berita

Teks: Web3 Kota Langit·Tuan Kota

Dalam wawancara kelas Stanford terbaru ini, mantan CEO Google Eric Schmidt membahas secara mendalam arah pengembangan kecerdasan buatan, masa depan persaingan teknologi global, dan bagaimana teknologi ini akan berdampak pada masyarakat dan perekonomian dalam jangka pendek keamanan nasional.SchmidtIa meninjau pengalamannya selama bertahun-tahun di industri teknologi, berbagi prediksinya mengenai terobosan teknologi kecerdasan buatan dalam beberapa tahun ke depan, dan membahas bagaimana terobosan ini akan membentuk lanskap persaingan di antara perusahaan dan negara, terutama dalam persaingan antara Amerika Serikat. dan Cina.

SchmidtPenekanan khusus ditempatkan pada faktor-faktor kompleks di balik kemajuan teknologi, seperti peningkatan daya komputasi, pengembangan algoritma baru, dan pencarian sistem cerdas yang tiada henti di pasar. Ia juga membahas potensi dampak AI terhadap pasar tenaga kerja, privasi data, antimonopoli, dan keamanan nasional, serta menawarkan rekomendasi tentang cara mempertahankan keunggulan kompetitif dalam lingkungan yang berubah dengan cepat ini.

Pemilik kota secara khusus menunjukkan bahwa sebagai Schmidt, yang telah lama bertugas di Departemen Pertahanan AS, pidato dan posisinya perlu dibedakan, dan saya yakin pembaca akan dapat memahaminya sendiri.

Terobosan jangka pendek dan dampak luas dari kecerdasan buatan：

SchmidtDiperkirakan dalam satu hingga dua tahun ke depan, kecerdasan buatan akan membawa terobosan penting, terutama dalam kombinasi perluasan jendela konteks, agen AI, dan operasi teks. Kemajuan teknologi ini akan memungkinkan sistem AI untuk menangani tugas-tugas kompleks dengan lebih efisien, melampaui keterbatasannya saat ini. Kemajuan seperti ini tidak hanya terbatas pada bidang teknis, namun akan berdampak besar pada seluruh aspek masyarakat, termasuk pendidikan, layanan kesehatan, pemerintahan, dan dunia usaha. Ia menekankan bahwa perkembangan teknologi ini mungkin mempunyai dampak transformatif yang bahkan mungkin lebih besar dibandingkan kebangkitan media sosial.

Pertandingan antara Tiongkok dan Amerika Serikat dalam Kompetisi Sains dan Teknologi Global：

SchmidtAnalisis mendetail tentang persaingan sengit antara Amerika Serikat dan Tiongkok di bidang kecerdasan buatan. Dia menunjukkan bahwa Amerika Serikat saat ini memimpin dalam hal teknologi, sumber daya manusia dan sumber daya manusia, namun untuk mempertahankan keunggulan ini memerlukan investasi tinggi dan kerja sama internasional yang berkelanjutan, terutama kerja sama dengan sekutu seperti Kanada, untuk menjamin pasokan energi dan sumber daya yang berkelanjutan. Ia menegaskan, masa depan AI bukan sekadar kompetisi teknis, tetapi juga permainan strategis antar negara, yang melibatkan keamanan nasional, daya saing ekonomi, dan kepemimpinan global. Schmidt memperingatkan bahwa Amerika Serikat perlu meningkatkan investasi untuk menghadapi peningkatan pesat Tiongkok di bidang AI dan mempertahankan dominasi globalnya di bidang ini.

Tantangan monopoli dan inovasi bagi raksasa teknologi：

Saat membahas dominasi raksasa teknologi saat ini,SchmidtDisebutkan bahwa posisi monopoli perusahaan seperti NVIDIA di bidang AI diuntungkan oleh kemampuan teknis dan keunggulan modal mereka yang kuat. Ia menyebutkan meskipun terdapat pesaing di pasar, menantang status raksasa teknologi tersebut memerlukan investasi dan inovasi teknologi yang besar. Ia juga mengungkapkan kekhawatirannya mengenai bagaimana perusahaan-perusahaan raksasa ini akan terus mempromosikan inovasi teknologi di masa depan, dan percaya bahwa pengembangan AI yang padat modal dapat menyebabkan perubahan mendasar dalam model pengembangan perangkat lunak, dari sumber terbuka ke sumber tertutup, sehingga semakin mengkonsolidasikan monopoli perusahaan. raksasa.

Dampak kecerdasan buatan terhadap masyarakat dan pasar tenaga kerja：

SchmidtPotensi dampak kecerdasan buatan terhadap masyarakat, perekonomian dan pasar tenaga kerja sedang dieksplorasi. Ia percaya bahwa meskipun teknologi AI dapat menggantikan beberapa tugas yang berulang, teknologi ini juga akan meningkatkan pentingnya pekerjaan berketerampilan tinggi dan meningkatkan produktivitas manusia dalam tugas-tugas kompleks. Ia juga menyatakan keprihatinannya mengenai kesenjangan sosial yang mungkin ditimbulkan oleh kecerdasan buatan, dengan menyatakan bahwa negara-negara kaya akan mendapat manfaat lebih banyak dari AI, sementara negara-negara miskin mungkin akan tertinggal. Juga,SchmidtMenyerukan regulasi AI yang lebih kuat untuk mengatasi masalah seperti privasi data, hak kekayaan intelektual, dan penyebaran informasi yang salah.

AI yang bermusuhan dan tantangan keamanan：

SchmidtPerhatian khusus diberikan pada potensi ancaman kecerdasan buatan yang bersifat permusuhan, dan memperkirakan bahwa di masa depan mungkin akan ada sistem AI yang dirancang khusus untuk menyerang dan menghancurkan sistem AI lainnya. Perkembangan ini akan membawa tantangan keamanan dan etika baru.SchmidtDisarankan agar komunitas ilmu pengetahuan dan teknologi serta pemerintah perlu bekerja sama untuk mempelajari cara mencegah risiko ini dan merumuskan peraturan dan standar teknis yang sesuai untuk memastikan keamanan dan kredibilitas kecerdasan buatan. Beliau juga menyebutkan bahwa penelitian di bidang ini akan menjadi arah penting bagi perkembangan ilmu pengetahuan dan teknologi di masa depan dan dapat mendapat perhatian lebih di perguruan tinggi dan lembaga penelitian.

Mantan CEO Google berbicara tentang persaingan AI global: Chip AS memiliki keunggulan teknologi selama 10 tahun, dan Tiongkok adalah pesaing terpenting

=Versi kompilasi teks lengkap Web3 Sky City=

Profesor Tuan Rumah:

Tamu hari ini tidak perlu diperkenalkan lagi. Saya pertama kali bertemu Eric sekitar 25 tahun yang lalu ketika dia datang ke Stanford GSB sebagai CEO Novell. Sejak itu, beliau menjabat posisi kunci di Google, mulai tahun 2001, dan bergabung dengan Schmidt Futures pada tahun 2017. Selain itu, ia juga telah berpartisipasi dalam banyak proyek lainnya, dan Anda dapat memeriksa informasi yang relevan. Jadi Eric, kalau boleh, saya akan mulai dengan itu.

Pertama-tama, menurut Anda ke mana arah kecerdasan buatan dalam jangka pendek? Saya pikir Anda mendefinisikannya sebagai satu atau dua tahun ke depan.

Schmidt:

Banyak hal berubah begitu cepat sehingga saya merasa setiap enam bulan sekali saya perlu memberikan pidato baru tentang apa yang akan terjadi. Saya mempunyai banyak siswa ilmu komputer di sini, adakah yang bisa menjelaskan kepada seluruh kelas "satu jutatokenApa itu "Jendela Konteks"? Silakan beri nama dan beritahu kami apa fungsinya.

murid:Pada dasarnya, ini memungkinkan Anda menggunakan sejuta atau sejuta penandaPerintah kata.

Schmidt:

Jadi, Anda bisa mengajukan pertanyaan sejuta kata. Anthropic itu 200.000 token, sampai 1 juta, dan seterusnya. Anda bisa bayangkanBuka AIPunya tujuan serupa.

Adakah yang bisa memberikan definisi teknis tentang agen AI? Sekali lagi, ilmu komputer.

murid:Agen AI mungkin adalah sesuatu yang berperilaku dengan cara tertentu. Mungkin memanggil sesuatu di web untuk mencari informasi atas nama Anda. Mungkin ada banyak hal yang berbeda dalam hal ini. Ada banyak hal yang terjadi dalam suatu proses.

Schmidt:Jadi agen adalah sesuatu yang melakukan suatu tugas. Definisi lainnya adalah aMagister Hukum, keadaan dan memori. Selanjutnya, ilmuwan komputer, adakah di antara Anda yang dapat mendefinisikan "text to action"?

murid:Daripada mengubah teks menjadi lebih banyak teks, biarkan AI memicu tindakan berdasarkan ini.

Schmidt:

Definisi lainnya adalah bahasa Python. Saya tidak pernah ingin melihat bahasa pemrograman bertahan. Segala sesuatu di AI dilakukan dengan Python. Sebuah bahasa baru baru saja muncul bernama Mojo, dan sepertinya mereka akhirnya memecahkan masalah pemrograman AI, tapi kita akan lihat apakah bahasa tersebut benar-benar dapat bertahan dari dominasi Python.

Ada juga masalah teknis. Mengapa NVIDIA bernilai $2 triliun sementara perusahaan lain kesulitan?

murid:Jawaban teknisnya adalah sebagian besar kode harus dijalankan menggunakan pengoptimalan CUDA yang saat ini hanya didukung oleh GPU NVIDIA, sehingga perusahaan lain dapat melakukan apa pun yang mereka inginkan, tetapi Anda tidak akan memiliki pembelajaran mesin kecuali mereka memiliki pengalaman pengoptimalan perangkat lunak selama 10 tahun.

Schmidt:

Saya suka menganggap CUDA sebagai bahasa pemrograman C untuk GPU, dan saya merasa nyaman dengan ide ini. CUDA didirikan pada tahun 2008. Meskipun saya selalu menganggap itu bahasa yang buruk, bahasa itu sudah diambil alih. Wawasan lain yang perlu diperhatikan: Ada serangkaian perpustakaan sumber terbuka yang sangat dioptimalkan untuk CUDA yang tidak dimiliki perpustakaan lain. Semua orang yang membangun tumpukan teknologi ini sama sekali melewatkan poin diskusi ini. Pustaka ini secara teknis disebut VLLM, dan ada banyak pustaka serupa yang juga sangat dioptimalkan untuk CUDA, sehingga sulit ditiru oleh pesaing.

Jadi apa maksudnya semua ini? Tahun depan, Anda akan melihat jendela konteks, agen, dan aplikasi text-to-action yang sangat besar. Ketika teknologi ini diterapkan dalam skala besar, dampaknya akan sangat besar terhadap dunia, jauh melampaui dampak media sosial. Inilah alasannya: Di jendela konteks, Anda dapat menggunakannya sebagai memori jangka pendek, dan saya terkejut melihat berapa lama jendela konteks itu. Alasan teknis berkaitan dengan kesulitan layanan dan komputasi. Hal yang menarik tentang memori jangka pendek adalah ketika Anda memasukkan informasi dan mengajukan pertanyaan, katakanlah membaca 20 buku dan menggunakan teks buku tersebut sebagai pertanyaan lalu menanyakan isinya, ia lupa bagian tengahnya, mirip dengan bagaimana otak manusia bekerja.

Mengenai agen, sekarang ada orang yang membangun agen LLM dengan membaca dan memahami hal-hal di bidang seperti kimia lalu mengujinya dan menambahkannya kembali ke dalam pemahaman mereka. Ini sangat ampuh. Aspek ketiga adalah text-to-action. Izinkan saya memberi Anda sebuah contoh: Katakanlah pemerintah mencoba melarang TikTok. Jika TikTok dilarang, saya sarankan Anda mengucapkan hal berikut ke LLM Anda: Salin TikTok untuk saya, masukkan preferensi saya di dalamnya, buat aplikasi ini dan publikasikan dalam 30 detik berikutnya, dan dalam satu jam, jika tidak populer , lakukan saja hal seperti itu. Itu perintahnya. Anda dapat melihat betapa kuatnya hal ini.

Jika Anda dapat menerjemahkan dari bahasa apa pun ke perintah numerik apa pun, itu pada dasarnya adalah Python dalam skenario ini. Bayangkan bahwa setiap orang di dunia ini mempunyai pemrogramnya sendiri yang benar-benar melakukan apa yang ingin mereka lakukan, dibandingkan dengan pemrogram yang tidak bekerja sesuai kebutuhan. Para programmer di sini tahu apa yang saya bicarakan. Bayangkan seorang programmer yang tidak sombong yang benar-benar melakukan apa yang Anda inginkan tanpa Anda harus membayar mahal. Dan persediaan programmer ini tidak terbatas.

profesor:Apakah ini semua akan terjadi dalam satu atau dua tahun ke depan?

Schmidt:

segera. Ketiga hal di atas saya yakin akan terjadi secara bersamaan pada gelombang berikutnya. Jadi Anda bertanya apa lagi yang akan terjadi. Saya fluktuasi setiap enam bulan, jadi kita berada pada osilasi ganjil genap. Saat ini, kesenjangan antara model terdepan (sekarang hanya ada tiga) dan model lainnya tampaknya semakin besar. Enam bulan yang lalu, saya yakin bahwa kesenjangan tersebut sudah semakin dekat, jadi saya berinvestasi besar-besaran di beberapa perusahaan kecil. Namun, sekarang aku tidak begitu yakin akan hal itu.

Saya berbincang dengan beberapa perusahaan besar dan mereka mengatakan bahwa mereka membutuhkan $10 miliar, $20 miliar, $50 miliar, bahkan $100 miliar. Proyek Stargate membutuhkan $100 miliar dan sangat sulit. Teman baik saya, Sam Altman, berpendapat bahwa hal ini bisa memakan waktu sekitar $300 miliar, atau mungkin lebih. Saya tunjukkan kepadanya bahwa saya telah menghitung energi yang dibutuhkan.

Demi kepentingan pengungkapan penuh, saya pergi ke Gedung Putih pada hari Jumat dan mengatakan kepada mereka bahwa kita perlu berteman baik dengan Kanada. Karena orang Kanada adalah orang yang sangat baik, mereka membantu menciptakan kecerdasan buatan, dan mereka memiliki banyak pembangkit listrik tenaga air. Karena kita sebagai negara tidak memiliki kekuatan yang cukup untuk mencapai tujuan tersebut. Pilihan lainnya adalah negara-negara Arab mendanai proyek tersebut. Saya pribadi menyukai orang Arab dan saya menghabiskan banyak waktu di sana, tapi mereka mungkin tidak mengikuti aturan keamanan nasional kita. Kanada dan Amerika Serikat adalah salah satu dari tiga negara besar yang kita semua sepakati.

Jadi, di pusat data ini, yang bernilai $100 miliar hingga $300 miliar, listrik mulai menjadi sumber daya yang langka.

Ngomong-ngomong, jika mengikuti alasan ini, Anda mungkin bertanya mengapa saya membahas CUDA dan NVIDIA? Jika seluruh $300 miliar masuk ke NVIDIA, Anda pasti tahu apa yang harus dilakukan di pasar saham. Namun, ini bukan rekomendasi saham dan saya bukan pemberi lisensi.

profesor:

Sebagian karena kita akan membutuhkan lebih banyak chip, namun Intel mendapat banyak uang dari pemerintah AS. AMD sedang mencoba membangun yang hebat di Korea Selatan.

Schmidt:

Angkat tangan Anda jika Anda memiliki chip Intel di perangkat komputasi Anda. Begitu banyak monopoli.

profesor:

Tapi itulah intinya. Mereka pernah memonopoli, dan sekarang NVIDIA memiliki monopoli. Jadi, apakah ini hambatan untuk masuk?

Ngomong-ngomong soal CUDA, apakah ada pilihan lain? Saya sedang berbicara dengan Percy Lange beberapa hari yang lalu. Dia beralih antara chip TPU dan NVIDIA, tergantung pada apa yang dapat dia akses. Ini karena dia tidak punya pilihan.

Schmidt:

Jika dia memiliki dana tidak terbatas, dia akan memilih arsitektur NVIDIA B200 saat ini karena lebih cepat. Saya tidak menyarankan hal itu - persaingan adalah hal yang baik.

Saya mengobrol panjang lebar dengan Lisa Su dari AMD. Mereka telah membangun sesuatu yang dapat mengubah arsitektur CUDA menjadi milik mereka, yang disebut Rokam. Ini belum berfungsi sepenuhnya, tetapi mereka sedang mengerjakannya.

profesor:

Anda bekerja di Google untuk waktu yang lama dan mereka menciptakannyaTransformatorarsitektur. Terima kasih kepada orang-orang hebat di sana, seperti Peter, Jeff Dean, dan semuanya. Saat ini, OpenAI sepertinya sudah kehilangan inisiatif. Dalam peringkat terbaru yang saya lihat, Claude dari Anthropic menduduki puncak daftar. Aku bertanya pada Sundar, tapi dia tidak memberikan jawaban yang jelas. Mungkin Anda memiliki penjelasan yang lebih jelas atau obyektif tentang apa yang terjadi di sana.

Schmidt:

Saya bukan lagi karyawan Google. Fokus Google pada keseimbangan kehidupan kerja lebih pada membiarkan karyawan pulang lebih awal dan bekerja dari rumah, dibandingkan mengejar kemenangan secara membabi buta. Sebaliknya, startup sukses karena karyawannya bekerja keras. Meskipun hal ini mungkin agak blak-blakan, kenyataannya adalah jika Anda memulai sebuah perusahaan setelah lulus kuliah dan ingin bersaing dengan startup lain, Anda tidak bisa mendapatkan karyawan yang datang hanya dalam satu hari dalam seminggu.

Mantan CEO Google secara terbuka mengeluh bahwa karyawannya "tidak bekerja cukup keras" dan tertinggal dalam kompetisi AI karena mereka "hanya datang satu hari dalam seminggu" dan juga memblokir TikTok.

profesor:Pada masa awal Google, hal yang sama juga terjadi pada Microsoft.

Schmidt:

Tampaknya dalam industri kita, sudah terlalu lama, perusahaan selalu menang dengan menjadi sangat kreatif dan mendominasi suatu ruang, dibandingkan melakukan transformasi berikutnya. Hal ini didokumentasikan dengan baik. Menurut saya, para pendiri adalah orang yang spesial dan mereka harus memegang kendali, meskipun mereka mungkin sulit diajak bekerja sama karena mereka memberikan banyak tekanan pada karyawannya. Meskipun kita tidak menyukai tindakan pribadi Elon, lihatlah apa yang dia dapatkan dari karyawannya. Saya pernah makan malam dengannya dan dia terbang. Saya berada di Montana, dan dia berada dalam penerbangan pukul 10 malam itu untuk pertemuan tengah malam dengan x.ai. Pikirkan tentang hal ini.

Tempat yang berbeda memiliki budaya yang berbeda. Saya terkesan dengan TSMC. Mereka memiliki peraturan bahwa mahasiswa Ph.D. yang baru lulus, ahli fisika yang baik, harus bekerja di ruang bawah tanah pabrik. Dapatkah Anda membayangkan seorang Ph.D. di bidang fisika asal Amerika melakukan hal ini? Tidak mungkin. Ini adalah etos kerja yang berbeda.

Ketelitian yang saya gunakan adalah karena sistem ini memiliki efek jaringan, jadi waktu adalah hal yang sangat penting. Dan di sebagian besar bisnis, waktu tidak begitu penting, Anda punya banyak waktu. Coca-Cola dan Pepsi-Cola akan tetap ada, dan persaingan di antara keduanya akan terus berlanjut, dan segalanya akan menjadi sedingin es. Ketika saya berurusan dengan perusahaan telekomunikasi, penandatanganan kesepakatan biasanya membutuhkan waktu 18 bulan. Tidak ada alasan untuk membutuhkan waktu 18 bulan untuk melakukan apapun, hal itu harus dilakukan secepat mungkin. Kita sedang berada dalam masa pertumbuhan dan pemaksimalan pendapatan, namun hal ini juga membutuhkan ide-ide gila.

Misalnya, ketika Microsoft membuat kesepakatan dengan OpenAI, saya pikir itu adalah ide paling bodoh yang pernah saya dengar. Alihkan kepemimpinan AI Anda ke OpenAI dan Sam serta timnya? Ini gila. Tidak ada seorang pun di Microsoft atau di mana pun yang melakukan hal itu. Namun saat ini, mereka menjadi perusahaan yang paling bernilai, tentu saja berada dalam posisi yang bersaing dengan Apple. Apple tidak memiliki solusi AI yang bagus, namun sepertinya mereka berhasil.

murid:

Bagaimana peran AI dalam hal keamanan nasional atau kepentingan geopolitik, terutama dalam persaingan dengan Tiongkok?

Schmidt:

Sebagai ketua komite kecerdasan buatan, saya mempelajari hal ini secara mendalam. Kami menulis laporan setebal 752 halaman dan merangkumnya sebagai berikut: Saat ini kami berada dalam posisi terdepan dan perlu mempertahankan keunggulan ini, yang memerlukan dukungan finansial yang signifikan. Klien utama kami adalah Senat dan Dewan Perwakilan Rakyat, yang mengarah pada diperkenalkannya UU CHIPS dan kebijakan serupa lainnya.

Jika model mutakhir dan beberapa model open source terus berkembang, hanya sedikit perusahaan yang mampu bersaing di bidang ini. Negara manakah yang mempunyai kemampuan seperti itu? Negara-negara ini harus memiliki pendanaan yang baik, berbakat, dengan sistem pendidikan yang kuat dan keinginan untuk menang. Amerika Serikat dan Tiongkok adalah dua negara besar. Mengenai apakah negara lain bisa berpartisipasi, saya tidak yakin. Namun yang pasti di masa depan, persaingan hegemoni intelektual antara Amerika Serikat dan Tiongkok akan menjadi pertarungan besar.

Pemerintah AS pada dasarnya telah melarang ekspor chip NVIDIA ke Tiongkok, meskipun mereka tidak mengakuinya secara terbuka. Kami memiliki keunggulan teknologi selama sekitar 10 tahun dalam chip sub-DUV, yang merupakan chip sub-5 nanometer. Keuntungan ini menempatkan kita beberapa tahun lebih maju dibandingkan Tiongkok, yang membuat Tiongkok sangat tidak senang. Kebijakan ini dikembangkan oleh pemerintahan Trump dan didukung oleh pemerintahan Biden.

profesor:Akankah Kongres mendengarkan saran Anda dan melakukan investasi besar-besaran, tentu saja UU CHIPS adalah contohnya.

Schmidt:

Selain itu, kita juga perlu membangun sistem kecerdasan buatan yang besar. Saya memimpin kelompok orang dalam industri umum yang bersifat informal, ad hoc, dan non-hukum. Tahun lalu, para anggota ini mengajukan rancangan undang-undang kecerdasan buatan (AI) yang dikeluarkan pemerintahan Biden, yang merupakan arahan presiden terpanjang dalam sejarah.

Kita pernah membahas pertanyaan inti: Bagaimana cara mendeteksi bahaya pada sistem yang sudah dipelajari tetapi tidak tahu harus bertanya apa? Dengan kata lain, sistem mungkin telah mempelajari sesuatu yang buruk, tetapi Anda tidak tahu bagaimana cara menanyakannya. Misalnya, ia mungkin telah mempelajari cara mencampur bahan kimia dengan cara baru, namun Anda tidak tahu cara menanyakannya. Untuk mengatasi hal ini, memo kami kepada pemerintah merekomendasikan penetapan ambang batas yang kami sebut 10 pangkat 26, yang merupakan ukuran perhitungan teknis. Di atas ambang batas ini, dunia usaha harus melaporkan aktivitasnya kepada pemerintah. Untuk memastikan bahwa keduanya berbeda, Uni Eropa menetapkan 10 pangkat 25 sebagai 10. Namun angka-angka ini cukup mendekati. Saya pikir semua perbedaan ini akan hilang karena teknologi yang ada akan menjadi usang. Istilah teknisnya disebut latihan bersama, yang pada dasarnya berarti potongan-potongan itu dapat digabungkan menjadi satu. Jadi kita mungkin tidak bisa melindungi orang dari hal-hal baru ini.

profesor:

Rumor mengatakan bahwa OpenAI harus dilatih dengan cara ini sebagian karena masalah konsumsi daya. Tidak ada tempat di mana mereka melakukan ini.

Mari kita bicara tentang perang sesungguhnya yang sedang terjadi. Saya tahu Anda terlibat aktif dalam perang di Ukraina, khususnya terkait program Bangau Putih dan tujuan Anda menghancurkan tank senilai $5 juta dengan drone senilai $500. Bagaimana hal ini mengubah peperangan?

Schmidt:

Saya bekerja untuk Menteri Pertahanan selama tujuh tahun, mencoba mengubah cara kita menjalankan militer. Saya tidak terlalu menyukai militer, tapi biayanya sangat mahal dan saya ingin melihat apakah saya bisa membantu. Saya pikir pada dasarnya saya gagal. Mereka memberi saya medali, jadi mereka mungkin memberikan medali kepada yang kalah atau apa pun. Namun kritik saya terhadap diri sendiri adalah bahwa tidak ada yang benar-benar berubah dan sistem Amerika tidak mengarah pada inovasi nyata.

Jadi saya memutuskan untuk memulai sebuah perusahaan dengan teman Anda Sebastian Thrun (yang merupakan anggota fakultas di sini) dan sekelompok orang Stanford. Idenya pada dasarnya adalah melakukan dua hal: menggunakan kecerdasan buatan dengan cara yang kompleks dan kuat dalam perang robot; dan yang kedua adalah mengurangi biaya robot. Sekarang Anda mungkin berpikir, mengapa seorang liberal yang baik seperti saya melakukan hal ini? Jawabannya adalah keseluruhan teori militer adalah tank, artileri, dan mortir, dan kita dapat menghancurkannya. Kita dapat membuat hukuman atas invasi suatu negara (setidaknya melalui darat) menjadi tidak mungkin dilakukan. Hal ini harus menghilangkan perang darat semacam itu.

profesor:

Ini adalah pertanyaan yang sangat menarik. Apakah hal ini memberikan keuntungan bagi pertahanan dibandingkan pelanggaran? Bisakah Anda membedakannya?

Schmidt:

Karena saya telah melakukan ini selama setahun terakhir, saya belajar banyak tentang perang yang sebenarnya tidak ingin saya ketahui. Satu hal yang perlu Anda ketahui tentang perang adalah bahwa serangan selalu memiliki keuntungan karena Anda selalu dapat membuat sistem pertahanan kewalahan. Jadi dari segi strategi pertahanan, sebaiknya Anda memiliki serangan yang sangat kuat yang bisa Anda gunakan saat dibutuhkan. Sistem yang saya dan orang lain sedang bangun akan melakukan hal itu. Karena cara kerja sistemnya, saya sekarang menjadi pedagang senjata berlisensi. Jadi saya seorang ilmuwan komputer, pengusaha, pedagang senjata. Saya minta maaf untuk mengatakannya. Apakah ini kemajuan? Saya tidak tahu. Saya tidak menyarankan melakukan ini dalam karier Anda. Saya akan tetap menggunakan kecerdasan buatan. Karena hukum yang berlaku, kami melakukan ini secara pribadi, dengan dukungan pemerintah, dan semuanya legal. Mereka langsung masuk ke Ukraina dan kemudian mereka mulai berperang. Tanpa menjelaskan secara detail, situasinya cukup mengerikan. Saya pikir pada bulan Mei atau Juni, jika Rusia membangun seperti yang diharapkan, Ukraina akan kehilangan sebagian besar wilayahnya seiring dengan hilangnya seluruh wilayah negaranya. Situasinya sangat buruk. Jika Anda mengenal Marjorie Taylor Greene, saya sarankan Anda menghapusnya dari daftar kontak Anda. Karena dialah yang menghalangi miliaran dolar dibelanjakan untuk menyelamatkan demokrasi yang penting.

profesor:

Selanjutnya, saya ingin membahas pertanyaan yang agak filosofis. Tahun lalu, Anda ikut menulis artikel bersama Henry Kissinger dan Dan Huttenloch tentang sifat pengetahuan dan bagaimana pengetahuan berkembang. Saya juga membahas masalah ini beberapa malam yang lalu. Sepanjang sejarah, pemahaman umat manusia tentang alam semesta masih misterius, hingga munculnya Revolusi Ilmiah dan Pencerahan. Dalam artikel Anda, Anda menyebutkan bahwa model saat ini telah menjadi begitu kompleks dan sulit dipahami sehingga kita benar-benar tidak tahu apa yang terjadi di dalamnya. Saya mengutip Richard Feynman: “Apa yang tidak dapat saya ciptakan, saya tidak mengerti.” Saya menemukan kutipan ini beberapa hari yang lalu. Tapi sekarang orang-orang menciptakan apa yang mereka bisa tanpa benar-benar memahami cara kerja di dalamnya. Apakah sifat pengetahuan telah berubah? Apakah kita harus mulai menerima model-model ini begitu saja, yang tidak dapat mereka jelaskan kepada kita?

Schmidt:

Saya ingin memberi contoh seorang remaja. Jika Anda memiliki seorang remaja, Anda tahu bahwa mereka adalah manusia, tetapi Anda tidak dapat memahami apa yang mereka pikirkan. Namun kita sebagai masyarakat telah berhasil beradaptasi dengan keberadaan remaja dan pada akhirnya mereka akan tumbuh darinya. Ini adalah pertanyaan yang serius. Jadi kita mungkin memiliki sistem pengetahuan yang tidak dapat kita jelaskan sepenuhnya, namun kita memahami batasannya dan batasan kemampuan mereka, dan mungkin itulah yang terbaik yang bisa kita dapatkan. Apakah menurut Anda kami akan memahami keterbatasan ini? Jika kita bisa melakukan itu, itu bagus.

Konsensus dalam pertemuan mingguan kelompok saya adalah bahwa pada akhirnya akan ada apa yang disebut AI adversarial, di mana sebenarnya akan ada perusahaan yang mempekerjakan dan membayar Anda untuk merusak sistem AI Anda. Sama seperti tim merah. Tidak seperti tim manusia merah saat ini, Anda akan memiliki seluruh perusahaan dan seluruh industri sistem AI yang tugasnya mengganggu sistem AI yang ada dan menemukan kerentanan di dalamnya, terutama yang tidak dapat kita pecahkan. Ini masuk akal bagi saya. Ini juga merupakan program yang bagus untuk Stanford. Jika Anda memiliki mahasiswa pascasarjana yang harus memikirkan cara menyerang salah satu model besar ini dan memahami fungsinya, itu akan menjadi keterampilan penting untuk membangun generasi berikutnya. Jadi masuk akal untuk menggabungkan keduanya.

profesor:

Sekarang, mari kita jawab beberapa pertanyaan siswa. Ada teman sekelas di belakangku, tolong sebutkan namamu.

murid:

Anda telah menyebutkan sebelumnya, dan ini terkait dengan komentar sekarang, tentang membuat AI benar-benar melakukan apa yang Anda inginkan. Anda baru saja menyebutkan AI yang bermusuhan, dan saya ingin tahu apakah Anda bisa menguraikannya lebih detail. Tampaknya, terlepas dari peningkatan nyata dalam daya komputasi, Anda bisa mendapatkan model dengan performa lebih tinggi, namun pertanyaan untuk membuat mereka melakukan apa yang Anda inginkan, tampaknya sebagian belum terjawab.

Schmidt:

Nah, Anda harus berasumsi bahwa masalah halusinasi yang ada saat ini akan berkurang, seiring dengan kemajuan teknologi dan sebagainya. Saya tidak mengatakan hal itu akan hilang. Dan kemudian Anda juga harus berasumsi bahwa ada uji kemanjurannya, jadi harus ada cara untuk mengetahui apakah hal ini berhasil. Dalam contoh yang saya sebutkan tentang pesaing TikTok, saya tidak menyarankan untuk mencuri musik orang lain secara ilegal. Apa yang akan Anda lakukan jika Anda seorang pengusaha di Silicon Valley? Saya harap Anda semua adalah pengusaha Silicon Valley. Jika produk Anda berhasil, Anda akan menyewa sekumpulan pengacara untuk menangani akibatnya. Namun jika tidak ada yang menggunakan produk Anda, tidak masalah jika Anda mencuri semuanya. Tentu saja, jangan mengutip saya tentang hal itu.

Silicon Valley biasanya melakukan pengujian ini dan menangani pertanyaan lanjutan. Ini adalah praktik umum. Saya pikir Anda akan melihat semakin banyak sistem kinerja dan pengujian yang lebih baik dan akhirnya pengujian permusuhan, yang akan menjaganya tetap dalam kerangka kerja. Istilah profesional ini disebut penalaran rantai pemikiran. Dipercaya bahwa dalam beberapa tahun ke depan Anda akan mampu menghasilkan rantai penalaran seribu langkah, seperti halnya membuat resep. Anda dapat menjalankannya dan benar-benar menguji apakah hasilnya benar, begitulah cara sistem bekerja.

murid:

Secara keseluruhan, Anda sangat optimis terhadap potensi kemajuan kecerdasan buatan. Saya penasaran, apa yang mendorong kemajuan ini? Apakah daya komputasinya lebih besar? Apakah ini lebih banyak data? Apakah ini merupakan perubahan mendasar atau nyata?

Schmidt:

Jawabannya adalah semua hal di atas. Jumlah uang yang diinvestasikan sungguh luar biasa. Saya pada dasarnya menginvestasikan segalanya karena saya tidak tahu siapa yang akan menang dan jumlah uang yang saya ikuti sangat besar. Salah satu alasannya adalah uang awal telah dihasilkan, dan mereka yang tidak tahu banyak tentangnya harus memiliki komponen AI. Semuanya sekarang adalah investasi AI dan mereka tidak dapat membedakannya.

Saya mendefinisikan kecerdasan buatan sebagai sistem pembelajaran, sistem yang benar-benar belajar. Saya pikir ini salah satunya. Poin kedua adalah sekarang ada beberapa algoritma baru yang sangat kompleks yang mirip dengan pasca-Transformer. Seorang teman saya, yang juga merupakan kolaborator lama, menemukan arsitektur non-Transformer baru. Kelompok yang saya danai di Paris mengaku juga melakukan hal yang sama. Ada banyak penemuan di luar sana, dan ada banyak penelitian di Stanford. Poin terakhirnya adalah pasar percaya bahwa penemuan cerdas mempunyai keuntungan yang tidak terbatas. Katakanlah Anda memasukkan $50 miliar ke sebuah perusahaan, Anda harus menghasilkan banyak uang dari intelijen untuk membayarnya kembali. Kita bisa saja mempunyai gelembung investasi yang besar dan kemudian akan teratasi dengan sendirinya. Hal ini selalu terjadi dan mungkin terjadi sekarang.

profesor:Anda telah menyebutkan sebelumnya bahwa para pemimpin menciptakan jarak dari orang lain.

Schmidt:

Sekarang, ada sebuah perusahaan di Perancis bernama Mistral, dan mereka melakukan pekerjaannya dengan sangat baik. Saya jelas seorang investor. Mereka sudah membuat versi kedua, dan model ketiga mereka kemungkinan besar akan ditutup karena terlalu mahal. Mereka membutuhkan pendapatan dan tidak dapat memberikan modelnya secara gratis. Perdebatan open source versus close source terus berlangsung di industri kita. Seluruh karir saya dibangun atas kemauan orang-orang untuk berbagi perangkat lunak secara open source. Semua yang saya lakukan didasarkan pada open source. Sebagian besar fondasi Google juga dibangun berdasarkan sumber terbuka. Pekerjaan yang saya lakukan terutama di bidang teknis. Namun, biaya modal yang besar dapat mengubah cara perangkat lunak dibangun secara mendasar.

Pandangan saya terhadap pemrogram perangkat lunak adalah bahwa produktivitas mereka setidaknya akan berlipat ganda. Ada tiga atau empat perusahaan perangkat lunak yang saat ini mencoba melakukan hal ini, dan saya telah berinvestasi pada semuanya selama ini. Mereka semua berusaha membuat pemrogram perangkat lunak lebih produktif. Saya baru-baru ini menemukan perusahaan yang sangat menarik bernama Augment. Saya sering memikirkan programmer yang mengatakan ini bukanlah tujuannya. Target kami adalah tim pemrograman perangkat lunak yang beranggotakan 100 orang dengan jutaan baris kode dan tidak ada yang tahu apa yang terjadi. Ini adalah penerapan kecerdasan buatan yang sangat bagus. Akankah mereka menghasilkan uang? Saya harap demikian, tetapi ada banyak masalah di sini.

murid:

Di awal, Anda menyebutkan bahwa kombinasi ekstensi jendela konteks, proxy, dan text-to-action akan memberikan dampak yang luar biasa. Pertama, mengapa kombinasi ini penting? Kedua, saya tahu Anda bukan seorang nabi dan tidak dapat meramalkan masa depan, tetapi menurut Anda mengapa hal itu berada di luar imajinasi kita?

Schmidt:

Saya pikir terutama karena jendela konteks memungkinkan Anda memecahkan masalah terkini. Model-model saat ini membutuhkan waktu sekitar 18 bulan untuk dilatih, termasuk enam bulan persiapan, enam bulan pelatihan, dan enam bulan penyesuaian, sehingga model-model tersebut selalu ketinggalan jaman. Dan dengan jendela konteks, Anda dapat mengetik kejadian terkini dan mengajukan pertanyaan tentang perang Hamas-Israel dalam konteksnya, yang sangat kuat dan menjadikannya sama mutakhirnya dengan Google.

Dalam hal agensi, saya bisa memberi Anda sebuah contoh. Saya memulai sebuah yayasan untuk menyediakan dana bagi organisasi nirlaba. Saya tidak tahu banyak tentang kimia, tapi ada alat bernama ChatCrow, yang merupakan sistem berdasarkan model bahasa besar yang dapat mempelajari kimia. Mereka menjalankan sistem untuk menghasilkan hipotesis kimia tentang protein, kemudian laboratorium mengujinya dalam semalam, dan sistem mempelajarinya. Ini adalah akselerator besar bagi bidang-bidang seperti kimia dan ilmu material. Ini adalah model agensi.

Saya kira kalau saja ada banyak programmer murahan, konsep text-to-action bisa dipahami. Saya rasa kita tidak mengerti apa yang terjadi jika setiap orang memiliki programmernya sendiri. Ini juga merupakan bidang keahlian Anda. Saya tidak berbicara tentang tugas sederhana seperti menyalakan dan mematikan lampu. Saya bayangkan contoh lain, misalkan Anda tidak menyukai Google, bisa dibilang, jadikan saya pesaing Google. Ya, Anda dapat melakukannya secara pribadi. Jadikan saya pesaing Google yang menelusuri web, membuat UI, membuat salinan yang bagus, dan menambahkannya dengan cara yang menarikkecerdasan buatan generatif. Lakukan dalam 30 detik dan lihat apakah berhasil. Banyak yang percaya bahwa perusahaan lama, termasuk Google, rentan terhadap serangan semacam itu.

profesor:

Sekarang, mari kita lihat. Slido mengirimkan banyak pertanyaan, beberapa di antaranya sudah diunggah. Tahun lalu kita membahas cara menghentikan AI mempengaruhi opini publik dan menyebarkan informasi yang salah, terutama selama pemilu mendatang.

Schmidt:

Kita perlu memikirkan solusi jangka pendek dan jangka panjang. Dalam pemilu global mendatang, sebagian besar misinformasi akan muncul di media sosial, dan kemampuan organisasi perusahaan media sosial saat ini tidak cukup untuk mengawasi informasi tersebut secara efektif. TikTok, misalnya, dituduh mendukung disinformasi tertentu, meski saya tidak punya bukti. Saya pikir kita sedang dalam kekacauan.

Negara ini perlu belajar berpikir kritis, yang mungkin merupakan tantangan sulit bagi Amerika Serikat. Hanya karena seseorang memberi tahu Anda sesuatu, bukan berarti itu benar.

profesor:

Apakah kita sudah melangkah sejauh ini sehingga tak seorang pun akan mempercayai beberapa hal yang benar lagi? Ada yang menyebutnya sebagai krisis epistemologis. Sekarang, Elon Musk bilang dia tidak pernah melakukan sesuatu, tapi bagaimana membuktikannya?

Schmidt:

Kita dapat mengilustrasikannya dengan contoh Donald Trump. Saya pikir kita mempunyai masalah kepercayaan dalam masyarakat kita dan demokrasi mungkin gagal karenanya. Ancaman terbesar terhadap demokrasi adalah misinformasi, karena kita sudah sangat pandai dalam hal itu.

Saat saya mengelola YouTube, masalah terbesar yang kami alami adalah orang-orang mengunggah video palsu yang mengakibatkan banyak orang meninggal. Kita mempunyai kebijakan tanpa kematian dan upaya untuk mengatasi masalah ini sungguh mengejutkan dan mengerikan. Ini terjadi sebelum munculnya kecerdasan buatan generatif.

profesor:

Saya tidak punya jawaban yang bagus, tetapi ada satu masalah teknis yang tampaknya mengurangi hal ini, dan itu adalah otentikasi kunci publik. Mengapa tidak menggunakan tanda tangan digital seperti SSL ketika Joe Biden berbicara? Bisakah seorang selebriti, tokoh masyarakat, atau orang lain memiliki kunci publik?

Schmidt:

Ini adalah bentuk kunci publik yang memberikan kepastian, seperti ketika saya mengirim kartu kredit saya ke Amazon, saya tahu itu Amazon.

Saya menerbitkan makalah bersama Jonathan Haidt, tetapi tidak berdampak apa pun. Dia komunikator yang sangat baik, dan mungkin saya tidak. Kesimpulan saya adalah bahwa sistem ini tidak terorganisir seperti yang kita katakan. CEO sering kali memaksimalkan pendapatan, dan untuk melakukan hal tersebut mereka memaksimalkan keterlibatan, dan cara untuk memaksimalkan keterlibatan adalah dengan memaksimalkan kemarahan. Algoritma memilih kemarahan karena menghasilkan lebih banyak pendapatan, sehingga orang cenderung mendukung hal-hal ekstrem. Ini adalah masalah di semua lini dan harus diatasi.

Dalam negara demokrasi, solusi saya terhadap TikTok didasarkan pada apa yang telah kita diskusikan secara pribadi sebelumnya. Ketika saya masih kecil, ada sesuatu yang disebut aturan waktu yang sama. TikTok sebenarnya bukan platform media sosial, tetapi lebih merupakan bentuk televisi. Setiap pengguna TikTok di Amerika Serikat menggunakan aplikasi ini rata-rata 90 menit sehari dan membuat 200 video, dan ini merupakan penggunaan yang banyak. Meskipun pemerintah tidak menerapkan aturan waktu yang sama, hal ini mungkin merupakan arah yang patut dipertimbangkan dan memerlukan beberapa bentuk penyeimbangan.

murid:

Yang pertama adalah mengenai dampak ekonomi terhadap pasar tenaga kerja. Dampaknya lebih lambat dari perkiraan awal, terutama terhadap pasar tenaga kerja. Ada juga pertanyaan tentang staf layanan pelanggan. Apakah menurut Anda akademisi harus disubsidi untuk AI, atau haruskah mereka bermitra dengan perusahaan besar?

Schmidt:

Saya telah berusaha keras agar universitas membangun pusat data. Jika saya adalah anggota fakultas di departemen ilmu komputer, saya akan frustrasi karena saya tidak dapat mengembangkan algoritma dengan mahasiswa pascasarjana untuk penelitian PhD karena saya terpaksa bekerja dengan perusahaan. Dan perusahaan-perusahaan ini tidak cukup bermurah hati dalam hal ini. Situasi yang sangat buruk adalah banyak pengajar dan staf menghabiskan banyak waktu menunggu kredit Google Cloud. Kami ingin universitas-universitas Amerika sukses dalam hal ini, jadi menurut saya membiarkan mereka memperoleh kredit ini adalah hal yang benar untuk dilakukan.

Saya akan mendengarkan para ahli mengenai dampak pasar tenaga kerja. Sebagai ekonom amatir, saya yakin ada masa depan yang baik untuk pendidikan perguruan tinggi dan tugas-tugas berketerampilan tinggi karena orang akan menggunakan sistem ini. Menurut saya, sistem ini tidak berbeda secara mendasar dengan gelombang teknologi sebelumnya. Pekerjaan berbahaya dan pekerjaan yang tidak memerlukan penilaian manusia akan diganti.

murid:

Tentang peralihan dari teks ke tindakan dan implikasinya terhadap pendidikan ilmu komputer? Saya pikir pendidikan ilmu komputer harus beradaptasi dengan perubahan zaman.

Schmidt:

Saya berasumsi bahwa ilmuwan komputer sebagai mahasiswa sarjana akan selalu memiliki teman programmer. Saat Anda mempelajari perulangan for pertama kali, akan ada satu alat yang menjadi pendamping alami Anda. Profesor menjelaskan konsepnya dan Anda terlibat dengan cara itu.

Siswa: Mengenai pembahasan arsitektur non-Transformer, menurut saya model negara adalah arah yang sedang dibahas, tetapi sekarang lebih banyak perhatian diberikan pada konteks.

Schmidt:

Saya kurang memahami matematika, namun saya senang hal ini menciptakan lapangan kerja bagi ahli matematika karena matematika di sini sangat kompleks. Pada dasarnya, ini dilakukanpenurunan gradiendan berbagai metode perkalian matriks, yang bertujuan untuk menjadi lebih cepat dan lebih baik. Seperti yang Anda ketahui, Transformer adalah cara sistematis untuk melakukan perkalian secara bersamaan. Inilah pemikiran saya. Mirip dengan ini, tetapi perhitungannya berbeda. Mari kita lihat.

murid:

Dalam makalah Anda tentang keamanan nasional, Anda menyebutkan situasi saat ini di Tiongkok, Amerika Serikat, dan negara-negara lain. Sepuluh negara dari kelompok berikutnya adalah sekutu AS atau berpotensi menjadi sekutu AS. Saya ingin tahu pendapat Anda tentang sepuluh negara ini. Mereka seperti perantara, bukan sekutu formal. Seberapa besar kemungkinan mereka untuk ikut serta dalam upaya menjaga keamanan kita? Apa yang menghalangi mereka untuk bergabung?

Schmidt:

Negara yang paling menarik adalah India, karena talenta kecerdasan buatan terbaik berasal dari India dan datang ke Amerika Serikat. Kita harus membiarkan India mempertahankan beberapa talenta terbaiknya, bukan semua tapi beberapa. Dan mereka tidak memiliki fasilitas dan program pelatihan yang kaya seperti yang kita miliki di sini. Menurut pendapat saya, India adalah negara yang terombang-ambing dalam hal ini. Jepang dan Korea Selatan jelas merupakan kubu kami. Perangkat lunak Taiwan buruk, jadi ini tidak akan berhasil. Perangkat kerasnya bagus. Dan di tempat lain di dunia, tidak banyak pilihan bagus lainnya. Eropa kacau karena Brussel, itu bukan hal baru. Saya menghabiskan 10 tahun melawan mereka. Saya bekerja sangat keras untuk membuat mereka mengubah UU UE. Mereka masih mempunyai berbagai keterbatasan sehingga sangat menyulitkan kami untuk melakukan penelitian di Eropa. Teman-teman Prancis saya menghabiskan seluruh waktunya melawan Brussel. Sebagai teman pribadi saya, Macron sedang bekerja keras dalam hal ini. Jadi saya pikir Prancis punya peluang. Saya tidak berpikir Jerman akan datang dan negara-negara lain tidak cukup kuat.

murid:

Saya tahu Anda adalah seorang insinyur berdasarkan pelatihan, saya pikir Anda disebut kompiler. Mengingat kemampuan yang Anda bayangkan dimiliki oleh model ini, haruskah kita tetap meluangkan waktu untuk belajar coding?

Schmidt:

Ya, karena pada akhirnya, itu adalah pertanyaan klise, mengapa belajar bahasa Inggris jika Anda bisa berbicara? Anda akan belajar lebih baik. Anda benar-benar perlu memahami cara kerja sistem ini, dan saya dapat memahaminya.

murid:

Saya ingin tahu apakah Anda telah menjelajahi penyiapan terdistribusi. Saya menanyakan pertanyaan ini karena, tentu saja, membuat cluster besar itu sulit, tetapi MacBook sangat kuat. Ada banyak mesin kecil di seluruh dunia. Jadi menurut Anda apakah melipat di rumah atau semacamnya dapat diterapkan untuk melatih sistem ini?

Schmidt:

Ya, kami telah mempertimbangkan masalah ini dengan sangat hati-hati. Jadi cara kerja algoritmanya adalah Anda memiliki matriks yang sangat besar dan pada dasarnya Anda memiliki fungsi perkalian. Jadi anggap saja itu sebagai bolak-balik. Dan sistem ini sepenuhnya dibatasi oleh kecepatan memori CPU atau GPU. Faktanya, chip NVIDIA generasi berikutnya telah mengintegrasikan semua fungsi ini ke dalam satu chip. Keripiknya sekarang sangat besar sehingga saling menempel. Faktanya, paket tersebut sangat sensitif sehingga paket dan chip itu sendiri dirakit di ruangan yang bersih. Jadi jawabannya sepertinya superkomputer dan kecepatan cahaya, terutama interkoneksi memori, benar-benar lebih unggul. Saya pikir segmentasi model bahasa besar (LLM) tidak mungkin dilakukan untuk saat ini.

profesor:

Jeff Dean menyebutkan dalam pidatonya tahun lalu bahwa model dapat dibagi menjadi beberapa bagian, dilatih secara terpisah, dan kemudian digabungkan.

Schmidt:

Namun untuk mencapai hal ini, Anda perlu memiliki puluhan juta model seperti itu, dan kecepatan mengajukan pertanyaan akan menjadi sangat lambat. Dia menyebutkan bahwa dibutuhkan delapan, 10 atau 12 superkomputer untuk mencapai hal ini, tapi itu bukan levelnya.

murid:

Mengenai masalah privasi data, saya mengetahui bahwa New York Times menggugat OpenAI karena menggunakan pekerjaan mereka untuk pelatihan.

Schmidt:

Saya pikir mungkin akan ada banyak tuntutan hukum serupa di masa depan, dan pada akhirnya akan tercapai semacam kesepakatan, seperti mengharuskan pembayaran persentase tertentu dari pendapatan untuk penggunaan karya tertentu, seperti ASCAP dan EMI di industri musik. . Model ini mungkin tampak agak ketinggalan jaman, tetapi menurut saya pada akhirnya akan berhasil.

murid:

Di bidang AI, tampaknya ada beberapa perusahaan yang mendominasi pasar dan tumpang tindih dengan perusahaan besar yang menjadi fokus peraturan antimonopoli.

Schmidt:

Saya telah terlibat dalam kasus pembubaran Microsoft dalam karier saya, tetapi pada akhirnya tidak berhasil; Saya juga bekerja keras untuk mencegah pembubaran Google, tetapi juga gagal. Oleh karena itu, menurut saya tren ini tidak boleh terpecah belah. Selama perusahaan-perusahaan ini tidak menjadi monopoli seperti John D. Rockefeller, tindakan pemerintah tidak mungkin dilakukan.

Perusahaan-perusahaan besar ini mendominasi karena hanya mereka yang punya modal untuk membangun data center. Saya mempunyai teman Reed dan Mustafa yang membuat keputusan untuk memisahkan bisnis mereka ke Microsoft karena mereka tidak dapat mengumpulkan puluhan miliar dolar. Mengenai angka pastinya, Anda mungkin harus meminta Reed memberi tahu Anda.

murid:

Yang terakhir, saya bertanya-tanya apa dampak perkembangan ini terhadap negara-negara yang tidak terlibat dalam pengembangan model dan perhitungan mutakhir.

Schmidt:

Negara-negara kaya akan semakin kaya, sedangkan negara-negara miskin hanya bisa melakukan yang terbaik yang mereka bisa. Ini sebenarnya merupakan permainan bagi negara-negara kaya, yang membutuhkan modal besar, bakat teknis, dan dukungan pemerintah yang kuat. Secara global, banyak negara menghadapi berbagai masalah, terutama ketika sumber daya terbatas. Mereka perlu mencari mitra dan bekerja sama dengan pihak lain untuk memecahkan masalah ini.

profesor:

Aku ingat terakhir kali kita bertemu, kamuBERSIH House berpartisipasi dalam hackathon. Saya tahu Anda menghabiskan banyak waktu dan bersemangat membantu kaum muda menciptakan kekayaan. Apakah Anda punya saran untuk orang-orang yang sedang menulis rencana bisnis untuk kursus atau menulis proposal kebijakan atau proposal penelitian dalam karier mereka?

Schmidt:

Saya mengajar kursus tentang hal ini di sekolah bisnis, dan Anda harus datang dan mendengarkan. Saya terkejut melihat betapa cepatnya Anda menyajikan ide-ide baru.

Dalam salah satu hackathon yang saya ikuti, tim pemenang ditugaskan untuk menerbangkan drone di antara dua menara. Mereka menggunakan Python untuk menghasilkan kode di ruang drone virtual dan berhasil menyelesaikan tugas di simulator. Mungkin diperlukan waktu satu atau dua minggu bagi programmer profesional yang baik untuk melakukan ini. Saya pikir kemampuan membuat prototipe dengan cepat sangatlah penting karena salah satu masalah yang dihadapi pengusaha adalah kecepatan. Jika Anda tidak dapat membuat prototipe dalam sehari dengan alat ini, Anda perlu mempertimbangkan kembali karena itulah yang dilakukan pesaing Anda.

Jadi saran terbesar saya adalah ketika Anda mulai berpikir untuk memulai sebuah perusahaan, tidak masalah untuk menulis rencana bisnis. Sebenarnya, Anda boleh meminta komputer menuliskannya untuk Anda, selama itu legal. Penting untuk menggunakan alat-alat ini untuk membuat prototipe ide-ide Anda secepat mungkin karena mungkin ada seseorang yang melakukan hal yang sama di perusahaan lain, universitas, atau di tempat yang belum pernah Anda kunjungi.

profesor:Terima kasih banyak.