Runway它可能做的范围会更加广一些，比如说3D、语音、agent，各种不同的模型，方式更偏向于有一个新的算法，有新的一些功能。但我们是从视频编辑和视频制作的角度出发。它们推出的很多功能，主要是面向电影制作，或者说电影工作室，更偏于一些专业用户。但我们想做得更加偏普通用户能用的一些工具。

在你的笔记本电脑、个人电脑或工业PC上运行边缘人工智能，这方面的能力实际上比大多数人认为的要好得多。我认为这将推动很多设备的销售，也将推动很多计算机科学的发展。

可以在聊天机器人Bard上体验Gemini，它将在2024年整合到谷歌更多的产品线中。在Gemini发布前夕，我们在谷歌位于美国加利福尼亚州山景城的办公室与皮查伊坐下来讨论了它对谷歌、其产品、人工智能和整个社会意味着什么。

人工智能本来就是一个综合性学科，如果研究的成果不能很快被应用，它的价值很可能被遗忘......在大模型时代里，产学研用这件事被极度压缩，表现为周期变短、距离变近。原来像神经网络、CV等技术从被学界研究出来，到真正落地工业产生实际价值，中间要2-5年。

阿尔特曼在信中对米拉、格雷格、布雷特等32个人进行了一一点名感谢，言语富有感情地肯定了他们在OpenAI的工作及一系列变动中的表现。

王坚表示，云计算跟奥运会的关系不是简单的用技术还是不用技术的关系，它的意义就像当年在芝加哥的世界博览会上第一次用交流电。

几个人聊起了马斯克的卫星，当时我们就在心里算卫星轨道。后来在登雪山时，我们晚上没事就继续讨论这个问题，我当时很快就现场推导出了卫星绕地球的高度等数据，我特别震惊，在这么缺氧的情况下脑子还能转这么快，就很有成就感，当时就想下山后要不开个课。

在20世纪70年代和80年代进行人工神经网络研究是完全合理的。这个阶段的发展是无法预见的，直到最近，我还认为这场危机还远未来临。所以，我并不真的为自己所做的事情感到后悔。

即使有计算器，让小孩学四则运算也是有意义的。学习这些基础知识能帮助孩子们理解运算规则，还有个原因是我们有时候手头上不一定有计算器。但我觉得最重要的是，学好四则运算能让人更加相信计算器得出来的结果。学习编程也是这个道理。

说conversational AI，其实对话引擎也很多年历史了，1966年第一个也就是MIT就做出了一个对话的引擎ELIZA，这么多年有很多次迭代，到了Siri，到了Alex，到了Cortana.现在大语言模型，或者基础模型，它自己本身就是一个工具，同时它也可以使用别的工具，比如使用Hugging Face等开源的数据、模型，然后去执行新的任务或者构建新

原来的自然语言处理有14种任务，我能够把动词找出来、名词找出来、句子分析清楚。即使分析清楚，你知道这是形容词，这是动词，这是名词——那这个名词是包香烟？还是你的舅舅？还是一个坟墓？还是个电影？No idea（不知道）。你需要的是知识。自然语言处理没有知识永远没用。

AI是科技发展曲线。crypto不见得是。科技发展曲线和非科技发展曲线是有根本差别的，科技曲线在发展不好的时候也就是停滞，但非科技不好说，非科技的事情在我不够理解时，无法预测是否对社会有伤害，这种情况下不宜武断参与。