Keras 创始人、谷歌前研究员、AGI 研究者François Chollet（弗朗索瓦·肖莱）是法国计算机科学家、人工智能领域的重要人物，以创立深度学习框架 Keras 而广为人知。
2015年，François发布 Keras，这是一个高阶、用户友好的深度学习 API，极大降低了模型开发门槛，成为全球最受欢迎的框架之一。
2015–2024年，François在谷歌工作期间主导了Keras 开发并推动其集成至 TensorFlow。
离职谷歌后，François与Zapier 联合创始人 Mike Knoop 共同创立初创公司 Ndea，聚焦“程序合成”技术构建真正具备发明与适应能力的 AGI。
这期播客中，Francois认为AI进步是赋能工具，无法被阻止，个人的最佳策略是深入学习AI知识及其希望应用的领域知识，将AI转化为提升自身能力和生活的杠杆，主动驾驭这场变革浪潮。他的主要观点和内容总结如下：Francois提出了与自动化经济任务不同的AGI定义。他认为，真正的AGI应能像人类一样，在面对任何新问题或新领域时，以相似的效率和极少量的训练数据与计算，迅速理解并掌握它。这本质上是“人类级别的技能获取效率”。他预测，我们可能先实现“自动化大部分经济工作”的定义，之后才实现他提出的、更强调学习效率的定义。• 局限性：Francois指出，当前以深度学习和大语言模型（LLM）为主的技术栈虽然有效，但并非最优。其根本问题在于，它高度依赖海量训练数据进行模式匹配，在需要可形式化验证奖励信号的领域（如代码、数学）表现出色，但在难以验证的领域（如写作）进步缓慢甚至停滞。• 新路径探索：他创办的研究实验室“NIA”旨在探索一条与深度学习完全不同的前沿AI研究范式，即程序合成。他们的目标不是构建高层的代码生成代理，而是从根本上重建机器学习的基石，用尽可能简洁的符号模型来替代参数化曲线进行学习。这种方法旨在实现更高的数据效率和模型最优性。Francois是Arc Prize和Arc-AGI基准竞赛的创始人。该基准系列旨在衡量AI的流体智能（即解决新问题的能力）：• 技术形态：Francois认为，实现AGI的“流体智能引擎”本身会是一个非常精简的代码库（可能少于1万行代码），能够运行在兆字节级别，但其运作所需的知识库会庞大得多。他比喻这像是将“科学方法”算法化。• 时间线：基于当前进展速度和投资规模，他预测AGI可能在2030年左右（早期）实现，届时可能对应Arc-AGI v6或v7的发布。• 鼓励多元化探索：他认为当前行业过于集中于LLM技术栈是“反生产力的”，应鼓励更多不同的研究路径，例如遗传算法、状态空间模型等。他甚至建议研究者可以去阅读七八十年代未被充分投资的旧研究思路。• 成功系统的关键：一个有望成功的AI系统，其能力提升必须能够脱离人类工程师的持续直接干预，能够通过增加计算或数据等资源实现自主扩展和改进。这正是深度学习的核心优势，也是任何新路径需要考虑的。