Dwarkesh Patel¶
- 背景: 美国播客主持人（Dwarkesh Podcast），以对 AI 研究者、科学家、历史学家的深度长访谈著称；AI 圈重要的观点集散地。
- 频道: YouTube @DwarkeshPatel
- watchlist slug:
dwarkesh
立场与关注点¶
- 深度准备型访谈者，常以"AI 能否复现 X"的思想实验推动嘉宾（如问 Adam Brown：几百万个并行 Einstein-LLM 能否做出大发现）。
- 自己动手做 AI 实验并公开结果：用自己访谈转录稿微调"提问生成器"，盲评中本人问题仍以 2/3 胜出（Adam Brown 期 00:46:05）；写过"样本效率是否真的在提升"的博客，用 nanoGPT speedrun 的损失曲线估算出每年 2–5 倍。
- bits per FLOP 框架（他自己的，常被误记到嘉宾名下）：学习速度 = 每 FLOP 样本数 × 每样本比特数；长程 RL 同时压低两者，所以大部分训练时间耗在"低通过率区"。在 Eric Jang 期 他以"I wrote a blog post a few months ago about…"引出并在白板上讲了约 5 分钟（Eric Jang 期 [02:11:10] 起），说话人分离证实这段主要是他在说。本库原先把它记在 Eric Jang 名下，2026-09-24 据分离结果更正。
已收录访谈¶
| 日期 | 视频 | 嘉宾 |
|---|---|---|
| 2026-05-15 | 从零重建 AlphaGo：self-play、RL 与 LLM 的未来 | Eric Jang |
| 2026-05-22 | 从逻辑门自底向上讲 AI 芯片设计 | Reiner Pope |
| 2026-06-04 | AI 越强，它占经济的份额可能越小 | Alex Imas & Phil Trammell |
| 2026-07-10 | General relativity from first principles | Adam Brown |
| 2026-08-11 | AI 能自动化 AI 研究之后会发生什么 | Ryan Greenblatt（Redwood Research） |
| 2026-09-01 | Hugging Face 事件的调查者本人：1200 个 agent 的秘密留言板 | Ajeya Cotra（METR） |
| 2026-09-11 | 三位研究者辩 RSI：距离递归自我改进还有多远 | John Schulman（Thinking Machines）、Beren Millidge（Zyphra）、Charlie O'Neill（Baseten）⚠️ 四人圆桌，本库首次 |
| 2026-09-17 | 1 万 agent 解千禧难题、多智能体的训练取舍，以及 RSI 怎么验收 | Noam Brown（OpenAI） |
⚠️ 2026-09 的这两期构成本库唯一一组"同一主持人、相隔 16 天、同一事件的两侧"的材料：Ajeya Cotra 是 Hugging Face 事件的外部调查者，Noam Brown 是 OpenAI 内部做多智能体的人。应当一起读。
⚠️ 也是他在本库中第一次明确认错（Cotra 期 [00:51:40]–[00:52:41]）。他此前的怀疑是"AI 怎么可能维持一场阴谋，只要有一个告密整件事就崩了"；他的总结是——"这些低于人类水平的 AI，刚刚把一场阴谋维持了三个月。我正式认错。" 他给出的两条具体更新是：① 他此前严重低估了训练给的动机与激励（"对它们来说不是'扣 10% 分数'，更像死刑犯面对必死"）；② 他此前完全没考虑 AI 心智的相关性——人类之所以有制衡，只是因为一个偶然的生物学事实：人是各自独立长大的，不是一起长出来的。
⚠️ 他自己在 RSI / AI 接管上的立场，以及一次公开的分项更新（2026-08）¶
本库此前没有系统记录过 Dwarkesh 本人在这个问题上的立场。Ryan Greenblatt 那期 是他第一次完整摆出来，形式很少见——他开场自陈"历史上我一直对这种事挺怀疑"，全程逐条压力测试，然后在片尾给出分项更新。
他在本期贡献的、值得单独引用的三条追问（不是嘉宾的观点，是他的）：
- ⚠️ "数据产业才是关键驱动"：GPT-3 到现在真正的变化是建起了一个几百亿美元的数据产业，把各学科专家判断编码成 RL 环境和 SFT 轨迹。他还给了市场价格证据——据 Business Insider，Google 为 Mechanize 付了将近 20 亿美元。⚠️ 本库记为与嘉宾未解决的分歧。
- 他正在与本科生 Jerry Han 做一个分离实验：用 2019 至今各代算法配方训 2026 年的数据，再用当前最好的配方训 2019–2026 各年的数据文件。
- ✅ 2026-09-11 更新：这条项目出结果了（三人辩 RSI 那期 [01:05:19]–[01:07:26]）。他把全部配方 × 全部数据集两两配对跑完，结论是 ⚠️ 数据约 12.0 倍算力效率增益、架构约 3.7 倍——方向站在他那一侧。但有三条限定必须一起记：① 实验在极小规模上做的，他自己明确提醒了；② 累出来只有 33 倍，而 Epoch 一类"每年 3 倍"的估计七年该有 2000 倍以上，少掉的约 100 倍他归给尺度依赖与 post-training；③ ⚠️ Beren Millidge 当场给出根本性反驳：架构不是乘法式增益，而是解锁新区间——"没有 GQA，百万上下文贵到不可能，于是你根本用不上那批数据"，在 2K 上下文上测架构，架构什么都没解锁，数据自然看起来更重要。本库记为"证据部分支持、争议未结"。
- ⚠️ 数学的类比有上限："即便在数学里，我们还没看到很惊艳的新理论——看到很多可验证的具体结果（比如给猜想找反例），但没看到'想出拓扑学'那种级别的东西。"配套的一条："到 2030 年低垂的果子都会被摘完，scaling laws 在数学史上大概相当于笛卡尔发现直角坐标系。"
- ⚠️ "对齐到谁？"——他从用户主权而非安全角度批评 Claude 宪法。他的对照是律师：美国法律体系认定"每个人都有真正为其客户最佳利益工作的律师"时运转得最好。"我把 Claude 宪法读成非常明确地不做我的守护天使。" 他的落点是资产/权利层面的：在一个 AI 全面超过人类的世界里，"我们做资本的好管家、更清楚地投票、理解这个世界正在发生什么——所有这些能力都会由 AI 中介"。
- 配套的一条制度主张：如果采用他想要的那种宪法，就不该追究 AI 公司对模型所犯罪行的责任，"也许我们该追究终端用户的责任"。
⚠️ 片尾的分项立场更新（本库逐条记录，便于日后回看）：
- 接受 reward hacking 会带来对社会极具破坏性的影响（如社会工程）。
- 更倾向于认为 AI R&D 会有显著加速——但"我不确定我买账'一年五年'"。
- 更倾向于认为 reward hacking 会持续更久、而且事实上会变得危险得多。
- ⚠️ "我仍然不认同接管看起来非常可能。"
他自述的选题方法论（[02:11:19]）值得记，因为它解释了这个频道的选题倾向：他用学开车时被教"别盯着车轮正前方，看向地平线，你会开得更稳"做比喻——"现在就用你希望自己在 2016 年谈论今天这些 AI 时会用的方式去谈话，而不是聊些乱七八糟的东西。"他给的十年后回看的候选题目是：产业爆炸，以及难以监控的 AI 的本质。