Susan STEM
@feltanimalworld • 41,218 subscribers
the Entropy Control Theory : Language as system design, system is larger than the model. 又闭关了，可私信留言。
Shorts
Videos
高人，你这个帖子让我整整琢磨了两天！本来想写个长文，但是太多头绪也不知道从何写起。总的来说是我这段时间上推的原因，总感觉自己的开发缺了很重要的认知；也是我这段时间除了自己硬件修复工作之外，还必须要去看text-to-CAD 的原因。 我为啥这段时间上推，就是心情不好。话多，我心情好的时候是不说话的，哪有这个功夫，可以一直干活。 很多行业，甚至是大部分AI需要落地的严肃场景，就是缺 IR, Verifier； 后续的TD和Platform Config必须建立在前面已经推导完成的前提下。AI写程序为什么那么厉害，就是因为IR-Platform Config这条链条是顺畅的。 我们看一下我这个视频。Zoo(text-to-CAD）就是创造了KCL这个IR, 集合你说的Specs/Impl 于一体，Specs是代码前面那一段。后面的Impl与verfier, 比如一些constraint是混在一起的。 这个版就做的非常好，就是我在你的提示下，自己把specs IR写好了。直接导入fusion我加了螺纹就是一个完整的可打印件。 我们要做任何一个行业的“如码" as code, 恐怕都逃不过这个阶段。 法律，医疗，CAD， circuit。 全都需要IR。 否则AI只是提供方案，不能提供方案验证，没有统一的IR，简直就是语言机——只会说！例如 Text-to-CAD 中，模型可以生成 KCL；但如果没有几何检查、约束检查, 这个图都画不出来的。 Transformer 本质上是概率预测器：P(next token | previous tokens) 代码非常成功是因为：代码行业拥有世界上最成熟的 IR 和 Verifier。 现在各行各业IR缺失，才是这一轮AI基本感觉漂浮在语言宇宙的原因。比如医疗。医疗算不算全世界标准最多的领域之一？ 医疗已经有 FHIR、DICOM、SNOMED 这些标准，但是这些标准大多数解决的是数据交换（Interoperability），而不是医学推理（Clinical Reasoning）。 如果真的要靠AI医学推理，需要耗费十几年的时间，真正把IR做出来，形成统一标准。 高人，给跪了。
Susan STEM26,264 views • 23 days ago
No more content to load