《華盛頓郵報》的維尼特‧科斯拉 (Vineet Khosla)

在本集的 我、我自己和人工智慧，主持人 Sam Ransbotham 與 CTO Vineet Khosla 交談 華盛頓郵報，關於人工智慧如何重塑新聞的生產、傳遞和消費方式。維尼特認為，新聞業本身並沒有被打破，但人們用來消費新聞的格式正在迅速發展，特別是隨著觀眾越來越多地透過人工智慧與資訊互動。對話探討如何 郵政 正在嘗試個人化人工智慧播客、為記者提供人工智慧支援的研究工具以及對話式新聞體驗，幫助讀者不僅了解發生了什麼，還了解它為何重要以及它如何與其他世界事件聯繫起來。

在幕後， 郵政 正在整個組織中部署人工智慧，Vineet 分享了有關該組織「人工智慧無所不在」理念的詳細資訊。

訂閱 我、我自己和人工智慧 在 蘋果播客 或 Spotify.

成績單

艾莉森賴德： 人工智慧如何幫助公司滿足客戶的需求，尤其是當他們的行為和需求快速變化時？在今天的節目中了解新聞媒體如何將這項挑戰轉化為機會。

維尼特·科斯拉： 我是 Vineet Khosla，來自 華盛頓郵報，而你正在聽 我、我自己和人工智慧.

薩姆·蘭斯博瑟姆： 歡迎來到 我、我自己和人工智慧，來自的播客 麻省理工學院斯隆管理評論 探索人工智慧的未來。我是 Sam Ransbotham，波士頓學院分析學教授。我一直在研究數據、分析和人工智慧 MIT SMR 自 2014 年以來，包括研究文章、年度產業報告、案例研究，以及現在的 13 季播客節目。在每一集中，企業領導人、前沿研究人員和人工智慧政策制定者都會與我們一起剖析人工智慧炒作與人工智慧成功之間的差異。

嗨，聽眾們。今天，Vineet Khosla 也加入了我們的行列，他是 華盛頓郵報。這 郵政 不僅僅是一個新聞編輯室。這是一台巨大的科技機器，每天向世界各地數百萬人提供新聞報導。根據今天的討論，我們希望 Vineet 領導的團隊在突發新聞、觀眾體驗、安全和人工智慧背後建構這些系統。因此，我們將討論科技如何塑造新聞業，也許還會討論觀眾在幕後看不到的內容，以及新聞的未來會是什麼樣子。維尼特，謝謝你來到這裡。

維尼特·科斯拉： 謝謝你邀請我，山姆。我聽你的播客已經有一段時間了，所以很高興終於能站在它的另一邊。

薩姆·蘭斯博瑟姆： 也許我們可以透過播客談談幕後發生的事情。讓我們從許多聽眾的感受開始。我認為在現代世界中消費新聞可能會讓人不知所措、支離破碎且難以理解。對於年輕觀眾來說尤其如此，他們在與我不同的數位世界中長大。那麼，從您的角度來看，目前我們體驗新聞的方式可能有哪些問題，以及哪些方面需要改變？

維尼特·科斯拉： 在我看來，新聞並沒有什麼壞消息。如果我們縮小視野，我們應該將新聞視為一門學科，而不是一種格式。當你開始僅僅將其視為一種格式時，對於年輕觀眾來說，它可能看起來很糟糕。不同之處在於他們的消費方式與你我截然不同。我用這個例子：我們過去只看新聞，然後廣播。我們聽到了新聞，然後電視出現了。我們看了新聞，然後人工智慧出現了。我們開始交談並詢問新聞。在所有這些變化中，新聞的消費實際上增加了。新聞在我們社會中的價值實際上增加了。我們只是在一天中的不同時間以不同的方式消費它。

薩姆·蘭斯博瑟姆： 這消費可是大事啊。我只想知道我關心的新聞。我不想聽到我不關心的事情，但我想知道我不關心的事情正在發生。我不想陷入泡沫。如果你想想串流媒體產業、零售和音樂產業，其他產業確實在這個問題上苦苦掙扎。個人化新聞的用途是什麼 華盛頓郵報?

維尼特·科斯拉： 這是我過去兩年半以來一直在努力解決的問題。我不是新聞業的。我是從外面來的。因此，當我來到這裡時，我意識到新聞有兩件事非常重要。一是它告訴我們世界上什麼是重要的，然後它告訴我們為什麼它很重要。這就是有意義的，對吧？個人化方面被社群媒體接管。他們已經告訴你什麼是重要的。因此，當他們來找我們時，我們告訴他們的事情與他們已經知道的幾乎沒有什麼不同。

但「為什麼」才是我們提供的核心價值。這就是我認為我們必須在[個人化]之間取得平衡的地方——你需要數據驅動，但你需要像指南針而不是 GPS 一樣使用你的數據。新聞編輯室，一個具有新聞標準的負責任的道德新聞編輯室，仍然有責任確保我們向人們發布的新聞不會過於個性化，以致成為迴聲室並強化他們的信仰。

這是一件很難平衡的事情，因為我們知道，從外部來看大型科技公司，如果你進行深度個人化，你就會有受眾，你會有點擊，你會有錢，你會有收入。對於我們的行業來說，平衡這兩者——滿足消費者所在的位置，為他們提供他們真正需要的新聞，在他們還沒有準備好時不要給他們太多，但同時，確保我們非常平等，我們的觀點和意見得到傳達——是非常重要的。

薩姆·蘭斯博瑟姆： 我認為你所描述的是一個非常困難的金髮女孩問題，即你想做足夠的事情，但又不想做得太多。不太熱，不太軟，剛剛好。我們想了解整個世界正在發生的事情，但我們也關心與我之前的觀點更接近的觀點。我嘗試非常積極地將我非常不喜歡的新聞來源保留在我的生活中。

那麼，當你選擇…你關注和不關注的事情時，你如何在這個過程中保持新聞誠信？這種情況已經持續多年，所以這並不是一個新問題。

維尼特·科斯拉： 我認為這是一個多方面的問題。首先，它實際上是從新聞編輯室開始的。我確實相信我們的新聞編輯室以其標準和報導方式，正在努力提出非常公平的觀點。如果您訪問我們的應用程序，您會看到實際上有許多不同的方式來消費[新聞]。你可以閱讀它。你可以聽聽。我們剛開始了一個人工智慧播客，人工智慧會選擇一些你可能感興趣的文章並將其變成播客。您可以選擇存取由我們的編輯編輯的主頁。這是對[世界上]正在發生的事情的專家觀點。您可以轉到“為您推薦”選項卡，然後閱讀個人化新聞。

因此，從我們的角度來看，我們確保為您提供多種選擇，並為您提供優質的產品和設計，以了解這些選擇存在的原因。希望介於兩者之間，你能走出迴聲室。

現在我們也想超越這一點。如果你訪問我們的主頁，你會在 WashingtonPost.com 的底部看到一個老式的自動收報機，我們讓其他新聞機構幾乎免費地在我們的網站上[展示]他們在主頁上發布的內容，並說：“嘿，這些是正在發生的其他事情”，因為我們很可能不會從各個角度涵蓋所有內容並繼續將服務擴展到全國。我真的認為，作為一家新聞公司，我們需要盡可能地為每個人的生活賦予價值。

我們最近開始了一個叫做 Ripple 的專案。所以它是 WashingtonPost.com/ripple，我們將在美國各地的意見部分，並試圖透過與他們的合作，將他們的內容帶給我們的消費者和我們的用戶。這是一個難題，但你確實需要有人來解決它，你也需要另一方希望它得到解決的人，像你這樣的人。

薩姆·蘭斯博瑟姆： 這是一個非常令人著迷的想法，嘗試讓來自許多不同地方的漣漪浮出水面的想法。坦白說：你不會完美地做到這一點，但我認為這是不可避免的過程的一部分。不這樣做的成本可能比在那裡提出一些演算法問題的成本更為極端。

我知道您在播客的個人化方面遇到了麻煩，並試圖獲得極端的個人化。能與我們分享一下該專案的進度嗎？

維尼特·科斯拉： 我們意識到[大量]策劃的社論播客存在市場需求。我幾乎將它們視為專家意見。這些是我們公司的專家，他們說，“這些是你需要知道的重要事情”，而不是“有時[這些]事情對世界並不重要，但對我來說很重要。”我會給你一個非常好的例子，它確實讓我成為了這個產品的粉絲。

你還記得德州重新劃分選區的鬥爭發生時，當時有很多法庭案件正在進行嗎？與此同時，印度比哈爾邦正在舉行選舉。我們報導了這兩個故事，考慮到我的興趣，播客以某種方式談論了選區重新劃分、法律以及那裡的執政黨如何試圖保住選票。然後，它與比哈爾邦的選舉形成鮮明對比，其中一些情況可能在過去已經發生過，因此獲勝的政黨指望從這些類型的選區重新劃分努力中取得勝利。 ……神經元在我的大腦中放電，山姆。我想，“哇。這太有趣了。我在印度看到了這一面，也看到了德克薩斯州正在發生的事情。我有點不喜歡它，但謝謝你向我展示這兩個[故事]。”

現在，如果你想像專家的觀點，對於 99% 的美國人口來說，第二個故事是不相關的。即使他們對此感興趣，它也不會像這個播客為我所做的那樣真正激發他們大腦中的神經元。我認為這就是我們試圖透過個人化播客真正彌補的差距。因為這一切都是基於我們的報道；這都是我們所做的事實 華盛頓郵報。我們這樣做是因為我們認為讓全世界知道這一點很重要。

我們與我們的新聞編輯室密切合作。我們測試得很好。是的，它不會是完美的。它犯了一些錯誤。一旦我們推出它，我們確保當我們向消費者展示它時，透過我們的設計、免責聲明和警告，他們[理解]這是一個測試版實驗產品。他們知道會發生錯誤，我們作為一個團隊都在密切關注。

就技術[問題]而言，我們意識到，當一篇文章中有很多第三人稱引用時，會遇到很多麻煩。假設它說，“Vineet 說這個，Jennifer 說那個”，接下來的句子[包括]“他”，然後是“她”。對我們來說，他是誰，她是誰，一目了然。對於人工智慧來說，情況可能並非如此。一旦我們開始解決這些類型的問題，我們就真的回去了，改變了我們的腳本，改變了我們的提示。 [我們]確保我們沒有改變文章的寫作。我們只是確保在人工智慧方面我們有辦法解決這個問題。證明是，到目前為止，我們已經發布了大約 100,000 多個個人化播客。這些播客的完成率實際上高於我們發布的普通播客的完成率。

薩姆·蘭斯博瑟姆： 這是一個很好的例子，因為它會連接一些東西，它會錯過一些東西，但也許當它發生時，它會是驚人的。我們節目的持久主題之一似乎就是這種改進的確切想法。我們早期的一位播客嘉賓提到了這樣一個想法 第一天是最糟糕的一天。因此，當你進行這個實驗時，你會發現一些東西，例如你提到的代名詞問題，以及我們如何清楚地看出哪個故事與哪個故事相關。但你會解決這些問題，而且它會不斷改進。

對於這個產品、這個個人化播客，您有什麼計畫？我已經很嫉妒了（你的十萬集）。我想我們才一百多歲，已經很累了。

維尼特·科斯拉： 嗯，我不認為它取代了專家。你知道，100 項工作量很大，[而且]100,000 項對於構建它的團隊來說仍然是大量工作，因為我們會審查……出現的問題。所以我想，工作是在不同方面進行的。對我們來說，這發生在品質檢查方面。

但我會縮小個人化播客的範圍，也許更多地談論我們在這裡所做的人工智慧工作。然後一切就都有意義了，對吧？我們公司看待人工智慧的方式是「人工智慧無所不在」。這是一種「人工智慧無所不在」的方法，我們希望它能夠應用於新聞製作。 [生成式人工智慧]可以做很多事情。

我們有一個名為 Haystacker 的工具，它可以瀏覽數小時的影片。人們需要幾週的時間，現在我們的記者可以說：“我想找到那個戴紅帽子的人”，[人工智能會]瀏覽 1 月 6 日的騷亂視頻並獲取此類信息。

您可能已經聽說過大數據集現在不再是記者擔心的事情了。他們不必手動閱讀。他們確實可以向它提出明智的問題。因此，我們正在內部為這方面建立很多工具。這是一大支柱，[使用]人工智慧來幫助我們完成新聞業的核心使命。

第二個……是面向消費者的。這就是[我們的]人工智慧播客、「問人工智慧郵報」、[和故事]摘要……發揮作用的地方。就人工智慧革命而言，我覺得觀眾在我們感動之前就感動了，對嗎？當網路革命發生時，人們必須去購買電腦，他們必須學習它，他們必須使用網路瀏覽器，然後新聞編輯室轉移到網站。在人工智慧的世界裡，觀眾一夜之間就消失了。

薩姆·蘭斯博瑟姆： 我想稍微反駁一下這個乾草堆的人。我真的很喜歡這個名字。你所說的是「嘿，你想透過人工智慧來完成大海撈針，並找到所有這些針。」確實，世界上還有更多的內容需要我們去經歷。正在發生的事情數量驚人。我們得到了更多的內容。該內容還有更多的針嗎？還是對現有的針葉有更好的發現，或者你篩選的大量乾草只是大量左尾垃圾？這樣有道理嗎？

當我想到一個乾草堆時，我想，「好吧，讓我們種植整堆，當我們種植整堆時，我們會有更多的針，因為我們有更多的乾草。」但我們可能只是更好地隱藏其他針頭。

維尼特·科斯拉： 這兩件事都是對的。那麼就讓我從 Haystacker 專案開始吧。這個名字來自我們大海撈針，因為我們實際上已經有了一個大海撈針。有人給了記者很多影片。有人給了記者很多數據並說，“嘿，這裡發生了一些事情”，他們需要兩到三週的時間才能完成。所以我們只是幫助他們。我們正在幫助他們找到那根針，而不是讓他們一幀一幀地觀看。這就是這個工具的起源。這是眾多工具之一。許多新聞公司正在建構這些工具。

但回到你更大的問題，還有更多的數據，而且其中大部分並不有趣。我們認為人工智慧的工作不是找到所有這些有趣的東西並在中間沒有記者參與的情況下將它們提供給你。因此，記者通常會[利用]他們的直覺，提出問題，試圖從中發現更多資訊。我相信您可以進入一個擁有真正精心策劃的資料來源的世界。你可以把勞工部的報告拿出來，對嗎？我們的記者使用這些報道，並據此創作故事。

因此，當你去「詢問郵報」時，你會說：「嘿，2013 年農業部門的失業率是多少？」我們可能會也可能不會在新聞文章中寫到它。但如果[我們能夠訪問]我們的記者信任和使用的資料來源之一，我認為使用它並給出問題的答案是公平的。但再一次，循環中存在一個新聞編輯室，就像資料驗證一樣。我認為這比通用網路的品質要高一些，你知道，吸塵器詢問引擎。他們有自己的歸宿；我並不是在挖苦他們。我只是說有一個不同的地方可以做到這一點，以及我們正在努力在這裡建立的東西 華盛頓郵報 如果您正在尋找值得信賴的新聞和新聞，並且想要一些經過驗證的事實並有信心，那麼您應該從我們開始。

薩姆·蘭斯博瑟姆： 讓我們回顧一下您是如何開始這個過程的。你開始談論為什麼。現在，「為什麼」必須成為其中的一部分；否則，就像你說的，這是有用的搜尋引擎之間的鮮明對比，它們產生一個列表，但不產生原因。不過，正如我所說，我想到了現代搜尋技術，它似乎試圖利用人工智慧來提供更多的原因和更多的解釋。但您非常清楚記者在這個過程中扮演的角色。

所以也許可以對此進行一些擴展。你在哪裡自動化？什麼絕對需要人類的判斷？你如何找出這些線在哪裡？我們可以討論個別例子，但是弄清楚如何做出決定的過程是什麼？

維尼特·科斯拉： 它可以追溯到我們如何在公司使用人工智慧的人工智慧治理和政策。我們將其分為三個部分。我首先要討論的最簡單的一個是資訊安全。我們讓資訊安全團隊參與其中，我們說：「聽著，你需要告訴我們如何不把事情搞得一團糟。你需要告訴我們泡沫在安全方面發生了什麼，並製定一項政策。」[這] 對我們來說更容易，因為我們使用的是託管在私有實例上的[大型語言模型]。

然後是新聞編輯室方面：新聞編輯室和記者坐下來，他們自己決定希望人工智慧如何出現在他們所做的工作中——他們將如何使用它，他們將如何歸因於它，該做什麼和不該做什麼。

第三個方面是消費者。這是棘手的方面，因為這是您通常認為的產品，而我們採取的方法是使用良好的設計。我們希望始終告知我們的消費者、受眾他們正在消費什麼，其中有多少來自人工智慧。這是一個頻譜，對吧？

我們以摘要為例。我們仍然給人工智慧摘要貼上標籤——「這是人工智慧摘要」——但從我看到人們使用它的方式以及實際查看免責聲明或因為不喜歡它而給我們一個向下按鈕的人數來看，它正在下降。幾乎沒有人對我們有人工智慧摘要感到震驚，也沒有用戶對此感到困擾。但我很確定，如果我們發布完整的人工智慧生成影片（到目前為止我們還沒有這樣做，而且我們也不打算這樣做），我們會發布更強有力的免責聲明。

因此，在產品層面，我們希望依靠設計和消費者行為來確保我們始終通知他們何時使用人工智慧或非人工智慧的東西。

薩姆·蘭斯博瑟姆： 讓我們繼續前進。如果十年後我們坐在一起，你必須思考新聞經驗的發展方向。你提到了閱讀新聞、收聽新聞、觀看發生的新聞進度。你已經想了很多。告訴我你認為未來十年左右會發生什麼事。

維尼特·科斯拉： 如果我有那麼聰明就好了，山姆。 ……

薩姆·蘭斯博瑟姆： 你不會跟我說話嗎？

維尼特·科斯拉： 我會在紐約的某個地方從事對沖基金業務，進行賭注。

薩姆·蘭斯博瑟姆： 好吧，我們可以走得更短。也許你可以給我們一些關於下個月的提示，我們可以嘗試以此為基礎進行擴展。

維尼特·科斯拉： 我真誠地相信，對新聞和高品質新聞的需求從未如此強烈。新聞學是一門學科，而不僅僅是一種形式。我們需要不斷調整我們的新聞業以適應不同的格式，在可以幫助我們的地方使用科技。這就是我們打算繼續做的事情 華盛頓郵報.

您可能也會開始聽到…有關液體內容的想法。像我們一樣思考內容。通常新聞會持續 24 小時，對嗎？ 24小時後，每個新聞編輯室都會告訴你報道已經落下。他們將其從主頁上刪除，人們不再談論它。你做了一個深入的調查，也許[持續]7天。我們會把它釘在某個地方，人們會分享它，它會有更長的腿。但無論如何，在那之後，它就會下降。

我看到了一個人們的好奇心驅動新聞的世界。新聞實際上可以以無限的形式存在很長一段時間，因為有人可能會回來並開始問一堆問題。他們可以開始提問，或者他們可以說，「你能幫我寫一份關於[華盛頓特區]和明尼蘇達州之間[移民和海關執法]策略變化的報告嗎？我真的很想了解當時世界上發生了什麼，[當]它變得比過去更加暴力。」我確實認為這會釋放更多新聞。實際上，它對市場的成長超過了[最初]對萎縮的恐懼。這總是恐懼，對吧？

當一項新技術出現時，首先會產生一種對縮小的非常真實的恐懼。我不想否認這一點。老實說，作為一名工程師，我看到 Claude Code 在過去兩個月所做的事情，我就想，「哇，我的備用職業選擇消失了。我想我不會再成為一個超級矮的 Java 程式設計師了。」但一旦你克服了恐懼，我認為這種恐懼就會加劇。人工智慧幫助我們成長。只要人們還有好奇心，以及獲得經過驗證的新聞、資訊、事實的需要，這就是好事。所以這就是熊。在股市中你怎麼稱呼它－正面的一面？

薩姆·蘭斯博瑟姆： 如果您要轉向對沖基金，您[需要知道]這一點。

維尼特·科斯拉： 公牛是積極的。熊是消極的。正如你所意識到的，我未來的職業選擇非常有限。

薩姆·蘭斯博瑟姆： 你最好堅持使用 Java。

維尼特·科斯拉： 我會堅持使用 Java。但我也確實看到信任有風險。當我展望未來時，最讓我擔心的是消費者對報頭的信任。你會閱讀報紙，因為你相信報紙上有標準、程序和專業人員。然後在我們的一生中，我[看到]信任轉向創作者。人們開始更加信任創作者。他們更容易受到 Twitter 上人們的影響。他們更多地受到 Instagram 和 TikTok 上告訴他們這個消息的人的影響。我想了想。我想，“這裡發生了什麼事？”

一是我們的新聞適應得不夠快，對吧？這是真的。我們沒有與消費者見面。但身為人類，我們通常信任其他人。我們相信聲音。我們信任語言。無論你在世界的哪個地方，如果有人說任何其他語言，你就知道你是在智慧的陪伴下。

事實上，如果我能回到我的蘋果時代，我們就有這樣的軼事。 Siri 來的時候，是第一個聲音。這是與機器的第一次語音互動。人們可以與它交談。然後蘋果地圖同時出現，我們發生了一些資料錯誤的事件，人們會走在土路上並被困住。我們過去經常收到的抱怨是「嗯，Siri 告訴我去那裡。」就在那時，我們意識到 Siri 聲音和 Apple 聲音是同一個聲音實際上是一個問題，因為（用戶）對它的信任度超出了他們應有的水平。他們的眼睛表明這條路不存在，但他們會右轉，因為 Siri 告訴他們要這樣做。

所以我認為這就是發生在我們身上的事情：信任從報頭轉移到了人們身上，因為身為人類，我們自然會更信任其他人。讓我擔心的是，隨著這些人工智慧幾乎成為比創造者更好的人類，因為他們可以與你交談，他們可以深度個人化，他們比創造者更能理解你，我擔心對人工智慧的信任將超過對人類的信任。

現在，考慮到這一點，我們該怎麼辦？這是我的假設。人們對人工智慧的信任、我們之間的關係將會非常深厚。我認為我們有責任在新聞界、新聞界建立平等的體驗，這樣消費者就不會被外面世界存在的幾個大選擇所束縛。當我看到像 MCP 協議這樣的東西問世時，我感到充滿希望。

山姆： 模型上下文協定。

維尼特： 模型上下文協定。我看到代理之間的對話正在發生。我看到足夠多的公司，無論是大型科技公司還是小型科技新創公司，都在沿著這條路努力：「嘿，如果我的代理人需要新聞，我想將其與你的代理人聯繫起來，這樣它就可以獲得正確的經過驗證的新聞。」所以我也充滿希望，但我也很擔心信任。我想確保它留在值得它的人身邊。

薩姆·蘭斯博瑟姆： 事實上，有四、五件事是非常令人著迷的。第一，我並沒有真正考慮過不同 Siri 產品之間的信任轉移。 ……我的直覺反應，我天真的做法會說，「嘿，信任轉移真是太好了。」但您指出的是，當您擁有兩種具有不同基本準確度水平的不同產品時，您可能不想轉移這種信任。這是一種有趣的思考方式。我自然而然地想：「嘿，越信任越好。」但實際上，例如，您可以用更機械的聲音來表示這是不應該信任的事情。

你提到了 Siri。讓我們回到這裡來談談你是如何不一直處於這樣的狀態的 華盛頓郵報。請告訴我們一些關於您如何到達目前位置的信息，以及 Siri 作為旅程的一部分的信息。

維尼特·科斯拉： 早在我讀本科的時候，我就接觸了人工智慧，我有點被機器為我完成所有工作的想法所吸引。我當時想，「這太棒了。我要去攻讀人工智慧碩士學位，這樣我就可以高枕無憂了。」這導致了我在抵押貸款行業的第一份工作。我們曾經為貸款做這些人工智慧模型。如果你還記得的話，那一年是 2007 年，當時發生了嚴重的抵押貸款危機和金融崩潰，我的整個產業都被摧毀了。事實證明，在貸款方面，沒有人聽取人工智慧的意見。

但那一扇門關上了，一個宇宙打開了。我正在貢獻一些開源程式碼。 Siri 的創辦人看到了我的程式碼。他們邀請我申請面試。所以我去了矽谷，然後在接下來的 10 年裡與他們一起工作，開發了 Siri。在我們這個時代，而且在很長一段時間內，我們都是語音驅動的人工智慧，直到 Alexa 和 Google Assistant 出現，整個宇宙才開放。

[之後]大約 10 多年後，我右轉並進入了 Uber 地圖。我負責建構路由演算法的團隊。這很有趣。它[涉及]圖搜尋。這是硬核計算機科學，對吧？圖搜尋就像你所知道的電腦科學一樣。我真的很喜歡那段時光。這樣做了大約四年後，法學碩士出現了。然後我想，「好吧，我要回到自然語言處理的舊世界了。」我想在那裡做點什麼。

所以我從 Uber 邀請了一段時間假。我以為我要重新教育自己。我買了一些園藝工具。我的妻子真的很擔心。她說，「你要重新教育自己多久？你這裡的工具太多了。」但這 華盛頓郵報 機會來了，我腦中所有的神經元都興奮起來。我說：「聽著，這場革命與語言有關。與知識有關。這就是新聞編輯室。他們是語言的寶庫。他們是大師。他們是專家。他們擁有所有的知識和資訊。」然後我採訪了 華盛頓郵報;他們是一支偉大的團隊。我採訪了[老闆]傑夫·貝索斯，最後我說，“是的，這就是我人生的下一個篇章想做的事情。”

薩姆·蘭斯博瑟姆： 那裡有很多事情需要推動。我想利用的一部分是你做出了一些開源貢獻，Siri 的人們注意到了這一點，但你很快就掩飾了這一點。這導致 [you] 參與 Siri，這導致了 Apple 的收購和您的參與。我特別喜歡這一點，因為我非常支持這個貢獻的想法。 [當]我們考慮貢獻的激勵時，這是一個很好的故事，說明瞭如何對技術感興趣、好奇並致力於某件事，並透過開源專案提供證據——除了開源專案之外還有其他方式，但這是一種很好的方式——可以圍繞其發展方式串聯成一個非常有趣的弧線。

維尼特·科斯拉： 現在確實如此。我在很多方面都很幸運，因為我正在做人們感興趣的事情，這打開了這個機會。你說得很對。我確實認為，當你處於職業生涯的早期時，你應該更多地涉足事物，然後成為[它]的專家，因為你不知道誰在尋找。

薩姆·蘭斯博瑟姆： 不過，你說運氣，我確實認為運氣佔了很大一部分，但運氣只有與同時做某件事才能很好地結合。我還會諷刺地說，我想掩蓋的故事的一部分是你的人工智慧碩士學位來自喬治亞大學，而我是佐治亞理工學院的人，所以我想快速掩蓋這一點。你也可能會運氣不好。

維尼特·科斯拉： 不，我確實認為這是一件重要的事情。我對喬治亞理工學院懷有深深的敬意。當然，你有令人驚嘆的電腦科學程式、機器人程式、人工智慧程式。喬治亞大學當時和現在仍然提供的獨特之處在於其跨學科課程。所以我研究了語言，我研究了哲學，我研究了心靈理論，我研究了一階邏輯，然後我也研究了所有這些統計人工智慧，基本上就是人們現在所理解的99.99%的人工智慧。那麼恭喜你們，你們贏了。

薩姆·蘭斯博瑟姆： 另一部分是你提到的基於圖表的[工作]。您為什麼認為基於圖的方法如此有趣？為什麼它引起了你的注意？

維尼特·科斯拉： 嗯，這是一個經典的路由問題。我們正在做地圖和路由，所以你必須在圖、邊和節點上進行路由。這些演算法，你在學校學過吧？這引起了我的興趣。

現在，對於 Uber 來說，情況出現了轉折。不同之處在於，公共交通的路線與個人路線有很大不同——當我說公共交通時，我不是指公共汽車，而是出租車和優步。

我們確定了一個度量標準，即 10 公尺或 10 秒。如果您的地圖誤差 10 米，或您的預計到達時間誤差 10 秒，那麼您就不會獲得良好的體驗。如果你的 Uber 停在比你所在位置遠 10 公尺的地方，你就會跑去追車。您將自己置於不安全的境地。也許你正在過馬路。如果你沒有及時到達，而你的優步就停在那裡，也許那個人收到了罰單，交通擁堵，警察正在處理案件。

所以對我們來說，準確度實際上遠遠超過谷歌和蘋果的水平。我們必須非線性擴展。對於蘋果和谷歌來說，他們銷售的手機數量就是將出現的地圖方向的數量，而我們[正在]試圖平衡市場。因此，對於一名乘客，您可能會聯繫 100 名司機，看看他們何時可以到達。同樣，對於 100 名司機，您可以接觸到 100 名乘客。有可能離我最近的司機是五分鐘路程，而離你最近的司機是一分鐘路程。但我可能會改變司機的順序，這樣我們就能在兩分鐘內找到一名司機，然後市場就平衡了。否則，我會取消它，因為我的路程只有五分鐘路程。

一旦你開始研究[問題]，你就會發現這是一個非常不同的路由問題。當然，圖搜尋、路線和 Dijkstra [演算法] 是它的核心，但我們必須不斷添加層才能達到平衡的市場 [非常] 非常令人興奮。以前沒有人真正這樣做過。

薩姆·蘭斯博瑟姆： 看起來很有趣。其實你提到了Dijkstra演算法之類的東西。想到這些核心思想仍然保留，我感到很高興。我的意思是，您剛才描述的這個匹配問題是廣義分配問題的典型範例。這些是運籌學、圖論和數學中的一些根本問題。有趣的是，並非所有事情都在統計上選擇下一個可能的單字。 [我]很高興看到一些老派的東西出現並捲土重來。

Vineet，我認為這是對新聞業及其背後的技術可能走向的令人著迷的觀察。新聞的未來顯然在許多方面都更加個人化，更加由人工智慧驅動，在許多方面也更加複雜。我很高興你和其他人正在為此努力。非常感謝您今天加入我們。

維尼特·科斯拉： 謝謝你邀請我，山姆。

薩姆·蘭斯博瑟姆： 感謝您的聆聽。在我們的下一集中，我將與安德魯·帕爾默（Andrew Palmer）交談，他是一名記者 經濟學人。我們將了解另一家新聞媒體如何思考人工智慧。請加入我們。

艾莉森賴德： 感謝您的聆聽 我、我自己和人工智慧。我們的節目能夠繼續進行，很大程度上歸功於聽眾的支持。您的串流媒體和下載量會產生很大的影響。如果您有時間，請考慮給我們留下 Apple 播客評論或 Spotify 評級。並與您認為可能會覺得有趣且有幫助的其他人分享我們的節目。

我、我自己和人工智慧^® 是麻省理工學院的聯邦註冊商標。版權所有。