L'année prochaine, OpenAI entrera dans l'ère des systèmes d'IA.
Après GPT-4, quelle grande surprise OpenAI nous réserve-t-il l'année prochaine ? Quelle est la barrière de protection d'OpenAI ? Quelle est la valeur des agents IA ? Avec de nombreux anciens employés qui « partent », OpenAI choisira-t-elle des jeunes plus passionnés et dynamiques ?
Le 4 novembre, le PDG d'OpenAI Sam Altman (ci-après « Altman ») a répondu à ces questions dans le podcast « The Twenty Minute VC », affirmant que l'amélioration des capacités de raisonnement a toujours été la stratégie centrale d'OpenAI.
Lorsque l'animateur du podcast, Harry Stebbings, fondateur de 21VC, a demandé quelles opportunités OpenAI pourrait laisser aux entrepreneurs AI, Altman a déclaré que si les entrepreneurs sont encore déterminés à résoudre les problèmes des modèles, ce modèle commercial ne sera plus compétitif à mesure que les modèles d'OpenAI évolueront. Les entrepreneurs devraient construire des entreprises qui bénéficieront de l'amélioration des modèles, ce qui sera une énorme opportunité.
Selon Altman, la manière dont les gens discutent de l'IA aujourd'hui peut sembler obsolète, et par rapport aux modèles, les systèmes sont une direction de développement plus digne d'attention, et l'année prochaine sera une année clé pour OpenAI sur la voie des systèmes d'IA.
Voici un extrait des points saillants de la conversation entre Stebbings et Altman :
OpenAI prévoit de créer des outils sans code
Stebbings : Je commence l'entretien d'aujourd'hui avec une question du public, la direction future d'OpenAI sera-t-elle de lancer davantage de modèles comme GPT-3.5 ou de former des modèles plus grands et plus puissants ?
Altman : Nous allons optimiser complètement les modèles, améliorer la capacité de raisonnement est au cœur de notre stratégie actuelle.
Je pense que des capacités de raisonnement puissantes débloqueront une gamme de fonctionnalités que nous attendons, y compris la capacité de faire des contributions substantielles à la recherche scientifique, d'écrire du code d'une complexité extrême, etc., ce qui propulsera considérablement le développement et le progrès de la société.
Tout le monde peut s'attendre à une itération continue et rapide des modèles de la série GPT, ce qui sera un point focal et une priorité de nos travaux futurs.
Sam Altman a été interviewé par Harry Stebbings, fondateur de 21VC, dans un podcast.
Stebbings : OpenAI développera-t-elle des outils sans code pour les non-techniciens afin que ces personnes puissent également construire et étendre des applications d'IA facilement ?
Altman : Il ne fait aucun doute que nous avançons régulièrement vers cet objectif.
Notre plan initial est d'améliorer considérablement l'efficacité des programmeurs, mais à long terme, notre objectif est de créer des outils sans code de premier ordre. Bien qu'il existe déjà certaines solutions sans code sur le marché, elles ne parviennent pas encore à répondre complètement au besoin de créer une startup complète sans code.
Stebbings : À l'avenir, dans quels domaines OpenAI s'étendra-t-elle dans l'écosystème technologique ? Étant donné qu'OpenAI pourrait dominer le niveau d'application, serait-ce un gaspillage de ressources si les startups investissent massivement dans l'optimisation des systèmes existants ? Comment les fondateurs devraient-ils réfléchir à cette question ?
Altman : Notre objectif est d'améliorer continuellement nos modèles. Si votre entreprise consiste simplement à résoudre quelques petites lacunes dans les modèles existants, une fois que nos modèles deviendront suffisamment puissants pour que ces lacunes n'existent plus, votre modèle commercial pourrait devenir non compétitif.
Cependant, si vous pouvez construire une entreprise qui bénéficiera de l'amélioration continue des modèles, cela représentera une énorme opportunité.
Imaginez que quelqu'un vous révèle que GPT-4 va devenir exceptionnellement puissant, capable d'accomplir des tâches qui semblent actuellement impossibles, alors vous pourrez planifier et développer votre entreprise avec une perspective à long terme.
Stebbings : Nous avons discuté avec l'investisseur en capital-risque Brad Gerstner de l'impact potentiel d'OpenAI sur certains segments de marché. Vous, en tant que fondateur, quelles entreprises pensez-vous pourraient être affectées par OpenAI et lesquelles pourraient s'en sortir ? En tant qu'investisseurs, comment devrions-nous évaluer cette question ?
Altman : L'intelligence artificielle créera des milliers de milliards de dollars de valeur, elle engendrera de nouveaux produits et services, rendant possibles des choses qui étaient auparavant impossibles ou irréalistes.
Dans certains domaines, nous espérons que les modèles seront suffisamment puissants pour que l'atteinte des objectifs devienne facile ; alors que dans d'autres domaines, cette nouvelle technologie sera renforcée par la construction de produits et de services exceptionnels.
Au début, environ 95 % des startups semblaient parier que les modèles ne s'amélioreraient pas, ce qui m'a surpris, mais je ne suis plus surpris maintenant. Lorsque GPT-3.5 a été publié, nous avons déjà vu le potentiel de GPT-4, nous savions qu'il serait très puissant.
Donc, si l'outil que vous construisez est simplement pour combler les lacunes des modèles, alors à mesure que les modèles s'améliorent, ces lacunes deviendront de moins en moins pertinentes.
Lorsque les modèles fonctionnaient mal, les gens avaient tendance à développer des produits pour corriger les défauts des modèles, plutôt que de construire des produits révolutionnaires comme « un enseignant IA » ou « un conseiller médical IA ». J'ai l'impression que 95 % des gens pariaient que les modèles n'allaient pas s'améliorer, seuls 5 % croyaient que les modèles s'amélioreraient.
La situation a maintenant changé, les gens comprennent la vitesse d'amélioration et connaissent notre direction de développement.
Maintenant, cette question ne se pose plus aussi fortement, mais nous étions très préoccupés, car nous prévoyions que les entreprises travaillant à corriger les défauts des modèles pourraient rencontrer des difficultés.
Stebbings : Vous avez dit que « l'intelligence artificielle créera des milliers de milliards de dollars de valeur », et Masayoshi Son (fondateur et PDG de SoftBank) a également prédit que « l'IA créera 9 000 milliards de dollars de valeur chaque année », suffisant pour compenser ce qu'il considère comme « un investissement nécessaire de 9 000 milliards de dollars en capital », que pensez-vous de cela ?
Altman : Je ne peux pas donner un chiffre précis, mais il est clair qu'un investissement massif en capital produira également une énorme valeur, car chaque révolution technologique majeure l'a fait, et l'intelligence artificielle est sans aucun doute l'une d'elles.
L'année prochaine sera une année clé pour nous, nous entrerons dans l'ère des systèmes d'IA de nouvelle génération.
Concernant le développement d'agents logiciels sans code, je ne sais pas combien de temps cela prendra, cela n'est pas encore réalisable, mais imaginez que nous atteignions cet objectif, où chacun pourrait facilement obtenir l'ensemble des logiciels d'entreprise nécessaires, cela libérerait combien de valeur économique pour le monde ?
Si vous pouvez maintenir le même rendement tout en le rendant plus pratique et moins coûteux, cela aura un impact énorme.
Je crois que nous verrons davantage d'exemples similaires, y compris dans les domaines de la santé et de l'éducation, qui représentent des marchés de milliers de milliards de dollars.
Si l'IA est capable de pousser de nouvelles solutions dans ces domaines, je pense que des chiffres spécifiques ne sont pas importants, ce qui est important, c'est qu'elle crée effectivement une valeur incroyable.
Un excellent agent IA possède des fonctionnalités qui dépassent les capacités humaines.
Stebbings : Quel rôle pensez-vous que l'open source jouera dans le développement futur de l'intelligence artificielle ? À l'intérieur d'OpenAI, comment se déroule la discussion sur « si certains modèles devraient être open source » ?
Altman : Les modèles open source jouent un rôle crucial dans l'écosystème de l'intelligence artificielle.
Il existe déjà quelques modèles open source très performants.
Je pense qu'il est également crucial de fournir à la fois des services de haute qualité et des API. À mon avis, il est logique d'offrir ces éléments comme un ensemble de produits, afin que les gens puissent choisir la solution qui répond le mieux à leurs besoins.
Stebbings : En plus de l'open source, nous pouvons également fournir des services aux clients via un agent. Comment définissez-vous un « agent » ? À votre avis, qu'est-ce que c'est et qu'est-ce que ce n'est pas ?
Altman : Je pense que les agents sont des programmes capables d'exécuter des tâches à long terme avec peu ou pas de supervision humaine pendant l'exécution des tâches.
Stebbings : Pensez-vous qu'il y a des malentendus sur la compréhension des agents ?
Altman : Plutôt que de dire qu'il y a des malentendus, je dirais que nous n'avons pas encore entièrement compris le rôle que joueront les agents dans le monde futur.
Un exemple souvent cité est de demander à un agent IA de réserver un restaurant, par exemple, il peut le faire via OpenTable ou en appelant directement le restaurant.
Cela peut effectivement faire gagner un peu de temps, mais je pense que ce qui est plus excitant, c'est que les agents peuvent faire des choses que les humains ne peuvent pas, comme contacter simultanément 300 restaurants pour trouver le meilleur plat ou celui qui offre des services spéciaux.
C'est presque une tâche impossible pour les humains, mais si les agents sont tous des IA, ils peuvent traiter cela en parallèle, et le problème devient beaucoup plus gérable.
Bien que cet exemple soit simple, il montre les capacités des agents qui dépassent celles des humains. Ce qui est encore plus intéressant, c'est que les agents peuvent non seulement vous aider à réserver un restaurant, mais aussi agir comme un collègue très intelligent et expérimenté, capable de collaborer avec vous sur un projet ; ou ils peuvent accomplir de manière autonome une tâche qui prendrait deux jours ou même deux semaines, vous contactant seulement en cas de problème et présentant finalement un excellent résultat.
Stebbings : Ce mode d'agent aura-t-il un impact sur la tarification SaaS (Software as a Service) ? Traditionnellement, le SaaS est facturé par sièges utilisateurs, mais aujourd'hui les agents remplacent effectivement les humains. Comment voyez-vous l'évolution des modèles de tarification à l'avenir, surtout si les agents IA deviennent une partie essentielle des employés d'une entreprise ?
Altman : Je ne peux que faire des suppositions, car nous ne pouvons vraiment pas en être certains.
Je peux imaginer un scénario : les modèles de tarification futurs seront déterminés par les ressources de calcul que vous utilisez, par exemple si vous avez besoin d'un GPU, de dix GPU ou de cent GPU pour traiter un problème.
Dans ce cas, la tarification ne sera plus basée sur le nombre de sièges ou même d'agents, mais plutôt déterminée par le volume de calcul réellement consommé.
Stebbings : Avons-nous besoin de construire des modèles spécifiques pour les agents ?
Altman : Il est vrai qu'il faut beaucoup d'infrastructures pour faire fonctionner les agents, mais je pense que GPT-3.5 a déjà montré la voie vers un modèle général capable d'exécuter des tâches d'agent complexes.
Les modèles sont des actifs dépréciés, mais l'expérience d'entraînement a plus de valeur que le coût
Stebbings : Beaucoup de gens pensent qu'avec la tendance croissante à la commercialisation des modèles, ceux-ci deviennent des actifs dépréciés. Que pensez-vous de ce point de vue ? Actuellement, la capitalisation nécessaire pour entraîner des modèles est de plus en plus élevée, cela signifie-t-il que seules quelques entreprises peuvent se permettre ces coûts ?
Altman : En effet, les modèles peuvent être considérés comme des actifs dépréciés, mais croire qu'ils valent moins que leurs coûts d'entraînement est complètement faux.
En réalité, au cours de l'entraînement des modèles, nous avons pu obtenir un effet d'intérêt composé positif, c'est-à-dire que les connaissances et l'expérience acquises lors de l'entraînement nous aideront à entraîner plus efficacement la prochaine génération de modèles.
Je pense que les revenus que nous avons réellement générés grâce aux modèles ont prouvé la viabilité de ces investissements. Bien sûr, toutes les entreprises ne peuvent pas obtenir ce genre de résultats.
Actuellement, de nombreuses entreprises peuvent entraîner des modèles très similaires, mais si vous êtes légèrement en retard ou n'avez pas un produit capable d'attirer continuellement des utilisateurs et de fournir de la valeur, il pourrait être plus difficile d'obtenir un retour sur investissement.
Nous avons la chance d'avoir ChatGPT, qui est utilisé par des millions d'utilisateurs, donc même si les coûts sont élevés, nous pouvons répartir ces coûts grâce à une large base d'utilisateurs.
Stebbings : Comment les modèles d'OpenAI resteront-ils différenciés à l'avenir ? Dans quels domaines aimeriez-vous élargir cette différenciation ?
Altman : La capacité de raisonnement est le domaine que nous privilégions actuellement, je crois que cela sera la clé pour ouvrir la prochaine phase de création de valeur à grande échelle.
De plus, nous travaillerons également au développement de modèles multimodaux et introduirons de nouvelles fonctionnalités que nous considérons comme essentielles pour les utilisateurs.
Stebbings : Comment les capacités visuelles seront-elles étendues dans le nouveau paradigme de temps de raisonnement de GPT-3.5 ?
Altman : Sans trop en dire, je prévois que les modèles d'images évolueront rapidement.
Stebbings : Les modèles de la société Anthropic sont parfois considérés comme étant plus performants dans les tâches de programmation, quel est votre avis là-dessus ? Pensez-vous que cette évaluation est juste ? Comment les développeurs devraient-ils faire leur choix entre OpenAI et d'autres fournisseurs ?
Altman : Anthropic a effectivement un modèle qui excelle dans le domaine de la programmation, leur travail est vraiment impressionnant.
Je pense que les développeurs utilisent généralement plusieurs modèles simultanément, je ne suis pas non plus sûr de la façon dont cela évoluera avec le développement de ce domaine. Mais je crois que l'intelligence artificielle sera omniprésente à l'avenir.
La manière dont nous discutons de l'IA actuellement peut sembler quelque peu obsolète, je prédis que nous passerons de discuter de « modèles » à discuter de « systèmes », mais cela prendra un certain temps.
Stebbings : Concernant l'expansion des modèles, pensez-vous que les règles de taille des modèles continueront longtemps ? Les gens ont longtemps pensé que ce ne serait pas durable, mais il semble que cela soit plus durable que prévu.
Altman : Sans entrer dans les détails, la question centrale est : la trajectoire d'amélioration des capacités des modèles continuera-t-elle comme actuellement ? Je crois que oui, et cela continuera pendant un temps considérable.
Stebbings : Avez-vous déjà eu des doutes à ce sujet ?
Altman : Nous avons effectivement rencontré des comportements que nous ne comprenions pas, et avons connu des processus d'entraînement échoués, essayant divers nouveaux paradigmes.
Lorsque nous approchons d'une limite de paradigme, nous devons trouver le prochain point de percée.
Stebbings : Quel a été le défi le plus difficile à relever dans ce processus ?
Altman : Nous avons rencontré certains problèmes extrêmement difficiles lors du développement de GPT-4, ce qui nous a parfois laissés perplexes quant à la manière de les résoudre.
Au final, nous avons réussi à surmonter ces défis. Mais il y a eu un moment où nous étions perdus sur la manière de faire avancer le développement des modèles.
De plus, la transformation de GPT-3.5 et le concept de modèles de raisonnement sont des objectifs que nous avons toujours rêvés d'atteindre, mais le chemin de recherche pour y parvenir est semé d'embûches et de détours.
Stebbings : Dans ce long et sinueux processus, comment maintenir le moral de l'équipe ? Comment maintenez-vous le moral lorsque le processus d'entraînement pourrait échouer ?
Altman : Les membres de notre équipe sont tous passionnés par la construction de l'intelligence artificielle générale (AGI), c'est un objectif très motivant.
Nous savons tous que ce n'est pas un chemin facile, le succès ne vient pas facilement. Une citation dit bien : « Je ne demande jamais à Dieu d'être de mon côté, mais je demande à être du côté de Dieu. »
S'engager dans le domaine de l'apprentissage profond, c'est comme s'engager dans une cause juste, bien que des revers soient inévitables, nous avons toujours l'impression de progresser. Cette conviction ferme est d'une grande aide pour nous.
Stebbings : Quelle est votre préoccupation concernant la chaîne d'approvisionnement des semi-conducteurs et la tension internationale ?
Altman : Je ne peux pas quantifier le degré de cette préoccupation, mais il ne fait aucun doute que je me sens inquiet à ce sujet.
Bien que cela ne soit peut-être pas ma préoccupation principale, c'est certainement dans le top 10 % de ce qui me préoccupe.
Stebbings : Puis-je vous demander quel est le problème qui vous préoccupe le plus ?
Altman : Dans l'ensemble, ce qui m'inquiète le plus, c'est la complexité de nos tentatives de faire tout cela dans ce domaine.
Bien que je crois que tout finira par se régler, c'est en effet un système extrêmement complexe.
Cette complexité existe à tous les niveaux, y compris à l'intérieur d'OpenAI et au sein de chaque équipe. Prenons l'exemple des semi-conducteurs, nous devons équilibrer l'approvisionnement en électricité, prendre de bonnes décisions en matière de réseau, nous assurer d'obtenir suffisamment de puces, tout en tenant compte des risques potentiels et de la capacité de la recherche à faire face à ces défis, afin de ne pas être totalement pris au dépourvu ou de gaspiller des ressources.
L'ensemble de la chaîne d'approvisionnement semble être un pipeline linéaire, mais en réalité, la complexité de l'écosystème à chaque niveau dépasse tout ce que j'ai vu dans d'autres secteurs. Dans une certaine mesure, c'est ce qui me préoccupe le plus.
Stebbings : Vous avez mentionné une complexité sans précédent, de nombreuses personnes comparent la vague actuelle de l'IA à celle de la bulle Internet, surtout en ce qui concerne l'excitation et l'enthousiasme. Je pense que la différence réside dans l'échelle des investissements. Larry Ellison (co-fondateur d'Oracle) a déclaré que le coût d'entrée dans la course aux modèles fondamentaux est de 100 milliards de dollars. Êtes-vous d'accord avec cela ?
Altman : Non, je ne pense pas que les coûts seront si élevés. Mais il y a un phénomène intéressant : les gens aiment utiliser les révolutions technologiques passées pour faire des analogies avec les nouvelles révolutions pour les rendre plus familières.
Je pense que dans l'ensemble, ce n'est pas une bonne habitude, mais je comprends pourquoi les gens le font. Je pense aussi que les analogies que les gens choisissent pour l'IA sont particulièrement inappropriées, le réseau est clairement très différent de l'IA.
Vous avez mentionné un exemple concernant les coûts, que ce soit réellement nécessaire de dépenser 10 milliards ou 100 milliards pour être compétitif, un trait caractéristique de la révolution Internet est qu'il est « facile de démarrer ».
Une autre caractéristique similaire au réseau est que pour de nombreuses entreprises, l'IA n'est qu'une extension du réseau - d'autres construiront ces modèles IA et vous pourrez les utiliser pour développer d'excellents produits.
C'est une façon de considérer l'IA comme une nouvelle manière de construire des technologies. Mais si vous voulez construire l'IA elle-même, la situation est complètement différente.
Une autre analogie courante est l'électricité, mais je pense que cela ne s'applique pas dans de nombreux cas.
Bien que je pense que les gens ne devraient pas trop dépendre des analogies, l'analogie que je préfère est celle du transistor, qui est une nouvelle découverte en physique avec une extensibilité incroyable, pénétrant rapidement dans divers domaines, et l'ensemble de l'industrie technologique en bénéficie. Les produits et services que nous utilisons contiennent de nombreux transistors, mais vous ne diriez pas que les entreprises qui créent ces produits et services sont des « entreprises de transistors ».
C'est un processus industriel très complexe et coûteux, qui a donné lieu à une énorme chaîne d'approvisionnement.
Cette simple découverte physique a entraîné une croissance économique à long terme, même si la plupart du temps, les gens n'en sont pas conscients, ils se disent simplement « cette chose peut m'aider à traiter des informations ».
Maintenir des normes élevées pour les talents, plutôt que de pencher vers un certain groupe d'âge
Stebbings : Comment pensez-vous que les talents humains sont gaspillés ?
Altman : Il y a beaucoup de gens très talentueux dans le monde qui, pour diverses raisons, comme travailler pour des entreprises inappropriées ou vivre dans des pays qui ne soutiennent pas les bonnes entreprises, ne peuvent pas réaliser leur potentiel.
L'un des aspects de l'IA qui m'enthousiasme le plus, c'est qu'elle pourrait nous aider à mieux réaliser le potentiel de chacun, alors que nous n'en faisons actuellement pas assez. Je crois qu'il y a beaucoup de chercheurs en IA talentueux dans le monde, mais leurs parcours de vie sont différents.
Stebbings : Au cours de la dernière année, vous avez connu une croissance incroyablement rapide, si vous regardez en arrière sur les dix dernières années, quel a été le plus grand changement que vous avez constaté dans votre leadership ?
Altman : Pour moi, la chose la plus inhabituelle de ces dernières années est la vitesse du changement.
Une entreprise normale peut prendre beaucoup de temps pour passer de zéro à un milliard de dollars de revenus, puis de un milliard à dix milliards, et enfin de dix milliards à cent milliards, mais nous devons accomplir tout cela en seulement deux ans.
Nous sommes passés d'un laboratoire de recherche pure à une véritable entreprise fournissant des services à des millions de clients, ce changement rapide m'a fait perdre du temps pour apprendre.
Stebbings : Quelles sont les choses sur lesquelles vous aimeriez passer plus de temps à apprendre ?
Altman : Comment guider une entreprise à se concentrer sur la réalisation d'une croissance de 10 fois plutôt que simplement de 10 %.
Passer d'une entreprise générant des milliards de revenus à une entreprise générant des centaines de milliards nécessite une transformation profonde, et pas seulement une répétition du travail de la semaine dernière.
Mais le défi de la croissance rapide est que nous n'avons pas assez de temps pour consolider les bases.
J'avais sous-estimé l'effort nécessaire pour rattraper et continuer à avancer dans un environnement de croissance rapide.
La communication interne, le partage d'informations, la gestion structurée et la manière de trouver un équilibre entre les besoins à court terme et le développement à long terme, tout cela est crucial.
Par exemple, pour garantir que l'entreprise puisse exécuter efficacement dans les années à venir, nous devons nous préparer à l'avance pour les ressources de calcul, l'espace de bureau, etc. Dans cet environnement de croissance rapide, il est très difficile de planifier efficacement.
Stebbings : Keith Rabois (investisseur en capital-risque) a dit qu'il a appris de Peter Thiel (co-fondateur de PayPal) qu'il faut embaucher des jeunes de moins de 30 ans, car c'est le secret pour créer de grandes entreprises. Que pensez-vous de ce conseil, à savoir créer une entreprise en embauchant des jeunes très dynamiques et ambitieux, est-ce la seule méthode ?
Altman : J'avais environ 30 ans lorsque j'ai créé OpenAI, ce n'est pas trop jeune, mais cela semble assez approprié (rire).
Donc, c'est vraiment un chemin à essayer.
Stebbings : Cependant, bien que les jeunes soient pleins de vitalité et d'ambition, ils peuvent manquer d'expérience ; ou choisir des personnes expérimentées qui ont déjà fait leurs preuves ?
Altman : La réponse évidente est que l'embauche des deux types de talents peut réussir, comme ce que nous faisons chez OpenAI.
Juste avant l'entretien d'aujourd'hui, je parlais d'un jeune qui vient de rejoindre notre équipe, il a probablement à peine une vingtaine d'années, mais il a fait un travail exceptionnel.
Je réfléchis à la manière dont nous pourrions trouver davantage de talents comme lui, ces jeunes apportent de nouvelles perspectives et de l'énergie.
Cependant, d'un autre côté, si vous devez concevoir l'un des systèmes de calcul les plus complexes et les plus coûteux de l'histoire humaine, je ne confierais pas facilement cette tâche à un jeune qui vient juste de commencer.
Ainsi, nous avons besoin d'une combinaison des deux types de talents. Je pense que la clé est de maintenir des normes élevées pour les talents, plutôt que de simplement pencher vers un certain groupe d'âge.
Je suis particulièrement reconnaissant envers Y Combinator (un incubateur de startups), car cela m'a fait réaliser que le manque d'expérience ne signifie pas un manque de valeur.
Il y a beaucoup de talents à haut potentiel en début de carrière, capables de créer une valeur énorme, notre société devrait investir dans ces talents, c'est une très bonne chose.
Stebbings : J'ai récemment entendu une citation - le fardeau le plus lourd dans la vie n'est pas le fer ou l'or, mais les décisions non prises. Pour vous, quelle décision non prise vous a causé le plus de stress ?
Altman : La réponse à cette question évolue chaque jour, aucune décision non prise n'est particulièrement significative.
Bien sûr, nous faisons face à des décisions majeures, comme choisir quelle direction produit prendre ou comment concevoir la prochaine génération d'ordinateurs, ce sont des choix importants et risqués.
Lorsque cela se produit, je peux retarder la décision, mais dans la plupart des cas, le défi est de faire face à des problèmes 51 % contre 49 % chaque jour, et ces décisions se présentent à moi parce qu'elles sont difficiles à trancher. Je ne suis pas nécessairement plus sûr que quiconque dans l'équipe de faire un meilleur choix, mais je dois prendre des décisions.
Ainsi, le cœur du problème réside dans le nombre de décisions, et non dans une décision particulière.
Stebbings : Lorsque vous faites face à une décision 51 % contre 49 %, avez-vous des personnes fixes à consulter ?
Altman : Non, je pense que dépendre d'une seule personne pour tout n'est pas la bonne approche.
Pour moi, une meilleure approche serait de trouver 15 ou 20 personnes ayant une bonne intuition et des connaissances de fond dans un domaine spécifique et de consulter les meilleurs experts lorsque nécessaire, plutôt que de dépendre d'un seul conseiller.
Questions rapides et réponses rapides
Stebbings : Supposons que vous soyez un jeune homme de 23 ou 24 ans aujourd'hui, compte tenu des infrastructures existantes, que choisiriez-vous de faire ?
Altman : Je choisirais un domaine vertical soutenu par l'IA, comme l'éducation par IA, je développerais le meilleur produit éducatif par IA pour permettre aux gens d'apprendre n'importe quel domaine.
Des exemples similaires pourraient également inclure des avocats IA, des ingénieurs CAD IA, etc.
Stebbings : Vous avez mentionné l'écriture de livres, quel titre donneriez-vous à votre livre ?
Altman : Je n'ai pas encore réfléchi à un nom. Je n'ai pas encore pensé sérieusement à ce livre, juste que son existence pourrait libérer le potentiel de nombreuses personnes. Cela pourrait être lié au thème « potentiel humain ».
Stebbings : Dans le domaine de l'IA, quelles sont les directions auxquelles les gens ne prêtent pas attention mais devraient consacrer plus de temps ?
Altman : Ce que j'aimerais voir, c'est une IA capable de comprendre l'ensemble de votre vie.
Elle n'a pas besoin d'un contexte infini, mais j'espère qu'il y aura un moyen de vous doter d'un agent IA qui comprend toutes vos données et peut vous assister.
Stebbings : Y a-t-il quelque chose qui vous a surpris ces dernières semaines ?
Altman : C'est un résultat de recherche que je ne peux pas révéler, mais qui est époustouflant.
Stebbings : Qui est votre concurrent le plus respecté ? Pourquoi ?
Altman : En réalité, je respecte chacun dans ce domaine, il y a beaucoup de talents et de travaux exceptionnels dans l'ensemble du domaine.
Je ne cherche pas à éviter le problème, mais il y a des gens très talentueux qui font un travail exceptionnel.
Stebbings : Est-ce qu'il y en a un en particulier ?
Altman : Il n'y a pas de cas particulier.
Stebbings : Quel est votre API OpenAI préféré ?
Altman : La nouvelle API instantanée est incroyable, nous avons maintenant une énorme activité API avec beaucoup de bonnes choses.
Stebbings : Qui admirez-vous le plus dans le domaine de l'IA aujourd'hui ?
Altman : Je tiens à mentionner spécialement l'équipe Cursor, qui a créé une expérience très magique avec l'IA et a apporté beaucoup de valeur aux gens.
Beaucoup de gens n'ont pas pu assembler tous les éléments, mais ils y sont parvenus. J'ai délibérément évité de mentionner les personnes d'OpenAI, sinon cette liste serait très longue.
Stebbings : Que pensez-vous du compromis entre délai et précision ?
Altman : Il faut un bouton pour régler les deux. Comme maintenant, vous voudriez que je réponde rapidement, je vais essayer de ne pas prendre plusieurs minutes à réfléchir, à ce moment-là, le délai devient important.
Si vous me demandez de faire une découverte majeure, vous pourriez être prêt à attendre quelques années. La réponse est que cela devrait être contrôlable par les utilisateurs.
Stebbings : Lorsque vous pensez à l'insécurité dans le leadership, dans quels domaines pensez-vous avoir le plus besoin d'amélioration, en tant que leader et PDG, quels aspects souhaitez-vous améliorer ?
Altman : Au cours de la semaine dernière, j'ai eu l'impression d'être plus incertain qu'auparavant sur les détails de notre stratégie produit.
Dans l'ensemble, je pense que le produit est mon point faible, et l'entreprise a besoin de moi pour fournir une vision produit plus claire.
Nous avons un excellent responsable produit et une équipe formidable, mais c'est un domaine dans lequel j'aimerais être meilleur, et je ressens cela de manière particulièrement forte ces derniers temps.
Stebbings : Vous avez embauché Kevin Scott (CTO d'OpenAI), je le connais depuis de nombreuses années, il est exceptionnel. Quelles qualités de Kevin font de lui un leader produit de classe mondiale ?
Altman : « discipline » est le premier mot qui me vient à l'esprit.
Stebbings : Que signifie-t-il précisément ?
Altman : Il est très concentré sur les priorités, sait quoi refuser, et est capable de penser du point de vue des utilisateurs sur pourquoi faire ou ne pas faire quelque chose, vraiment très rigoureux, sans idées farfelues.
Stebbings : Envisageant les cinq et dix prochaines années, si vous aviez une baguette magique pour décrire la vision d'OpenAI pour les cinq et dix prochaines années, à quoi ressemblerait-elle ?
Altman : Je peux facilement imaginer les deux prochaines années, mais si nous avons raison et commençons à créer certains systèmes extraordinaires, par exemple en matière de progrès scientifique, cela pourrait entraîner des avancées technologiques incroyables.
Je pense qu'après cinq ans, nous verrons une avancée technologique à un rythme incroyable, dépassant même les attentes de tout le monde, et la société pourrait sentir que « le moment AGI est venu et est parti » ; nous découvrirons de nombreuses nouveautés, non seulement dans la recherche en IA, mais aussi dans d'autres domaines scientifiques.
D'un autre côté, je pense que les changements que (les avancées technologiques) apportent à la société sont relativement limités.
Par exemple, si vous aviez demandé aux gens il y a cinq ans : les ordinateurs passeront-ils le test de Turing ?
Ils diraient probablement : non. Si vous leur dites : oui. Alors ils penseraient que cela entraînera d'énormes changements pour la société.
Maintenant vous voyez, nous avons effectivement passé le test de Turing, mais les changements sociaux n'ont en réalité pas été si radicaux.
C'est ainsi que je prévois l'avenir, où le progrès technologique dépasse toutes les attentes, tandis que les changements sociaux sont plus lents.
Je pense que c'est un état bon et sain. À long terme, les avancées technologiques apporteront certainement des changements énormes à la société, mais cela ne se reflétera pas rapidement dans les cinq à dix prochaines années.
Cet article est une collaboration de repostage : Deep Tide
Plus de reportages
Des investisseurs d'a16z analysent l'évolution des stablecoins : un aperçu de l'avenir des stablecoins à travers 250 ans d'histoire bancaire
La victoire de Trump a marqué le début d'un « printemps cryptographique », les institutions financières clés américaines se dirigent-elles vers une « orientation par la guidance plutôt que par l'application » ?