刚刚过去的1024程序员节，小红书Red Academy和小红书科技发起了一场直播，在这场直播里，小红书技术副总裁凯奇、小红书语音模型技术负责人风龙，携手Hugging Face联合创始人Thomas Wolf，以最近流行的AMA（Ask Me Anything）形式，进行了一场关于技术、AI与未来的深度对谈。
这场对谈围绕三大核心观点展开:
开源是技术加速发展的核心引擎;
实现有“活人感”的AGI路径清晰但仍需攻克诸多难题。
从这三个观点出发，三位嘉宾关于以下几个话题进行了讨论和分享:
开源与闭源:三位嘉宾一致认为开源是推动技术前进的强大引擎。小红书正投身其中，从文本模型、多模态模型到FireRed系列语音模型，初衷是为让更多开发者和中小企业能共享技术红利。
AGI与未来:通用人工智能将会到来，但发展路径仍有挑战，例如在创造力、复杂环境感知和数据等方面仍有瓶颈。
如何让AI更有“人味”:凯奇分享了小红书引入“人文训练师”的实践，致力于让AI的交互更自然、更贴心，真正融入小红书这个充满“活人感”的社区。
AI时代的个人能力:技术人的核心竞争力正转向“定义问题”和“框架性解决”的能力;AI不仅是效率神器，也让非技术背景的人拥有了“指挥”计算机实现想法的能力。
以下是直播对话摘录:
Q: 怎么看大模型时代的开源和闭源?
Thomas Wolf:开源和闭源差距在缩小，中国在这方面比较领先。现在也发现，很多其他国家的人会开始从一个开源模型着手。开源能打造一个围绕模型的社群，让更多人使用，更高效地帮助他们。闭源就是需要更多的一些时间来去开发出一些好的模型。
风龙:整个的开源其实是推着技术往前走的，推着技术不断的往下发展。开源才是动用了大家的力量，众人众人拾柴火焰高。语音技术发展经历开源工具如HTK、Kaldi、Wenet、FireRed等，推动技术前进。闭源对商业公司无可厚非，但可能是暂时性选择。
凯奇:AI开源与代码开源还挺不同的，更关注模型权重和制作过程公开。开源降低社会运用AI成本，互帮互助，整体上降低了整个社会去运用AI的成本。
Q: 小红书做了哪些开源?为什么这么选择?
凯奇:今年6月小红书开源了文本模型1.0版本，是hi lab第一个MoE模型。8月开源多模态模型，性能对标Gemini和Seed。开源dots OCR模型，在hugging face热门榜排第4。
风龙:语音模型方面，我们开源了在50多个benchmark综合排名第一的大模型语音识别系统FirRedASR;开源了面向对话及长播客生成的大模型语音合成系统FireRedTTS业务，在播客生成开源领域达到了sota的效果;也首次开源了一套完整的可私有化部署的大模型人感语音交互系统。这些模型都受到了很多好评。我们想让中小型公司和独立开发者，也能享受这种玩大模型的乐趣，所以我们会做一些大模型，打破相对的技术垄断。我们从社区里面汲取了营养。我们也觉得需要把技术公开出来，一方面是听取社区给模型的反馈，来知道模型到底做得怎么样。
Q: 怎么看AGI的实现和想象，通往AGI上有哪些瓶颈?
Thomas Wolf:AGI不会立刻实现，会有多功能、全方位的提升。未来应用包括机器人、大语言模型、语音识别。AGI也能够创建一些我们之前没概念的东西，比如新游戏、新体验。同时能够打造全新的科学发展，发明新科学。
AGI的一个瓶颈是模型缺乏创造力。当你有一个问题时，它们非常擅长解决问题，但要求它们发明一个新问题时，例如想在科学上取得重大突破时，就需要找到正确的问题来提出，而LLM模型目前非常不擅长提出好问题的。
风龙:5-10年内可能看到曙光，但路上还有种种曲折，但如果要真的实现电影《Her》里面的人工智能想象，还需要解决非常多的问题 比如硬件、甚至一个简单的蓝牙数据传输稳定性都需要持续提升
凯奇:关键转折点是AI能否改进自己。如果可以做到，只要有算力，就可以不停的自我改进，智力增长会非常非常的快。障碍有context bottleneck和非智力因素瓶颈。
Q:你怎么看技术进展的速度?是在变慢吗?
Thomas Wolf:可能有一点。我想很多人对最近的模型有点失望。幸好有新一波的推理模型提供了新范式。但我们构建的AI仍然是非常听话的学生，它们按照我们的要求做，但对应该做什么几乎没有好想法，所以仍非常需要人类来指明方向。至少在当前，需要人来给出要解决的问题，我们需要给出前进方向，给出要做什么的创造性想法。所以我建议，要让知道自己该做什么的人使用这些模型，这样就能很好地理解它。
Q: 在技术产品中如何保持人情味?如何让AI保持人感?
凯奇:当前AI回答有时候会有点冷冰冰、缺乏同理心。小红书是大家称之为一个有“活人感”的社区，所以在小红书用AI的时候，我们也希望这个AI也是更有活人感的。会通过后训练和RL算法调整行为，用人文训练师教会AI更有人感回答。
Thomas Wolf:情感非常重要，需要更好数据来做情感输出，当前的瓶颈是数据量不够。可以做的是:看待AI答案要有批判性，同时也要评估AI的错误率。
风龙:语音模型中会加入情绪感知和环境音感知生成情感反馈语音。我们会分析目前这句话到底有没有表达出情绪，是开心的还是有一点悲伤的?还是说有一点愤怒?我们也有能主动感知对话中用户情绪的TTS，如果用户当下很难过，那AI回复的语音就会带有安慰的情感。
Q:对于个人或团队，推荐哪些AI小项目方向，如何构建壁垒?
凯奇:发挥专业领域知识，解决context bottleneck，挑选合适context喂给AI。怎么挑选哪些context扔给它，这个是很重要的。
Thomas Wolf:这是一个高度数据驱动的世界和领域。所以第一步始终应该是:尝试为我们想要衡量的东西建立一个良好的评估标准。有了标准然后才能看清你想朝哪个方向发展，进入哪个领域，甚至决定是否应该使用AI。
Q: 对于非技术同学，在AI浪潮下有什么建议?
风龙:AI降低实现产品门槛，非技术同学也可以一个人做产品。人人都真的可以一个人做产品。
凯奇:产品同学多了一个强大武器，需学习AI技术边界，了解prompt engineering、fine tune等手段。
Q: 怎么使用AI coding提效，怎么看待AI coding的发展?
风龙:在语音研究工作中需要大量测试网页。之前的网页都由语音研究员手写，有了AI coding工具后，这种写前端的工作完全可以用现成工具完成，大大节省时间。
凯奇:写demo程序时，用AI做refactor或熟悉API，可以直接扔文档让它写代码，非常提效。AI coding让非程序员也能操纵计算机达成目的。AI coding还处于早期阶段，现在还没那么好，但未来在程序架构迭代和运维方面会更强。
Q: AI浪潮下，技术人的变与不变?
风龙:技术人还要找到核心竞争力，AI coding只是工具箱中的一个工具。看到一个大的应用问题后，不变的是要想怎么去拆解，怎么用工具箱里面工具把它做好。
凯奇:未来世界上只有会用AI的人和不会用AI的人两种，技术同学在会用AI这块是很有优势的。技术人需提升通用问题解决能力和产品sense，发现和定义问题比具体怎么做更重要。
Q: 学习新技术有什么好的方法和建议?
风龙:很多时候我们觉得可能要自己ready了再去做一件事，但是往往我们其实就是learning by doing。跟踪最新论文、与同行交流、公司内部讨论。
凯奇:用AI陪看论文非常提效，能很快帮我推导公式和分析逻辑，就能很方便地理解公式。Notebook LM可以听论文写概要。
Q: 最近两个月，小红书里刮起了AMA风，有什么体验和有趣发现?
Thomas wolf:我是首次参加 AMA，很多人来问我应该学什么专业，应该从事什么样的工作，我觉得这个方式是非常好的一个方式，能让很多行业里非常优秀的人所聚集在一起，直接建立连接。
凯奇:在主页上刷到了很多AMA的笔记，过去小红书这个产品给大家的印象可能更多是偏生活向的，但这次AMA，在科技领域的兴趣圈层也是有很好的爆发。我的一些朋友告诉我，他们现在都是在小红书看论文，我觉得小红书作为生活兴趣社区，的确正在变得越来越广大。
风龙:我发了第一篇AMA笔记后，收到500多条评论问语音相关的问题，其中有人问我为什么社区里有这么多AMA帖子。我回答的是:因为优秀的人总会和优秀的人相遇。
*小红书科技薯在今年9月策划发起了AMA（Ask me anything）活动，这一玩法在小红书上快速发酵——许多知名AI产品创业者、大厂负责人、高校教授等科技大咖纷纷在小红书上发布“Ask me anything”的笔记，邀请用户向自己提问，并积极在评论区互动、对话。
Q:如果回到30岁，会给自己什么建议?
Thomas Wolf:十年前，2015年那时我创办了Hugging Face。我认为那是个好主意。所以我会说，去做你打算做的事，探索你所热爱的。
风龙:如果回到30岁的时候，我会选择在博士毕业后直接加入小红书，享受挑战和攀登珠峰的经历。
凯奇:要搞AI。
（推广）