文 | 硅兔賽跑 Amelie
編輯 | Juni
關(guān)于ChatGPT的熱度討論還在網(wǎng)上繼續(xù)，其團(tuán)隊(duì)背后的掌舵人也逐漸被好奇的人們所關(guān)注。
1985年出生的Sam Altman，一直活躍在互聯(lián)網(wǎng)世界中，目前他最響亮的頭銜就是：ChatGPT團(tuán)隊(duì)的老板。
在自己的博客和推特頁面上發(fā)表過很多見解，Sam Altman一直是一個(gè)勤于思考并樂于分享經(jīng)驗(yàn)的技術(shù)宅男。4年前他就曾經(jīng)寫過一篇“雞湯文”，標(biāo)題是“How To Be Successful（如何變得成功）”，那時(shí)候AI技術(shù)方興未艾，自然語言生成模型的道路還在探索期。
在這篇文章里，他列舉了13個(gè)關(guān)于如何取得成功的想法——
選擇復(fù)利增長、超強(qiáng)自信、學(xué)會(huì)獨(dú)立思考、做好“銷售”、富于冒險(xiǎn)精神、專注、用心工作、大膽一點(diǎn)、任性一點(diǎn)、難以與之競爭、建立關(guān)系網(wǎng)、通過自身儲(chǔ)備致富、強(qiáng)大的內(nèi)驅(qū)力等。
看起來像是成功學(xué)里那一套知易行難的說教，但幾年之后，在他自我肯定并極富創(chuàng)新的驅(qū)動(dòng)意識(shí)下，他無疑如愿地獲得了巨大的成功。
圖源：Blog.samaltman
AI飛速發(fā)展的時(shí)代，作為互聯(lián)網(wǎng)世界參與者的我們，如果想要更好地讓ChatGPT“為我所用”，也許我們要做的不僅僅只是和它聊天，還要看看它的開發(fā)者們?nèi)绾伪３謱W(xué)習(xí)、不斷提升自我專業(yè)技能，與此同時(shí)，我們自己也應(yīng)保持學(xué)習(xí)的熱情，多看看相關(guān)書籍、多思考、多實(shí)踐，勢必可以將AI的優(yōu)勢最大化，服務(wù)于我們的日常工作生活。
借助想象力和學(xué)習(xí)相關(guān)知識(shí)，讓人工智能成為朋友，而非對(duì)手。
想成為下一個(gè)Altman？
看看這個(gè)Altman在讀什么書？
Altman的成功，看起來并不是偶然——
19歲從斯坦福計(jì)算機(jī)系輟學(xué)成立位置服務(wù)提供商Loopt，不久公司便被收購；
不到30歲就成為YC總裁，30歲時(shí)就和馬斯克等人共同創(chuàng)立了OpenAI；
34歲辭任YC總裁，擔(dān)任OpenAI的CEO，在他領(lǐng)導(dǎo)下，OpenAI接連推出了重量級(jí)AI模型GPT-3、DaLL-E，以及名震全球的ChatGPT；
37歲，當(dāng)下，OpenAI估值已經(jīng)狂飆至300億美元。
如今ChatGPT月活用戶達(dá)到1億人，成為有史以來增長最快的應(yīng)用，只用了僅僅兩個(gè)月。
以下是Altman最近在看的書
圖源：Goodbooks
《活出生命的意義》（《Man's Search for Meaning》中文版）
《思考，快與慢》（《Thinking, Fast and Slow》中文版）
《從0到1》（《Zero to One》中文版）
《沉思錄》（《Meditations》中文版）
《美麗新世界》（《Brave New World》中文版）
《安娜·卡列尼娜》（《Anna Karenina》中文版）
《硬派領(lǐng)導(dǎo)哲學(xué)》（《The Score Takes Care of Itself》中文版）
《無窮的開始 : 世界進(jìn)步的本源》（《The Beginning of Infinity》中文版）
《愛因斯坦傳》（《Einstein: His Life and Universe》中文版）
《閃電式擴(kuò)張》（《Blitzscaling》中文版）
《基地》（《Foundation》中文版）
《超級(jí)智能》（《Superintelligence : Paths, Dangers, Strategies》中文版）
《建筑模式語言》（《A Pattern Language》中文版）
《理想國》（《The Republic》中文版）
圖源：Goodbooks
《The Origin of Consciousness》（人類意識(shí)的起源，無中文版）
《美國大城市的死與生》（《The Death and Life of Great American Cities》中文版）
《The Old Way》（古道，無中文版）
《時(shí)間機(jī)器 : 施樂帕克與計(jì)算機(jī)時(shí)代的黎明》（《Dealers of Lightning》中文版）
《自然哲學(xué)的數(shù)學(xué)原理》（《The Principia》中文版）
《夏日終曲》（《Call Me by Your Name》中文版）
《恨，友誼，追求，愛情，婚姻》（《Hateship, Friendship, Courtship, Loveship, Marriage》中文版）
《道林·格雷的畫像》（《The Picture of Dorian Gray》中文版）
《Hacking Sales》（黑客銷售，無中文版）
《分子細(xì)胞生物學(xué)》（《Molecular Biology of the Cell》中文版）
《贏》（《Winning》中文版）
《中世紀(jì)戰(zhàn)爭藝術(shù)史》（《The Art of War in the Middle Ages》中文版）
《怪才的荒誕與憂傷》（《A Heartbreaking Work of Staggering Genius》中文版）
《Plentiful Energy》（充沛的能量，無中文版）
從他近期的書單中可以看出，他閱讀范圍涉獵很廣，主要有哲學(xué)類、領(lǐng)導(dǎo)管理學(xué)類、科技類、經(jīng)典文學(xué)類以及人物傳記類。
比如哲學(xué)類如《活出生命的意義》《沉思錄》《無窮的開始 : 世界進(jìn)步的本源》《理想國》《自然哲學(xué)的數(shù)學(xué)原理》等；
領(lǐng)導(dǎo)管理類如《思考，快與慢》《從0到1》《硬派領(lǐng)導(dǎo)哲學(xué)》《閃電式擴(kuò)張》等；
硬核科技類如《超級(jí)智能》《建筑模式語言》《時(shí)間機(jī)器 : 施樂帕克與計(jì)算機(jī)時(shí)代的黎明》《分子細(xì)胞生物學(xué)》等；
經(jīng)典文學(xué)類如《美麗新世界》《安娜·卡列尼娜》《基地》《道林·格雷的畫像》《中世紀(jì)戰(zhàn)爭藝術(shù)史》等；
同時(shí)還有如人物傳記類的《愛因斯坦傳》；城市規(guī)劃類的《美國大城市的死與生》；LGBTQ文學(xué)類的《夏日終曲》、等不同主題的書籍。
我們知道，哲學(xué)類的書籍可以對(duì)AI發(fā)展的理解產(chǎn)生指導(dǎo)作用，因?yàn)檎軐W(xué)既關(guān)注基本的道德、倫理和人類價(jià)值觀，又涉及人類意識(shí)、思維和語言等方面的問題，這些都是AI研究所需要考慮和解決的問題。
Altman閱讀的這幾本哲學(xué)類書籍都堪稱經(jīng)典，其中的智慧不僅可以為AI的發(fā)展提供有益的指導(dǎo)作用，還可以促進(jìn)AI技術(shù)的進(jìn)一步發(fā)展和應(yīng)用，同時(shí)也能夠確保AI的應(yīng)用符合人類的價(jià)值觀和道德標(biāo)準(zhǔn)。
在《活出生命的意義》這本書中主要在探討人類的意義和價(jià)值觀；《沉思錄》作為古羅馬哲學(xué)家馬可·奧列里烏斯的個(gè)人筆記，它涵蓋了倫理學(xué)、心理學(xué)等方面的問題；《無窮的開始 : 世界進(jìn)步的本源》這本書里，多伊奇具體探討了數(shù)學(xué)、物理學(xué)和哲學(xué)的關(guān)系；哲學(xué)經(jīng)典《理想國》作為古希臘哲學(xué)家柏拉圖的作品，啟迪了后來的政治哲學(xué)、倫理學(xué)等問題；《The Origin of Consciousness》中探討的意識(shí)的起源和演化，對(duì)于AI研究人員深入思考意識(shí)與人工智能的關(guān)系或許會(huì)有一定的幫助；
領(lǐng)導(dǎo)管理類的書其中涵蓋的思想和理念對(duì)于AI智能化的發(fā)展也有一定的指導(dǎo)作用。
例如，《思考，快與慢》探討了人類思維的特點(diǎn)和缺陷，這對(duì)于開發(fā)更智能、更高效的AI算法具有一定的啟示作用；《從0到1》則講述了創(chuàng)業(yè)者創(chuàng)造新產(chǎn)品和服務(wù)的思維方式和方法；《硬派領(lǐng)導(dǎo)哲學(xué)》從領(lǐng)導(dǎo)力和管理角度提供了對(duì)企業(yè)和團(tuán)隊(duì)的指導(dǎo)；而《閃電式擴(kuò)張》、《Hacking Sales》、《贏》、《Plentiful Energy》等則涵蓋了創(chuàng)新、營銷、戰(zhàn)略規(guī)劃、資源管理等方面的內(nèi)容，這些都是AI企業(yè)在發(fā)展過程中需要關(guān)注和解決的問題。
在硬核科技類的書籍中，《超級(jí)智能》這本書是關(guān)于人工智能和人類未來的重要著作之一，作者在其中探討了人工智能可能會(huì)如何超越人類智能，以及如何確保人工智能的發(fā)展對(duì)人類是安全的；《建筑模式語言》作為一本關(guān)于建筑設(shè)計(jì)的經(jīng)典著作，其中講述了一些有關(guān)人類行為、環(huán)境設(shè)計(jì)和人類學(xué)等方面的基本原則，這些原則也可以應(yīng)用到人機(jī)交互和智能設(shè)計(jì)等領(lǐng)域；《時(shí)間機(jī)器 : 施樂帕克與計(jì)算機(jī)時(shí)代的黎明》作為科普讀物，其中介紹了計(jì)算機(jī)科學(xué)和信息技術(shù)的歷史，并探討了這些技術(shù)如何影響我們的生活和未來的發(fā)展，這也包括AI技術(shù)的應(yīng)用和發(fā)展等。
另外，好的經(jīng)典文學(xué)和現(xiàn)代暢銷書，對(duì)于一個(gè)AI開發(fā)者的人文素養(yǎng)和綜合素質(zhì)提升無疑是非常有益的。
圖源：Finimize
作為猶太人家庭中的一員，就如他們的祖祖輩輩一樣，猶太人認(rèn)為智慧才是一個(gè)人最大的財(cái)富，而智慧的來源就是書籍。Sam Altman盡管年輕，他從小就培養(yǎng)的閱讀習(xí)慣讓他一直沒停止過“貪婪地”學(xué)習(xí)新的知識(shí)。
ChatGPT推薦你通過這幾本書來了解它
如果你想更了解ChatGPT，不如來閱讀它的閱讀書單
圖源：OpenAI
01、深度學(xué)習(xí)
[美] Ian Goodfellow、Yoshua Bengio &Aaron Courville
圖源：Amazon
這本書被廣泛認(rèn)為是深度學(xué)習(xí)的“圣經(jīng)”。三位專家在書中普及了數(shù)學(xué)的概念背景，涵蓋了線性代數(shù)、概率論和信息論、數(shù)值計(jì)算和機(jī)器學(xué)習(xí)中的相關(guān)概念，介紹了一系列深度學(xué)習(xí)的主題。
雖然這本書的內(nèi)容比較深?yuàn)W，但算是理論與實(shí)踐結(jié)合相宜得章的一本書。如果想要深入了解人工智能領(lǐng)域，特別是深度學(xué)習(xí)算法，這本書是非常值得一讀的。
隨著人工智能領(lǐng)域的發(fā)展，深度學(xué)習(xí)算法已經(jīng)成為人工智能領(lǐng)域的核心算法之一，已經(jīng)在很多領(lǐng)域得到了廣泛的應(yīng)用。如果是非AI專業(yè)的普通讀者，可以在這本書中看到作者用生動(dòng)的例子來說明深度學(xué)習(xí)算法的實(shí)際應(yīng)用，通過對(duì)淺層神經(jīng)網(wǎng)絡(luò)、深層神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等基本概念和原理的了解，可以初步了解深度學(xué)習(xí)算法的基本框架和基本原理，為進(jìn)一步深入學(xué)習(xí)打下基礎(chǔ)。
02、Natural Language Processing with PyTorch
[美] Delip Rao &Brian McMahan
圖源：Amazon
這是本關(guān)于PyTorch進(jìn)行自然語言處理實(shí)戰(zhàn)的書，目前沒有中文版。
作為一種人工智能技術(shù)，自然語言處理通過計(jì)算機(jī)處理和理解人類語言，包括文本和語音等形式。自然語言處理在日常生活和工作中有很多應(yīng)用，例如智能客服、語音識(shí)別、智能翻譯等。
PyTorch是一個(gè)流行的深度學(xué)習(xí)框架，可以幫助人們更快、更有效地構(gòu)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型。這本書會(huì)介紹如何使用PyTorch來解決自然語言處理的問題，例如情感分析、機(jī)器翻譯、文本生成等。
總之，自然語言處理為解決人工智能問題提供了無限機(jī)會(huì)，使亞馬遜Alexa和谷歌翻譯等產(chǎn)品成為了可能。如果您是NLP和深度學(xué)習(xí)的新手，那么本實(shí)用指南將向您展示如何使用PyTorch（一個(gè)基于python的深度學(xué)習(xí)庫）來應(yīng)用這些方法。
03、自然語言處理綜論
[美] Daniel Jurafsky &James H. Martin
圖源：Amazon
這本書出版以來，一直好評(píng)如潮，被國外許多大學(xué)選作自然語言處理或計(jì)算語言學(xué)的教材，被認(rèn)為該領(lǐng)域教材的“黃金標(biāo)準(zhǔn)”。
在這本書里，介紹了自然語言處理的基本概念、理論框架和主要技術(shù)，包括語言學(xué)、文本預(yù)處理、文本分類、機(jī)器翻譯、問答系統(tǒng)等。如今我們?nèi)粘Ｉ钪校悄芸头?、語音識(shí)別、智能翻譯等，都是技術(shù)上用自然語言處理來幫助人們更好地理解和使用這些應(yīng)用。它適合對(duì)自然語言處理有一定了解并希望深入學(xué)習(xí)的讀者，尤其是大學(xué)計(jì)算機(jī)科學(xué)專業(yè)的學(xué)生、研究人員和AI技術(shù)開發(fā)者等。如果你本身具備編程、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)等相關(guān)領(lǐng)域的知識(shí)儲(chǔ)備，那便可以更好地理解和學(xué)習(xí)本書內(nèi)容。
04、基于深度學(xué)習(xí)的自然語言處理
[以色列] Yoav Goldberg
圖源：Amazon
對(duì)于想要在NLP領(lǐng)域中應(yīng)用深度學(xué)習(xí)技術(shù)的讀者來說，這是一本非常有價(jià)值的書籍。
這本書作為一個(gè)深入學(xué)習(xí)NLP和深度學(xué)習(xí)的指南，能讓讀者了解如何使用PyTorch框架來實(shí)現(xiàn)深度學(xué)習(xí)模型。它和前面提到的書籍有所不同，它更加注重實(shí)踐和技術(shù)細(xì)節(jié)，需要一定的機(jī)器學(xué)習(xí)和編程基礎(chǔ)才能更好地理解和應(yīng)用。
了解自然語言處理這個(gè)概念之后，會(huì)明白如何使用計(jì)算機(jī)來處理自然語言文本。進(jìn)而學(xué)習(xí)如神經(jīng)網(wǎng)絡(luò)、反向傳播算法等基本的機(jī)器學(xué)習(xí)概念和深度學(xué)習(xí)算法，如文本分類、命名實(shí)體識(shí)別、情感分析等常用的自然語言處理任務(wù)等，以及如何使用深度學(xué)習(xí)技術(shù)解決這些問題。
這本書甚至可以作為一個(gè)深入學(xué)習(xí)NLP和深度學(xué)習(xí)的指南，讓讀者了解如何使用PyTorch框架來實(shí)現(xiàn)深度學(xué)習(xí)模型。
05、模式識(shí)別與機(jī)器學(xué)習(xí)
[英] Christopher M. Bishop
如果你打算開始學(xué)習(xí)機(jī)器學(xué)習(xí)，這本書是本必讀的入門讀物。
在這本書里，講解了機(jī)器學(xué)習(xí)領(lǐng)域中的模式識(shí)別問題，涉及的內(nèi)容更加廣泛，包括統(tǒng)計(jì)模型、決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等多種機(jī)器學(xué)習(xí)方法。同時(shí)，該書還介紹了各種機(jī)器學(xué)習(xí)方法的應(yīng)用，包括自然語言處理、計(jì)算機(jī)視覺、數(shù)據(jù)挖掘等方面。
機(jī)器學(xué)習(xí)作為AI領(lǐng)域的重要分支，已經(jīng)在各個(gè)領(lǐng)域取得了重要的應(yīng)用，包括自然語言處理、計(jì)算機(jī)視覺、智能推薦等方面。深入理解機(jī)器學(xué)習(xí)算法的原理和應(yīng)用，對(duì)于從事AI研發(fā)和相關(guān)領(lǐng)域工作的人員來說非常重要。
這本書會(huì)讓你知道機(jī)器學(xué)習(xí)的整個(gè)過程，為什么會(huì)有這樣的方法，為什么會(huì)有這樣的模型，它背后的直覺和動(dòng)機(jī)是什么，從而讓讀者在理解和使用機(jī)器學(xué)習(xí)時(shí)有一個(gè)質(zhì)的飛躍。
如果你問ChatGPT，它自認(rèn)為還可以火多久？它會(huì)“謙虛”地給你一個(gè)看起來還不錯(cuò)的答案：
圖源：OpenAI
AI不斷進(jìn)化的同時(shí)，我們更需要不斷精進(jìn)技能提高認(rèn)知以適應(yīng)AI智能化的發(fā)展。
當(dāng)一位斯坦福教授在上周發(fā)布的論文中證實(shí)，ChatGPT已經(jīng)有了9歲小孩的心智之時(shí)，2023年的AI似乎已經(jīng)越過了一個(gè)門檻，世界已在不知不覺中悄然改變。
“我認(rèn)為人工智能將成為經(jīng)濟(jì)賦權(quán)的最強(qiáng)大力量，并且我們已經(jīng)看到很多人正在為此變得更加富有?！保鼒D源：Twitter