Ceramah Stanford CS153 Sam Altman berguna kerana ia tidak memaparkan OpenAI sebagai cerita perniagaan yang dirancang dengan sempurna.
Ceramah Stanford CS153 Sam Altman bukan hanya mengenai OpenAI atau ChatGPT. Ia mendedahkan strategi AI yang lebih mendalam yang dibina berdasarkan skala, tingkah laku pengguna, infrastruktur pengiraan, penemuan produk dan masa depan kecerdasan sebagai utiliti. Kisah OpenAI menunjukkan bahawa generasi permulaan yang akan datang mungkin tidak dibina dengan mengupah pasukan yang besar terlebih dahulu, tetapi dengan menggunakan sistem AI, lelaran pantas dan pengedaran untuk menjadikan penemuan teknikal menjadi nilai perniagaan sebenar.
Ia menunjukkan sesuatu yang lebih menarik.
OpenAI tidak mengikuti buku main permulaan biasa. Ia tidak bermula dengan titik kesakitan pelanggan yang mudah, membina produk kecil, mencari pengguna awal, dan kemudian perlahan-lahan menambah penyelidikan kemudian. Ia bermula sebagai makmal penyelidikan yang cuba menolak sempadan kecerdasan buatan. Enjin komersial datang kemudian.
Itulah yang menjadikan OpenAI sangat luar biasa.
Kebanyakan syarikat permulaan bermula dengan pasaran dan kemudian mencari teknologi. OpenAI bermula dengan hala tuju teknologi dan kemudian terpaksa menemui pasaran di sekelilingnya.
Ini tidak bermakna setiap pengasas harus menyalin OpenAI. Malah, kebanyakan pengasas tidak sepatutnya. Laluan OpenAI memerlukan bakat luar biasa, modal yang besar, penyelidikan mendalam, keyakinan jangka panjang dan keupayaan untuk bertahan bertahun-tahun tanpa model perniagaan biasa.
Tetapi pelajaran itu tetap penting.
Strategi OpenAI menunjukkan bagaimana AI mengubah hubungan antara penyelidikan, produk, skala, pengedaran dan nilai perniagaan.
Apa Maksud Ceramah Stanford CS153 Sam Altman
Perkara yang paling penting dari ceramah Stanford CS153 Sam Altman bukan semata-mata bahawa AI berkuasa.
Kebanyakan orang sudah tahu itu.
Perkara yang lebih mendalam ialah AI mengubah struktur syarikat pembinaan. Dalam era permulaan sebelum ini, syarikat biasanya meningkat dengan mengambil lebih ramai orang, membina lebih banyak pasukan dan mengembangkan operasi. Dalam era AI, pasukan kecil boleh menggunakan model, API, ejen dan automasi untuk melakukan kerja yang sebelum ini memerlukan lebih banyak bilangan pekerja.
Ini mengubah persamaan permulaan.
Persoalannya bukan lagi, "Berapa ramai orang yang boleh kami upah?"
Soalan yang lebih baik ialah, "Berapa banyak leverage yang boleh dikawal oleh setiap orang?"
Leverage itu mungkin datang daripada model, pengiraan, perisian, pengedaran, data proprietari, reka bentuk aliran kerja atau gelung maklum balas pengguna.
Inilah sebabnya mengapa cerita OpenAI penting di luar OpenAI itu sendiri. Ia memberi pengasas dan pemilik perniagaan isyarat tentang ke mana dunia bergerak. Syarikat generasi akan datang mungkin tidak kelihatan seperti generasi terakhir. Mereka mungkin lebih kecil, lebih pantas dan lebih dipacu sistem.
OpenAI Tidak Bermula Seperti Permulaan Biasa
Permulaan biasa biasanya bermula dengan masalah pasaran yang jelas.
Pengasas mengenal pasti pelanggan, membina produk, menguji permintaan, meningkatkan pengekalan dan kemudian meningkatkan lebih banyak modal mengikut skala. Ini ialah laluan Lembah Silikon yang klasik.
OpenAI berbeza.
Ia bermula dengan misi penyelidikan. Organisasi itu ingin membina kecerdasan buatan termaju sebelum ia mempunyai produk pengguna arus perdana yang jelas. Itu menjadikan laluan itu berisiko dan mahal. Penyelidikan tidak menghasilkan pendapatan secara automatik. Melatih model sempadan memerlukan bakat, pengiraan dan kesabaran.
Inilah sebabnya laluan awal OpenAI sukar untuk ditiru.
Ia bukan permulaan SaaS yang mudah. Ia lebih dekat dengan makmal penyelidikan yang kemudiannya terpaksa membina enjin permulaan di sekelilingnya.
Tetapi laluan luar biasa ini mencipta satu kelebihan penting.
OpenAI dapat memberi tumpuan yang mendalam pada sempadan sebelum pasaran memahami sepenuhnya produk yang sepatutnya. Pada masa pengguna bersedia untuk sembang AI, OpenAI telah menghabiskan masa bertahun-tahun membina keupayaan asas.
Itulah satu pengajaran daripada strategi OpenAI: kadangkala pasaran tidak tahu apa yang ia mahukan sehingga teknologi menjadi cukup baik untuk mendedahkan permintaan.
Skala Menjadi Pertaruhan Teras Di Sebalik OpenAI
Skala adalah salah satu idea paling penting di sebalik OpenAI.
Dalam bahasa perniagaan biasa, skala biasanya bermaksud membuat sesuatu yang lebih besar. Lebih ramai pengguna, lebih banyak hasil, lebih ramai pekerja, lebih banyak pejabat, lebih banyak pasaran.
Dalam AI, skala mempunyai makna yang lebih mendalam.
Ini bermakna menggunakan lebih banyak pengiraan, lebih banyak data, model yang lebih besar, saluran paip latihan yang lebih baik dan infrastruktur yang lebih kukuh untuk membuka kunci keupayaan yang mungkin tidak muncul pada saiz yang lebih kecil.
Inilah sebabnya mengapa undang-undang penskalaan menjadi sangat penting kepada industri AI. Idea asasnya ialah prestasi model boleh bertambah baik dengan cara yang boleh diramal apabila pengiraan latihan, data dan saiz model meningkat. Butiran yang tepat adalah teknikal, tetapi implikasi perniagaan adalah mudah:
Jika penskalaan terus berfungsi, syarikat yang boleh terus melakukan penskalaan mungkin terus menambah baik produk.
Itu mencipta jenis strategi yang sangat berbeza.
Daripada hanya bersaing melalui ciri produk, syarikat bersaing melalui infrastruktur, kapasiti penyelidikan, data, bakat dan keupayaan untuk membiayai pengiraan besar-besaran.
Inilah sebabnya mengapa pertaruhan OpenAI sangat agresif. Ia bukan sekadar membina aplikasi. Ia adalah pertaruhan bahawa kecerdasan itu sendiri boleh dipertingkatkan melalui skala.
ChatGPT Ditemui Melalui Gelagat Pengguna
Salah satu pelajaran perniagaan terbaik daripada OpenAI ialah ChatGPT tidak dirancang seperti produk pengguna tradisional.
Sebelum ChatGPT menjadi fenomena global, OpenAI telah pun mengeluarkan GPT-3 melalui API. API itu berkuasa, tetapi kes penggunaannya tidak jelas kepada semua orang. Sesetengah orang menggunakannya untuk menulis, eksperimen, pengekodan atau demo kreatif.
Kemudian tingkah laku pengguna yang menarik muncul.
Orang ramai suka bercakap dengan model itu.
Ini adalah jenis isyarat yang banyak syarikat terlepas. Produk penting tidak semestinya seperti yang diharapkan oleh pasukan pada asalnya. Ia tersembunyi di dalam tingkah laku pengguna.
OpenAI menyedari bahawa orang ramai menikmati interaksi perbualan dengan model tersebut. Daripada menganggapnya sebagai tingkah laku sampingan, pasukan itu mengubahnya menjadi antara muka yang mudah: kotak sembang.
Antara muka mudah itu mengubah segala-galanya.
ChatGPT menjadikan AI lanjutan boleh difahami oleh orang biasa. Pengguna tidak lagi perlu memahami API, kejuruteraan segera, seni bina model atau pembelajaran mesin. Mereka hanya perlu menaip soalan.
Ini adalah pelajaran produk utama.
Kadang-kadang kejayaan bukan sahaja teknologi. Ia adalah antara muka yang menjadikan teknologi berasa semula jadi.
Codex Menunjukkan Sebab Kod Menjadi Aliran Kerja AI Serius Pertama
ChatGPT menjadikan AI arus perdana, tetapi pengekodan mungkin salah satu aliran kerja perniagaan yang paling penting untuk AI.
Sebabnya mudah: kod berstruktur, boleh diuji dan disambungkan kepada output sebenar.
Apabila AI menulis teks, hasilnya boleh menjadi subjektif. Ia mungkin kedengaran bagus tetapi masih cetek, tidak tepat atau generik. Apabila AI menulis kod, hasilnya selalunya boleh diuji secara lebih langsung. Adakah ia berjalan? Adakah ia menyelesaikan masalah? Adakah ia lulus ujian? Adakah ia menambah baik aliran kerja?
Ini menjadikan pengekodan pasaran awal yang kukuh untuk ejen AI.
Codex dan alat pengekodan AI lain menunjukkan cara AI boleh bergerak daripada menjawab soalan kepada melakukan kerja. Pembantu pengekodan boleh membantu menjana fungsi, masalah nyahpepijat, menerangkan kod, memfaktorkan semula fail dan mempercepatkan pembangunan.
Tetapi idea yang lebih besar bukan sahaja pengekodan.
Kod adalah jambatan antara bahasa dan tindakan.
Jika sistem AI boleh menulis dan mengubah suai perisian, ia boleh mempengaruhi sistem digital secara langsung. Itulah sebabnya pengekodan adalah salah satu tempat pertama di mana AI boleh menjadi lebih daripada chatbot.
Bagi usahawan, ini penting kerana pembangunan perisian semakin mudah diakses. Pasukan kecil dengan pertimbangan yang kuat kini boleh membina dan menguji lebih cepat daripada sebelumnya.
Tetapi masih ada hadnya.
AI boleh menulis kod, tetapi pengasas masih memerlukan rasa produk, pemahaman pelanggan, pertimbangan seni bina dan hala tuju perniagaan.
AI Akan Dijual sebagai Utiliti, Bukan Perisikan
Salah satu idea terkuat dari perbincangan Stanford CS153 ialah AI mungkin menjadi lebih seperti utiliti.
Kebanyakan pelanggan tidak mahu membeli "kepintaran" dalam bentuk abstrak.
Mereka mahukan hasil.
Ini serupa dengan sejarah awal elektrik. Orang biasa tidak perlu memahami kejuruteraan elektrik. Mereka mengambil berat bahawa rumah mereka boleh mempunyai cahaya selepas matahari terbenam. Elektrik menjadi berharga apabila ia dibungkus menjadi manfaat yang jelas.
AI mungkin mengikut laluan yang sama.
Perniagaan tidak benar-benar mahukan "model bahasa yang besar." Mereka mahukan sokongan pelanggan yang lebih pantas, susulan jualan yang lebih baik, sistem kandungan yang lebih kukuh, penyelidikan yang lebih murah, pengekodan yang lebih baik, pelaporan automatik, keputusan yang lebih baik dan operasi yang lebih cekap.
Ini adalah pengajaran penting untuk usahawan AI.
Jangan menjual teknologi terlalu banyak.
Jual hasilnya.
Jika pelanggan ialah pemilik perniagaan kecil, mereka mungkin tidak peduli model mana yang menguatkan aliran kerja. Mereka mengambil berat sama ada sistem membawa petunjuk, menjimatkan masa, menambah baik perkhidmatan atau mengurangkan kos.
Ini juga penting untuk SEO, WordPress dan perniagaan digital. Pelanggan tidak membeli kerumitan teknikal. Mereka membeli keterlihatan, kepercayaan, petunjuk, penukaran dan pertumbuhan.
AI menjadi berharga apabila ia hilang ke dalam aliran kerja.
Compute Menjadi Bottleneck Baharu
Jika AI menjadi utiliti, pengiraan menjadi infrastruktur di belakangnya.
Itulah sebabnya pengiraan menjadi salah satu sumber strategik yang paling penting di dunia. Model Frontier memerlukan cip, pusat data, kuasa, rangkaian dan penyejukan. Lebih banyak penggunaan AI berkembang, lebih banyak tekanan bergerak daripada perisian ke infrastruktur fizikal.
Ini mewujudkan kesesakan baharu.
Dalam dunia perisian lama, pengedaran dan produk selalunya merupakan bahagian yang paling sukar. Dalam dunia AI, pengiraan boleh menjadi kekangan langsung. Walaupun permintaan wujud, syarikat masih memerlukan infrastruktur yang mencukupi untuk memenuhi permintaan tersebut.
Inilah sebabnya mengapa syarikat melabur banyak dalam pusat data dan infrastruktur AI.
Bahagian yang menarik ialah kos AI yang lebih rendah mungkin tidak mengurangkan jumlah permintaan pengiraan. Jika kos penggunaan AI jatuh, orang ramai dan perniagaan mungkin menggunakannya lebih banyak lagi. Perisikan yang lebih murah boleh mewujudkan lebih banyak permintaan, bukan kurang.
Ini serupa dengan anjakan infrastruktur lain. Apabila sesuatu menjadi lebih murah dan lebih berguna, penggunaan boleh meletup.
Ini bermakna pengiraan mungkin kekal penting secara strategik walaupun model menjadi lebih cekap.
Bagi pengasas, pelajarannya jelas: AI bukan sahaja trend perisian. Ia juga merupakan trend infrastruktur.
Sistem Pendidikan Masih Mengejar AI
AI juga menimbulkan persoalan serius tentang pendidikan.
Jika AI boleh menulis esei, menyelesaikan masalah, menjana kod dan menerangkan topik yang kompleks, apakah sebenarnya yang perlu pelajar pelajari?
Jawapan yang salah ialah berpura-pura tiada perubahan.
Jawapan salah yang lain ialah menganggap penulisan dan pengekodan tidak lagi penting.
Jawapan yang lebih baik ialah menulis dan pengekodan menjadi kemahiran berfikir, bukan hanya kemahiran output.
Menulis melatih kejelasan. Pengekodan melatih logik. Matematik melatih penaakulan berstruktur. Penyelidikan melatih pertimbangan. Kemahiran ini masih penting, walaupun AI boleh membantu dengan output akhir.
Masalahnya ialah banyak sistem pendidikan masih tertumpu pada mengesan penggunaan AI dan bukannya mereka bentuk semula cara pelajar belajar dengan AI.
Itu boleh difahami, tetapi tidak mencukupi.
Masa depan seharusnya bukan tentang mengharamkan setiap alat AI. Ia sepatutnya mengajar pelajar cara berfikir, mengesahkan, menyoal, menyusun, membina dan menggunakan AI secara bertanggungjawab.
Dalam era AI, pelajar yang paling berharga bukanlah orang yang boleh menyalin jawapan daripada model.
Ia adalah orang yang boleh bertanya soalan yang lebih baik, menilai output dan menghubungkan idea ke dalam kerja sebenar.
Soalan Sukar Kuasa dan Akses AI
Strategi OpenAI juga menimbulkan persoalan sosial yang lebih besar: siapa yang mendapat akses kepada AI yang berkuasa?
Jika AI menjadi lapisan infrastruktur baharu, maka akses adalah penting. Jika hanya beberapa syarikat mengawal model yang paling canggih dan mengira, kuasa mungkin menjadi sangat tertumpu. Syarikat-syarikat tersebut boleh mempengaruhi produktiviti, pendidikan, penyelidikan, pembangunan perisian, operasi perniagaan dan juga perdebatan awam.
Tetapi ekstrem yang bertentangan juga mempunyai risiko.
Jika sistem AI yang berkuasa dibuka tanpa perlindungan, penyalahgunaan menjadi lebih mudah. Keselamatan, keselamatan dan tadbir urus adalah isu sebenar.
Ini adalah keseimbangan yang sukar.
Terlalu banyak kawalan boleh mewujudkan penumpuan kuasa. Terlalu banyak keterbukaan boleh mewujudkan risiko penyalahgunaan. Masa depan AI akan bergantung pada sama ada masyarakat boleh mengimbangi akses, keselamatan, persaingan dan akauntabiliti.
Ini bukan hanya masalah teknikal.
Ia adalah masalah perniagaan dan politik.
Bagi usahawan, pengajaran praktikal ialah pergantungan platform itu penting. Jika keseluruhan perniagaan anda bergantung pada satu pembekal AI, satu API, satu model atau satu peraturan platform, anda terdedah.
Semakin kuat AI menjadi, semakin penting untuk memahami dari mana leverage anda sebenarnya berasal.
Pemilikan Mungkin Lebih Penting Daripada Pendapatan Asas
AI juga mengubah perbincangan mengenai pengagihan kekayaan.
Jika AI menjadikan syarikat lebih produktif, siapa yang menangkap nilai itu?
Satu jawapan biasa ialah pendapatan asas sejagat. Jika mesin melakukan lebih banyak kerja, kerajaan mungkin perlu mengagihkan semula pendapatan supaya orang ramai dapat bertahan.
Itu mungkin sebahagian daripada jawapan, tetapi mungkin tidak mencukupi.
Pendapatan membantu orang mengambil. Pemilikan membantu orang ramai mengambil bahagian dalam keuntungan.
Jika AI mencipta kekayaan besar tetapi pemilikan kekal tertumpu, sokongan pendapatan mudah mungkin tidak menyelesaikan masalah ketidaksamaan yang lebih mendalam. Orang ramai mungkin menerima wang yang mencukupi untuk hidup, tetapi masih tidak memiliki aset produktif yang mencipta kekayaan baharu.
Inilah sebabnya mengapa pemilikan penting.
Dalam jangka panjang, persoalan yang lebih penting mungkin bukan sahaja berapa banyak wang yang diterima oleh orang ramai. Mungkin sama ada orang biasa boleh mengambil bahagian dalam nilai yang dicipta oleh infrastruktur AI, syarikat, dana, platform dan produktiviti negara.
Ini adalah topik yang sukar, dan tidak ada jawapan yang mudah.
Tetapi hala tujunya jelas: jika AI mengubah sistem pengeluaran, masyarakat juga mungkin perlu memikirkan semula cara pemilikan dan penyertaan berfungsi.
Apa Yang Usahawan Boleh Belajar Daripada Strategi OpenAI
Pengajaran pertama ialah tingkah laku pengguna lebih penting daripada andaian dalaman.
ChatGPT menjadi penting kerana OpenAI memberi perhatian kepada cara orang sebenarnya menggunakan teknologi tersebut. Pengasas harus melakukan perkara yang sama. Pasaran sering mendedahkan produk sebenar melalui tingkah laku, bukan melalui dek padang.
Pengajaran kedua ialah skala boleh mengubah sifat sesuatu produk.
Pada skala kecil, teknologi mungkin kelihatan seperti mainan. Pada skala yang lebih besar, ia mungkin menjadi platform. Ini tidak bermakna setiap pengasas harus membakar wang secara membuta tuli, tetapi ini bermakna pengasas yang bercita-cita tinggi perlu memahami apabila skala mengubah keupayaan.
Pengajaran ketiga ialah antara muka itu penting.
ChatGPT hebat kerana ia menjadikan AI mudah. Kotak sembang menukar model yang kompleks menjadi sesuatu yang boleh digunakan oleh sesiapa sahaja. Produk terbaik sering menyembunyikan kerumitan di sebalik interaksi mudah.
Pengajaran keempat ialah pelanggan membeli hasil, bukan teknologi.
Jangan jual AI. Jual masa yang dijimatkan, keputusan yang lebih baik, penghantaran yang lebih cepat, lebih banyak petunjuk, aliran kerja yang lebih bersih atau sistem kandungan yang lebih kukuh.
Pengajaran kelima ialah leverage lebih penting daripada jumlah pekerja.
Dalam era AI, pasukan kecil dengan sistem yang baik mungkin mengatasi pasukan besar dengan aliran kerja yang lemah. Soalan penting bukanlah berapa ramai orang yang anda ada, tetapi berapa banyak kerja berkesan yang boleh dihasilkan oleh sistem anda.
Pandangan Peribadi Saya tentang Strategi OpenAI
Pandangan peribadi saya ialah strategi OpenAI bukan sahaja tentang membina model yang lebih baik.
Ia adalah mengenai mengubah kecerdasan menjadi infrastruktur.
Itulah anjakan sebenar. ChatGPT menjadikan AI kelihatan kepada pengguna. Codex menunjukkan cara AI boleh memasuki aliran kerja. Infrastruktur pengiraan menunjukkan bahawa AI menjadi perlumbaan fizikal dan kewangan. Pendidikan menunjukkan masyarakat masih menyesuaikan diri. Perdebatan mengenai akses dan pemilikan menunjukkan bahawa AI bukan sahaja produk, tetapi struktur kuasa.
Untuk kerja saya sendiri dalam SEO, WordPress dan perniagaan digital, pelajaran terbesar adalah mudah: alat tidak mencukupi.
Alat hanya menjadi berharga apabila ia disambungkan kepada sistem sebenar.
AI boleh membantu menulis kandungan, tetapi ia tidak boleh mencipta kepercayaan secara automatik. AI boleh membantu membina tapak web, tetapi ia tidak boleh mencipta permintaan secara automatik. AI boleh membantu kod, tetapi ia tidak boleh mencipta produk yang baik secara automatik. AI boleh membantu mengautomasikan kerja, tetapi ia tidak boleh membina model perniagaan secara automatik.
Inilah sebabnya saya fikir usahawan terbaik dalam era AI tidak akan menjadi orang yang hanya mengejar model terbaru.
Mereka akan menjadi orang yang memahami cara menghubungkan AI dengan pengedaran, keperluan pelanggan, aliran kerja, kepercayaan jenama dan hasil perniagaan.
Kisah OpenAI adalah peringatan bahawa masa depan tidak dibina oleh teknologi sahaja.
Ia dibina apabila teknologi, produk, skala dan gelagat pasaran akhirnya bersambung.
Kesimpulan
Ceramah Stanford CS153 Sam Altman membantu menjelaskan strategi OpenAI kerana ia menunjukkan syarikat itu lebih daripada pencipta ChatGPT.
Strategi OpenAI yang lebih mendalam dibina berdasarkan skala, tingkah laku pengguna, pengiraan, penemuan produk dan cita-cita jangka panjang untuk mengubah kecerdasan menjadi utiliti.
ChatGPT menunjukkan bahawa antara muka yang mudah boleh membuka kunci pasaran yang besar. Codex menunjukkan bahawa AI boleh beralih daripada perbualan ke aliran kerja sebenar. Pengiraan menunjukkan bahawa perlumbaan AI juga merupakan perlumbaan infrastruktur. Pendidikan menunjukkan bahawa institusi masih ketinggalan. Perdebatan mengenai akses dan pemilikan menunjukkan bahawa AI akan membentuk semula kuasa, bukan hanya produktiviti.
Pengajaran terbesar bukanlah bahawa setiap pengasas harus menyalin OpenAI.
Kebanyakan tidak boleh.
Pengajaran sebenar ialah AI mengubah cara leverage berfungsi.
Pada era seterusnya, kelebihan mungkin tidak datang daripada mempunyai pasukan terbesar. Ia mungkin datang daripada membina sistem terbaik: sistem yang menggabungkan alatan AI, maklum balas pengguna, pengedaran, pertimbangan dan nilai perniagaan sebenar.
Itulah yang diajar oleh strategi OpenAI.
Masa depan adalah milik orang yang boleh mengubah kecerdasan menjadi sistem yang berguna.