工作清單

诺贝尔奖得主哈萨比斯承认：Ai走错路了，普通人正在买单 #ai #科技

逐字稿文字預覽

朋友們,諾獎得主親口承認,AI走錯路了,他卻無能為力。
哈薩比斯在最近的訪談說了一句很重的話,如果由他來做出,AI應該在實驗室多待10到20年。
他不會急著賣錢,他會先多做幾個AlphaFold這樣的工具,說不定癌症都能被更早攻破下來。
因為AlphaFold不是一個普通的工具,它推進的是整個人類做科研的速度。
你身體裡面從一根頭髮到免疫系統,底層它都離不開蛋白質。
而蛋白質的3D形狀只要折磋了一點,後面可能就是癌症、白血病、阿爾茲海默症。
在過去的50年,人類也要搞清楚一個蛋白質的結構,再得花幾年時間幾十萬美金,還得靠X射線晶體學一點點上。
而AlphaFold直接就把這件事情從幾年壓到了幾秒鐘。
更狠的是,哈薩比斯還算過一比账,既然10秒鐘就能折一個蛋白質,那2億個蛋白質它一年就能全部算完。
那為什麼不乾脆做成免費的數據庫,開放給全世界人用?
而就這個拍腦袋的決定,後來讓全球的300萬科學家都在免費地用AlphaFold。
幾十種相關藥物也已經進入了零床實驗。
有一個製藥公司的科學家甚至說,再過幾年,我們真的有可能吃到第一批AI設計的藥。
而現在我們面臨的問題是,ChatGPT一出來,整條路就一下子偏了。
2022年11月30日,ChatGPT橫空出世,AI行業的重心一夜之間轉向了語言模型和消費級的產品。
全行業都開始了大模型的群雄爭霸。
谷歌也直接拉響了紅色情報。
哈薩比斯也從一個專注做科學的實驗室負責人,變成了谷歌的AI掌舵者。
他自己也坦白說,現在不是他想要的AI。
他想要的是,像歐洲核子研究中心那樣,全球最頂尖的科學家一起合作,
每走一步都把原理和後果講清楚,充分驗證。
哪怕他會慢十年二十年,也比現在這種一路狂奔更穩。
但現實由不得他。
在資本和市場的裹挾下,現在的AI公司都在卷什麼?
都在卷誰的模型更好,更快,卷誰的模型能幫老闆裁掉更多的人。
就過2025年,科技行業的裁員超過了10萬,一半以上都跟AI有關。
而今年以來,甲骨文宣布裁員3萬人,亞馬遜也宣布裁員1.
6萬人。
哈瑟比斯說,一個本來可以治癒癌症,發現新材料的工具,
現在被迫先去幫企業降本增效了。
現在整個AI行業都在走一條可能不是最優的路,
而我們所有人都在為這條路買單。
那另一條路是什麼?
哈瑟比斯專門成立了一個AI的製藥公司。
它想把原來需要10年研發,90%的失敗率,
需要幾十億成本的藥物研發過程,用AI徹底重做一遍。
而現在他們已經有了18-19個藥物項目正在推進,覆蓋了心臟病、癌症、免疫病這些最難治的病。
而它領導的另一個項目,已經破解了人類基因密碼,能精準地定位致病突變。
哈瑟比斯還說,在未來50年,AI很可能會幫我們實現可控的核聚變,治癒疾病,解決糧食和水資源的問題。
不過,這一切的前提是AI必須要走到正確的路上。
最後主持人問他,2016年,你板子上那張寫著,解決蛋白質折疊問題的便條還在嗎?
現在你桌上寫的是什麼呢?
哈瑟比斯胡笑著說,現在他的桌上貼滿了便條,差不多有上百張。
而上面寫的就是今天晚上他必須要做完的30件事。
一個純粹的科學家,他現在已經不能決定自己做什麼了。
這個最懂AI應該往哪個方向走的人,他已經沒有權力決定AI的方向了。
現在能決定AI方向的是資本和市場,
但他們最關心的還是怎麼賺更多的錢。

來源：transcript.txt

本次執行流程與問題處理

  1. 下達指令

    指令：videonote https://youtube.com/shorts/UGYU5KJijXM?si=rnFKCrydOUWtJZV5 --language zh

    來源：https://youtube.com/shorts/UGYU5KJijXM?si=rnFKCrydOUWtJZV5

    辨識語言：zh ｜ 參數：--language zh

  2. 預期流程

    依指令產生的處理順序：

    1. 下載與語音辨識
    2. 來源選擇與品質檢查
    3. 文字校正與句子單元
    4. 筆記與發布
    5. 公開網頁發布

  3. 1. 下載與語音辨識

    工具：videonote-transcribe-url（主辨識管線：下載、Whisper 辨識與選稿）

    處理：下載音訊、以 Whisper 辨識並選出最佳逐字稿

    產出：yt_dlp_meta.json（影片元資料）、audio_16k_mono.wav（16kHz 單聲道音訊）、transcript.whisper.json（Whisper 辨識結果）、transcript.json（正式逐字稿）、transcript_selection_report.json（來源選擇報告）

    耗時：21.0 秒

    關係：依序執行

    結果：完成

  4. 2. 全文快速校讀

    工具：videonote_rapid_transcript_review.py

    處理：先速讀完整逐字稿，再修正高可信突兀詞句並列出待確認項目

    產出：rapid_transcript_review_report.json（產出檔案）

    耗時：26.0 秒

    關係：依序執行

    結果：完成

  5. 3. 建立句子單元

    工具：videonote-build-sentence-units

    處理：將逐字稿切成帶時間軸的句子單元

    產出：sentence_units.json（句子單元）

    耗時：0.1 秒

    關係：依序執行

    結果：完成

  6. 4. 句子密度平衡

    工具：videonote_balance_sentence_units.py

    處理：平衡句子長度與密度

    產出：sentence_units.json（句子單元）

    耗時：0.1 秒

    關係：依序執行

    結果：完成

  7. 5. 時間軸稽核

    工具：videonote_timeline_audit.py

    處理：檢查時間軸與音訊對齊

    產出：timeline_audit_report.json（時間軸稽核）

    耗時：0.1 秒

    關係：依序執行

    結果：完成

  8. 6. 品質檢查

    工具：videonote_controlled_quality.py（檢查時間軸與品質）

    處理：檢查語言、時間軸與可讀性品質

    產出：controlled_quality_report.json（品質報告）、language_sanity_report.json（語言檢查）

    耗時：0.2 秒

    關係：依序執行

    結果：完成

  9. 7. 播放時間軸回填

    工具：videonote_rebase_display_timeline.py

    處理：將網頁播放時間軸回填為校正字幕時間

    產出：display_timeline_rebase_report.json（時間軸回填報告）

    耗時：0.2 秒

    關係：依序執行

    結果：完成

  10. 8. 逐字稿交叉檢查

    工具：videonote_cross_check_transcript.py

    處理：交叉檢查逐字稿與來源字幕

    產出：transcript_crosscheck_report.json（交叉檢查）

    耗時：0.2 秒

    關係：依序執行

    結果：完成

  11. 9. 來源句整理

    工具：videonote_prepare_source_entries.py

    處理：整理來源句子供時間軸與頁面使用

    產出：sentence_units.json（句子單元）

    耗時：0.3 秒

    關係：依序執行

    結果：完成

  12. 10. 生成筆記摘要

    工具：videonote-generate-note（生成筆記摘要）

    處理：生成筆記摘要與重點

    產出：note.md（筆記 Markdown）、note.html（筆記 HTML）

    耗時：82.2 秒

    關係：依序執行

    結果：完成

  13. 11. 建立筆記頁面

    工具：videonote-render-html（產生筆記 HTML）

    處理：產生可閱讀的筆記 HTML 頁面

    產出：note.html（筆記 HTML）

    耗時：0.3 秒

    關係：依序執行

    結果：完成

  14. 12. 發布公開頁面

    工具：videonote-publish（發布公開頁面）

    處理：發布到公開網站與每日列表

    產出：公開筆記網址、result.json（管線結果）

    耗時：0.4 秒

    關係：依序執行

    結果：完成

手動來源字幕

自動來源字幕

Whisper 字幕

Qwen 字幕

Parakeet 字幕

MOSS 字幕

聲學時間證據（PyAnnote / WhisperX）

校正前後逐字稿

目前待解決問題與初步改善方向

進一步精進字幕與筆記
使用 Workbench 上傳校正字幕、中文參考稿或回饋 SRT，重新產生雙語與學習單元。
開啟 Workbench