前言
《AI Copilots and the Future of Knowledge Work》是由Andreessen Horowitz（A16Z）主办的AI Revolution系列的一部分，该系列邀请了AI领域最具影响力的建设者来讨论和辩论我们所处的位置，我们将要去往何处，以及AI中的大问题。
在这次对话中，Microsoft的首席技术官Kevin Scott与A16Z的Bob Swan进行了交谈，他解释了AI Copilots如何使开发人员保持更长时间的流动状态，以及为什么AI Copilots可能是“知识工作”工业革命的开始。
Kevin Scott阐述了Microsoft对AI的看法，他们将AI视为一个平台，而不是一个产品或研究项目。他们认为，许多人可以在这个平台上构建许多有趣的新事物。他还提到了他们与行业领导者（如GitHub、OpenAI和Meta Llama 2）的合作关系，并强调了合作伙伴在他们的愿景中所扮演的角色。
此外，Scott还谈到了开发人员生产力和流动状态的问题，他认为这是衡量开发人员能否快速向用户交付产品，并衡量用户是否从开发人员生产的产品中受益的一种方式。
总的来说，这次对话深入探讨了AI副驾驶对知识工作未来可能产生的影响，并提出了一些关于AI发展方向和挑战的重要问题。
文章链接：
https://a16z.com/ai-copilots-and-the-future-of-knowledge-work/
Bob：微软在决定人工智能的未来方面发挥了巨大作用。您能否花几分钟时间谈谈您如何看待人工智能的愿景和未来，以及像微软这样的大型科技领军企业在人工智能浪潮中扮演什么角色？
Kevin：我们确实认为人工智能不是一个产品，也不是一个研究项目，而是一个真正的平台，可以让很多人在上面构建很多有趣的新事物。在过去的几年里，特别是在过去的 12 个月里，随着 ChatGPT 和 GPT-4 的推出，你可以真正从个人电脑或智能手机的角度看到这个平台的潜力。这一系列的技术将使一大堆新事物成为可能，很多人都将在这些新事物的基础上进行开发，而我们现在可能还不太了解其中的大部分技术。对我来说，这正是构建一项技术的激动人心之处。我一直是一个工具建造者，建造一个工具，然后让一群人以你没有预料到的方式使用它，这种想法超级有趣。
Bob：在很多方面，你都不是一个人在做这件事。你已经与业内领先企业合作，无论是你提到的 GitHub 还是 OpenAI，以及最近的 Meta Llama 2。你能不能多谈谈你认为合作伙伴在你的愿景中扮演的角色，以及你期望生态系统如何随着时间的推移不断扩大？我相信你已经问过无数次的一个问题是：你从哪里获得所有的 GPU 来支持不断增长和扩大的合作关系？
Kevin：关于 GPU的问题......这可能并不滑稽，但我不得不为这个问题成为现在的头号问题而感到好笑。这甚至不是每周或每月都会发生的事情，一天中不问 GPU 问题的时间几乎是不存在的。
回过头来说，如果你要建立一个平台，这个平台就必须与合作伙伴一起建立，而且必须让合作伙伴使用。我们的合作伙伴对我们格外重要。就人工智能而言，我们最重要的合作伙伴就是 OpenAI。这种合作关系已经持续了 4 年之久，最初只是 "嘿，我们是一家超大规模的云计算公司。我们将与你们合作建立一系列人工智能超级计算基础设施，然后用来训练世界上最先进的人工智能模型和系统。然后，我们要一起做一些工作，弄清楚如何将这些模型、这些平台构建模块，部署到微软提供的产品中，比如 GitHub Copilot，以及将这些东西部署到 Azure 和 Azure OpenAI API 等环境中，人们可以在上面构建自己的软件。"
其他合作伙伴也非常重要。GitHub 显然是目前部署人工智能最有趣的地方之一。它是我们正在尝试构建的 " Copilot "模式的第一个例证，即：你如何能利用某人正在做的知识工作或认知工作，并使用人工智能来帮助他们在做认知工作时大幅提高生产力？如果你看看开发人员，我们根本没有足够的开发人员来编写世界需要的所有软件。开发人员所做的很多工作都是苦差事，因此，如果有一种工具能让软件开发工作变得更有趣，并帮助软件开发人员提高工作效率......
你提到了 Meta 和 Llama 2，我认为 Llama 2 和 Llama 一样，将成为人们用来构建人工智能软件的重要基石。我们希望人工智能软件能运行在 Azure 上，因此我们正在尽一切努力让人们能轻松地实现这一目标。
下一次工业革命
Bob：Copilot 的概念以及你们如何创建这些人工智能工具来帮助人们完成复杂的认知任务：你认为人工智能会如何改变我们的工作方式？对于如何充分利用 Copilot 这样的工具，你有什么建议？
Kevin：如果你回想一下工业革命，你会发现第一次有了工程设备，有了能够协助人们劳动的机器。在 19、18 世纪以及 20 世纪的大部分时间里，大部分劳动都是体力劳动。这些新技术的发明一下子改变了世界上几乎每个人都在从事的体力劳动。
我认为，认知工作或知识工作也会发生类似的情况，知识工作在劳动力所花费的时间和精力中所占的比重越来越大。你我都是知识工作者。对于知识工作者来说，我们还没有真正在生产力方面取得巨大突破。个人电脑是一个加速器，互联网的发明也是一个加速器。我不认为智能手机对生产力和知识工作有什么帮助。但我认为，这可能是此类工作有史以来发生的最大事件。
我认为，它在早期的使用方式有两种，你现在就能看到。一种情况是，你有一大类知识工作，在这些知识工作中，没有办法从事更多的特定类型的工作，因为生产率并没有提高，但你在社会中却有某种赤字，因为你实际上可以使用更多的知识工作。
另一方面，我们所做的很多工作都很繁重。如果你有某种生产力机制，它可以帮你做你最不喜欢的那部分工作，或者最重复、最多余的工作，我想我们都会很高兴在生活中拥有这样的工具。我认为很多公司很快就会成立，以真正帮助解决这样一些问题："嘿，哪里有人们渴望并乐于自动化的垃圾工作？" 这将使他们的工作体验更好，也能让他们完成更多工作。
有趣的是，在我们过去经历的一些大的平台转变中，在平台上完成的最有价值的事情并不是在平台转变的头一两年部署的事情。想想智能手机，你在智能手机上花费最多时间的地方不是短信应用程序，不是网络浏览器，也不是邮件客户端。而是在平台推出后的几年里，在平台之上创建的新功能。
这才是你真正需要思考的难题。现在有哪些以前不可能实现的困难事情变成了可能？这才是人们应该思考的问题。我可以解决哪些难题？你现在可以做很多简单的事情，这些事情会很有用，但我不认为这些是最有价值的事情。
开发人员的生产力和flow state
Bob：GitHub Copilot 中的代码助手是非常强大的用例之一。在微软内部（Going inside the 4 walls），你能谈谈你正在向自己的工程师推出的工具吗？这些工具是如何改变微软工程师完成工作的方式的？以及你们是如何跟踪和衡量工程团队的生产力的想法或建议？
Kevin：我不确定是否有任何人工智能系统需要对开发人员的工作效率进行新的衡量，但我认为这真的非常重要。如果你正在运营一个软件开发组织，而你对开发人员的工作效率没有很好的衡量标准和可见性，那么你现在就需要着手解决这个问题。如果你没有这些衡量标准，你将很难决定在琳琅满目的人工智能开发工具中采用哪一款，以及采用的先后顺序。
我要说的是，开发人员的生产力并不是代码行数。它是指你如何衡量开发人员快速向用户交付东西的能力，然后衡量这些用户是否从开发人员生产的东西中受益。这是对整个反馈回路的检测，确保你能够识别整个产品生命周期开发过程中的摩擦点。
目前，我们正在公司内部使用人工智能工具，首先是让每个人都使用 GitHub Copilot，这是提高生产力的一大法宝。根据我们对开发人员的观察，它最重要的作用是帮助开发人员更长时间地保持流程状态。而不是当你在写一大段代码或试图完成某件事情时遇到阻碍，就像 "我不知道如何去完成下一件事。我得去查阅文档，或者去问问其他工程师，他们可能正忙着什么事情。"能够在脱离流动状态之前，让自己当机立断地解除障碍，是非常有价值的。对于那些正在考虑这些生成式人工智能工具的实用性的人来说，这是一件非常重要的事情。你在为软件开发以外的事情做准备。
去年秋天，在 GPT-4 发布之前，我就决定："我能用这些工具帮我写一本科幻小说吗？" 这是我十几岁时就想做的事。写书的过程很糟糕
它只是不擅长给你提供有人物性格发展的散文章节 以及所有你想在一本好书里看到的东西 但它在让我保持流畅状态方面确实非常出色。因此，如果我衡量一下我一天能写多少字和使用该工具写 2 倍字的效率，那就很容易了。
一般来说，每个人都应该思考的真正有趣的事情就是flow state这个概念。在什么情况下，人们的工作效率绝对最高，或者说最令人愉悦？当你处于flow state时，你就知道了。你就是在大开杀戒。如何利用工具尽可能长时间地保持这种状态？
我们使用大量人工智能工具的另一个地方是人工智能的部署。我们现在做的很多测试，我们做的很多负责任的人工智能工作，都是利用人工智能工具本身来帮助完成的。这是另一件有趣的事情，但并不明显。大约 9 个月前，当我们开始进行大规模部署时，我还没有意识到它会变得如此重要。
重新规划美国梦
Bob：你能谈谈作为领导者，你是如何有效地推出工具来激励和鼓舞员工，而不是激起他们对这项技术对我们的角色意味着什么的恐惧吗？与此相关的是，在日常工作中，你如何处理组织内部对这种颠覆性工具变革的抵触情绪？
Kevin：我认为这是两个完全不同的问题，我会分别探讨。老实说，我在最糟糕的时候写了一本关于这个问题的书。书名叫《重塑美国梦》。这本书于 2020 年 3 月在书店上架，也就是COVID 大流行开始的那一周。这本书的整个观点是，人工智能为人们创造的机会远远多于它可能带来的危害。这并不是说潜在的危害是零，或者说你可以忽略它，或者说你可以把它作为人工智能产品的首要考虑因素。但这确实意味着，我们必须真正坚持和坚定地对待这些乐观的设想。
这本书的部分内容源于我的经历。我在弗吉尼亚州中部的农村长大，那里的经济以烟草种植、家具制造和纺织业为支柱。当我高中毕业时，这三个行业都已经垮掉了。
当这些社区的人们有机会使用非常强大的工具时，他们往往会做出了不起的事情，为自己、家庭和社区创造经济机会。他们解决的问题是你我无法解决的，因为我们看不到世界上所有的问题。我们没有他们的观点。现在，这些人工智能工具比以往任何时候都更容易获得。你现在就可以用这些工具做一些有趣的事情来解决问题，比如在弗吉尼亚州的小镇上创建企业或成为企业家，而不需要计算机科学博士学位或经典人工智能方面的专业知识。你只需要有好奇心和创业精神。
你的第二个问题是，如何让那些抗拒变革的人接受人工智能正在发生的一些事情？
在过去的 9 个月里，我们在微软看到的情况是--我想你们在创业社区也看到了这一点--只要你有一大群人满怀热情地在这项技术的基础上构建东西，你就很容易看到你的同龄人都在适应这种变化，对它感到兴奋，并构建出有趣的东西，然后就会对自己说："我也要去做这件事。"
我认为任何组织中的一部分问题是要弄清楚如何让自己达到那个采用率的临界点，到了那里就会变得容易。然后你就会遇到相反的问题，那就是你开始时提到的问题——人们对你大喊大叫，说他们没有足够的GPU。
给制造商的建议
Bob：最后，我想问一个更普遍的问题。你认为目前人工智能领域最大的开放性问题是什么？
Kevin：我们有证据表明，在我们两耳之间有一个 20 瓦的器官，它就是人工通用智能，它比我们现在正在构建的数字人工神经网络的效率要高出很多很多个数量级。从技术角度看，在如何缩小效率差距方面，可能还有很多突破有待发现。
你必须在笔记本电脑上做一些事情，而不是去购买价值数百万美元的计算基础设施来做一些非常巨大的事情。对于产品开发来说，这也是我之前说过的，它能帮助你加快曲柄的转动速度，降低迭代的成本。显然，如果能在效率上取得重大突破，对我们来说是件好事，因为我们在运行这些模型的基础设施上花费了大量资金。但我认为，这对整个世界以及我们所看到的人工智能产品的创新步伐来说，都是一件好事。
我要对在座的所有创业者说的是，去寻找难做的事情。不要追逐那些琐碎的东西。不要成为AI道德上的屁应用，就像那些充斥着AppStore的屁应用一样。一件事情成为可能并不意味着它就是有用的。真正、真正专注于产品构建的基本要素是非常重要的。AI是一种模型，而不是产品。
作为创业者，你要了解：谁是你的用户？他们的问题是什么？你能为他们做些什么？然后确定AI是否是解决用户问题的有用基础设施，这是不变的。人工智能就像一个新的、有趣的基础设施，它的出现让你可以解决一类新的问题，或者以更好的方式解决一类旧的问题。
Bob：Kevin，太棒了。非常感谢你今天抽出时间来参加我们的会议。我非常感谢你与我们分享你在微软的愿景，以及将这项技术带入生活的一些工具和人性化方面。很高兴看到这些。我期待着下次见面。
Kevin：非常感谢你的邀请。