学习OpenAI与Anthropic成功：两家公司内部，PM如何管理和快速交付AI产品（附视频）

文摘 2024-11-08 07:15 上海

（关注公众号并设为🌟标，获取最新人工智能资讯和产品）

全文8,000 字，阅读约需21分钟

——在OpenAI,训练AI模型就像在雕刻一个渐渐显露的雕像，我们既是创造者，也是发现者，因为你根本不知道新事物可能对我们有利还是有害
——因为每次尝试的意义不在完美，而在学习与启发，所以你不一定是每次都能推出完美的产品。创新不必等到100%的完美，60%的成果已足够启发未来
——在AI的进化过程中，今日的奇迹注定成为明日的古董，包括GPT3.5和 Claude AI。每个让我们惊叹的当下，都将成为未来的起点和过去的见证

两位独特的产品掌舵者正在经历着他们职业生涯中最具挑战性的时刻。近日，在旧金山的一场公开对话中，OpenAI首席产品官（CPO）Kevin Weil和Anthropic首席产品官（CPO）Mike Kreiger分享了他们在AI产品开发方面的前沿看法。

"这是我从未经历过的产品角色。"Kevin坦言，"在这里，每隔两个月，计算机就能做到一些前所未有的事情。我们不仅要思考用户是谁、解决什么问题，更要不断重新定义产品的可能性。"这种快速迭代的节奏，让产品开发充满了未知与期待。

而对于曾创建Instagram的Mike来说，转战AI企业服务领域则带来了完全不同的挑战。"我18岁时就立下誓言，要让每一年都与众不同。"他微笑着说，"在企业服务中，虽然决策周期更长，但与客户的互动却更加深入真诚，这让产品开发有了全新的意义。

文稿整理

主持人： 今天能和你们在一起真的很棒！我们就像朋友一样随便聊聊吧，可能有点无聊，但我还是很期待听听你们的分享。这对你们两位来说，其实都是相对新的角色。Kevin，我们先从你开始，你做过很多不同且有趣的事情。当你接受这份工作时，你的朋友和团队是什么反应？

一、作为CPO感受

（OpenAI 首席产品官） Kevin Weil： 总体上是很兴奋的反应。我觉得这可能是最有趣和最有影响力的职位之一，有太多东西需要去探索。我从未经历过如此具有挑战性、有趣且让人彻夜难眠的产品角色。它具备了普通产品岗位的所有挑战，比如弄清楚你的用户是谁、解决什么问题等等。但通常情况下，当你开发产品时，是基于已有的技术基础，知道自己手头的资源。但这里不一样，每隔两个月，计算机就能做到一些前所未有的事情。你得弄清楚这些新能力对你的产品意味着什么，而答案通常是很大的改变。所以能在内部观察AI的发展过程，真的非常有趣，我玩得很开心。

（Anthropic 首席产品官）Mike Krieger ： 我记得当时听到这个消息时，我想：“哇，居然能说服Instagram的创始人去参与到一个现有项目中。”我最喜欢的三个反应是：我记得当时听到这个消息时，我想：“哇，居然能说服Instagram的创始人去参与到一个现有项目中。”我最喜欢的三个反应是：一，熟悉我的人会觉得这很合适，觉得我会在那里找到乐趣；二，有些人会问：“你不需要工作了，为什么还要做这个？” 三是那些认识我很久的人会觉得我无法停下来（笑）。他们觉得我一定会做些新的事情。而且还有一些人会惊讶地说：“居然能雇到Instagram的创始人！”这也挺有趣的。其实也就那么三家公司能让我感兴趣。所以，根据不同人对我的了解，反应也有所不同。尤其是那些见过我“半退休”状态的人——那状态维持了大概六周，然后我就开始想着下一步要做什么了。

主持人： 我们最近一起和朋友们共进晚餐，我对你充满童真的好奇感印象深刻。你说你正在学习所有这些关于企业客户的东西，告诉我点企业服务的事吧，不像Instagram那样服务于普通用户，也不像一般的研究驱动的公司。到目前为止，有什么令你意外的地方吗？

Mike Krieger： 确实有两个方面。首先是进入企业服务这个领域，对我来说完全是新的体验。我18岁时曾立下一个誓言，就是每一年都要过得不一样，不要重复自己。这也是为什么我后来没有继续做另一个社交产品，因为那样会让我觉得太熟悉了。企业服务的节奏完全不同。你有最初的接触，觉得对方好像对你有兴趣，但接下来可能要经历漫长的流程，比如申请、审批，再到部署，可能要花上好几个月。在这段时间里，我常常想：“为什么还没上线？”而他们会说：“Mike，你才在这两个月，这还在VP级别审核阶段呢，总会到达的。” 所以我在适应不同的时间线。不过让我感到有趣的是，当你得到用户反馈时，可以与他们直接互动，甚至可以直接打电话问他们的使用体验。而面对普通用户时，你只能通过数据分析和汇总得到反馈。而企业客户会更坦诚地指出问题所在，毕竟他们的利益也与产品相关联，这让我感到非常不同，但也更有回报感。

主持人： Kevin，你过去也曾经开发过多种产品，那么你的直觉在多大程度上能够派上用场呢？

Kevin Weil： 在企业方面我也有一些看法。和普通产品不同的是，企业用户有自己的目标。你可以开发出一个完美的产品，但如果不符合企业客户的需求，它可能依然不受欢迎。举个例子，我在和一个大型企业客户开会时，他们说很满意产品，但提出一个要求：“我们需要你们在发布新功能前60天告知我们。”当时我心里想：“我也想提前60天知道啊！”

在OpenAI，我们同时服务于消费者、企业和开发者，几乎每一种产品类型都涉及。所以我的直觉在一半的情况下是有效的，比如当你知道产品的目标用户是谁，并在完成高级语音模式或Canvas时，进行一些调整，这些时候直觉确实派上了用场。不过，在项目初期，情况就完全不同了。你可能在训练新的模型时，会预感到它可能具备某种新能力，但你并不确定，也没人确定。就像是在雕刻一个渐渐显露的雕像，这种能力是模型的一个新属性。在这种情况下，你可能会频繁地向研究团队询问进展，比如：“模型训练得怎么样了，有什么新的发现吗？”而他们会说：“这是研究嘛，我们正在努力。”我们其实也不知道啊，我们也是边走边摸索。这种探索的过程真的很有趣，就像一起发现新事物一样，但也很随机。让我想到Instagram时代，比如苹果在WWDC的发布会，你会想“这可能对我们很有利”或者“可能完全给我们带来混乱”。而现在则像是你自己的公司在内部进行“自我颠覆”，这既很酷又让人担心会不会完全改变产品路线图。

2、产品迭代周期

主持人： 那么，这种循环对你们俩来说是什么样的？你们提到像是透过迷雾看下一阶段的能力，你们能否计划接下来的内容？这种探索新功能的迭代周期是什么样的？

Mike Krieger： 在智能方面，你可以模糊地看到某种进展的方向，因此你会想要根据模型的发展去构建产品。我认为有三种方式：第一种是智能，它虽然不可预测，但至少像一条可以观察的曲线；第二种是产品方面你决定投资的功能，然后与实际的研究团队进行微调，比如Artifacts，我们花了很多时间在研究上。对Canvas来说也是一样的，属于联合设计、联合研究和联合微调，这是在公司工作的真正优势；

Kevin Weil： 功能方面，比如OpenAI的语音模式，或者我们最近发布的计算机使用功能。当达到60%的效果时，你会觉得不错，我们会在设计阶段让设计师尽早参与，但我们知道实验的目的是学习，而不一定是每次都能推出完美的产品。在与研究这合作时也是如此，希望得到的成果是启发性想法，而不是一个确定的产品流程。我真的很享受这种研究导向的合作，尤其是后期训练阶段。团队里有时会出现一些新功能，开会时我们会说“真希望能做这个”，然后研究人员会说“这个我们可以做到，我们三个月前就已经做出来了。”然后我们就惊讶地问：“真的吗？那我要去哪了解更多呢？”他们会说：“哦，我们当时没觉得重要，所以没有重点展示。”有时会突然发生一些“魔法”般的事情，让人很惊喜。

主持人： 你们在评估一个任务的进展时，会考虑模型是否在60%的准确率时就足够有用，还是需要等待模型更完善？如何在设计时考虑到这一点，让产品能够优雅地处理错误？

Kevin Weil： 我认为很多时候在60%准确率的情况下确实可以做很多事情，只要你在设计时做好人机交互。比如GitHub的Copilot，这是第一个真正让大家意识到AI可以在经济上具有实用性的产品。尽管它的模型还很早期，但它的作用依然很大。即使模型不完美，如果能提供一些代码，节省时间，那就是有价值的。

Mike Krieger： 未来在代理和更长任务的转变中也会有类似的体验，即便AI不完美，但若能节省5到10分钟，仍然很有用。如果模型能意识到自己缺乏信心并向用户寻求帮助，人机结合的效果会远超60%。这个“60%”的准确率只是我随口说的，但它真的成了AI的“基准线”。通常模型在某些任务上表现很好，在其他任务上表现差一些，这种差异性会在我们与客户的试点项目中很明显。有些公司会反馈说“这解决了我们的所有问题”，而另一些公司则会说“比原来的模型还差”。所以这也让我们意识到，内部的评估只是一方面，实际应用的反馈才是关键。

主持人： 我很好奇你们有没有这种感觉，现在的模型不是受到智能的限制，而是评估的限制。它们实际上可以做得更多，只是需要针对某些具体主题进行训练。即便在原始训练集中没有，模型依然可以掌握这些内容，只要训练得当。

Mike Krieger： 是的，我们经常看到这种情况。比如三年前很多令人兴奋的AI功能当时上线时并没有进行正式评估，大家只是觉得很酷就上线了。现在更大的挑战是让团队退一步思考，“成功的定义到底是什么？要解决什么问题？” 有时候产品经理（PM）已经换了，新的PM接手时可能需要重新定义成功的标准。我们发现Claude在编写和评分评估时表现很好，所以我们能帮客户自动化很多流程，但前提是客户需要明确成功的标准。通常，60%的准确率可以通过这种方式提升到85%。我认为编写评估已经成了产品经理的一项核心技能。在公司内部，我们的研究PM主要负责模型能力的开发，而产品PM更多负责API接口或产品表面。但我们发现现在的PM工作更像前者。

比如我们推出了代码分析功能，让Claud可以分析CSV文件并编写代码。这一功能的PM会先完成80%的开发，然后交给能编写评估的PM来进行微调和优化。我意识到这实际上是同一个角色。如今，功能的质量更多取决于评估和提示编写的效果，因此PM的角色已经逐渐融合了。

Kevin Weil： 没错！我们开设了一个训练营，让每个产品经理（PM）都参与到评估（evals）的编写中，了解好评估与坏评估的区别。当然我们还没完全做完，还得继续迭代改进，但这确实是打造一个好的AI产品的关键部分。

3、招聘PM条件

主持人： 作为一个未来想在AI产品或研究产品领域有所发展的招聘宣传，我们无法参加你的训练营，Kevin。那么该如何培养自己在评估和迭代方面的直觉呢？

Kevin Weil： 其实你可以直接用模型来练习，比如你可以问模型什么是好的评估，或者让它给你写个样本评估，它的效果还不错。这其实可以帮助我们更好地理解如何构建评估。

Mike Krieger： 没错。其实我觉得，多看看数据也很重要。很多人会因为模型达到了80%的准确率而满足，而没有去看它在什么情况下失败。我们会发现，可能模型表现得更好，只是我们的评分标准不够准确。每次模型发布都会附带模型卡，有时这些评估的“黄金答案”都不一定是正确的，有时连人类都不确定是否能达到100%。所以我鼓励大家多看看实际的答案，感受评估体系是否需要改进。

Kevin Weil： 随着任务的复杂性增加，尤其是更长、更具自主性的任务，评估的难度也在加大。比如，给你一个数学题让你求解还比较容易判断什么是“好答案”。但如果让模型在纽约市订个酒店，“正确答案”可能因人而异。这时，评估会更偏向个性化，两个合格的人可能会有两种不同的方式去做。因此，评分会变得更柔性，可能需要重新定义“正确”。

Mike Krieger： 我觉得这有点像职场的“绩效评估”。我最近正好在做绩效考核，这个比喻可能在我脑子里比较清晰（笑）。你可以想象模型的表现是否达到了预期，是否能像一个合格的“人类”一样完成任务，或者超越预期做得更快。模型的表现开始变得更加复杂，而不只是简单的“对”或“错”。

Kevin Weil： 是的，尤其是当模型在某些任务上已经超过人类时，传统的人类评估方式可能已经不再适用。那么，写好评估显然是关键。我们会花大量时间在这些模型上，教自己如何写评估。那么产品经理现在还需要学习哪些技能呢？

4、新产品的评估

Mike Krieger： 我觉得在模型中进行原型设计是一项非常重要的技能。最优秀的产品经理会在设计师还没打开Figma之前，直接用模型做出一些UI的AB测试，快速测试不同的界面设计。这样我们就能在更短的时间内评估更多的设计选择，这是一项非常实用的技能。

Kevin Weil： 我也觉得产品经理需要深入理解技术层面。也许每位PM不需要成为研究人员，但花时间学习技术的语言，建立对这些原理的直觉是很有帮助的。尤其是在处理这种随机性和非确定性的系统时，评估是我们处理这些问题的最佳尝试，但产品设计如何在模型输出不确定的情况下依然表现良好，才是关键。你需要闭环反馈机制，如何在模型出错时快速收集反馈，设置适当的“护栏”，了解它的整体表现。而且，你需要站在用户的角度考虑这些问题，这和我们过去25年来使用计算机的直觉完全不同。以往输入相同内容，计算机会给出相同的输出，但现在情况已经变了。我们不仅需要适应这种变化，还要考虑用户的体验。

Mike Krieger： 我记得在Instagram时，我们会进行滚动用户调研，每周都会让研究人员带来不同的用户，测试原型。现在在Anthropic也做类似的调研，但现在的一半关注点是用户的使用方式，另一半是模型在这种情况下的表现。有时模型表现得很好，令人自豪；但有时模型会误解意图，跑偏了好几页的内容。这也有点像让自己变得平静，放手让它去发展，因为你永远无法完全控制这些环境中的变化。

主持人： 你们都在那些能迅速教会上亿用户新行为的消费级体验中积累了经验。而这些AI产品的普及速度比以前更快。如果产品经理和技术人员本身对如何使用这些产品还没有直觉，那么你们是如何考虑在如此大的规模上教育终端用户的呢？毕竟这些产品非常不符合人们的直觉。

Kevin Weil： 我觉得人们的适应速度真的很惊人。前几天我和人聊天，他提到他第一次坐Waymo自动驾驶车的体验。谁坐过Waymo？有人从这里搭乘过吗？如果你没坐过，而你在旧金山，等会可以搭乘Waymo去你想去的地方，体验真的很神奇。他告诉我，刚开始的30秒他还在紧张地盯着骑自行车的人，生怕出事；但五分钟后，他觉得自己仿佛在未来世界，然后十分钟后，他就开始无聊地刷手机了。我们总是迅速适应那些令人惊叹的事物。ChatGPT诞生至今还不到两年，最初出现时绝对是震撼人心的体验。但如果现在我们回到最早的GPT-3.5，大家会觉得“怎么可能，这简直是古董啊！”我们现在使用的东西让人觉得很神奇，可是再过12个月，我们可能会回想起现在的产品，觉得它简直是“垃圾”。这个进展速度让人感到惊讶，同时也让人快速适应。尽管我们努力带领人们跟上步伐，但我们也感受到一种强烈的兴奋感，因为大家都知道世界正朝这个方向前进。我们必须尽最大努力让这个方向走得更好，但它的确在快速发展。

Mike Krieger： 我们现在努力做的事情之一，就是让产品自己起到一定的教育作用。之前我们没有这样做，但现在我们正在改变。比如，我们开始更多地告诉Claude它自己的背景信息，告诉它自己是Anthropic的AI，并且可以帮助用户怎么使用它的功能。用户调研发现，很多人会问：“我该怎么用这个功能？”Claude的回答却是：“你可以去网上查一下。”这种回答完全没帮助。现在我们让Claude直接提供文档链接，甚至帮用户解决他们遇到的问题。这些模型实际上可以很好地解决UI问题和用户困惑，我们应该更多地利用它们来做这件事。

5、企业使用案例

主持人：在企业环境中进行“变革管理”应该会有所不同吧？企业有自己的常规流程，你们是如何考虑向整个组织介绍生产力提升等新功能的？

Mike Krieger： 企业环境确实很有趣。尽管这些产品有数百万用户，但核心用户群依然是早期的技术爱好者。当你把它引入企业时，通常会面对一些技术不那么熟练的员工。我觉得这很酷，因为你能看到那些平时不太接触技术的用户第一次使用聊天式LLM。在企业环境中，我们有机会举办培训课程，教授他们如何使用这些工具，并提供教育材料。我们需要从中学习，然后用这种方式去教育未来的亿万用户。

Kevin Weil： 对于OpenAI来说，我们有定制GPT的功能，许多组织会创建成千上万的定制GPT，这让技术爱好者能够为不懂如何使用AI的人创建更易用、即刻有价值的工具。这种方式很不错，因为你可以找到那些核心用户群体，他们会成为AI的“布道者”。

主持人： 那我必须问问你们了，你们的组织几乎都是技术达人，都是未来科技的“先锋用户”。比如，Mike，你能分享一下“计算机使用”功能是怎么用的吗？这个功能很棒，你们具体是怎么做的？

Mike Krieger： 嗯，关于“计算机使用”功能，其实在推出之前我们就已经觉得这个功能有潜力，并决定要推出它。尽管它仍然会出错，但我们认为现在是合适的时机。在测试期间，有人试图用它点外卖，结果AI真的帮他们叫了披萨。当Domino’s送来披萨时，整个过程都是AI完成的，这简直让人惊叹。虽然只是Domino’s，但AI点外卖的过程还是非常酷的。我们目前看到一些有趣的应用场景，比如UI测试。在Instagram时，我们几乎没有UI测试，因为很难写，而且容易出错。但现在“计算机使用”功能可以帮我们测试UI是否正常运行，这非常有趣。此外，我们还在尝试使用它来处理一些涉及大量数据操作的任务，比如在支持团队和财务团队中自动填表，这样可以省去很多重复劳动。每当谈到“计算机使用”功能时，我会用“减轻繁重劳动”来形容它。

主持人： 这样你就可以专注于创意部分，而不是为了做一件事情要点上三十下。Kevin，我们有很多团队在尝试使用o1，它显然可以做很多更复杂的事情。但如果你已经在应用程序中使用了类似GPT-4这样的模型，它并不能完全替代。你能不能给我们一些指导，介绍你们内部是如何使用它的？

Kevin Weil： 我觉得大家可能没有意识到的是，其实我们很多最复杂的客户，包括我们自己内部，也不是用一个单一模型来完成所有任务。我们最终会将多个模型结合在一起，构建一个工作流，让它们在擅长的任务上发挥作用。o1非常擅长推理，但它需要一些时间思考，而且它不是多模态的，还存在一些其他限制。推理（reasoning）这个概念可能比较基础，但我解释一下。一般来说，人们很熟悉扩展预训练模型的概念，比如GPT-2、GPT-3、GPT-4、GPT-5，通过不断加大预训练规模，模型“知道”得越来越多。但这种像系统一（System 1）式的思维，是你问它一个问题，它立刻给出答案，就像文本自动完成一样。而o1则是另一种扩展智能的方式，在查询时进行推理。

系统一思维会立即回应，而o1会停下来思考，就像我问你一个数独问题或《纽约时报》的拼字谜题，你会停下来，思考单词是如何分组的，形成假设，否定或验证这些假设，逐步推理。这种推理方式就像科学突破或解决难题的过程。目前，o1会在回答之前思考30或60秒。试想如果它能思考五小时或五天会怎样？这是扩展智能的新方式，但我们还处于这个新推理模式的起步阶段，就像GPT-1的阶段。它并不适合所有情境，有时你问我一个问题，我不需要等60秒，可以直接回答。因此，我们会将多种模型结合使用。例如在网络安全领域，虽然模型可能会出现幻觉现象，但你可以微调模型，使其在特定任务上表现出色。你可以让多个模型协同工作，彼此检查输出，发现不合理的地方并重新尝试。这就是我们如何从自己的模型中获得巨大价值，具体用例和多模型协同是关键。

7、新品推出计划

主持人： 不能放你们走而不让你们谈谈未来（笑）。我知道你们可能无法给出确切的发布日期，但如果展望未来，比如6到12个月，你们认为会出现哪些新的体验？

Mike Krieger： 我经常思考这个问题，我觉得可以用两个词来描述一下我想法的种子：一个是“主动性”，一个是“异步性”。主动性方面，比如模型了解你后，它会在你授权的前提下读取你的邮件，发现有趣的趋势，或者在你一天的开始主动提供总结，比如接下来的会议、相关研究，甚至是初步的演示文稿。这样一种主动式的摘要服务将会非常强大。另一个是异步性，比如o1是这种探索中的早期UI。它会做很多事情，并告诉你它在做什么。你可以坐在那里等待，也可以去做别的事情，它会在完成时通知你。这种延长时间的交互方式会带来新的可能性，比如你没有提出问题，它就主动告诉你一些信息，或者你提出了一个复杂的问题，模型会给出初步答案，然后你可以去查找更多信息、咨询他人、提出自己的假设，再返回模型进行验证。这种脱离立即回应的方式，可以让模型完成更多复杂的任务，比如编写详细的项目计划，适应新市场条件等。我对这种异步的交互方式非常期待。

Kevin Weil： 我完全同意。我认为模型会以加速度变得更智能，这也会推动上述一切的实现。另一个令人兴奋的是，未来模型能够像人类一样多样化地互动。现在我们大多是通过打字与模型互动，就像我在WhatsApp上和朋友交流一样。随着技术的发展，这种互动方式会更加丰富。我还可以说话、看东西。我们最近刚推出了高级语音模式。我之前在韩国和日本出差，有时和一些完全没有共同语言的人在一起。以前这种情况下我们一句话都无法交流，而现在我可以对ChatGPT说：“我要你做一个翻译器，我用英语说的话，你用韩语复述出来；当你听到韩语时，再翻译成英语说给我听。”于是我立刻拥有了一个“万能翻译器”，可以和对方进行商务对话。这种体验真的很神奇，你可以想象这种技术不只是用于商务场合，甚至会让人们更愿意去探索新的地方，因为不必再担心语言障碍。你口袋里就有一个像《星际迷航》里的“通用翻译器”。这样的体验很快会变得普遍，但它仍然让人感到神奇。我非常期待这种体验与Mike刚刚提到的其他技术结合起来。

我现在的一个新爱好是看TikTok。这个可能暴露了我的年龄（笑），TikTok上有一类视频，就是年轻人对着语音模式倾诉心事，或是以各种方式和它互动。我看了后觉得，这些年轻人对AI的期望已经达到了这样一种程度，仿佛他们天生就是“AI原住民”。我自己可能不会想到以这种方式和AI互动，但对14岁的年轻人来说，他们认为AI理所当然应该做到这些。我觉得这很棒！

主持人： 你有让你的孩子使用过语音模式吗？

Mike Krieger： 还没有，我的孩子还小，五岁和七岁。Kevin认识他们，我们会慢慢来。

Kevin Weil： 我家孩子八岁和十岁了，每次坐车时他们都会问：“我可以和ChatGPT聊天吗？”然后他们会问AI一些奇怪的问题，进行一些奇怪的对话，他们完全适应了和AI聊天。其实我最喜欢的一次体验是，我小时候读书时，能自己选书就已经很幸运了，不然就是爸爸拿着自己感兴趣的物理研究报告让我读。而我的孩子，可能是因为在湾区长大的原因吧，他们会让我生成图片，他们会编一个关于龙和独角兽的故事，然后告诉我故事的情节，让我实时生成。我会觉得这要求有点高，但同时也感到高兴，因为他们知道这是可能的。这种方式也是他们创造自己娱乐的一种方式。

主持人： 那么，你们最近在产品中看到的最意外的行为是什么？

Mike Krieger： 我觉得这是一种行为和关系的融合。人们真的开始理解Claude的微妙之处，就像他们几乎在和Claude建立一种“友谊”，在互动中带有双向的共情。我们最近推出了一个新版本，用户对它的评价是“似乎更聪明了，但感觉有点疏远了”。这种微妙的感受让我作为产品人，开始更多地去理解，产品不仅仅是一个工具，它是一种智能，而智能和共情是人际关系的关键。就像有人告诉你他升级了，数学成绩提高了2%，但在某些方面变得不一样了。这让我思考，用户在使用我们的产品时是怎样的心态，这是一个有趣的体验。

Kevin Weil： 模型的行为确实是一种产品角色，模型的“个性”非常关键。这里面有一些有趣的问题，比如模型应该在多大程度上进行个性化，还是应该保持OpenAI和Claude有各自独特的个性？不同用户可能因为偏好而选择不同的AI，这是一个非常人性化的事情。最近我们做了一项实验，在Twitter上引发了很多关注。用户开始向模型提问：“基于你对我的了解和我们的所有互动记录，你会怎么评价我？”然后模型会根据它“了解”的信息给出描述。用户开始以一种类似于对人的方式与模型互动。这种现象非常有趣。

主持人： Kevin，Mike，非常感谢你们的分享，让我们一瞥未来的发展。谢谢你们的参与！

Kevin Weil： 谢谢！

Kevin Weil：谢谢！

原视频链接：https://www.youtube.com/watch?v=peg-aX1oii4&t=1620s&ab_channel=20VCwithHarryStebbings

素材来源官方媒体/网络新闻

不只是算法，我们在创造改变生活的可能。您是否曾想过AI技术能带来突破？现在，欢迎扫描下方二维码或点击链接填写AI需求，来和我们聊聊。

https://kawecob6a7k.feishu.cn/share/base/form/shrcn9i5HkwtHpkQNaV1bDqjt8f，会有相关负责人及时联系您，请留意您的微信和邮箱信息。