OpenAI最近的一份备忘录清楚地阐述了他们的目标:成为互联网上一切事物的主导界面。大胆吗?是的。可行吗?也许!作为康奈尔大学的教职员工和AI初创公司的活跃投资者,我一直在研究AI如何重塑我们的数字习惯。今天,我启动了一项调研,以更好地了解用户和公司如何适应这种转变。在生态系统中,谁领先,谁落后?
让我们来解析这场对一切事物的变革。
Chrome的终结与AI智能体的开始
在大语言模型炒作周期的早期,我就说过:通用人工智能仍然遥不可及。然而,大语言模型是一种新的用户界面。这种变化将为品牌和由少数巨头聚合的微品牌创造许多新机会。是的,OpenAI将是其中之一。
OpenAI想要成为我们所知互联网的通用界面这一野心并不令人意外。如果说有什么的话,他们可能已经晚了。还记得Perplexity的"像专家一样购物"吗?他们的目标是处理所有购物环节——从研究到支付。现在OpenAI正在将Perplexity的这个想法扩展到……是的……扩展到一切。
有趣的是,这可能是可行的。在我的用户研究中,一位用户告诉我,他将血检报告上传到ChatGPT。它分析了结果,建议了补充剂,并推荐了一个网店。该用户随后花费了超过200美元——在一个他从未访问过的零售商那里,因为"ChatGPT这么说"。这不是边缘案例。它显示了ChatGPT已经在几个领域扩展其影响力:
ChatGPT刚刚成为他的个人健康记录——被信任处理敏感数据。它刚刚成为他的医生——提供医疗建议。它刚刚取代了谷歌——建议在哪里购买。它还指导了购买——跳过了传统的产品页面。
人人的AI智能体
萨姆·奥特曼的愿景很清晰。他想成为医疗保健、金融、电子商务和许多其他领域的智能体。我听说萨姆邀请了许多初创公司到他在旧金山的私人住所参加"私人晚宴"活动。一些创始人将他的愿景描述为"他想要前向整合到我们的业务中"或"他想成为人人的智能体"——就像亚马逊曾经想成为万物商店一样。
但公司或生态系统呢?
OpenAI有实现这一愿景的真正机会。我们看到用户采用的高速度。问题是组织或生态系统能否匹配这种速度。如果不能,OpenAI就有获胜的机会。
我们以前见过这种情况。早期互联网改变了我们消费媒体的方式,但媒体生态系统花了数年时间才适应。今天,AI正在推动类似的变革——而且同样,大多数公司和生态系统都落在后面。
许多行业将受到AI智能体的影响
这就是我进行这项研究的原因。我想了解用户、组织和生态系统发展到了什么程度。我已经研究了许多不同的领域:
集成开发环境——或者我们如何编码——已经发生了变化。看看我与a16z的马丁·卡萨多的对话。用户行为正在推动行业发展。金融——或者我们如何承保风险——已经发生了变化。看看我与Varo银行创始人科林·沃尔什的讨论。这里是行业在推动用户行为。电子商务——AI正在改变我们销售和购物的方式。目前还不清楚谁在推动谁……
在电子商务中,AI智能体将如何获胜尚不明确
我选择专注于电子商务进行这项研究,因为权力分配尚不明确:
另一方面:
像OpenAI和Perplexity这样的大语言模型:
为什么我需要您的帮助
为了追踪用户与公司如何适应,我与RetailWire的蔡斯·宾尼合作——您可能还记得我们在Shoptalk的讨论。
我们一起启动了一项专注于生成引擎优化的调研。它很简短。很有针对性。数据严格用于研究。它将帮助我们所有人了解:
品牌如何在AI生成的答案中出现(或不出现)什么策略真正起到作用仍缺少什么工具或支持
无论您是营销人员、创始人还是产品负责人——您的观点都会有所帮助。我们将公开发布所有发现,并为在新的AI驱动发现生态系统中工作创建一个公共手册。请在此处参与调研。
好文章,需要你的鼓励
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。