کامرون فن مدیریت سرمایه هوش مصنوعی در مورد آینده رباتیک در چند سال آینده

توانایی حل مسئله. در صنعت اجرای ایده های جدید چندان مهم نیست، اما باید بتوانید مدلی را بر اساس تحقیقاتی که در حال انتشار است بسازید. شاید در شرکت های برتر در تجارت کمی، الگوریتم های جدیدی می سازند که با دیگران به اشتراک نمی گذارند، اما برای بقیه ما حداقل توانایی بازتولید تحقیقات کلیدی است. اگر الگوریتمی در حال ضرر دادن است، مردم باید روی پای خود فکر کنند تا بتوانند مشکلی را حل کنند.

با کمبود نیروی کار، شرکت ها اکنون به دنبال این هستند که چگونه روبات ها می توانند بخشی از نیروی کار از دست رفته را جایگزین کنند. برای مثال اینجا را ببینید. حقیقت این است که این واقعا ایده جدیدی نیست، زیرا شرکت هایی مانند آمازون مدتی است که از روبات ها استفاده می کنند. در چند سال آینده چه چیزی را می توانیم در صنعت رباتیک ببینیم؟ربات ها چگونه استفاده خواهند شد؟چه نوع ربات هایی در حال تولید هستند؟ربات ها تا چه حد می توانند به رفع کمبود نیروی کار کمک کنند؟ربات ها می توانند جایگزین کدام مشاغل شوند و کدام مشاغل به انسان نیاز دارند؟در مجموعه ما به نام «آینده رباتیک در چند سال آینده» ما با رهبران شرکت های رباتیک، شرکت های هوش مصنوعی و شرکت های تولیدکننده فناوری پیشرفته صحبت می کنیم که می توانند به این سؤالات بپردازند و بینش تجربی خود را به اشتراک بگذارند.

به عنوان بخشی از این مجموعه، من لذت مصاحبه با کامرون فن را داشتم.

کامرون فن مدیر تحقیقات شرکت تحقیقات کمی AI Capital Management (AICM) است که در آنجا بر تلاش ها برای توسعه الگوریتم های معاملاتی کمی در بازارهای فارکس، کالاها و سهام نظارت می کند. AICM استارت آپی است که از Mass Challenge، Nvidia، Nex Cubed و NSF بودجه و حمایت دریافت کرده است. شرکت هایی مانند دو سیگما به الگوریتم های توسعه یافته توسط کامرون و تیمش علاقه نشان داده اند. او همچنین دانشجوی دکترای اقتصاد در دانشگاه میشیگان است.

از اینکه در این مجموعه مصاحبه با ما همراه بودید بسیار سپاسگزاریم! قبل از غواصی، خوانندگان ما دوست دارند "با شما" کمی بهتر آشنا شوند. می توانید کمی در مورد «تجربه ی پس زمینه» خود و نحوه شروع کارتان در رباتیک بگویید؟

من در تجارت الگوریتمی و یادگیری ماشین کار می کنم ، بنابراین خودم را روباتیک مجاور می دانم. با این حال ، من می خواهم مردم را ترغیب کنم که اتوماتی را که در رایانه انجام می دهد در نظر بگیرند. من به یادگیری ماشین در سال ارشد خود در کالج علاقه مند شدم و وسواس یادگیری ماشین را گرفتم ، بنابراین همه چیز را در مورد آن یاد گرفتم. من به یاد می آورم که بنیانگذار آینده من ، مارشال ، به من می گوید که چه زمانی او یک روبات برای تجارت برای او ایجاد می کند. من او را جدی نگرفتم. سه یا چهار سال در جاده ، او با این ایده به من آمد و من تصمیم گرفتم به او بپیوندم. مارشال به خودی خود دانشمند داده خوبی است ، اما او من را برای تخصص یادگیری ماشین من می خواست. ما برنده رقابت Mass Challenge Start شدیم و از برخی سرمایه گذاران بودجه گرفتیم. سرمایه گذاران وقتی برای اولین بار شرکت را شروع کردم ، مرا مرعوب کردند ، اما جمع آوری صندوق به راحتی پیش رفت. من فکر می کنم آنها تشخیص دادند که ما می دانستیم که در مورد چه چیزی صحبت می کنیم ، و مردم اعتماد داشتند که ما می توانیم یک استراتژی مؤثر در تجارت کمی ایجاد کنیم.

آیا می توانید جالب ترین داستانی را که از زمان شروع کار خود برای شما اتفاق افتاده است به اشتراک بگذارید؟

من یک داستان خوب ندارم ، اما یادم است که با احساس سندرم ایمپاسترها وارد دستگاه جوجه کشی Nex Cubed شدم. مارشال می توانست نفت را به سعودی بفروشد. اما من عصبی بودم. بعداً فهمیدم که ما در زمینه خود متخصص هستیم و سایر شرکت ها نیز توسط متخصصان هدایت می شدند ، اما هیچ کس نمی تواند یک الگوریتم تجاری کمی را مانند ما می توانست طراحی کند. من این را به عنوان یک درس زندگی گرفتم که نباید خودم را کوتاه بفروشم و کار سختی که در یک شرکت قرار دادیم برای جامعه ارزشمند بود.

آیا می توانید "نقل قول درس زندگی" مورد علاقه خود را به ما بدهید؟آیا می توانید به اشتراک بگذارید که چگونه در زندگی شما برای شما مرتبط بوده است؟

من می خواهم یک چرخش جدید در یک نقل قول قدیمی ارائه دهم. خط معروف از فارغ التحصیل وجود دارد که آشنایی والدین بن ، آقای مک گایر ، برخی از مشاوره های اشتغال را به بن ارائه می دهد: "یک کلمه: پلاستیک."این دوست در تلاش بود تا به بن منتقل شود که آینده ای در صنعت پلاستیک وجود دارد ، اما مطمئناً او آن را به آستین ترین راه ممکن منتقل کرد. من نمی خواهم آن را انکار کنم ، و همچنین توصیه نمی کنم که به کودکان سن کالج دوستان خود بگوییم همان کار را با امیدوار کننده ترین حرفه امروز: روباتیک. با این حال ، من می خواهم به این فرصت اشاره کنم که هجوم آورد که آقای مک گایر پیشنهاد بن ، هرچند طنزآمیز را ارائه می داد ، فرصتی کم ارزش است. من فکر می کنم به عنوان کارگران موفقیت آمیز یقه سفید ، ما به عنوان کاری که مردم یقه آبی یا ناامیدتر هستند ، به پایین نگاه می کنیم. این بخشی از طنز خط آقای مک گایر است ، اما هوسنگ چیزی است که باید برای کسی که از هر سطح موفقیت برخوردار باشد ، جدی گرفته شود.

باشه فوق العادهبیایید اکنون به تمرکز اصلی مصاحبه خود تغییر دهیم. آیا می توانید در مورد جالب ترین پروژه هایی که اکنون روی آنها کار می کنید به خوانندگان ما بگویید؟

ما یک پروژه داریم که در آن از شبکه های عصبی Convolutional برای تصاویر در رابطه با شبکه های عصبی گشاد شده و/یا ترانسفورماتورهای سری زمانی استفاده می کنیم تا داده های تصویر Ticker را بگیریم و از آن برای پیش بینی قیمت سهام استفاده کنیم. شبکه های عصبی متلاشی به اندازه ترانسفورماتورها قدرتمند نیستند ، اما ما شاهد برخی از هم افزایی های جالب با Convnets گشاد شده برای سری های زمانی به همراه Convnets معمولی برای تصاویر هستیم. من می دانم که من می گویم کلمات زیادی که ممکن است برای خواننده متوسط معنی نداشته باشد. من شما را تشویق می کنم تا صحبت های TEDX مارشال را برای جزئیات بیشتری مشاهده کنید که درک آن آسان تر است.

من فکر می کنم کارهایی که بیشتر از همه مرا هیجان زده می کند ، کارهایی است که من به عنوان دانشجوی دکترا انجام می دهم. به دنبال توصیه های خودم در مورد Hustling ، من هر دو مدیر تحقیقات در مدیریت سرمایه AI و همچنین یک دانشجوی دکترا هستم. کارهایی که من از آن بیشتر هیجان زده ام استفاده از تکنیکی به نام استنتاج مبتنی بر شبیه سازی برای برآورد مدلهای کلان اقتصادی به صورت عاری از احتمال. این رویکرد نه تنها تخمین را سرعت می بخشد بلکه باعث می شود کلاسهای کامل مدل ها به روشی بیزی تخمین زده شوند. برای اطلاعات بیشتر در مورد اطلاعات عمیق و دوستانه تر ، به وب سایت من مراجعه کنید.

به نظر شما چگونه این ممکن است جهان را تغییر دهد؟

خوب ، کار من برای مدیریت سرمایه AI ممکن است یک زن و شوهر ثروتمند را ثروتمندتر کند. این یک فکر وجودی ترسناک است.

تحقیقات در اقتصاد به نفع سیاستگذاران خواهد بود. بنابراین ، من حدس می زنم که من امید خود را به این موضوع می اندازم.

با توجه به "آینه سیاه" ، آیا می توانید اشکالاتی احتمالی در مورد این فناوری مشاهده کنید که مردم باید عمیق تر درباره آن فکر کنند؟

من قصد دارم دیدگاه گسترده ای از اصطلاح روباتیک داشته باشم و به طور کلی در مورد یادگیری ماشین و الگوریتم های رایانه صحبت کنم. بسیاری از دانشمندان داده به ضرر و زیان شغلی اجتماعی آینده به دلیل الگوریتم ها اشاره می کنند. فقط به عنوان مثال ، با توجه به توضیحی درباره آنچه باید انجام شود ، OpenAi Copilot اکنون می تواند کدی بنویسد که بدون کمک انسان ها کامپایل و اجرا شود. Illya Sutskever از Openai در حال ضبط است و می گوید این ابزار برای کمک به خودکار کردن کد دیگ بخار که برنامه نویسان باید بنویسند ، ساخته شده است. این در حال حاضر صادق است ، اما هرکسی که معضل مبتکر را خوانده است ، می تواند تشخیص دهد که Copilot یک نوآوری مختل کننده است که راه خود را برای زنجیره ارزش انجام می دهد تا اینکه کدگذاری بیشتر توسط دستگاه پس از مشخصات انسانی انجام شود. ممکن است 20 سال طول بکشد ، اما این اتفاق خواهد افتاد.

از طرف دیگر بحث ، برای بازی در وکیل شیطان ، بیشتر اقتصاددانان هستند. وقتی افرادی مانند مشک در مورد تهدید هوش مصنوعی هشدار می دهند ، اقتصاددانان می بینند که با انقلاب صنعتی اول و دوم چه اتفاقی افتاده است. قبل از اولین انقلاب صنعتی ، 90 ٪ از کارگران در کشاورزی کار می کردند. وقتی مردم چیزهایی مانند جین پنبه را دیدند ، بسیاری نگران بودند که شغل خود را از دست بدهند. داستانی در مورد روحانی ادوارد کارترایت وجود دارد ، که در الیزابتان انگلیس یک بخار بخار اختراع کرد. بافندگان ، که بسیاری از آنها در حال مهتاب کارگران کشاورزی بودند ، می ترسیدند که اشتغال خود را از دست بدهند و کارخانه را به زمین سوزاند. حتی اگر این امر زنده مانده باشد ، ملکه الیزابت اول تقریباً مطمئناً استفاده از آن را برای دلجویی از کارگران رقابت با این نوآوری ممنوع کرده است. اقتصاددانان علاقه مند به گفتن داستانهایی از این دست هستند تا نشان دهند که حتی اگر کشاورزی مکانیزه شده باشد و بیشتر 90 ٪ کارگران نمی توانند به کار در کشاورزی ادامه دهند ، ما به بیکاری گسترده و مداوم خاتمه ندادیم. کارگران فقط چیزهای دیگری را که در آنها خوب بودند ، پیدا کردند ، مانند کارگران کارخانه یا شاید در این مرحله ، روباتیک و هوش مصنوعی.

من می توانم هر دو طرف این استدلال را ببینم اما کمی به سمت اتوماسیون تکیه می کنم و باعث جابجایی قابل توجهی در نحوه دیدن انسان در جهان می شود.

5 موردی که شما را در مورد صنعت روباتیک هیجان زده می کند چیست؟چرا؟

1. مدلهای بزرگ زبان ترانسفورماتور.

این مدل ها اولین مدل های محاسباتی هستند که به نظر می رسد مانند انسان می توانند یاد بگیرند. شما باید مدلهایی مانند کلیپ و دال را ببینید. شما می توانید به دال بگویید که تصویری از صندلی آووکادو ایجاد کند و با وجود این که هرگز اختراع نشده است و در مجموعه آموزش نیست ، این عکس از صندلی های آووکادو قابل قبول ایجاد می کند. بیشتر مدلهای آماری درون یابی خوبی هستند ، اما هر مدل یادگیری ماشین در ابعاد بالا باید یک برون یابی خوب باشد که بسیار سخت تر است. این نفرین ابعاد است. من می دانم که تمام مدلهای بینایی و NLP باید بتوانند تا حدی برون یابی کنند ، اما GPT-3 ، کلیپ و دال-E اولین مدلهایی هستند که با توجه به یک فوری منحصر به فرد ، مانند آنچه که یک صندلی آووکادو به نظر می رسد ، واقعاً می توانند مانند انسان برون یابی شوند. مثل حتی اگر کسی قبلاً یکی را ایجاد نکرده باشد. این هم هیجان انگیز و هم ترسناک است.

2. یادگیری متضاد.

این یک موضوع اکثراً دانشگاهی است ، اما یادگیری متضاد ثابت می کند که با همان مقدار داده ، اگر برچسب هایی برای آموزش نداشته باشید ، می توانید تقریباً یاد بگیرید. وقتی به یادگیری آماری فکر می کنیم ، فکر می کنیم مدل هایی که از X ورودی دریافت می کنند و y را پیش بینی می کنیم. به منظور آموزش این مدلها به روشی تحت نظارت ، به جفت داده X ، y نیاز دارید. این یک پیشرفت بزرگ است زیرا بیشتر اینترنت و جهان به طور کلی داده های بدون نظارت هستند ، داده ها فقط حاوی مقادیر X هستند. وقتی نوزادان یاد می گیرند که چگونه صحبت کنند ، ما به نوعی می آموزیم که چیزهایی به چه معنی است حتی اگر کسی تعاریفی از بیشتر کلماتی که ما می آموزیم به ما ارائه دهد. یک سال پیش ، من یاد گرفتم که چگونه به طور صحیح چولسکی را تلفظ کنم ، که یک تجزیه ماتریس است. من سالهاست که آن را "کولسکی" تلفظ می کردم زیرا یاد گرفتم که فقط از خواندن در متن چیست. اگر ماشین آلات فقط با تعامل در جهان بدون نظارت بیاموزند ، می توان از مجموعه داده های بزرگتر از اینترنت ، از اینترنت تا تعامل افراد روزمره استفاده کرد.

3. شبکه های عصبی نمودار.

این امر در Neurips و سایر کنفرانس ها وزوز زیادی به دست آورده است و دوباره به اندازه پاشش در صنعت نیست ، اما با استفاده از فناوری فعلی می توانید شبکه های عصبی را روی نمودارها بسازید و آنها را به همان روشی که می توانید تصاویر را تجزیه و تحلیل کنید ، تجزیه و تحلیل کنید. مایکل برونشتاین مهمترین محقق در این زمینه است ، اما دیگران نیز مهم هستند. بنابراین بسیاری از ارتباطات انسانی را می توان در شبکه ها ضبط کرد. در خارج از شبکه های اجتماعی و شبکه های تعامل ، می توان شبکه هایی از دانش بشری را ایجاد کرد ، جایی که می توانیم به رایانه ها بگوییم و ماشین ها به عنوان یک صندوقچه در ارتباط هستند. یادگیری عمیق به عنوان یک زمینه بالغ شده است که نوآوری های کمتری در بازی پیشنهاد می شود ، اما شبکه های عصبی یادگیری عمیق هندسی و نمودار یک زمینه نابالغ تر هستند و این یکی از تنها مناطقی است که هنوز هم باید میوه های آویز پایین تر برای تأثیرگذار وجود داشته باشدپژوهش.

متأسفانه ، من نوآوری چهارم و پنجم ندارم.

5 موردی که شما را در مورد صنعت روباتیک نگران می کند چیست؟چرا؟

1. مدل های زبان در مقیاس بزرگ.

من می دانم که گفتم آنها هیجان انگیز هستند اما توانایی آنها در فکر کردن در خارج از جعبه مانند انسان ترسناک است.

همانطور که می دانید ، بحث و گفتگو مداوم بین دانشمندان برجسته (شخصیت به عنوان بحث بین الون مسک و مارک زاکربرگ) در مورد اینکه آیا پیشرفته AI پتانسیل ایجاد خطر برای بشریت را در آینده دارد ، وجود دارد. موقعیت شما در این مورد چیست؟

اول از همه ، من فکر می کنم این طعنه آمیز است که الون ماسک به یافتن و تأمین بودجه OpenAi کمک کرد که اکنون به سازمانی تبدیل شده است که بیشترین سرمایه گذاری در ساخت مدلهای ترانسفورماتور زبان در مقیاس بزرگ است ، زیرا این الگویی است که احتمالاً قادر به گذراندن آزمون تورینگ در بخش خوبی استشرایط

در مقابل ، اندرو نگ علاقه دارد بگوید ، "نگرانی در مورد هوش مصنوعی حساس به همان اندازه که نگران جمعیت بیش از حد در مریخ است ، فشار می آورد."آیا می تواند اتفاق بیفتد؟آره. آیا این یک مشکل قابل پیش بینی است؟نه. این نقل قول کمی است زیرا مدلهای زبان در مقیاس بزرگ از نظر انسان مانند استدلال خلاقانه کمی ترسناک به نظر می رسند. با این حال ، روح عمومی نقل قول هنوز چیزی است که من به آن اعتقاد دارم.

تخصص من در امنیت محصول است ، بنابراین من به این سؤال علاقه مند هستم. در محیط امروز ، هکرها به نرم افزاری که روباتیک را اجرا می کنند ، برای باج افزار ، به مارک های آسیب دیده یا سایر اهداف مخرب وارد می شوند. براساس تجربه شما ، شرکت های تولیدی برای کشف آسیب پذیری در روند توسعه برای محافظت از روباتیک خود چه کاری باید انجام دهند؟

فکر نمی کنم واجد شرایط صحبت در این باره باشم. تنها چیزی که می توانم بگویم این است که برنامه نویسان که به دلیل GitHub Copilot شغل خود را از دست می دهند ، ممکن است بتوانند زندگی جدیدی را به عنوان مشاوران Infosec پیدا کنند. من داستانهایی از افرادی را شنیده ام که از یک دماسنج مخزن ماهی متصل به اینترنت هک شده اند و شرکت های بزرگ را هک می کنند. این نرم افزاری نیست که آسیب پذیری اصلی باشد ، اما افرادی که ایمیل دریافت می کنند و روی پیوندها کلیک می کنند و غیره. شما فقط نمی توانید یک نرم افزار انسان را به روز کنید تا از هکرها بیشتر فریب خورده باشد.

با توجه به هزینه و منابعی که برای توسعه روباتیک لازم است ، چگونه می توانید از مالکیت معنوی خود در طول توسعه محافظت کنید و همچنین پس از استقرار روبات در صنعت؟

یکی از دوستانم یک بار گفت ، اگر چیزی را که شخص دیگری از آن کپی می کند ، توسعه دهید ، احتمالاً قبلاً آن را به عنوان کارآفرین ساخته اید. بدیهی است ، این یک داستان متفاوت در معاملات کمی است که کد شما تجارت شما است ، اما برای یک کارآفرین عمومی هیچ کس در تلاش نیست تا یک ایده را از یک شرکت کپی کند که به عنوان مثال هیچ درآمد ندارد و فقط خوب یا یکدست استایده عالیحتی کواریانت هوش مصنوعی از تحقیقات حوزه منتشر شده و عمومی Peiter Abbeel برای ساخت روبات استفاده می کند. اگر می خواستید مدل تجاری او را به سرقت ببرید ، می توانستید. فقط تمام مقالات خود را بخوانید و کارهای او را اجرا کنید. مشکل این است که او یک مجموعه مهارت ایجاد کرده است و حتی کپی کردن ایده های او سرمایه گذاری زیادی خواهد کرد.

خارق العاده. در اینجا سوال اصلی مصاحبه ما است. 5 مورد شما برای ایجاد یک حرفه بسیار موفق در صنعت روباتیک چیست؟

من قبلاً در مورد این موضوع بحث کرده ام ، اما شما باید مایل باشید کارهایی را انجام دهید که افراد دیگر انجام نمی دهند. امیدوارم از نظر اخلاقی نباشد ، بلکه تمایل به ایجاد شبکه خود در وقت آزاد خود یا یادگیری بیشتر ماشین یا ریاضیات در هنگام تفریح دیگران در صورتی که می خواهید خود را ارزشمند کنید بسیار ارزشمند است. مارشال هنگامی که مجبور هستید وقت خود را برای نوشتن کد دیگ بخار صرف کنید ، آن را سنگ زنی گوشت می نامد. با این حال ، به آن فکر کنید که انجام گوشت لازم برای بهبود کار خود را انجام دهید. موفقیت بستگی به این دارد که شما چیزی را می خواهید و شرم آور نیست که چیزی به اندازه شخص بعدی بخواهید. اما اگر می خواهید موفق باشید ، باید آن را به دیگران ثابت کنید.

2. کنجکاوی و دانش فکری

از آنجا که هوش مصنوعی چنین زمینه ای سریع حرکت می کند ، تحقیقات جدید دائماً دانش و مهارت های شما را منسوخ می کند. بنابراین ، شما باید از آخرین نوآوری ها پیروی کنید. اخیراً در این خبر ، IBM در دادخواست متهم به آسمانی شد. حقیقت این است که برنامه نویسان رایانه قدیمی هر دو نسبت به همتایان فارغ التحصیلان دانشگاهی ، هر دو نسبت به تکنیک های جدیدتر از نظر تکنیک های جدیدتر هستند. به عنوان یک کارگر در رباتیک ، باید در برابر این روند عقب نشینی کنید و یا به سمت مدیریت حرکت کنید یا مطمئن شوید که مهارت های به روز دارید.

3. مهارت های ارتباطی

این چیزی است که من واقعاً باید روی آن کار کنم. صحنه ای در "The Big Short" وجود دارد که یک فروشنده اوراق قرضه جارد مقدار خود را معرفی می کند: "به او نگاه کن ، او حتی انگلیسی صحبت نمی کند. او در یک رقابت ملی ریاضی در چین پیروز شد. چینبله ، من از ریاضیات مطمئن هستم. "بعضی اوقات در ابتدا ، اینگونه احساس کردم که مارشال از من استفاده می کند. خوب است که فقط در ریاضیات خوب باشید ، اما اگر نمی توانید یافته های خود را برقرار کنید و برای خود صحبت کنید ، همیشه در بهترین حالت در بهترین حالت خواهید بود. در بعضی از سطح تقریباً ناخودآگاه من فکر می کردم گیج کننده افراد دیگر در اتاق به این معنی است که من باهوش هستم ، با این حال بیشتر این نشانگر این است که شما یک ارتباط دهنده بد هستید. مردم همچنین دوست ندارند احساس گنگ کنند و وقتی نمی توانند شما را درک کنند ، اغلب اینگونه احساس می کنند. و اگر نمی توانید دانش را به افراد دیگر منتقل کنید ، هیچ کس خوبی را انجام نمی دهد.

4- توانایی حل مسئله

در صنعت اجرای ایده های جدید مهم نیست ، اما شما باید بتوانید بر اساس تحقیقاتی که منتشر می شود ، الگویی بسازید. شاید در بنگاه های برتر در تجارت کمی ، آنها در حال ساختن الگوریتم های جدید باشند که آنها با شخص دیگری به اشتراک نمی گذارند ، اما برای بقیه ما حداقل قادر به تولید مثل تحقیقات مهم است. اگر یک الگوریتم در حال از دست دادن پول باشد ، مردم باید روی پاهای خود فکر کنند تا بتوانند یک مشکل را حل کنند.

5. ایجاد شبکه

من در حال خواندن لویاتان بودم و توماس هابز این نقل قول را ذکر می کند: "طبیعت مردان را در دانشکده های بدن و ذهن برابر کرده است ... ضعیف ترین قدرت به اندازه کافی برای کشتن قوی ترین ، چه با ماشینکاری مخفی و چه با اتحاد با دیگران که در یکسان هستندخطر با خودش. "به عنوان یک انسان ، فقط افراد زیادی می توانند یاد بگیرند و بنابراین تنها راه حل هر مشکلی که در آن ایجاد شود استفاده از دیگران است. کاملاً به معنای واقعی کلمه "این چیزی نیست که شما می دانید بلکه چه کسی را می شناسید" زیرا می دانید آنچه را که توسط بسیاری از موارد می دانید افزایش می دهد. حتی شخصی مانند ادوارد ویتن یا ترنس تائو نمی تواند در مقایسه با کل بخش فیزیکدانان یا ریاضیدانان به اندازه کافی تحقیق کند. بنابراین حتی اگر درخشان باشید ، اگر بتواند از توانایی های افراد دیگر استفاده کند ، از شما بهتر عمل می کند.

همانطور که می دانید ، بسیاری از زنان در این صنعت وجود ندارد. آیا می توانید توصیه کنید که برای مشارکت بیشتر زنان در صنعت روباتیک چه مواردی لازم است؟

این سوال سختی است. من فکر می کنم زنان به مدل های نقش زن بیشتری احتیاج دارند و تعداد زیادی از خانمها در آنجا کارهای بزرگی را در هوش مصنوعی انجام می دهند. من فکر می کنم از نظر فرهنگی به طور ناخودآگاه به زنان می آموزیم که زمینه های STEM برای بچه ها است و مردم آن را درونی می کنند. دیدن مدل های نقش در انجام کارهای جالب با هوش مصنوعی به زنان دیگر این امکان را می دهد که این کار را به عنوان کاری که می توانند انجام دهند ، ببینند.

شما فردی با نفوذ بسیار زیاد هستید. اگر می توانستید حرکتی را الهام بخشید که بیشترین مقدار خوب را به بیشترین میزان مردم برساند ، این چه خواهد بود؟شما هرگز نمی دانید ایده شما چه چیزی می تواند ایجاد کند.:-)

من یک بودایی هستم ، گرچه دیگر نمی توانم بودیسم را تمرین کنم. من یک مؤمن بزرگ در جهان هستم که مطابق هرگونه تعقیب معنوی یا مذهبی که در آن شرکت می کنید ، خود را تجلی می کنم. با این حال ، من افرادی را که در جستجوی پاسخ ها هستند تشویق می کنم تا مدتی را با بودیسم بگذرانند.

فقط نمونه ای از چیزی که بودیسم برای من روشن شده است. من فکر می کنم بسیاری از مردم چشم انداز غیر buddhist کارما دارند. مردم غالباً فکر می کنند که اقدامات خودخواهانه از نظر ماهیت خود به نفع خود است ، در حالی که اقدامات نوع دوستانه تمایل به ناراحتی خود دارد. در واقعیت ، اقدامات سامساری ، اقداماتی که باعث لذت دنیوی یا خوشبختی می شود ، مزایای سامساری بیشتری را به وجود می آورند ، در حالی که اقدامات از خود گذشتگی تر است ، فرصت های بیشتری را برای فداکارانه به وجود می آورند. من نمی گویم فقط باید از خودگذشتگی تمرین کرد. من پارک ها و نقل قول های تفریحی را از تام و دونا پاراگراف می کنم: گاهی اوقات باید با خود رفتار کنید. اما با پشتکار کافی ، خودگذشتگی منجر به رضایت عمیق تر و رضایت از زندگی و لذت های دنیوی می شود. من هنوز در آنجا نیستم که هنوز هم با ارائه این مصاحبه سعی می کنم برای خودم نام بسازم ، اما من این نوع خوشبختی را نشان داده ام و به شما اطمینان می دهم که برای کسانی که مایل به کار برای آن هستند وجود دارد.

چگونه خوانندگان ما می توانند کارهای شما را بصورت آنلاین دنبال کنند؟

می توانید اطلاعات بیشتری در مورد تحقیقات اقتصاد من در https://cameronfen. github.io/ پیدا کنید

خیلی ممنون از زمانی که برای انجام این مصاحبه صرف کردید. این بسیار الهام بخش بود ، و ما برای شما آرزو می کنیم که موفقیت های خود را ادامه دهید.