AI时代：人类价值与学习之道
背景介绍
人工智能（AI）的浪潮正以前所未有的速度席卷全球，我们对它的期待也水涨船高。然而，AI的实际落地与我们最初的乐观预期之间，是否存在一道难以逾越的鸿沟？为何财富500强企业在采纳AI工作流时显得步履维艰？我们手中的“婴儿版”通用人工智能（AGI）为何未能发挥其最大潜力？
本文将深入探讨AI在实际应用中面临的挑战，例如其在职培训的缺失、对复杂长期任务处理能力的不足，以及作为“聊天机器人”的局限性。同时，我们也将反思人类在AI时代的核心价值：除了原始智力，我们如何通过持续学习、积累上下文和从失败中汲取经验来贡献独特价值？
更进一步，文章将引导我们思考，在信息爆炸的今天，如何才能真正有效地学习和记忆？仅仅“广泛阅读”是否足以构建深刻的理解？间隔重复、苏格拉底式提问等“笨方法”又将如何帮助技术从业者在知识的海洋中乘风破浪？让我们一同探索AI时代的机遇与挑战，以及我们作为技术人，如何更好地适应并引领这场变革。
阅读收获
- 重新审视AI的实际价值： 认识到当前AI模型在“在职培训”和处理复杂长期任务上的局限性，避免过度乐观，将AI视为辅助工具而非完全替代。
- 提升个人学习效率： 采用间隔重复（Spaced Repetition）和利用LLM进行苏格拉底式提问（Socratic Tutoring）等方法，从根本上提高知识的理解深度和记忆持久性，而非盲目追求阅读广度。
- 培养实证思维： 在技术决策和观点形成时，注重基于数据、趋势和实证证据，而非抽象理论，以构建更准确的世界模型。
- 思考人类核心竞争力： 深入理解人类在工作中通过持续学习、积累上下文和从失败中改进所带来的独特价值，这在AI尚无法完全复制。
深度思考
- 在您的日常工作中，AI目前最常在哪些环节让您感到“力不从心”？您认为未来哪些技术突破能有效弥补这些不足？
- 文章提到“负生产力”现象，您认为在技术团队中，如何识别并有效解决这种隐性问题，以提升整体效率？
- 面对AI的快速发展，您将如何调整自己的学习策略，以确保个人知识体系的持续更新和核心竞争力的不断提升？
Main
奥伦·霍夫曼： 财富500强（Fortune 500）企业的管理层过于墨守成规，他们没有采纳这些人工智能工作流（AI workflows）。但你真正拥有的是一个“婴儿版”通用人工智能（baby AGI）。只是因为人们太懒惰，不愿将这些系统整合到工作环境中，所以它们未能发挥最大潜力。我认为这只是人工智能（AI）未能像你根据人们对当今人工智能模型（AI models）的乐观态度所天真预期的那样广泛部署的一个非常次要的原因。各位数据迷们，大家好！我今天的嘉宾是多雷什·帕特尔（Doresh Patel）。多雷什是“多雷什播客”（Dwaresh podcast）的主持人，他在节目中采访顶尖科学家、创始人、经济学家，探讨人工智能、科学和进步。在全职启动播客之前，他在德克萨斯大学奥斯汀分校（UT Austin）学习计算机科学。多雷什，欢迎来到《数据世界》（World of Data）。
多雷什·帕特尔： 谢谢你邀请我。
奥伦·霍夫曼： 我非常激动。我是你播客和文章的忠实听众，我是你的超级粉丝。这简直就是个追星现场。嗯，你采访了无数超级聪明的人。你认为人们对什么事情的看法最错误？
多雷什·帕特尔： 这取决于具体主题，因为嘉宾涉及的话题范围很广，但就人工智能而言，我想说的是，我的一些嘉宾对时间线的预期过短。他们期望人工智能的能力能更快地变得更有价值，比我预期的要快得多。这并非我所有嘉宾的看法，但如果我要指出我最可能与我最近的一些嘉宾产生分歧的地方，那就是这一点。作者看来：人工智能的落地，可能还有很长一段路要走。
奥伦·霍夫曼： 有趣。因为你不仅是人工智能的采访者，你也是它的使用者，对吧？你正在使用这些工具。
多雷什·帕特尔： 这很有趣，每次我使用它们时，我不知道你是否也遇到同样的情况，我总会遇到某种限制。是的。嗯，就是我以为它能做X，但它实际上还不能做到。现在这个X一直在变化，每隔几个月就会变一次，但不知为何，我总是认为它现在就能做X，但它却不能。我不知道你是否也遇到过类似的情况。
奥雷什·帕特尔： 百分之百。非常类似的问题。老实说，这让我更新了我对当今人工智能模型实际价值的看法。我认为有时人们会有这样一种态度，我相信你经常遇到，他们认为，你看，OpenAI 的收入达到了每年100亿美元的年度经常性收入（ARR），这显然令人印象深刻，但它比科尔士百货（Kohl's）或麦当劳（McDonald's）要少，所以肯定不是通用人工智能（AGI）。然后人们对此的解释是，你看，财富500强企业的管理层过于墨守成规，他们没有采纳这些人工智能工作流。但你真正拥有的是一个“婴儿版”通用人工智能。只是因为人们太懒惰，不愿将这些系统整合到工作环境中，所以它们未能发挥最大潜力。我认为这只是人工智能未能像你根据人们对当今人工智能模型的乐观态度所天真预期的那样广泛部署的一个非常次要的原因。我认为更重要的原因是，要从这些模型中获得类似人类的劳动成果确实很难。（反过来要思考：人类劳动更具体的价值是什么？除了被资本定义的生产和再生产，这部分在不远的将来肯定能被AI大规模优化）我自己也经历过，我尝试为我的播客构建这些小型大型语言模型工作流（LLM workflows）。我相信你也有类似的东西，对吧？比如让它重写文稿、查找片段等等。我一直在思考，为什么我仍然需要雇佣人类来完成这些任务？为什么我不能将这些“语言输入，语言输出”的任务委托给语言模型？从根本上说，我认为问题在于缺乏在职培训（on the job training）。这些人工智能模型确实拥有令人印象深刻的开箱即用能力。它们可以完成你所拥有的任何语言任务，达到5分（满分10分）的水平，这比一个普通人类可能做得更好，但问题是它们不会随着时间的推移而进步。在一次会话结束时，它们的全部记忆都会被清除。（这块的能力在被快速集成、让AI 更懂人类是个必然且必须的进化过程，在这个过程中，哪些能力是核心且必须的？）嗯，与员工不同，对吧，比如一个人类员工，他们可能在入职六个月后才变得有用。是的。但你正在训练他们。他们正在积累所有这些上下文。他们正在从失败中学习。他们正在练习任务时获得这些小效率和改进。所以，我认为这种缺乏在职培训是释放这些模型全部价值的一个巨大瓶颈。我目前看不到一个简单的方法来添加它。但是，趋势正在发展。它确实在发展，但感觉我的期望也和趋势一样快，或者我不知道你是否，或者我不知道我是否是个怪人，或者每个人在使用这些工具时都有这种感觉。
奥伦·霍夫曼： 我认为指出我们的期望不断变化是公平的。这是一个著名的，你知道，我们总是在人工智能上不断改变目标，每年它都能做我们以前说它不能做的事情，但现在我们又说，哦，我们还没有达到，因为还有这个X剩余的事情。现在，这是一个你可以提出的公平异议，或者说这是一个公平的反驳，说你看，你正在改变目标。但另一件值得注意的事情是，你看，如果你确实不断达到这些基准，如果你确实不断达到，我们通过了图灵测试（Turing test），没有人注意到。我们有模型可以轻松通过为最聪明的研究生在这些挑战性环境中设计的数学考试。如果我们在不断通过这些基准的同时，却没有释放通用人工智能所隐含的经济价值，而通用人工智能至少应该能够从事白领工作（white collar work），这每年在支付给白领工人的工资方面价值数万亿美元（人对流程和价值的理解，在未来很长一段时间是模型需要提高的能力，模型在解决具体问题上的能力已经接近专家）。如果我们在通过这些基准的同时却没有释放这些价值，那么从某种意义上说，改变目标并询问我们之前没有识别出的剩余瓶颈是什么，这解释了它们缺乏用处，这是有道理的。
奥伦·霍夫曼： 你的想法是什么？这里发生了什么？
多雷什·帕特尔： 是的，很大一部分是这种持续学习，这种缺乏在职培训，我认为这是人类主要贡献价值的方式。我认为人类在工作中带来的价值，只有一部分是他们的原始智力。其余部分是这种建立上下文、审视失败以及在工作中学习时获得小效率和改进的能力。另一个重要的事情是，当然，这些模型现在只是聊天机器人（chat bots）。作为一个简单的“你问它一个问题，它给出答案”的工具，很难有用。大多数工作并非如此。因此，迟早我们会看到能够以普通白领工人与计算机交互的各种方式与计算机交互的模型，包括电子邮件、浏览器以及其他任何应用程序。当然，在它至少拥有访问计算机使用的模式之前，它无法完成所有白领工作。现在，关于如何训练能够以这种方式使用计算机的模型，存在许多有趣的问题，因为你不仅仅像现在这些模型那样进行文本预训练（pre-training）。但我认为那也将是一个巨大的突破。如果你只是思考，我的意思是，你对精英对话中正在发生的事情有如此多的洞察力，你认为在这些精英对话中，什么被过度代表了，什么又被低估了？
奥雷什·帕特尔： 我认为人们只是非常执着于推理、编码或测试知识的考试。所以去年有一个著名的考试，一个基准测试，叫做“人类的最后一次考试”（humanity's last exam），它本应是，听起来就是，这个最终的基准。为什么它本应是最终的基准呢？因为它问的是最难的博士问题（PhD questions）。当然，如果我们能回答博士问题，那么你一定是通用人工智能，对吧？因为那是最聪明的人类能做到的。但这忽略了大多数工作并非由回答棘手的化学问题或数学问题构成。大多数工作只是日常的、平凡的。那些我们习以为常的事情，因为它们对我们来说太容易了。你知道，就像在一个月的时间里执行一个项目，当你发现自己走入死胡同时，能够回溯。但这些模型根本无法做到，（智能和创意往往是平凡工作下的灵感涌现，任何企图迅速超越的动作，要么是欺骗，要么是无知）因为它们的上下文无法适应一个长达一个月的任务，因为它们不会像人类那样在工作中学习，因为它们无法使用计算机。
奥伦·霍夫曼： 是的，这很有趣，因为如果我想到我的数学，我大学期间一直都在学数学，我认为对我今天的日常生活最有用的数学课可能是在十年级。你知道，我认为在那之后，我真的没有再使用过那种数学，尽管它可能很重要，也许在智力上很有趣，但它在我的生活中并没有用。
多雷什·帕特尔： 嗯，我的日常工作是播客主持人，所以我使用的数学水平甚至比那还要低。
奥伦·霍夫曼： 是的，没错。也许你想要一些概率和统计以及其他一些类型的东西，对吧？
多雷什·帕特尔： 是的。
奥伦·霍夫曼： 当你想到，好的，你擅长识别原创思维，并在你的播客中将其展现出来。如果你必须思考这些原创思想家的共同点，那会是什么？有吗？
多雷什·帕特尔： 是的，我认为我真正欣赏的一点，也是我一些最棒的采访的来源，我从中学到最多的人，是他们拥有深厚的实证基础（empirical grounding）。我认为这真的很重要。
奥伦·霍夫曼： “实证”在这里是什么意思？
多雷什·帕特尔： 我认为有时人们只是有这种非常不切实际的“这是我对社会如何运作的宏大构想”之类的想法，你知道，就像“这是我读过的18世纪哲学家的著作，它解释了一切”。而我越来越觉得，那种东西并没有那么大的价值。我认为更多的是，比如阅读主要的经济学论文，看看大的趋势，或者就人工智能而言，看看，只是衡量趋势，比如每年计算扩展（comput scaling）了多少，以及算法进步（algorithmic progress）能解释多少，以及软件开发者说他们正在经历的提升是什么。即使在宏大的历史叙事方面，与其对“人类是否完蛋”或“人类的原始本性是什么”之类的罗素式或霍布斯式观点，不如看看人口规模随时间的变化，以及从公元前10000年以来的增长率，并尝试从这种模式中学习，而不是一些抽象的第一性原理。
奥伦·霍夫曼： 好的。所以，这真的就像是看数字，然后根据这些数字的变化来更新你的信念，是吗？
多雷什·帕特尔： 是的，我认为否则就太容易了，尤其是我所从事的这种工作，没有最终的检验，对吧？你可以说什么都行，你的理论可能是对的，也可能是错的。所以很容易陷入这种宏大叙事的循环中，我发现当有人用“不，这里有其他领域的实证证据”来检验时，这非常有帮助。现在，当你过于沉迷于实证时，一个常见的失败模式就是将自己封闭在相邻领域的证据之外。我认为这也是一个坏主意，就像你只是说，如果你给我人工智能的数字，否则我不想在人工智能讨论的背景下听到那个论点。但是，在讨论其他相邻领域时，也有一个立足点。我最喜欢的一个例子是卡尔·施曼（Carl Shman）向我提出的观点，他是一位人工智能预测者，他提出了一个有趣的论点，关于我们如何解释扩大人工智能模型会使它们变得更聪明。他注意到，灵长类动物学领域有一项研究，由研究员苏珊娜·赫尔库亚·胡泽尔（Susanna Hercua Huzelle）进行，该研究表明，当你增加不同灵长类物种（从狐猴到人类）的大脑大小或大脑重量时，它们的神经元数量呈线性增长，而其他物种，如啮齿动物，则不会发生这种情况。好的。这是一个非常有趣的实证结果，它告诉我们一些关于人类可能发生的事情，那就是我们最终找到了一种可扩展的大脑架构，然后我们处于一个奖励智力增长的进化生态位中。总之，这是一个完全不同的领域，你从中学习人工智能，但你仍然有一些真实的东西可以谈论，而不是“这位19世纪的哲学家对意志和智力有什么看法”。
奥伦·霍夫曼： 好的。不，如果你想到这些，你知道，这些像大思想家一样的人，有一种批评是，现在很难成为一个大思想家，因为你必须专注于一个非常非常狭窄的博士领域。但是你又会遇到所有这些随机的人，比如彼得·蒂尔（Peter Thiel）、马克·安德森（Marc Andreessen）、泰勒·科恩（Tyler Cowen），他们似乎都是真正的大思想家。他们似乎在50个不同的领域进行思考。我也会把你归为其中之一，你对很多很多事情都有着真正多样化的兴趣和知识。那么，我们是在失去大思想家吗？我们是在失去在当今世界能够跨领域思考的人吗？还是没有？
多雷什·帕特尔： 是的，我的意思是，我认为你提到的所有人都非常聪明，我都是他们的粉丝，但我认为这些都是很好的例子，因为我认为这些人特别擅长他们真正理解的领域。而这种理解通常伴随着真正的、切实的，我不想只说数字，因为我指的不是数字。例如，我认为泰勒，我的意思是泰勒是，他是一个大思想家吗？他显然是一个大思想家。
奥伦·霍夫曼： 是的。
多雷什·帕特尔： 但那是因为他在一百万件不同的事情上都是一个小思想家。
奥伦·霍夫曼： 正确。
多雷什·帕特尔： 在任何一个特定主题上，他都能与你针锋相对，比如“如果你认为这就是日本经济崩溃的原因，那么你如何解释这种其他模式？你如何解释这篇其他论文的结果？”从某种意义上说，这是，而我不知道，我觉得名单上的一些其他人只会说“我读了这本40年代写的书，它解释了现代世界如何运作”，我认为那基本上是无用的，而且我认为它并没有真正做到。如果你真的深入细节，那只是一堆文字，对吧？嗯，我不知道我是否回答了你问题的核心，但是，不，其中一件事，我的意思是，你有点，我第一次接触你的时候，是因为你在谈论人工智能，但你确实有这些多样化的兴趣，我最喜欢你的一些播客之一是，你和莎拉·佩恩（Sarah Payne）有一个关于日本的完整系列，你还邀请了肯·罗戈夫（Ken Rogoff）谈论日本，为什么日本对你来说如此有趣？
多雷什·帕尔特： 嗯，我不知道这是否是我的核心兴趣，但我发现罗戈夫的采访，或者说他对日本的说法如此有趣的原因是，日本在90年代初经历了一次著名的经济崩溃。实际上，在二战之后，日本显然遭受了重创。我认为在1950年代或1960年代，日本人均国内生产总值（GDP per capita）大约是美国的20%。然后到1989年，日本人均国内生产总值，至少在纯名义上，是美国的125%，也就是说，它从一个被摧毁的国家变成了人均比美国更富裕的国家。
奥伦·霍夫曼： 然后它又崩溃了，在过去的三十年里一直没有恢复。日本人均国内生产总值现在不到美国的50%。嗯，这简直令人震惊，问题是为什么会发生这种情况？肯·罗戈夫（Ken Rogoff）是国际货币基金组织（IMF）的前首席经济学家，他曾做客我的播客，他说这实际上是日本政府在美国压力下进行的干预的结果，特别是日元升值和金融市场放松管制的速度超过了应有的水平。这导致了一场巨大的金融危机（financial crisis）。他的说法是，解决金融危机是一个超级棘手的问题，因为它不像那种短期冲击，你可以，你知道，就像我们2008年的经济衰退最终会恢复，供应也会恢复，但在这种情况下，你只是有如此多的坏账需要解决。总之，从那个例子中，我得到的一个重大更新是，金融危机可能有多么糟糕，它们不仅是短期的痛苦，而且可以永久改变一个国家的增长轨迹。现在，许多人对罗戈夫的说法回应说，你看，他低估了人口结构的影响，日本只是一个老龄化社会。如果你将日本与东亚其他国家，如韩国进行比较，韩国显然比朝鲜或中国的人均更富裕。但它也没有美国那么好。所以这可能与高端电子产品的性质有关，它在21世纪不像20世纪末那样具有竞争力。所以也许更多地与人口结构和出口产品有关。但也许我一直在思考的一个更大的问题，而日本只是其中一个例子，是世界上有多少地方现在做得并不好。我们身处美国，美国几十年来一直做得很好。我们习惯了股市上涨，有一定的稳定性，新企业不断涌现。有增长，有新技术。尽管我们抱怨，但这就是模式。然而，你看看欧洲的不同地区，看看东亚的部分地区，甚至现在的中国，令人惊讶的是，世界上有如此多的地方似乎陷入了停滞。
奥伦·霍夫曼： 是的，这很有趣，因为在2008年，欧洲的国内生产总值（GDP）大约与美国持平。而且它可能人口更多，所以人均略低。然后从那时起的17年里，两者之间出现了巨大的分歧，是不是因为他们没有更好地处理危机，或者我甚至不明白为什么这种分歧会以如此快的速度发生。
多雷什·帕特尔： 我也完全不知道。我觉得这很神秘。他们也错过了互联网浪潮，我认为这是为什么，在互联网和水力压裂（fracking）带来的能源丰富之间，我认为这是一个巨大的顺风。我的意思是，这本身就很有趣，如果不是两三个关键投入，美国也会处于相当糟糕的境地。想象一下，如果水力压裂不是一回事，美国就会处于相当糟糕的境地，或者想象一下，如果大型科技公司最终没有成为一回事。你知道，我们的养老金就会有问题。如果你从标普回报（S&P returns）中减去这些，那将是一个非常不同的景象。
奥伦·霍夫曼： 这可能就意味着，如果你过度监管，你可能会错过你不知道的浪潮，比如水力压裂浪潮，它本可以冲击欧洲，但由于各种原因却没有。
多雷什·帕特尔： 是的，完全正确。我很想听听经济学家们对欧洲经济放缓的主要原因有什么看法。我的意思是，我经常听到的一种说法是劳动力市场僵化（labor market inflexibility），即雇佣和解雇员工如此困难，这极大地限制了这些经济体的活力。我不知道你是否有理论。
奥伦·霍夫曼： 我了解不多，但我的猜测是，这并非全部原因，因为在东欧雇佣和解雇员工比西欧更容易，我相信。所以你会认为会有更多的套利。这可能就像在美国，南方比北方更难成立工会，所以更多的就业机会流向南方。但似乎并没有以那种速度发生。
多雷什·帕特尔： 是的。而且更疯狂的是，我认为在意大利，这可能不对，所以有人会告诉我，但我想，嗯，自90年代以来，每小时生产力（productivity per hour）就没有增长过，或者说在很长一段时间里都没有增长过，这真是令人难以置信，考虑到在此期间我们拥有了所有这些技术。我们有互联网，物流和能源等方面的进步。而这些的净影响仍然是零，大概是因为其他因素正在降低生产力。这在中国也是一种模式。所以自2008年以来，如果你只看总量，计算生产力的方式是，你看看产出，看看投入（资本和劳动力）增加了多少，然后那些无法解释的部分就是生产力数字。自2008年以来，我认为中国的全要素生产率（total factor productivity）也一直持平。
奥伦·霍夫曼： 哦，真的吗？我不知道。
多雷什·帕特尔： 是的。是的。这，嗯，一个解释是，一个解释是，他们在2008年之后进行了大规模的刺激计划（stimulus）。所以他们对金融危机的反应是，这清楚地表明，市场驱动的增长将导致某种金融危机。我们需要，我们需要管理这项投资。所以他们进行了一次巨大的投资热潮，现在导致了这些所谓的鬼城（ghost towns），或者地方政府在建设这些巨大的基础设施项目时产生了巨大的杠杆（leverage），这些项目现在变得越来越没有边际效用，因为它不是由市场主导的。很多投资，其中一些是，它只是没有那么高的生产力。所以总体的生产力数字实际上是惊人的持平。
奥伦·霍夫曼： 我四十年前还没有工作，但我确实相信，至少在今天，有很多人，至少在美国，有相当一部分人是负生产力（negative productivity）的。我不知道这个比例是否随着时间推移而上升，但我相信是上升了。我相信存在这样一种奇怪的现象，在某些方面，公司与政府和社会达成了一种协议，他们保留了这些多余的人，并让他们留在那里，嗯，所以实际上有很多人不仅是零产出，他们实际上让公司变得更糟。嗯，所以，而且很难从数字上看出，有很多人生产力更高，而有些人正在拖累他们。
多雷什·帕特尔： 但市场解释是什么呢？为什么公司不直接解雇，或者为什么那些决定解雇的公司不会比那些不解雇的公司更有竞争力？
奥伦·霍夫曼： 我不知道。嗯，但我不太完全理解。但你就是，即使你去看最资本主义的，比如私募股权公司（private equity firms）之类的，你认为他们是最资本主义的，只想赢，但如果你真的与由私募股权公司运营的公司互动，在我看来，他们通常并没有运营得更好。嗯，而且不清楚为什么，他们仍然臃肿，他们仍然有所有这些官僚机构，他们仍然做所有这些你认为可能没有价值的随机事情，他们可能增加了负价值。所有这些奇怪的内部委员会等等，以及所有这些奇怪的流程，可能无助于事情，只会让人们行动得慢得多。所以我真的不确定为什么，为什么它，也许它只是根深蒂固在人们的脑海中。
多雷什·帕特尔： 如果每个人都在这样做，那么如果足够多的人开始，那么竞争就不会真正重要。是的，我，嗯，我从未做过真正的工作，所以我对，嗯，或者说我没有第一手经验。我的直觉是，我的直觉是，这些人可能确实存在一些令人惊讶的价值。首先，因为我认为市场是有效的，除非有其他原因造成这种扭曲，否则我认为它会得到纠正。但也许另一个原因是这种切斯特顿的栅栏（Chesterton's fence）式的东西，即使我们没有意识到栅栏为什么在那里，或者这些额外的人在做什么，可能存在一些我们，嗯，现在我的意思是，显然有些行业并非如此，比如非营利组织（NOS）或政府，很容易理解为什么没有直接的激励来提高人员效率，但麦当劳或沃尔玛，或者许多雇佣大量员工的公司，有多少额外的员工？如果它像，我，我，我，我会说更多的是白领而不是蓝领。我认为在蓝领中，与产出有直接关联。而在白领中，我认为这非常神秘。所以也许这种扭曲的解释是，每个人都知道，比如说，你20%的员工是负净值，但在白领工作中，由于无法识别这20%的人是谁，你如果只是不加区分地解雇，或者根据你认为拥有的信号解雇，你会更糟。所以也许这是一个衡量问题，这让你有理由保留这些人，因为剩下的80%是值得的，你不能随意解雇人。我不知道这是否能解释，因为你还记得四年前 Meta 开始裁员时，他们每次裁员的比例都非常小，他们进行了多次裁员，每次都非常小，都是个位数百分比。每个人都会告诉你，那样做是错的。每个人都说你应该大刀阔斧地裁员，然后向团队宣布，再也不会裁员了，因为这对士气太糟糕了。也许理论是，他们只是，他们不能裁那么多，因为他们不知道该裁谁。
奥伦·霍夫曼： 有趣。所以他们不得不随着时间的推移，非常小规模地进行这些“手术刀式”的裁员，才能真正实现。好的，我们要移除这一层，中层管理，看看会发生什么，然后进行调整，然后移除另一层，看看会发生什么，然后调整，等等。
多雷什·帕特尔： 嗯，是的，有趣。更像是吸脂而不是截肢。
奥伦·霍夫曼： 嗯。
多雷什·帕特尔： 是的，没错。但如果你足够多，那么你就会有同样的效果，对吧？嗯，我认为埃隆·马斯克（Elon Musk）的公司有句话是，埃隆的说法是，你应该裁员到你不得不重新雇佣人。这就像是，如果你从未错过飞机，那么你就是太早到达机场了。
奥伦·霍夫曼： 是的。是的。
多雷什·帕特尔： 嗯，嗯，是的。所以，但是，是的，可能只是某种你不想经历的痛苦阈值。
奥伦·霍夫曼： 是的。是的。没错。我有一个朋友是投资者，他对诈骗也有类似的理论，那就是你需要有一个相对较高的诈骗率，即人们骗走了你的钱。否则，你永远不会，你永远不会对未来有足够的信心。（经历和际遇是一个人成长和成熟的必要条件）
多雷什·帕特尔： 有趣。所以理论是，如果你真的投资了 Theranos 或 FTX，那不一定是坏事，只要你投资这些东西的比例不要太大，对吧？
奥伦·霍夫曼： 如果你把所有时间都花在不这样做上，
多雷什·帕特尔： 我认为 FTX 可能给投资者造成的损失，不是他们对 FTX 的原始投资，而是在人工智能领域造成的风险规避（risk aversion）。没错。而且不仅仅是正常的风险规避，而是我特别注意到在人工智能领域，那些有钱的大人物正在投资像 Cursor 和 Perplexity 这样的封装公司（wrapper companies），我认为这些投资可能没问题，但对我来说，它们没有那么引人注目，因为我相信未来的通用人工智能会强大得多，考虑到计算机使用和持续学习带来的这些突破。我认为，那些支撑基础研究或解锁关键能力的东西，而不是在现有能力之上构建封装，我认为构建那个基础层更有价值，但人们不愿意像我理解的那样投入那么多资金。
奥伦·霍夫曼： 再深入一点。
多雷什·帕特尔： 就像，因为没有那么多公司在构建真正的底层。
奥伦·霍夫曼： 那样的话，在人工智能领域，你可投资的东西不就真的受限了吗？
多雷什·帕特尔： 嗯，如果你想投资基础研究实验室（foundation lab），那确实会受限，但我认为会有，嗯，有物理计算（physical compute）本身。你知道，你可以投资用于制造芯片的组件。
奥伦·霍夫曼： 是的。或者英伟达（Nvidia），我认为英伟达可能已经定价了，但你知道，SK，无论是高带宽内存（HBMs），嗯。
多雷什·帕特尔： SK 海力士（SK Hynix）之类的。是的。嗯，然后，嗯，我认为还有其他与训练相关的组件，它们不是原始计算，而是参与训练过程的其他公司。我不知道，比如那些构建数据集（data sets）或拥有新颖技术（novel techniques）的人。嗯，我想如果我有更多想法，我就会，嗯，我就不会再做播客了，但是，但是，我确实觉得现在只是把钱投入到，因为有些人认为，你看，我们想要脚踏实地，所以我们想看到原始用户数量（raw user numbers），谁拥有大量的用户数量？嗯，就是封装公司，对吧？因为封装公司才有用户。是的。嗯，然后他们有虚高的估值（inflated valuations），这可能是有道理的，因为人工智能将是如此大的事情，即使它们也会变得更有价值，但我认为与技术栈（stack）的其他部分相比，它们的估值相对被低估（undervalued），这些部分没有明确的，嗯，你知道，年度经常性收入（ARR）之类的，抱歉，不是年度经常性收入，而是月活跃用户（monthly active user）之类的闪光点。
奥伦·霍夫曼： 问题是，一些研究项目，它们的估值并不，它们的年度经常性收入可能为零，但它们的估值却与另一个拥有1亿美元年度经常性收入且每年增长100%的公司相同。
多雷什·帕特尔： 百分之百。
奥伦·霍夫曼： 所以很难知道你该把钱投到哪里。
多雷什·帕特尔： 不，那绝对是真的。是的，同意。所以如果有一个超级便宜的，我就会，是的，太棒了。是的。也许你应该把钱捐给，你知道，辛顿（Hinton）的实验室之类的，捐到那里，对吧？
奥伦·霍夫曼： 你是天使投资人（angel investor）吗？你如何看待这方面的事情？因为你对世界有非常独特的看法，从某种意义上说，你可能是一个很棒的投资者。当我问泰勒时，我说：“不，我不投资。我没有这个愿望。我喜欢把钱捐给人们，看看他们能用它做什么，但不是为了我自己获得经济回报。”
多雷什·帕特尔： 嗯。嗯，泰勒在如此多的生态系统中，甚至在人工智能领域（这是我所了解的，而且我认为这根本不是他的主要关注点）加速了如此多的发展，这也很疯狂。我认识的许多正在做非常有趣事情的人，嗯，在某种程度上可以追溯到泰勒，以及他最初给他们的2万美元职业资助（career grant）。所以，嗯，即使他没有收到，我的意思是，我想如果他能够从他创造的所有剩余价值中获得经济红利，我认为他会成为一个亿万富翁。
奥伦·霍夫曼： 嗯，老实说，我认为，我的意思是，对于大多数人来说，即使他们赚了数十亿美元，他们也只是把钱花在其他事情上，比如声望或其他，你知道，地位或其他类型的事情。我觉得泰勒他以某种方式获得了数十亿美元的地位和声望。整个生态系统都非常欣赏他，以至于，你知道，他们可能不会像欣赏一个亿万富翁那样欣赏他。
多雷什·帕特尔： 是的。这让我想起了帕特里克·麦肯齐（Patrick McKenzie）关于日本工薪族（salary man）的一句话，他说，你看，你可能想知道为什么日本工薪族愿意为那么少的钱工作那么努力，他的回答是，在世界其他地方，你努力工作是为了赚很多钱，然后你花钱购买地位，而日本的企业集团（conglomerates）已经找到了一种方法，可以省去中间环节，直接用地位来支付你。但是，回到你最初的问题，是的，我，嗯，我得想办法处理播客广告的钱。所以，我偶尔会，如果，我不会主动去做，但我有朋友经常开始或正在做有趣的事情，嗯，嗯，也许今年我开始，嗯，嗯，看看我是否能以某种方式参与，但只是如果有什么东西自己落到我手上。
奥伦·霍夫曼： 你说大多数人都在忽视人工智能的集体优势（collective AI advantages），我们如何将我们的思维模式从这些智能工具转向更智能的，比如说，生态系统？
多雷什·帕特尔： 是的，我认为人们，嗯，低估了当你想到人工智能时，你只是在思考单个模型副本的智能，我认为这导致人们忽略了人工智能所拥有的独特优势，这些优势与原始智能无关，而与它们是数字化的事实有关。显然，人类的许多价值也来自于我们能够相互合作，我们能够形成公司、机构和政府等等，但这种合作和协调的能力在人工智能方面会强大得多。我的意思是，一个显而易见的方式是，假设这种持续学习的问题解决了，对吧，所以假设人工智能真的可以在工作中学习。我的看法是，这可以有记忆，
奥伦·霍夫曼： 可以有记忆和
多雷什·帕特尔： 是的。我不确定“记忆”是否真的能捕捉到这是什么。我认为我们甚至没有一个好的思维框架来理解人类到底在做什么，才能让你在开始工作六个月后比第一天更有价值。但假设我们在人工智能中实现了这一点。一个在工作中学习的人，是在他们所处的特定工作中提升特定技能。假设一个人工智能模型在经济中广泛部署，并且它正在学习如何在经济中做不同的工作。它可以从所有副本的经验中学习。所以一个模型有可能从一开始就学习如何更好地完成每一个白领工作。即使在此之后没有更多的软件进步，对吧，我们没有找到训练模型的新方法。仅凭这一点，就可能足以引发一场看起来广泛部署的智能爆炸（intelligence explosion）。这个东西现在功能上正在成为超级智能（super intelligence）。这是你可以拥有这些集体优势的众多方式之一，因为它们是数字化的，而人类没有。嗯，嗯，是的，我不知道我们如何让更多人意识到这一点，或者我甚至不确定，我认为我们甚至很难提前预测，因为预测未来非常困难，这些集体优势会带来什么影响。但你甚至可以将其下限到这些真正疯狂的结果。
奥伦·霍夫曼： 《数据世界》不仅仅是一个播客。《数据世界》会员是一个私人邀请制社区，面向重要数据和人工智能企业的创始人及高管。这是一个进行非正式、高度信任对话的场所，专注于数据领导者面临的最大问题。社区旨在促进同行学习、精心策划的介绍和私人活动的参与。团队中的每个人都在数据领域构建或领导着有意义的事物。如果这听起来像你，请访问 worldofd.com 申请加入。那是 worldofd.com。不，我们播客《数据世界》的许多听众，他们中的许多人领导数据公司或在数据公司工作，但我们还没有看到人工智能热潮（AI boom）给这些数据公司带来收入的爆炸式增长。如果你在这些数据公司工作或领导其中一家，你会怎么想？
多雷什·帕特尔： 哪种数据？
奥伦·霍夫曼： 我的意思是任何一种。我的意思是人们有各种各样随机的数据出售，关于某个小部件。我的意思是数据通常是关于四个名词，对吧？比如关于人、地点、产品或公司，对吧？然后它们可以相互交叉。它们有时与时间和价格交叉。对吧？所以你可能有，你知道，关于分子的数据是关于产品，或者关于某个人的数据以及他们在做什么，或者任何可能的数据。
多雷什·帕特尔： 是的。嗯，我对这个行业了解不多。所以我不知道这些数据的主要用例（use cases）是什么，也不知道为什么它会内在性地随着人工智能变得更有价值。我的直觉是，它对人工智能训练（AI training）没有那么有用。
奥伦·霍夫曼： 是的。
多雷什·帕特尔： 我也不这么认为。嗯，对于人工智能训练，我认为它只是真正地获取原始数据。最好是拥有“如何更好地编写软件”之类的，为人工智能实践而构建的环境，而不是“这里有几亿个电子表格的令牌”。所以问题是，这些数据对人工智能还有什么用处？我不确定，也许有答案，嗯，但是，是的，它为什么会变得更有价值的理论是什么？
奥伦·霍夫曼： 我不知道是否有理论，但我认为很多人，大多数数据公司现在都比几年前更有利可图，因为创建数据比以前更容易了。所以他们能够降低成本，而且他们可能还没有将这些成本转嫁给客户。所以存在一个巨大的利润差，但在某个时候，他们都处于一个竞争非常激烈的行业。在某个时候，他们可能会开始将这些成本转嫁给客户，然后他们就不会比几年前更有利可图了。
多雷什·帕特尔： 他们现在的主要客户是谁？
奥伦·霍夫曼： 我的意思是，每个数据公司都不同。所以你只要想想你曾经想过的任何类型的数据公司。好的？销售给房地产的数据，销售给对冲基金的数据，销售给营销的数据，销售给，你知道，学术界的数据，销售给，你知道，你知道，有太多不同类型的数据公司在销售。嗯，部分问题是，嗯，数据很难使用。所以通常你是在向软件公司销售，然后这些公司获取数据并将其放入产品中，以某种方式使其发挥作用。
多雷什·帕特尔： 有趣。
奥伦·霍夫曼： 用户数量并没有增加很多。
多雷什·帕特尔： 对。是的。是的。我，嗯，不幸的是，我对，嗯，这方面没有任何见解，考虑到这个播客的标题，这很悲剧。但是，
奥伦·霍夫曼： 不，我真的很想问你，当我想到你时，我想到的是一个极其好奇的人。嗯，从某种意义上说，这几乎就是那个“X因素”，那就是我们真正想要更多的那种东西。如果世界上能有10倍以上的人真正好奇，那会很棒。有没有办法以某种方式制造这种好奇心？
多雷什·帕特尔： 我认为好奇心通常是由反思自己的困惑所驱动的。嗯，我认为很容易只是不断阅读东西，或者认为自己在学习，却从不暂停并问自己：“等等，我真的理解了吗？”我不知道。我总是遇到这种情况。我不知道你有没有这种经历，嗯，我以为我理解了什么，然后我读了一本关于某个主题的书，已经读了十几个小时，然后有人问我最基本的问题，比如概念A是如何运作的，我就会说：“我不知道。”然后我就会想：“等等，那我到底学到了什么？”嗯，我想我越来越意识到我的理解中存在巨大的漏洞。嗯，我不得不更加意识到这一点，因为这就是我准备播客的方式。当我采访某人时，我只是在努力注意：“等等，我仍然觉得哪个愚蠢的问题或基本问题是一个大症结，我感觉没有完全弄清楚？”嗯，一旦你注意到了，你就无法停止思考它。嗯，我就会变得超级兴奋。我只是在想即将到来的采访，嗯，我迫不及不及待地想让他们告诉我。如果他们没有给我一个好的答案，我就会一直缠着他们，因为我真的很想知道答案。嗯，嗯，那么我们如何让更多人好奇呢？我认为，让人们处于一个能够注意到自己的困惑，注意到自己理解中的盲点的位置。我认为，嗯，一种微观解决方案是，我发现让大型语言模型（LLMs）充当苏格拉底式导师（Socratic tutor）非常有帮助，也就是说，你给它们一个提示，说：“向我解释概念Y，在我完全满意我理解了概念之前，不要继续。问我测试问题等等。在我理解了相关的子概念并让你满意之前，不要继续解释更多。”嗯，这真是太疯狂了，你知道，这是一种多么有效和快速的学习方式，你会意识到有多少隐藏的。
奥伦·霍夫曼： 所以，那额外的句子“不要继续，考我等等”，那才是关键句子，而不是第一个，对吧？
多雷什·帕特尔： 是的。是的。你的答案是什么？你如何保持好奇心？
奥伦·霍夫曼： 我不知道。但我认为你是对的。但有时我的学习效率不高，你听完一整本书，然后，或者你读完一整本书，或者你，无论你有什么，或者你听了16个关于为什么的播客，然后六个月后你什么也记不住。所以也许你当时确实学到了东西。我不知道，也许我阅读时实际上并没有学到东西，但我的记忆力不高。有时我读过这本书，我有一份我喜欢的书单。我有一份42本书的清单，我会发给别人，然后最近我的一个朋友问我其中一些书，我有一本书，你知道，我十年前读过这本书，我把它列在清单上，因为我认为它是一本人们应该读的具有决定性意义的书，但现在我几乎不记得那本书里有什么了。
多雷什·帕特尔： 对。是的。这又是那种，嗯，我向人们推荐的“无聊策略”之一，那就是，嗯，不是什么宏大的“这将是”，但它确实是一种有效的“无聊”策略，那就是间隔重复（space repetition）。嗯，它的效果好得惊人。它效果好到我后悔我做播客这么多年却没有使用它，因为我觉得我本可以从我之前做的所有采访中学到一些东西，嗯，那些东西现在已经完全从我脑海中溜走了。嗯，而且我经常会为一些东西制作间隔重复抽认卡（flash cards）。
奥伦·霍夫曼： 抱歉，我不太清楚你在说什么，所以你能不能解释一下？
多雷什·帕特尔： 抱歉。是的。是的。嗯，基本上你制作抽认卡，然后有一个软件，软件会不时地重新显示卡片，嗯，它会考你，你制作卡片，你每周花X小时做这个。
奥伦·霍夫曼： 是的。是的。嗯，更难的部分是写卡片，因为你必须在阅读时暂停自己，然后问自己，好的，我真正想记住的是什么？关键的关系或事实或概念把手（conceptual handle）。嗯，这本身就能提高你的理解和记忆力。 制作记忆卡片是一种笨、但相对高效的提高理解和记忆力的方法
奥伦·霍夫曼： 所以，当你，这有点像那些划重点的人，你知道，以前人们会划重点书本之类的，我甚至不知道他们为什么要那样做，因为他们从不回头看，但本质上，你划重点的任何东西几乎都变成了一张卡片，然后你，然后你稍后会考自己。
多雷什·帕特尔： 是的。关键的一点是，当，嗯，软件会做的一件事是，当你答对卡片时，它会增加间隔时间。所以一旦你制作了一张卡片，它明天就会出现。然后如果你答对了，它会在一周后出现。然后如果你答对了，一个月后出现，以此类推。嗯，而且我经常在阅读时制作卡片，我会想，这太基本了。我当然会记住这个，但我必须写下来，所以我就会写下来。然后你一周后回来，我就会想，我答错了，或者我差点答错。
奥伦·霍夫曼： 举个例子？因为我认为你会想知道，比如一个事实不如一个概念有趣，对吧？或者
多雷什·帕特尔： 你可以两者兼顾，但我不会低估记住事实对于理解概念的重要性。很多概念都只是，嗯，嗯，我正在努力想一个好的例子。嗯，是的，例如在人工智能中，对吧？这里有一张你可以保存的卡片：前沿模型（frontier models）的计算量每年增加了多少？自2016年以来的趋势是什么？嗯，我认为每年大约是4.5倍。好的。所以，这只是你存储的一个原始数字。这难道不是一个无用的记忆练习吗？好的。下次你争论人工智能未来走向何方时，知道“哦，等等，关键趋势是什么？”这非常重要。而且你可以，
奥伦·霍夫曼： 我甚至不知道过去十年每年都是4.5倍。
多雷什·帕特尔： 是的。就像，是的。是的。前沿的规模。是的。前沿系统中使用的计算量。没错。
奥伦·霍夫曼： 哦，我真的不知道有那么高。所以，这是一个我直到现在才明白的有趣的复合增长率。它有各种有趣的含义，我们可以深入探讨。但这就是我所说的，如果你把这个事实缓存起来，你就可以考虑这些含义，或者每当你再次遇到这个事实时，你就会开始思考。我的意思是，另一件事是，如果你不积累这些理解的“金块”来构建，就很难学习一个概念或一个领域。以前感觉就像，我试图理解一个困难的话题，每天我都在努力重新学习完全相同的四个关键词或概念，我就是无法继续。现在我可以，就像，制作卡片。感觉我正在巩固，这样我就可以随着时间的推移不断积累知识。嗯，我只是提到，我不知道你是否说你制作卡片，
奥伦·霍夫曼： 就像你保留它的机会增加了10倍，仅仅因为你制作了卡片？
多雷什·帕特尔： 是的。是的。
奥伦·霍夫曼： 过程是什么？你是不是决定，好的，我每周要做三小时，或者你在火车上无聊，所以你只是浏览一下，而不是刷社交媒体之类的，或者，嗯，是的，我的意思是理想情况下，那是一种，嗯，那就是想法。嗯，是的，当我，我的意思是，我认为关键是，你应该每天都做。我不会，我有时会积累起来，然后偶尔做一次。
奥伦·霍夫曼： 或者，是的。你的意思是，你如何制作卡片？
多雷什·帕特尔： 是的。是的。就像你必须制作它，然后你必须提醒自己去做。嗯，然后你必须决定，好的，我现在要停止做这个了，因为我感到沮丧或无聊了，或者其他什么。嗯，是的。
奥伦·霍夫曼： 当然，提醒自己也会阻碍新的学习。嗯，并且占用其他时间。这有点像锻炼，对吧？锻炼有一些价值。你正在锻炼一些肌肉之类的，但你不能整天都做，对吧？
多雷什·帕特尔： 我的意思是，也许这里的大局是，你看，我浏览这些问题时，我就会想，哦，为什么，你的一部分会想，为什么这些信息首先值得记住？
奥伦·霍夫曼： 是的。
多雷什·帕特尔： 但你决定阅读它，对吧？所以它一定以某种方式有助于形成一个世界模型（world model）。如果不是，为什么要阅读它？如果知道 DNA 合成（DNA synthesis）是如何工作的，以及将其连接起来的主要限制是什么，这对于形成世界模型很重要，为什么你不想记住它呢？嗯，如果你不建立一个这样的系统，你又如何记住它呢？嗯，所以，如果你觉得这样的事情单调乏味，你会想：“好吧，我为什么要，我不需要记住这些事实。”那么你真的应该问自己，你为什么要阅读？答案是真的，你只是为了乐趣吗？你阅读只是为了像阅读小说一样吗？
奥伦·霍夫曼： 也许就是这样，或者也许我认为在很多情况下，是的，你只是在消磨时间，但如果你不是为了消磨时间，那么如果你不使用这样的系统，你真的认为你记住了你正在阅读的东西吗？我的意思是，对我来说，我的工作就是积累我正在阅读的东西。让它们缓存到我的脑海中，这样如果一个话题在采访中被提及，我就知道相关的后续问题可能是什么。或者即使我为未来的嘉宾做准备，我脑海中也有很多想法。问问你自己，在你的职业或生活中，等价的事情是什么。如果没有这样的事情，那么也许你就像去看电影一样。阅读有点无聊，对吧？
多雷什·帕特尔： 我还发现，每个人记忆和记住的方式都不同，所以他们倾向于记住。所以对我个人而言，无论出于何种原因，我就是非常擅长理解日期以及日期之间的相对关系。所以如果你给我12个历史上发生的事情，我可能无法告诉你它发生的具体日期，但我很可能能够完美地按顺序排列这12件事。嗯，所以无论出于何种原因，那是我能记住得非常好的东西，但其他一些东西我就很糟糕，然后也许我只是更倾向于那些我擅长记忆的东西，而远离那些我不擅长记忆的东西，这可能会阻碍我，或者可能会给我带来某种局部最优（local maxima），因为我喜欢知道我能记住它的那种回报。
奥伦·霍夫曼： 抱歉。所以局部最优是，嗯，
多雷什·帕特尔： 嗯，如果你擅长，我假设你擅长记住某种类型的东西。
奥伦·霍夫曼： 是的。
多雷什·帕特尔： 你喜欢你擅长的事实。所以至少对我来说，我喜欢我擅长的事实。所以我只是学习更多那种类型的东西。
奥伦·霍夫曼： 对。是的。那会给人留下深刻印象，就像
多雷什·帕特尔： 这就是为什么人们读历史比我认为的更有意义。我认为每个人都有上百本历史书，然后只有少数几本科学书之类的，因为历史确实有这种特质，就像，哦，有很多，它真的很长，每个事物都有一个子历史，嗯，是的，我同意这确实是一种，嗯，逆向选择（adverse selection），我不知道是不是逆向选择这个词用得对，但是，嗯，选择那些更容易记住或更容易解析（parsible）的东西，而学习往往非常困难，而且阅读一本真正具有良好解释性框架（explanatory frameworks）的关于生物学或其他方面的密集文本，并不是一种轻松的体验。
奥伦·霍夫曼： 你知道，回到你的历史话题真的很有趣。所以，我刚刚开了一段很长的车，我准备了两本书，一本是关于白宫幕僚长的历史，那本书听起来最容易。它太容易了，而且故事很棒，超级容易。然后另一本是对利率的深入分析。这本书在开车时听起来很糟糕，因为它非常非常非常密集，很难理解，我可能不应该在开车时听它。我应该真正地阅读它，并且花时间停下来，你知道，所以人们对信息的模式（modalities）也有不同的需求。嗯，像这样的播客，可能很多人在听播客时还在做其他事情。可能很难深入了解某些东西，因为你不想停下播客，然后写下来之类的，而其他类型的模式，你可能真的会想更深入。
多雷什·帕特尔： 是的，百分之百。你甚至，嗯，即使是像那样的书，阅读它与在每次有重要解释时停下来制作卡片，因为你意识到，你问自己问题，你会想：“我实际上不明白。”嗯，所以肯·罗戈夫，我觉得我将陷入一个兔子洞，比如我有什么具体问题之类的，但在很多情况下，我都会想：“好的，这里有一个问题，嗯，这显然是我应该问这个文本的问题，等等，我实际上不明白，到底，他如何解释为什么这是真的？”嗯，然后你开始和大型语言模型（LLMs）交谈。大型语言模型会给你提供很多想法。但是你就可以，这是使用人工智能的另一个很棒的地方，你可以不断地问后续问题。所以有一个著名的效应叫做布鲁姆二西格玛效应（Bloom two sigma），嗯，这位研究员注意到，拥有一对一导师的效果比小组教学或自学要好两个标准差。但是如果你知道如何很好地使用大型语言模型，你基本上可以为自己创建一个一对一的导师。嗯，而且你可以，你可以不断地，你不需要耗尽你的问题清单，一切都是一个兔子洞。嗯，所以有一种直接的方式，我们可以不断地敲打皮纳塔（piñata）。
奥伦·霍夫曼： 我确实认为这是一个封装（wrapper）可以提供帮助的地方，因为你提出了一个我以前没有想到的聪明提示。嗯，但是，就像一个带有漂亮用户界面（UI）的更好的封装，它有点游戏化（gamifies）了，并且当我连续答对四个时，会有一些爆炸星（exploding stars），对吧？让我感觉很好，嗯，你知道，告诉我我有多棒，有点像多邻国（Duolingo），多邻国本质上真的，你知道，也许它只是这些东西的封装，但它很棒，人们真的很喜欢它，像那样的东西实际上确实有价值。
多雷什·帕特尔： 我为自己制作过这类封装，但我后来停止使用了，因为这些人工智能的特点是它们非常通用（general），所以我不想让它们，我可以，我希望它能进行苏格拉底式辅导，但有时我只想停下来，说：“好的，停下，你知道，你的问题有点，我们进展太慢了，让我们改变一下，或者，或者，好的，现在停止苏格拉底式辅导，我只想你以正常方式回答我的问题，比如告诉我这个，或者我不知道，拥有灵活性是不是好事？”所以我仍然发现使用聊天机器人（chatbot）本身是访问模型全部通用性的最佳方式。
奥伦·霍夫曼： 现在，你正在做的一件事就是真正地磨练你的技艺，成为一个更好的播客主持人。嗯，我感觉你好像一开始就做得很好。嗯，而大多数人随着时间的推移会变得更好，他们一开始的基础很低，然后如果他们继续努力，
多雷什·帕特尔： 但你正在做什么来达到绝对卓越的境界？是的。所以，嗯，我不知道我是否，嗯，一开始就做得很好。我的意思是，从内部来看，感觉相当慢，五年是很长的时间。现在，如果这是一个指数增长过程，对于任何第一次听说它的人来说，他们很可能最近才听说它，或者平均听说我播客的人最近才听说它。嗯，嗯，嗯，然后抱歉，你的问题是，你如何？
奥伦·霍夫曼： 你在做些什么让自己成为一个更好的播客主持人？你正在准备，但你还在做些什么让自己成为一个更好的播客主持人？
多雷什·帕特尔： 不，我的意思是，我主要做的事情是努力学习更多东西。我写得更多，这有助于我巩固自己的观点（真正能够被坚持和强化记忆、执行的，需要通过更笨的方法来实现，比如说把观点写下来，在不同的地方写下来，而不是仅通过阅读、口述，还是要重视写作的积极价值），因为如果你没有自己的思维模型来反驳，就很难对别人做出反应。嗯，嗯，但从根本上说，除此之外，我认为我没有排练任何其他技能，因为我的意思是，你知道，你认为成为一个播客主持人会涉及什么，我很想听听你的看法，但就像，哦，你必须会说话，我，我，我说话还行。我不知道。我没有，我没有练习过。我经常口吃。我，我，我不太连贯。我说话太快，这是我经常收到的反馈。但我认为这并不重要，嗯，我只是专注于内容，这在某种程度上弥补了不足。嗯，你呢？你正在努力磨练技艺吗？
奥伦·霍夫曼： 我不知道。但我认为，嗯，这取决于你的听众想从中得到什么。但我确实认为，大多数受欢迎的播客都太长了，它们更多的是娱乐，而不是给听众更多知识，帮助听众变得更好。所以如果你只考虑这些播客的每分钟知识量，我认为它下降了。也许我能做得更好的是增加它，也许以某种方式缩短它。所以这就是我正在努力解决的问题，你如何给你的用户，目标不是让它像社交媒体一样，你希望他们尽可能多地花时间在你身上。（所有注重内容的创作者都关心这一点）事实上，你希望用最少的时间获得最大的收益，对吧？
多雷什·帕特尔： 尤其是很多这些，嗯，占用这么多时间的东西甚至都不有趣。它们是你觉得必须问的问题。你的书是关于什么的？你为什么写它？嗯，你在哪里长大，等等。嗯，这些你，你知道，你不在乎，或者在某种程度上，你知道，谁在乎他们在哪里长大，对吧？他们的书是关于，嗯，嗯，社会学或者，嗯，
奥伦·霍夫曼： 这就是我来回纠结的地方，比如，我从未问过你关于你成长经历或其他背景的问题。但如果我和你一起吃午饭，我可能会觉得那很有趣。嗯，那可能会帮助我了解你的一些事情，或者你可能会告诉我一些关于你兄弟姐妹或父母的有趣轶事，这能让我更好地了解事情。所以，这很难说。嗯，也许这些播客，我从未在我的播客中这样做过，但也许那是这个播客的失败之处。
多雷什·帕特尔： 是的，公平。我，我，我，我认为，嗯，我发现，在某些情况下，我发现一个人很神秘，我想了解他们的，嗯，他们的思想是如何形成的。但大多数情况下，我只是，尤其是我着迷的是对他们正在研究或擅长的领域的客观兴趣。然后当他们谈论自己的个人生活时，我就会想：“好吧，但是让我们回到，你知道，无论什么。”
奥伦·霍夫曼： 是的，说得好。
多雷什·帕特尔： 嗯，嗯，所以，但更重要的是，你看，如果你找到了一个公式，你可以真正地，我可能不擅长以一种能揭示他们有趣之处的方式提问。如果你找到了一个能以你真正感兴趣的方式解决这个问题的公式，我认为问这些问题非常有意义。我遇到的更大问题是那些，嗯，问他们不感兴趣但觉得必须问的问题的人。所以如果你对他们的个人生活不感兴趣，或者你认为这不相关。是的。
奥伦·霍夫曼： 但仍然问它，因为感觉观众可能想听。
多雷什·帕特尔： 嗯，我见过一些播客主持人这样做，我认为，如果你觉得不有趣，你为什么认为观众会觉得有趣？
奥伦·霍夫曼： 是的。有没有某些人，当我只是和他们见面，与播客无关，我只是和他们共进午餐，我几乎可以保证从头到尾都有100%有趣的对话？还有一些人，你喜欢他们，你更多的是和他们叙旧。哦，最近怎么样？孩子们怎么样？发生了什么？你去哪里度假了？或者类似的事情。但这些事情仍然有一些真正的价值。你可能学不到那么多。它可能在智力上不那么有趣，但这些事情对人类来说仍然很棒。
多雷什·帕特尔： 你是这么认为的吗？我，嗯，我总觉得我随着时间变得越来越没有耐心。我，我太年轻了，不能成为一个脾气暴躁的人，但每次我和别人喝咖啡，我都会想：“我再也不要这样了。”
奥伦·霍夫曼： 嗯。
多雷什·帕特尔： 你可能是对的。是的，这很有趣。我有一个朋友，你知道，我想说他是世界上最有趣的人之一，我认为他设计自己的生活，只与人进行有趣的对话。他以某种方式做到了，他不会忍受无趣的对话，而且他因此变得更有趣了。
奥伦·霍夫曼： 是的，我，是的，百分之百。我认为播客的一个巨大飞轮是，我遇到了更聪明的人，他们教会了我很多东西。嗯，嗯，在我的个人生活中，我有点过度纠正了我的工作。我的社交生活新规则是，什么都不能学，什么都不能教。它必须是纯粹的愚蠢玩笑、即兴发挥和笑话。嗯，嗯，因为晚上11点听别人关于中国电动汽车（Chinese EVs）的独白（monologue）实在太奇怪了。而且这也可以直接发给我博客文章。你真的不擅长解释东西。但是，但是，是的。
奥伦·霍夫曼： 好的。为了实践我的布道并保持简短，我们还有两个问题要问所有嘉宾。一个是，你相信的阴谋论（conspiracy theory）是什么？
多雷什·帕特尔： 一个是我认为与日本的战争，我不是历史学家。我没有太多的利害关系。我肯定可能错了。嗯，二战中美国对日参战，我不认为珍珠港（Pearl Harbor）是内部作案之类的。这不是我的阴谋论级别，而是之前的谈判本可以由双方处理得更聪明。但由于美方是我们能够控制的一方，所以我们本可以避免导致珍珠港事件的发生。
奥伦·霍夫曼： 有趣。是的。
多雷什·帕特尔： 是的。
奥伦·霍夫曼： 我的意思是，几乎可能可以，对吧？我不知道那是不是阴谋论？
多雷什·帕特尔： 是的。所以，基本上发生的事情是日本入侵中国，显然犯下了可怕的暴行，然后我们对日本实施了石油禁运（embargoed）。如果日本帝国石油耗尽，他们无法生存超过两年。所以他们想：“好吧，如果我们和美国开战，我们可能会输掉战争，但如果我们不开战，我们肯定会输掉战争，因为我们会耗尽石油。”嗯，是的。
奥伦·霍夫曼： 是的。
多雷什·帕特尔： 我认为，嗯，美国的 主要地缘政治目标（geopolitical objective）不是消灭日本。主要地缘政治目标是消灭德国。所以，嗯，嗯，而且存在多次误解（miscommunications），根本问题是日本政府有一个由近卫文麿亲王（Prince Konoe）领导的文官主导（civilian dominated）部分，然后是东条英机（Tojo）领导的军方主导（military dominated）部分。美国人会收到来自日本方面的消息，我们解读为，哦，他们在玩两面派。有时他们想外交，有时他们想进攻，而实际上只是日本政府的不同部分试图获得优势。我们应该给更温和的文官方面更多挽回颜面（save face）的空间。
奥伦·霍夫曼： 是的。有趣。是的。我有一个理论，那就是基本上美国在历史上几乎输掉了所有它参与的战争，但不知何故我们仍然赢得了战争，只是因为我们比他们坚持得更久。
多雷什·帕特尔： 有趣。有趣。
奥伦·霍夫曼： 在这种情况下，就像日本，他们，是的，那是一个难缠的对手。
多雷什·帕特尔： 是的，百分之百。
奥伦·霍夫曼： 我们问所有嘉宾的最后一个问题。你认为哪种传统智慧（conventional wisdom）或建议通常是糟糕的建议？
多雷什·帕特尔： 也许把它和我们之前讨论过的一些事情联系起来，我认为广泛阅读（reading widely）对你来说并不像传统认为的那么好。我认为有目的和深度地阅读特定内容（reading specific things with intention and depth）有巨大的好处。这是一个慢得多的过程，你可能在一页上花15分钟。嗯，而且与大型语言模型交谈与阅读主要文本的时间比可能非常高。嗯，但只是浏览我身后所有这些东西，它可能会对你有所帮助，但我实际上并不相信它会。而且部分原因是人们，嗯，他们想得分。所以他们想读更多的书，或者他们想以3倍速听播客，或者浏览更多东西，或者和别人谈论他们读过的东西，等等。
奥伦·霍夫曼： 或者，你知道，你认为是什么在推动这种行为？
多雷什·帕特尔： 是的，只是“我今年读了50本书”这种感觉非常清晰可见（legible）。嗯，而“好的，我今天读了20页，但是，嗯，现在我真的可以告诉你利率是如何运作的”这种感觉就不那么清晰可见了。嗯，是的，你之前讨论过的，你做哪一部分，哪一部分感觉更容易，或者哪一部分对你来说更容易。
奥伦·霍夫曼： 是的。我以前有这样一件事，我有一个每月时事通讯（newsletter），或者写一些我读过的东西，然后我过去会列出我上个月读过的所有书。嗯，所以首先，我经常在最后意识到，我不会向任何人推荐这些书。如果我上个月读了五本书，我一本都不会推荐给别人。嗯，所以这对我的听众来说并没有什么帮助。然后我也意识到，好吧，如果我不再推荐它，我为什么要阅读呢？
多雷什·帕特尔： 对。
奥伦·霍夫曼： 就像我阅读这些书的价值是什么？所以，你知道，所以我试图减少书的数量，因为它们中的大多数最终并没有增加那么多价值。
多雷什·帕特尔： 是的。是的。百分之百。
奥伦·霍夫曼： 这太棒了。谢谢多雷什·帕特尔加入《数据世界》。我在X上关注你，账号是 Dorcas SP。我甚至不知道你为什么用那个账号。我认为你需要一个更好的账号。
多雷什·帕特尔： 他们不给我那个账号。
奥伦·霍夫曼： 他们不给。所以你不得不加下划线。是的。是的。错误，但你知道，我们现在很幸运。我的意思是，你有很多粉丝，所以你必须保留它。嗯，我在X上关注你。我绝对鼓励我们的听众在那里与你互动。这太有趣了。我真的很感谢你来到《数据世界》。
多雷什·帕特尔： 我也玩得很开心。非常感谢你邀请我，奥伦。
奥伦·霍夫曼： 感谢收听。如果您还没有订阅《数据世界》播客，请在您收听播客的任何平台订阅，包括 YouTube、Apple、Spotify 等。请通过留下评论帮助我们被发现。并访问 worldofd.com。那是 worldofd.com。当然，在 Twitter 上与我联系，我的账号是 Oren，那是 a u n。非常乐意听到您的来信。