Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

让机器学习

Posted on 2025-09-12

每次我做关于AI产品设计的演讲,都会被问到关于AI和知识产权的问题。具体来说,你不担心AI模型“窃取”你的成果吗?我个人觉得,如果我指责AI模型“偷窃”,那我也会指责我自己。

我花了30年时间写作:写了三本书,两千多篇关于数字产品设计和策略的文章。但同样的30年,我吸收的知识却远超预期。无数的书籍、文章、推文,成千上万的对话,我用过的产品,分析过的问题。所有这些都塑造了我的认知和写作方式。

网站作为人工智能模型的训练数据

如果你让我追溯我接下来要打出的句子的来源,去正确地归因那些特定词语的影响,我做不到。这种综合发生在我无法完全分解的层面上。

人工智能模型正在做我们做的事情:阅读、观察、学习、综合。唯一的区别在于规模。它们处理的信息量远远超过任何人类。当它们生成文本时,它们会从积累的知识中汲取灵感。听起来很熟悉吧?

那么,当一个人工智能模型受到我作品的影响而创作出一些东西时,这与一个读了我的书并运用其中原则的设计师有什么区别呢?我把我的书出版出来供人们购买和学习。我的文章呢?任何人都可以免费阅读。为什么机器要被排除在这个学习机会之外呢?

“但是人工智能公司不会通过对你的内容进行训练而获得不公平的利润吗?”

我从人工智能模型公司每月只需支付 20 美元,就能获得一位阅读能力远超我以往能力的助手,可以立即上线,提供从代码审查到战略分析等全方位的帮助。同样的 20 美元,连两小时的入门级人工协助都买不到。

这些模型基于数百万贡献者的集体知识(包括我个人的微小贡献)进行训练,我从中获得的益处远超因我的内容作为训练数据而造成的任何假设损失。事实上,我的想法甚至可能成为数十亿人使用的知识库的一部分,这让我感到谦卑。

所以,让机器学习吧,就像人类一样。对我来说,从训练有素的人工智能模型中获得的价值远远超过我的贡献。

原文: https://www.lukew.com/ff/entry.asp?2121

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Big Technology
  • Bits about Money
  • Brandon Skerritt
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Herman Martinus
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme