谢尔·卡藩(Shel Kaphan)是亚马逊首席执行官杰夫·贝索斯(Jeff Bezos)招募的首位员工,于1994年加盟亚马逊。
卡藩当时主要负责打造早期亚马逊时代的技术基础架构,并在帮助亚马逊从电子商务网站向数十亿美元的业务发展过程中发挥了非常关键的作用。
但是,尽管卡藩早期为亚马逊作出了巨大贡献,但他仍无法在该公司长期工作。
在加盟亚马逊的五年之后,卡藩宣告辞职,当时正值贝索斯又招聘了两位新技术经理并极大地减少了卡藩在亚马逊公司的作用。如今,卡藩从亚马逊辞职之后,就一直没与贝索斯联系过。
上周,卡藩在接受The Macro的克莱格·坎诺(Craig Cannon)采访时分享了他在亚马逊时的经验,并提出了一条非常重要的忠告,这条忠告可能会让任何初创企业的员工受益。这条忠告就是——任何初创企业的员工应当一直认为企业会越来越大,远远超过比他们的想像,同时还要为此变化做好准备,找到他们自己适应新环境的方式。
卡藩表示,“亚马逊的体验教会我的一件事就是,试想一下,如果一个项目或一家公司会比你可能想到的样子更成功,那么这个项目或这家公司会是什么样子。尽管这非常难以想象,但还是有可能想象一下。你们必须思考:如果那种情况发生的话,情况又会是什么样子,以及参与其中的人们又会如何改变。
当初我加盟贝索斯的团队一起组建亚马逊时,我甚至不想去那儿。我已经在诸多初创企业工作过,因此,初看上去,过多地思考可能发生的事就感觉像是一个不祥之兆,即使它真的会取得巨大成功。这就是我的想法。我希望,这能够起到作用并取得一些成功,甚至能够帮助我们赚到足够的现金,以此让我们在某一时刻隐退。
你们不需要思考你们能够想像之外的情况是否会取得巨大成功。当然,如果取得的成功超越了你们的想像,那么你们就需要开始思考——团队在取得这些成功的过程中,我到底起到了什么作用?那是我真正想要做的事吗?”
正如布拉德·斯通(Brad Stone)在《一网打尽:贝索斯与亚马逊时代(The Everything Store)》一书中所写的那样,当贝索斯停止卡藩在亚马逊公司的日常运营工作之后,卡藩极为震惊和难过,感到一切被毁。尽管亚马逊后来给了卡藩一个“首席技术官”的头衔,而且之后还称他为“亚马逊史上最重要的人物”,但是,贝索斯最终还是将卡藩撤出了一线,最终导致卡藩从亚马逊辞职。
卡藩将贝索斯的决定描述为“背叛了神圣的信任”和“我整个生涯中感到最为失望的事件之一”。
当然,卡藩对他在亚马逊的时光记忆犹新。他向The Macro表示,在亚马逊的最初两年时光,让他迎来了职业生涯中“高点”,而且也是“他人生中的辉煌时光”。
或许,如果卡藩对亚马逊公司发生的一切变化更加深思熟虑,那么他可能会因此而迎来不同的结局。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。