未来是千亿 bot 和个人模型的时代 | 对谈心识宇宙创始人陶芳波

未来是千亿 bot 和个人模型的时代 | 对谈心识宇宙创始人陶芳波

52分钟 ·
播放数11395
·
评论数34

心识宇宙是国内最早做 AI 的公司之一,我记得 22 年中的时候就和他们交流过,当时他们说我们在做人类大脑之类的,我听得云里雾里,后来才知道,原来就是大模型,再后来他们推出了 MindOS,应该算是全球最早的 Agent 类产品。

在这期播客中,陶芳波分享了他这么多年做 AI 的经验和教训,包括他觉得 MindOS 类 Agent 产品的问题是什么,为什么他们要推出新的 Me.bot 这款产品,背后的思路是怎样的等等。我们也又花了很长时间来探讨 bot 的意义和未来,及为什么 bot 是 AI 的最小基础单元(以及入口?)。

另外,我印象很深的是,他说个人模型才是未来,还提出了很大胆的猜想,未来的大模型就是去中心化的,就像个人电脑一样,最开始大家觉得全世界就只有几台大型电脑就可以,但最后的结果是我们的身边充斥了各种小型计算机。

期待千亿 bot 和个人模型的时代!

人类博物馆】

导游:曲凯,42章经创始人

24 号珍藏:陶芳波,心识宇宙 (Mindverse) 创始人

时光机】

  • 00:54 不能免俗的背景介绍:Facebook→阿里达摩院→Mind OS→Me.bot
  • 02:46「个人模型」也许是下一个十年的「个人计算机」
  • 4:27 AI 世界的最小基础单元
  • 5:56 AI 来了,国内 2B 行业似乎可以直接跳过 SaaS 阶段
  • 6:40 大家都在做「提供供给」的 bot,但我认为最重要的是「理解需求」的 bot
  • 14:19 一个艰巨的问题:如何让 AI 具备自我进化能力?
  • 20:34 自我的两种形式:「Experiencing self」vs「Remembering self」
  • 24:46 AI 如何知道,什么该被记住,什么可以被忘掉?
  • 26:45 事情有了一些眉目:我们找到了一种新的记忆训练方法
  • 31:05 我本以为做 Agent 是一个工程问题,后来发现这是一个科学问题
  • 36:16 最终极的 AI 助理,到底会是 her,him,them 还是 me?
  • 38:09 回到眼前,Me.bot 现阶段的使用方法
  • 43:00 什么应用最终能成为超级入口?
  • 44:57 个人模型上生长出的应用生态
  • 51:01 未来,个人模型和智能设备会是什么关系?

The gang that made this happen】

  • 制作人:Celia
  • 剪辑:思娜、梦昕
  • Bgm:Mondo Bongo - Joe Strummer & The Mescaleros
展开Show Notes
Ragn
Ragn
2024.9.01
嘉宾给了很多很有价值的前沿思考,但总感觉是个 5-10 年长跑。 概念和目前技术还存在很大的 gap
【非常认同的部分】:
1, bot或者AI助理会是终极入口。
2, 大家高估了底层价值,低估了个性化场景中Knowhow的价值。
3, 未来直接调用供给侧需求的,可能不是人类,是bot
嘉宾宝宝很精辟,很赞!
【个人不赞同的部分】:
1,个人私有模型不见得必须依赖“人类的记忆”,去搞“人的记忆”非常之难且不见得对人需求的个性化是完全有益的帮助。记忆并不靠谱。实现个人模型的个性化的自动化,是目的,但我不认为记忆是个好的方向,反而会限制人,或者给AI喂养了噪点。人格的自我认同并不来源于记忆。研究记忆,不如研究基因。
2,个人需求侧与供给侧,我不认为应该分开做,我认为应该做到一起。超级自我,和供给侧,不是用不同的训练就可以分别训练出来的,这很像是妄想。我更赞同汪华说的,真正的超级自我能不能出来是个问题,是大模型底层的不同,也许会出来,但不是现有模型训出来的。
4, 什么性质的应用可变入口:体验,社交,内容得这种分类方式我也不很认同,未来社交内容和体验都没清晰边界了。我觉得人性不变,入口的特征我更喜欢用【最刚性最高频最便捷】的那些就是入口
【我今天听完的感触是】
AI创业最后拼的是生物学底蕴。以后有机会见到曲凯我送你一本《人类的起源》(买不到的那种版本)
曲凯
曲凯
2024.9.01
对了!我9.4-9.14会在湾区,欢迎湾区同学们加我微信 qukai42 约起,以及会争取在湾区挖掘一些好嘉宾好内容带给大家😃
晓风暮笛
晓风暮笛
2024.9.03
非常有收获,先做一下总结和思考:
1、我们可能高估了AI的基础能力的价值,却低估了AI在应用场景中knowhow的价值。(这里发散的想一下,LLM中学到的到底是底层知识认知还是人类经验认知)。
2、可能未来世界bot会成为未来的基础单元,但是这里的bot跟现在的AI应用是不同的,是模型bot。
3、当前都在做提供供给(提供服务提供内容)的AI,但可能更重要的是身份性的理解需求的bot,一个与用户(或者真实世界的实体)绑定的互为映射的bot。(人与个人AIbot,是否是一种镜子映射的关系,光就是SFT的数据,而镜子就是模型学习服务,那么映射出的到底是什么,人的经验、感情、认知,还是什么其他的?)
4、bot是点,bot与bot之间的互动是边,边是服务,边组成了AI网络。
5、bot需要能够持续进化,bot有两个部分,一部分是不断的跟它所镜像的主体进行对齐,更好的理解主体需求(个人模型SFT);另一部分则是拥有能够加入AI网络并进行互动和信息交换的能力(任务决策和工具使用)。
6、供给侧的bot应该更像一个workflow,类似于一个传统软件,更偏向完成任务,而不是上面定义的bot。workflow虽然也是基于LLM,但是看来需要跟基于LLM的bot进行解耦。
7、langchain、RAG这些骨架是人工定制的,在实践过程中如果大量的反馈数据没有被学习进去并不断改造骨架,则骨架上面没有智能。
8、个人bot的构建参考人类记忆过程。怎样让AI像人一样学习到有价值的东西?参考认知科学,经历的自我和记忆的自我,从经历的自我中不断的抽象出记忆的自我,这就是bot的人格构建,抽象的过程就是模型训练。
9、Agent其实还是一个科学问题,记忆训练的方法并不是单纯的LLM训练。(特别认可bot其实是我们在造人或者制造灵魂的一种尝试,人类对上帝之门的触碰)。
真的非常感谢陶博,是我听了这么多大模型相关访谈中非常match的老师,很多观念都特别认同,23年时就听了陶博的几次讲座,也领会了陶博mindos的思路,进而做了非常多的agent项目。然后再这些项目中,也是慢慢的发现了langchain、rag这些脚手架的问题,尤其是今年rag风靡应用界后一直在想是不是应该回归训练的本源。
RAG解决的是信息传递,但有时我们想要的不只是传递, 更是希望将某些信息刻印在模型脑海中。
RAG,langchain框架当然是好方法,他们让一个NLP功能可以在几天甚至几小时就可以开发落地。但是他们不能解决所有问题。因此今年我在做情感陪伴类bot时抛弃了rag这些方法,而是回归sft,并且获得了更好的效果,然后在今年年中听了陶博关于记忆和mebot的两次访谈后,很多地方与我们的实践相契合,不仅心有戚戚焉。
关于情感陪伴/角色类bot,我今年也总结了类似的经验:AI角色可以类比为让模型去演戏,一个好的演员,需要的是自己足够的入戏。不断的琢磨所扮演的人物,代入人物的时代,感受人物的心理,让自己真正成为这个人物,甚至很多好演员会入戏太深。而这,就是我们要通过SFT等更好的学习方式让模型掌握到的,而不是只像RAG方案那样,那只是让演员在无感情的念台词。
先留言,再听,沙发是我的了
小邬的小邬:全部听完,这一期很有可能是下一个“最被低估的一期”,
武莫言
武莫言
2024.9.02
有点玄的呼
Letty_
Letty_
2024.9.07
要align人,复刻记忆不是一个好的技术路线。偏差大。一个家庭长大的双胞胎,有完全不同的性格和人格。
为什么大部分是工具。小部分是超级入口?
人的数据可能只有三类:体验数据(看到的环境),社交数据(聊天),获取外部内容的数据(看书)。
后两者已经有微信和抖音了,个人记忆和体验,深度思维行为数据是很重要的

me其实就是镜子。personal资产还能被个人化?值得深思
Pai派
Pai派
2024.9.03
我觉得这个链接应该是智能眼镜
壁花少年
壁花少年
2024.9.02
有意思的是,“高估了底层模型的价值,低估了场景Knowhow的价值”这个观点从李彦宏嘴里说出来的时候大家是嗤之以鼻的
47:13 类似me.bot的应用做入口还是比较难的,还是主动记忆和被动记忆的问题,AI手机上实现被动记忆门槛低很多,目前在我看来AI手机是实现个人助理的最有可能路径,个人助理天然带一个个人记忆。
不过通过个人模型底层技术倒是挺好的,可以和AI手机合作。
回答一个个人数据集中和分散的问题。不说短期,长期看个人数据肯定是集中的,因为这样效率最高。
44:05 想到一句话“一个人的气质里藏着你读过的书,走过的路,爱过的人”🤣
之前看到什么AI乔布斯、AI马斯克出来感到很兴奋,会尝试看他们在某些和我个人问题上会怎么处理,结果并不符合预期,总让人感觉很假。
通过这期播客,我感觉理解了why。
很显然,他们和我的生活经历有很大不同,若只是通过类似RAG+长上下文的方式去定位他们之前关于相关的问题的想法/理念/态度,很可能是找不到的,因此并不能做到彻底的模拟。
但如果是me.bot方式训练出来的“second me”,应该会更加接近真实的自我。因为针对个人的训练可以高度抽象出对一个人的深层的理解,他的信念/理念/处事哲学/处事态度/面对各类问题的各种经验范式 等到。这种范式是具备迁移的属性的,也能够被应用到新的问题中,解释新的现象,因此即便相关问题他们没有遇见过,也能尽可能真实模拟他们的视角回答。
不知道理解对不对,若理解不准确欢迎指正哈。
Kenny肯尼
Kenny肯尼
2024.9.01
28:28 但目前大模型更多是压缩,而非抽象,在抽象能力不足的情况下,很难做预测的场景
舒扬:怎么理解二者区别?
独托邦
独托邦
2024.9.01
44:09 超级入口的机会:“个人记忆”,社交,内容
JASting
JASting
2024.9.01
02:57 反思AI:可能高估了基础能力价值,低估了在场景中knowhow的价值。对标计算机,价值不在IBM超级计算机时代,而在计算机成为随身携带手机手表时代。—即不是唯一语言大模型解决所有场景所有问题,而是无数AI agent承载无数personal model。所以端侧模型很重要(?)
waityam
waityam
3天前
嘉宾的想法非常有启发性,受益很多。但是我这里有些个人的想法。
一是我觉得这个事情后面估计还是手机厂商搞定,手机本身这个天然入口的载体太具有优势了。让用户再额外下载一个应用,从体验上首先就一般,另外应用的数据获取也有太多壁垒。并且当个人模型时机成熟,各个硬件设备的入口厂商会对该类公司进行“卡脖子”,让用户只能使用他们的,没有公司会愿意放弃这个入口的(除非在这之前,个人模型公司可以有足够大的用户基数优势,可以有谈判的资本)。
另外的话,个人模型这个事情从技术本身出发,我认为还是要有agi这种的水平才真正有用,用户才会十分愿意去用,不然本质上也只是个智能记事本加大模型回答的功能,无法真正的理解我,并且跟我一起聊天探索这个世界。而个人模型达到agi这个事情,我觉得还是大公司才能率先搞定。
个人愚见,欢迎大家交流。
火星王
火星王
2024.11.12
听了几次 mebot 的分享了,有一些商业实践的想法希望深度交流,不知道能否有一个链接的渠道
林嘉伟_hVHq
林嘉伟_hVHq
2024.10.19
16:39 在 o1 出来之后问题算解决了
兔儿姐
兔儿姐
2024.9.27
想知道两百多篇文章的公众号叫什么?