作者认为，为了个人 AI 的效用而进行公开写作是一种低效的策略，并建议个人应记录自己的数字活动，从而为 LLM 创建个性化、高价值的数据集。
📝 详细摘要
本文挑战了当前在互联网上公开写作以影响未来 AI 模型或实现某种“数字永生”的趋势。作者认为“永生”论点在哲学上是有缺陷的，而“日常效用”论点则是低效的，并指出预训练带来的益处是间接且不确定的。相反，作者提倡一种“Pro Panopticon”（亲全景监狱）的方法：捕捉个人的数字足迹——包括按键记录、屏幕活动和对话——并将其输入到 LLM 中。这种策略允许个人创建高度个性化、具备上下文感知能力的 AI 助手，利用其特定的工作流、偏好和历史记录，与公开写作带来的推测性收益相比，这能提供即时且切实的价值。
💡 主要观点
- 公开写作对于提升个人 AI 效用而言是一种低效策略。 作者认为，与直接进行上下文注入相比，依赖未来模型通过你的公开写作进行训练，是一种机会渺茫、间接且低效的获取个性化 AI 辅助的方式。
💬 文章金句
- 你的写作被用于预训练的益处，主要并不在于将你的世界观、启发式方法、最佳实践等嵌入到 AI 的世界模型中。
- 你所要做的，就是记录你在电脑上或电脑周围所做的一切。
- 虽然施展出来的‘魔法’可能比 LLM 在经过你数百万字写作训练后所展现的要粗糙、不够润色，但对于许多用途来说，这已经足够好了。
📊 文章信息
AI 评分：88
来源：LessWrong
作者：RobertM
分类：人工智能
语言：英文
阅读时间：9 分钟
字数：2005
标签： LLM, 个人 AI, 数据采集, 数字足迹, 理性主义