三年前,在布朗大学毕业典礼上,傅楷量以一场题为《学会容错》的演讲,成为该校近三百年历史上首位登上毕业演讲台的中国毕业生。那次演讲讨论的是如何面对失败与偏航。而三年后的今天,他将“容错”从一种人生体悟,转化为人工智能系统中的核心能力。
毕业后,傅楷量很快投身于生成式人工智能这一复杂而脆弱的系统领域。在研究与实践工作中,他始终围绕一个问题展开:如何让AI不只是“能生成”,而是“值得被信任”。在他看来,随着大模型进入真实生产环境,系统失效、误判与不可解释性不再只是技术细节,而是决定能否规模化应用的关键。
自2023年起,他在多个AI应用方向展开系统性探索。Dymaxion是他在AI室内设计领域的首次尝试。相较于单纯追求视觉效果,该公司更强调结构一致性、空间逻辑与可解释性,通过将自然语言、三维布局与程序化约束相结合,构建从设计灵感到可落地方案的完整链路。Dymaxion最终获得Product Hunt年度最佳设计类产品认可,验证了生成式AI在垂直商业场景中实现可控落地的可行性。
随后的Foretoken AI,则将关注点从生成内容本身,转向在AI深度介入工作的时代,如何评估人的能力。在团队看来,当工程实践已高度依赖AI与多种工具,继续以算法题或标准化测试筛选人才,正在迅速脱离真实工作场景。
Foretoken AI采用以模拟真实工作方式为核心的评估思路。平台通过短周期、贴近岗位的模拟任务,让候选人在真实开发环境中完成工作,并允许自由使用包括AI在内的工具。评估重点不在结果是否“标准”,而在执行过程、沟通方式、问题拆解路径以及工具使用模式,从而还原工程实践中最关键、也最容易被忽视的能力。
在此基础上,Foretoken AI试图建立一种更接近真实工作表现的评估信号,以减少招聘过程中的不确定性与试错成本。这一模式已被部分早期用户引入实际招聘流程,作为对传统面试方式的替代。
从更长远的视角看,Foretoken AI的目标并不仅限于招聘效率本身。随着真实问题解决过程被系统性、合规地记录与建模,这些数据有望成为理解人类在复杂条件下如何思考、协作与使用AI的重要基础,并为未来更可靠、更具协作能力的智能系统提供参考。
从毕业演讲中的“允许偏航”,到创新实践中的“设计容错”,傅楷量的路径逐渐清晰。作为一位杰出的AI技术实践者与研究推动者,他并不急于证明AI有多强,而是在开创性地回答一个更长期的问题:当AI被大规模使用时,我们是否有能力判断它何时可靠、何时失效。
三年过去,那个站在布朗讲台上的年轻人,已将一次人生体悟,发展为一套面向未来的技术与创新方法论。 (何倩)
本稿件所含文字、图片和音视频资料，版权均属
齐鲁晚报所有，任何媒体、网站或个人未经授权不得转载，违者将依法追究责任。
【PDF版】
