AI的巨大潜力与应用，比尔·盖茨怎么看？

在 20 岁之前，我有机会了解很多不同领域的东西。我涉猎的范围特别广，甚至在哈佛旁听了很多我没选修的课。有趣的是，当我进入软件领域后，我反而必须压制自己想要广泛学习的天性，变得专注于单一领域。所以从 20 岁到 35 岁，我都没有继续跟进地质学的发展。直到了 30 岁以后，我才开始“偷偷地”看一些其他领域的东西，尤其是再后来我不担任 CEO 之后。

对于像我这样的人来说，现在的世界真是充满了有趣的话题。因为我认识一些可以帮我学习的人，再加上现在有这么多在线课程，所以我完全不用担心会搞不明白某件事情，因为总有人能帮我解惑。

额外的电力消耗确实存在，但实际上也就增加了百分之十左右。这会稍微挑战我们做绿色核算的方式。我其实挺希望核裂变和核聚变技术能更快到来，因为目前这股 AI 后端算力的淘金热接下来大概要持续八年左右，而就算是核裂变，到 2030 年能对电力供应做出的贡献也是有限的。

不过，AI 在解决科学问题上的价值可就太大了，比如说：怎么提高植物的产量？我们可以用它来模拟光合作用，模拟怎么改变植物基因让产量翻倍。这在提高光合效率方面是个突破性的进展。实际上，因为这项技术相当前沿，我们的基金会（比尔及梅琳达·盖茨基金会）是主要的资助方。等我们证明它可行了，其他人自然会加入进来。

总的来说，AI 在材料科学、生物学领域就是个超级加速器。所以想想看，在所有绿色产品中，你觉得哪个最难实现零成本差距？现在有了 AI 工具，它能如此有力地加速各种创新，就得重新评估这个难度了。

研究蛋白质和分子形状空间简直就是 AI 的完美应用场景。我们现在有数据库，在蛋白质数据库里有 150,000 个分子，我们都了解它们的形状。所以完全可以用这些数据来训练 AI，让 AI 预测蛋白质形状，进而预测这些蛋白质中的可成药位点。这样一来，医学发现的速度就大大加快了。

其实在 AI 之前，已经有一家叫 Schrodinger 的公司在做这个了，但现在从事这个领域的人可能增加了 20 倍——而且进展更快，因为 AI 真的特别特别适合做这个。最终，AI 不光是模拟形状这种基础的东西，还会模拟细胞、器官和整个生物体。即使是复杂的疾病发展过程，对我们人类来说想完全理解所有不同的过程也太难了。随着我们收集更多数据——数据才是真正的限制因素——AI 模型会帮我们更好地理解营养过剩、营养不良这些问题。

所以我觉得，除了神经系统疾病以外，在未来 10 到 20 年，医学领域很可能会有突破性进展，就连神经系统疾病，比如阿尔茨海默症，我觉得都能解决。

这让我想起微型计算机革命那会儿，当时我还年轻，总以为计算终究会变得免费。那么，个人有了免费的计算力会做什么呢？我和 Paul Allen（保罗·艾伦，微软联合创始人）当时都看到了这一点，认为软件是唯一的障碍。但那时候资历丰富的人不这么想，他们觉得计算机的成本太高昂了，用来搞电子表格或者 WordPress 根本是浪费。

到现在，令人震撼的是，AI 不仅能提升白领的工作能力。尽管目前机器人技术还局限在特定领域，但未来它必将让各行各业的蓝领工作既高效又低成本。比如说，我把一个朋友的核磁共振诊断报告交给 ChatGPT，它就能解释得特别好，还能告诉你它是从哪儿找到这些资料的。它的创造力和表达能力真是让人惊叹。

所以，我们都应该有这样的帮手。如果你就是想知道肥料是什么，那维基百科就够用了。但要是你想知道暑假带个 16 岁孩子去意大利玩 4 天、预算 4,000 美元该怎么安排，这种具体的方案是网上搜不到的。而 AI 只要应用得当，在解决这类问题时就能发挥出色的表现。我们在写诗、写演讲稿，或者是理解复杂材料、做内容总结这些方面，都已经得到了很大帮助。很多白领工作现在应该已经变得更有效率了，或者说质量更高了。

说到这个，我得先承认一点。像我这样的技术迷，一直以来都在宣称技术对教育多么多么好，但说实话，对普通学生来说，网络学习的实际效果真的很有限。假如你是个学习积极性特别高的学生，能每天晚上花两小时在可汗学院（Khan Academy）上学习，或者看 YouTube 上讲光合作用的视频，那确实就能用一种前所未有的方式来提升自己——但实际情况是，美国高中生的数学水平到现在竟然没比 100 年前强多少。

不过现在 AI 不一样了，因为它特别会表达，还能做到个性化教学，所以我觉得我们可以对课堂教学有更大的期望，比如把课堂上的社交互动、师生交流和自主学习都很好地结合起来。举个例子，AI 能实时纠正你读音的错误，做数学题时马上告诉你“这道题做错了”，而不是等你交了作业再骂一顿。这样就不会出现老师辛辛苦苦改了两天作业，还在那儿琢磨“这孩子是计算错了，还是压根儿就没理解概念啊？”这种情况了。AI 能直接指出问题，比如“看，就是这里，你这两个负号处理得不对”，而且它真的知道你的解题思路出了问题。因为这些 AI 都懂得怎么调动学生的积极性，会用学生熟悉的东西来举例子。

说实话，我很喜欢可汗学院，但它的主要受众依旧是那些学习积极性高的学生。所以在过去大概八年时间里，学院一直在研究“怎么把 AI 引入课堂呢？怎么跟老师合作，让内容讲解更好呢？” 现在，电脑和网络确实越来越普及了，疫情反而在这方面还起到了一些推动作用。

有一次，OpenAI 让 Sal（Salman Khan，可汗学院创始人）和我成为最早试用 GPT-4 早期版本的两个人。上面有很多好玩的功能，比如让它创作诗歌，其实都是 Sal 教我的。要不是他告诉我，我都不知道还能让它用莎士比亚的风格写作。Sal 在可汗学院投入了很多资源，得到了我们基金会和其他机构的支持，然后开发了 Khan Amigo。

上个学年，他们在一些学校进行了试点，包括新泽西州 Newark 这所学校。我去那里看了看，跟老师和学生们见过面。在传统的那种一个班 30 个学生的模式下，如果遇到一个明显比其他同学学习快的孩子，往往很难照顾到他的需求。但有了 Khan Amigo 之后就不一样了。老师早上来到教室，不用收作业改作业，直接看看仪表板就行：“嗯，昨天晚上谁做了练习啊？他们用了多少提示？学到哪儿了？” 老师可以直接在上面给反馈，家长也能连到这个系统上看看情况。甚至连写论文都变了，不用交纸质版本了，可以直接提交 AI 辅导的整个过程记录。这样老师就能直接问 AI：“这个学生完成度怎么样？你觉得怎么帮他改进初稿比较好？语法或者逻辑方面需要注意什么？”

说真的，AI 的发展太令人震惊了，有时候都不知道该怎么理解。比如说，没人想到 AI 会先在白领工作上取得突破，而不是蓝领工作。在 Max Tegmark 的《Life 3.0》这本书里，他画了一个象征能力发展的“山”，计算机做的简单工作就像是在山下，工业化工作都在山谷里，而诊断疾病、写法律文件、编程这些工作被认为是在山顶上。所以现在这个发展顺序（反过来了）确实让我们很意外。

不过，说到那种通用型的蓝领机器人，就是你可以直接告诉它：“去建筑工地帮忙”、“去餐厅工作”、“去酒店打扫房间”这样的机器人——即使一开始可能只是来家里帮忙一小时，不是全天候的——我相信在未来十年内也很容易就能实现。

要说数据处理的能力，那真是翻天覆地的变化。想想以前，你得找个 IT 人员写程序，得考虑页眉页脚啊，写报告，里面还得专门设计图片部分。说实话，现在回头看那些东西，简直老得让人想笑。

现在，你可以直接跟数据“对话”，而且对话的内容可以非常丰富。这意味着我们管理企业的能力会有质的飞跃，比如说发现运营瓶颈、适应各种变化，这些都会变得特别厉害，关键是不需要定制软件。

实际上，整个软件市场的格局都会改变。以后会需要多少应用程序呢？现在我们看到的是，每个人都在往自己的应用里加 AI，然后说：“看，我加了AI功能，所以得多收点钱。” 但是实际上呢，你需要的应用数量其实应该大大减少。比如说一所大学，现在可能有排课系统、财务系统、学生服务系统，这些其实都应该整合成一个系统，把跟学生的所有互动都用一种更全面的方式管理起来。