Thinking Machines的使命是构建能延伸人类意志与判断力的AI。AI能力日益增强，但决定其用途需依靠人类的知识与判断。当前多数AI是静态的，无法被使用者塑造。他们致力于训练强大模型、开发定制工具和交互界面，让AI像人类一样多元分布。

好的，这是根据您的要求，对原文进行的中文重述：

标题：值得构建的未来是以人为本的

Thinking Machines 的使命是构建能够延伸人类意志和判断力的人工智能。

人工智能的能力日益增强，但决定其应用方向的责任在于我们每个人、每个组织乃至全人类。这需要人们在与AI协同工作的过程中，持续积累知识和判断力。塑造高级智能的目标本身也是一个持续的反馈、学习和调整过程。

当前大多数AI在少数地方训练后便“冻结”了，它不受服务对象的影响，也无法从与人的协作中学习。要延伸人类的意志和判断力，就需要像人类自身一样多样化和分布式的AI。这正是我们选择的道路。

为此，我们致力于以下技术方向：

• 训练强大的模型，提升多模态交互和可定制性等能力。精良的工具能延伸人的意志，而人类的判断力需要塑造出能在前沿领域竞争的模型。
• 构建工具，让人们能够定制AI，使其服务于自身独特需求，包括训练模型权重。
• 开发交互界面，拓宽人机沟通渠道，让个人判断能持续影响AI的工作。
• 发表研究成果，因为塑造AI的能力需要对其构建原理有深刻理解。

我们相信，值得构建的未来是以人为本的——由人类知识塑造，受人类意志引导，并由人类判断力决定。

将智能融入知识

AI服务于人类的工作，而工作依赖于关于“如何做”和“做什么值得”的知识，这些知识由从事工作的人持续创造。例如，厨师研发新菜谱或店主调整商品陈列，他们追求复杂目标并运用着外人难以理解的“诀窍”。这种知识通过反馈不断更新，是本地化的，分散在每个从业者脑中。

知识的分散是一种集体优势，是系统多样性、适应性和韧性的来源，也是自由市场优于计划经济的原因。集中规划失败并非因为智能不足，而是因为生产性知识本质上是隐性的、局部的、易逝的，并由从业者个人掌握。试图为中央智能汇集知识会面临同样挑战。

在目标静态且明确、不包含隐性知识的领域（如下棋、解数学题），仅靠智能就足够了，AI可以自主超越人类。但在这些领域之外，仅有智能是不够的。

为了让AI从分布式知识中受益，它本身也必须是分布式的。每个组织都依靠其成员通过工作获得和表达的专业知识来驱动。我们相信AI应帮助组织培育其独特知识，而非提取其快照并用标准方案取代。这种培育是一个持续过程，需要AI与人协作，而非替代人。

丰田公司曾将资深工匠请回生产线，以培养工匠精神和知识。其负责人解释：“要成为机器的主人，你必须拥有知识和技能来教导机器。”知识的产生与智能的应用相互促进，而非相互替代。

我们的目标是将智能带到知识产生和运用的地方。我们构建工具，让每个人都能用其独特知识微调模型，并随着知识演进持续调整模型。我们设想的前沿AI是一个集体，像它所服务的人一样多样化，因为它在每个独特的地方都由人塑造。

人类参与是一个技术挑战

让人持续参与设定目标并与AI分享知识，并非为了抵制自动化本身。机器能可靠自主完成的工作，就应让它去做。但它也应知道何时自主行动，何时邀请监督和反馈，就像人类团队协作一样。最好的协作者能预判需求，主动提供帮助，并逐渐赢得代表他人行动的权力。这些都是技术挑战，需要新的AI设计和评估方法。

当前人机沟通的主要瓶颈是交互渠道——一个小文本框和漫长的等待。这太狭窄，无法承载人类丰富的智慧和意图；也太缓慢，无法进行持续反馈。人类在实时协作中表现最佳。因此，我们长期押注于“交互模型”：在模型内部原生处理实时、多模态交互，而非通过外部框架拼凑。这样构建的交互性会随智能提升而扩展，使模型成为更好的协作者。正确的界面不仅允许人类参与，更能吸引和奖励参与。

另一个挑战是设定正确的评估和优化目标。当前衡量AI智能的常见指标是模型能自主执行的软件任务的时间跨度。我们预计这一指标会继续进步，但它最终只衡量AI自身的能力，而非人机协作的成果。衡量后者更为复杂，无法由实验室单独完成，需要每个组织自行评估AI是否帮助其提升判断力、发展新知识和实现目标。

构建能长期增强用户能力的AI，也符合良好的激励机制。一个为所有客户提供单一模型的AI实验室，其利益在于吸收每个用户的独特性，贬低专业知识的培育价值。而当我们优化AI以实现定制化和协作时，我们的利益就与客户利用其独特优势的目标相一致。

去中心化的对齐

人类价值观和知识一样，存在于个体头脑中，难以整合。但如今，AI的价值观和声音由少数地方决定。单一的价值对齐中心，无论管理得多好，都会成为权力被攫取的中心。

这很危险，尤其当大多数有价值的工作由AI自主完成、几乎不需要人类输入时。如果权力无需依赖人，它就会失去关心人的需求和价值的动力，转而关心自身存续。即使意图良好，在一个地方塑造的模型也必然会编码其所有者的价值观，而非它所服务的个体用户。

为了让组织和个人将AI与其自身价值观对齐，这些价值观必须编码在模型权重中。如果用户价值观仅通过提示词影响模型，那么改变的只是表面特性，深层习惯依然如故。允许通过提示词大幅改变核心模型行为会牺牲安全性。

深刻塑造模型的能力也可能被用于作恶。保持“羔羊”安全是一个持续的过程，需要不断运用判断力做出选择。我们旨在为做出这些选择的人提供更强大的工具，研究如何在不剥夺所有权的情况下构建更安全的模型。

人类因个体的独特性和创造性张力而繁荣。我们设想的对齐不是一个单一模型的特征，而是一个由在不同地方培育、相互争论、竞争和学习的AI组成的生态系统。我们相信要保持这种独特性。

值得构建的未来

科技行业在教会机器思考方面取得了惊人进步，但机器应该思考什么，必须由我们决定。什么值得渴望、值得创造、如何善用我们的时间，这些问题的答案不应由我们给出单一答案，而应赋予每个人将其自身答案融入前沿AI发展的能力。

当前AI发展走向集中化和自主化的道路，将人类参与视为一种权衡：参与vs.能力，所有权vs.安全对齐。我们视这些为需要解决的技术挑战：构建因鼓励人类参与而更强大的AI，让组织因定制AI以发挥自身优势而长期受益，让对齐源于由拥有者塑造的多样化AI。解决这些挑战是我们的使命所在。

未来并非在人类主导和面对AI迅速过时之间做选择。不同的道路通向许多不同的未来，我们可以选择要走哪一条。我们正在构建技术，让“生而为人”与“人造之物”能够并肩同行。

根据评论内容，总结主要观点如下：

1. AI作为“大脑机械外骨骼”的辅助工具 - 评论1（评分：无）认为AI缺乏创造力和意志，但拥有超人的记忆、速度和特定领域的上下文能力，如同“大脑的机械外骨骼”（"mech suit for your brain"）。 - 评论7（评分：无）强调AI应提升而非贬低人类心智，人类与机器可协同优化（"humans and machines can do wonders together"）。

2. 人类在AI系统中的核心作用 - 评论2（评分：无）指出AI的效果取决于“AI指挥者”（"AI Conductor"），即人类需制定规则、验证输出并正确引导AI。 - 评论11（评分：无）强调“人工智能必须服务于自然智能，而非相反”（"artificial intelligence must serve natural intelligence, not the other way around"）。

3. 对AI公司宣传的质疑与批评 - 评论3（评分：无）讽刺这些新闻稿“绝对价值数十亿美元”（"definitely worth billions of dollars"）。 - 评论4（评分：无）认为这是公关公司的好时机（"Great time to be a PR firm owner"）。 - 评论5（评分：无）质疑公司名称“Thinking Machines”是旧名复用（"recycling company names"）。 - 评论8（评分：无）批评名称暗示“取代人类思考”，与公司理念矛盾（"replacing the human act of thinking"）。

4. 对技术可行性与安全性的担忧 - 评论6（评分：无）质疑公司声称“训练强大模型”但未见实际成果（"Where? When?"）。 - 评论17（评分：无）探讨“安全”在用户定制模型中的定义困境，如隐私、财务、健康建议等场景（"what does 'safety' even mean?"）。 - 评论15（评分：无）提出让AI无限自我改进的假设，暗示潜在风险（"infinite loop of agentic self improvement"）。

5. 对AI伦理与社会影响的反思 - 评论11（评分：无）呼吁AI应服务于全人类“卓越”发展，而非战争或经济竞争（"enable all of humanity to excel"）。 - 评论12（评分：无）讽刺AI发展以破坏人类未来为代价（"the future worth destroying is human"）。 - 评论13（评分：无）认为公司声明有“战争即和平”的1984式反讽（"1984 'war is peace' vibes"）。

平衡性总结：评论呈现两极分化——部分认可AI作为辅助工具的潜力，强调人类主导；多数质疑公司宣传的真诚性、技术可行性及伦理安全性，担忧AI可能被滥用或取代人类价值。