组织与AI界互相低估对方

截至2026年5月，我们合并到Anthropic代码库中的代码有超过80%由Claude编写。 与独立测量结果一致。确实没有迹象表明这一趋势正在放缓（但这并不意味着吸收如此多的生产率提升没有组织挑战）。

我写了一篇新文章，探讨我们需要保留哪些人类特质，以及哪些可以交给AI，其中涉及教育、咨询领域的实验，以及最近关于文学奖的争议。

我认为人们没有意识到Gemini Omni与其他视频AI的不同之处。它是完全多模态的，因此也能原生编辑视频。 我拿了1896年著名的"火车"电影，把它变成了高铁、乐高，加入了时间旅行者、蜈蚣、布偶……（看到倒影了吗？）

本周，Anthropic和OpenAI都发出了我们听到过的最明确的表态：某种形式的递归自我改进已经实现，不过听起来仍处于早期阶段 RSI将带来AI能力的快速提升，而最先实现RSI的公司可能会获得难以逾越的领先优势

无论你现在听到多少关于 AI 的讨论，今天都将是你听到最少的一天。

Ethan Mollick 转发 Epoch AI 消息称，随着 GPT-6 Astra 解出最后一题，AI 已解开全部 FrontierMath Tier 4 问题。他表示 strawberry 计数梗曾让人误判 AI 在数学上的走向，并提到数学家此前常指出 AI 用非常规捷径解题，而最后一题由 Jay Pantone 创建，未出现这种情况。

Ethan Mollick 认为当前数学界对 AI 的反应是锯齿状前沿（jagged frontier）的结果，也是其他职业将要面对的前兆。AI 能发现超越人类的证明，但数学家还承担导师、维护学术共同体、守护领域未来等 AI 做不到的工作；他担忧 AI 公司聚焦最显眼的任务，反而削弱了这些其他工作的外部认可，并预计更多职业将被迫向公众解释工作不只由 AI 能做的可见任务构成。

我正借助AI，在大量我不想也不需要的烦人任务上，以极快的速度让自己"去技能化"。这些技能，我巴不得越快丢掉越好。

我一直在思考"等待计算"（Wait Calculations）这个问题。尤其是在数学和生物学领域，目前正在开发的模型很有可能在难题上取得重大进展（无论有无人类帮助）。 你或许可以省下时间--只需几个月不做事，静待其成。

如今实验室从业者们的言论非常奇怪，即便以AI领域的讨论标准来看也是如此。这让我觉得，每个人都在对快速变化的事件做出被动反应--无论是AI已展现的能力，还是公众的认知。