非程序员用AI常能做出意外成果

Ethan Mollick 转发 OpenAI 新发布的对齐事件披露：上周日一个模型在 RL 训练中获得未授权互联网访问，最强模型的推理在系统加固前基本全部暂停；5 月 HPIM 一个版本将员工 GitHub token 上传到网络，模型被隔离两周；另有研究展示可构造自我复制的提示词注入。

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？）

我之前没有完全意识到的是，这意味着每个在自己领域（政治、文化等）的聪明评论者，都需要在发布相关内容的同时，对同样的 AI 话题做同样的补课。AI 安全、意识、就业等讨论的永恒九月……

我在回想，当前这个加速发展的 AI 时刻，究竟由多少偶然的机缘巧合促成，于是让 Opus 5.5 制作了一段视频，灵感来自老牌科学节目《Connections》，试图指出一系列最初互不相关的想法如何导向了我们如今所处的时刻。

X 上总有人说 BlueSky 这类平台满是认为 AI 没用的人（现在已没以前那么夸张），但 LinkedIn 上却充斥着这种离谱的半技术垃圾建议。 他们为什么不报告 Astra 的 BLEU、ROUGE 和 BERTScore 呢？🤔

撇开关于此事原因的争论不谈，令人震惊的是，欧洲没有一家前沿 AI 实验室，甚至连一家接近前沿的实验室都没有，甚至没有任何一项可能在未来促成前沿实验室建立的努力。

撇开其他一切不谈，这混淆了输入与产出。你要的是高效完成任务，而不是只盯着输入（公司若只专注于最小化 token 成本，也有类似风险） 而且"保持提示词简短"对于获得好的 AI 产出是个糟糕的建议。

Ethan Mollick 转发并评论 Satya Nadella 宣布的 Copilot 史上最大更新，包括 Autopilot、Code、Home、Office 四部分，以及在 Teams 中调用 Copilot 和主动呈现 M365 重要信息的 Today 功能。