介绍 ChatGPT 文章非常多,在我看来这篇 MIT TR 的长文(链接、免费镜像、40 分钟阅读时长)最具可读性,其一是采访面非常宽,涵盖 OpenAI 的创始人、技术骨干以及市场人员;其二是内容扎实,你会了解到 ChatGPT 如何从一种想法逐渐演化为一个成熟的 AI 产品。
文中几个人的观点极具延展性,比如 CEO Sam Altman 对于语言模型与通往 AGI(通用人工智能)的关系,「只要给它们足够多和高质量的数据」,是不是也会催生文本之外的智能?再比如,负责 OpenAI 公关政策的 Jack Clark,他每周都有一份关于 AI 基础研究的邮件通讯,正如他所言,他既要支持并推广 ChatGPT 等创新项目,又要向内部馈所面临的社会和政治环境变化。
Cal Newport 比我们有效率吗
Cal Newport 是这几年炙手可热的「生产力效率大师」,他的《深度工作》一书影响了诸多白领工作者、特别是知识工作者的行为习惯;与此同时,他在其他一系列图书里所宣扬的诸如反对多任务工作习惯、减少查看电子邮件等观点,也被很多公司——Basecamp、Netflix——变成内部的工作原则。
这篇 FT 的长文,以 Cal Newport 为中心展开,在 FT 记者 Courtney Weaver 看来(链接、免费镜像、30 分钟阅读时长),Cal Newport 的方法很有吸引力,但也很难实施,因为很多人的工作性质不允许他们完全按照 Cal Newport 的建议去做,比如他们需要用社交媒体、需要参加很多会议、需要应付很多紧急的事情。
我觉得 Basecamp 创始人 David Heinemeier Hansson 的观点最值得思考:Cal Newport 的方法是正确的,但也需要有一定的条件和背景才能付诸实践,比如 Basecamp 公司是在先有稳定商业模式的前提下,才去考虑引入 Cal Newport,而不是反过来。
阅读这本 Mathematical Intelligence: A Story of Human Superiority Over Machines(亚马逊 Kindle 书店)的时机非常合适,ChatGPT 再次掀起了一股 AI 热潮,媒体广泛流传的所谓机器取代人的信息此起彼伏,而透过这些表面故事,我们可以深入到所有计算的本质——数学层面,重新看待人、机器与数学的关系。