微软公司设计与人工智能副总裁前田约翰（John Maeda）
划重点
了解人工智能的工作原理可以帮助减轻恐惧心理，使人们更容易接受它。步伐
企业需要持续关注人工智能的让人发展趋势和技术进展，以保持竞争力。
微软推出的 Semantic Kernel 是一种用于 AI 编排的开源工具，可以优化 AI 应用程序的输入和输出。
不掌握人工智能的语言（编程语言），你是否能真正通过人工智能技术获得优势？微软公司（Microsoft）设计与人工智能副总裁前田约翰（John Maeda）跟我们探讨了人们对人工智能的常见误解以及对人工智能发展机会的偏差理解。作为人工智能开发领域的资深专家，前田跟我们分享了如何更好利用这项新技术的宝贵见解，具体包括如何克服相关恐惧、让人工智能更好地为自己服务，以及人工智能如何帮助领导者做出更好的决策等等。
前田约翰（John Maeda）：当你了解它的真实工作原理后，就会减少对它的恐惧。技术、设计和商业就是人工智能这个“三角形”的三个角。技术人员认为这项技术令人非常兴奋，应该继续研究；设计和社会科学领域的人士则认为需要提出问题；商业及产品方面的人士则更多关注的是如何带来更多盈利和更满意的客户。在这三个领域之间找到平衡非常重要，只有这样才能使人工智能真正发挥作用。
是否能利用人工智能这项技术已经至关重要，这样你就能知道市场趋势的“跳跃”方向。这不仅是简单的“移动”，而是以令人咋舌的速度在一切事物上的“弹跳”。只有亲身参与模型的演化发展过程，你才能了解其最终走向。
[主题音乐]
鲍勃·萨菲恩（Bob Safian）：这位是微软公司设计与人工智能副总裁前田约翰。
前田是人工智能研发领域的核心人物之一。他不仅牵头开发出了全新的 Semantic Kernel（SK）编程工具，而且也是《如何与机器对话》（How To Speak Machine）一书的作者。
我是鲍勃·萨菲恩，商业媒体《快公司》（Fast Company）前编辑，Flux 集团创始人，也是今天的主持人。
我之所以邀请前田来我们节目，是因为理解人工智能并了解其发展方向已成为我们所有人的“必修课”，而前田一直处于这一领域的前沿位置，对于人工智能的发展具有深刻的见解。
我第一次见前田时，他还是罗德岛设计学院（Rhode Island School of Design）的院长。自那以后，他在多个硅谷风险投资和科技公司工作过，并担任过多个消费者和 B2B 企业的顾问和董事会成员。前田拥有麻省理工学院的硕士学位、MBA 学位和设计博士学位，并撰写了多本关于领导力和人工智能相关主题的书籍。
接下来的几个月，本播客将深入研究人工智能的快速发展对个人、企业和社会所带来的影响。前田为我们提供了一堂易于理解的“入门课”，帮助我们了解所面临的复杂性，以及应对这些变化的方法与原因。
[主题音乐]
萨菲恩：我是鲍勃·萨菲恩。今天来到我们播客节目的是微软设计与人工智能副总裁前田约翰，前田是《如何与机器对话》一书的作者。感谢您接受我们的采访。
前田：很高兴来到这个节目。我感到非常兴奋。
1. 为什么 AI 正处于“春假”阶段？
萨菲恩：在多年来担任技术人员、设计师和公司高管的工作经历中，您一直在参与人工智能相关领域的工作。您把当前的人工智能发展阶段比作在劳德代尔堡的“春假”（译者注：劳德代尔堡是美国佛罗里达州的一座城市，因该市有许多酒吧和俱乐部，派对气氛浓厚，曾一度因大量的春假活动而广为人知。）我很好奇为什么会这样比喻？您是在说这个阶段就像一场注定要宿醉的派对，还是说这个派对会孕育出其他的东西？
前田：你一定对劳德代尔堡的春假非常熟悉。
萨菲恩：是的，我在这方面有过不少的了解。
前田：事实上，我可能首先要提到“人工智能冬天”（AI Winter）这个词。这个表达来自于“人工智能核冬天”（AI Nuclear Winter），但大多数人并不知道这个背景。同时，许多 20 世纪后期的科学技术都是通过战争研发出来的，这是一个相当阴暗的背景。因此，我喜欢用一个在劳德代尔堡度过的美好春假来对比这种黑暗。在那里，饮料免费，颜色鲜艳，一切都很美好。这是从极度黑暗转变为极度明亮的转变。当然，你可能会担心这种转变会不负责任或者存在过度发展。但是，我们必须认识到，我们就是从“人工智能核冬天”开始的。
萨菲恩：仍然有很多人对人工智能感到害怕，因为人工智能依然存在很多不确定性和未知的风险因素。
前田：这是毋庸置疑的。
萨菲恩：他们是否仍生活在“人工智能核冬天”的阶段？或者说，这是任何新技术发展过程中都不可避免的一部分？
前田：很久以前，我们聚在篝火旁，饥饿、口渴、周围一片漆黑。突然，从灌木丛中传来了沙沙声，有人好奇地问：“那是什么？”于是就有人走出去探个究竟，但再也没有回来。换个角度看，灌木丛在摇晃，大家意识到有可能有猎物出现，于是大家终于找到了食物。这个故事似乎深深地烙印在我们的基因中，影响着我们对于未知和探索的好奇心。
2. 前田与《如何与机器对话》
萨菲恩：您之前写了一本名为《如何与机器对话》的书，向那些不是工程师的人（当然也包括一些工程师）介绍了计算和人工智能的相关内容。最近，生成式人工智能的快速发展似乎是为了让机器说我们的语言——也就是说，让它们能够理解人类的语言。那我想了解的是，我们还需要学习机器语言吗？
前田：在当今这个时代，我们可以通过自然语言提示来控制机器，这一点非常强大。但要深入理解这些提示背后的机制，就需要掌握会说机器语言的人所掌握的知识。当你真正了解机器的工作原理后，你就可以减少对它的恐惧。如果不理解它，那它就会变得更加神秘和可怕。因此，尽管我们希望能够用更自然的语言来与机器交流，但如果你不了解背后的情况，那它始终都会让人感到费解。
萨菲恩：如果能了解背后的情况，那就不会觉得那么可怕了。
前田：重点在于，人工智能并不会带来想象中的那般恐惧。也许你会问，它会使人感到害怕吗？当然可能。这有点像检查汽车引擎一样，你还记得以前打开引擎盖时的感觉吗？如果不小心把手卡进去了，那就会有危险。但是，一旦你了解引擎盖下所有操作的原理，你就会明白它的强大之处。对于强大的事物，我们更倾向于尊重并以不同的方式去对待它。
萨菲恩：如今，“人工智能”这个术语已经成为许多领域的热门词汇之一。例如，ChatGPT 的出现推动了整个科技行业、股票市场以及价值数十亿美元的投资。但是，还有其他类型的人工智能、机器学习、自动化和机器人技术也已经在许多领域得到了应用。我们现在讨论的有多少是新事物？我们所做的又有多少是以新的方式来重新讨论旧的东西？
前田：首先我想声明的是，人工智能其实早就已经存在，其中一种形式就是计算机。聪明的工程师可以让机器做一些你不能让你的宠物去做的事情。比如，你很难让你的猫把一个球从 A 点移到 B 点，但你可以编写一个计算机程序来实现这个任务。如果你的猫能做到这一点，那你会认为它很聪明。
这种现象自 20 世纪 60 年代以来就为人所知，最早观察到这一现象的是人工智能聊天的发明者、我在 MIT 学习时的人工智能教授约瑟夫·维策鲍姆（Joseph Weizenbaum）。他发现，当人们面对一台机器输入信息时，会认为机器后面有一个人。他还称，任何超过平均水平的人都会有这种错觉。为什么呢？因为我们经常给汽车起名字，将机器赋予了人类的特性，这是我们无法抗拒的。这些模型比我们想象的要强大得多，它们的推理能力已经达到了一个新的水平。我们以为机器后面有人，但实际上并没有人在后面。这只是一种错觉，事实上是计算能力变得更强大了。
萨菲恩：我们的听众主要是企业家和商界领袖。那么，他们应该如何适应目前的“春假”阶段呢？每个企业都有可能在人工智能领域占据先发优势吗？或者只有那些正在开发人工智能产品而不是使用人工智能产品的企业才有这个机会？
前田：是否能利用人工智能这项技术已经至关重要，这样你就能知道市场趋势的“跳跃”方向。这不仅是简单的“移动”，而是以令人咋舌的速度在一切事物上的“弹跳”。只有亲身参与模型的演化过程，你才能了解其最终走向。如果你通过工具来使用人工智能，那这也很不错，毕竟这样可以提高你的效率和竞争力。但如果你想要真正提高竞争力，就需要直接利用人工智能技术来打造产品。我不确定现在是否还能占据先发优势，毕竟，现在几乎所有企业都在朝这个方向迈进。
3. 微软 Semantic Kernel 编程工具
萨菲恩：我知道你在微软开发了一个名为 Semantic Kernel 的工具。据我了解，它是一个开源工具，可以帮助用户创建自己的人工智能或更好地利用人工智能。它的口号是“优化输入，高效输出”。虽然这个工具是为了让我们更好地利用人工智能，但我不确定它是为工程师还是为非工程师提供的编码指南。我想了解的是，这个工具的定位是什么？我的理解是否正确？
前田：你提出的问题非常贴切。Semantic Kernel 主要执行的是称为“人工智能编排”（AI orchestration）的功能，这主要包括实现从 A 点到 B 点并在过程中完成必要步骤所需的核心技术。比如，如果我要策划一个派对，那我就需要完成这 10 个步骤。这个工具会告诉你如何完成每个步骤，并完成相应的任务。
萨菲恩：然后，Semantic Kernel 就可以与其他软件和工具协同工作，以实现你的任务需求。
前田：没错。传统上程序员一直都是手动完成这些任务的。而我们推出的新工具就可以使你能够做一些我曾经需要一段时间才能理解的事情。我们知道，这种计算方式是非确定性的，也就是说，它具备创造性。而传统的编程方法则完全不具备创造性。但当你将两种方法结合起来后，它的效果则会超出你的预期。所以，再回到之前提到的从 A 点到 B 点那 10 个步骤，其中一些步骤可能会使用大型语言模型来完成，另一些则可能只需要传统的计算方式来完成。这就像一辆混合动力汽车一样，可以通过两种能源获得动力。因此，它可以让你使用人工智能完成更多、更复杂的计算任务。
萨菲恩：我听您提到过已经有一些聊天机器人，例如 GitHub 机器人，可以将工程师的效率提高约 20% 。这似乎可以表明，当前的优势主要适用于那些已经精通技术的人。这是否反映了当前技术发展的实际情况，还是说有其他情况？
前田：如果你对 OpenAI 公司的语言模型有所了解，你会发现 Ada、Babbage、Curie 和 Da Vinci 这四个不同的语言模型。也许你曾经了解过这些模型的名字。实际上其名字来源也很简单，Ada 对应字母 A，Babbage 对应字母 B，Curie 对应字母 C，Da Vinci 对应字母 D。Ada 是最早的模型，而 Da Vinci 是最新的模型。从这些模型的名字，你就可以发现，这些模型一直在不断改进和发展，但它们对于不同的任务都是有效的。所有这些模型的层次结构中都有代码模型，这是因为这些模型都是由开发人员创建的。
其中一项惊人的技巧就是编写代码。我并不是说这种编写代码的能力是一个意外，但这更像是一个偶然发现，它不仅能编写代码，而且还可以写论文。这里所说的是第一代编程，但实际上它属于 1.5 代编程，它不仅可以为我们编写副本，还可以为我们编写整个播客节目的内容。这就会让一些没有编程背景的人感到自己的技能和价值被取代了，并因此感到困惑和不安。他们甚至还会想，自己是否还有“用武之地”？
萨菲恩：我很好奇的是，我是否需要了解编程以及它的发展历程？还是说，我应该关注于如何进行更好的用户研究？
前田：我撰写《如何与机器对话》这本书的原因是，即使在人工智能还没有达到如此惊人的水平之前，我已经看到很多人被落在了后面。一想到技术问题，或者对于是否理解如何与机器对话的人来说，编程一直都是一道难关。但最终，如果你要从事商业活动，你必须从概念上理解它。因此，尽管 Semantic Kernel 工具是为开发人员设计的，但我曾和我们的公关传播主管测试过，他只用了五分钟就成功地安装了 VS Code（译者注：一款由微软开发且跨平台的免费源代码编辑器。）我认为这对于我们每个人来说都是有益的。
萨菲恩：我听说过一些组织现在可以利用人工智能来挖掘和解析数据，但也许他们还没有意识到这一点。
前田：我相信你还记得在过去的工作中，当你需要数据时，你会想：我们需要专职收集数据的人，我们需要专职解析数据的人，或者是一个数据科学家。也许，我们需要一个能从社会科学角度来真正理解这些问题的人。然后一年半过去了，当竞争对手已经拥有了这些数据后，你可能只会后悔道，我希望我也拥有那些数据。
这种人工智能非常擅长收集非结构化的数据，并将其转化为结构化且便于使用的数据。它可以测试一些关于如何使用数据的常规假设，并以对你有用的方式呈现出来。
萨菲恩：我知道数据量越大，人工智能的效果就会越好。因此，如果我是一家大型组织，这可能会给我带来优势。但是，如果我能够以某种方式更快地访问和解析数据，这可能会让规模较小的机构也有机会参与竞争。
前田：没错。这些新模型的出现，也带来了更多平等的机会。
大家是否在会议上遇到过这样的情况，希望有人能提供数据，并且会议上的一些人还会指出数据的错误？我认为，不同规模的组织都会使用各种方法来收集组织内部的数据，但他们永远无法做到完美。而这些模型的不同之处在于，它们可以使用不完美的数据，并使用类似的数据来填补缺漏。
[广告时间]
萨菲恩：在插播广告前，微软设计与人工智能副总裁前田约翰讲述了人工智能如何融入计算技术的发展趋势，以及那些始终追随技术趋势的人所获得的优势。接下来，他将会谈到人工智能如何成为领导决策的工具，以及在人工智能时代中增加一些障碍因素所带来的积极影响。
此外，他还分享了为什么我们应该以玩家身份而不是受害者身份来认识和接触人工智能的相关经验教训，以及为了引导这项技术发挥最佳效果而需要付出的努力。
我们大多数人都会与我们的手机、计算机、TikTok 账号产生一种情感上的依赖关系。我们几乎对它们无法自拔。人工智能会让这种情况变得更糟吗？我们需要如何重新思考与我们的机器、技术的关系呢？
前田：我使用手机设置计时器和提醒。无论怎样，我都是主导者。我会向手机下达指令，它不会告诉我该做什么。在微软内部，我有一些同事将其称为协作式用户体验。你需要与你的人工智能合作，就像一个好老板一样，你必须给它指定明确的目标，否则它就不知道该如何行动。
如果你让人工智能以自动化的方式做每件事情，而它犯了错误，那不是幻觉。这是你的错，因为是你让它去处理一些需要更深思熟虑的事情。你需要告诉它：“等一下，我认为这些数据不准确。”它是“副驾驶员”（Co-pilot），而你才是“机长”。因此，如果你对副驾驶过于信任，那责任就在你自己。
4. 人工智能如何改变领导力
萨菲恩：在你写《如何与机器对话》这本书之前，你还写了一本关于领导力的书，回顾了你成为罗德岛设计学院院长的经历。我想问的是，人工智能对领导力有何影响？
前田：如果当时有人工智能，它可以帮我思考更多的“假设情景”，这对我来说肯定非常有用。
当你身处危机之中时，思考是非常困难的。面对危机并感到绝望时，快速的思考虽然能让你迅速去应对和解决问题，但在这种情况下你更应该学会深度思考。因此，我认为当领导者在进行深度思考并试图解决问题时，人工智能就可以成为一个好帮手。
领导者是孤独的。你可以信任谁？你会相信人工智能吗？不，我只是在使用一种高效的计算器进行推理。这样我就可以问自己，我是否在做正确的事情，我可以通过计算来模拟这些事情。
萨菲恩：它可以为你提供不同的视角。我想表达的是，这就是“副驾驶员”的作用。它并不是说这就是你必须采用的答案，而是为你提供了不同的选择。
前田：这是一种奇怪的设计原则。这反而增加了一些障碍因素，这看起来似乎不合情理，因为我们通常追求的是零障碍，这才是简单性的本质。但你必须通过增加一些阻碍因素来提醒领导者，“老板，别忘了，它只是人工智能。你需要运用批判性思维。我们必须教导人们如何更好地使用这些工具。”如果想要使用这些工具，关键是要提出批判性的问题。因此，我认为我们需要广泛地运用批判性思维，以使人工智能更加深度地思考。毕竟，人工智能并没有天生具备批判性思维。
萨菲恩：你横跨设计和技术领域，有时技术人员会创造出可能的东西，但往往会忽略其对人类的影响。而设计师则通常从人类角度出发。我感到好奇的是，你是如何在这两者之间寻找平衡的？
前田：技术、设计和商业就是人工智能这个“三角形”的三个角，而我刚好横跨了这三个领域。技术人员认为这项技术令人非常兴奋，应该继续研究；设计和社会科学领域的人士则认为需要提出问题，需要具备批判性思考能力，以及这将对所有一切产生怎样的影响？商业及产品方面的人士则更多关注的是如何带来更多盈利、让客户群体更满意，以及如何打开全新的维度。所有这些方面都是相关的。我认为，要想让人工智能对业务、文化和技术的进步产生真正的影响，我们就必须同时考虑这三个方面。
5. 我们处于人工智能发展的哪个阶段？
萨菲恩：你已经参与人工智能技术的开发很长时间了。我想问的是，我们在这条曲线上已经走了多远？在人工智能技术的发展和实践中，像 ChatGPT 这样的技术已经完成了 50% 的进展吗？或者只有 15%？或者是 5%？还是说我们无法确切地知道？
前田：在 80 年代，我曾经了参与一项名为 Lisp 机器（Lisp Machine，是被设计来高效运行以Lisp语言为主要软件开发语言的通用型计算机）的工作，它是当时的人工智能工作站，也是人工智能领域的顶尖之选。许多计算机语言，例如 Python，都受益于 Lisp 和 Lisp 机器的发展。但即便如此，那时的人工智能还是没有达到我们想象中的那么强大。我认为现在的人工智能将为企业和个人带来更多的实用价值。
我们在机器学习领域构建了一个心智模型，这花费了七个月的时间。他们建立了一个模型，有 72% 的概率能识别出在森林中的猫。但是，如果你想知道是否能用这个模型来识别森林中的狗，那答案是否定的。因为我们需要再回到七个月前，重新构建一个新的模型。这就是我们过去五年在机器学习领域所采用的方法。
现在的新型人工智能只需要热启动。你只需要将你的数据输入到基础模型中，它就会做出响应。这是一种全新的人工智能，它更注重应用方向，而不是机器学习方向。《如何与机器对话》这本书能让你理解机器学习的工作原理，而这就是基础模型的来源。但是，基础模型之后的部分都是全新的领域。未来将会出现一种全新的人工智能应用开发者，他们需要的新工具目前还未存在。
6. 当前人工智能发展面临的问题
萨菲恩：太好了。我现在已经深入了解了你的想法。这一切都意味着什么呢？我们该如何区分有利和不利的因素？
前田：人工智能与人类对其的理解涉及到极高的风险，很容易被妖魔化，但它也可以加速你的职业生涯并改变你的人生轨迹。这对许多人来说听起来太过理想化，但实际上是关于成为“玩家”而不是“受害者”。当然，这项技术也存在着一些挑战和问题，你也可能会质疑它是否正确。因此，在接触这一领域的同时，你应该加强自己的批判性思维能力，提高自身的认知能力，寻找既有利于你的业务发展，又有利于人类的机会，并理解这项技术的重要性。
萨菲恩：我们应该成为积极的玩家，但也要保持清醒头脑，不被人工智能技术所控制。
前田：没错，这并不简单。我认为真正的“玩家心态”应该具备极强的批判心态，他们会非常谨慎地思考自己正在做的事情。在人工智能领域，我们需要看到更多这样的玩家，无论是在技术、商业还是设计等领域。这将是非常有趣的过程，但需要我们了解如何与机器和人工智能对话，并且要非常擅长与人类沟通。
萨菲恩：如果你想成为真正的玩家，那你就不能只是一个随便玩的玩家。你必须在你所从事的领域中涉足各个方面。
前田：这与购买装备是不同的。那些购买装备的人总是会炫耀他们拥有某名牌的运动裤，或者展示一些认证过的头带之类的东西。但实际上，你只是想问他们：你是真的玩家吗？成为真正的玩家需要付出很多努力，而在这个人工智能的世界里，你可能会认为只要有人工智能技术就可以轻松搞定所有事情。但事实并非如此，因为人工智能本身不会深度思考问题，所以你必须要非常努力。
萨菲恩：这真的很鼓舞人心！
前田：感谢您再次邀请我参加这个节目。这对我来说意义非凡，非常感激！
萨菲恩：通过与前田约翰的交流，我深刻认识到，要想真正驾驭人工智能，除了深入了解其技术，还需要像管理一支团队一样管理这一领域的工具和发展过程。
在生活中，很多事情看起来过于美好，因此也值得我们去进一步验证。我知道，我对人工智能的了解只是刚刚开始，可能需要不断学习。但这很好，因为了解新事物可以帮助我更好地澄清自己的疑虑。
未来的节目中，我会继续探索人工智能令人惊叹的各种可能性和不断发展的影响力，期待您能一起参与。
我是鲍勃·萨菲恩。感谢收听今天的节目。
(责任编辑：焦点)