First Principles Thinking

Telsla

https://www.youtube.com/watch?v=NV3sBlRgzTI

內容主要探討了第一性原理思維的重要性，相較於類比思考，它鼓勵將事物分解到最基本的真理，然後從這些真理出發進行推理。這需要更多的腦力，但能帶來突破性的創新，並舉了電池成本的例子來說明如何應用第一性原理思維來挑戰既定觀念。

💡 類比思考與第一性原理思維的區別

👉 類比思考是基於現有經驗或他人做法進行推理，例如「因為過去是這樣，所以未來也會是這樣」 [00:00:04]
👉 第一性原理思維則是將事物拆解到最基本的組成部分，然後基於這些基本真理進行推理 [00:00:35]
👉 類比思考比較省力，但第一性原理思維能帶來更具突破性的創新 [00:00:30]

💡 電池成本的例子

👉 傳統觀點認為電池非常昂貴，而且這種情況難以改變 [00:01:03]
👉 第一性原理思維會分解電池的材料組成，如鈷、鎳、鋁、碳等 [00:02:07]
👉 通過計算這些材料在倫敦金屬交易所的現貨價格，發現成本實際上遠低於傳統估計 [00:02:10]
👉 因此，問題就變成了如何找到更聰明的方法，將這些材料組裝成電池 [00:02:37]

Stripe

https://www.youtube.com/watch?v=Rp3A5q9L_bg&t=109s

這段內容是關於 OpenAI 總裁 Greg Brockman 和 Scale AI 首席執行官 Alexander Wang 之間關於人工智慧發展的對話。他們討論了 OpenAI 的發展歷程，從早期研究到 GPT-3 和 DALL-E 的突破，以及對人工智慧未來發展方向的展望。他們也提到了對人工智慧潛在風險的擔憂，並呼籲全人類共同努力，確保人工智慧能造福社會。

💡 從第一原則出發思考 [00:02:11]

👉 Stripe 和 OpenAI 都從第一原則出發，重新思考所做的事情，而非僅僅沿用舊方法。 [00:02:11]
👉 這種方法讓 OpenAI 在人工智慧領域帶著初學者的眼光接觸，不受傳統思維的束縛。 [00:02:54]
👉 這種方法也讓他們意識到過去的經驗和專業知識的重要性，以避免不必要的從頭開始。 [00:03:18]

💡 GPT模型的發展歷程 [00:05:42]

👉 GPT模型的成功並非一蹴可幾，而是經歷了漫長的發展過程，例如2017年的情緒神經元論文是GPT發展的早期探索。 [00:05:42]
👉 Transformer架構的出現對GPT模型的發展起到了關鍵作用，將早期的新生結果融入Transformer中，產生了GPT-1和GPT-2。 [00:06:50]
👉 OpenAI內部有一套算法，用於判斷研究方向是否值得投入更多資源，包括計算和研究人員。 [00:07:07]

💡 規模化的重要性與迭代開發 [00:10:54]

👉 OpenAI 早期的一個規模化結果讓他們確信，不斷擴大規模是正確的方向。 [00:10:54]
👉 擴大規模並非簡單地增加某個變數，而是在各個維度上進行迭代，逐步完善模型。 [00:11:34]
👉 在擴大規模的過程中，需要信念和迭代並重。既要對長期目標有信心，也要在每一步中獲得現實反饋。 [00:11:51]

💡 人工智慧的未來發展方向 [00:27:03]

👉 AI的未來將無所不在，融入每家公司，就像現在的網路一樣，成為企業策略不可或缺的一部分。 [00:27:03]
👉 通用人工智慧（AGI）的發展將超越人類在最具經濟價值的工作上的能力。 [00:29:23]
👉 人工智能的發展也需要考慮如何分配價值，解決氣候變遷、普及教育等人類無法獨自解決的難題。 [00:30:12]

💡 對人工智慧潛在風險的擔憂 [00:41:46]

👉 人工智慧技術非常強大，可能被用於積極或消極的目的，濫用問題是需要解決的最明顯的問題。 [00:41:46]
👉 確保機器價值觀與人類價值觀一致，避免它們按照不正確的價值觀運行至關重要。 [00:44:22]
👉 需要對技術進行控制，確保系統繼續服務於人類，並賦能和加速我們所有人。 [00:45:01]

思考

Ref