世界太吵,來原聲聽播客

No Priors

OpenAI總裁斷言:網絡安全支出該超過軟件開發本身支出

軟件因AI變得極度廉價,可靠與安全才是真正稀缺的東西——OpenAI內部曾讓四分之一工程師停工專職補漏洞。

AI數學突破藥物研發網絡安全AI agentUI設計

原視頻在 YouTube 上放不出來,用音頻聽:

這期把AI數學突破、藥物研發瓶頸和網絡安全投入邏輯串在一起講清楚,信息密度高,沒有廢話鋪墊。

核心論點 · 點時間戳可跳到原聲

2:06

AI 已經能產出真正的新知識

Greg Brockman說這週的數學成果是一個里程碑——不是機器算出一個答案那麼簡單,而是人類長期解不開的百年數學難題被證明可以攻克。他說過去一直有個懸而未決的問題:AI到底能不能產生真正的新知識?現在答案確定無疑是肯定的。他強調目前還沒到提出全新大理論的階段,但已經能解出困擾人類上百年的具體數學問題,OpenAI這次公開了近400個被解決的重要開放問題,供數學界檢驗其中的洞見,而不只是看一個沒人能理解的證明。

— Greg Brockman
7:14

人類看不懂答案時怎麼監督AI

當AI解決的問題已經超出人類直接核驗的能力——比如判斷一本書的摘要好不好,除非你讀完整本書——OpenAI從2017年就在研究debate和iterative amplification這類技術:讓另一個AI去找出摘要裡遺漏的關鍵情節,人類只需要判斷這個反駁是否成立,而不必親自驗證全部內容。Greg Brockman認為這類技術讓人類始終保持在駕駛座上,是AI安全對齊裡一個被低估的方向。

— Greg Brockman
10:18

數學能被AI攻克,生物為什麼不行

Greg Brockman指出AI在數學和理論物理上突破的核心原因不是模型更聰明,而是這些領域能產生大量數據,而算力加數據加算法等於能力是深度學習的基本物理規律。生物學恰恰是典型的數據瓶頸領域——神經網絡本身沒有理由天生更擅長語言而不擅長生物,語言上取得的突破理應能套用到生物上,前提是能拿到數據。他坦承這個問題尚未解決:到底有沒有辦法獲取足夠的生物數據,決定了下一步能走多快。

— Greg Brockman
13:35

人類其實很不擅長做藥物研發

一款藥從研發到上市大約要15年、花費15億美元,其中約5000萬美元是臨床前的小鼠實驗等階段,14億美元以上砸在臨床試驗上。Greg Brockman的判斷是:人類對自然語言天生適應,但對生物學完全陌生;而神經網絡沒有理由天生更擅長語言、不擅長生物,所以語言模型上的突破應該同樣能套用到破解生物學的語言上——這是他把藥物研發列為AI改造科學頭號目標的第一性原理依據。

— Greg Brockman
17:47

Dots 改變了 Greg 自己的工作方式

Dots是一個始終在線、主動工作的agent——人停下來它還在繼續跑。Greg Brockman每天早上醒來都有一張它自己生成的待辦清單,裡面經常是他從沒要求它注意的事,比如日程衝突、你得提前離開這場會議才能趕上下一場。它接入了他的郵箱、Slack和日曆,瞭解他在做的項目,知道他最近在問什麼問題。他說Dots代表的變化不是模型能力的提升,而是形態的改變——同樣是頂尖模型,放進一個主動式agent的外殼裡,在職場場景下是一個game changer。

— Greg Brockman
23:06

最好的界面是沒有界面

Greg Brockman認為AI產品正在走向沒有UI——說話、發Slack、發iMessage都能觸達它,Dots現在就是這樣工作的。但企業場景和個人場景不同:企業裡有管理員、安全團隊等更多利益相關方,功能上線要有開關控制,這反而帶來一個新問題——沒有UI的產品要怎麼告訴用戶這個功能在你這邊是關掉的。另一面是生成式UI:比如問AI怎麼組裝一輛自行車,它可以臨時給你生成一個定製小程序,而這是人類不可能專門花一個月去寫的東西。

— Greg Brockman
27:14

防禦者窗口期正在關閉

Greg Brockman提出防禦者窗口的說法:目前最前沿的AI能力能幫防禦方把系統修補得更安全,但這些能力還沒有被廣泛擴散;與此同時,普通人都能用到的網絡攻擊能力正隨每一次模型發布水漲船高——他舉了韓國銀行被不同模型驅動的攻擊攻破的例子。他認為互聯網的歷史包袱是為韌性而建,而不是為安全而建,這些歷史欠賬正在被AI暴露出來,OpenAI為此設立了10億美元規模的Daybreak計劃,幫前線防禦者用上頂尖模型去發現並修補漏洞。

— Greg Brockman
33:29

安全支出應該遠超軟件支出

Greg Brockman認為隨著軟件開發成本因AI大幅下降,你想要的從來不只是軟件,而是可靠、安全、值得信賴的軟件,所以網絡安全支出理應遠遠超過軟件本身的支出。他用內部實踐印證這個判斷:OpenAI曾讓25%的生產工程師暫停所有項目,專職用當時最強的模型去排查自家全部基礎設施的漏洞,修完之後把工具沉澱下來,每次新模型發布都要重複一遍排查、修復、飽和的流程,而且這個循環會一直持續下去。

— Greg Brockman

原話 · 已逐字校驗

And there's always been this question of, is AI actually able to come up with new knowledge? And at this point, it's just impossible to deny, right? It is definitively, yes, possible.

一直以來都有一個問題:AI到底能不能產出真正的新知識?現在這一點已經不容否認——答案確定無疑是肯定的。

Greg Brockman2:06

So Dots is a proactive agent. It's always on, always working. You stop working, it keeps working.

Dots是一個主動式agent,始終在線、持續工作。你停下來了,它還在繼續跑。

Greg Brockman17:47

So first of all, I think that the best UI is no UI. And I think in AI, that is where we're going.

首先,我認為最好的UI就是沒有UI。我覺得AI正朝著這個方向發展。

Greg Brockman23:06

I do think the physics of cybersecurity are changing. And we're in what we call the defender's window.

我確實認為網絡安全的底層物理規律正在改變。我們現在處於所謂的「防禦者窗口期」。

Greg Brockman27:14

we took about 25% of our production engineers and said, all of your projects are on hold, you are just securing now.

我們讓大約25%的生產工程師暫停了所有項目,專職去做安全排查。

Greg Brockman30:27

I have a feeling that cyber spend, security spend, should actually vastly outstrip software spend.

我有一種感覺,網絡安全支出其實應該遠遠超過軟件本身的支出。

Greg Brockman33:29

We think that humans should be firmly in the driver's seat, should have control over the future, and that this technology should amplify human agency.

我們認為人類應該牢牢掌握方向盤,應該掌控未來,這項技術應該放大人的能動性。

Greg Brockman36:36

story of why Steve Jobs put the handle on the iMac, right, so that that way people could feel that they could control the machine, right, that you can always pick it up and throw it out the window.

這就是史蒂夫·喬布斯當年為什麼要在iMac上裝一個提手的故事——這樣人們能感覺自己能控制這臺機器,隨時可以把它拎起來扔出窗外。

Greg Brockman37:40

數字與實體

OpenAI公開解決的百年數學難題數量近400個5:09
一款藥平均研發週期15年12:23
一款藥平均研發總成本15億美元12:23
藥物臨床前階段成本約5000萬美元12:23
藥物臨床試驗階段成本14億美元以上12:23
ChatGPT消費者用戶數12億22:04
內部安全排查投入的工程師比例25%的生產工程師暫停項目專職做安全30:27

術語

DotsDots
OpenAI內部使用的主動式常駐agent,持續追蹤待辦與日程,人停下來它仍在工作
DaybreakDaybreak計劃
OpenAI向網絡防禦者開放頂尖模型能力的項目,承諾投入10億美元
defender's window防禦者窗口期
頂尖AI安全能力尚未被攻擊者廣泛獲取的有限時間窗口
debate / iterative amplification辯論式監督/迭代放大
讓另一個AI挑錯,幫人類監督超出自身核驗能力的AI輸出
generative UI生成式UI
AI根據當下需求實時生成定製界面,而非使用固定菜單按鈕

收聽指南

誰該聽

想了解AI在科學發現、藥物研發和網絡安全防禦上實際進展的創業者、投資人與工程負責人

可跳過

片尾的訂閱號召(38:28之後)可以跳過