花环夫人

太空任务也很浪漫：格鲁吉亚正在火星上酿造葡萄酒_我的网站

不结婚

A | 人工智能公司OpenAI正在进行一项非同寻常的试验：通过雇佣超100名前投资银行员工，训练其AI模型掌握金融建模等核心技能。据媒体10月22日报道，OpenAI这项代号为“Mercury”的秘密项目，已经吸引了来自摩根大通、摩根士丹利和高盛集团等顶尖金融机构的前员工参与。北京时间1月15日，第一批前往火星的宇航员可能会失去他们过去在地球上享受到的许多乐趣，例如保护臭氧层。

B | 幸运的是，他们不必放弃的乐趣之一是酒。

C | 格鲁吉亚是一个有着8000年葡萄种植历史的国家，它将允许顶级空间和葡萄酒专家研究火星上的葡萄种植。该项目被称为“9000”（庆祝即将到来的格鲁吉亚酿酒九千年），将包括几个阶段来研究如何在火星上建立农业基础设施。

D | 其中一个关键步骤是筛选地球上的葡萄品种，寻找能够适应火星恶劣环境的品种（强烈的辐射、可怕的沙尘暴和温度变化）。这些参与者负责编写指令、构建用于重组和首次公开募股（IPO）等各类交易的金融模型，以此“教导”AI如何像一名初级银行家一样工作。报道援引知情人士透露，这些合同工的时薪为150美元，并且获得了他们正在帮助创建的AI的早期使用权。这一举动在金融行业内部引发了对初级岗位职业前景的担忧，分析师们长期以来抱怨工作繁重乏味，而人工智能的崛起正将这种抱怨转变为对其工作安全性的直接威胁。毕竟，太空X的创始人埃隆·马斯克计划在2024年发射一次载人火星任务。佐治亚州亚太空间研究所的创始人尼科洛兹·多博里吉尼泽说：“佐治亚州想为火星上的人类生活做出自己的贡献。此举也揭示了Sam Altman领导下的OpenAI的战略重心。作为全球估值最高的初创公司之一，OpenAI尚未实现盈利，将强大的AI技术转化为能服务于金融、咨询、法律等各行各业的实用商业工具，已成为其当务之急。我们的祖先首先在地球上酿造葡萄酒，所以我们也应该能够首先在火星上酿造葡萄酒。葡萄酒的起源仍有争议，但最近的考古发现表明，格鲁吉亚人将在公元前6000年生产葡萄酒。根据格鲁吉亚通讯社Agenda.ge的说法，新的葡萄酒项目将于今年晚些时候启动。一、百余名前员工参与，时薪150美元训练AI 根据报道，OpenAI的“Mercury”项目已招募了超过100名具有华尔街背景的专业人士。参与者阵容强大，不仅包括曾在摩根大通、摩根士丹利、高盛等一线投行工作过的前员工，还囊括了来自Brookfield Corp.、Mubadala Investment Co.、Evercore Inc.和KKR & Co.等知名投资机构的人才，甚至还有哈佛大学和麻省理工学院的在读MBA学生。

E | 第比利斯的一家酒店将安装一个“垂直热床”。项目以灵活的合同工形式运作，参与者被要求每周提交一个金融模型。他们的任务包括用简单的语言编写提示，然后在微软的Excel程序中执行并构建模型。一位审阅人会对其工作提供反馈，参与者需在修正所有问题后，其成果才会被最终输入OpenAI的系统。OpenAI的一位发言人表示，公司与“众多领域的专家合作，以改进和评估我们模型的能力”，并称这些专家由第三方供应商招募、管理和支付报酬。值得注意的是，该项目的申请流程几乎没有人为干预。种子（包括葡萄、草莓和芝麻）将在装满土壤的容器中生长。水培灯将提供光，几乎不受人的干扰。他们将尽可能模拟火星上受控制的农业容器。环境科学。格鲁吉亚的酿酒师也不闲着。他们正在筛选适合在火星恶劣环境中生长的葡萄品种。申请过程包括与AI聊天机器人进行的约20分钟面试、一项财务报表知识测试以及最后的建模能力测试。在未来的几年里，第比利斯商业技术大学的研究人员计划在他们的实验室里模拟火星环境。

F | 这些实验可能为未来的火星人提供葡萄幼苗，但真正的发酵、装瓶和老化仍然需要自己完成。虽然没有人确切知道葡萄是如何在微重力下发酵的，但美国宇航局认为这是可能的。佐治亚州的酿造实验并不是第一次尝试在太空种植作物。国际空间站的宇航员已经开始种植莴苣。

G | 最近从中国发射的嫦娥-4号宇宙飞船将尝试在月球上种植土豆和拟南芥。百威啤酒三次将大麦种子送入太空，希望成为“火星上第一个啤酒品牌”；2011年至2014年，一批Admoir苏格兰威士忌在国际空间站停留了三年。

H | 二、“请修复”：AI需要学会的细节与格式投行初级分析师以其超长的工作时间闻名，在处理实时交易时，每周工作超过80小时是家常便饭。

I | 他们的工作充满了大量被视为“脏活累活”的任务，例如在Excel中构建复杂的并购模型，以及根据上级要求反复修改PPT演示文稿。在彭博专栏作家Matt Levine看来，这种对细节的极致追求，恰恰是AI需要学习的关键。他评论道，一名成功的投行分析师必须是“注重细节的”，因为模型或演示文稿中一个微小的格式错误，比如美元符号未对齐，都会让上司怀疑其中可能存在更严重的实质性错误，从而破坏信任。 Levine将目前的生成式AI比作“聪明但粗心的分析师”——它们能迅速产出看似合理的模型，但往往会出错或出现“幻觉”，无法被完全信任。因此，他认为OpenAI的项目本质上是一种“强化学习”，相当于“让一位投行副总裁对着AI吼上几年，直到它把格式做对为止”。

J | 雇佣前银行家正是看中了他们自身已经历过这种严苛的训练，能够本能地遵循页边距大小、百分比斜体等行业格式规范。三、替代学徒？华尔街晋升模式面临考验 “Mercury”项目的直接目标是让AI替代初级员工的工作，这引发了对投资银行传统学徒制模式未来的深刻质疑。数十年来，华尔街依赖于一个金字塔结构：初级分析师通过处理基础工作来学习技能，其中最优秀的一部分人最终晋升为需要与客户打交道的高级银行家。正如Matt Levine所提出的问题：当一个行业不再需要学徒时，它未来的高级合伙人将从何而来？如果AI接管了模型构建和文书工作，年轻的金融专业人士将如何获得必要的实战经验和行业知识，以成长为未来的领导者？不过，这一趋势也存在另一面。投资银行分析师项目的流动率一直很高，许多人在工作两年后便选择离开，投身于创业或其他行业。对于这些已经离开的人来说，回来训练一个可以替代自己当年岗位的机器人，或许并没有太多心理负担。