永不厌倦的人工智能：Upwork的安德鲁·拉宾ович

安德鲁·拉宾诺维茨的职业生涯始于为癌症检测开发人工智能应用。他还曾在谷歌工作，参与了像Google Glass这样的早期产品的研发。如今在Upwork担任副总裁兼AI和机器学习负责人，安德鲁和他的团队正在努力通过人工智能解决方案增强数字劳动力平台的功能，以便更精确地将资源与项目匹配。

今天的节目中我、我自己和人工智能在播客中，安德鲁分享了他对人工智能如何能够在使用更少资源的情况下承担更加复杂项目的一些看法。然而，在人工智能快速发展的同时，硬件的进步却相对缓慢。尽管人工智能在认知方面取得了巨大进展，但他表示，硬件的发展难以跟上其能力的步伐，尤其是在可穿戴技术和机器人领域。不过，安德鲁仍然构想了一个未来，在这个未来的每个人都可以拥有高度个性化的数字助手。

订阅我、我自己和人工智能在苹果播客或 Spotify.

对话记录

谢尔文·霍达班德：随着搭载人工智能的产品和服务快速发展，是什么因素在制约着这些进步？今天节目中将为您揭晓。

安德鲁·拉宾ович:我是Upwork的安德鲁·拉宾诺维奇，您正在收听的是我、我自己和人工智能.

山姆·兰斯博瑟姆:欢迎来到我、我自己和人工智能，这是一档关于商业领域人工智能的播客。每期节目，我们会向您介绍一位正在用AI进行创新的人士。我是塞姆·兰斯波瑟姆，担任波士顿学院数据分析教授。我也是《哈佛商业评论》人工智能与商业战略特约编辑。麻省理工斯隆管理评论.

谢尔文·霍达班德：我是舍尔文·霍达班德，BCG的高级合伙人，也是我们人工智能业务的领导者之一。一起，MIT管理评论麦肯锡和波士顿咨询集团（BCG）自2017年以来一直在研究和发表关于人工智能的文章，采访了数百名从业人员，并对数千家公司进行了调查，探讨构建、部署和扩展人工智能能力所需的内容，以及真正改变组织运营方式的方法。

桑·兰斯博瑟姆:今天，Shervin 和我与 Upwork 的副总裁兼人工智能和机器学习负责人 Andrew Rabinovich 进行了交谈。Andrew，感谢您接受我们的采访。

安德鲁·拉宾诺维奇：谢谢。早上好。很高兴在这里。

桑·兰斯博特姆：所以，安德鲁，我一直对在线劳动力平台感兴趣，特别是Upwork，既作为用户，也作为研究人员。如果听众中有人在寻找一些轻松的睡前读物，我最近发表了一篇学术论文《使用在线平台》。这些IT改进正在降低交易成本，这正改变着公司的结构。我不知道……经济学人从1937年来的人都会认不出现在的公司。但在跑题之前，让我们退一步。安德鲁，帮我解释一下。告诉人们Upwork是什么以及这个平台的功能。

安德鲁·拉宾诺维奇：当然。所以Upwork是世界上最大的双向市场——这是一个重要的区别，我们可以稍后深入探讨——在这个市场上，客户可以在各种类别中寻找人才来帮助他们完成工作，而来自世界各地的自由职业者可以在线寻找工作机会——在软件、任何类型的开发领域，让他们能够利用自己的技能，而不必物理上靠近工作地点。

桑·兰斯博瑟姆:这很有道理。你是副总裁兼人工智能和机器学习负责人，介绍一下这个职位的职责吧。

安德鲁·拉宾诺维奇：Upwork是一家由两家大型市场平台oDesk和Elance合并而成的公司，这两家公司在2000年代初成立，然后在2015年合并成为Upwork。长期以来，该平台一直提供客户与自由职业者之间的匹配服务，正如我之前提到的。

然而，在你提到的技术进化过程中，我们正致力于转型Upwork。我们的目标是不再单纯地将客户与人才匹配起来。相反，我们将提供一个以成果为导向的商业模式，让客户可以在平台上描述他们想要解决的问题，而不是寻找帮助解决问题的人才。为了实现这种体验，需要大量的人工智能和机器学习技术来创造有效且愉悦的用户体验。

谢尔文·霍达班德：所以请再详细解释一下。我是客户，我来了之后说：“我有一个技术问题：我想为我的——开发一个预测模型。”

山姆·兰斯博瑟姆:播客听众。

谢尔文·霍达班德： yeah，对于我的播客听众。

安德鲁·拉宾诺维奇：这是一个很好的例子。传统上，比如说你来到这个平台，你说：“我在寻找一位金融分析师来帮助我提升我的播客的吸引力。”然后你需要写明你所寻找的人才的技术规格要求，接着Upwork的匹配引擎会为你提供一份高度技能化的候选人名单供你选择，然后Upwork就会退出，之后你就与选定的个人进行交易。

谢尔文·霍达班德：我们都很熟悉那个模型对吧？那么新的一个是？

安德鲁·拉宾诺维奇：这种方法最初存在两个问题，但它们其实不是真正的问题，而是限制。首先，你需要知道你所需要的那个人或那组人是什么样的，并且要用非常技术性的语言来描述，以便Upwork上的搜索引擎能够为你提供正确的匹配。

现在假设你在做一个关于旅行、真菌学或设计的播客，而你真的不是一个技术方面的人才，并且你觉得：“我的播客已经有了一定的关注度。人们在听我的节目，但我希望它能够爆炸式增长，这样我就可以成为一个有影响力的人，赚一千万美元或者其他什么。”而这就是你的技术水平；你只能解释到这个程度。

你在你的领域非常有经验，但说到播客的单位经济性你一无所知。所以基本上Upwork对你没用，因为进入这个平台的门槛太高，你无法使用它。

谢尔文·霍达班德：你需要具备技术知识，并且要知道自己需要什么。

安德鲁·拉宾诺维奇：没错。我们现在扩展的方向是我们已经在Upwork的平台上推出了一个名为Uma的人工智能助手，Uma代表的是“Upwork的贴心人工智能”，当你来到这个平台并像我刚才所说那样表达需求时，“我是专注于X、Y、Z领域的播客，我希望我的节目变得更好。”然后Uma会判断你需要分析师或者技术专家来帮助你扩大影响力，或许是在其他地方进行推广，或许是获取一些广告支持等。总之，Uma会找到合适的人员和/或人工智能帮你解决问题，并共同为你提供解决方案，而不仅仅是帮你找到可以合作的人才。换句话说，Upwork现在直接帮你解决这些问题了。

谢尔文·霍达班德：很明显，这其中包含生成式AI的成分。还有别的什么吗？例如，是否还包括推荐引擎和预测模型之类的东西？

安德鲁·拉宾诺维奇:绝对是一切，对吧？所以无论今天存在的AI技术是什么样的都——

谢尔文·霍达班德：现成的还是专有的？

安德鲁·拉宾诺维奇：现成的。想想那些在Upwork市场上工作的自由职业者，或者说是使用Upwork平台的自由职业者。他们不是Upwork的员工，对吧？他们是自由职业者。同样地，现有的所有AI工具、App Store中的应用程序或AWS（亚马逊网络服务）中的组件也都是“AI自由职业者”，如果这么说的话，它们也应该有权存在于这个平台上。而Upwork的角色就是弄清楚如何结合人力和机器的能力来实现预期的结果。

桑·兰斯博瑟姆:我是商学院教授，我得考虑这里的投资回报率。这在未来对你意味着什么？

安德鲁·拉宾诺维奇：这是一个很好的问题，其中有一点微妙之处。就像任何技术进步的阶段一样——电力、蒸汽机等等——技术的能力不是取代人，而是增强人的能力。如果你过去能以一万美元将一个英语播客翻译成日语，那么明天你将以同样的价格把所有播客翻译成世界上所有的语言。

高薪工作并没有消失；它们只是变得有趣得多。过去，在Upwork上花5万美元可以建立一个电子商务网站，将来则可以用这笔钱建造一个新的Facebook。事实上，这非常有前景，让我对未来充满乐观。凭借基本上相同数量的人力资源，你将能够创造更大的价值，因为正在大量出现的技术只会帮助你解决越来越大的问题。

桑·兰斯博瑟姆：有两件事让我思考。对不起我们的日本观众，但我们不会花10,000美元来翻译每一期播客。在某种意义上，你们的竞争对手不是那个需要花费10,000美元的工作，而是我们根本不做那份工作。因此，有一个巨大的未被满足的市场具有发展潜力。这还包括您提到的另一个观点：“好的，我们将扩展，并且可以使用更多的语言。”由于这个障碍，许多事情目前都还没有发生。我认为这就是为什么这件事看起来非常有前景的原因。

安德鲁·拉宾诺维奇:当然。

桑·兰斯博瑟姆:你有一个复杂的背景——别人不会通过和你的交谈察觉到这一点，因为你并没有说太多技术性的东西，但你实际上有着疯狂的技术背景和深厚的技术积淀。请告诉我们你是如何走到今天这一步的。

安德鲁·拉宾诺维奇:这可以追溯到很久以前。我开始从事我们现在所说的AI工作；在过去，我们称之为机器学习。特别是计算机视觉是我职业生涯的起点。我对做生物医学成像非常感兴趣，并在2003年创立了我的第一家公司，该公司检测人体组织中的癌症。我对初创企业一无所知。实际上对商业也了解不多。那家公司以一些不怎么吸引人的金额被收购了，但我对机器学习产生了极大的兴趣，并认为这是我的前进方向。

然后我在加州大学圣地亚哥分校获得了机器学习的博士学位，随后加入谷歌。我和同事们一起发布了世界上第一个同时适用于Android和iOS的操作系统增强现实应用程序，名为Google Goggles。今天，这就是Pixel手机中的镜头功能。这个项目非常成功，以至于[谷歌联合创始人]谢尔盖·布林想要将所有这些技术用于构建Google Glass。我们开发了Google Glass，但从产品角度来看并不是很成功。

桑·兰斯博特姆：太早了，也许。

安德鲁·拉宾诺维奇：太早了。而随着我继续讲述这个故事，你会发现这种情况在未来还会再次发生。在经历了Google Glass的经历之后，我决定做硬件不是个好主意，并且继续在计算机视觉、物体识别等方面工作，这些是谷歌大脑中视觉搜索的一部分。作为其中的一部分，我们开发出了当时最先进的神经网络叫做Inception，它为谷歌内部的许多产品提供支持，尤其是谷歌相册中的视觉搜索。

之后，我又被吸引去做硬件方面的工作——看似不可能的事情——加入了Magic Leap公司，致力于打造当时世界上最先进的空间计算机。我对我们在那里的影响感到非常自豪。

但在我在那里结束之前，我意识到硬件又一次还没有准备好。显示器达不到我们需要的标准，我们希望有一种设备可以基本上替代手机和笔记本电脑的野心太大了。硬件没有满足正确的需求。但我意识到的另一件事是实现这种体验所必需的算法……如果你记得那部电影的话她的，在这部作品中，主人公与操作系统互动，为了实现这一全天候可穿戴设备的需求，需要有一个能够理解你所见、所做的一切，了解你的感受和反应，并帮助你在物理世界中导航的伴侣。

所以我决定，在等待硬件出现并适合这种体验的同时，可以与一个伴侣一起构建这种互动体验。于是我创立了一家名为Headroom的公司，目标是利用每个人都在经历的视频会议体验，类似于我们现在正在做的那种，其中AI能够理解所有讨论的内容，并从多模态的角度理解你作为参与者的身份。

它理解你说的内容，它理解你说话的方式，它知道你何时微笑、皱眉、注意听或生气等。当这些模型足够先进并准备好部署时，预计全天候可穿戴设备的硬件也会准备就绪。然后你可以将模型从带有摄像头和屏幕的笔记本电脑中提取出来，并将其转换为未来的可穿戴设备。

然后我们开始研究一系列不同的协作工作平台。这些平台包括一家名为Lucidspark和Lucidchart的公司，以及其他许多平台。Upwork成为一个非常有趣的用例，因为客户和自由职业者在平台上一直都在进行沟通，能够捕捉他们互动的核心内容是提高匹配质量和双方体验的关键因素。

当我们开始讨论合作时，因为Headroom开发了一个可以集成到任何协作平台的SDK，我们认为存在一种有趣的战略关系。这就是为什么Upwork有兴趣收购Headroom。从去年十二月起，我和我的团队一直在Upwork努力将其转型为一个以成果为导向的业务。

桑·兰斯博特姆:这与你之前所说的硬件和个人互动有很大的不同。

谢尔文·霍达班德：我想稍微谈谈硬件。你说过三次“硬件”，我对当前的情况和未来的发展很感兴趣。正如你刚才提到的，当我们今天来看人工智能的认知能力时，无论是理解多模态信息还是以多模态方式回应的能力，都远远超过了它的硬件基础。

在许多方面，这一切之所以能够实现，是因为硬件领域的所有技术创新，但我们谈论的是不同类型的硬件。我们讨论的是计算机芯片之类的硬件。但在实际的机械物理硬件方面，你认为最大的障碍是什么，我们该如何解决这些障碍？

安德鲁·拉宾诺维奇：我假设你指的是硬件组件方面的可穿戴设备。

谢尔文·霍达班德：可穿戴设备、各种机器人和能够执行任务的物理设备，不仅限于增强人类能力的装置，还包括可以自主工作的设备。感觉上，物理限制远远超过了精神和智能上的限制。

安德鲁·拉宾诺维奇:在某种程度上是这样的。如果我们考虑我们在认知、识别和翻译等领域取得的进展——我们在这些方面取得了很大的进步，但仍然没有能够思考和推理的模型，对吧？这些机器目前仍然是模式匹配设备，只能回答人类提出的问题。它们还不能自己提问，对吧？

就硬件而言，原子很难操控。在可穿戴设备中，显示器的位置并不是我们期望的那样。如果我们谈论带有透明显示的增强现实技术，我们现在拥有的投影仪效率太低，因此电池续航时间不够长。如果你在晴天看手机屏幕，你根本无法看清上面的内容，所以你需要用手遮住屏幕以形成阴影。

当你戴着这个可穿戴设备时，你不能在整个公园里投下自己的影子，所以那样行不通。现在谈到机器人，一个成功的机器人例子——从我的角度来看——是那些在极度受限环境中的机器人，比如手术机器人。这些机器在一个无菌房间内工作，在这种房间里病人总是处于相同的位置，或者是在仓库里的包装机器人。它能够重复做同一件事很多次，并且运作得非常好。

在更加开放的环境中工作的机器人像是Waymo汽车。我记得斯坦福大学在2005年赢得了DARPA grand challenge比赛，当时一辆自动驾驶汽车从洛杉矶开到了拉斯维加斯。我们觉得，“酷，这件事完成了。”

谢尔文·霍达班德：你说这个真有意思，顺便说一下，我今天早上刚去买了咖啡回来的路上就被两辆这样的车插队了。实际上是有两辆车。这是个岔开的话题，但那两辆车倒是比较注意不要碰到彼此。

安德鲁·拉宾诺维奇:这是真的，因为他们彼此非常了解，知道对方会做什么。他们已经取得了很大的进步，现在就像一个整体一样。我实际上允许我的孩子们使用它们。我对孩子们自己乘坐Uber有些担心，但让他们开着Waymo在城里转悠我是完全放心的。

这是一个很好的例子，但问题是，我们构建这些大型语言模型，构建检测识别分类模型，但是这些都是预测系统，并没有世界的模型。学术界对此有很多讨论。有人认为，通过观察周围世界大量的数据，无论是视频、文本还是音频，这足以推断出世界的模型。我持略有不同的观点，即我们必须将所有已知的自然法则作为先验条件摄入进来。因此，在某种程度上，我不是符号AI的信徒，但事实是我们理解了重力定律——

桑·兰斯博瑟姆:就像基础物理一样。我们从根本上理解它。

安德鲁·拉宾诺维奇：没错。它们必须作为初始条件被插入到这些大规模语言模型中。所以如果你问一个大型语言模型，如果你从你家屋顶上掉下一个苹果会发生什么，当然它会告诉你苹果会掉下来。但它并不是因为理解了重力才这么说的。它是因为在网络上读到了很多都说如果掉了苹果就会掉落的文字，对吧？

所以对于机器人来说，情况也差不多。如果事情按照你构建的相对简单的环境模型发展，那么一切都能完美运行，对吧？它不会感到疲倦。手也不会发抖。它可以以令人难以置信的精度一遍又一遍地做同样的事情。但如果情况变得有点奇怪，那么它的表现就会以最不可预测的方式开始出现混乱，因为不像我们人类，这些机器在遇到问题时不会优雅地退化。它们可能会突然崩溃，对吧？

谢尔文·霍达班德：我喜欢你在这里所说的，因为你让我重新思考了自己的问题。前提是我认为技术并没有像人工智能和生成式人工智能的软件组件那样进步太多。但你说的是，就像软件存在幻觉问题一样，硬件也存在着物理上的幻觉问题。

安德鲁·拉宾诺维奇： exactly. （由于“Exactly.”是一个简单的英文单词，在直接翻译时可能显得多余。此处保留了原文形式以遵循指示要求。若需更自然的中文表达，请参考：“没错。”或“完全正确。”） 按照仅输出需要翻译部分且不添加注释的要求，直接给出原文： Exactly.

谢尔文·霍达班德：所以不必过度思考软件的实际能力到底有多强。

安德鲁·拉宾诺维奇：这当然是对的。如果我问你，你会信任ChatGPT来回答你一天内的所有邮件吗？你不会同意这件事，对吧？

谢尔文·霍达班德：是的，这只是针对那5%我不信任的情况而言，对那95%我是同意的。

安德鲁·拉宾诺维奇：也许只是1%。

谢尔文·霍达班德：正是。

安德鲁·拉宾诺维奇：也许在一封邮件里有人问：“你想要奖金吗？”然后系统回答：“不。”这时你会觉得[这有问题]。

谢尔文·霍达邦德赫：我从来没有收到过那样的电子邮件。

桑·兰斯博瑟姆:这是一个训练数据问题，对吧？

安德鲁·拉宾诺维奇:确实。这些事情是相辅相成的。从材料科学和物理学的角度来看，人类身体可以通过进化完成许多我们至今未能完全用硬件复制的巨大成就，而这一点仍然在我们的展望之中，对吧？问题在于，我们总是低估了这个问题的难度。

在Magic Leap，这无疑是——好吧，自从xAI以来——没有销售任何产品的创业公司中融资最多的。我认为在我在那里工作期间总共筹集了大约30亿美元，人们认为这是一个天文数字的金额。我们认为有了30亿美元，我们可以解决这个混合现实的问题。到目前为止，累计而言，在Magic Leap、微软、Meta和苹果之间，我认为我们已经接近1000亿美元了。而对于Magic Leap来说，除了那30亿美元之外，并没有取得多少实质性的进展。

所以从硬件角度来看，这个问题非常难解决。虽然在我看来我们在缓慢地一点点攻克它，但我们离取得实质性的成果仍然还很遥远。

我记得在Google X的一个项目，我们想做的一款可编程的接触镜片。这款镜片将从你眼睛的热量中获取能量，并且会像科幻电影里一样为你投影各种有趣的东西。我想经过大约五年的尝试，我们只成功地在一个像素点上启动了接触镜片的功能，然后整个项目被放弃了，因为被认为太难实现。

桑·兰斯博瑟姆：我认为当你谈论汽车时，你大概就是这个意思。这说明要从现有信息推断出未来的难度有多大。

安德鲁·拉宾诺维奇：确实如此。

谢尔文·霍达邦德赫：这在你的看法中意味着什么，让AI走出实验室，走出像手术室这样的特定领域或非常具体的任务范围？你认为十年后会是什么样子？

安德鲁·拉宾诺维奇：对未来长期的预测非常困难。在这方面我不如未来学家雷·库兹韦尔，但在短期内，我认为生成式人工智能将取代人类与数据交互的方式。如果你想想ChatGPT，它并没有创造任何新的信息，对吧？所以如果你精通谷歌和其他技术，你可以找出如何用莎士比亚十四行诗的风格写生日祝福语，对吧？

这需要一点时间，并非每个人都能做到，但ChatGPT允许你以非常直观的方式与同一数据进行交互。因此它成为人和信息之间的一个界面。我认为未来这种形式的搜索引擎或其他任何检索系统都将消失，一切都将变成人类与机器之间的对话，无论哪种模式。如果你戴着可穿戴眼镜，它可以识别你在看什么，并且你可以问：“那边的人行道上是什么东西？” 它会告诉你那是什么，你就可以继续讨论了。如果你收到需要回复的文档，你可以告诉AI，“写一下这个”和“回复它”。

谢尔文·霍达班德：我们现在正在做那个。

安德鲁·拉宾诺维奇：我们现在已经在做了，但做得很零散。流程非常碎片化。将来，在你的屏幕上将会只有一个窗口，你的AI伴侣——每个人都会有自己的一个——会是高度个性化的。它将理解你所做的一切。就像现在的ChatGPT对你一无所知一样。

谢尔文·霍达班德：我现在想转入我们称为五个问题的简短环节。我将快速地问你五个问题，请告诉我第一时间想到的内容，最好是简洁的答案。你认为当前人工智能最大的机会是什么？

安德鲁·拉宾诺维奇:生物学。

谢尔文·霍达班德：你认为关于人工智能最大的误解是什么？

安德鲁·拉宾诺维奇:它能够统治世界。

谢尔文·霍达班德：你第一个想要的职业是什么？你小时候想长大后成为什么人？

安德鲁·拉宾诺维奇：物理学家。

谢尔文·霍达班德：什么类型的物理学家？理论物理学家？

安德鲁·拉宾诺维奇：是的，我是理论物理学家。我爸爸是一位非常著名的物理学家。我想当我还是个孩子的时候，我也想成为像他那样的人。

谢尔文·霍达班德：什么时候人工智能过多？

安德鲁·拉宾诺维奇: never. 由于"Never."是一个简单的否定副词，通常没有上下文的情况下直接翻译可能不太自然。但按照指示，我保持了原句的格式："never." 如果你需要更符合中文习惯的说法，比如“从不”或“永不”，请告知。不过根据你的要求，这里只输出确切翻译或原文：“Never.”

谢尔文·霍达邦德赫：我喜欢那个。你希望AI现在能做到但其实做不到的事情是什么？

安德鲁·拉宾诺维奇:坦诚一点。

谢尔文·霍达班德：非常好。

桑·兰斯博瑟姆:安德鲁，这太有趣了。我认为我们可以聊上好几个小时。我还有很多想说的。

安德鲁·拉宾诺维奇： yeah,我玩得也很开心。

桑·兰斯波瑟姆:好的，那么也许我们得把你拽回来，感谢你参加我们的活动，也感谢你今天抽出时间。

安德鲁·拉宾诺维奇：不客气，谢谢大家。

谢尔文·霍达班德：萨姆，我觉得这次对话非常有趣。显然，安德鲁经验丰富，他参与开发了一些开源的计算机视觉和强化学习等领域的重要模型。你在对话中有什么印象深刻的吗？

桑·兰斯博瑟姆:他参与了这些模型中的许多项目，我认为他的丰富经验尤其令人感兴趣，因为他开发了这些模型，并且我们所有人都可以使用它们。实际上，任何听众现在都可以去下载他的Inception模型。当然，不只是他一个人的工作，很多人参与其中。但你可以在PyTorch Vision上下载这个Inception模型，并立即开始使用它。

我认为这是一个非常有趣的观点，但可惜在这一集中并没有像我们所希望的那样充分展现出来。这些工具正在变得越来越容易为人们使用。人们可以去使用它们。而当我们谈论民主化时——我不确定民主化是正确的词，因为那意味着每个人都可以访问。我认为更好的词是 meritocracyMeritocracy（才治主义），也许。这听起来有点像，人们是否值得拥有它？但这并不意味着每个人都可以下载它们。只有那些愿意了解它们并花时间投资于这些模型的人才能做到。我认为这一点非常重要。仅仅让这些东西可用是不够的。这让它们变得可以获取，但并不代表你可以使用它们。

谢尔文·霍达班德：但这同时也意味着人们会被期望做得更多，对吧？就像过去的一个优势，就是我工作很努力而且我知道很多东西，对吧？我记住了许多事实。读了很多书，并且非常努力地工作。这仍然是有价值的，对吧？但仅仅拥有知识，也许这就是你使用那个词的原因民主化，对吧？以往个人之间或团队之间的知识和信息获取能力曾是一个重要的差异化因素，但现在这种差异正在逐渐缩小。

桑·兰斯博特姆：我想我们需要找出什么将使我们与众不同。他提到的一个想法是任务变得更小，你知道，工具在做更多的事情。这让我思考这些任务中哪些部分值得投资。当他谈到搜索引擎时，我立刻想到：“你知道吗，我对谷歌搜索东西还挺擅长的。”我的谷歌技能很强，如果这个变得不再那么重要了，那我下一步需要做什么呢？我认为今天我们并没有得到一个明确的答案。我们需要专注于什么工作？

谢尔文·霍达邦德赫：好吧，我认为答案的一部分其实是弄清楚问题本身……与其问“我们需要在哪些任务上做得更好？”，不如问“我们现在面临的是什么问题，以及我们有能力驱动什么样的结果？”因为，隐含的意思是我们会选择那些我们认为可以完成的事情。我的意思是，到头来，我们不会选择不可能的、困难的或者单靠自己无法完成的任务，对吧？或者说是那些没有数百亿的投资和庞大的团队就无法实现的目标。我觉得确实有一种筛选机制在起作用，人们和组织以及团队会挑选他们认为在一个时间窗口内可以实现的事情。我认为什么是可能的正在发生变化。

然而，关于您之前提到的愿意了解和学习这一点，以便你知道可以做些什么不同的事情，我认为在这方面存在巨大的差距。我认为在从业者、经理和团队成员之间，在如何改变可能的艺术方面存在着知识上的巨大差距。因此，也许真正的问题应该是“我们应该怀有多大的梦想？”而不是“我们应该做哪些任务？”

桑·兰斯博特姆：谢尔文，你说得对，我们的世界确实充满了不确定性，而且这种人才的不确定性也很明显。也许我们应该写一份关于这个主题的报告。

谢尔文·霍达班德：也许我们应该这么做。

感谢聆听。我和萨姆实际上正在与我们的团队合作编写一份关于人工智能和组织学习能力如何使公司为不确定性做准备的研究报告。

秋天晚些时候再见它。下次，萨姆和我会见人工智能编辑杰里米·卡恩。财富fortune（这里根据上下文通常译为“财富”或“命运”，但根据提供的单词直接翻译应为）fortune我们期待那时与您交谈。

艾莉森·瑞德：谢谢倾听我、我自己和人工智能我们相信，就像您一样，关于AI实施的讨论并不止于这一期播客。因此，我们在LinkedIn上专门为像您这样的听众创建了一个小组。这个小组名为“领导者的AI”，如果您加入我们，您可以与节目创作者和主持人聊天，提出自己的问题，分享见解，并获取有关AI实施的宝贵资源从麻省理工学院管理评论以及BCG。您可以通过访问来获取它。mitsmr.com/AIforLeaders我们会把这个链接放在节目笔记里，希望到时候能在那儿见到你。