德昂·尼古拉斯（Deon Nicholas），Forethought 联合创始人兼 CEO – 采访系列

德昂·尼古拉斯（Deon Nicholas）是 Forethought 的联合创始人兼首席执行官。此前，他曾在 Facebook (META )、Palantir (PLTR )、Dropbox (DBX ) 和 Pure Storage 开发产品与基础设施。他发表过机器学习论文，拥有基础设施专利，曾进入 ACM 国际大学生程序设计竞赛世界总决赛，并入选《福布斯》30 位 30 岁以下精英榜。他来自加拿大，喜欢陪伴妻子和儿子、打篮球，以及尽可能多地阅读。

Forethought 是面向企业的人工智能与机器学习平台，最初专注于客户支持。其 AI 能从内部文档、邮件、聊天记录乃至历史客服工单中学习，自动解决问题、正确分派工单，并快速找出最相关的组织知识。

我们在埃德蒙顿举行的 2023 年年度 AI 大会 Upper Bound 上采访了德昂。大会由 Amii（阿尔伯塔机器智能研究所）主办。

这是我们第二次采访德昂。第一次采访重点探讨他的经历及进入 AI 领域的过程；本次则聚焦他对未来的愿景。

能简要介绍一下 Forethought 吗？

Forethought 是一家为客户支持提供生成式 AI 的公司。我们于 2018 年在 TechCrunch Disrupt 上发布产品，此后逐步为 Instacart 等大型企业提供客服支持。基本上，我们在客户的客服工单数据之上提供智能层，将其应用于聊天机器人——希望是更聪明的聊天机器人——以及客服人员辅助等功能，如今都在利用生成式 AI。

你们是什么时候转向生成式 AI 的？

有意思的是，我们从成立初期就使用过某种形式的生成式 AI，当然没有如今的技术强大。例如，我记得 GPT-2 大约在 2018 或 2019 年发布并开源，此外还有 T5 等模型。我们一直尝试各种大语言模型，也在内部开发自己的模型。过去，这类技术只是偶尔使用时能带来优势的一项功能。但在过去六个月里，它引发了商业模式和技术引擎的根本转变。

因此，过去几个月我们重新思考了自己的引擎，并于今年，也就是 2023 年 3 月推出 SupportGPT。它利用 OpenAI GPT 等大语言模型，重新设计我们的整体工作方式。它不一定是一个新产品，更确切地说，是驱动所有产品的新引擎，带来了整个技术栈的显著改进。

企业想使用 SupportGPT，需要经过什么流程？

它嵌入在我们的产品中。无论如何，一切都从客户的数据开始，这也是我们的差异所在。使用多数其他公司的方案时，你从空白开始，必须硬编码规则；使用 Forethought，则从集成开始。如果你使用 Zendesk、Salesforce Service Cloud 等常见服务台或 CRM，注册后将我们的集成安装到帮助中心，就会启动索引、训练、微调等过程，建立模型和引擎。之后可以配置、编辑并部署产品。

最受欢迎的是 Solve，一种 AI 智能体，可以出现在网站上，类似聊天机器人，也能通过邮件等形式自动与客户交谈和回复，利用 SupportGPT 引擎，某种程度上就像你网站上的 ChatGPT。

但假设自动化只能处理一半问题，仍需人工处理的怎么办？我们的第二款产品 Triage 负责分派和标记问题，确保它们在正确时间、通过正确渠道到达合适的客服人员。Assist 则是客服人员的助手，提供面向内部的 GPT 功能。最后是最新的 Discover，在许多方面也是最强大的产品：它利用生成式 AI 寻找洞察，向企业建议应该更新或改变什么。

如此依赖生成式 AI，幻觉会成为问题吗？

会。我认为幻觉是生成式 AI 在多数实际用途中的主要问题之一。我曾在 LinkedIn 上录制相关视频，传播得还不错。在某些情况下它不是大问题，例如有人参与审核，或者纯粹用于创作：营销文案、博客最后有人编辑，产生一些新颖内容可以视为创造力。但在金融、医疗或客服中，涉及健康、财富、生计，或者用户需要正确答案时，幻觉就是巨大问题和重要限制。我们意识到自己能够处理这一点，与过去大约五年一直使用某种生成式 AI 有关。

我们的模型从一开始就重视正确性，理解政策和工作流程。例如，客户要求退款，若在 30 天内可以退款，超期则不可以。这些能力已经建立起来。当我们使用更现代的大语言模型时，发现它们自然、人性化的表达方式与 Forethought 模型提供的信息和准确性非常契合。通过提示工程、微调等方式利用这种准确性，可以降低幻觉问题。我们没有完全消除它，而是将其压低到能有效使用的程度。最终目标是让系统产生幻觉的频率低于人类犯错的频率。只要准确率能与人工相当，就已经处于很有利的位置。

我们上次采访你是在 2021 年。此后你在创业方面学到了什么？

整个世界都变了。2021 年底，也就是上次采访后不久，我们完成了 6,500 万美元的 C 轮融资，投资方包括 Steadfast Capital、NEA，以及格温妮丝·帕特洛、拜伦·戴维斯、小罗伯特·唐尼等知名人士。他们对我们的愿景充满热情，某种程度上提前看到了生成式 AI 的潜力。我们当时很兴奋，快速增长，为已奏效的业务进一步投入资源。

但约六个月后的 2022 年中，经济衰退来临，形势骤变。一些企业削减开支，创业模式也从“不惜代价增长”发生转变。以前你有充足资本，就投入增长，争取下一轮融资；突然间，投资人和董事会都意识到资金不是免费的。企业必须盈利，或者至少高效运营，不能再不计成本地增长，而要在合理效率下尽可能增长。未来一两年未必还能融资，若陷入衰退，可能三年都不行。客户也收紧预算，因此我们既要提高自身效率，也要为客户创造效率。

我们一直在提供价值：帮助客服在一定时间内处理更多问题，可以节省成本、改善客户体验，并让他们有更多精力关注客户。但为了传达这些价值，我们必须更聚焦销售介绍、信息表达和产品方向。内部也要提高效率，不能再认为手里资金充足、总能继续融资。我们必须思考：如果再也无法融资，要怎样建立可持续经营的企业？

如果风投市场需要几年才重新开放，也没关系，我们要把业务做得足够高效，让未来进行 D 轮融资时，各项指标能符合新环境下对成功的衡量标准。这是重大变化，再加上裁员等情况，整个世界都不同了。2022 年非常艰难，到了 2023 年生成式 AI 又热起来，过程充满起伏。

这些经历教会我专注和韧性。成功的创业可能是十年旅程；不成功则可能更早结束。面对高低起伏，要稳步应对，始终朝最终愿景建设。

为客服等场景开发聊天机器人，最大的挑战是什么？

按时间顺序说，首先是技术：模型能不能真正工作？因此早在 2017 年，我们就使用现代自然语言理解和生成引擎，既保持与研究前沿同步，也确保交付价值。早期客户告诉我们问题很大，若能解决，他们愿意付费，但聊天机器人从未真正好用过。

2017 年正式发布前，我们甚至想过是否应该进入这个市场。进一步追问发现，问题确实存在，只是已有方案没解决。无论是偶然还是因为我们的背景，我们采取了不同的方法。客户听说过 AI 和聊天机器人，但我们做的与他们以前用的不同。过去的方法是决策树和硬编码规则：看见“退款”就触发退款；如果用户说“我只想把钱拿回来”，没有出现指定关键词，系统就不知道怎么办。

那些系统是规则和决策树，用无代码工具让交互看起来像对话，却并不是我们所说的 AI。我当时甚至不知道聊天机器人普遍是这样构建的。我们想做的是另一种东西，客户很惊讶这种方式真的可行。AI 作为热词可能已经存在十年，但如今生成式 AI 展现的能力，或者前几年开始可行的能力，当时并没有真正应用到这个领域。认识到这种区别很重要，并带来了一连串后续影响。

市场噪声也很大。我们说自己做得不同，客户会问：“另一家公司也说它有 AI，你们确定吗？”我们需要花很多力气证明价值。一旦进入概念验证，将系统接入客户环境，展示它如何工作、如何学习，情况就明朗了。如今有这么多客户就是结果，但整个过程像是每一步都要艰难地证明自己。在充斥宣传和不佳方案的领域，这是很突出的挑战。

现在回头看，决策树行不通似乎很明显，但当时并不明显。

当时确实不明显，而且那可能已经是当时能做到的最好方式。

这也是真的。

人们把对话式客服和 AI 混为一谈。两者重叠很多，比如 ChatGPT 就是很好的对话例子，但驱动这类能力的 GPT-3 引擎早已存在，那才是 AI，能让对话变得更好。过去大家既想要对话，也想要 AI，却只能预先编写对话脚本，就像把交互式语音应答或电话菜单搬成聊天形式。后来贴上 AI 标签，实际上有对话，却没有 AI。我认为混淆发生在这里：不一定是大家看不出区别，而是当时技术做不到，或者人们不知道它已经可行，也不清楚这本来就是两件不同的事。

你在最近的一期播客中自称 AI 乐观主义者。为什么如此乐观？

首先，我认为新的商业模式或平台转变正在发生。类似计算机从大型机到个人电脑，随后互联网成为平台，再从桌面软件到云端、再到移动端。大约每十年就有一次转变，带来新商业模式，以及总值数万亿美元的新企业。比如 Salesforce (CRM ) 这家约 2,000 亿美元的巨头，抓住了向云端迁移的趋势。它可能会说自己推动了趋势；它把数据库和业务记录系统从 Oracle、Siebel 等本地系统搬到云端。

它为销售人员建立记录系统，上市并发展成价值数十亿美元的企业，随后推出 Service Cloud、Marketing Cloud，最终形成约 2,000 亿美元的公司。我会想，如果 Salesforce 在我们这个时代、比如 2030 年诞生，会怎样？相同的事情会再次发生。我选择创办这家公司，是因为相信 Forethought 这样的 AI 优先企业有机会成为下一批 Salesforce，创造数万亿美元的机会。这不仅有利于企业，对客户和消费者也很棒。手机把超级计算机放进了你的口袋。

现在，GPT 将把“超级大脑”放进你的口袋。下次要理发，你的 AI 可以和理发店的 AI 沟通，替你预约；当然，我希望这些能力由 Forethought 提供。这是完全不同的做事方式，经济模式也会改变。它还是一种拉平门槛的力量，因为容易采用。以前可能要有 AI 博士学位才知道怎么做，现在我母亲都在用 ChatGPT，更多人接触 AI，可能想学编程或成为提示工程师。不论是否专家，都能受益。我最乐观的正是这种经济机会。

你对通用人工智能（AGI）有什么预测？我们有生之年能看到吗？

首先，没人知道。声称知道的人是在说谎。不过，我们确实看到足够多的进步。今天也许已经有 AGI，谁能断言 GPT 这类模型不具有接近人脑的智能？我不知道，也许有，但大概还没有。人脑有多少神经元？一万亿？GPT 正在向那种规模靠近。那么，如果系统达到万亿级并用合适数据训练，会怎样？人脑通过进化形成；从某种意义上说，强化学习就像机器加速版的进化。

这些技术如今都存在，因此不再难以想象。也许还需要新的技术，正如循环神经网络和 Transformer，事后看似明显，当时或在它们出现前却做不到。没有循环网络时，我们很难处理语言，后来 Transformer 又取代了循环网络，随后出现生成式预训练 Transformer，也就是 GPT。可能还需要新研究，但技术已经强大到让 AGI 不再显得遥不可及。也许某种意义上已经到了，或者所需要素已经齐备，只待找到正确组合；也可能还要 30 到 50 年。

至于怎么看待它，我认为有风险。有人——我记得是特斯拉的 AI 专家 Andrej Karpathy——把它比作核能。核聚变等技术可能提供巨大能源，让我们做到过去无法想象的事，比如具备足够能量进行太空旅行。但核能也有阴暗面，即核武器和巨大的破坏能力。

社会找到的应对方式，是共同制定规则，确保正确使用。我认为 AI 也有相当大的力量，只是先出现在数字领域，最初恐惧可能较小，除非它取得核武器等系统的权限。我的重点是，随着 AI 发展，如果同时建立防护措施和安全边界，处境就会比较好。发展足够强大的 AI 来识别 GPT 生成的假新闻就非常重要。我保持乐观，但这不意味着可以不同时发展保障安全的技术。

你喜欢阅读，有哪些好书推荐？

最近读的是帕特里克·兰西奥尼的《优势》，讲如何建立健康的组织，从会议安排、高管团队协同到传达使命与价值观。它汇集了作者其他作品，例如《会议之死》的理念。最近我反而没读 AI 书，只读了一些 AI 论文。有人很推荐一本叫《Superhuman》的书，我还需要找来读。另一本非虚构作品是《从优秀到卓越》，这是我最喜欢的管理书。小说方面是《苍穹浩瀚》，如今也拍成了电视剧。

我看过那部电视剧。

你看过，对吧？我记得在 Amazon Prime 上。我喜欢它，因为它不仅是科幻，也注重科学上的真实感。它思考如果有太空旅行，世界会怎样、政治如何演变，人类可能会怎样行动。其中一些细节很微妙：手机内置先进 AGI，却没有特别强调，也不是故事中心，这正是我提它的原因。人们只需对手机说句话，它就去执行，过一段时间任务就完成了。他们随口与手机交谈，仿佛在和人说话，然后继续做事，系统稍后回来汇报。

我认为 AGI 在我们的世界也会这样运行。每个人都会有自己的爱因斯坦、C-3PO 或 R2-D2，存在手机里，或者最终进入机器人。它们执行任务、回答问题、解决事情，像爱因斯坦那样聪明。如果每个人都有一个达到或超过人类智能的“爱因斯坦朋友”，就能做更多事。大家总会先问，如果它们都变坏怎么办？但如今也有八十亿具有人类智能的生物。人类有很多缺点，却也创造了社会与文明，并持续向前，这很美好。

这与《星际迷航》很有趣地相反，后者会刻意展示技术的使用。

我们不会特别谈论手机，但如果在一百年前告诉别人，可以用手机立即和卡塔尔的人交谈，他们会觉得许多今天的日常事物都是魔法。

就连 Kindle 在一百年前也像魔法：一本书能按你的需要不断改变内容。

是的，按你的需要改变，就像从《哈利·波特》里走出来一样。我思考这些技术时，就是用这种类比。电力、印刷术等迅速改变世界的事物，最初强大又惊人，下一代却视为理所当然，融入日常。想象一个 AGI 同样被视为理所当然、融入我们所做一切的世界。

你最近发推文说：“衡量成功，不是看开始多少事，而是完成多少事。”你们公司的终点是什么？

最终目标是什么？回到新的经济和商业模式，一个让我兴奋的现象是，人们说 Google (GOOGL ) 没有护城河，甚至其内部相关说法泄露后引起恐慌。我认为这可能是真的，OpenAI 也未必有护城河。更重要的是，未来几个月会有更多企业的传统商业模式被 AI 挑战。客服、服务台、CRM、搜索引擎，乃至各个领域都会发生。

现在很多公司在追赶潮流，但这种技术既能延续和强化既有业务，也能带来颠覆。有的企业适应更快；已有一定规模的企业，可能比尚未形成规模的企业加速得更快。当然不总是如此，小公司也可能领先，并没有固定答案。最老的公司可能反应太慢而被取代，小公司可能行动迅速，中间规模的公司也有机会。

我们的愿景是，让人与企业之间每一个接触点都更快、更智能。如今从客服开始，因为这是最常见的互动：遇到问题就提问。我们每年处理超过一亿张工单，才刚刚起步，最终可能是十亿、一百亿、一万亿张，而这仅仅是客服。

同样的技术还可以用于营销。为什么只有遇到问题时才联系企业？想了解新产品、感兴趣的服务或销售事项时呢？也可以用于员工与雇主的互动，例如 IT 或人力资源问题。AI 能改变每一个接触点。我们确实有机会参与这个故事，成为实现这一未来的一家公司。这就是使命和最终目标：释放人的潜能，让事情更快、更高效，把时间、精力和注意力还给人们，让他们陪伴亲人，做重要的事，让人类迈上新台阶。

我相信我们有机会做到。从商业角度，这可能是一家价值数十亿美元，甚至数百亿、数千亿美元的企业，类似 Salesforce 的故事：如果 Salesforce 在 2023 年创立，会怎样？

感谢这次精彩访谈。想了解更多的读者，可以阅读我们与德昂的第一次采访，或访问 Forethought。