文字| Kepoints最近，Andrew NG在第一个Buildathon中发表了主要的演讲，该演讲致力于AI，快速产品开发以及AI工程师的技能要求的协助编程。 NG是一名在人工智能和机器学习领域拥有授权的学者。他是Google大脑项目的创始人之一，也是在线教育平台Coursera的联合创始人。 2014年，南（Nang）加入百度（Baidu），担任科学酋长，并于2024年加入了亚马逊董事董事会。近年来，他一直活跃于AI的投资和创业领域，并建立了AI Fund和Deeplearning.AI等项目。语音内容的基本要点：1。硅谷的新座右铭：“快速行动并承担责任”。 AI辅助编程允许独立开发原型加速10次。原型成本的显着降低使可行的方法快速和错误。真正的价值在于发现项目t帽子应该得到深入的发展和错误。 NG表明，原型的开发对安全性和可扩展性的要求较低，并且AI进一步降低了试验和误差阈值。他提倡“快速搅拌和负责任”的原则，并在决定是否进入生产转换之前建议在沙盒环境中进行空气示例。 2。代码减少，开发人员需要更改系统设计师和AI指挥官。编程工具已经出现在许多世代中：从Github Copilot到IDE，再到最终的助手再到代理编程。该工具的ANG速度会产生巨大的效率，而落后于半代的速度会显着影响输出能力。代码本身的价值降低。 AI可以自动生成代码并切换数据库体系结构，从而使架构决策更加返回。开发人员需要从代码作者更改为系统设计师和AI指挥官F控制系统的基本体系结构和组合系统。 3。工程效率的革命创造了“新产品管理瓶颈”。项目速度提高后，产品的产品和反馈决策已成为新的瓶颈。使用个人案例来描述：当项目时间从3周到1天压缩时，MAIT将花费1周的时间来获得用户反馈。他为数据使用提出了一个新的范式：我们不应仅依靠数据来做出决策（例如“数据选择版本3”），而应使用数据来纠正我们的直觉（“为什么我误认为使用用户版本1”）。通过测试走廊，在咖啡店进行研究，迅速验证原型等来浸泡用户的直觉，并建立一个良好的决策周期。 4。“在AI期间不需要知道编程”是历史上最糟糕的职业建议。 NG NG的观点强烈反对“不需要知道编程在AI中”指出，指出历史编程工具中的每一个发展都可以使编程功能发展。CFO，合法的YETYO和团队在桌子前的员工都可以通过研究编程来提高他们的工作效率。未来的基本技能是“告诉计算机准确地告诉计算机可以做些什么”，这需要一定能力的掌握能力，这需要一定能够帮助掌握的人的逻辑，并能够快速地了解任何能力。跨境效率的改善。裂解过程等。新兴的AI工程师需要掌握三个主要技能：使用最新的AI编程工具，熟悉AI构建模块（及时的工程/评估技术/MCP），具有快速的原型功能和基本产品直觉。 NG呼吁教育系统加快课程更新，并鼓励开发人员积极接受这些变化。以下是演讲的原始文字：我很高兴在周末见到您。我要做的就是与您分享我对AI辅助软件工程的一些观点，以及为什么我们安排了这项建筑活动，这是一项从零到产品的快速工程竞赛。我发现，当您试图进行创新时，无论是诸如AI基金之类的起点还是对更大的商业环境的创新构建，如果项目可能成功，则预测的最大因素之一就是速度。有些团队只能快速表现以获取更多迭代并尝试更多的事情，他们的成功机会将大大提高。显然，当我与投资组合公司的工程师或首席执行官合作时，我真正尊重的一件事是可以实施决定性和快速的人。顺便说一句，我知道当我谈论速度时，有时人们会想：“哦，安德鲁只是在谈论安德鲁在谈论工作吗？”但事实并非如此。由于它肯定有助于努力，我知道在世界某些地方谈论努力是不正确的，但是公开地，我努力工作，我尊重年龄在努力。但是，除了努力工作之外，它还需要一定程度的决策 - 可以使您填补实施并尝试更多事情并完成更多工作。我对AI辅助编程感到兴奋的因素之一是它加速了我们工作的主要部分。当我回顾与我合作的软件工作时，我所做的一些任务是独立开发小型产品的原型，以及某些任务我做的，你们中许多人所做的工作是在大型代码库中开发生产软件。如果我们看一下AI辅助编程的影响，我不确定生产代码的基础是困难的。但是，为了独立地开发小产品的原型，它不是50％的加速度，而是10倍加速度。我认为你们中的许多人经历了许多项目，这些项目需要三名工程师六个月前完成。现在，我们可以在这个周末与我们的朋友一起做。这意味着我们想尝试新事物，我们可以构建20个原型，并查看哪一个作品。实际上，由于我的日程安排，我倾向于在星期六编写更多代码。每个星期六，我都会写很多软件，后来他说：“哦，天哪，它行不通！”但是我从未告诉过他们没有释放的人。事实证明，有些人由于AI领域而感到焦虑，许多Kthe Onsepto的证据尚未放在劳动中。这被视为一个问题，但我并没有真正考虑。为了我的解决方案不是要更多地证明劳动的概念，解决方案是将概念的证明成本降低到低水平上，以至于他们不仅在乎您是否建造了20个原型，其中18个原型失败且永远不会失败，而且从未有任何可用，而且这是发现两个真正重要的原型的价格，并且您需要花费更多的时间做强大，可靠，可靠，播放的时间。这是我们可以实现可扩展性的一个因素，尤其是在独立开发小型产品时。坦率地说，如果我写的软件只是在笔记本电脑上运行，那么对可伸缩性的要求，即使安全性会较低，因为我不打算恶意攻击我的萨利林笔记本电脑，因此，只要我没有太多的防火墙，只要我没有泄漏敏感的信息或其他坏事，就没关系。因此，生产原型所需的工作量较低，AI将继续降低这一成本，同时使其更安全。硅谷的咒语，快速移动莱（Ly）和破解事情，几年前的声誉不好，因为它确实打破了一些东西。我认为有些人最终从这里说，硅谷的生长非常快，而且发展不快，但这是错误的。我团队的口号是“快速移动并负责”。我发现许多智能团队都有创建沙盒环境的方法，因此您不会向数百万可以以某种方式伤害他们的人发送数百万软件。但是您正在建立一个原型，您正在自己尝试，以为您不会给自己造成太多创伤。您知道，如果大型语言模型提供了错误的答案，那么您可以快速采取行动，但要在安全的沙箱中进行操作，以便您可以蛋白质型，然后决定是否采取安全措施然后进行测量。 AI的编程助手的特征之一是近年来，发生了变化和多代变革的浪潮。我认为GitHub代码自动生成是两年前的巨大变化，但是现在我们很遥远。然后将是支持AI的联合开发环境的一波。当时我使用了帆冲浪或光标，还有一些公司，例如Replit，Bolt，V0，也许是Love -Love。然后，在人ITOR或近几个月中，又有一波高的代理编程助手，例如Claude Code，Gemini CLI，Codex。你们中有些人知道我个人经常使用Claude代码，对吗？但是，我会在两个月后再说一遍。我发现工具正在迅速出现，它带来了巨大的变化，而最新一代工具的使用确实与不使用最新一代工具的不同是很大的不同。也许大语言模型已经足够成熟，以至于如果您使用它，则有许多模型足以满足许多商业应用的需求。但是，在编程方面的帮助是快速发展的领域之一，而后面的一半代或一代确实具有很大的不同。但是，如果您使用大型语言DEL六个月回来了，然后您知道，对于许多可能没事的应用程序可能并不重要。我看到的另一件急切的事情是代码曾经是一个非常重要的产品，使用此传统软件构建代码非常困难，并且必须维护和更新它，但是由于AI可以为您编写，因此产品的代码量减少了。尽管选择建筑的选择更接近“可逆决策”，但杰夫·贝佐斯（Jeff Bezos）使用的术语，如果您不喜欢，则可以做出决策并更改它。因此，在设置数据库架构之前，您不想更改它。但是现在，如果您的数据库模式错误，那没关系，让AI为您完成此举，这不会受到伤害。因此，当我建造时，有时我会探索三个完全不同的Architersit是一天，一切都很好。然后，也许下周我会说：“你知道吗？让我们在我的代码库上放弃，从一开始就重建一切。”这样会Ake人以新的方式考虑软件。我后来谈论的最激动人心的事情之一是硅谷。我认为这里的每个人和观看现场直播的每个人都在这方面确实领先。我稍后再谈论。但是，我在软件空间中看到的最大变化之一是，当建筑物变得更容易时，决定建造什么变成更大的瓶颈。我一直称其为产品管理的瓶颈。因此，在AI基金中，当我们构建产品时，我认为我们正在尝试推动非常快速的重复，我们在原型中编写了一些软件，也许是一个快速而粗糙的原型，然后我们进行了一些产品管理，获得产品管理，获得用户的反馈，使我们的产品理解，并激励我们要更新我们想要构建的东西，我们将重复此循环，尝试构建用户Intuition，并获得更好的产品并获得更好的产品。因此，对我来说，这是一个主要的循环，在AI基金中，深度学习。AAI，我的许多团队都使用它来推动软件开发。比KS到AI编程辅助和快速工程，我们现在可以比以往任何时候都更快地构建软件，这意味着获得反馈或尊重我们对用户真正想要的内容的直觉是更大的瓶颈。因此，在之前，我花了三个星期开发了一个原型，又一周做了研究设计或其他东西，那没问题。因此，花三个星期的编写代码和一个星期收到评论，仅此而已。但是现在，如果我们有一天能写软件，就需要整整一个星期才能获得用户评论，而且感觉就像一个世纪过去了。我看到的一个有趣的趋势是，我的许多团队越来越多地决定他们的直觉，因为这是一个非常快速的决策过程。您知道，我是一种人类的数据，我喜欢数据，正在研究AI数据，我在谈论以数据为中心的AI。因此，我显然感谢并尊重数据。实际上，我们就像雪花一样，数据公司，数据很重要。但是，让我给你一个榜样，说明我做出的决定。史蒂文和我是WO在尚未发布的产品上rk，所以我不想谈论细节，长话短说是简短的，我们有四个产品创意。我喜欢其中一个，但我的团队不同意我的看法，因此他们进行了一项用户调查以查看用户喜欢的内容，并且数据出现了，我错了。我喜欢第一个版本，用户喜欢第三版。因此，对我来说，使用此数据的不良方法是说：“哦，用户想要第三版，构建第三版”，好吧，许多团队做到了，您的决定是由数据驱动的。但是对我来说，这是一种使用数据的非常简单的方法。我真正做的不仅是说“数据显示了三个版本，决定我们这样做”。我所做的是花很长时间检查用户的数据，我们问了很多问题，那是其中之一，真的坐下来，反映：“我怎么遇到麻烦？为什么我认为用户想要第一个版本，但是数据清楚地表明用户想要第三个版本？”因为与纯d相比ATA，数据显示用户想要第三个版本，我想根据此数据做出决策，我的愿望是使用数据来维护我的直觉，然后根据其决定将开发什么。这是一个很大的区别，因为这意味着，我真的花了很多时间思考：“我怎么能弄乱它？”因为在我看来，通过花费时间在我的直觉上，我不仅可以做出更好的方式，而且可以以更好的方式做出许多其他决定来交付用户。在这方面，我们确实花了很多时间思考一套技术来私下我们对用户的直觉。但是，您知道，我们所做的一切都开始亲自测试产品，如果您对用户的了解很好，您的直觉将很棒。当您对用户有良好的直觉时，这是一个非常快速的决定过程。询问朋友，团队成员，进行走廊使用测试，询问一些陌生人，我经常坐在咖啡店或酒店大厅里，尊重陌生人并要求他们查看我的产品，我现在仍在这样做。从原型测试到A/B的在线测试，我知道硅谷喜欢A/B试验，当然，我们也在A/B进行测试，我们想取得结果，但对我来说，这确实是我们投资组合中最慢的技术之一，我们很少使用。但是，此示例表明，当工程加速时，它会在其他地方创建瓶颈，我们应该努力消除这种瓶颈。我认为你们中的许多人会问这个问题，因为你们中的许多人是软件工程师，或者您的非富裕工程师朋友可以问：“我应该学习编程吗？”在结束之前，我想花点时间讨论它，去年，许多人建议其他人不要学习编程，说AI会自动化它，我认为我们将研究有史以来最糟糕的职业建议。编程时，当软件工程从穿孔卡到键盘和终端时，当时的人们说：“请参阅，我们有编程机器人，Pro语法是napaka napaka-简单，就像您不需要软件工程师一样”，而且人们确实想到。但是，这是错误的。我的意思是，代码或键盘或键盘和终端使编程变得更加容易。随着我们从会议的语言转变为更高级的语言，从更高级的语言转变为从文本编辑器到组合环境（Ideas the Complinenting Environments（Ideas）的帮助，请对AI的编程进行编程，从而使整个程序更加轻松地进行编程。加快了机密性协议；当他或她从未做过的工作时，他或她从未这样做。在幕后，我与汤米·内尔索（Tommy Nelso）一起工作N，一个了解艺术史的合作社。他可以用艺术语言，艺术灵感，调色板，流派灵感来写Midjourney信号，以便创建像这样的美丽图片。另一方面，您知道，我不了解艺术的历史，我所能做的就是提示：“请为我制作一张漂亮的机器人图片。”而且我无法像汤米这样的控制权，这就是为什么我们最终没有我的照片。我认为未来是预期的，不仅对于所有发展的人，而且对于所有人来说，将来最重要的技能之一就是告诉计算机您想做什么，以便计算机可以为您和可预测的未来来做到这一点，了解计算机语言，了解编程，将使您更深入地了解计算机，从而更多地控制它。无需用10个手指编写很多代码，您可以让AI为您完成工作，但是更深入的理解对于计算机告诉您该为您做什么。因此，我期待Mthey会出来并传播这一观点，因为我所看到的不仅是软件工程师，而且对于几乎所有知识工人来说，在AI的帮助下如何做到这一点的人将在AI的帮助下更好，更强大。因此，我认为他们加入我们甚至提供帮助很重要，因此为这里的每个人工作更容易。我看到的另一个热门话题是，人们想知道，我们需要一门主要的计算机科学吗？因此，我认为计算机科学毕业生最近的失业率最近增加了7％，但我看到的是缺乏AI工程师。我在批处理上写了这篇文章，称其为“一般AI应用程序工程师”，但我认为这个名字很难表达。不幸的是，我所看到的是，仍然有许多大学不再熟练他们的课程来了解当前的工作职责。但是坦率地说，我找不到足够的AI工程师，而公司找不到足够的才能。有些人得到他们的学位但是，里斯（Rees）毕业时从未打过一次大语言模型。实际上，我最近遇到了一些没有测试过任何AI编程助理的学生，我认为这真的很糟糕。但是我发现，当我与许多企业交谈时，我们只是找不到足够的AI工程师。因此，对我来说，这些是一些基本技能，以及我对新兴AI工程师的作用的看法。首先，要熟悉AI辅助辅助编程，这更好。好消息不需要两年才能知道这些工具，达希尔（Dahil）实际上并不长期存在，但这是一项基本技能。我发现真正重要的第二组工具是熟悉AI构建块。由于大型语言模型，许多企业或开放或封闭的资源现在用于促进​​，实施抹布，代理流，如何进行Evals，我发现开发流动剂的最重要技能之一是能够推动标准的错误评估过程，出乎意料的是困难，但有点像学习如何使用MCP，PA。但是我发现，该AI给您的新的AI构建块比两年前更强大。因此，如果您理解这一点，则有更多可选成分，可以融合在一起，以生成新软件。最终的做法是该原型制作的快速技能，包括整个堆栈的基本知识。这真的很有趣，我发现我是一个非常糟糕的前端开发人员。我的背景更多是要研究后端机器。但是在AI的帮助下，我是一个很棒的外墙。借助AI辅助编程，您可以更轻松地发现前端错误，而棘手的后端错误仍然需要数周的调试。而且由于产品管理瓶颈，我发现开发人员只有基本的产品管理技能，因此，如果只有工程师知道Pixel-Perfection设计设计，那就微不足道了。如果工程师可以对用户具有更多的用户意识和酌处权，他们可能会做出一些主要的PR DecisionSodukto，一些用户直觉和基本设计决策，这些决策确实可以更快地发展团队。因此，尽管最近对计算机科学毕业生的失业率日益增加是我们需要解决的令人沮丧的问题，但我发现硅谷整个企业都找不到足够的相关技能的才能，而工作机会确实是这样的，如果您拥有相关的技能，您来了，您会来工作，您正在寻找工作，您可以与我联系，我可以与您介绍许多企业。对于许多人来说，确实存在缺陷，但这也是一个真正的机会。总而言之，我知道我拿着很多分，但最后几分。我们中的许多人都领先于快速工程，也许还有另一个术语的氛围编码。当Madalas时，我可能不会使用这个术语，您可以做到这一点，但是事情并不简单。当我整天或一个下午编程编程的编程助理时，我很累，这在大脑中非常锻炼，所以我发现许多非技术人员使用了“ Vibe编码”一词，但我没有在我的简历中写下“我是环境程序员”。这导致了工作流和软件以及产品管理瓶颈的许多变化，但是我很高兴探索您。我希望我们现在能做的一件事是，如果您看到最佳技能或工作流程的奇怪变化，我想听听您也看到的内容，因为您正在发生变化，或者遇到不存在的新问题，然后找到新的解决方案，我觉得很有趣，所以我希望与之交谈，我们都可以彼此了解。这就是我们要修复这座建筑物的原因之一，我可以清楚地看到，硅谷和其他主要技术中心的人们，甚至其他地方的建筑物都比是的。r前。世界上许多人尚不理解。我们仍然有人说：“哦，我编程AI。”您知道，“这对我来说就像是自动完成的代码”，令人惊讶地，但是我们很远。因此，我希望我们能做的一件事是彼此分享最好的技能，互相学习，并传播观点，以便世界上许多人最新的时刻不知道他们现在可以做什么，甚至比我想做的甚至比我想做的更多，也就是说，带领世界前进。我认为软件也是其他学科未来发展的预兆。因此，在大型语言模型的领域，我认为有两个明确的有价值场所。一种是回答问题，您知道，Chatgpt是该领域的市场负责人，只是回答人们的问题。第二个是编写代码。这是有价值的两个主要领域。结果，人们在AI上投入了大量资金，这比其他赛车领域的工具更先进。但是我认为Re是我们在软件领域看到的许多事物，最终，这些工具还将为许多其他赛车领域带来更好的开发。因此，它们确实是Kapana-我们在软件空间中看到的平淡速度也将扩展到其他领域。因此，除了快速的工程和加速我们的软件工作外，我认为这也为工程师知道它不是软件的早期课程，这不是软件在他们的领域中可能会尽快发生的事情，并为我们自己和全世界的所有知识工作者都知道。也许人们是知识渊博的工人。我发现了Kapana的一系列活动，我希望我们所有人都可以参与其中，不仅是为了我们自己的工作，还可以帮助他人与我们合作。因此，我希望与您度过美好的一天，非常感谢。问与答：观众A：Wu教授，我很高兴我在这里。我毕业于斯坦福大学商学院，我的背景是业务。我没有编程经验。在两年的同时，我认真考虑编程ND研究和写很多代理商。我今天有很棒的经验，因为在亲自看到一个项目之前，我不知道它会是什么样。当我今天早上谈论经纪人的模块化时，这确实引起了共鸣。我们正在考虑propt，我们正在考虑MCP，我们正在考虑各种各样的事情，所以我们对代理商有更快的编程审查吗？最好的技能是什么？因为每个人都使用不同的工具，所以每个工具都使用一个规格驱动的工具，人们谈论上下文工程而不是工程提示，我们提出了自己的工作流程，但有时结果很好，有时却不好。因此，我们想听听您的观点，看看我们能做些什么来改善我们。的：坦率地说，AI编程的最佳技能正在迅速发展。尽管我今天听小组的讲话或在走廊上聊天，但我也学习。因此，我不知道世界上是否有最好的解决方案，因为最好的技能正在迅速发展。但是我知道我所知道的最好的技能，例如开发驱动的开发，我们一定会在它们的顶部建立一些成分，因此我们需要进行更严格的试验。对于不在它们顶部建立的事情（例如，在末尾），我的测试不多，但是对于后端数据库，我正在进行真实的试验，以避免我以后找不到的非常奇怪的错误。规格很重要。我发现Iteratsn将很快帮助开发产品。我认为问题是如何将许多代理商的工作协调在一起，我看到许多不同的人在做许多不同的事情来协调和感觉像野外的西部。我认为MCP是一个很大的进步。 MCP面临的挑战是API列表很长，因此我认为最终我们必须制定更多分层的检测协议。我真正要做的一件事是尝试阅读别人的信号。事实证明，我的提示方面的一种很好的方法是，每当有一个非常酷的纸质研究时，正如出版的那样，我有时会下载开放资源并真正阅读技巧，成为一名好的技巧工程师的唯一方法是Suethis是您自己的，也可以阅读其他人的提示。关于评估的一件事是，代理人较老，决定您开发代理能力的最大因素之一是能够在错误评估过程中推动标准。 The best practice is that you have an AI agent you know, for example, downloading PDFS, extracting texts, doing a web search to check if you are dealing with someone who is sanctioned, if you are a supplier, you look at the database and pricing, etc. So I found that these agent workflows are able to quickly build end-to-end workflows, then evaluate end-to-end workflows, and then perform an analysis error so that when the AI ​​agent is not acting像一个人的专家一样，我们可以仔细关联代理商和成分误认为专注于专注于的人之间的差距正确的成分。目前，我发现在推动错误评估过程的团队之间仍然存在拥抱分歧。这样，您不必猜测该怎么做，它可以是存在问题的代理，在该问题上表现不佳，并且确实集中了。它具有一个非常系统的评估系统，非常系统性，并且观察AI代理的所作所为比人类专家并以此为重点，我希望您能教全部，对团队速度产生重大影响。受众B：此类AI编程的当前局限性是什么？正如我们看到的那样，它创建了SaaS的应用，我们看到了它，但是大型后端软件（例如如何制作RDBMS）又如何呢？您是否看过AI，今天可能不需要数十年的时间。您认为它可以从中获得lothelp吗？的：我听说许多人类研究人员已经很长时间没有编写一系列代码。所以我认为我们看到了AI编程Agen编写的非常严肃的软件TS。我看到的是，对于更常见的任务，例如正常的后端开发，有更多的培训数据，因此在这方面很棒。顺便说一句，事实证明，它在实现变压器神经网络方面非常出色，因为有足够的数据。但是，对于非常独特的情况，有时甚至是基本的GPU编程，较少的培训数据。因此，它们确实不能可靠，或者对于开发其他人尚未实施的独特研究算法的极端情况，您需要将层次结构降低到提示。对于前诗，有许多前反应可以提供高级尖端，并具有一定程度的理性解释。然后，您会发现，从最近的开发项目中，该模型确实非常好。因此，我认为Claude4是一个很棒的模型，GPT-5是一个很棒的模型，但我不仅找到了很多功能，而且还发现了代理团队，您知道诸如Gemini CLI之类的云代码或周围的任何东西建造者。我认为，兴趣 - 类研究表明，如果您有一个人可以做的任务，两年前，AI将无法完成一项将需要30秒钟的人完成的任务。当前的情况是人们需要一，五，十分和二十分钟才能完成的任务将成倍增加，因为人们可以完成工作的时间，现在AI可以做越来越多的自治。这是一个令人兴奋的趋势。在AI的影响下，人们可以在一定时间段内迅速编写的代码数量。受众c：因此，从诸如编码代理这样的技术中，AI是一种新的功能，可以将其重新监视到使用图形处理器进行深入监测的研究。您坚持认为世界仍然不接受什么看法？ NG：无论如何，我想念我说些什么，但没人相信我的日子。然后我记得当我说我们必须衡量学习机器的努力时，许多人不相信我，对吗？然后我qu伊特（Iet）为自己工作了很长时间，人们终于开始接受我的观点。现在，我真的很担心我会说愚蠢，人们相信我。我认为在未来几年中，仍有很多工作要做，在代理商的工作流程中实施了大量的业务流程。我发现的一件事是kapana-激发。我认为人们仍然会低估语音堆栈的力量。我认为将来会有更多基于语音的应用程序值得广泛赞赏。我认为Visual AI的发展也相对较慢，最重要的图像类型是PDF文件的图像。有人告诉我，人们每年都会构成一万亿页的文档，因此获取代理文档实际上会像这样流行，并且可以拾取许多PDF文件进行流动处理。也许人们从未相信我的另一件事，我认为每个人都应该知道编程，而不仅仅是软件工程师等。听众c：您是说S在没有AI代理的帮助下进行雷电编程，或者在AI代理的帮助下研究编程？的：您应该在AI的帮助下知道编程。但是，由于我的团队，人工智能基金和深度学习。aai，每个人都学会了编程，而且我认为许多责任不是老师正在做的软件工程。他们不会是软件工程师，我也不想成为软件工程师。但是，您知道，当非技术领域中非技术性的人学习编程时，您将成为更好的营销商，更好的招聘人员，更好的人力资源专业人员，更好的财务专业人士。因此，我认为世界仍然需要解决这个问题。观众C：谢谢教授。因此，当今使用的MARAMING模型经过培训。现在，将来，新的软件开发模型如何出现并传播到这些模型并广泛传播？这是什么机制？的：你知道，我喜欢的东西，在计算时，我们构建L抽象的艾尔人，有时有一些低水平的抽象水平不是好或不好的，但是我们只是把它提出来，然后我们就会构建它。例如，我认为Linux很棒。另一方面，我不知道我们总是能够进入她，也许比Linux更好地发明操作系统。但是，多余的内容已经建立在上面，现在可能不值得尝试更改。所以我有点困惑，您知道8086的组件，对吗？显然，我们可能会被困很长时间，但这没关系。因此，我怀疑它是否会在互联网上有太多的Python和JavaScript代码，它是否会使Python和JavaScript成为抽象层，，C ++和Java或其他任何东西，我认为如果还不错，因为这还不错，但是如果有人发明了一种新的编程语言，那是可以的。正如我今天提到的那样，我们在编程基础GPU方面遇到了许多困难，因为没有足够的数据。哦，还有另一件有趣的事情。美洲驼每。 Llama论文和代理商流的多元文章用于产生编程难题，因此他们允许AI长时间思考来产生编程难题和解决方案，形成数据以训练下一代模型以快速解决这两个编程难题。因此，我认为，由于具有代理循环的AI系统可能需要很长时间才能解决thosethis的难题，因此它会生成数据来训练下一个AI一代，以尝试更快地解决问题。因此，有一条生成合成数据的途径，我认为这也令人兴奋。观众D：谢谢，安德鲁。我有问题。这很开放。因此，当我们谈论大语言模型时，至少它会根据上一个预测下一个模型，对吗？但是，当我们谈论AGI时，人们现在对Agi的到来都在发抖，当我觉得我将其与人类思维进行比较时，人们通常会根据直觉，信仰和许多其他因素进行思考。但是要实现AGI，我们的瓶颈通常是Ware。立即为了使大型语言模型或在AGI中形成它，您如何认为这种瓶颈会发展，以便模型可以超越这种瓶颈，而不仅仅是猜测下一个输出，而是猜猜我们作为人们的基于信念，英勇和意识而做的事情。太远了吗？ NG：所以让我首先谈论AGI的概念，然后讨论AI的发展。因此，我认为AGI已成为一个术语炒作，而不是技术术语。我认为我知道的最初含义是可以实现人类智力活动的AI。就像在野生动物园一样，我们大多数人都可以学会将汽车驾驶到一个全新的环境中，或者我们大多数人实际上需要十二个小时才能学会飞行飞机或学习飞行船，因此这些是人们可以做的任务。他们实际上与AI可以做的事情相去甚远。因此，我认为这与我们对Agi的看法相去甚远。许多经济，商业或公关因素的单位，许多公司处置了AGI的替代定义，以创建炒作或公关之类的东西。现在的情况是有很多胡说八道 - 同样的AGI感，我不明白，很难确切知道人们在使用AGI时说什么，这就是为什么我怀疑当某些公司宣布他们达到AGI时，我不认为会有技术里程碑或营销里程碑。至于人类基因组的例子，它成为了在公共关系，竞争等中竞争的两个小组，并最终决定“让我们取得成功”。他们举行了一次联合公关会议，宣布了成功，然后回到了人类基因组实际谴责的真实工作。因此，经济学家Arethere可能会说：“为什么我们没有直接说我们来了Agi？我不知道这意味着什么。”从某种意义上说，我认为Agi大约几十年前出现了。因此，我真的想知道我们是否应该鼓励公司，让我们表达成功，然后让我们回到AI的真实工作。它可以去除一些炒作并形成愈合HY生态系统。我不知道，也许我对此建议有问题。现在，直到我们的人工智能和意识一直涉及，我才知道如何衡量意识。意识是一个重要的哲学问题。但是在哲学中，有一个这样的问题：“你怎么知道我是否有意识？你怎么知道我是否自我意识？”否则哲学上有僵尸的概念。也许我不知道，但是我只是像我的意识一样行事，而您看不到它。因此，我认为我们决定在人类社会中，我们不知道是否其他人知道，但是假装别人知道的是有礼貌的。我认为我对计算机也有同样的感觉。对我来说，如果计算机知道是一个哲学问题，而不是一个科学问题。据我所知，没有意识的审判。我不拒绝哲学问题的重要性。它们很重要，但这是人们几个世纪以来可以争论的事情，但无法解决。因此作为工程师和科学家，我只能说我不知道​​计算机是否知道，就像您永远不知道我是否有意识。因此，如果我们将计算机的行为与智能人员进行比较，我们可以看到两者之间仍然存在明显的差距。但是在某些地方，计算机比人多，在某些地方，计算机比人少。因此，我认为将差距完全缩小到人们似乎真的很困难。我认为这可能需要数十年，主要是因为计算机设计原理与生物学不同。因此，人的大脑具有一些使计算机难以匹配的好处。对于计算机而言，有一些与人类相媲美的令人惊奇的好处。因此，我认为我可以完成的工作是致力于建造事物。观众D：谢谢，安德鲁。我对您之前提到的主题有疑问，计算机上的科学对大学生意味着什么？我当然知道明确的答案是，每个人都应该开始使用这些工具将无论他们建造什么，它都会更好。但是我的问题是关于更基本的事情，因为我们将专注于了解计算机科学的基础知识。例如，是否仍然需要知道如何做汉诺威问题或如何在图表上行走？您还能了解编译器设计如何通过网络工作吗？或者，今天或将来编写的编程或语言的问题是专门为大型语言模型设计的，而不是为了学习编写代码的问题。因此，我想知道对于一个大学生，除了使用这些工具外，他是否是否还要专注于开发基础知识，以便他可以在计算机本身上扩展科学领域？ NG：因此，我认为作为计算机科学领域的人，我学到的一些东西已经过时，但事实并非如此。我认为计算机科学中的广告没有教授许多重要或有用的信息。我在许多计算机科学课程中发现的更大的问题是，他们没有教一个非常重要的新知识知识，课程尚未调整，有些事情已经过时。例如，公开地，不要要求我记住今天的JavaScript的语法，对吗？所以我不考虑这样的事情。但是，许多主要的计算机科学，例如了解数据的存储方式，数据库模式是什么，如何衡量这些内容？什么是互联网？例如，什么是抽象层？您正在建造什么堆栈？我认为这些基础知识可以使具有更深层次的科学知识的人进入计算机，这仍然可以指导AI系统设计和开发更强的可测量Sistema。我认为我们中的许多人都有这种经历，而AI编码代理黑客遇到了这种经历，对吗？例如，删除所有测试，因为这是通过测试的最快方法。 AI编码代理将做这些事情。我认为拥有更深刻基础的计算机科学基础的人可以更好地考虑解决问题。所以我发现这非常重要，我的直觉是部门的主任两三年前的计算机科学领域，也许70％，80％非常相关且值得了解。但是我们必须添加非常重要的新知识，我认为这对许多大学来说有点慢。观众E：您好，安德鲁，谢谢您的主要演讲。当天早些时候，您谈到了产品管理瓶颈，该问题是测试人员，用户和陌生人的问题。因此，我想知道您是否认为我们会使用AI来真正解决这种瓶颈，就像您知道那样驱动大型语言模型来播放产品用户和测试应用程序等。您有任何想法吗？那你怎么这么认为呢？的：是的，事实证明许多人这样做。实际上，只有一个人，Ash抓住了我，向我展示了一些可以做到这一点的产品，但事实证明，许多人正在使用模拟代理进行用户研究。因此，我可以模仿100个字符，甚至可以作为角色进行调查，甚至可以回答它们，然后尝试我的产品。这么多活跃和卡帕纳的研究现在如何我应对一组100个模拟代理，以便他们可以说信号的词？示例：“您是这样的人，适合这份工作。告诉我您的想法。”因此，如何构建模拟代理集合，以使您获得的答案与用户的行为正确匹配。我认为这是第一步。我认为，如果我有一个产品理念，集思广益，并且从默认个性中获得第一手反馈是很好的，那么我们中的许多人真的很好。因此，我认为这项研究有望继续。但这确实是一种事情，许多人评论是此信息不存在于互联网上。例如，当AI基金构建大量B2B产品时，我们会与财务专业人员或合规性专业人员一起工作。互联网上没有太多关于它们对不同产品属性的反应的数据。 Kaya在这种情况下，大型语言模型是上下文的，他们不了解软件开发的特殊工作。和t母鸡以某种方式从真实的人那里得到反馈，或者仍然很重要。如果我们派人AI代理人采访他们，而不是与他们交谈，我认为这确实是一个令人兴奋的地方。他们提出了一个产品管理问题，我认为我有动力看看我们是否可以找到帮助您解决此问题的方法。听众E：好的。谢谢，安德鲁。 特别声明：上面的内容（包括照片或视频（如果有））已由“ NetEase”自助媒体平台的用户上传和发布。该平台仅提供信息存储服务。 注意：上述内容（包括照片和视频）已由NetEase Hao用户上传和发布，该用户是社交媒体平台，仅提供信息存储服务。