我觉得这简直不可思议，有人写了一些代码，目的是不需要再编写任何代码来构建他的个人主页，结果却爆发式地成为了支撑互联网70%流量的基石。今天“专家混合”节目将为您带来更多精彩内容，以及更多话题。
我是大卫·扎赫，欢迎来到“专家混合”，这是IBM的播客节目，我们将邀请一组IBM专家共同探讨本周的人工智能新闻。今天的嘉宾包括：技术内容实践经理阿什·明哈斯，IBM Think的高级撰稿人朱迪思·艾诺，以及IBM业务自动化工作流生命周期管理团队主管、首席发明家杰西卡·纳胡兰。稍后，我们还将迎来基奥·加布里埃尔的现场报道，他是IBM数据领域的首席技术官。他正身处“IBM Tech Exchange”，这是我们面向开发者、工程师和动手实践者的年度大会，对此我们充满期待。首先，我们将探讨三个AI新闻故事：一个是Block公司推出的新模型Desa，它仅通过语音对话进行训练，未使用文本数据；另一个是名为“文化谜题”的新基准测试，旨在用具有特定文化内涵的谜题来难倒AI模型。但我们的第一个话题将从一个巨大的漏洞开始，即PHP2后门程序。这是几家安全公司发现的一个重大漏洞，它反映了人工智能正在发现更多安全漏洞这一更广泛的趋势。这个漏洞尤为严重。朱迪思，我先从你开始好吗？你能帮助我们理清思路吗？关于这次PHP漏洞攻击，我们需要了解的最重要的两三点是什么？
PHP是一种被广泛使用的编程语言，支撑着约70%的网站。这些漏洞可能允许攻击者远程控制Web服务器。但除此之外，问题在于运行旧版本PHP的组织无法简单地升级和打补丁，因为这可能会破坏围绕其构建的其他遗留系统。稍微令人欣慰的是，正如我们Security Intelligence的朋友提到的那样，利用该漏洞的攻击链并不容易实施。但这仍然显示了我们的脆弱性，鉴于这些安全缺陷是由AI模型发现的，而AI使得发现可被利用的漏洞变得更加容易。阿什，你能帮我们理解这个问题的规模吗？为什么这次事件如此特殊？显然每天都会、每周都有漏洞被发现，为什么这个漏洞会开始逐渐进入头条新闻的视野？
你知道，互联网上有很大一部分是由运行PHP的网络服务器支撑的。因此，这个特定的漏洞允许攻击者对暴露在互联网上的服务器进行远程代码执行，或者利用其可能拥有的其他访问权限。当你思考典型的Web架构时，你会看到数据库连接到该服务器，以便查询数据并向互联网上的用户提供信息。关键在于，你可以控制这些东西，从而获得你本不该拥有的网络访问权限；获取你可能或不应持有的凭证；并本质上像你想做的任何恶意方式那样使用那台计算机。换句话说，这就像拥有了别人酒店房间的钥匙，在你本不该拥有它的时候，能够随心所欲地做任何事情。是的，我认为这里暴露的关键漏洞是：所有这些网站都可能存在这个问题。你会发现，在大型组织中，架构师们会在网络层面将Web服务器进行隔离，例如将它们放置在非军事区（DMZ），并在其前方部署Web应用防火墙等。但这些防御措施都无法保护它们免受此类问题的侵害。然后，对于那些拥有PHP服务器的其他人来说，他们可能是小型企业或个人，他们的网络拓扑结构不一定那么复杂，因此他们的服务器基本上在互联网上就是待宰的羔羊。
所以我想我听到你们说的是，至少有两个原因使得这个问题在头条层面上非常糟糕：第一是PHP。它不像大多数漏洞那样，只是某个软件程序受影响——比如微软Word有个小问题，他们推送补丁并自动更新，那就没什么大不了的。但据我了解，这是一个存在于这种基础语言本身的漏洞，而不是某个产品；它是支撑Web的基础设施层面的bug。杰西卡，我说的对吗？你是许多专利的首席发明家，你构建事物。我想你可能也搭建过使用PHP的网站？作为一名从业者，你的作品可能已经发布在网络上并受到影响，你现在是如何思考这个问题的？
我认为现在每个人可能需要改变思维方式的地方在于：我们构建了网站、解决方案等，正如阿什提到的那样，小型企业可能已经部署了它们。我们将这些方案上线到网络上后就继续前行了。它们运行良好，我们可以停止维护甚至不再关注它们，因为它们都完好无损。但现在有了AI，借助AI我们能够以极快的速度发现漏洞、尝试利用它们。因此，我们必须重新审视那些我们 somewhat 放弃的项目，查看它们的依赖项：是否是用PHP构建的？是否使用了仅由一人维护且每两个月才修补一次漏洞的开源软件？我们必须审视我们的整个技术栈，看看如何现代化并评估我们所使用的组件。因此，无论是小型个体企业还是大型企业集团，这都是巨大的成本。在现代化之前，这几乎只是一个“锦上添花”的选项；而现在每个人都被迫进行现代化改造，以便我们能够顺利升级到这些修复程序和依赖项的最新版本，而不会破坏我们的基础设施。
我觉得这个故事中令我感兴趣的一点是漏洞被发现和披露的过程。如果你仔细查看时间线，它相当复杂：首先，这些漏洞在某种程度上被部分理解或类似的情况是，几年前人们就理解了某些bug，但当时并未认为其严重性如此之高。然后今年夏天，Whiz公司和California公司独立启动它们的AI系统去探查PHP，看看是否能找到问题。
他们发现了漏洞，并几乎同时揭示了这些缺陷。Whiz和California开始相互沟通，并与负责维护PHP代码的实体——即“PHP基金会”取得联系。令人惊讶的是，尽管该基金会管理着支撑全球70%网络运行的代码，却只有一名全职员工。与此同时，亚马逊部署了一台蜜罐服务器。甚至在漏洞利用代码发布之前，就有人使用这种攻击手段袭击了蜜罐服务器，这暗示了什么？我不太确定。Ash，你对这一点有什么看法吗？
互联网上如此多的服务运行在PHP之上，原因之一可能是WordPress。Joomla也基于此构建。正如Jessica之前提到的，我在过去的经历中曾为亲朋好友搭建过这些系统。令人担忧的是PHP基金会仅有一名全职员工。我们往往理所当然地认为开源软件只要能用就行，却假设维护和安全响应是别人的责任。我们需要重新思考消费者如何回馈开源生态，因为解决这些问题需要时间、金钱和资源。
随着生成式模型和AI代理能以超越人类的速度发现漏洞，若没有同等程度的资源投入，我们将很难缩小从发现问题到解决问题的时间差。本次讨论的漏洞被称为“PHP2 Shell”，但语言本身源于1994年Rasmus Lerdorf的创造。他当时只是个兼职程序员，开玩笑说自己只是随便拼凑了一下代码用于个人主页，没想到如今它支撑着全球70%的互联网。
这就像发现纽约市建立在某人后院用Play-Doh捏成的混凝土上一样荒谬。这种数字基础设施的底层往往是由几十年前某人草率拼凑而成的，这难道不是个大问题吗？从个人经验来看，科技世界充满了层层抽象。我们习惯通过导入库和依赖项来构建软件，却很少从第一性原理出发审视这些代码的来源、可信度及安全性。
如果挖掘道路的地基，越往下层材料可能越原始，但现代工程会确保结构稳固。对于代码现代化和确保安全内核的最佳实践是什么？Jessica有何见解？理想情况下，人们希望重构这些复杂的旧系统。但现实中受限于时间、资源和维护成本，往往只能打补丁，就像在破桶上放个小纸杯蛋糕。
不过我相信AI带来了新机遇。如今重写和理解代码变得更容易，即使原始创建团队已不复存在。这则新闻暴露了一个问题：我们发现问题比以往更快，但也具备以前所未有的速度修复问题的能力。接下来我们将进入第二个故事，关于一个仅基于语音训练的AI模型。
在开始之前，如果您正在YouTube上观看或收听本期节目，点赞、订阅并留言评论对我帮助很大。这有助于我们优化算法推广频道。谢谢大家的支持。今天的第二个故事是我非常热衷的话题，涉及模型架构以及为模型引入新的模态技术。
这讲的是Desa，它来自Block公司。这对我也很有趣：Block是Jack Dorsey的公司，旗下拥有Square支付处理平台、CashApp（给更酷的人用的另一个支付处理器），以及Title——你知道的，那个Spotify的竞争者。但如果你了解ATJ（Jack Dorsey），有一点是肯定的：他总爱捣鼓新东西，袖子里总有惊喜。据说五六年前，他收购了一家AI公司，坦白说那家有点像深度伪造（deep fake）公司。他们因在2019年制作出听起来和乔·罗根（Joe Rogan）一模一样的深度伪造声音而声名大噪。
据称他们已经埋头研发了六年，并宣布创建了一个仅通过语音对话训练出的模型。与我们熟悉的GPT、Claude等LLM不同——那些模型相当“学术”，阅读了大量文本，而这个模型没有读取任何文字。它只聆听人类对话，尽管如此，仍然能够进行交谈，而且方式令人称奇——为什么不让其他人来解释一下呢？朱迪思（Judith），Desa的独特之处究竟在哪里？你听过任何演示吗，或者……
是的。你能告诉我们它哪些地方既诡异又酷吗？首先，它能同时听和说。相比之下，其他模型通常是沉默的，直到你讲完才回应。从演示中你可以听到它打断别人说话，甚至只是发出笑声或我们为了表示参与对话而做的其他反应。这立刻引起了我的注意。“它最酷的一点是，在你说话时它会发出‘嗯’的声音。”“没错。”
所以，据语言学家称这叫作“回应对话”（back channeling）。比如我和人交谈并试图表示我在认真听时，我也会发出“嗯”的声音。而它能以如此社交得体（socially graceful）的方式做到这一点，据称是一项巨大的技术成就。这归根结底在于对音频数据的训练。“到目前为止，我们要注意它尚未公开发布，我们也未看到任何研究或关于其背后方法论的详细信息。所以我们目前仅依据他们演示网站上的内容。”
是的，阿什（Ash），这让你感到好奇吗？因为……没有论文。此外，这种能同时听和说的模型被称为全双工（fully duplex）。听起来像个房地产术语，但实际上是指双向通道。能同时听和说的模型就是全双工……他们本可以说他们在某个全双工基准测试中得分极高，但他们没有分享那个分数。
他们完全没有分享任何数据或数字。那么阿什，你觉得怎么样？鉴于细节稀缺，你的怀疑点在哪里？他们说没有用文本训练它，这暗示该模型的世界知识量可能更有限。因为如果你仅通过对话本身来训练它，就需要海量且大量的对话数据。正如我们在早期Transformer模型中发现的那样——虽然这不是一个Transformer模型，但它可能会表现出类似的行为：它很可能会产生大量幻觉。
我认为这是因为它的“ grounding ”（事实依据）较少。比这更让我感兴趣的是，我们拥有针对所有这些模型的各种基准测试：比如MMLU、代码基准等，用于前沿模型以及它们能运行的任何其他模型。我不知道是否存在这样的音频基准测试？也就是说，如何对这种技术进行基准评估和测试？
即使他们真想发布一些研究成果，他们会用什么基准呢？我认为目前Desa面临的一个问题是：如何向世界展示其可控性和评估结果，比如它如何处理幻觉？我认为所有这些仍然是未解之谜。“显然，在某个人的演示中，它非常喜欢叫别人‘雷纳尔多’（Reinaldo），不管对方是否真的叫这个名字。所以如果你的名字是雷纳尔多，它表现会很好。”“嗯哼。”
它在‘罗纳尔多与雷纳尔多的对话’基准测试中得了满分。“也许这就是他们的训练方式。你只需要打开一个应用或浏览器，在接下来的几年里一直跟它说话。”“最终它会说服你的名字是罗纳尔多，然后一切就完美了。”坦白说，我很惊讶看到AI新闻来自Block。至少在我眼里，他们算不上前沿实验室，但他们在演示中确实做了令人印象深刻的事情。你的反应如何？
“老实说，我非常惊讶，因为这是我第一次听到代理以这种全双工方式说话。但说实话，我也像阿什一样担心：当我读到他们实际上用多少文本训练这个模型时，我的想法是‘这正是我不喜欢这类模型的地方’——它不准确、不知道正确答案。我们选择模型的依据往往是它在正确问题上表现良好，或者我假设是这样。所以我不得不相信你会得到它的幻觉反应：它不再知道答案了。”
“那么你能获得什么价值呢？”当阿什再次谈到幻觉时，我在想：也许在这里这反而是件好事？因为现在你得到了一种随机化的、独特的人类个性。不过这也很有趣，如果让我向你描述Desa……它会和你说话，但现在它能打断你。这听起来太棒了！当我试图问它问题时，我完全希望被‘嗯’声打断。
所以我对它的性能以及它所掌握的知识量持怀疑态度，但我认为它开启了一条全新的途径。就像阿什说的：我们该如何评估这条新途径呢？我在听他说话时在想，这里有了全新的评判标准。因为我们通常评估Claude或LLM等模型时，是看它的准确性、正确性、一致性以及可靠回答问题的能力。但在这里，也许我们想评估的是：如果我发出‘嗯’声表示我在思考，它能捕捉到这一点并打断我、插话进来。我们该如何对这种能力进行评分和评估？
这是一个全新的标准，因为你们试图评估人类言语和表达中的细微差别，甚至包括我们发出的各种声音。>> 好吧，现在看看会发生什么会很有趣。这只是一个研究预览和用于安全测试的私人内测版本。嗯，所以我们会看看它是否会成为一款产品，观察起来会很有趣。关于我们今天的第三个故事，也是最后一个故事，我们将讨论一个相当不寻常的基准测试。嗯，所以在上一环节中我们刚刚讨论了基准测试，对于那些不知道的人，基准测试基本上就像是对模型进行的SAT考试，对吧？所以人们设计了这些测试，无论是困难的数学题还是复杂的推理题。你们用一系列模型来
对其进行测试，看看它们的表现如何。嗯，而这个基准测试涉及文化特定的谜语。所以它实际上包含两个组成部分，我认为值得逐一分析。嗯，让我们从谜语部分开始，这对我来说是更有趣的一半。我们大致知道它并不……好吧，但我们肯定知道这些大型语言模型是在主要由英语和西方语言组成的庞大语料库上训练的，基本上是整个互联网上的文本，这并不能代表世界上所有的国家。我们知道这些模型可能倾向于它们的训练集，但这种通过谜语测试模型的背景和方式是如何出现的呢？因为这实际上是一项甚至在ChatGPT发布之前就存在的实践。所以朱迪思，我让你查阅了一些历史资料。你能简要介绍一下为什么我们要试图……为什么要像蝙蝠侠与谜语人那样对待模型吗？
原因之一是，对于模型来说，解决谜语可能极其困难，因为这不仅仅是模式匹配。你需要创造性思维和文字游戏来解决大多数谜语。因此，当我们测试模型的效率和有效性时，谜语对它们来说是一个非常好的基准。仅就谜语的组成部分而言，比如对我来说经典的谜语是俄狄浦斯从斯芬克斯那里解出的那个：早上四条腿走路，中午两条腿，晚上三条腿。答案是“人”或人类，因为
这需要稍微拓展一下思维。你在不同的意义上思考腿，在不同的意义上思考一天中的时间。婴儿在生命的早晨（开始）时四肢爬行。成年人直立行走。老年人，男人或女人拄着拐杖走路。“晚上”指的是生命的夜晚，对吧？这种语言的隐喻用法最初
人们认为我们的C3PO（指代早期AI）不会理解这一点。阿什，嗯，当你加入这种文化特异性时，你是否深入研究了这篇论文？你认为当你们既用谜语式的语言拓展来考验模型的大脑，又要求它具备文化特异性时，我们会从中学到什么？我知道你很喜欢基准测试。
我确实喜欢。嗯，大卫，首先，你们实际上可以访问Coher的文化谜语论文网站并进行测验。所以你可以做一下测试，看看你的知识能否胜过AI。谢天谢地对我而言，我击败了AI。我想我的得分大概是80%左右。这真的很有趣。我建议任何人想去的话都可以去他们的网站试一试。我希望他们正在收集这些数据作为训练数据。嗯，这暴露出的问题远不止是一个谜语或文化意识那么简单。这暴露出了一些甚至连OpenAI可能也在去年或前年发表过研究的问题，那就是整个基准测试领域都需要进化。让我解释一下我为什么这么说：所有大型语言模型所接受的基准测试，如果你答对了就得分，如果没答对就不得分。但如果不知道答案也不得分。好吧？所以模型被激励去猜测，对吧？因为它们会想：如果你问一个模型，“我的出生日期是什么？”好吧，从数学上讲，如果只考虑一年中的某一天，猜对的概率大约是1/365。如果说“我不知道”，那么得分的概率就是0%。所以它被激励去说：“我会编一个，因为从数学上讲，我宁愿冒这个险，哪怕只有百分之几的机会答对，也比什么都得不到要好。”我认为我们需要重新思考基准测试的整体性，关于我们如何评估这些模型。嗯，是的，关于你问我的实际问题，我认为文化和
社会等方面的好处在于它是一个移动的球门柱，我们的文化在不断演变。它不会静止不动。好吧？因此，除非拥有超快的训练运行速度并掌握所有正确的源数据以用于模型训练，否则很难让模型做出适当的回应。>> 最后一个问题，杰西卡。我保持开放式的提问。文化谜语研究中什么最让你感兴趣？
哦，让我感兴趣的什么呢？我想我回到了本周举行的一场会议，实际上是IBM Tech Exchange。我不确定他是否注意到了这一点。所以蒂姆·奥赖利是演讲者之一，他实际上评论了……嗯，他在词语和它们所承载的上下文与魔法之间建立了一个平行关系。让我解释一下。基本上，一个词和
你的提示语包含了一种表征，然后一旦你输入它，它就会扩展成一个请求。现在我们可以打包我们完美编写的……嗯，请求并在科技世界中分享它们了，比如共享这些技能、代理工作流等。这在某种程度上就像施展咒语一样，它真的让你思考每一个词所具有的力量和上下文。例如，如果你说，“给我写一份PRD”，那意味着产品需求文档。这个三个字母的缩写扩展成了整个结构化的文本。而且从一家公司到另一家公司，PRD的样子可能不同。我认为这非常有趣，因为这里发生的事情几乎就像……嗯，从一种文化到另一种文化，每个词可能都有不同的含义。
对那个词的含义有着不同的解读，进而导致整个请求完全改变。因此，关键在于真正理解语言的语境以及你的受众是谁。如果你声称支持来自世界各地的人或特定的本地群体，实际上应该用他们使用的语言进行测试，并理解他们是如何感知世界的。
我很喜欢你提到“咒语”（spells）这一点。我认为最终的基准应该是期望值，当一个模型完美实现这一目标时，我们要么陷入困境，要么非常安全，也许两者兼有。非常感谢你涵盖这三个故事。我们现在有一个特别的重头戏环节，你已经铺垫得恰到好处了。稍后我们将邀请嘉宾来谈谈技术交流活动。
现在我们要连线基奥·加布里埃尔（Kio Gabriel）进行特别环节。他是IBM数据领域的现场首席技术官，我们在29日这一天从亚特兰大与他连线。今天是IBM技术交流会的最后一天。基奥，你真的让我相信这是一场令人兴奋的大会。你说里面充满了无聊的内容，但其实让你感到无聊的是故事本身——那些曾经被认为枯燥无章的技术正在变得真正令人兴奋且日益成熟。
过去三年我参加了几乎所有大型会议，那里充斥着炒作浪潮。起初是向量搜索、检索增强生成以及AI大模型训练；然后在过去一年半里，焦点转向了智能体（agents）以及一些编码代理。但技术交流会真正令人称道之处在于，我们开始着手处理智能体身份编排、流程编排和监控等问题。这些技术虽然古老，但也是新的：在许多情况下，在智能体世界中执行这些任务的方式发生了根本性的改变。
我们引入的一个概念是“流湖仓”（Streamhouse），这实际上是为一些科技巨头多年来一直在使用的一种新数据架构命名。如果你没有像Uber或Netflix那样拥有庞大的AI原生技术公司所面临的数据问题，你就不需要这类架构。但现在，随着智能体数量的激增以及它们产生的数据残留（data exhaust），我们看到那些过去对数据需求较低的公司现在也需要这种平台。我们正通过流湖仓等方案将这些能力推向市场，这只是一个例子。
因此，许多东西可以说是“旧瓶装新酒”，我们正进入AI的成熟周期。你在开场时展示了这些成熟技术，人们对此感到非常兴奋。让我们从流湖仓开始聊起，既然这是你的专业领域，不妨延续“房子”的隐喻。流湖仓是什么？在过去一年中，有哪些方面真正成熟到让你能够向IBM客户及其他人士展示如此新颖且令人兴奋的内容？
我认为我们看到许多公司转向了湖仓一体（lakehouse）。我们经历了数据仓库、数据湖，然后发展到湖仓一体。这些都是存储数据的不同方式：数据湖就是先把所有东西倒进去，以后再处理；而仓库则是另一种形态。流湖仓将一些理念结合在一起。你说得对，数据仓库类似于结构化归档；数据湖就像把一切扔进垃圾桶；而湖仓一体试图结合两者的优势，即我希望既能处理结构化数据也能处理非结构化数据，并且能够分离计算和存储。这是湖仓一体的核心价值支柱。
挑战在于我们现在发现：“我喜欢这种场景，但我的业务现实是数据资产分布不均”，这也可以称为碎片化。我们需要一种方法来整合所有这些内容，为智能体提供上下文，以便它们能在运营环境中快速采取行动。那么如何在并非为运营环境设计的湖仓中实现这一点呢？我们展示的是，通过这种“左移”技术——即将许多在湖仓中处理数据的方式运行于Flink（一种流式平台中的处理框架）——我们现在可以在实时环境中满足智能体的运营需求。
显然，IBM在过去一两年通过收购Confluent实现了数据的快速流动，确保数据位于智能体及其他应用所需的位置。这将关于智能体的长期主题结合起来，形成了一种思想群岛的汇聚之势，听起来令人兴奋不已。对于IBM客户而言，在流湖仓出现之前一年无法做到、而现在可以做的具体酷炫应用是什么？
这是一个好问题。我要稍微调整一下这个问题。我在主题演讲中谈到了这一点：历史上，构建流式架构非常困难。思考流处理的方式，特别是所谓的“有状态流处理”，足以让人头晕目眩。现在有了AI，时机很有趣：AI制造了这个问题，迫使更多公司采用这种新架构；但与此同时，它也是解决方案。我可以毫不费力地使用AI编写流处理和有状态流处理的作业。我可以使用在湖仓中定义好的作业，说：“嘿，重写这个。”
这项技术解锁的重要之处在于：由于流式架构很难构建，大多数人倾向于他们熟悉的东西，即请求-响应式的架构。我们大多是在这种模式下成长或受教育的。几乎每个人构建的Web应用，以及大多数移动应用，都是基于“我偶尔检查数据、查询它并更新”的逻辑。这非常典型地属于请求-响应模式，对吗？而流式架构更优越，因为它允许我以更低资源使应用程序更具响应性。它们能立即获得更新。
起初，整个体系开始显得更加有机自然，但这过程更加艰难，因此涉足者寥寥。如今，这些障碍已不复存在，我们可以自信地说：“我理解了请求-响应架构。”这正是我之前构建它的原因。但现在，我终于能够真正打造出心中理想的方案——为众多中小企业及大型企业提供更优的解决方案。我们过去无法实现这些，但现在可以了。
智能代理（Agents）的出现正将越来越多的企业逼入墙角。也许你之前并没有面临庞大的数据问题或高并发用户挑战，但突然之间，有了智能代理后这些问题便接踵而至。现在你需要重新思考：针对这种前所未有的新数据问题，正确的解决方案是什么？同样地，身份认证领域也开始出现连锁反应。
身份验证的历史与计算机一样悠久，你知道的，就是登录系统。但现在的情况是，面对这些自主运行的智能代理——它们并非人类，且数量可能多出几个量级——你需要确保只赋予它们短期有效的凭证等安全措施。IBM在这方面拥有极佳的解决方案，但它们是不同的。
问题虽然以前就存在，但在智能代理的背景下呈现出新的面貌，迫使我们以不同的方式去应对和解决。那么，你们收到了什么反馈？是否接触过那些对明年尝试这一技术感到兴奋的IBM客户或朋友呢？
是的，我最近与一家大型保险公司进行了一次非常棒的会议。他们正在审视这一技术，并表示这正是多年来一直在寻找的解决方案。他们开始看到它如何契合自身需求。我认为这是一个有趣的局面，因为在大多数企业中，负责维持系统运行的运维人员往往并不了解系统的内部细节。
这就在“构建者”与“运行者”之间形成了一种有趣的紧张关系和壁垒。但现在，人工智能赋予了这两组人新的能力。那些原本并不了解系统细节的运维人员现在可以说：“嘿，我可以为构建者提供更好的服务。因为借助人工智能，我实际上能够理解系统是如何被使用的。”
同样地，构建者也可以说：“好吧，现在我明白了我的软件如何利用底层系统，以及我在哪些方面可能给运维团队带来问题。”我认为人们开始意识到这一点非常酷：人工智能不仅仅是为了生成酷炫的图片或编写代码。
它能彻底改变你执行工作的方式，以及与他人协作的模式。它对人际关系和组织架构具有变革性的影响。在我看来，人们已经开始看到这一点，这真的令人兴奋。
这种热情显而易见。真希望当时能和你一起在亚特兰大。感谢你的报道，祝你在那里度过最后一天，返程航班平安。我也要感谢Kio、Ash、Jessica和Judith等其他小组成员参与本周的专家混合访谈节目。
下周同一时间，我们再见。