在 Ray Summit 2024 大会上，OpenAI 的首席产品官 Kevin Weil 将探讨人工智能领域的新兴技术及其未来发展方向。自 2024 年年中加入 OpenAI 以来，Weil 一直专注于将该组织的研究成果转化为实际应用，致力于为消费者、开发者和企业创造创新产品。他在 Twitter 和 Instagram 担任产品高管期间，积累了丰富的产品开发和商业化经验。
在 Ray Summit 上，Weil 预计将分享 OpenAI 近期在产品创新方面的进展，并深入探讨人工智能如何通过技术改进和拓展产品化路径，解锁新的应用场景和提升用户体验。
Kevin Weil 的核心观点包括：
技术的不断演变要求产品管理适应性的转变 ：在 OpenAI 的产品管理中，技术基础不是固定的，而是每隔一段时间就会获得新的能力。这种不确定性要求产品管理必须在探索中前行，适应快速变化的技术环境。
人工智能的普及和可及性 ：OpenAI 致力于将 AI 技术普及给更多开发者，通过整合前沿模型到 API 中，并引入多模态能力，以降低成本、提升处理速度并提高安全性，从而推动全球的积极变化。
知识蒸馏技术的重要性 ：知识蒸馏技术使得大型模型能够被精简为小型模型，这些小型模型在执行特定任务时更高效，同时成本大幅下降，这为人工智能的广泛应用打开了大门。
推理能力在 AI 产品开发中的核心地位 ：随着 AI 模型如 O1 的发展，推理能力成为新的关键点。这些模型不再仅依赖于已有的知识，而是能够进行深入思考和假设验证，这要求开发者重新思考产品的用户体验设计，以适应 AI 的新能力。
以下是本期播客内容的完整翻译，我们作了不改变原意的删减。
在探索中前行
罗伯特·西原（Robert Nishihara）
您曾在多家公司负责领导产品管理工作。那么在 OpenAI 的产品管理与其他公司有什么不同之处呢？
凯文·威尔（Kevin Weil）
各家公司在某种程度上都各具特色，这主要是源于其创始人和企业文化的差异。Twitter 的文化过于强调达成共识，导致在行动上受到限制。而 Instagram 的创始人凯文·斯特罗姆具备杰出的产品思维能力，我认为他是全球最优秀的产品思维者之一。
在 OpenAI，Sam 展现出了卓越的远见，鼓励我们大胆思考，并给予我们空间去思考需要构建什么以及如何构建正确的产品。但最大的区别在于，我之前工作的地方通常有固定的技术基础，你需要思考如何利用这些技术打造出最佳产品。你需要理解用户及其需求，同时在技术上清楚自己使用什么。 然而在 OpenAI 乃至整个 AI 生态系统中，技术基础不是固定的。每隔一两个月，计算机就会获得以往无法实现的新能力，而这些能力是难以预见的。
有时你可能隐约感觉到下一个模型版本将具有新的功能，但只有在模型真正完成时，你才能确定某项功能的准确度究竟是 80%、95%，还是 99%。为准确度分别为 80%和 99%的功能开发产品是截然不同的。因此，我们常常是在探索中前行，因为世界和技术变化如此迅速。这虽然带来了很大的挑战，但也充满了乐趣。
罗伯特·西原（Robert Nishihara）
这不仅是为了你们自己，也是为了你们的客户和在你们平台上开发的开发者。
凯文·威尔（Kevin Weil）
不久前，我在与一位企业客户开会时，对方询问我们是否可以提前 60 天告知他们即将发布的所有内容。他们认为提前通知对他们非常有帮助。我心里想，我也希望能够提前 60 天知道所有事情。
罗伯特·西原（Robert Nishihara）
你提到了企业客户，这是一个很好的观点。你们不仅为消费者提供 ChatGPT 服务，也为开发者提供 API 服务。既然这是一个以开发者为中心的场合，我们来聊聊开发者方面的情况吧。能否分享一下你们对于开发者的路线图和策略？
凯文·威尔（Kevin Weil）
昨天，我们刚刚举办了开发者日，这真是令人振奋的一次活动，推出了许多重要内容。总体而言，我们的理念是，人工智能的普及能为世界带来益处。因此，我们希望能让更多开发者接触到人工智能，从而创造出令人惊叹的作品。为此，我们致力于将所有前沿模型整合到 API 中，并引入具备多模态能力的新特性。例如，昨天我们刚刚推出了实时语音 API。
罗伯特·西原（Robert Nishihara）
恭喜你！
凯文·威尔（Kevin Weil）
谢谢，谢谢。我们对此感到非常激动。昨天，我们推出了一项新的蒸馏技术，使得大型模型可以被精简为小型模型，这些小型模型在执行特定任务时表现出色且更高效。总体而言，我们希望通过引入更多智能技术来降低成本、提升处理速度并提高安全性。我们希望将这些技术交给超过 300 万名 OpenAI 平台开发者，因为你们将帮助这些 AI 技术被带给全世界的人们。这将对全球产生深远的积极影响。
罗伯特·西原（Robert Nishihara）
哪一次发布会让你感到最激动？
凯文·威尔（Kevin Weil）
我认为，知识蒸馏技术将成为一个极为重要的领域，因为它能够在更多场景中应用人工智能。 这个领域的发展趋势确实令人惊讶。回顾最初发布的 API，那时是 GPT-3，而现在，即便是更小型化的 GPT-4.0 Mini 模型，也是我们现有能力最强的模型之一。据我估计，其成本仅为 GPT-3 发布时的 1%，相当于降低了 99%。这个模型变得更智能、更安全，而且在不到两年的时间里成本大幅下降。
我不确定是否还有其他行业能经历如此快速的变化，但这种局面非常棒，因为随着人工智能覆盖面的扩大和成本降低，其应用场景更多，我们也能共同解决更多的问题。我们希望更多人能够使用这项技术。此外，高级语音处理模型同样极为重要，我可以谈论一整天关于它的应用场景。
罗伯特·西原（Robert Nishihara）
我只是想强调一下你的观点：每当你能够将某件事情的速度提升或成本降低一个数量级时，就能解锁更多的使用场景，就像我们在 Ray 上看到的那样。
凯文·威尔（Kevin Weil）
几周前，我在首尔和东京与当地的客户进行了多场会议。有些会议我们配备了翻译，但在很多情况下，会后我会四处走动，希望能与人交流。多数时候，我不懂对方的语言，他们也不懂英语，我们几乎没有共同语言。因此，我使用了 ChatGPT，请求它作为我的翻译。我用了我们最新的高级语音模式，Plus 版本现在可以使用这个功能。
我请它把我说的英语翻译成韩语，并且将听到的韩语翻译成英语。结果，它真的做到了，让我能与人交流。如果没有 ChatGPT，我们可能连沟通两个字都做不到，更别提进行完整的商务对话了。这非常强大。而想象一下这项技术在其他领域的应用，不仅限于商务，还包括旅行和旅游。如果人们不再害怕去那些不懂语言的地方，生活会发生怎样的变化。这就像实现了一个通用翻译器的梦想。
罗伯特·西原（Robert Nishihara）
已经存在很长时间了。
凯文·威尔（Kevin Weil）
过去，这就像是【星际迷航】里的情节，不是吗？这曾经是科幻小说里的内容。而现在，你已经在口袋里拥有了其中的一个装置。
罗伯特·西原（Robert Nishihara）
这简直令人惊叹。我记得大约在 2015 年或更早的时候见过一些展示，不过，这次的确令人难以置信。我们来谈谈竞争格局。开源模型对于 OpenAI 的业务意味着什么呢？
凯文·威尔（Kevin Weil）
我很高兴这些模型是开源的。实际上，我认为这不是非此即彼的问题，而是应从哲学使命的角度出发，让更多人能够接触到 AI。这是一件非常了不起的事情。此外，我已经与马克合作很多年，非常尊重他。这对于 Meta 来说是一个非常明智的策略。我们也进行了一些开源的尝试。我们的 Whisper 模型用于转录，已经完全开源了一段时间。因此，我觉得这样很好。我们能够让更多人接触 AI，最终，人们希望找到最有能力、价格最合理且尽可能安全的模型，选择越多越好。
罗伯特·西原（Robert Nishihara）
您认为，OpenAI 最佳模型与最佳开源模型之间的质量差距会扩大还是缩小呢？
凯文·威尔（Kevin Weil）
我想说的是，我们一定会尽力推动其发展。
罗伯特·西原（Robert Nishihara）
您如何看待与云服务提供商之间的竞争？他们拥有构建先进模型所需的数据和资源。
凯文·威尔（Kevin Weil）
这些市场参与者之间确实存在很大差异。可以说，激烈的竞争是必然的，因为这可能是全球增长最快的市场之一。我们需要分别考量不同的云服务提供商。Microsoft 是我们紧密合作的伙伴，他们通常在创新时使用我们的模型。Google 则更像是一个直接竞争对手，而 Amazon 则类似于 Anthropic，他们通过 Bedrock 平台在市场中崭露头角。
然而，更多的竞争意味着更多的选择，竞争促使我们不断进步。 由于该领域的激烈竞争，您将能够获得更优质的人工智能模型，这对全球都是有利的。我们需要做到一些大型云服务商无法做到的事情。我们计划加速行动，承担更多风险，并深入挖掘产品和新模型的潜力。
O1 和一般推理能力将变得更加重要
罗伯特·西原（Robert Nishihara）
我对 O1 推理模型的发布印象深刻。能否分享一下在将这个模型转化为产品的过程中所面临的挑战？
凯文·威尔（Kevin Weil）
有人玩过 O1 吗？它真的是一种令人惊叹的体验。
罗伯特·西原（Robert Nishihara）
对几乎所有人来说，都是如此。
凯文·威尔（Kevin Weil）
O1 是一个引人入胜的项目，充满了各种有趣的挑战。对于还未接触过 O1 的人来说，可以将其与我们熟悉的模型构建模式相比较，比如从 GPT-2 发展到未来可能的 GPT-5。这些模型依靠更大的计算能力和预训练数据集，每次都进行大规模的预训练。虽然这些模型涵盖了广泛的知识和事实，但它们仍然运行在类似心理学中「System One Thinking」的模式下：你提出问题，模型给予回答。
而 O1 的独特之处在于其学会了推理。当面对问题时，O1 不仅仅是马上给出答案，而是深入思考，提出假设，并将这些假设与已有信息进行验证或反驳，以生成新的假设。 这就像当你面对一个难题时，在脑中不断琢磨。O1 在后台进行类似的运算，打破了知识的边界，不仅依赖于已有的学习内容。因此，O1 在科学、数学等纯粹需要推理的领域中展现了卓越的能力。
起初，我们不确定 O1 的普遍价值何在。我们知道在数学和科学领域，O1 展现了无与伦比的能力。在迎战类似 GPQA 这样的高难度研究生级科学评估时，O1 在各个科学领域的表现超过了 90%的研究生，远超 4.0 的标准。我们的一个关注点是，O1 在编程或创意写作这类人们惯用 ChatGPT 的领域中是否同样有效？这促使我们认真思考产品的开发方向。O1 需要时间进行思考，并在后台进行大量推理，因此我们需要找到一种合适的方法来展现这一过程。最终，我们选择在用户体验中，通过可视化的方式展示其思考过程，让用户了解 O1 如何得出结论。
在整个构建过程中，我们遇到了许多新问题和挑战，但市场反馈相当不错。我们将 O1 引入 API，是因为我们知道开发者将面临最具挑战性的使用案例。我们确实见证了 O1 的广泛应用和一些令人惊喜的创新应用。
罗伯特·西原（Robert Nishihara）
是的，事实上，基于你提到的技术的广泛应用性，我意识到一些最为艰难的科学研究任务——例如攻克癌症治疗的难题，可能需要具备强大推理能力的模型。在这种能力需求的光谱另一端，某些任务，例如总结新闻文章，则不需要太多推理能力。展望未来，对于不同的发展任务，大多数会处于这个光谱的什么位置呢？
凯文·威尔（Kevin Weil）
从某种角度来看，这确实非常有趣。如果考虑当前经济中一些最有价值的任务，O1 在一定程度上受制于其上下文处理能力。然而，这些限制最终会得到改善，使其能够处理更长的上下文信息，从而实现更深入的「思考」。目前，它的「思考」时间大约是 60 到 90 秒，这显得有些荒谬。有时候我问它一个很难的问题，它只用了五秒钟就给出答案，我会想：哦，我无法挑战它的极限。但在 60 到 90 秒时，它会达到能力的极限。
你可以想象一个世界：你问它一个关于如何治愈某种特定癌症的难题，让它思考五小时、五天，甚至五个月。有些问题确实需要长时间的思考。而对于那些类似于「嘿，帮我总结一下这封电子邮件」的简单请求，我相信即将发生的变化是，我们将习惯于一个这样的模型：这些 AI 非常聪明，但我们很容易对它们习以为常。你会发现它们通过固件更新快速进步。
我读到一篇文章，有人第一次试用 Waymo，他们在 10 秒钟内想着：「哇，小心！那里有个骑自行车的人，车会不会……」然后 10 分钟后，他们觉得：「天哪，这是最酷的。」再过 20 分钟，他们开始感到无聊，只是在手机上查看电子邮件。我们如此迅速地适应世界上令人惊叹的新技术。
罗伯特·西原（Robert Nishihara）
对于来旧金山旅游的人，在离开之前一定要体验一下自动驾驶汽车。
凯文·威尔（Kevin Weil）
这真是太神奇了。然而，我们仍然习惯于逐步指导 AI。例如，我有一封电子邮件需要总结，然后用于其他用途。 我认为，我们正在从依赖 AI 回答问题的时代，过渡到 AI 为我们完成实际任务的时代。 AI 将不再仅限于处理五分钟的小任务，而是能够完成长达五小时甚至五天的大型项目。即便是日常事务、商业流程和效率问题，AI 在这个过程中也需要进行大量的推理，以制定更复杂的计划并执行，同时定期与我们沟通。 因此，我认为将来 O1 和一般推理能力将变得更加重要。
罗伯特·西原（Robert Nishihara）
这是否意味着每个基于该模型构建产品的开发人员，都需要重新思考产品的用户体验，以便既能利用这些增强功能，又能应对显著的延迟？
凯文·威尔（Kevin Weil）
我认为这是一种更为根本的哲学转变。过去，你可能习惯于通过层次化的系统思维方式，用 AI 提问并获得答案。而未来，你可以指示 AI 为你执行任务。未来的 AI 将更加主动，这将带来产品构建方式的不同变化。因此，像 UI 这样的元素无疑会发生变化，因为需要更灵活地处理。实际上，以前无法实现的产品现在可能会实现。 如果我是开发者或正在创办公司，我会关注 AI 刚刚开始能够实现的功能，并为那些尚不成熟的用例进行开发。 因为在三到六个月之内，它们将运作得非常好，而你将领先于他人。
罗伯特·西原（Robert Nishihara）
对于开发者来说，您有哪些建议？比如，在什么情况下应该优先选择使用 O1 而不是其他？比如您提到编程的问题……
凯文·威尔（Kevin Weil）
我们发现，O1 是一位极为出色的程序员，尤其擅长处理复杂的任务。如果仅仅是编写一个用于排序列表的 Python 函数，几乎所有模型都能胜任。 然而，O1 在处理需要推理和多方权衡的复杂编程问题时，才能真正展现其专长。在快速发展的时代，了解目前 AI 无法完成的事情非常重要。
当你朝这些方向进行开发时，可能初期产品并不成熟，但经过三个月，它将变得非常出色。正如 Sam 多次提到的，如果你在开发项目时，担心 OpenAI 或其他公司的下一个模型发布，那么这可能说明你没有在做正确的事情。如果你仅仅是弥补模型当前无法完善处理的空白，这并不是理想的状态。然而，如果你开发的产品因为下一代大模型的问世而得以提升，那就是令人振奋的，因为这表明你在推动智能的前沿，探索过去难以实现的新产品领域。我认为这是最令人感到兴奋的事情。
罗伯特·西原（Robert Nishihara）
那么，世界其他地区何时会赶上 O1 的发展步伐呢？
凯文·威尔（Kevin Weil）
我指的是明天、明年，或者从现在起的 12 个月后。这个行业的有趣之处在于还有很多未被发现的东西。尽管各个实验室专注的领域略有不同，但它们都在做出色的基础工作。因此，有些实验室在某些方面领先，另一些则在其他方面占优。我认为这正是这个行业最激动人心的部分。有很多竞争，因此你必须保持在最佳状态，并且快速进展。
我假设在某个时间点，其他实验室也会发现我们用来构建 O1 的技术和方法。随着时间的推移，某些技术会逐渐扩散。我们的任务就是确保在他们掌握这些技术时，我们依然领先三步之遥。我们对 O1 使用的技术非常有信心。我提到过这是一种不同的扩展范式，它并不是依赖大规模的预训练，而是在推理时进行扩展。 我们认为我们现在处于类似 GPT-2 的阶段，并看到许多快速改进这些模型的机会。当其他人追赶上来时，我们要力争再领先三步之遥。
罗伯特·西原（Robert Nishihara）
确实，推理时间和计算复杂度增加的趋势非常值得关注，特别是对于那些考虑提供支持服务系统的人来说，这将带来更大的挑战。
凯文·威尔（Kevin Weil）
好的，没问题。
模型的响应需要更具多样性
罗伯特·西原（Robert Nishihara）
接下来，我们来讨论消费者产品。你曾参与建设一些世界上最成功的消费者产品，比如 Twitter 和 Instagram。最终，社交媒体通过广告实现了盈利。那么，消费者导向的 AI 最终会通过什么方式实现盈利呢？是通过每月 20 美元的订阅费用，或者其他方式？
凯文·威尔（Kevin Weil）
这个问题非常有趣。我必须说，目前我们并没有全部的答案。现在我们明确的是，没有计划在广告方面开展任何工作。随着模型的不断智能化，比如，我们听说某些律师事务所的资深律师表示，他们让 AI 代写了一份法律简报。此类工作原本需要一个收费每小时 1000 美元的律师花六个小时完成，而 AI 只用了五分钟。当你能用大约 3 美元的 API 费用，在五分钟内完成价值 8000 美元的工作时，这意味着什么呢？
因此，我认为我们尚不清楚所有的答案。同时，我们的使命之一是将这些技术带给每一个人。在世界上的很多地方，我们提供一款免费产品，并将一直保持免费。这是我们的坚定信念，我们也在努力让 AI 变得更加便宜，以便在免费产品中提供更多功能。
当然，也有一些原因让您可能需要每月 20 美元的订阅。然而，世界上还有很多人无法负担每月 20 美元的费用，那么我们如何在某种程度上分享我们创造的价值？如果我们能用少量费用在五分钟内完成原本需要花费 8000 美元的任务。我们也在努力让 AI 服务于世界的其他地方，无论他们是否能支付费用。这是一个尚未解决的问题。
罗伯特·西原（Robert Nishihara）
你认为，这会如何发展？最终是一个只值 3 美元的 API 令牌，还是能够以接近 8,000 美元的价格售出？
凯文·威尔（Kevin Weil）
我不知道……我觉得这个世界即将发生改变…… 如果这些东西的成本只需 3 美元，你就不能再以 5000 美元的价格出售它们。 因为很快会有人按照真实的生产成本来出售这些东西。所以，这将是一个完全不同的世界……而且，我的意思是，我们在场的每个人都在共同创造这个世界，我们都有机会去塑造它。
罗伯特·西原（Robert Nishihara）
在规划 ChatGPT 的发展路线图时，你是否会参考某些产品？比如，你会不会想这是有点像搜索引擎，或者像消息应用程序之类的产品？
凯文·威尔（Kevin Weil）
有趣的是，我发现将这些系统比作另一个人是一个很好的类比。让我举几个例子。当使用某个系统版本时，它可能需要花些时间来思考问题的答案，对吧？所以用户可能得等上 30 秒或 60 秒。这种情况下，我们如何在用户界面（UI）中处理呢？如果我问你一个难题，而你不知道答案，大多数人不会一开始就喋喋不休地说出各种想法，也不会静默地盯着天空看上 60 秒。通常情况下，你会不时提供一些进展，比如说，「我想这可能是答案，稍等一下。」 这样，你能不断地更新进展，而这也是我们实际产品中的处理方式。
在语音模式下，情况则有所不同。当你与人交谈时，会发现这与书写截然不同。我不知道你是否曾经写过演讲稿并将其朗读，我发现这样显得相当生硬。为了让它听起来更自然，我们需要改进写作方式。在开发高级语音模式时，我们遇到了类似的挑战。有时在开发过程中，每次提问，系统都会给出答案，然后再接另一个问题，这种交流方式似乎让对话自然地延续下去。因此，通过这种有趣的方式，我们能够确定在这种情况下人类的自然反应是什么，也为 AI 应该如何表现提供了指导。有趣的是，模型本身的行为实际上成为一个独立的产品，拥有其特定的个性等。因此，我们的产品经理和工程师正在努力塑造模型的个性。
罗伯特·西原（Robert Nishihara）
这实际上提供了一个非常有趣的见解：书面英语和口语英语实际上就像是两种不同的语言，而这一点并不总是显而易见。
凯文·威尔（Kevin Weil）
对我来说，这听起来至少有些不自然。顺便说一下，如果你将其数字化后再读一遍，我可能完全无法理解你的意思。
罗伯特·西原（Robert Nishihara）
因此，用户体验在这个领域至关重要。你提到你们在用户体验方面取得了很多突破。当然，聊天界面是一个重要的用户体验进步，而语音模式则是另一个。有没有其他尚未推出或者目前正在开发的，但你认为同样重要的突破呢？
凯文·威尔（Kevin Weil）
显然，模型的响应需要更具多样性。 目前，互动主要以文字交流为主。我们相信并且正在积极努力一个目标，那就是利用所有你与他人互动的方式来与我们的模型互动。比如，我会经常发短信，今天早上也给你发了不少，我们就是通过这种方式互动的。实际上，这也是目前大多数人与 ChatGPT 互动的方式。
除此之外，我还会说话和观察，我们希望你能对模型说话，它能对你做出回应。我们希望当你举起手机时，可以向模型展示你所看到的事物，并询问关于现实生活的问题。我们已经讨论过 Sora，模型可以通过实时数据生成视觉内容。所有这些功能都需像自然互动那样完全集成。我认为，模型的响应将变得更加丰富，你不仅会收到文字，还会获得多媒体内容，并能够据此进行操作。在这方面会有更多发展。正如之前所述，这些变化是显而易见的。
有趣的是，随着我们转向更多主动行为，并让模型在更长时间内执行任务，聊天界面的持续时间会如何变化。实际上，我认为聊天仍然会保留，并需进一步发展，但作为一种基本的互动方式，它依然适用。因为作为人类与智能 AI 的协作模式，聊天和对话确实适合当今的交流方式。所以，我们拭目以待。这也是我们在这个领域构建乐趣的一个方面。
OpenAI 的渐进式部署
罗伯特·西原（Robert Nishihara）
在不同的话题上，人们可能担心模型会过于偏向左翼或右翼，或者过于关注政治正确性。如果涉及到价值观的问题，这些是研究团队在模型的训练或后期调整阶段解决的，还是在模型应用的产品层面解决的呢？
凯文·威尔（Kevin Weil）
这些问题确实非常有趣。同时，我怀疑如果让房间里的每个人投票，能否达成一致意见。尤其在政治问题上，人们的观点往往是五五开的，通常模型不应该对此类问题表明立场。例如，当有人问「地球是平的吗？」时，超过 99%的人会同意地球不是平的，但仍有少数人持不同意见。那么模型应该在这个问题上有立场吗？如果意见比例是 80 对 20 呢？这些都是难以回答的问题。
因此，我们制定并发布了一份关于模型使用的规范，并提供了大量示例，说明模型应遵循的原则。这些内容以自然语言形式发布，任何人都可以阅读和评论。如果模型的行为不自然，可能的原因有两个：一是模型未能遵循规范；二是您不认同这些规范。若是前者，这是技术上的错误，需要修正。若是后者，这则是一个可以讨论的问题。不过，至少我们有一个公开的规范，便于社会集体进行讨论。我认为，到目前为止，这一方法效果不错。
随着模型能力的提升，规范也必须不断演变。相比于单纯因为不喜欢某个答案就要求「哦，去修复它吧，OpenAI」，拥有一个供大家讨论的文件要更好。这就是我们尝试的方法。
罗伯特·西原（Robert Nishihara）
我同意，这是一个很好的方法。很多人在这里不仅构建模型，还围绕着模型构建系统来开发产品。
罗伯特·西原（Robert Nishihara）
从安全性的角度出发，安全性涵盖了许多不同的方面。那么，应该如何确定分析的正确对象呢？是专注于模型本身，还是关注围绕模型的系统和产品呢？
凯文·威尔（Kevin Weil）
我们的理念是，要同时兼顾这两种方式。从纵深防御的角度来看，我们希望模型永远不要去执行或回答某些事情。而另一些事情则可能根据具体应用的背景而不同。因此，对于 ChatGPT，我们采取了一套特定的策略。
然而，在 API 的使用中，用户有更大的自由度，可以持有不同的策略和观点。例如，如果你是一位核聚变科学家，某些问题可能在 ChatGPT 中不适合回答，但对你而言讨论这些问题可能是有意义的。因此，在某些情况下，我们会明确表明立场，说明模型不应做这些事情，因为它们是非法的，或者与我们产品设计的初衷相悖。而在其他情况下，我们希望根据实际情况给予更大的灵活性。
罗伯特·西原（Robert Nishihara）
在编写和制定这个标准时，我很好奇，你认为贡献者需要具备哪些最重要的技能，才能做好这项工作？能列举一些具体的技能会很有帮助。
凯文·威尔（Kevin Weil）
在更广泛地考虑模型行为时，我们实际上雇佣了众多内容创作者，以帮助模型更好地表达自我，并准确传达其情感意图。在我很久以前于 Twitter 工作的早期阶段，Eve 说过的一句话对我影响很深，也延续到了今天的 OpenAI。 他提到，无论你公司内部有多少聪明人，外部仍有更多聪明人。 这适用于任何与社会变革相关的问题。
在 OpenAI，我们秉持渐进式部署的理念。对于新技术及其引发的各种社会挑战，从安全到日常事务，我们相信，通过让模型逐步接触更广泛的人群，可以确保其安全性，并逐步推动世界的积极变化。这正是我们在此采取的方法，也是我们公开模型规格、保持开放的原因。我们欢迎来自全球的反馈，并以此为基础加以改进，而不仅仅依赖于 OpenAI 团队的反馈。
罗伯特·西原（Robert Nishihara）
确实如此。实际上，我们从庞大的开源社区以及众多公司对 Ray 的贡献中获益良多。
罗伯特·西原（Robert Nishihara）
在结束之前，你能分享一下你对未来的看法，以及你所期待的事情吗？
凯文·威尔（Kevin Weil）
我觉得这将是件很有趣的事情。我用 ChatGPT 作为翻译工具的体验让我感到惊讶。我也很期待每个孩子都有一个个性化导师的场景。事实上，我有点惊讶这种服务现在还没有普及。可汗学院曾在这方面做出一些有趣的尝试，但似乎没能真正流行起来。我敢说，大多数观众的孩子可能还没有使用过这样的服务，更不用说那些对 AI 不太了解的全球用户了。不过，这似乎是一个几乎不可避免的发展趋势。 当你看到孩子们在个性化辅导与传统学校教育之间的对比时，效果十分显著。
罗伯特·西原（Robert Nishihara）
我能问你一个问题吗？这种情况，是属于可以在 OpenAI 模型基础上创造大量价值的领域，还是属于下一个模型可能让我的工作过时的领域？
凯文·威尔（Kevin Weil）
我认为这里有巨大的发展空间。在一定程度上，我们接近或已经达到了一个关键点，这个关键点不再是智能本身的限制，而是如何进行评估。 模型具备处理多种任务的能力，而当务之急是将其应用到非常具体的用例中，教授其一些虽未能直接理解但可学习的内容。 通过使用一些非公开的数据集，比如多年来通过商业实践积累的专有数据，模型能够在特定领域表现出色。
我们独自无法完成大多数这些任务，这就是为什么我们要与可汗学院合作并构建 API。 我们期待着开发者们能够创造出一系列卓越的应用，因为我们相信，AI 越快在全球普及，世界就会变得更加美好。 我对此非常兴奋，并认为模型将迅速取得更大进步，这意味着我们面临着重大的机遇。
罗伯特·西原（Robert Nishihara）
感谢你的独到见解，Kevin。能够和你交流，我感到很高兴。
凯文·威尔（Kevin Weil）
谢谢你邀请我。
