OpenAI未來猛料全曝光！奧特曼承認自己最大弱點是產品

衡宇 發自 凹非寺

量子位 | 公眾號 QbitAI

奧特曼在OpenAI倫敦開發者日上的最新采訪，終于完整釋出！

40分鐘的采訪過程中，奧特曼除了聊OpenAI未來模型發展方向、Agent、和最尊敬的競爭對手（就是此前碎片式走漏風聲的幾個問題）外，還就Scaling Law、半導體供應鏈、基礎模型競爭成本、該雇傭什么年齡段的員工等十多個問題進行了快問快答。

當被問及站在OpenAI CEO這個位置上，有什么是他過去和現在都缺乏充分準備的。

奧特曼毫不避諱地表示：產品！

總體來說，我的弱點在產品方面。
現在公司需要我在這方面有更強大、更清晰的愿景。

有趣的是，如果讓現年39歲的奧特曼回到23、24歲，他會考慮在垂直方向做一些AI相關的東西。

比如輔導人類學習的AI Tutors，或者AI律師、AI CAD工程師什么的。

以下附上這場精彩采訪的采訪全文，部分段落在不更改其原意的基礎上有所刪改。

最后還有11個快問快答彩蛋～

內容速覽

1. o1代表的推理模型這個方向對OpenAI非常重要。
2. 創業公司的主要業務不要對著現有模型打補丁。
3. 難道大家已經忘了幾年前的模型表現多糟糕嗎？其實才過去沒幾年。
4. 同樣的價值下，更廣泛、更容易獲得、更便宜，那就代表著“非常強大”。
5. “開源”和“閉源但提供API”都很合理。
6. 真正有趣的事應該是讓Agent做一些人類不會或不能做的事（比如高并發推進項目）。
7. 模型確實是貶值的資產。
8. 如果你訓練的模型落后，或者沒有一個有粘性和價值的產品，那么的確可能很難獲得投資回報。
9. OpenAI將對o1進行多模態改進；在o1新范式下，預計基于圖像的模型將迅猛發展。
10. 對OpenAI最自豪的事情，是反復去做一些新的、完全未經驗證的事情。
11. 世界上很多有才的人因為他們在糟糕的公司工作（或者其它原因），沒辦法充分發揮潛力。
12. 員工缺乏經驗并不意味著沒有價值。
13. Scaling Law仍將有效，并持續相當長的時間。
14. 用互聯網技術變革來類比AI浪潮是一個不好的習慣，更愿意用晶體管來類比。

OpenAI倫敦開發者日奧特曼采訪實錄

Q1：當我們展望未來，未來OpenAI更多的是o1這樣的模型，還是說可以期待參數更大的模型？

A：我們當然希望全面推進，但推理模型這個方向對我們來說特別重要。我們寄希望于用推理來解決許多多年來我們期待去完成的事。

比如，推理模型能夠為新的科學做出貢獻，幫助編寫難度系數很高的代碼——我認為這在很大程度上能推動世界向前發展。

所以可以期待一下o系列模型的快速改進，這的意義將非常重大。

Q2：也是從OpenAI的未來計劃出發，您怎么看待作為非技術創始人通過開發無代碼工具來構建、拓展AI應用程序？

A：肯定會有那一天的。

我們的第一步是讓那些懂得寫代碼的人具備更高的生產力；但落到最后，還是希望提供真正高質量的無代碼工具。

目前已經有一些有意義的（無代碼）工具，但如果想完全用無代碼的方式來創建一家初創公司，還需假以時日。

Q3：有一個創始人提問說，當下，OpenAI顯然處于技術棧中的某個位置，OpenAI將會走多遠？如果花費大量時間來調整RAG系統，是不是一種浪費時間的行為——因為OpenAI終將在應用程序中涵蓋這一部分？

A：我們通常會回答說，OpenAI將盡最大努力，并且堅信我們一定會讓推出的模型變得越來越好。

如果你創建的是一家以“給小漏洞打補丁”為生的公司，不管OpenAI是否順利、正確地推進工作，對你的影響都不是那么大。

換個角度來說，如果你的公司會因為“OpenAI的模型越來越好”而更加成功，你肯定會為此感到高興的。

就比方說甲骨文公司偷偷跟你說，OpenAI的o4會強得突破你的想象，你絕對樂開花了。

當然了，如果你非要挑一個o1-preview表現得不好的領域去深耕，勉強以此為基礎，那你肯定會覺得我們的下一代模型不會像想象中表現得那么好。

——這就是我想告訴初創公司的。

我們相信，OpenAI身處的改進軌道相當陡峭，現在模型的缺陷將會被后來者解決和彌補。

Q4：從一個創始人的角度來看，OpenAI可能會在哪些地方（而不是另一些地方）取得成功？相信投資者們也很想了解這個問題，大家都不想投資虧錢。

A：OpenAI將創造出數萬億美元的市值，具體來說，是通過使用AI來構建以前覺得不可能或者不切實際的產品與服務，來創造出市值新高。

我們希望推出的模型非常棒，讓使用者無后顧之憂，只需要用它做想做的事情就是了。

在GPT-3.5的時代，95%的初創公司啊、人啊，都在打賭模型不會變得更好。

其實他們做的事情，我們早就預見GPT-4可以搞定，可以做得更好，不會再出現3.5時代模型會出的錯了。如果創業者/開發者們做的事只是補全某一代模型的某個缺點，你就會發現這個缺點越來越無足輕重。

難道大家已經忘了幾年前的模型表現多糟糕嗎？其實才過去沒幾年。

但是機會遍地都是，所以乍一看給現有模型打補丁是不錯的機會（所以就不去搞AI助教或者AI醫療顧問什么的）。

所以我才說，一開始的時候，95%的人肯定認為模型不會再改進，只有5%的人打賭模型會發展得越來越好。

不過我覺得現在的情況已經不是這樣了。

大家現在反而覺得GPT-3.5進化到GPT-4的速度會是一種常態，但事實并非如此。好在我們內部員工都非常勤奮，我們知道將會發生什么。

Q5：軟銀孫正義說，AI每年都會創造9萬億美元的價值，這將抵消他所認為的每年9萬億美元的支出。看到這個說法的時候，您怎么想？

A：從數量級上來說，現在已經差不多了。AI顯然會導致大量資金支出，同時創造大量的價值。

這種情況發生在每一次大型技術革命的過程中，AI顯然是其中之一。

明年將是OpenAI向下一代系統大力推進的一年。

剛才咱們談到什么時候會出現無代碼軟件Agent，我無法給定一個準確的時間，但可以暢想一下，如果任何人都可以描述他們想要的整個公司的軟件，這將為世界帶來多少經濟價值。

同樣的價值下，更廣泛、更容易獲得、更便宜，那將非常強大。

還有一些其他的例子，比如我之前提到的醫療保健和教育，這兩個領域對世界而言價值數萬億美元。

如果AI能夠真正以不同于以往的方式實現這一點，我認為它帶來的經濟價值的具體數字根本不是重點，更別提導論到底是9萬億還是1萬億了。

但可以肯定，AI創造的價值確實令人難以置信。

Q6：開源是一種非常重要的方法。您如何看待開源在人工智能未來中的作用？OpenAI內部討論過“我們應該開源所有模型或其中某些模型”嗎？

A：毋庸置疑，開源模型在生態中非常重要，而且現在市面上也有非常好的開源模型。

但我認為提供良好的服務和API也是有意義的——這很合理，人們會選擇適合自己的方式。

Q7：您如何看待當今Agent的定義？對你來說，Agent是什么？

A：我沒有充分考慮過這個問題，但我可以給Agent一個長期任務，并且盡可能少地去監督它的執行過程。

Q7’：您認為人們對Agent的看法其實是錯誤的嗎？

A：可能我們都沒有一個準確的了解，但我們都知道一些重要的指標。

比如人們在談論代表他們行事的AI Agent時，常常舉的例子是讓Agent去預定餐廳。Agent可能在線預訂，或者給餐廳打電話訂座。

確實，Agent可以幫忙做一些事節省時間。不過我認為真正有趣的事，應該是讓Agent做一些人類不會或不能做的事。

打個比方，Agent不是打電話給具體某家餐廳訂座，而是聯系300家餐廳，找出哪家最適合我。如果打過去的電話都是Agent接的，那就更酷了！因為人類無法大規模并行推進這種事情。

再舉個更有趣的例子。

Agent可能更像一個非常聰明的同事，你和它合作一個需要耗時2天或2周項目，Agent可以自己執行，還做得很好，在必要的時候它會跟你溝通，最后交出一份出色的成果。

Q7”：這是否從根本上改變了SaaS的定價方式？SaaS通常按用戶數量定價（席位收費），但現在AI實際上在替代勞動力。你如何看待未來的定價方式？

A：我只能猜測一下，我真的不知道。

我可以想象一個世界，你可以要求說“我想要1/10/100個GPU不斷地為我工作”，這就不會按席位收費，而是根據持續處理這個問題的計算量來定價。

Q7”’：我們是否需要為Aengts的使用場景構建特定的模型？

A：它當然需要大量的基礎設施，但我覺得o1模型指出了通向能夠出色完成Agent任務的模型的道路。

Q8：每個人都說模型是貶值的資產，模型的商品化非常普遍。您對此有何回應和思考？當你考慮到訓練模型所需的資本密集度不斷增加時，我們是否會發現“這個領域需要大量的資金，但實際上只有很少人能做到”會發生逆轉？

A：模型確實是貶值的資產，但這并不意味著它們不值訓練投入的成本。更別提你訓練模型的時候會產生積極的復合效應，讓你能更好地訓練下一個模型。

我們從模型中獲得的實際收入證明了這項投資的合理性——當然，并非所有人都能做到這一點，而且有很多人在訓練模型這件事上重復造輪子。

如果你訓練的模型落后，或者沒有一個有粘性和價值的產品，那么的確可能很難獲得投資回報。

OpenAI非常幸運地擁有ChatGPT，擁有數億使用我們模型的用戶。

所以即便成本很高，我們也可以把這個天文數字分攤到大量用戶身上攤薄它。

Q9：隨著時間推移，OpenAI模型如何繼續保持差異化？你最想專注于擴展這種差異化的領域是什么？

A：推理是我們當前最重要的關注領域，我認為這將解鎖下一次在創造價值方面的巨大飛躍。

因此，我們將在各個方面改進模型，我們將進行多模態工作，并添加其他功能，我們認為這些功能對人們希望使用這些模型的方式非常重要。

Q9’：你如何看待推理和多模態工作，包括挑戰和你想要實現的目標？

A：我希望它能順利實現。這顯然需要一些努力才能完成。

但是人類的嬰兒和幼兒時期，即擅長語言之前，仍然可以進行相當復雜的視覺推理。

Q9”：視覺能力將如何隨著o1的新推理范式而擴展？

A：在不劇透的情況下，我預計基于圖像的模型將迅猛發展。

你可以期待在圖像模型方面的快速進展。

Q10：OpenAI如何在核心推理方面取得突破？除了Transformer之外，是否需要開始推動強化學習作為一種途徑或其他新技術？

A：這是兩個問題：我們如何做到，以及Transformer之后是什么。

首先，我們如何做到是我們的秘訣。

復制已知有效的東西真的很容易，原因之一是你有信心知道什么是可能的。在研究人員做了一些事情之后，即使你不知道他們是如何做到的，你也可以去復刻它。這一點可以在GPT-4和o1的復制版中得到驗證。

真正困難的事情，也是我對OpenAI最自豪的事情，是我們反復去做一些新的、完全未經驗證的事情。

很多機構、組織聲稱有能力能去做這樣的事，但實際上很少有真正做到的，包括AI領域之外。

從某種意義上說，我認為這是對人類進步最重要的投入之一。

我期待在退休后想寫一本書，一本介紹我學到了些什么的書，分享我如何建立一個能夠做到這一點的組織和公司文化的經驗（而不是一個單純復制他人成果的組織）。

我認為世界需要更多這樣的組織，雖然它的數量會被人類才智所限。

但現實情況是有大量人才被浪費了，因為這個世界不擅長建立這樣的組織。但我還是希望有更多這樣的組織。

Q11：人才是如何被浪費的？

A：世界上有很多有才的人，但因為他們在糟糕的公司工作，或者一些其它原因吧，沒辦法充分發揮他們的潛力。

我對AI最興奮的一個點，就是我希望它能讓我們更好地幫助每個人來發揮最大潛力。

這個目標遠遠沒有達成。

我敢肯定，如果世界上很多人的人生軌跡稍有不同，他們都會是出色的AI研究人員。

Q12：在過去的幾年里，你有一段令人難以置信的經歷，（帶領出）令人難以置信的高速增長。你提到退休時會寫回憶錄，那么當你回顧過去10年，你的領導方式有了什么樣的顯著變化？

A：對我而言，這幾年最不同尋常的就是事情變化的速度。

在一家常規的公司，你有充足的時間去實現從0到1億美元的營收，再從1億到10億，一直到100億。你無需在兩年內達成這個過程。我們確實并非傳統意義上的硅谷初創公司，

我們不得不如此迅速地達成這一目標，有很多東西我本該花費更多時間去學習（但沒有去學習）。

Q12’：有什么東西是你不知道，且本希望花更多時間去學習的？

A：我說一個吧，就是“讓公司專注于如何增長下一個10倍”，而不是增長10%。

這需要付出多大的努力？這件事有多困難？

如果是增長下一個10%，之前的有效的東西會仍然有效。但要讓一家營收10億美元的公司增長到營收100億美元，那就不能簡單重復之前做的事，而是需要大量的變革。

在一個人們甚至沒有時間掌握基礎知識的世界中，因為增長太快，我嚴重低估了馬不停蹄向前沖刺到下一步所需付出的努力，同時又沒有忽視我們必須做的其它一切。

Q13：Keith Rabois（硅谷投資人，Paypal前副總裁）說你應該雇傭非常年輕的、30 歲以下的人，這是彼得·蒂爾（Peter Thiel，Paypal創始人）教給他的建立偉大公司的秘訣。我很好奇，你如何看待這種觀點？你如何平衡雇傭年輕的有活力但缺乏經驗的人，與那些更有經驗的人？

A：我們創辦OpenAI的時候，我就30歲左右，并不是特別特別年輕。

但目前為止，OpenAI的進展似乎還不錯～

Q13’：你如何看待雇用30歲以下的人來工作？他們年輕、精力充沛、雄心勃勃，但經驗較少（有的可能也很豐富）？

A：顯而易見，答案是你可以通過雇傭兩類人來取得成功。

我們的團隊最近雇用了一個年輕人，他的工作令人驚嘆。我都不懂這些人怎么能在如此年輕的時候把工作干得這么漂亮？！但這就是事實。

如果你能找到這樣的人，他們會帶來令人驚嘆的新視角、能量等等。

另一方面，當設計一些人類有史以來最為復雜、最為昂貴的計算機系統時，我可不愿意押注于一個剛剛起步的人。

所以需要兩者兼具。

我認為你真正想要的是一個由任何年齡段的人組成的極高人才標準，以及一個策略，即我只會雇用年輕人，或者我只會雇用年長的人。

我對 Y Combinator最感激的事情之一是“缺乏經驗并不意味著沒有價值”。

有一些非常有潛力的人在職業生涯的初期就可以創造巨大的價值，我們應該把賭注押在這些人身上，這是一件偉大的事情。

Q15：有人跟我說，有時候Anthropic的模型更適合編碼任務，這是為什么？你認為這種評價公正嗎？開發者該在什么時候選擇OpenAI而不是其他模型廠商呢？

A：沒錯，Anthropic有一個非常擅長寫代碼的模型，令人印象深刻。

我認為開發者大多數時候都會使用好幾個模型，而且隨著Agent的作用越來越大，我不知道未來會如何發展。

我認為AI將無處不在，而我們目前談論或思考它的方式感覺不太對。如果我必須描述清楚，我們會從討論模型轉向討論系統，但這需要一些時間。

Q16：當我們考慮scale模型時，你認為在多少次模型迭代內，Scaling Law（縮放定律）仍將適用？人們普遍認為它不會持續太久，但它似乎持續的時間比人們想象的要長。

A：我理解這個問題的核心是“模型能力的改進是否會像過去那樣？”

我相信答案是肯定的，并且會持續很長時間。

Q16’：你懷疑過這件事嗎？

A：完全沒有。

Q16”：為什么？

A：我們遇到過我們不理解的行為，比如失敗的訓練運行，或其它各種各樣的事情。

當我們接近一個范式的結束時，不得不想出下一個范式。

Q16”’：哪一個是最難駕馭的？

A：當時研究GPT-4的時候，有一個問題非常棘手，我們真不知道怎么解決它。

雖然最后找到了解決辦法， 但很長一段時間我們都不知道該如何推進這個項目。

后來我們轉向我們長期以來感興趣的方向，就是o1和推理模型，但在此之前經歷了一條漫長而曲折的研究之路。

Q17：訓練和運行都可能失敗，保持士氣是不是一件困難的事？你會如何保持/提振士氣？

A：像你知道的那樣，我們很多員工都對構建AGI這事兒是非興奮，這是非常直接的動力。

沒有人期望通往成功的這條路是輕松的、直線的。

有句話說得好，大概是說“我從不祈禱上帝站在我這邊，我從來都是祈禱并希望自己站到上帝那邊”。

在某種程度上，押注深度學習感覺就像站在了天使那側，盡管你沿途會遇到一些大的絆腳石，但最終會發現它似乎總是會奏效。

因此，對此有深刻的信念對團隊保持士氣十分有利。

Q18：我可以問一個非常奇怪的問題嗎？我最近聽到一句很棒的話，“生活中最沉重的東西不是鐵或金，而是未做出的決定”。哪一個未做出的決定最讓你煩惱？

A：我每天做（及沒做）的決定都不太一樣，但沒有一個是“大的”決定。

有一些重大的事情，比如是否會押注于下一個產品，或者我們是否會喜歡以這種或那種方式構建我們的下一臺計算機——這些都有點像高風險的單向傳送門，我會像其他人一樣拖延很久。

但大多數情況下，困難的是每天都有些事情在投票比例為51:49的情況下讓我最終拍板。這些事可能本身就是51:49的，而且我不覺得我能比其他人做得更好，但我又必須做最終決定。

Q18’：當你要對這些51:49的事做決策時，你通常會打電話給誰？

A：沒具體的誰。

如果做一切事情都要依靠一個人，我覺得是錯誤的。對我來說，正確的做法是有15或20個人為我建議，他們中每一個都在特定的領域有良好的直覺或背景。

你可以給（某個領域）最好的專家打電話咨詢，而不是在各個方面都只依賴一個人。

Q19：接下來我想談談半導體供應鏈。你對半導體供應鏈有多擔心？

A：我不知道如何量化這個擔憂。

不可否認對它是擔心的，但這不是我的首要擔憂，但它在所有擔憂的前10%之內。

我們已經陷入了太多的麻煩，已經超過了為此擔心的階段。

在某種程度上，我認為這一切都會順利進行，但現在感覺有一個非常復雜的系統，每個層面都各自運作。在OpenAI內部也是如此，在任何一個團隊內部都是如此。

舉個半導體的例子，你必須平衡電源可用性與正確的網絡決策，以及能夠及時獲得足夠的芯片，以及研究可能存在的任何風險并備好與之相交，這樣你就不會被完全措手不及，或者手里拿著一個無法利用的系統。

“供應鏈”聽起來太像一個pipeline了，但每個層次上的、整體生態系統的復雜性，是我在任何行業中前所未見的。

怎么說呢，這可能是我最大的擔憂。

Q20：很多人把這一波AI浪潮與互聯網相比較，尤其是在興奮和熱情方面。我覺得兩者所耗費的金額還是有些不同。拉里·埃里森（甲骨文公司創始人）說進入基礎模型競賽的起點將花費1000億美元，你同意這個說法嗎？這是合理的嗎？

A：不，我認為會花費更少。

在基礎模型領域競爭的成本將不到1000億美元。

一個有趣的現象是，每個人都喜歡用此前的技術革命作為例子，來談論新的技術。我認為這是一個不好的習慣，但我理解人們為什么這樣做。

在我眼中，人們用來類比AI的例子特別糟糕，顯而易見的，互聯網和AI非常不同。

你提到一個關于成本的事情，以及是否需要花費1000億美元來競爭，但互聯網革命的特征是那時候起步真的很容易，而且對不少公司來說，這一波浪潮只是互聯網的延續。

就像有人制造了這些AI模型，你可以使用它們來構建各種偉大的東西；但如果你試圖構建AI本身，那就完全不同了。

人們常用來類比AI的另一個例子是電力。出于很多原因，我覺得這也不合理。

我最喜歡用來類比的例子是晶體管。

這是一項新的物理發現，它具有令人難以置信的縮放特性，很快就滲透到了各個地方。

我們現在可以想象到摩爾定律之類的東西，就像人工智能的一系列定律告訴我們它會以多快的速度變得更好。

每個人都受益于它，整個科技行業都受益于它。產品和服務中有很多晶體管，但你并不真正將它們視為晶體管公司。

這是一個非常復雜、非常昂貴的工業過程，具有龐大的供應鏈。

基于這個非常簡單的物理發現，帶來了長期的巨大經濟增長——盡管大多數時候你并沒有考慮它。

你不會說“這是一個晶體管產品”，只會覺得“OK，這東西可以為我處理信息”。

你甚至會理所當然地忽視晶體管的存在。

快問快答彩蛋

Q1：如果你現在20歲出頭，使用我們今天的基礎設施，你會選擇做什么？

A：某個AI支持的垂直領域，我會選擇AI助教，或者我能想象到的最好的AI律師、AI醫療顧問，任何類似的東西。

Q2：如果你要寫一本書，你會給它取什么名字？

A：我還沒有準備好標題，除了部分我想寫的東西，我還沒有完整構想過這本書。

不過我認為它會與人類潛力有關。

Q3：在AI領域，有什么是沒受到足夠關注，但每個人都應該花更多時間在上面的？

A：某種能夠理解你整個生活的AI，我希望看到有很多不同的方法可以解決這個問題。

并不一定需要真的有無限的上下文，但以某種方式，你可以擁有一個知道關于你的所有事情、可以訪問你的所有數據的AI Agent。

Q4：上個月有什么事情讓你感到驚訝，Sam？

A：一個我不能談論的研究成果，但它好得令人震驚。

Q5：你最尊敬哪位競爭對手？為什么是他們？

A：我想說，我尊敬目前這個領域的每個人。

我認為整個領域充滿了才華橫溢、非常努力的人。

我不是在回避問題，我可以指出每個地方都有超級有才華的人，做著超級出色的工作。

Q6：告訴我，你最喜歡的OpenAI API是什么？

A：我認為新的實時API非常棒，我們現在有一個龐大的API 業務，里面有很多好東西。

Q7：你今天最尊敬AI領域的誰？

A：讓我向Cursor團隊致敬。

有很多人在AI方面做著令人難以置信的工作，但在使用AI、讓AI提供真正神奇的體驗、創造大量價值的方面，Cursor以人們之前沒有想到的方式將這些部分拼湊在一起，我認為這是非常了不起的。

這個答案排除了OpenAI里的人，不然我得說出一長串名字。

Q8：你如何看待延遲和準確性之間的權衡？

A：需要一個在延遲和準確性之間的刻度標準。我們正在做快問快答，我沒有特意加快速度，但也盡量不想太久。

在這種情況下，你想要的是（降低）延遲。如果換成想在物理學上做出新的重要發現，就愿意多等待幾年。

答案是，應該由用戶控制這個權衡。

Q9：我相信每個人都會對自己的領導力感到不安，這種情況下，以及您希望改進自己的領導力領域時，作為OpenAI的領導者、CEO，您最希望改進哪些方面？

A：這是一個很長的清單……我試圖厘清排名第一的是哪一個。

這周最困擾我的事情是，我對我們產品策略的細節比過去還要不確定。

我認為該產品總體上是我的弱點，現在公司需要我在這方面有更強大、更清晰的愿景。

我們有一位出色的產品主管和一支出色的產品團隊，但我希望在這個領域我能更強大。

Q10：你雇用了Kevin Weil（來擔任CPO），我認識Kevin很多年了，他非常出色。是什么讓你覺得Kevin是世界級的產品領導者？

A：“紀律”是我想到的第一個詞。

我們將專注于我們要說“不”的事情，真正試圖代表用戶說為什么我們要做或不做某件事，真正努力不抱有幻想。

Q11：Sam，你接受了很多采訪。

最后我想談一談，我們對OpenAI有五年的展望和十年的展望。

A：如果我們是對的，我們可以輕松地在接下來兩年內開始制造系統，幫助科學進步。

五年后，OpenAI的技術進步速度會快到令人難以置信，完全可以用瘋狂來描述。

第二點是，社會本身的變化實際上很小。

就像五年前問大家計算機是否會通過圖靈測試，大家都會搖頭。

如果你說一個神諭告訴你會怎么怎么樣，他們會說：oh，這將會是一個瘋狂的、驚人的社會變化。

而現在，我們確實通過了圖靈測試，而且社會并沒有發生太大的變化。

一切只是呼嘯而過。

我期望不斷發生的事情就是進步，科學進步，不斷前進，以一種我認為良好和健康的方式超越所有期望，同時社會變化并沒有那么大。

（完）

參考鏈接：
https://www.youtube.com/watch?v=peg-aX1oii4