如今，我們當然可以訓練一個能理解這一切的 AI 系統——懂一點怎麼摺疊蛋白質、怎麼摺衣服、怎麼把影片變成生成影像。它變成了一個「萬事通」，因為我們當時並不知道自己在做什麼；我們想把它保持開放，只配上一個結果導向的對齊：讓使用者持續使用這個系統。但那並不是使用 AI 的唯一方式。有些人是知道自己在做什麼的，他們只想把 AI 當成一個「高級西洋棋鐘」——去轉錄、做摘要、標出差異、搭建小工具。對這每一種用途，我們所謂的「小型」或「窄域」語言模型，所用的能量，字面上不到千分之一，因為參數量小得多。它們也不需要資料中心——這支手機就能跑。事實上，我們訓練的本機模型就跑在裝置上（on-device），所以不需要任何資料中心去微調、或去跑下一次對話，只要你知道自己在做什麼。仁工智慧與「對齊」之美，正在於替「AI 該如何進入社會」畫出社會許可——然後，正是沿著那些線條，去為這些特定用途訓練窄域模型。它們受幻覺所苦的程度遠遠更低，而且當你不把蛋白質和洗衣服硬扯進同一場對話時，可靠耐用性也容易得多。它也修好了「部署」的問題：你不再需要對雲端維持不間斷的寬頻；你可以部署在邊緣（edge）硬體上。所以它既更可稽核，也更可引導。