Jasmine Wang pada copywriting AI, menggantikan vs menambah tenaga kerja manusia & kepercayaan dan keselamatan AI - E52

"Saya peduli tentang betapa menakjubkannya orang -orang yang bekerja dengan saya, betapa dampaknya teknologi yang sedang kami kerjakan, dan karakteristik terakhir adalah: dapatkah saya memengaruhi lintasan ini untuk digunakan ke dunia dengan cara yang lebih aman dan bertanggung jawab? Jadi semua jalan menunjuk ke AI yang aman dan bertanggung jawab." - Jasmine Wang

Jasmine Wang adalah salah satu pendiri & CEO Copysmith , mitra brainstorming AI untuk pemasar. Sebelumnya, Jasmine telah sangat terlibat dalam penelitian AI di Kemitraan pada AI , Openai dan Algoritma Pembelajaran Montreal Institute of Learning (MILA) .

Jasmine memulai dalam teknik dan penelitian untuk Lyft sendiri mengemudi sendiri , dan teknologi Microsoft Research for Emerging Markets . Dia juga menerima persekutuan teknik, penelitian, dan akademik terutama oleh Interact, Kleiner Perkins , 8VC , Microsoft , dan Fulbright Foundation.

Jasmine menerima Sarjana Ilmu Komputer dan Filsafat di Universitas McGill . Di waktu luangnya, dia memainkan piano.

Anda dapat menemukan diskusi komunitas kami untuk episode ini di https://club.jeremyau.com/c/podcasts/52-jasmine-wang-on-ai-copywriting-replacing-vs-augmenting-human-labor-ai-trust-and-safety

Harap teruskan wawasan ini atau undang teman -teman di https://whatsapp.com/channel/0029vakr55x6bieluevkn02e

Jasmine Wang: [00:00:33] Hai, Jeremy. Senang berada di sini.

Jeremy AU: [00:00:36] Nah, ini sangat menarik. Maksud saya, kami bagian dari geladak , kami bertemu melalui komunitas yang hebat ini, dan saya benar -benar terpesona dengan pendekatan Anda untuk memanfaatkan AI dan saya senang berbagi tidak hanya perjalanan Anda tetapi juga apa yang Anda lihat di masa depan akan menjadi.

Jasmine Wang: [00:00:52] Terima kasih banyak. Kita dapat menyelami lebih banyak hal ini, tetapi kita berada di garis depan dari sesuatu yang sangat besar dan menarik, saya senang mengobrol tentang GPT-3 dan segala sesuatu yang ada di cakrawala.

Jeremy AU: [00:01:03] Luar biasa. Bagi mereka yang belum mengenal Anda dengan kata -kata Anda sendiri, bagaimana Anda berbagi tentang perjalanan pribadi Anda sendiri?

Jasmine Wang: [00:01:11] Saya dibesarkan di Edmonton, yang merupakan kota paling besar utara di Kanada. Jadi pikirkan sangat dingin, pikirkan minyak dan gas, sangat konservatif, tidak ada startup, tidak ada teknologi. Saya tidak menyadari bahwa ilmu komputer atau rekayasa perangkat lunak bahkan merupakan jalan sampai saya hampir selesai sekolah menengah. Saya akhirnya pergi ke McGill di Montreal untuk universitas, tetapi saya benar -benar memulai sekolah dalam literatur komparatif. Saya suka buku, saya suka menulis. Saya berakhir dalam ilmu komputer setelah menghadiri hackathon pertama saya dan memutar situs web untuk organisasi nirlaba yang sedang saya kerjakan dan saya terpesona pada saat itu, beralih dalam ilmu komputer dan benar -benar jatuh cinta dengan pemrosesan bahasa alami setelah menghabiskan waktu dalam rekayasa pangkalan.

Saya bekerja di beberapa startup, mulai Breather, yang merupakan startup lokal yang berbasis di Montreal kemudian pergi ke Lyft di mana saya berada di tim self-driving mereka. Juga bekerja di Square di tim modal mereka dalam peran teknik dan semacam utas ini dari menulis yang dilakukan pada saat itu. Saya menjadi sangat tertarik dengan pemrosesan bahasa alami. Fakta bahwa kita bisa mewakili kata -kata sebagai vektor luar biasa. Saya melakukan penelitian di Mila, yang merupakan laboratorium akademik pembelajaran mendalam terbesar di dunia, itu dipimpin oleh Yoshua Bengio yang merupakan salah satu dari tiga ayah baptis pembelajaran mendalam, dengan bangga berbasis di Montreal dan Kanada. Kemudian bekerja di Microsoft Research serta di Openai tepat ketika 52 dirilis.

Dan sekarang saya sedang mengerjakan Copysmith yang merupakan alat copywriting bertenaga AI. Kami menggunakan kombinasi GPT-3 dan model lain untuk membantu Anda menyusun salinan. Saya memikirkannya karena Anda selalu menjadi mitra brainstorming, tetapi saya tidak akan pergi memberi Anda pitch penuh di sini. Begitulah cara saya merangkum perjalanan sejauh ini. Seiring waktu, saya menghabiskan banyak waktu antara Montreal dan San Francisco, saya saat ini kembali ke Edmonton sehingga lingkarannya semacam ditarik selama pandemi.

Jeremy AU: [00:03:07] Itu luar biasa. Dan satu hal yang saya perhatikan adalah bahwa Anda memiliki perjalanan yang menarik di mana Anda tidak hanya memikirkan AI tetapi juga tentang kacang dan baut serta sisi kebijakannya, yang merupakan topi triple yang cukup langka untuk dikenakan. Saya hanya penasaran, apa yang mendorongnya?

Jasmine Wang: [00:03:26] 100%. Ketertarikan saya tentang teknologi saya pikir karena saya awalnya berasal dari humaniora adalah instrumental. Saya suka pizazz dan keserbagunaan serta kekuatan teknologi tetapi pada akhirnya peduli dengan bagaimana hal itu berdampak pada orang. Dan saya tahu itu hampir merupakan hal yang tepat untuk dikatakan, saat ini studi teknologi dan masyarakat telah menjadi sangat panas. Setiap siswa CS di Stanford ingin memiliki filosofi kecil, tetapi saya pikir ini benar -benar sangat penting dan bagaimana saya memilih spesialisasi dan arah yang saya tuju adalah beberapa indeks . Saya peduli tentang betapa menakjubkannya orang -orang yang bekerja dengan saya, seberapa besar dampak teknologi yang sedang kami kerjakan, dan karakteristik terakhir adalah dapatkah saya mempengaruhi lintasan ini untuk digunakan ke dunia dengan cara yang lebih aman dan bertanggung jawab? Jadi semua jalan semacam menunjuk ke AI yang aman dan bertanggung jawab.

AI jelas merupakan topik hangat tahun ini jika bukan dekade, banyak bakat berbondong -bondong untuk mengerjakan AI. Dan terkait dengan itu dan salah satu alasan untuk itu adalah membuat dampak besar pada industri yang saya tidak perlu menyelam dan juga memiliki banyak implikasi yang belum sepenuhnya dipikirkan dalam hal bagaimana kita dapat menggunakan ini dengan cara yang aman dan bertanggung jawab dari tingkat infrastruktur, tetapi juga pada tingkat yang menghadap konsumen. Begitu banyak pertanyaan berbeda di sini tentang penyebaran yang aman dan bertanggung jawab. Saya merasa keduanya menarik secara intelektual tetapi juga hanya memuaskan ketiga hal itu, orang -orang hebat, teknologi yang sangat berdampak, dan banyak pertanyaan yang kabur atau suram di sekitar, bagaimana kita membuat teknologi ini benar -benar berguna bagi kemanusiaan dan bermanfaat?

Jeremy Au: [00:05:11] Luar biasa. Anda juga telah berbagi bahwa Anda mengambil kelas tentang etika AI dan semua itu . Di mana ada kelas atau momen favorit khusus yang Anda miliki memulai perjalanan itu untuk Anda?

Jasmine Wang: [00:05:25] Saya memang mengambil minor dalam filsafat dan sebagai bagian dari itu beberapa kelas favorit saya adalah dalam filosofi AI dan filsafat sains. Untuk mungkin memilih beberapa pertanyaan dalam filsafat sains, maaf, filsafat AI, kami benar -benar menyadari bahwa jika Anda hanya melihat sejarah para pemikir di bidang ini, bahwa kekhawatiran yang dimiliki manusia tentang mesin telah hadir untuk hampir semua sejarah manusia. Pertanyaan ini, "Oh, akankah AI menggantikan kita?" Ini adalah pertanyaan yang diajukan selama Revolusi Industri.

Beberapa akademisi dan sarjana telah menyebut ini, siklus kepanikan teknologi Sisyphean. Seperti di, kita terus menggulung batu ini ke atas bukit, "Oh, tidak, apakah hal berikutnya ini akan menjadi masalahnya?" Dan kekhawatiran tentang hal itu terjadi dengan cara yang cukup siklus, mencocokkan siklus teknologi. Dan ini hanyalah sebuah pola yang terus terjadi, yang benar -benar menarik, yang bukan untuk mengatakan bahwa AI tidak berbeda, saya pikir itu sebenarnya berbeda, revolusi ini, tetapi menarik bagaimana setiap siklus orang berpikir itu berbeda dan bahwa ini adalah yang akan menggantikan kerja manusia dengan cara tertentu.

Faktanya sebuah revolusi belum pernah terlihat sebelumnya yang sebenarnya benar -benar menantikan dan secara surut kita dapat secara narativis dan berkata, "Oh, kita senang bahwa kita melewati siklus itu. Tapi itu adalah wawasan yang sangat menarik hanya dengan melihat ke dalam sejarah filosofi AI, karena para filsuf telah memikirkan pertanyaan AI selama konsep telah ada tentang apa yang disampaikan natural.

Jeremy AU: [00:07:06] Sepertinya Anda telah memikirkan ini jauh lebih dalam daripada yang saya miliki karena cara saya mengkonsumsi adalah saya adalah pembaca besar fiksi ilmiah dan AIS selalu merupakan penjahat di alam dan semakin protagonis, sebenarnya. Beberapa fiksi ilmiah terbaik baru -baru ini, keadilan tambahan, dan lain -lain. Tetapi tentang ini sebenarnya mengambil protagonis AI sebenarnya dalam sebuah cerita dan bagaimana mereka menemukan kemanusiaan. Jadi ada bagian yang menarik dan tren yang saya lihat. Jadi saya ingin tahu dari sudut pandang Anda, seperti apa filosofi pribadi Anda di sekitar AI sekarang setelah Anda tidak hanya mempelajarinya, memikirkannya, bekerja di dalamnya, apa pendapat pribadi Anda.

Jasmine Wang: [00:07:50] Saya sangat senang dengan AI. Saya pikir ada satu rekaman yang bisa Anda jaga AI, saya juga setuju dengan yang jika tidak dapat dihindari, kami mungkin juga berkolaborasi dengan AI. Beberapa orang memiliki refrain, "Selamat datang robot Overlords." Dan saya benar -benar memiliki pandangan yang berbeda di mana saya benar -benar bersemangat tentang apa yang dapat dibuka oleh AI. Jadi sebagai penulis saya menghabiskan banyak waktu dalam menulis kreatif. Contoh dari apa yang mungkin Anda inginkan dari AI. Saya tidak bisa pergi ke manusia dan berkata, "Oke, Jeremy, saya memiliki paragraf yang saya tulis dari adegan ini, dapatkah Anda memberi saya 15 varian dari semua kata keterangan yang saya gunakan, dan hanya kata keterangan? Beri saya 15 yang berbeda untuk semua iklan yang saya gunakan dalam paragraf ini."

Itu bukan penggunaan waktu Anda yang baik, tetapi tidak apa -apa, bahwa itu juga bukan penggunaan waktu saya yang baik. Diperlukan terlalu banyak waktu untuk menentukan instruksi itu. Tetapi jika itu mungkin, jika itu terjadi secara alami selama tulisan saya, tentu saja tulisan saya akan lebih baik. Tentu saja kreatif saya akan ditambah. Saya akan seperti, "Oh, saya tidak berpikir untuk menggunakan kata itu dengan cara itu sebelumnya." Dan itulah aplikasi yang sangat saya sukai dari AI, adalah aplikasi augmenting kreativitas ini yang akan kita bicarakan lebih banyak ketika kita berbicara tentang copysmith.

Dan saya benar -benar hanya merasa ada begitu banyak wilayah di semua dimensi. Saya hanya berbicara tentang teks di sini di mana kami menulis novel atau dokumen. AI akan membantu kita mengeksplorasi lebih efisien dan cepat dan menjelajahi wilayah yang bahkan mungkin tidak kita dapatkan tanpanya dan saya pikir ini hanya mungkin untuk semua domain. Saya seorang penulis jadi saya berpikir tentang AI dengan cara itu tetapi saya pikir begitu banyak orang melihat AI dengan ketakutan ini bahwa itu akan menggantikan mereka. Tapi saya pikir untuk banyak disiplin ilmu mereka harus benar -benar memposisikan diri mereka karena AI ini benar -benar akan menambah pekerjaan saya dan bagaimana saya bisa mengintegrasikan ini ke dalam alur kerja saya secara proaktif sedemikian rupa sehingga AI Plus Human adalah jalur default ke depan dan bukan AI. Saya senang tentang itu.

Jeremy AU: [00:09:48] Menarik. Sangat bersemangat tentang hal itu dan bersemangat tentang komponen augmentasi yang sangat menarik.

Jasmine Wang: [00:09:55] Ya, tepatnya. Saya senang tentang hal itu tetapi saya pikir ada hal -hal yang harus dipikirkan melalui komunitas dan industri AI secara lebih luas perlu memikirkannya, tentang dampak algoritma ini. Dan tepat di tahun lalu saya pikir percakapan tentang hal itu telah meningkat secara dramatis. Misalnya dengan rilis film Jejaring Sosial, mereka membuat aktor bertindak AIS ini dengan cara yang membuatnya sangat mendalam. Kami melakukan penargetan mikro, apa yang menyiratkannya untuk ekosistem dan kebenaran berita kami secara luas?

Tapi ya, saya pikir ada banyak kegembiraan dan saya merasa ... Saya seorang yang optimis, jadi ini mungkin tidak sepenuhnya dipertimbangkan dengan baik tetapi saya juga menyadari ada kerugian besar yang sudah kita lihat sampai batas tertentu bahwa kita harus berhati-hati dalam meringankan dan bahwa perusahaan perlu berpikir dan memasukkan ke dalam praktik yang meluas dan eksternal mereka. Ada begitu banyak pemangku kepentingan yang berbeda di komunitas AI yang membuatnya sangat unik. Ini bukan hanya terobosan penelitian tetapi juga terobosan penelitian yang dapat diproduksi dan memiliki nilai ekonomi yang sangat besar.

Jeremy AU: [00:11:08] Saya pikir yang menarik adalah bahwa di LinkedIn Anda Anda memiliki pernyataan ini yang merupakan yang besar yang seperti mengatakan, "oleh para ekonom default dan peneliti AI percaya AI dapat mengotomatisasi semua kerja manusia. Dengan pekerjaan saya dalam penelitian, saya perlu membantu menciptakan masa depan di mana AI bermanfaat bagi semua orang." Jadi yang menarik adalah bahwa Anda benar -benar menyiratkan bahwa ada garpu di jalan, maksud saya, garpu dalam hal keyakinan semua orang, tetapi Anda juga mengatakan bahwa Anda akan membantu mengarahkannya ke arah yang benar. Saya hanya penasaran, menurut Anda apa hal -hal yang akan menciptakan garpu itu?

Jasmine Wang: [00:11:42] Ini adalah pertanyaan besar dan sesuatu yang saya alami. Saya benar -benar akan menunjuk ke pengusaha lain di sini sedikit kurang terkenal dari saya, Elon Musk, yang bekerja pada Neuralink dan tujuan tegasnya dengan Neuralink adalah untuk membuat manusia diperbarui pada tingkat pembaruan AI. Itu salah satu contoh ekstrem dari augmentasi AI manusia, secara harfiah menanamkan komputer di dalam otak Anda sehingga Anda dapat berinteraksi dengan AI dengan sangat dekat. Dan saya pikir ada hal -hal di sepanjang spektrum itu.

Jadi itu satu sisi dari garpu, berkolaborasi dengan AI, memanfaatkan AI dalam alur kerja Anda, apakah itu berinteraksi dengan itu sebagai sepotong perangkat lunak atau tertanam di otak Anda, ada spektrum, tetapi ada satu garpu di mana beberapa orang menolak AI dari kemauan mereka sendiri atau tidak mampu mengaksesnya. Dan kami melihat garpu ini melakukan seperti karyawan harus memilih antara mengatakan menggunakan AI atau hanya menggunakan tenaga kerja manusia.

Dan saya bukan seorang ekonom, ini hanya saya yang berbicara dengan para ekonom. Secara default, jika AI dapat menggantikan semua kerja manusia, yang diyakini oleh para peneliti AI, itu akan lebih murah daripada kerja manusia. Karena itu, satu -satunya insentif ekonomi yang saya pahami adalah Anda selalu menggunakan yang termurah jika kualitasnya sama. Jadi secara default semua perusahaan akan secara ekonomi diberi insentif untuk mempekerjakan tenaga kerja AI alih -alih tenaga kerja manusia.

Pertanyaan yang benar -benar saya duduki adalah bagaimana kita bisa membuat manusia layak secara ekonomi? Solusi ekstrem adalah Neuralink, yang membuat kita generasi manusia berikutnya yang dapat berinteraksi dengan AI, tapi saya pikir ada alat lain yang akan dibangun juga. Dan perusahaan dapat dibangun memposisikan diri mereka sehubungan dengan forum yang berbeda ini. Mereka dapat memposisikan diri mereka karena kita akan mengotomatiskan pekerjaan OA, atau Anda dapat memposisikan diri Anda sebagai tidak, saya ingin membuat manusia lebih baik di pekerjaan mereka, mencapai ketinggian baru yang belum pernah Anda lihat sebelumnya, membuat mereka jauh lebih produktif, dan saya ingin memposisikan diri saya ke garpu tangga. Dan bahkan jika itu tidak mungkin secara ekonomis mungkin, saya pikir ada pada kita untuk mencoba dan saya ingin melakukan upaya serius untuk itu.

Jeremy AU: [00:13:54] Ya. Maksud saya, saya pikir Anda memiliki kekuatan api dan lintasan untuk melakukannya dan membuat perbedaan. Dan saya pikir apa yang menarik. Maksud saya, untuk diri saya sendiri saya berlatih sebagai ekonom sebagai sarjana. Tesis penghargaan saya adalah tentang bagaimana adopsi teknologi berdifusi di seluruh dunia dan kecepatan adopsi.

Jasmine Wang: [00:14:09] Hebat, Anda dapat mengoreksi saya dalam segalanya.

Jeremy AU: [00:14:12] Ya. Saya harap ini lebih baik karena MBA sangat banyak bagaimana kita memanfaatkan ini? Dan seperti yang Anda katakan, belum tentu pergi untuk yang termurah tetapi meningkatkan laba, benar. Saya pikir jelas yang menarik tentu saja adalah AI masih sepertinya sangat banyak di masa -masa awal, maksud saya, ini sangat esoteris, keahlian domain di mana orang tidak dapat mengaksesnya dan selama lima tahun terakhir karena para pendiri yang telah kita lihat seperti banyak orang mulai membangun apa yang disebut jembatan antara AI dan kasus -kasus dunia kehidupan nyata. Maksud saya, Anda tidak perlu menjadi insinyur ... yah, Anda harus direkayasa untuk benar-benar memahami mobil self-driving Tesla, tetapi Anda akan mengkonsumsinya. Tapi sekarang kita mulai melihat menetes ke B2B dan SaaS yang copysmith adalah salah satunya. Menurut Anda apa yang mendorong jembatan dan pertumbuhan itu?

Jasmine Wang: [00:14:56] Lagi -lagi, tolong. Koreksi saya. Tarik lagi pada insentif ekonomi di sini karena saya cenderung membuat mereka salah. Tapi saya pikir dalam hal mengonversi penelitian, melihat transfer teknologi dari pipa penelitian penelitian dasar sampai ke sesuatu ke produk, penelitian dasar perlu memberikan hasil yang sangat bersemangat industri dan oleh karena itu industri akan mengikuti.

Saya pikir baru-baru ini AI benar-benar memberikan hasil canggih di tingkat penelitian. Kami seperti, "Oh, klasifikasi gambar hanya berfungsi sekarang," atau, "pembuatan teks hanya berfungsi sekarang." Dan kemudian industri melihat hasil -hasil itu atau melihat kertas -kertas itu, dan jelas ini bukan biner, ada banyak, banyak peneliti AI di industri sekarang dan banyak perusahaan memiliki laboratorium penelitian AI besar -besaran untuk memanfaatkan wawasan semacam ini, tetapi mereka menciptakan infrastruktur di sekitarnya.

Ini, oh, saya ingin menggunakan lebih banyak model visi komputer dan karena itu akan ada lebih banyak API dan layanan. Maksud saya, Amazon menghasilkan banyak uang dari AWS, tentu saja mereka akan menawarkan Visi API yang seperti seperempat dari bisnis mereka, serta infrastruktur untuk membantu orang berkembang dengan lebih mudah. Jadi saya akan menyoroti satu startup yang sangat saya sukai dan kagumi adalah Cortex yang merupakan startup open-source YC yang memungkinkan siapa pun untuk menggunakan model pembelajaran mesin sebagai API dengan sangat mudah. Itu hanya file YAML.

Ini adalah jawaban yang buruk di sini dan saat itu, tetapi saya pikir sangat baru-baru ini pembelajaran yang mendalam, yah, seperti yang telah terjadi, dan kemudian sangat baru bahwa kami memiliki hasil canggih yang memerlukan investasi industri yang signifikan dan efek tindak lanjut dari orang-orang yang memiliki lebih sedikit pengalaman secara langsung dengan teknologi tetapi dapat membangun infrastruktur dari mereka yang telah datang sebelumnya.

Ini adalah proses yang cukup menarik untuk melihat berasal dari latar belakang mempelajari bagaimana sains berkembang karena sains juga sangat bertahap. Tetapi melihat ini untuk pertama kalinya saya melihat aktivitas di sekitar AI, Anda juga melihat cara lain atau bagaimana penelitian itu diperpanjang juga secara bertahap karena sekarang misalnya dengan GPT-3 di mana Anda memiliki API yang menangani semua penskalaan otomatis Anda untuk Anda, memiliki waktu inferensi yang sangat cepat, Anda tidak harus melakukan semua itu. Anda bisa memperlakukannya sebagai API. Orang -orang tidak membangun aplikasi kode di sekitarnya, dan kami benar -benar melihat bagaimana karya -karya yang berbeda ini dapat bertemu dan bagaimana infrastruktur dapat dibangun dalam ekosistem untuk membawanya lebih dekat dan lebih dekat dengan orang -orang yang memiliki keahlian yang semakin sedikit, yang luar biasa, saya pikir. Tapi saya tidak memiliki teori lengkap tentang hal itu, hanya ada penelitian yang ada dan nilai ekonomi ada di sana sehingga orang datang.

Jeremy AU: [00:17:27] Ya. Sangat menarik untuk melihat tetesan itu dan ini terus meningkat. Sebagai seorang anak, saya dulu memainkan ruang bawah tanah multi-pengguna MUDS di telnet. Jadi Anda memainkan teks dan yang dulu dibuat oleh kita semua. Semua orang akan berkontribusi berbagai kamar tentang itu dan selama beberapa bulan terakhir saya telah bermain AI Dungeon GPT-2 ke GPT-3 dan telah menjadi ledakan. Dan satu hal yang saya pikirkan sedikit adalah jika orang dapat mengunduh transkrip yang akan mereka sukai, "Wow, orang ini benar -benar bekerja keras untuk menghancurkan permainan."

Dan saya pikir menarik untuk melihat bahwa konsumerisasi membuat lebih mudah dan lebih mudah bagi AI untuk dinilai, terutama karena AI juga mengalir ke banyak backend dan itu tidak terlihat oleh konsumen karena penargetan iklan yang lebih baik, personalisasi feed yang lebih baik, kurasi video yang lebih baik. Dan saya pikir itu juga menarik dari sudut yang berbeda, yaitu, kami dulu menjadikannya sebagai lelucon pada suatu waktu karena AI adalah statistik. Kanan. Di masa lalu mereka dulu mendiskreditkan perusahaan AI dan mereka akan seperti, "Oh, Anda melakukan regresi." Dan saya seperti, "Tidak. Kami melakukan analisis yang saya senang untuk Anda gunakan."

Tapi saya pikir sekarang kita mulai melihat perusahaan benar -benar benar -benar menggunakan AI karena sangat tersedia sebagai konsumen, sebagai API. Apa yang Anda sukai? Tren apa yang Anda lihat untuk AI bergegas dan mengubah lebih banyak? Maksud saya, satu tentu saja adalah pemasaran.

Jasmine Wang: [00:18:59] Benar. Sebagai domain saya sebenarnya akan menyebutkan jenis pembelajaran mesin tertentu. Saat ini kami telah melihat kemajuan besar dalam NLP dan generasi teks. Dan apa yang saya sangat bersemangat hanya dari perspektif intelektual adalah generasi multimodal. Bisakah kita menghasilkan gambar yang benar -benar baru dan juga menuliskannya dan memberi label? Itu membuka set data besar yang berpotensi untuk orang-orang yang mencoba melakukan, misalnya, keselamatan mobil self-driving. Jadi saya menemukan itu sangat menarik.

Saya pikir domain di sini yang akan saya sorot bukan showstoppers atau tidak mengejutkan. Saya tidak memiliki pengambilan pelawan di sini, saya sangat bersemangat untuk mobil self-driving, saya pikir itu akan memiliki dampak besar. Saya pikir itu lebih dekat dari yang kita pikirkan karena segalanya terus tertunda tetapi saya pikir itu akan terjadi dalam dekade berikutnya, jadi saya sangat senang tentang itu.

Dan saya sebenarnya cukup khawatir tentang peningkatan personalisasi di web karena sejumlah alasan tetapi saya pikir kita akan melihatnya. Saya pikir kita akan benar -benar bergerak ke dunia di mana bukan hanya iklan yang dipersonalisasi untuk Anda, tetapi seluruh halaman arahan, perjalanan situs web yang secara dinamis dihasilkan dan dihasilkan hanya untuk Anda, untuk segmen satu. Ada perusahaan yang sudah mengerjakan ini tetapi jarang konten tersebut secara dinamis dihasilkan yang saya pikir sebenarnya adalah perbedaan kualitatif di mana Anda mungkin melihat halaman web dan hanya Anda yang dapat melihatnya.

Anda akan dapat membagikan URL itu tetapi hanya ditunjukkan kepada Anda dan mungkin pendiri itu sendiri tidak akan terkejut dengan konten yang tertulis di halaman itu. Tapi saya pikir kita hanya akan melihat peningkatan agregasi data pada pengguna tertentu dan mengikuti jalur mereka melalui web dengan cara yang belum pernah terjadi sebelumnya dan berpotensi sedikit menakutkan, tetapi itu akan menyebabkan tingkat klik-tayang yang lebih tinggi, jadi ada keseimbangan di sini.

Jeremy AU: [00:20:48] Itu persis mirip dengan apa yang Anda tangani, kan?

Jasmine Wang: [00:20:51] Ya. Kami tidak melakukan sepenuhnya personalisasi di halaman apa pun yang dapat saya ceritakan tentang apa yang sedang kami kerjakan, saya cukup khawatir tentang kasus penggunaan itu. Saya pikir sangat tidak mungkin bahwa kami akan menempuh rute itu. Saya terlalu memikirkan Copysmith seperti orang yang selalu melakukan brainstorming. Saat ini seperti apa produknya adalah Anda dapat mencolokkan hal -hal yang Anda ketahui tentang produk Anda dan benar -benar menariknya langsung dari situs web Anda. Seperti apa yang hanya merupakan deskripsi sederhana tentang apa yang Anda lakukan, dan dengan satu klik Anda dapat menghasilkan semua jenis konten seperti iklan untuk semua saluran Anda yang berbeda , Google, Facebook, Instagram, ET Cetera. Anda menghasilkan deskripsi produk, meta-tag SEO, halaman arahan yang berbeda untuk segmen audiens yang berbeda, posting blog, seluruh sembilan yard.

Tapi itu tidak sepenuhnya dipersonalisasi, kita belum turun rute itu. Tujuan utama saya dengan copysmith sekarang adalah bagaimana kita menjauhkan pengguna dari menatap halaman kosong itu? Dan langkah selanjutnya adalah bagaimana kita mengeluarkan pengguna dari Google Sheets? Yang merupakan masalah lain yang tidak terkait dengan AI tetapi hanya masalah manajerial orang tidak menggunakan jenis dokumen yang dibuat khusus untuk salinannya. Saat mereka mengedit iklan Google, mengedit iklan Facebook. Ini ada di google spreadsheet sebagian besar waktu dan mereka meminta umpan balik kepada bos mereka. Dan jika Anda pernah melakukan komentar di Google Spreadsheet, Anda tahu betapa mengerikannya itu. Anda harus menemukan segitiga kuning kecil dan sel yang sangat kecil dan melayang di atasnya.

Saya melihat apa yang kami lakukan sangat berbeda dari presisi tetapi kami masih fokus pada pemasar. Kami fokus untuk membuka kunci kreatif mereka sehingga mereka dapat melakukan draft terlebih dahulu lebih cepat, uji A/B lebih cepat, dan benar-benar memiliki loop umpan balik penuh, oke, saya dapat menggunakan alat ini untuk pergi ke manajer saya, mengadvokasi kampanye tertentu seperti ini. loop umpan balik. "

Iklan semacam ini dan membangun set data secara horizontal di seluruh industri. Ini adalah jenis iklan yang telah kami lihat berkinerja baik untuk perusahaan seperti Anda. Agensi melakukan kurasi ini untuk segmen besar pengeluaran iklan karena mereka memiliki beberapa keahlian tentang apa yang baik dan apa yang tidak, tetapi Anda dapat meningkatkan skala besar -besaran dengan eksponensial yang dapat diakses oleh perusahaan teknologi.

Jeremy AU: [00:23:10] Mengapa Anda secara pribadi bersemangat dalam membangunnya? Mengapa Anda bersemangat membangun platform?

Jasmine Wang: [00:23:15] Saya sangat senang dengan AI Assistant Writing. Anda mungkin pernah mendengar sedikit garis lemparan, saya seorang penulis. Saya menghabiskan banyak waktu menulis 80.000 kata ke dalam novel pertama saya yang juga saya mulai selama periode Covid, yang sangat generatif bagi saya, pun yang dimaksudkan. Saya sangat tertarik dengan berbagai cara AI dan manusia dapat berinteraksi. Jadi bagian dari produk yang secara pribadi saya sangat terpesona, dan benar -benar termotivasi adalah ketika saya mewawancarai pengguna dan mereka seperti, "Wow, saya tidak memikirkannya sebelumnya." Atau, "Oh, itu sangat menarik. Mari kita pasang kembali ke Copysmith dan lihat apa yang dihasilkannya."

Jadi saya benar -benar tertarik dengan jalur ini, oh, saya mulai di sini dan saya benar -benar tidak tahu seperti apa kampanye ini akan terlihat. "Dan berakhir setelah beberapa iterasi satu juta mil jauhnya dari tempat Anda memulai dan teritori yang mungkin tidak dapat Anda sampaikan kepada semua orang, tidak ada yang bisa dibutuhkan untuk semua orang, tidak ada yang bisa ditanggung oleh orang -orang yang tidak dapat diselesaikan dengan baik untuk semua orang. Banyak, banyak dolar.

Jeremy AU: [00:24:37] Ya. Saya selalu cenderung mulai menulis di Nanowrimo , itulah yang saya tulis, dan blok penulis selalu menjadi yang besar ketika saya menulis secara manual. Jadi ya, saya senang melihat AI pergi untuk membantu saya membawa saya melintasi garis finish.

Jasmine Wang: [00:24:54] Ya, benar -benar. Bawa Anda melintasi garis finish atau bawa Anda ke langkah pertama yang juga sangat sulit. Pengeditan jauh lebih mudah daripada menulis.

Jeremy AU: [00:25:01] Oh, pasti. Tentu saja. Yang menarik juga bahwa saat Anda membangun ini, Anda benar -benar telah menangani pemasaran sebagai kasus penggunaan. Maksud saya, mengapa menurut Anda pemasar menginginkan sesuatu seperti ini atau alat seperti ini atau AI seperti ini?

Jasmine Wang: [00:25:15] Kami berpikir ini karena mereka memberi tahu kami ini. Begitu banyak pemasar yang sangat melek teknologi, sangat melek iklan, dan mereka telah berburu untuk hal seperti ini. Saya berharap ini mungkin untuk dapat menyusun salinan dengan itu. Ini adalah tugas yang harus dilakukan oleh pemasar, terutama jika mereka tidak memiliki copywriter in-house. Dan banyak perusahaan tidak, mereka melakukan outsourcing ke agen atau mereka memiliki freelancer paruh waktu, hanya perusahaan yang benar-benar peduli dengan suara merek dan pesan mereka di mana mereka menyewa copywriter in-house penuh waktu.

Jadi kami benar -benar melihatnya dalam wawancara. Saya tidak memiliki latar belakang dalam pemasaran. Beberapa orang luar biasa di tim kami memiliki latar belakang agensi, latar belakang dalam pemasaran sehingga benar -benar tarikan pengguna versus saya mendorong dan membangun untuk pola dasar pemasaran atau kepribadian yang saya miliki dalam pikiran saya, karena jujur ​​dengan Anda tidak ada satu pun. Saya belum melakukan banyak pemasaran kecuali toko Shopify saya sendiri yang saya mulai tahun lalu ketika saya berada di AI terbuka, dan membuat saya mulai berpikir tentang pemasaran di tempat pertama, tetapi saya seorang pemasar yang mengerikan. Toko Shopify itu benar -benar gagal karena saya mengerikan dalam pemasaran.

Jadi saya sedang membangun untuk pola dasar yang tidak saya miliki di kepala saya tetapi lebih kepada saya setiap hari dengan umpan balik fitur. Kami memiliki kaus kaki komunitas sekitar 200 orang sekarang. Mereka seperti, "Jasmine, aku membutuhkan ini." Atau, "Dapatkah kita melakukan wawancara pengguna pada aliran ini karena saya pikir itu tidak masuk akal seperti menggunakan kasus penggunaan agensi saya di mana saya mengelola 30 klien." Jadi pasti langsung dari orang -orang yang melakukan pekerjaan semacam ini setiap hari, dan kemudian sangat menarik versus proses produk dorong.

Jeremy AU: [00:26:52] Bagaimana Anda mendekati percakapan dengan pemasar? Maksud saya, masuk dan itu seperti, "Hei, apa yang Anda harap ai lakukan untuk Anda?" Karena ini adalah alat tetapi pada saat yang sama itu adalah kata yang menarik juga. Saya hanya ingin tahu bagaimana Anda mendekati wawancara pengguna itu?

Jasmine Wang: [00:27:11] Ya. Wawancara awal yang saya miliki dengan orang -orang yang lebih suka, "Bagaimana Anda mendapatkan ide? Seperti apa sesi brainstorming dan seperti apa seluruh proses konseptualisasi dari awal hingga akhir kampanye? Seperti apa Anda?" Dan ternyata banyak orang memiliki sesi menulis yang mereka lakukan secara kolaboratif selama satu jam atau lebih pada satu waktu. Mereka memblokir potongan -potongan ini di mana mereka hanya dengan orang -orang lain di tim di mana mereka, "Oke, mari kita hasilkan 10 varian berita utama Facebook."

Dan itu sangat menarik bagi saya. Dan sekarang itu adalah sesuatu yang ada di Copysmith, di mana Anda hanya dapat mencolokkan kata kunci dan Anda langsung mendapatkan selusin varian berita utama Facebook yang seharusnya mengambil jam kerja itu. Jadi benar -benar di awal wawancara pengguna yang saya lihat, oke, apa seluruh prosesnya? Dan ini sebagian besar juga karena saya tidak memiliki latar belakang dalam pemasaran karena terutama di perusahaan tinggi atau perusahaan yang lebih mapan.

Jadi, fungsi multi-pemangku kepentingan yang sangat kompleks ini? Dengan siapa Anda berbicara? Seperti apa harimu? Begitu banyak wawancara penemuan dan sebagai produk saya menjadi lebih terlibat dan kami sekarang melakukan lebih banyak wawancara desain yang kami sukai, "Oke, apa yang Anda kaget dalam produk ini?" Atau, "Apa yang kamu kecewa? Apa hal -hal yang membuatmu pergi, 'Oh, wow, aku ingin tahu tentang itu dan aku ingin melakukan lebih dari itu?'"

Jadi pasti ada segmentasi yang jelas di mana awalnya saya hanya mencoba mencari tahu, oke, seperti apa audiens dan pengguna saya? Dan kemudian, setelah sesuatu ada melakukan lebih banyak wawancara produk tradisional di mana kami menonton orang menggunakan produk, memahami di mana mereka macet, setiap saat -saat ketidakpastian atau kebingungan atau keinginan untuk lebih banyak.

Jeremy AU: [00:28:50] Yang menarik adalah bahwa Anda tidak hanya dapat menyelesaikan satu masalah yang tidak dalam menulis iklan, tetapi deskripsi, metadata, halaman arahan, posting blog, di mana itu hanya membingungkan karena secara historis dari perspektif manusia semua orang itu adalah lima atau enam orang yang berbeda dalam segala hal. Tetapi bagi Anda output yang sama ini, variasi yang berbeda ini. Apakah Anda berpikir bahwa pendekatan baru tentang bagaimana menangani berbagai hal, apakah Anda pikir mereka dapat membuka kunci baru ... Saya tidak tahu, peran pekerjaan, saya kira? Seperti Ai Shepherd.

Jasmine Wang: [00:29:23] 100%. Bagaimana saya memposisikan pelanggan Copysmith, dan sebenarnya saya akan memperkenalkan kata kerja baru di sini. Saya menamai Copysmith dengan sangat sengaja. Copysmith mirip dengan perak. Jadi Anda menempatkan bagian ini bagian ini Anda mengeluarkan sesuatu yang berguna, tetapi tergantung pada manusia pada akhirnya untuk memolesnya. Baik itu, oh, sesuatu tentang pedoman merek spesifik dan Anda tidak dapat memberi tahu AI pedoman merek 20 halaman Anda yang ada dalam PDF tentang format yang memungkinkan. Atau Anda tahu promosi khusus yang terjadi, atau saya pikir hal terpenting yang Anda masuki ke wilayah yang belum pernah dilakukan oleh perusahaan Anda sebelumnya.

Jadi, bahkan jika kami mengerti, oke, ini adalah konteks perusahaan Anda karena kami membuat skrip situs web Anda dan kami tahu apa yang telah Anda lakukan sebelumnya, mungkin Coca-Cola ingin pergi dengan cara yang sama sekali berbeda untuk 2021 seperti semua orang. Itu adalah sesuatu yang secara unik manusia. Dan saya pikir saya tidak akan menyebutnya AI Shepherd, saya tidak yakin apa yang saya sebut. Kami telah menyebut mereka menyalin Smithers, orang -orang yang melakukan copy smithing , tetapi saya pasti berpikir akan ada peran baru untuk orang -orang yang belajar bagaimana bekerja dengan AI dengan sangat efektif dan benar -benar merangkul paradigma baru ini dan cara menciptakan apa pun yang mereka lakukan secara kreatif.

Itu tidak harus hanya salinan, mereka bisa menyusun musik. Mereka bisa mencoba arsitek gedung baru, ada banyak proses kreatif yang saya pikir ada banyak tenaga kerja manual saat ini yang cukup membosankan. Sangat, sangat sulit bagi manusia untuk mengatakan hal yang sama dalam 10 cara yang berbeda, kami tidak diprogram untuk melakukan itu. Kami terbiasa menggunakan pola yang sama karena efisien bagi kami hanya dalam hal sesuatu seperti ruang komputasi di kepala kami. Kami hanya tidak memiliki ingatan sebanyak itu. AIS benar-benar pandai dalam hal itu, AI tidak pandai mengetahui apa yang benar dan itu tidak juga tidak terlihat ke depan.

Saya pikir sangat banyak peran manusia di tempat kerja akan berevolusi untuk mengetahui ke mana arah kita, ke mana kita ingin pergi dan mengarahkan mesin yang sangat kuat ini ke arah itu dan membentuk output versus melakukan melakukan hal ini sehari-hari, saya tidak akan menyebutnya membosankan, tetapi hanya lift yang sangat berat dalam melakukan racking otak Anda untuk varian yang berbeda. Jadi gembala mungkin istilah yang tepat, saya tidak memiliki istilah yang lebih baik seperti navigator ...

Jeremy AU: [00:31:43] Wrangler.

Jasmine Wang: [00:31:44] Ya, Wrangler, ya.

Jeremy Au: [00:31:47] Ya, yang menarik adalah bahwa kita pasti melihat banyak AI ini dan Anda menyentuh sesuatu yang benar -benar menarik yaitu bahwa AI benar -benar melihat masa lalu dan kami mencoba untuk bertengkar dan tidak memiliki akal yang baik tentang apa yang kami coba tuju.

Jasmine Wang: [00:32:02] Ya. Terkadang saya mengatakan ini kepada teman -teman yang tidak mengerti AI atau merasa terancam oleh AI dan mengakui bahwa AI adalah pencuri terbesar. Ini telah mencuri semua pekerjaan umat manusia. Telah dilatih semua data yang pernah diproduksi umat manusia. Dan ketika saya menggunakan data itu istilah tumpul, tetapi pikirkan Alkitab, pikirkan semua teks suci. Pikirkan segala sesuatu yang penting yang pernah ditulis oleh siapa pun secara online, blog Tumblr semua orang. Segala sesuatu yang penting dan rentan dan karya -karya terbaik orang -orang dalam hidup mereka memiliki semuanya.

Dan karena itu kita seharusnya tidak merasa malu atau terkejut ketika AI dapat menulis pada tingkat manusia normal. Saya hampir seperti, "Tentu saja." Anda telah dilatih pada semua data dan menggunakan Anda dan dengan cara yang dipersonifikasikan tetapi AI telah dilatih pada semua data ini yang sangat penting bagi sejarah kemanusiaan. Tentu saja itu bisa menulis dengan cara yang bisa terlihat seperti tweet normal atau sesuatu, tetapi juga secara fundamental terbatas dengan cara itu. Itu murni melihat ke masa lalu. Sulit untuk terus memperbarui model. 

Seperti GPT-3 misalnya hanya memiliki data hingga 2019. Ia tidak tahu apa-apa tentang Covid. Mungkin sementara saya bukan ahli dalam hal ... Saya bukan pemasar volume tinggi, tetapi saya membayangkan bahwa pesan telah berubah sangat dalam hal bagaimana kinerja iklan dan pesan apa yang beresonansi dengan orang-orang selama 2020. AI tidak dapat mengimbangi dalam hal yang kita pikirkan dan tidak akan ada yang akan diprediksi oleh human, dan apa yang kita pikirkan di mana human, dan apa yang kita inginkan. Alasan itu, bukan hanya untuk tujuan kurasional, maaf, kuratorial tetapi sebagai pengaturan nilai-nilai dan lintasan dengan cara yang jauh lebih dalam dalam arah pengaturan arah itu.

Jeremy AU: [00:34:07] Apakah ada pendekatan tentang bagaimana Anda akan membuatnya lebih maju? Apakah kita memiliki kotak centang di mana kita berkata, "Hei, ai, aku tahu aku benar -benar menyukai donat selama 20 tahun terakhir dalam hidupku, tetapi selama lima tahun ke depan saya ingin kehilangan 20 pound, jadi bisakah Anda menyelamatkan saya dalam sudut ini dan mengirim saya lebih banyak barang di sekitar nutrisi dan kebugaran yang lebih baik?"

Jasmine Wang: [00:34:29] Maksud saya, itu sangat menarik. Saya akan mengatakan ya hanya karena saya dapat membayangkan sistem algoritmik melakukan itu, dan saya bukan ahli dalam sistem rekomendasi atau algoritma, tetapi ada banyak keluhan dari komunitas teknologi teknologi yang manusiawi menanggapi keinginan saya tetapi tidak untuk kebutuhan saya atau visi jangka panjang tentang siapa dan orang seperti apa yang saya inginkan. Saya membayangkan ini secara teknologi mungkin, tetapi apakah itu layak secara ekonomi atau diinginkan, sekali lagi pertanyaan tentang ekonomi yang tidak saya kenal.

Saya tidak yakin apakah secara ekonomi diberi insentif untuk Facebook untuk membantu Anda, Jeremy, menurunkan berat badan kecuali ada sesuatu yang dapat mereka jual di sekitarnya. Jadi saya benar -benar membeli bahwa itu mungkin secara teknologi dan Anda mungkin bahkan tidak memerlukan AI karena itu adalah serangkaian preferensi yang sangat eksplisit yang akan Anda berikan sistem. Ini seperti, "Hei, Facebook, Anda telah menunjukkan kepada saya banyak iklan untuk donat, saya tidak ingin donat lagi. Tolong tunjukkan iklan untuk padatan dan rencana penurunan berat badan." Saya yakin Facebook, jika mereka sangat diinginkan akan dapat melakukan itu secara teknologi. Dan pertanyaannya lagi datang ke ekonomi.

Jeremy Au: [00:35:38] Ya, maksud saya, saya pikir ekonomi ada di sana. Maksud saya, orang -orang menghabiskan miliaran dolar di gym yang banyak tidak digunakan. Mereka menghabiskan miliaran dolar untuk salad dan semua jenis barang aspirasional tingkat tinggi, jadi saya pikir, ya, pasti ada banyak hal di sana dan tentu saja itu mungkin tidak harus dihasilkan bisnis tetapi itu akan lebih dihasilkan pengguna. Karena pekerjaan Dunkin 'Donuts' adalah menjual donat dalam perspektif mereka, sedangkan konsumen paling tahu tentang arah masa depan mereka, bukan?

Jeremy AU: [00:36:03] ... dan bagaimana kita melampaui itu. Pernahkah Anda berpikir tentang AI sebagai pelatih, maksud saya, layanan pembinaan?

Jasmine Wang: [00:36:09] Ya. Saya telah melihat beberapa terjun menarik ke ruang ini dan saya sebenarnya memiliki banyak pelatih. Saya memiliki pelatih menulis, pelatih produktivitas, pelatih kehidupan, seluruh sembilan meter. Dan banyak nilai yang saya dapatkan dari memiliki pelatih memiliki perasaan bahwa seseorang mendengarkan, bukan konten yang tepat dari apa yang mereka katakan kepada saya. Jadi saya sangat ingin tahu ... Saya belum mengeksplorasi banyak solusi pembinaan AI ini tetapi pasti satu pertanyaan jika saya mendekati mereka dari perspektif pengguna atau investor malaikat potensial, apakah menurut Anda nilai apa yang Anda pikir orang biasanya berasal dari pelatihan dan menurut Anda apa yang orang ingin tuai dari layanan Anda?

Dalam hal konten latar belakang saya di NLP sebenarnya tidak secara umum NLP tetapi dalam model dialog jadi saya sudah memikirkan kasus penggunaan pelatihan sebelumnya. Anda mungkin dapat mempersonalisasikannya sampai batas tertentu, Anda tidak akan dapat mempersonalisasikannya menjadi segmen pengguna hanya karena biaya jika Anda ingin menyempurnakan model dan mungkin hanya untuk mendukung dengan sangat cepat. Model pemrosesan bahasa alami hanya memiliki jendela tertentu di mana mereka dapat menyimpan informasi. Anda dapat menganggapnya sebagai manusia yang sangat pelupa.

Jadi, Anda hanya dapat melakukan percakapan yang sangat singkat dengan model di mana ia mengingat semua yang Anda diskusikan. Anda hanya benar -benar memiliki dua opsi. Anda dapat menyempurnakan model pada pengguna, ketahuilah semua informasi tentang mereka dan oleh karena itu Anda tidak memiliki jendela konteks ini, semacam itu untuk pengguna tertentu, melainkan satu pengguna model satu. Ini akan terlalu mahal. Kami belum memiliki metode untuk melakukan ini, baik, tergantung pada model harga pelatih AI ini di mana kami bisa melakukan itu, atau Anda hanya memiliki pelatih jelek yang lupa apa yang Anda katakan kepada mereka kemarin.

Jadi saat ini saya tidak berpikir itu sangat layak tetapi saya akan sangat senang terbukti salah dan saya pikir dunia akan mendapat manfaat dari memiliki pembinaan pada kita, saya pikir itu adalah salah satu hal yang telah membuka satu ton nilai dalam hidup saya dan saya berharap lebih banyak orang dapat mengakses. Saya senang tentang hal itu tetapi saya pasti berpikir masih ada tantangan baik dari hanya perspektif produk dari I Care karena seorang pelatih mendengarkan saya, itulah nilai yang berasal dari pelatih. Juga beberapa tantangan margin teknis/bisnis juga sesuai dengan produk.

Jeremy AU: [00:38:26] Itu benar. Dan saya pikir menarik bahwa Anda membingkainya bukan hanya output yang seperti memberitahu Anda untuk melakukan A atau B tetapi juga mendengarkan, di sisi penghitungan, persahabatan itu. Dan itu menarik, maksud saya, kami pasti melihat banyak pendekatan berbeda saat ini dengan replika dan pendekatan lain yang benar -benar bekerja dengan sudut yang tidak harus bertanggung jawab tetapi pasti persahabatan.

Ini mengingatkan saya pada Tamagotchis dan Neopets pada hari itu, kan? Di mana Anda menempelkan wajah Anda di atasnya. Setiap AI seperti anak kecil saat ini sehingga Anda dapat memaafkannya sebagai pelupa. Jadi ada komponen empati yang sangat besar. Dan satu hal yang selalu saya ingat dari teman -teman saya, tentu saja mereka berurusan dengan robot dan semuanya mudah, contoh empati hebat dengan AI atau robot dan ada juga banyak kekerasan terhadap AI dan robot. Ada bifurkasi yang aneh atau dispersi dari reaksi manusia itu. Apa pendapat Anda tentang itu?

Jasmine Wang: [00:39:23] Ini adalah pertanyaan yang sangat menarik dan saya ingin tahu karena tidak membaca studi tentang topik tersebut jika ada tumpang tindih antara kedua penonton atau populasi. Apakah ada bifurkasi di mana populasi memperlakukan robot dan agen antropomorfize dengan sangat baik dan kemudian beberapa yang memperlakukannya dengan mengerikan? Itu menarik. Saya akan mencoba menawarkan dua pemikiran yang tidak intuitif. Satu, saya pikir membuatnya lebih mudah untuk berempati dengan AI memiliki bahaya atau kerugian, itu tidak selalu merupakan hal yang baik. Karena itu mungkin memungkinkan kami untuk atau meminta kami untuk mempercayai iklan lebih dari yang dibenarkan.

Misalnya, ada penelitian, saya lupa penulis sekarang, di mana bot dibiarkan masuk ke asrama Harvard karena hanya meminta akses. Rasanya seperti, "Bisakah Anda membiarkan saya masuk ke asrama, saya melakukan pengiriman? Dan sesuatu seperti 70% plus siswa membiarkan mereka masuk. Dan ini adalah kampus yang sangat dijaga di mana mereka memiliki akses kartu di pintu dan itu dimaksudkan untuk mensimulasikan hal -hal yang sangat kejam seperti ancaman bom, seperti robot bisa masuk dan dengan mudah melanggar keamanan bangunan itu. Dan itu adalah robot yang tersenyum.

Jadi skenario seperti itu di mana kita benar -benar perlu memastikan bahwa kepercayaan dikalibrasi dengan baik dan kepercayaan diperlukan oleh suatu sistem sebelum kita mempercayainya dan menggunakan lebih banyak ekonomi literal, saya tidak berpikir wajah yang lucu adalah sinyal yang akurat untuk kepercayaan semacam itu. Kita perlu percaya bahwa sistem ini dapat diandalkan. Ada berbagai sistem yang ditetapkan untuk mensertifikasi keamanan sistem tertentu di industri lain. AI mungkin, dan di bawah kesan saya harus, bergerak menuju model semacam itu. Dan sinyal semacam itu adalah sinyal nyata untuk keselamatan. Kami tidak akan masuk ke pesawat terbang hanya karena memiliki wajah tersenyum di atasnya, tetapi kami mungkin mempercayai robot karena memiliki wajah tersenyum di atasnya dan itu membuat saya khawatir. Jadi itu satu pemikiran yang tidak disengaja, mungkin kita seharusnya tidak berempati dengan robot.

Dan kemudian untuk orang -orang yang benar -benar kejam dengan robot ada sebuah studi oleh, saya tidak yakin siapa yang mengemukakan hal ini, tetapi mereka mengatakan bahwa salah satu kekhawatiran mereka di sekitar orang yang memperlakukan robot antropomorfis dengan keras adalah bahwa hal itu dapat menyebabkan mereka menurunkan standar mereka tentang bagaimana mereka memperlakukan manusia lain. Jadi robot jika mereka dibuat terlihat seperti manusia bisa merasa seperti pasien moral dan jika kita hanya melanggarnya dengan mengalahkan mereka atau memperlakukan mereka dengan sangat baik. Karena itu ada sikap bahwa kita mungkin memperlakukan manusia dalam hidup kita dengan sangat buruk atau standar bawah secara umum hanya untuk bagaimana kita memperlakukan makhluk hidup lainnya. Jika kita tahu bahwa robot ini tidak hidup tetapi terlihat agak hidup, itu mungkin mempengaruhi dan mewarnai perspektif kita tentang perspektif kita tentang makhluk hidup lainnya.

Jeremy Au: [00:42:01] Itu sangat menarik karena ada begitu banyak kesulitan dan saya pikir wawasan baik yang saya miliki adalah bahwa mungkin tidak ada perbedaan antara mereka yang peduli dengan mereka versus mereka yang melakukan kekerasan dan mungkin empati itu mendorong kekerasan mereka . Omong -omong, ini adalah wawasan yang sangat bagus. Saya akan memastikan untuk menautkan ke semua filsuf dan makalah di transkrip situs web.

Jeremy AU: [00:42:26] Luar biasa. Terima kasih banyak, Jasmine. Saya sangat menghargai Anda meluangkan waktu untuk berbagi perjalanan Anda.

Jasmine Wang: [00:42:30] Terima kasih banyak, Jeremy. Ini adalah percakapan yang menyenangkan di mana kami terlalu banyak berbicara tentang ekonomi, subjek yang tidak saya ketahui, tapi ya, sangat menyenangkan. Terima kasih banyak telah membuat saya aktif.

Jeremy AU: [00:42:41] Nah, saya berharap untuk menggandakan dan meninjau kembali topik ini dan melihat bagaimana prediksi dan pikiran kami telah berkembang.

Jasmine Wang: [00:42:49] Kami mungkin akan sangat salah tetapi baik bahwa kami membuat prediksi, kami menjadi lebih baik dalam peramalan. Terima kasih banyak, Jeremy.

Diproduksi oleh Adriel Yong