这篇传说中的文章基于与 Natalie Gilbert 的对话，Natalie Gilbert 是 AT&T 的 30 岁数据科学家，其父亲 Mazin Gilbert 是该公司贝尔实验室部门的研究员。为了篇幅和清晰度，采访内容经过编辑。

从小到大，我都非常天真AT&T 是什么。

我对这家公司的了解是通过我父亲的视角了解的，他当时正在研究语音识别。他与 Yann LeCun 和 Dennis Ritchie 等人一起工作，Yann LeCun 正在开发检测手写并将其转换为文本的功能，而 Dennis Ritchie 则创建了 C 编程语言。

我父亲在语音识别和合成方面的工作是我今天在生成人工智能方面所做的工作的基础。我在这里构建的所有内容都具有与他正在研究的相同基础：卷积神经网络，它使计算机能够处理图像和声音等输入。看到这个基础是如何发展的真的很酷。

他们的早期发现使我们能够与人工智能代理合作，并使它们更加自主。

小时候，我几乎每天放学后都会呆在父亲的办公室里，我记得看着他和他的同事们激烈讨论并在白板上画出疯狂的图表。

这激励我开始绘制自己的决策树以及诸如此类的超级无意义的东西，但这段经历教会了我如何发挥创造力和分析能力。

我和爸爸一起做的一个副业项目叫做 Dr Bot，它是一个大型语言模型的早期迭代，可以评估你的症状并告诉你去哪里寻求治疗。

从白板到编码再返回

我对人工智能代理所做的事情实际上可以归结为一堆决策树，它们解释如何从 A 点到达 B 点。 这是我很早就从父亲那里学到的东西。

在人工智能技术的构建中，大量的人机交互变得越来越重要。

在AT&T 首席数据办公室，我们正在开展一个项目，该项目正在改变人们对在公司内使用人力资源技术的看法。我们基本上消除了去哪里解决人力资源问题的问题AI代理识别针对个人情况的相关政策或程序。对于 AT&T 这样庞大而复杂的组织来说，这可不是小事。

新的人工智能工具非常强大，但它们并不能解决所有问题

正如这些

副驾驶越来越受欢迎，如果人们不了解这些技术的基本工作原理，他们可能会遇到麻烦。例如，如果您不知道代码实际上如何处理边缘情况，那么您的人工智能工具就不会发挥任何作用。

与此同时，感觉人们需要每两个月学习一些新东西。

我看到大型语言模型的变化是它们更加注重自然语言而不是编码。

这意味着我实际上把大部分时间都花在了即时工程上，这根本不是编码。这是使用自然语言让机器理解我们。

这有点讽刺，因为这是我父亲 30 年前所做的另一种形式。

在我的一生中，人工智能发生了巨大的变化，现在我觉得我代表了他并代表了他的遗产。继续他所做的工作感觉超现实。