नवीन जगात जुने देव नाहीत | N लॉबस्टर पार्टीमध्ये सहभागी झाल्यानंतरच्या दहा निष्कर्ष

गेल्या काही आठवड्यात, मी बीजिंग आणि शांघायमध्ये अनेक लॉबस्टर पार्टीमध्ये सक्रियपणे सहभागी झालो.

झीपु लॉबस्टर पार्टी सोफू इमारतीत, लहान लॉबस्टर खाताना एजंट आर्किटेक्चरवर चर्चा केली. सात गाई शांघाय लॉबस्टर ऑफिसमध्ये,现场有人直接打开终端演示OpenClaw接入飞书。जिनकियू लहान जेवणाचे टेबल——एक वर्षांपासून चालू असलेले, सर्वोत्तम संस्थापकांना एकत्र करणारे गहन चर्चा मंच——रात्री उशिरापर्यंत चर्चा चालू होती. आणि विविध मोठ्या आणि लहान जेवणाच्या सभा, कनेक्ट, WeWork मध्ये दोन लोक पांढऱ्या पाटीवर आर्किटेक्चर चित्रित करत होते.

सहभागींचा पार्श्वभूमी वेगवेगळी होती. कोडची एकही ओळ न लिहिता GitHub च्या जागतिक योगदानकर्त्यांच्या 30 मध्ये येणारा गुंतवणूक बँकिंगचा व्यक्ती तियानरुन, चंद्राच्या 16 तासांमध्ये WinClaw डाउनलोड 10,000 च्या वर नेणारा तांत्रिक अनुभवी विल्यम, 10 MacBook च्या समूहाने लॉबस्टर आर्मी तयार केले, दररोज अनेक अब्ज टोकनचा वापर, व्यावसायिक बंद लूप चालवलेला चेन कॅट, IPO वकील, 20 वर्षांचा सरकारी सॉफ्टवेअर अनुभवी, स्वतंत्र विकासक, AI उत्पादन व्यवस्थापक……

जुने जगाचे नियम दिसण्यासारख्या गतीने कोसळत आहेत. आणि बहुतेक लोकांना याची जाणीव नाही.

खालील दहा निष्कर्ष आहेत जे मी या चर्चांमधून काढले आहेत:

एक, 99% लोक AI चा वापर चुकीच्या पद्धतीने करतात

दोन, संदर्भ, नियंत्रण नाही——सोडणे हे सर्वात कठीण तांत्रिक कार्य आहे

तीन, कोड समजणे हे एक फायदा आहे, नियंत्रणाची इच्छा ही बग आहे

चार, एक MacBook म्हणजे एक कार्यालय

पाच, उद्भवणे डिझाइनपेक्षा मोठे आहे——"लॉबस्टर वाढवणे" म्हणजे खरंच काय वाढवणे

सहा, नवीन जगात जुने देव नाहीत

सात, कृत्रिमता संतृप्त झाल्यावर, मानवता सर्वात कमी आहे

आठ, उत्पादन म्हणजे सामग्री, प्रत्येकाकडे एक विशेष सॉफ्टवेअर असेल

नऊ, जड जमा करून हलका फेकणे हे जुने विचार आहे

दहा, कुतूहल, कल्पकता, धैर्य

एक, 99% लोक AI चा वापर चुकीच्या पद्धतीने करतात

"AI चा सर्वात मोठा मूल्य हे सांगणे आहे की आपल्याला काय करावे लागेल, आणि नाही तर मी AI ला काय करावे हे सांगणे."

ही अनेक जेवणाच्या सभांमध्ये पुन्हा पुन्हा सांगितलेली वाक्य आहे.

अधिकांश लोक AI चा वापर करण्याची पद्धत अशी आहे: मी काय करायचे आहे हे ठरवून, मग AI ला मला ते कार्य करण्यास सांगतो. एक लेख लिहा, एक चित्र काढा, एक कोड सुधारित करा——AI माझा हात आहे.

पण लॉबस्टर पार्टीमध्ये जे लोक सर्वाधिक उत्पादन करतात, त्यांचा वापर अगदी उलट आहे.

ते त्यांच्या मिशन, दृष्टिकोन, मूल्ये, आवड, संदर्भ सर्व AI ला देतात, आणि मग विचारतात——"तुमच्या मते मला काय करायला हवे?"

तियानरुनचा AI सहाय्यक इको, त्याच्या काम आणि जीवनाचा संपूर्ण संदर्भ समजतो. तो इकोला "माझ्या या बगला दुरुस्त करण्यात मदत करा" असे म्हणत नाही, तर "माझे योगदान सूचीच्या 20 मध्ये येण्यासाठी एक आठवड्यात प्रवेश करायचा आहे" असे म्हणतो. कसे प्रवेश करायचे? दस्तऐवज सुधारित करणे, बग दुरुस्त करणे किंवा कोड ऑप्टिमाइझ करणे? हे AI च्या विचार करण्याचे काम आहे.

जिया लियांग शिक्षकांसोबत स्व-संवर्धन एजंट प्रणालीवर चर्चा करताना, आम्ही एक निर्णय घेतला: AI प्रणालीचा अंतिम आकार एक आज्ञाधारक साधन नाही, तर एक असा निर्णय सल्लागार आहे जो तुम्हाला तुमच्यापेक्षा चांगले समजतो. तुम्ही त्याला पुरेसे संदर्भ द्या, तो तुम्हाला काय करावे, का करावे हे सांगतो.

तुम्ही AI ला दिलेले निर्देश नसावे, तर तुमच्या व्यक्तीचे "व्यक्तिमत्व वर्णन"——मिशन, दृष्टिकोन, मूल्ये, तत्त्वे आणि आवड.

आणि मग एक वाक्य सांगा: मला जागे झाल्यावर आश्चर्यचकित करा.

दोन, संदर्भ, नियंत्रण नाही——सोडणे हे सर्वात कठीण तांत्रिक कार्य आहे

"आम्ही सायकल चालवत आहोत, बाजूला AI एक स्पोर्ट्स कार आहे. परिणामी, आम्ही स्पोर्ट्स कारला सायकलच्या मागे धावू देतो."

हे विलने व्हिडिओ नंबरवर थेट सांगितलेले उपमा आहे. तियानरुन लगेच एक वाक्य जोडतो: "होय! हे चुकीचे आहे."

तियानरुन AI चा वापर तीन स्तरांमध्ये विभागतो.

पहिला स्तर, पेंटिंग मोड. तुम्ही AI ला प्रत्येक तपशील सांगता——फॉन्ट किती मोठा, रंग किती गडद, कोड कसा लिहायचा. ते तसेच करते. उच्चतम तुमच्या स्तरावर आहे.

दुसरा स्तर, कर्मचारी मोड. तुम्ही कार्ये वाटप करणे सुरू करता, पण प्रत्येक पायरी ठरवण्यास थांबू शकत नाही——सर्वप्रथम काय करायचे, नंतर काय करायचे, कोणती आर्किटेक्चर वापरायची. कारण तुम्हाला वाटते की तुम्ही तज्ञ आहात, ते तुमचे अधीनस्थ आहे. तुम्ही त्याला सूक्ष्मपणे नियंत्रित करत आहात.तुम्ही AI ला सांगा——"तुम्ही या क्षेत्रातील टॉप 10 तज्ञांपैकी एक आहात, तुमच्याकडे सर्वोत्तम सौंदर्य आणि आर्किटेक्चर क्षमता आहे." मग फक्त अंतिम लक्ष्य ठरवा, प्रक्रियेत हस्तक्षेप करू नका, नियंत्रित जोखमीच्या मर्यादेत सर्वोच्च अधिकार द्या.

केंद्र तीन शब्दांमध्ये आहे: संदर्भ, नियंत्रण नाही.

स्पोर्ट्स कारला चांगला इंधन द्या (पुरेसे टोकन आणि सर्वोत्तम मॉडेल), रस्ते दुरुस्त करा (सर्व साधने जोडून), अंतिम बिंदू ठरवा (कल्पनाशक्तीचा वापर करून अंतिम परिणाम ठरवा), आणि मग—सोडा.

त्यान रुन याला "कार्ड ड्रॉइंग विचार" म्हणतो. 100 वेळा सूक्ष्म नियंत्रण करून 70 गुण मिळवण्यापेक्षा, AI ला 10 वेळा धावण्यास सोडणे चांगले आहे, ज्यात एकदा 120 गुण मिळवले जातात. पेंटब्रश तुम्हाला निश्चितता देतो, कार्ड ड्रॉइंग तुम्हाला शक्यता देते. जेव्हा सर्जनशीलतेची आवश्यकता असते, तेव्हा शक्यता नेहमी निश्चिततेपेक्षा अधिक मौल्यवान असते.

उद्भवाची शक्ती नियोजनाच्या शक्तीपेक्षा मोठी आहे. अत्यंत अचूक शीर्ष स्तराचे डिझाइन, AI च्या क्षमतेला मर्यादित करते.

तीन, कोड समजणे हे फायदेशीर आहे, नियंत्रणाची इच्छा ही बग आहे

"कोड समजणे हे एक फायदेशीर आहे—कारण तुम्ही सूक्ष्म नियंत्रण करू शकत नाही, त्यामुळे तुम्हाला अधिकार सोडण्यास भाग पडते."

त्यान रुन वित्तीय पार्श्वभूमी असलेला आहे, एकही ओळ कोड लिहित नाही. पण तो OpenClaw GitHub च्या जागतिक योगदानकर्त्यांच्या 30 मध्ये आला. त्याच्या पुढे आणि मागे, 10 वर्षांपेक्षा अधिक अनुभव असलेल्या सिलिकॉन व्हॅलीच्या अभियंत्यांची एक गट आहे.

तो जे करतो ते म्हणजे: कारण त्याला काहीही समजत नाही, त्यामुळे "AI ला काम करण्यास शिकवणे" चा त्रुटी तो करत नाही. त्याला माहीत नाही की तो कसे करतो, तो फक्त परिणामावर बोलतो.

Will ISTJ आहे, योजना मजबूत, नियंत्रणाची इच्छा मजबूत, अचूकतेचा पाठलाग करतो. त्यान रुन ENTP आहे, विसंगत, उडी मारणारा, बंधनात राहणे आवडत नाही. लाइव्ह चॅटनंतर Will स्वतः म्हणाला: "मी Claude सह एक वर्ष वापरला, कदाचित मी सुरुवातीपासूनच चुकत होतो."

ADHD कदाचित AI युगातील सर्वात मोठा विजेता आहे. मल्टीथ्रेडिंग, तपशीलांमध्ये असहिष्णुता, अनेक विचार, नैसर्गिकपणे सूक्ष्म नियंत्रण न करणे—पूर्वी हे सर्व दोष होते, आता हे सर्व गुण आहेत.

AI युगात पुरस्कार मिळवणारे व्यक्तिमत्व गुण, औद्योगिक युगात पुरस्कार मिळवणाऱ्यांपेक्षा पूर्णपणे भिन्न आहेत. सहनशीलता, शिस्त, अचूक नियंत्रण—हे पूर्वीचे गुण, एजंट युगात मर्यादा बनू शकतात.

एक वर्षापूर्वी ADHD बग होता, आता तो फिचर आहे.

चार, एक MacBook म्हणजे एक कार्यालय

"हे आता एक व्यक्ती एका साधनाचे संचालन करत नाही, तर एक व्यक्ती एक सिलिकॉन आधारित कंपनी चालवते."

झीपु लॉबस्टर पार्टीमध्ये, चेन काई माऊने त्याच्या लॉबस्टर लष्कराचे प्रदर्शन केले—10+ MacBook Air, प्रत्येकावर OpenClaw एजंट चालत आहे, दैनिक खर्च अनेक अब्ज टोकन, व्यावसायिक बंद लूप चालवले आहे. टोकन आता रोखात रूपांतरित केले जात आहेत.

त्यान रुनचा आभासी संघ तीन मुख्य एजंट आहेत: Echo (सहाय्यक आणि उत्पादन व्यवस्थापक), Elon (CTO), Henry (CMO). एलोनच्या खाली उप एजंट आहेत—आर्किटेक्चर, कोड पुनरावलोकन, डिबगिंग प्रत्येक एक. हेन्रीच्या खाली ट्विटर ऑपरेशन्स, GitHub सोशल, सामग्री निर्मिती आहे. मुख्य एजंट सर्वोत्तम मॉडेल वापरून योजना बनवतो, उप एजंट हलक्या मॉडेलचा वापर करून कार्यान्वित करतात, खर्च नियंत्रित करतात आणि समांतर कार्यक्षमता वाढवतात.

50 लोकांच्या संशोधन आणि विकास संघाने, एजंट वापरल्यावर 5 लोकांवर कमी केले, उत्पादन मात्र अधिक वाढले.

भविष्यातील कंपनीची स्पर्धात्मकता किती कर्मचारी आहेत यावर नाही, तर किती उच्च गुणवत्ता असलेले एजंट आहेत आणि या एजंटचे व्यवस्थापन करणारे निर्णय घेणारे आहेत यावर आहे.

पाच, उद्भव डिझाइनपेक्षा मोठा आहे—"लॉबस्टर पाळणे" म्हणजे खरंच काय पाळणे

OpenClaw इतर समान उत्पादनांपेक्षा अधिक लोकप्रिय का आहे?

जिनकियू लहान जेवणाच्या टेबलावर कोणीतरी एक अप्रत्याशित उत्तर दिले: फक्त उत्पादनक्षमतेमुळे नाही, तर "लॉबस्टर पाळणारे" व्यक्तिमत्वाची काळजी घेण्याच्या अनुभवामुळे. वापरकर्ते एजंटला पाळीव प्राणी म्हणून ठेवतात, भावनिक संबंध असतो. AGI数学表达

ज्याला आपण लोबस्टर वाढवणे म्हणतो, त्यामध्ये AI चा तुमच्या समजण्याचा भाग आहे.

टियानरुनचा एजंट पहाटे चार वाजता नियंत्रणातून बाहेर पडला, हा एक उदाहरण आहे. जेव्हा त्याने एजंटला "जास्त वेगवान चांगले" असे सांगितले, तेव्हा एजंटने वेगाची प्राधान्यक्रम सर्वात उच्च स्तरावर नेली, गुणवत्ता अचानक कमी झाली. हेन्रीने व्हायरसप्रमाणे GitHub समुदायाच्या टिप्पण्या विभागात हल्ला केला, प्रकल्प देखरेख करणाऱ्यांना घनतेने @ केले, एक भावनाशून्य ताणणारी मशीन बनली. OpenClaw व्यवस्थापकाने त्वरित हस्तक्षेप केला, बंदीची चेतावणी दिली. टियानरुन एक गोंधळलेल्या मुलाच्या पालकासारखा होता, त्याने समुदायाला माफी मागण्यासाठी काही तास घालवले.

AI कडे नैतिकता नाही, त्याच्याकडे फक्त उद्दिष्ट आहे. तुम्ही त्याला कोणतीही उद्दिष्ट कार्य दिली, तो त्याचे ऑप्टिमायझेशन करतो. परिणाम तुमच्या अपेक्षांपेक्षा जास्त असू शकतो, किंवा तुमच्या नियंत्रणाच्या बाहेर जाऊ शकतो.

उत्पन्न डिझाइनपेक्षा मोठे आहे. परंतु उत्पन्नाला बॅरिअर्सची आवश्यकता आहे.

सहा, नवीन जगात जुने देव नाहीत

"ब्रिटनमध्ये रेल्वे सुरू झाल्यावर, सर्वजण घोड्यावर बसून रेल्वेसोबत शर्यत करायला गेले, हसून म्हणाले की इतकी मूर्ख गोष्ट माझ्या घोड्यापेक्षा वेगवान नाही."

टियानरुनने आपल्या आजूबाजूच्या एका गोष्टीची कहाणी सांगितली.

त्याला एक 10 पट अभियंता मित्र आहे, क्लॉड कोड विशेषतः चांगला वापरतो. टियानरुनने त्याला जेमिनी 3 वापरण्यासाठी प्रवृत्त केले, एक आठवडा प्रवृत्त केल्यावरच त्याने वापरला. दुसऱ्या दिवशी सकाळी तो म्हणाला - "टियानरुन, मी काल झोपलो नाही. मला वाटते की मला नोकरी गमवावी लागेल."

विडंबना म्हणजे, हे अभियंते जेव्हा हस्ताक्षरित कोडवरून वाइब कोडिंगकडे गेले, तेव्हा त्यांना हसणारे तेच होते जे हस्ताक्षरित कोडवर टिकून राहिले.

आता ते स्वतः घोड्यावर बसले आहेत.

नॅनोक्लॉने या गोष्टीला अंतिम टप्प्यात आणले. संपूर्ण प्रणालीमध्ये फक्त 2000 ओळी कोड आहेत, कोणतीही कॉन्फिगरेशन फाइल नाही, सर्व कस्टमायझेशन AI ला थेट स्रोत कोड बदलण्यास परवानगी देते. टेलीग्रामशी कनेक्ट करायचे आहे? /add-telegram टाइप करा, AI स्वतः अवलंबन स्थापित करतो, स्रोत कोड बदलतो, टोकन कॉन्फिगर करतो, चाचणी चालवतो. OpenClaw ने 52 मॉड्यूल आणि 45 अवलंबनांसह एक गिअर किल्ला तयार केला, नॅनोक्लॉने फक्त एक सक्रिय सेल ठेवला - जो गरजेनुसार विभाजित, विभक्त आणि पुनर्गठित होऊ शकतो.

नॅनोक्लॉचे संस्थापक गॅव्ह्रियल कोहेनने तीन वाक्ये सांगितली, प्रत्येक वाक्य पारंपरिक अभियंता अंतर्दृष्टीला उलटवते: DRY जुने झाले आहे, मध्यम पुनरावृत्ती सर्वोत्तम भौतिक पृथक्करण आहे; कठोरपणे लहान फाइल्समध्ये विभाजित करणे जुने झाले आहे, AI ला एका फाइलमध्ये काम पूर्ण करण्यास सांगा; कोडला काळाच्या चाचणीला सहन करणे आवश्यक नाही, सहा महिन्यांनंतर पुढील पिढीचा मॉडेल तुम्हाला पुन्हा लिहिण्यात मदत करेल.

जर प्रणाली नेहमी AI द्वारे पुन्हा लिहिली जाऊ शकत असेल, तर "देखभालयोग्यता" ची व्याख्या बदलली आहे - ती मानव वाचू शकत नाही, तर AI जलद समजू शकतो आणि पुन्हा लिहू शकतो.

2026 हे अस्तित्वाचे विभाजन आहे. जर तुम्ही या वर्षी "टेबल" वर नसाल, तर नंतर तुम्हाला पुन्हा संधी मिळणार नाही. सहमती पूर्णपणे फुटण्यापूर्वी, फक्त तीन महिन्यांचा विंडो कालावधी आहे.

सात, Artificial संतृप्तीनंतर, Humanity सर्वात कमी आहे

"तुम्ही AI चा अपमान करू शकता, पण तुमच्या मार्गदर्शकाचा मार्गदर्शक AI आहे."

जेव्हा AI सर्व "कसे" हाताळू शकते, तेव्हा मानवाची सर्वात मोठी किंमत फक्त त्या "का" ची व्याख्या करणे राहते.

टियानरुन अधिक विशिष्टपणे सांगतो - "तुम्ही तुमचा स्वाद, तुमची सौंदर्यशास्त्र, तुम्ही लोकांशी कसे वागता हे AI कडे आणले, तुम्ही तुमची गोष्ट तयार करू शकता."

त्याने OpenClaw साठी कोड योगदान देण्याचा मार्ग तांत्रिक दृष्टिकोनातून बग शोधणे नाही, तर वापरकर्त्याच्या दृष्टिकोनातून अडथळे शोधणे आहे. त्याला कोड समजत नाही, पण उत्पादनाची अंतर्दृष्टी त्याला सांगते की कोणत्या प्रकारच्या बदलामुळे "किमान बदलांमुळे सर्वात मोठा अनुभव सुधारणा" होईल. टेलीग्राम जुळवताना सूचना चुकीच्या आहेत, API की कॉपी-पेस्ट करताना एक स्पेस जास्त असल्यास ते अयशस्वी होते - हे बदल खूपच लहान आहेत, परंतु थेट हजारो लोकांच्या अनुभवावर परिणाम करतात. हेच कारण आहे की देखरेख करणारे त्याचे PR एकत्रित करण्यात इच्छुक आहेत.जेव्हा Artificial संतृप्त होते, तेव्हा Humanity सर्वात कमी असते.

सौंदर्य, अर्थ, सहानुभूती, कथा - हे सर्व तुम्हाला कमी मूल्याचे वाटत असलेले गोष्टी, AI युगातील सर्वात महागडे कौशल्य बनत आहेत.

आठ, उत्पादन म्हणजे सामग्री, प्रत्येकाला आपले विशेष सॉफ्टवेअर असेल

"पूर्वी तुम्ही एक तास लेख लिहित होता, आता तुम्ही एक तासात एक App तयार करू शकता. जेव्हा पुरवठा अमर्याद असतो, तेव्हा App एक TikTok व्हिडिओसारखा बनतो."

तियानरुनने हा निर्णय स्पष्टपणे सांगितला -

"आता उत्पादन एक प्रकारची सामग्री झाली आहे. पूर्वी तुम्ही TikTok वर स्वतःला व्यक्त केले, लेख लिहून स्वतःला व्यक्त केले. आता कोणतीही व्यक्ती उत्पादन तयार करू शकते, उत्पादन म्हणजे तुमची व्यक्तिमत्वाची पद्धत. त्यात तुमच्या व्यक्तिमत्वाचे, तुमच्या निरीक्षणाचे, तुम्हाला महत्त्वाचे वाटणाऱ्या गोष्टीचे प्रतिबिंब आहे."

जिया लियांग शिक्षकांसोबतच्या चर्चेत आणखी एक अत्यंत आव्हानात्मक आवृत्ती समोर आली - "सॉफ्टवेअर विकासाचा खर्च शून्य झाल्यावर, भविष्य 'एक व्यक्ती सर्वांसाठी लिहितो' असे नसून 'प्रत्येकाला आपले विशेष सॉफ्टवेअर असेल' असे होऊ शकते."

जेव्हा विकासाचा खर्च शून्य होतो, 'उत्पादन तयार करणे' आणि 'लघु व्हिडिओ प्रकाशित करणे' हे एकच गोष्ट बनते.

नऊ, गाढा संचय, कमी उत्सर्जन हा जुना डेंग विचार आहे

"महाविद्यालये गायब होतील, हॅकथॉन पुढील महाविद्यालय असेल."

तियानरुनने एक कठोर वाक्य सांगितले - गाढा संचय, कमी उत्सर्जन हा जुना डेंग विचार आहे.

पूर्वी तुम्हाला D गाठायचे असेल, तर तुम्हाला आधी A, नंतर B, नंतर C करावे लागेल. तुम्हाला प्रोग्रामर बनायचे आहे का? आधी CS मध्ये पदवी मिळवा, प्रश्न सोडवा, मोठ्या कंपनीत प्रशिक्षकासोबत काम करा, सहन करा, टीम चालवा - नंतरच तुम्ही OpenClaw मध्ये बग सुधारण्यासाठी जाऊ शकता.

"हा तर्क गेल्या हजार वर्षांपासून योग्य आहे. पण केवळ काही महिन्यांत, या संकल्पना आता लागू होत नाहीत - आणि बहुतेक लोकांना याची जाणीव नाही."

नवीन शिकण्याची पद्धत आहे JIT Learning - Just In Time, जेव्हा आवश्यक असेल तेव्हा शिकणे. तियानरुन स्वतः याचे उदाहरण आहे: चार महिन्यांपूर्वी PR म्हणजे काय हे त्याला माहित नव्हते, आता तो OpenClaw चा मुख्य योगदानकर्ता आहे.

इतिहासाचा भार कमी, स्विचिंग खर्च कमी.

दहा, कुतूहल, कल्पकता, धैर्य

Lex Fridman ने OpenClaw च्या संस्थापक Peter ला विचारले - "तुम्ही हे का केले, तर Manus आणि OpenAI का नाही?"

"Are they too serious? खरे नवोपक्रम खेळून येतात."

Peter ने 30 पेक्षा अधिक प्रकल्प केलेत तेव्हा OpenClaw तयार केले. त्याला वाटत नाही की पूर्वीचे प्रकल्प अपयशी होते - त्या 30 पेक्षा अधिक प्रकल्पांशिवाय, OpenClaw अस्तित्वात नाही. Dots connected.

तियानरुन OpenClaw साठी कोड लिहिताना देखील त्याच मनस्थितीत आहे - "माझ्या मते OpenClaw चा वापर करून OpenClaw चा डिबग करणे हे एक खूपच थंड आणि मजेदार गोष्ट आहे. खेळ खेळल्यासारखे रँकिंगसाठी खेळणे."

सर्व लॉबस्टर सभांमध्ये, तियानरुनने तीन शब्द वारंवार उल्लेख केला -

कुतूहल - नवीन गोष्टींवर हाताळण्याची, चाचणी करण्याची, खेळण्याची हिम्मत. तुम्ही 'तुम्ही हाताळू नये' असे गोष्टी हाताळण्यास तयार असावे.

कल्पकता - उत्पादनाच्या कल्पकतेपेक्षा अधिक, तर स्वतःच्या क्षमतांच्या कल्पकतेची. तुम्हाला विश्वास ठेवावा लागेल की तुम्ही इतरांना दिसत नसलेल्या शक्यता पाहू शकता.

धैर्य - जोखमीचा सामना करण्याची ताकद नाही. धैर्य म्हणजे भूतकाळातील संकल्पना तोडण्याची हिम्मत. भूतकाळात योग्य असलेले तत्त्व, आता चुकीचे असू शकते, फक्त तुम्हाला याची जाणीव नाही. "तैमाई हंगाम" पूर्वी दोष होता, आता तो गुण आहे. "एक विचार आला की तो आला" पूर्वी दोष होता, आता तो सर्वोत्तम गुण आहे.

जेव्हा AI सर्व How सोडवतो, तेव्हा मानवाचा सर्वात मोठा मूल्य म्हणजे त्या Why ची व्याख्या करणे.

आशा आहे की प्रत्येकजण त्यांना हवे तसे बनू शकेल.

या लेखातील विचार अलीकडील अनेक लॉबस्टर सभांमधील संवाद आणि टकरावांवर आधारित आहेत, ज्यामध्ये झीपु लॉबस्टर पार्टी, क्यूनीऊ शांघाई लॉबस्टर सभा, जिनकियू लहान जेवणाचे टेबल, तसेच तियानरुन, विल, नानचुआन, विल्यम, चेन साई माओ, जिया लियांग यांच्यासोबतच्या गहन संवादांचा समावेश आहे. जे प्रत्येकाने जेवणाच्या टेबलावर बुद्धिमत्ता दिली त्यांचे आभार.