uutiset

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

amodei uskoo aurinkosähköteollisuuden esimerkkinä, että vaikka teknologiasta tuleekin erittäin tärkeä ja laajalti käytetty markkinoilla, voi silti olla vaikeaa tuottaa suuria voittoja yhdelle yritykselle ja korkea kaupallistaminen rajoittaa yrityksen kannattavuutta. samoin kuin aurinkosähköteollisuudessa, tekoälyteknologian markkinakoko voi olla hyvin suuri, mutta siitä voi olla vaikea hyötyä, ja voitonjakokysymys eri toimijoiden kesken on myös hyvin monimutkainen.

kova ai

kirjoittaja |. huang wenwen

toimittaja |. hard ai

tällä viikolla dario amodei, "ai unicorn" anthropicin toimitusjohtaja ja perustaja, osallistui haastatteluun ja keskusteli tekoälyteollisuuden kehityksestä, skaalauslaista jne.

skaalauslaki viittaa lähinnä siihen, että datan ja laskentatehon kasvaessa myös mallin ominaisuudet kasvavat.amodei uskoo, että jos tämä laki jatkuu, tekoäly tulee todennäköisesti erittäin voimakkaaksi ja tuo uusia liiketoimintamalleja ja teknologisia innovaatioita.

hän kuitenkin korosti myös, että tämä laki ei aina päde, jos mallin suorituskykyä ei voida joissakin asioissa parantaa, se voi vaikuttaa koko tekoälyteollisuuteen.

amodei keskittyi myös vertaamaan tekoälyteollisuutta aurinkosähköteollisuuteen. hän käytti aurinkosähköteollisuuden esimerkkiä havainnollistaakseen, että vaikka teknologiasta tulee erittäin tärkeä ja laajalti käytetty markkinoilla, voi silti olla vaikeaa tuottaa suuria voittoja yhdelle yritykselle.

vaikka aurinkosähköteknologia on lähes ravistellut koko energia-alaa, sen markkinat ovat erittäin kaupallistettuja, kovaa kilpailua ja merkittäviä brändivaikutuksia, joten jokaisen yrityksen kannattavuuteen liittyy tiettyjä rajoituksia.

samoin kuin aurinkosähköteollisuudessa, tekoälyteknologian markkinakoko voi olla hyvin suuri, mutta siitä voi olla myös vaikea hyötyä. tekoälyn voittomalliin voivat vaikuttaa monet tekijät, kuten mallilaskennan kustannukset, päättelykustannukset jne. voitonjako laitteistotoimittajien, mallinkehittäjien ja sovelluskerrosten kesken on myös varsin monimutkainen ja siinä on suuria haasteita.

puheenvuorot ovat seuraavat:

1. on hieman vaikeaa erottaa skaalauslaki kokonaan liiketoiminnasta.

2. koska markkinat ovat niin suuret, ensimmäinen vastaukseni on, että voitot virtaavat kaikkiin näihin paikkoihin.

3. jos skaalauslaki on oikea, tämä on erittäin valtava markkina. vaikka vain 10 % voitoista menee jollekin toimitusketjun osalle, se on silti valtava.

4. jos rakennamme mallia, jossa on kymmeniä tai satoja miljardeja parametreja, mukana voi olla enintään neljä tai viisi kokonaisuutta (ja ehkä joitain valtion omistamia yrityksiä). joten se, mitä näemme, saattaa olla enemmän kuin oligopoli kuin täydellinen monopoli tai täydellinen kaupallistaminen.

5. vaikka tällainen malli julkaistaan, niin suuren päättelymallin käyttökustannukset ovat erittäin korkeat, ja suurin osa kustannuksista on päättelyssä eikä mallikoulutuksessa. jos sinulla on parempia päättelymenetelmiä, jopa 10 %, 20 % tai 30 % parannuksella voi olla suuri vaikutus.

6. meillä on suurempia, tehokkaampia malleja ja nopeampia, halvempia, vähemmän älykkäitä malleja. jotkut asiakkaat ovat havainneet, että suuri malli voi määrittää tehtäviä suurelle määrälle pieniä malleja ja raportoida sitten suurelle mallille suorittaakseen tehtävän. parvi.

7. kenenkään ei pitäisi uskoa, että skaalauslaki jatkuu ikuisesti, se on vain empiirinen havainto ja voi pysähtyä milloin tahansa. olen tarkkaillut niitä kymmenen vuotta ja arvaukseni, että ne eivät lopu, on vain 60-40 tai 70-30 ehdotus sen perusteella, kuinka kauan olen niitä tarkkaillut.

8. jos voimme käyttää tekoälyä oikein, se voi lisätä nopeutta, jolla teemme nämä löydöt, 10 kertaa, ehkä 100 kertaa.

haastattelun teksti on kokonaisuudessaan seuraava, josta on poistettu osa:

01

googlesta ei tullut tekoälyn aikakauden bell labsia

noah smith:

tässä taloustieteen podcastissa puhumme mieluummin taloudesta kuin puhtaasti teknisistä asioista. onko google siis tekoälyn aikakauden bell labs?

he tutkivat modernia syväoppimista ja transformersia ja niin edelleen, mutta he eivät todellakaan onnistuneet kaupallistamaan sitä, kuten bell labs. he rahoittivat tutkimuksen monopolirahoilla, ja sitten mielenkiintoisia ihmisiä kuin sinä työskentelivät siellä ja lähtivät sitten perustamaan yrityksiä, kuten bell labsin fairchildin ihmiset. onko tämä mielestäsi sopiva metafora?

dario amodei:

vaikka mikään ei ole täydellinen analogia, uskon ehdottomasti, että siinä on jotain totuutta. monet pitivät sitä akateemisen uran jatkona, joka oli hyvin samanlainen kuin bell labsin teollinen ympäristö, paitsi että googlella oli enemmän resursseja tavoitteidensa saavuttamiseksi. siksi monia hankkeita tutkitaan. transformer on yksi tämän alan avainkeksinnöistä, ja se on vain yksi noin sadasta tutkittavasta hankkeesta.

jos olisit organisaation kärjessä, et pystyisi kohtuudella erottamaan sitä 99 muusta kehitysprojektista. se on kuin sata kukkaa kukkivat ja kilpailevat keskenään. luulen, että silloin ehdotin ensimmäistä kertaa skaalauslakia, joka tarkoittaa, että meidän on skaalattava ja integroitava nämä innovaatiot mittakaavassa.

teoriassa google on paras paikka tehdä tämä, sillä heillä on maailman suurin klusteri, jossa on paljon lahjakkaita insinöörejä ja kaikki tarvittavat elementit.google on kuitenkin organisoitu hakua varten, enkä usko, että se välttämättä ole kaikkien näiden osien yhdistäminen ja jotain täysin erilaista kuin ennen.

noah smith:

aivan kuten bell labsia ei perustettu keksimään tietokoneita ja antamaan kaikille tietokoneita, se perustettiin yhdistämään kaikki.

dario amodei:

kyllä, se on puhelinyhtiö. joten en voi puhua googlen puolesta, mutta ilmeisesti nyt sen lisäksi, että he ovat keksineet kaikki nämä hämmästyttävät asiat, he ovat yksi neljästä suurimmasta yrityksestä, joilla on huippuluokan malleja ja jotka ovat sekä kumppaneitamme että kilpailijoitamme. tunnen siellä monia ihmisiä, jotka ovat erittäin älykkäitä.

mutta luulen, että olet oikeassa, tulee aika, jolloin he voivat olla ainoa hallitseva pelaaja, jos he voivat yhdistää nämä elementit oikealla tavalla. mutta jostain syystä asiat eivät menneet niin.

02

skaalauslaki:

tietojen koon kasvaessa mallista tulee tehokkaampi

noah smith:

tämä herättää toisen kysymyksen, jota mietimme. itse asiassa ajatus puhua kanssasi tuli jostain, josta keskustelimme toisessa podcastissa, jossa puhuimme pohjimmiltaan internet-liiketoiminnan taloudesta, ja sitten joku esitti pessimistisiä näkemyksiä tekoälyliiketoiminnasta kyseenalaistaen kuinka monta tekoälyä yrityksiä todellakin on.

ilmeisesti tämä liittyy läheisesti anthropiciin ja muihin yrityksiin, joita kutsumme startupiksi, mutta ne ovat jo melko suuria.joten, kerro meille, mitä mieltä olet tekoälyyritysten taloudellisista valleista.

dario amodei:

sanoisin, että aion jakaa tämän kysymyksen hieman kahteen osaan. mielestäni on vaikeaa erottaa skaalauslaki kokonaan liiketoiminnasta. tarkastellaan siis tapausta, jossa skaalauslaki pätee jossain erittäin vahvassa muodossa, ja sitten tapauksia, joissa se saattaa päteä osittain tai ei ollenkaan. jos tämä on erittäin vahvassa muodossa, tilanne näyttää tältä:

nyt olet kouluttanut mallin, jossa on 100 miljoonaa parametria, ja sen ominaisuudet vastaavat hyvän korkeakoulun fuksia;

sitten koulutat mallin miljardilla parametrilla, mikä vastaa hyvän perustutkinto-opiskelijan kykyjä;

olet kouluttanut mallin, jossa on kymmeniä miljardeja parametreja, ja sen ominaisuudet vastaavat huippu-opiskelijan ominaisuuksia;

kun koulutat mallia, jossa on satoja miljardeja parametreja, sen ominaisuudet vastaavat nobel-palkinnon voittajaa.

ja sitten otat tämän mallin käyttöön ja palvelet periaatteessa kaikkia, ja siitä tulee kollegasi, siitä tulee henkilökohtainen avustajasi, se auttaa kansallisessa turvallisuudessa, auttaa biologisessa tutkimuksessa.

uskon, että tuossa maailmassa tämä järjestelmä ja siihen perustuvat tuotteet vievät suuren osan taloudesta. jäljelle jää kysymys, mihin tuotot menevät? virtaako se nvidialle, tekoälyyrityksiin vai loppupään sovelluksiin? koska markkinat ovat niin suuret, ensimmäinen vastaukseni on,edut virtaavat kaikkiin näihin paikkoihin.

03

tekoälyn tulevaisuus on samanlainen kuin aurinkosähköteollisuuden

noah smith:

mutta ajattele aurinkoa, aurinko on selvästi erittäin tärkeä. mitä enemmän energiaa tarvitsemme, sitä laajempaa aurinkoenergiaa tulee. on kuitenkin vaikea sanoa, mikä aurinkoenergiayhtiö tuottaa paljon voittoa. aurinkoenergia on hyvin hyödynnetty tuote, ja vaikka siinä on paljon innovaatioita, siinä ei ole brändivaikutusta, ei verkkovaikutusta eikä lukitusvaikutusta. aurinkoenergiayhtiön on vaikea tehdä voittoa tässä asiassa , ja tämä asiat muuttavat maailmaa silmiemme edessä.

joten en ole täysin varma siitä, että vain siksi, että kaikki kukoistaa kuten aurinkovoima juuri nyt, se johtaa välttämättä voittoon yritykselle. mutta toki olen avoin tälle mahdollisuudelle. haluan vain tietää,mikä sinun mielestäsi on lähde? miksi tekoälyn kehitys on erilaista?

dario amodei:

aurinkovoimaa? mielestäni tässä on kaksi asiaa, koska mielestäni tämä on tärkeä kysymys useimmissa maailmoissa. ehkä sanon vain, että jos skaalauslaki on oikea, tästä tulee erittäin valtava markkina. vaikka vain 10 % voitoista menee jollekin toimitusketjun osalle, se on silti valtava.

kun teet piirakkaa suuremmaksi, siitä tulee mielenkiintoisin kysymys, vaikka ne, jotka päättävät dollarin seteleiden jakamisesta, ovat varmasti hyvin huolissaan siitä, mihin biljoona menee. mutta palataanpa kysymykseesi, koska mielestäni se on tärkeä kaikkialla maailmassa.asian ydin on, kuinka suuri jakamasi "piirakka" on.

ensinnäkin mallipuolella se riippuu skaalauslaista. jos rakentaisimme mallia, jossa on kymmeniä tai satoja miljardeja parametreja, mukana ei todennäköisesti olisi enempää kuin neljä tai viisi kokonaisuutta (ja ehkä joitain valtion omistamia yrityksiä). joten se, mitä näemme, saattaa olla enemmän kuin oligopoli kuin täydellinen monopoli tai täydellinen kaupallistaminen.

luulen, että yksi kysymys tässä on, aikooko kukaan julkaista avoimen lähdekoodin mallia, jolla on miljardi tai 10 miljardia parametria? olen skeptinen, vaikka tällainen malli julkaistaan, niin suuren johtopäätöksen mallin käyttökustannukset ovat erittäin korkeat, ja suurin osa kustannuksista on päättelyssä mallin koulutuksen sijaan. jos sinulla on parempia päättelymenetelmiä, jopa 10 %, 20 % tai 30 % parannuksella voi olla suuri vaikutus. taloustiede on hieman outoa, se on valtava kiinteä kustannus, joka sinun on kuoletettava, mutta on myös päättelyn yksikkökustannus, ja sillä oletuksella, riittävän laajalti käytettynä, ero voi olla valtava. en ole varma, miten tämä tulee käymään.

noah smith:

tämä on itse asiassa samanlaista kuin raskaan teollisuuden taloustiede, kuten teräksen valmistus.

dario amodei:

kyllä, vähän. mielenkiintoista on, että toinen asia, jonka sanoisin, on, että näissä malleissa olemme alkaneet nähdä, että mallit ovat erilaisia. joten kaupallistaminen on mahdollista, mutta jopa oligopolissa tapa, jolla tietyt mallit otetaan käyttöön, voidaan kaupallistaa, vaikka en ole varma.

mutta yksi voima, joka toimii tätä näkemystä vastaan, on: hei, tein mallin, joka oli hyvä ohjelmoinnissa, te teitte mallin, joka oli hyvä luovaan kirjoittamiseen, ja kolmas henkilö teki mallin, joka oli hyvä viihteeseen. nämä ovat valintoja, ja kun niitä alkaa tehdä, niiden ympärille alkaa rakentaa infrastruktuuria, mikä näyttää luovan edellytykset jonkinasteiselle erilaistumiselle.

toinen mahdollinen erottelun lähde ovat malliin rakennetut tuotteet.teoriassa mallikerroksen voi erottaa tuotekerroksesta, käytännössä ne liittyvät toisiinsa ja organisaatioiden välinen työskentely voi olla haastavaa. joten vaikka malleissa on yhteinen logiikka, sillä monet yritykset liikkuvat samaan suuntaan ja lisäävät multimodaalisia ominaisuuksia tehdäkseen malleista älykkäämpiä ja tehdäkseen päätelmiä nopeammin, tuotteet ovat niin erilaisia.

jos katsot tätä tekemäämme "artifacts" -projektia, se on tapa visualisoida mallinkirjoituskoodia reaaliajassa. teemme tämän, openai:lla on oma lähestymistapansa ja googlella oma lähestymistapansa. mielestäni tämä on myös yksi yritysten välisen eron lähteistä.

olemme nähneet, että sovellusten, jopa suhteellisen ohuiden, myynnin taloudellisuus paksunee mallin perusteella.

erik torenberg:

jos skaalauslaki pitää paikkansa ja asiat kasvavat niin suuriksi kuin luulemme niiden olevan, odotatko näiden yritysten kansallistamisen jossain vaiheessa? vai mitä mieltä olette?

dario amodei:

voimme jakaa sen kahteen tilanteeseen: yksi on, että skaalauslaki on oikea, ja toinen on, että skaalauslaki on väärä. jos se on väärin, tämä on vain tekniikka, joka, kuten internet tai aurinko, voi olla tärkeämpää kuin useimmat, mutta ei ennennäkemätön. nykyisen kehityksen perusteella en usko, että sitä kansallistetaan.

jos se on oikein, rakentamamme mallit ovat yhtä hyviä kuin nobel-palkitut biologit ja alan huippukoodaajat tai jopa parempia. en ole varma, tuleeko se todella olemaan kansallistamista, olemme erittäin huolissamme siitä, pystyvätkö vastustajamme pysymään mukanamme vai voimmeko lähettää heidät yhtä nopeasti kuin vastustajamme.

04

skaalauslaki

vaikuttaa tekoälyyn luomaan uusia liiketoimintamalleja

noah smith:

minulla on kysymys tekoälyn vaikutuksesta liiketoimintamalleihin. tiedäthän sähkön tarinan, pohjimmiltaan alussa, kun he saivat sähköä, valmistajat yrittivät purkaa höyrygeneraattorinsa ja generaattorit olivat hävikkiä. sitten joku huomasi, että voit ajaa sähköä useille työasemille rinnakkain, mikä muutti tuotantotapaa yhden suuren kokoonpanolinjan sijaan, se muuttui useiksi pieniksi työasemiksi, mikä johti valtaviin tuottavuuden kasvuun vuosikymmeniä.

olen aina epäillyt tekoälyn olevan samanlainen. mielestäni internet on samanlainen,tekoäly on samanlainen siinä mielessä, että aluksi kaikki näyttävät ajattelevan, että tekoäly on henkilö. joku itse asiassa vertasi tekoälyn määrää työntekijöiden määrään, mikä ei minusta ole järkevää, koska sitä ei voida jakaa yksilöihin.

voisit tehdä välityspalvelinpohjaisen järjestelmän matkimaan tätä lähestymistapaa, mutta miksi? näen kaikkien ajattelevan tekoälyn suoraan korvaavan ihmisen, ja väitteeni on, että tämä on ensimmäinen vaihe, aivan kuten sähkön suora korvaaminen höyrykattiloissa ei ole hyvä idea. luulen, että ihmiset ovat hieman pettyneitä, koska on vain muutamia tapauksia, joissa tämä ihmisen suora korvaaminen toimii, kuten asiakaspalvelu ja jotkut muut hyvin määritellyt asiat.

mutta uskon, että on vain muutama tapaus, joissa tämä ihmisten suora korvaaminen toimii, ja sitten koemme gartnerin hype-syklin puhkeamisen.

jotkut luovat yrittäjät sanoisivat, että emme vain käytä tekoälyä ihmisen korvaajana, vaan käytämme sitä uusien liiketoimintamallien luomiseen. sitten näemme nousukauden elpymisen, se on minun ennusteeni. gartnerin ennustukseni, olenko hullu?

dario amodei:

joten mielestäni se on sekoitus asioita, joista olen samaa mieltä, ja joistakin asioista, joista en ehkä ole samaa mieltä. ensinnäkin olen periaatteessa samaa mieltä siitä, että jos jäädytät nykyisen mallin laadun, kaikki sanomasi on oikein. pohjimmiltaan havaitsemme jotain vastaavaa liiketoiminnassa. tarjoamme malleja, joiden kanssa voit keskustella, mutta myös myydä malleja api:n kautta monille asiakkaille. ihmiset käyttivät pitkään miettien, kuinka malleja olisi parasta käyttää.

mallin luotettavuudesta on paljon kysymyksiä, ja mielestäni tämä on aihetta huoleen, kuten malli antaa oikean vastauksen 95 % ajasta, mutta ei 5 % ajasta, miten havaitset nämä tilanteet ja miten voit käsittele virheiden käsittely erittäin tärkeä. tämä on hyvin erilaista kuin teoriassa ja käytännössä.

meillä oli jo varhain ominaisuus, joka antoi mallin kirjoittaa koodia, ja sitten voit liittää koodin kääntäjään tai tulkkiin tehdäksesi javascript-videopelin, ja jos jokin meni pieleen, voit palata malliin ja korjata sen. näemme myös suuria malleja koordinoimassa pieniä malleja, mikä on hyvin erilaista kuin ajatus mallista henkilönä.

meillä on suurempia, tehokkaampia malleja ja nopeampia, halvempia, vähemmän älykkäitä malleja, ja jotkut asiakkaat ovat havainneet, että suuri malli voi jakaa tehtäviä suurelle määrälle pieniä malleja, jotka sitten raportoivat suurelle mallille suorittaakseen tehtävän kuten parvi.

tutkimme myös parhaita tapoja käyttää malleja, jotka ovat entistä älykkäämpiä ja parempia ratkaisemaan nämä ongelmat. joten lopulta palataan siihen, onko skaalauslaki tullut jäädäkseen. jos ne jatkuvat, se on kuvailemasi prosessi. jos ne lopettaisivat, innovaatio pysähtyisi ja kuvaamasi prosessi loppuisi.

kenenkään ei pitäisi uskoa, että skaalauslaki jatkuu ikuisesti, se on vain empiirinen havainto ja voi pysähtyä milloin tahansa. olen tarkkaillut niitä kymmenen vuotta ja arvaukseni, että ne eivät lopu, on vain 60-40 tai 70-30 ehdotus sen perusteella, kuinka kauan olen niitä tarkkaillut.

erik torenberg:

mikä muuttaisi mielipiteesi? mikä muuttaisi mahdollisuutesi siellä?

dario amodei:

mielestäni ensinnäkin, jos vain koulutamme mallin ja sitten kokeilemme seuraavaa pienoismallia, tulokset ovat erittäin huonoja. yritimme korjata sen muutaman kerran, mutta se ei vieläkään toiminut, ja olin niin, että oi, tämä trendi taitaa olla pysähtymässä.

jos datan loppuessa on ongelma, emmekä voi tuottaa tarpeeksi synteettistä dataa jatkaaksemme tätä prosessia, sanoisin jossain vaiheessa, että hei, tämä näyttää todella vaikealta, ainakin tämä trendi pysähtyy, ehkä pysähtyy, mutta se ei ehkä lopu. oletan edelleen, että nuo asiat eivät tule tapahtumaan, mutta tiedäthän, se on hyvin monimutkainen asia.

05

tekoäly voisi nopeuttaa biologisia löytöjä 100 kertaa

pakkaa vuosisadan edistyksen aikaa

noah smith:

jos tekoälyresurssien pullonkaula on enemmän laskentatehossa kuin energiassa, niin meillä on enemmän suhteellisia etuja tekoälyn käytössä. oletteko periaatteessa samaa mieltä tästä näkemyksestä?

dario amodei:

kyllä, mielestäni siinä on järkeä. tarkoitatko, käyttääksesi hieman naurettavaa metaforaa,jos tekoälyt ovat kuin kybermiehiä ja niiden valmistus- ja jalostusprosessi on hyvin samanlainen kuin ihmisten, niin olemme vaikeuksissa.mutta jos se on vain klusteri palvelimia jossain täysin erilaisilla tuloilla, olemme kunnossa.

en ole pohtinut tätä syvällisesti, mutta se näyttää ensisilmäyksellä järkevältä. jos olisimme tilanteessa, jossa tekoäly muokkasi maailmaa ja talousrakenne olisi muuttunut, saattaisimme puhua jostain muusta. mutta jos talouden normaalit säännöt pätevät edelleen, ja luulen niiden olevan jonkin aikaa, niin se kuulostaa erittäin järkevältä.

noah smith:

mutta toinen kysymykseni on, onko välttämätöntä ajatella äärimmäisen runsauden maailmaa? tekoäly on niin voimakas, että se antaa meille hämmästyttävää biologiaa ja valmistusta, mikä tekee kaikesta mitä haluamme kymmenen kertaa, sata kertaa paremmin jne.

dario amodei:

mielestäni todella aliarvioimme tekoälyn mahdollisuudet biologiassa. kymmenen vuotta sitten, kun olin tällä alalla, asenne oli, että biologiasta saamiemme tietojen laatu oli kyseenalainen, saatavamme tiedon määrä oli rajallinen ja kokeet usein häiriintyivät. tietysti lisää data-analyysiä, big dataa ja tekoälyä ovat hyviä, mutta parhaimmillaan ne ovat tukiroolissa. ehkä alpha foldin myötä se muuttuu.

mutta minun näkemykseni on, että tekoälymallit voivat toimia biologeina tai apubiologeina. jos ajattelemme todella edistynyttä biologiaa, näyttää siltä, ​​​​että se on todella suhteettoman monta teknologiaa, joka ohjaa kaikkea. esimerkiksi genomin sekvensointi, kyky lukea genomi, on modernin biologian perusta. uusin crispr-tekniikka on kyky muokata genomia. jos voimme käyttää tekoälyä oikein, se voi lisätä nopeutta, jolla teemme nämä löydöt, 10 kertaa, ehkä 100 kertaa.

otetaan esimerkiksi crispr, joka koottiin bakteerien immuunijärjestelmästä ja kesti 30 vuotta keksiä. luulen, että jos voimme suuresti nostaa näiden löydösten tekoa, lisäämme huomattavasti myös sairauksien parantamisnopeutta.

ajatukseni on, voimmeko tiivistää edistystä 2000-luvulla? voimmeko saavuttaa kaiken biologisen edistyksen 2000-luvulla käyttämällä tekoälyä nopeuttamaan sitä 10-kertaiseksi?jos ajattelet kaikkea sitä edistystä, jota olemme saavuttaneet biologiassa 1900-luvulla, ja sitten puristat sen viidestä kymmeneen vuoteen, minusta se on hyvä puoli. mielestäni tämä voi olla totta. voisimme parantaa sairauksia, jotka ovat vaivanneet meitä vuosituhansia, mikä tietysti lisäisi dramaattisesti tuottavuutta, laajentaisi taloudellista kakkua ja pidentäisi ihmisten elinikää.