速得到原本料想不到的診斷，進而改變看法。AI 進步的時間尺度是幾週到幾個月，而人們回頭查看的頻率大約半年一次
  ↳ 當越來越多人靠 AI 很快找出原本想不到的診斷，大家的看法就會轉變。問題在於 AI 每幾週、幾個月就進步一次，一般人卻大概半年才回頭看一次。
• 43:26 一旦人們了解 AI 目前能力的極限，會發生重大改變
  ↳ 意思是，一旦大家知道 AI 現在最多能做到哪裡，而不是停留在對舊版本的印象，使用方式和期待就會出現很大的改變。
• 43:57 主持人認為有創意的人最有優勢：有些人點子源源不絕卻從未實現，包括科學家、藝術家和許多孩子，現在閘門正在打開
  ↳ 主持人認為最有優勢的是點子多的人。以前有想法卻沒技術、沒資源做出來，科學家、藝術家、很多孩子都是這樣。現在，把想法做出來的門檻正在消失。
• 43:57 主持人提到 Sam 已經把自己的 Codex 清單用完，不再讓它整晚執行
  ↳ 主持人半開玩笑說，Sam 想交給 Codex 做的事已經做完了，連讓它整晚跑的工作都沒有了。這也帶出下一段的問題：接下來缺的，是要做什麼的點子。
• 44:28 Sam 認為下一步是做出幫人想出好點子的模型。例如讀取你的簡訊、email、整台電腦，找出你曾零碎提過或可能感興趣的點子，並表示離這樣的模型不遠了
  ↳ Sam 認為下一步是幫人想點子的模型：讀你的簡訊、email、整台電腦，把你零碎提過、可能有興趣的想法整理出來。他說離這樣的模型不遠了。
• 44:28 主持人補充，看到很多人把 AI 當作 thought partner 來使用
  ↳ thought partner 指一起想事情的夥伴。主持人觀察到，很多人不只是叫 AI 做事，而是跟它來回討論、釐清自己的想法，像是找人腦力激盪。
• 45:00 結語：討論的想法聽來很有野心，也確實如此，但仍屬早期、探索性質。這不是最終計畫，而是與政策制定者和社會大眾公開對話的起點
  ↳ 結尾強調，這些想法確實很有野心，但還在早期摸索的階段，不是定案。目的是開啟跟政策制定者、一般大眾的公開對話。
• 45:30 OpenAI 開放新的回饋管道，字幕寫作 newindustrialpolicy.openai.com，邀請大家寄來想法
  ↳ OpenAI 開了新的回饋管道，字幕寫作 newindustrialpolicy.openai.com，歡迎大家寄想法過去。這個網址是照字幕寫的，使用前最好自己再確認一次。
• 45:30 推出 fellowships 與研究補助的試點計畫：最高 $100,000 資金，以及最高一百萬的 API credits
  ↳ fellowships 是給研究者或提案者的資助名額。這次試點提供最高 10 萬美元的經費，外加最高一百萬的 API credits，也就是用程式呼叫 OpenAI 模型時可以抵扣費用的額度。
• 45:30 將在 5 月於 Washington, D.C. 開設新的 OpenAI workshop，舉辦後續討論
  ↳ 5 月會在美國首都華盛頓特區開設新的 OpenAI workshop（工作坊，讓大家聚在一起討論的場合），繼續延伸這些話題。

根據影片，AI 進步的時間尺度，與一般人回頭查看 AI 的頻率，分別大約是多少？