AI明星创业者在持续进化 | 对谈心识宇宙陶芳波AI产品经理

AI明星创业者在持续进化 | 对谈心识宇宙陶芳波

85分钟 ·
播放数1764
·
评论数13

认识陶芳波,还是我写了两篇OpenAI投资的Dot App文章,正好他们在做一款稍微有些类似的产品:mebot,所以有过不少交流。

陶芳波是谁:

陶芳波是一位全球知名的人工智能科学家,曾任阿里巴巴达摩院神经符号实验室创始主任。曾任Facebook高级研究科学家,并在美国伊利诺伊大学厄巴纳-香槟分校攻读博士学位,其主要研究兴趣包括大规模数据挖掘、文本数据立方体和自然语言处理。

心识宇宙是他在ChatGPT发布前,2022年1月创办的AI公司,主要产品有两个:MindOS和现在主推的Mebot。

聊完后给我的感觉是,他一方面对于自己的长期思考有笃定,另一方面也在持续的反思,认可历史的局限性,也在不断进化,去探索可能的未来。

整期播客我提了很多有挑战性的问题,他也一一做了回应,录制完成的那一刻,自己的感受是非常美妙的。

Shownotes:

Part1 陶芳波及心识宇宙

02:00 作为Facebook推荐系统的历史见证者

06:52 ChatGPT出来这么快,导致我们直接变成出海公司

09:16 现在MindOS怎么样了?Agent是在马车上装发动机

16:23 心识宇宙的核心能力是什么?

21:25 35岁生日的惊喜

Part2 Mebot

23:54 一句话讲清Mebot过去现在和未来

32:49 Mebot是当下公司最核心的产品么?

36:50 AI跟AI聊?

37:43 有什么问题是你觉得的好问题?

40:59 个性化是我很需要的能力

45:29 推荐系统的价值放大

46:54 陶博的反思:过去过于重视技术

50:01 陶博:我是Evernote重度用户,说说我的习惯

54:46 黄叔使用Mebot的个人感受

Part3 有关创业

01:06:27 什么才是创业者的机会?

01:10:13 半年内会不会打脸?

01:13:00 AI创业者不要做的方向

01:16:49 AI时代产品经理还会那么重要么?

欢迎大家收听~

对了,他们团队发了最新的Paper,和要做的事情强相关,欢迎查看:

arxiv.org

“这个是 AI-native Memory 的文章”

近期会发布对应的文字版本,也欢迎先关注公众号:《AI产品黄叔》

展开Show Notes
Diego26
Diego26
2024.7.23
听完后有两个困惑:一是mebot到底是什么,虽然这个问题聊了很多,从个人记忆到个人模型到note app,感觉功能上就是个记录软件,但又画了一个个人模型的饼。二是个人模型到底有什么用。个人模型相当于是本体的数字分身,是为了预测本体的决策。但我觉得这和互联网时代的QQ聊天、博主这些是不同的。互联网时代的需求,要么是为了扮演不同于本体的角色,要么是为了社交等等。换句话,数字分身是为了服务本体的物质精神需求的。但一个和自己一样的数字分身,除了取代本体还有什么作用?让两个数字人在一起交流对于本体有什么意义?确实没想明白。
Tobin爱读书:感觉在搜广推场景会更准
Super黄
:
邵亦波: 大模型甚至没办法理解浅显的1+1=2的概念,但就像镜子一样,镜子能够创造出巨大的自我意识。想象一下有镜子和没有镜子的区别,镜子其实改变了你看待自己、世界以及周遭一切事物的方式。镜子作为一种化学材料远不能被称做智能,人工智能显然可以比镜子做得更多。 这是我最近看过对ai最好的类比
完整听了Super黄和陶芳波两位老师的对谈两次,密度非常大,有很多很受益的insights。第一次记了2600字,第二次记了1600字,凝练成五个小点分享一下

1、个性化
个性化必须做。把AI当人,再做产品——AI Wingman。相对依附,一定自主性
数字分身是makesense的——但是希望让AI通过听到你的所有对话来predict,这条路走不通——email、facebook、元宇宙、后面是?
真能预测你的下一个想法(就好吗?zimmer blue的AM?)

【个性化】这个词是具体的,并且是需要不断打磨,而非狂野去堆数据量期望泛化
如果无法通过繁琐的工程量来完成,那可能需要端到端
Predict the next thought。为个性化这个东西建一个模型
现在的AI用prompt engineering做个性化,非常像15年前完全用规则去做推荐 吗?
RAG和长上下文这些,是无法完全解决【记忆or个性化】问题的

2、新的数据
要么新的设备,要么新的数据,要么二者兼备
接触真实生活,不就像控制了你的桌面而非调用各app的访问权限吗?
互联网时代寒武纪大爆发,有大量新增场景的数据涌现。AI时代有更多数据增量且更依赖数据,但你要先找到他
两点教训:快速形成共识的方向不要去做;数据永远是第一位的,找到你的数据,技术再强,领先也只是暂时的
AI时代不讲数据飞轮,是intelligence flyware,智能飞轮。可能有新型不断进入的数据流,用什么引擎,把新型数据流变成不断更新的智能,再通过产品化变成真正的用户价值

3、创业原初思考
一定要非常非常确定一个走下去的主题,不要变,千万不要变。而且这个主题就是一个词,只是一个词。而且,张一鸣,张小龙,王兴等。他们最终成都不是从一个小而垂的点开始做的。他们从Day1就开始尝试做一个更泛的,能有全民属性的产品
即使目前你做的也是小众的场景,但关键点在于——什么时候能泛化更大的场景?还是你的形态注定把你框死了?第一天就要思考

4、产品思考
碎片化,轻量的,没有心理压力的交互方式
同理+回应+开放式提问。开放式提问很有压力很有门槛——除非你问到点子上
所谓【人的第二大脑,对insights的惊喜,让AI不断提问倒逼你思考……】,这些shining的点,本身就是不到5%的人会思考的问题吧?门槛太高了吧?
agent平台不可能用在C端——除非门槛超低的游戏化I suppose
行动靠workflow,知识靠rag,表现能力像claude的artifact,但——
脚手架永远是外挂,解决不了最根本的问题。人的大脑存算一体。他们的参数是co training的。agent的假设是分离的。我的模型引擎很强,我用上一代的外挂能不能好?像在马车上装轮子
从技术底层上,可能需要的是trainable/teachable agent
从产品层上,从洞察中定义出下一代是什么,倒推补足缺的技术能力
在pretrain上模型构建continuous training使得它可以align with your scenario
本质和我想的:Energy-Model-Intelligence-Scenario-Value,这个通路是相通的

5、有趣的小点
把集权AI和《美丽新世界》类比,很有意思,能由此见微知著看到些内核
问对方“有没有被问到过哪些好的问题是你印象很深刻的?”,然后让他自己回答,妙
03:42 第二遍听,刚听三分钟就有新发现
创造人和AI共存的社会结构
thirdparty
thirdparty
2024.7.22
主播可以考虑之后加上shownotes
Super黄
:
可以加,有时间我补上
自牧生
自牧生
2024.8.01
这种个性化模型要做到存算一体而非 pre-train,难道是把个人记录做成 RAG 再辅以一些简单的 machine learning 小模型?
超精彩!求芳波邮件
momo_W4jW
momo_W4jW
2024.7.24
28:51 所以手机系统更容易实现 它自动获取所有数据 期待一波iOS mac
jiahuuui
jiahuuui
2024.7.24
现阶段 ai 没法完成对概念空间的深入,所以预测下一个想法的基础就不存在
大米_IEcm
大米_IEcm
2024.7.24
体验了一下产品,很有启发,前景很好,但是目前技术实现不了。感谢
thirdparty
thirdparty
2024.7.22
27:37 这事听起来就应该微信做