Vol.20230220
Stripe 从 0 到 10
爱尔兰兄弟与 Stripe 前传
Stripe 早期创业的细节
搭建硅谷顶级工程师团队
Stripe 与 OpenAI 的异同
OpenAI 从 0 到 1
组局人 Sam Altman
踏足数字货币 Stellar
OpenAI 真正的话事人
谈通用人工智能 AGI
隐秘的投资版图
A 面创业者,B 面投资人
生成式 AI 投资版图
One More Thing
01
1) “/dev/payments”这个短语不适合公司注册,特拉华州不允许名字里带斜杠,所以当时公司名注册的时候变成了 “SLASHDEVSLASHFINANCE”;
2)这样一个公司名字在正式场合会比较荒谬,比如和银行沟通的时候,你告诉对方你在 “Slash Dev Slash Finance”工作,无论是公司还是个人,这都很影响信任的建立;
3)亚马逊当时也有一款支付产品,叫作 Amazon DevPay ,这俩看起来很像,不仅是用户混淆,更不用说潜在的商标问题了。
Referrals 推荐人:推荐人往往是一个非常好的带人方式,应该是雇主首先要做的。如果雇主利用的前 10 名员工的人脉网络,有可能会遇到一些同样优秀的候选人;如果做得好,内部和外部推荐可以相当有效地扩大公司;坐下来,让你的工程师列出他们曾经共事过的最好和最聪明的人,然后疯狂地追求他们;作为额外的奖励,推荐的候选人可能更容易成交,因为朋友的推荐有很大的作用;
The Career Fair Circuit 招聘会现场:这是雇主 "应该去看 "的地方,但除非你已经做好准备通过这种漏斗模型筛人,并且需要招纳新的毕业生,否则早期最好跳过这种形式;
Outbound 对外:如果雇主正在创建一个以开发人员为中心的产品,你可能会雇用你每天都在互动的人,一定要为这个社区创造刺激性的活动,因为这将帮助你确定最有前途的人;
Inbound 对内:这些人是在访问你的职业页面后向你发送电子邮件的人,Stripe在这个渠道上花费了大量的时间和精力,但它并没有带来相应的有效回报;
Contingency Recruiters 紧急招人:尽管招聘人员的工作是 "为雇主找人",但对 Stripe 来讲这是不成功的,因为招聘人员不可避免地会送来很多简历,虽然这是免费的来源,但这类渠道往往不是雇用 A+ 级伙伴的方式;
02
Q1:一些研究人员的话,他们认为如果我们想要达到人类水平的智能,就必须超越深度学习。您认为我们离它还有多远,您认为它可以用现有的方法来完成吗?
A1:我认为这个框架不太正确,为人工智能系统提供动力的三样东西分别是:数据、算力和算法。我们生活在一个标记数据集稀少的世界中,现在我们开始看到 OpenAI 能够使用未标记数据,该模型读了几千本书,不需要你去小心地贴标签,最后它可以提供一个可以阅读互联网和这些海量语料库的系统。在数据方面,当时的 Dota2 对战,AI 每天都与自己进行 180 年的对战,这是通过算力生成数据的例子,目前最大的 AI 训练每 3.5 月翻一倍。
Q2:AGI 的概念让人担忧,在人们拥有不可预测的智能系统之前,需要建立什么?需要什么样的框架?
A2:我认为一切都归结为一个核心思想,AGI 有可能引起迅速的变化,期间政策机制以及社会规范很难跟上,政府在政策层最重要的事情是开发衡量它的防范,未来很难预测,部分原因是人们对现在了解也很少。
Q3:如何看待限制 AI,例如有争议的领域?
A3:没有一个简单答案,我不认为我一个人或者 OpenAI 的其它人能给出正确答案,OpenAI 在章程上花费了很多精力,总共花了 2 年研究它的制度,主要是弄清楚什么是安全和负责的 AI 开发,以及它的意义。
Q4:你认为 OpenAI 有责任制定 AI 使用的政策么?还是必须与政府共同制定?
A4:一项技术影响到每个人,你就需要进行公开对话,核心之一是 AI 创造了许多好处,所以不应该被锁定在任何一个实体中,它应该是共享并广泛分发的东西,这也是举行政府听证会以及公开对话的重要原因之一,现在很难将信号和噪音区分,即使是对于在这个领域的人来说;另外,我们需要深入了解正在发生的事情、推动进步的因素以及未来将发生的事情,这是一个挑战,但我认为通过正确的数据进行真实对话,我们有机会做好。
Q5:AI 的偏见是经常讨论的问题,AI 也会使原本就是黑匣子的问题更糟糕,OpenAI 如何考虑解决这个问题?
-
A5:这当中存在一系列问题,不管是今天存在于系统的问题,还是明天的,即使数据很好,如果这些系统建立在错误的方式上,例如被赋予了错误的目标,最终可能会发生意外,如何确保 AI 按照我们的意图操作而不带偏见,这些都是非常重要的开放问题。另一个层面,建立 AI 安全领域非常重要,好的是 OpenAI 有很大的动力去做这一点,但是目前而言还没有做到,提前解决比追赶这些问题更加重要。
03
免费数据:仅展示 Top50 数据和少数标签,感兴趣的小伙伴上方海报扫码体验;
付费数据:加入【专业会员】获得全量数据浏览,以及其它专题内容浏览权限,如主理人未在 3 工作日内开通权限,请在后台加好友私信;

《The Internet Needs a Better Way to Handle Money. This Startup Has the Key》,WIRED;
《How did Stripe come up with its name?》,Quora;
《The Collison Brothers and Story Behind The Founding Of Stripe》,Startupgrind;
《One of the first employees of $3.5 billion startup Stripe is leaving to form his own company》,Business Insider;
《The messy, secretive reality behind OpenAI’s bid to save the world》,MIT Technology Review;
《Ivy League Dropout Greg Brockman Is Leading the AI Revolution》,Csuite Spotlight
《How Stripe Builds Software, with Greg Brockman》,Airbrake
《How Stripe Built One of Silicon Valley’s Best Engineering Teams》,First Round Review;
《OpenAI cofounder Greg Brockman on the transformative potential of artificial general intelligence》,Venture Beat;
《OpenAI's Greg Brockman: The Future of Large Language (LLMs) and Generative Models》,Scale AI;
《OpenAI and the Path toward Safe AGI》,Greg Brockman Blog;
《Greg Brockman: OpenAI and AGI 》,Lex Fridman;
https://en.wikipedia.org/wiki/OpenAI
https://stellar.org/learn/intro-to-stellar
https://blog.gregbrockman.com/leaving-stripe
https://blog.gregbrockman.com/my-path-to-openai
https://blog.gregbrockman.com/the-openai-mission;
https://openai.com/blog/authors/greg/
https://www.inforum.com/business/nd-native-offers-advice-for-startup-companies-at-mobile-summit-in-fargo
https://en.wikipedia.org/wiki/Patrick_Collison


