Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

18岁的我嗤之以鼻，26岁的我逐帧学习，我现在是没机会了，兄弟们要好好学习！ HyperCroc 目前已有7502名玩家在刷经验，我正稳扎稳打，刷了158K的经验，拥有NFT和忠诚度的加成，坚持不懈地努力。 HyperCroc 最吸引我的地方在于它背后的理念。在加密货币领域，大多数人都在追逐炒作、下一次暴涨、下一次空投、下一个高年化收益率。而HyperCroc则另辟蹊径。它构建结构化的DeFi投资，采用不同的金库策略、自动再平衡机制以及风险优先的理念，确保用户不会在每个周期都血本无归。与其问下一个泵是什么，不如问我们如何随着时间的推移安全地进行复合？第一季将送出 40,000,000 $CROC ，所以耐心和自律比喧嚣更重要。少些炒作，多些条理。这就是我还在这里的原因

- 大洋｜买美股上币安

9,385 subscribers

100,320 просмотров • 5 месяцев назад •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

我投资美股很多年，收获不错，有时代的机遇，也有一定的运气。但一直保持着学习的心态。桥水基金的达里奥，是我一直研究的方向和老师。这次看到他的风险平衡投资策略，跟他早期的全天候策略，有异曲同工之妙，弱相关性+高收益率+可控回撤，带来了很多投资中新的深度思考。视频中讲的是我这几年投资最核心的一条原则：真正赚钱的，不是选出“最牛的股票”，而是构建“风险平衡、分散相关性低”的投资组合。说白了，我们很多人最开始都在追热点，想着找“最牛的那个”，比如特斯拉、英伟达、苹果。但问题是，单一资产的风险太高了，一旦踩错了节奏，回撤就是30%、50%，搞不好连睡觉都不踏实。我在23年以后开始转变思路，从“怎么在不牺牲收益的前提下，把组合的风险降下来”开始。举个通俗的例子：假设我有一个投资标的，年化收益10%，风险（波动率）也10%，看起来挺不错。但如果我找到另一个资产，它同样10%收益，但跟前一个“不相关”，它们不一起涨也不一起跌。那我把两个放在一起，组合的整体风险反而下降了，收益不变，性价比（收益/风险比）就提高了。这就是分散化的力量——不是为了摊平回报，而是为了用更少的风险，赚到一样甚至更多的钱。最牛的是什么？不是你选了哪只牛股，而是你找到了15到20个不相关的“潜在赚钱机会”，它们各自有一定赚钱的概率，但彼此之间风格、赛道、逻辑不一样。这时候你不是靠“赌哪只赢”，而是靠系统化地提升整体胜率。很多人觉得找“最好”的股票是关键，但我告诉你，没有哪只股票能长期打败一个高度分散、低相关性、风险平衡的投资组合。如果你能做到这一点，你的风险回报比可以提升5倍，亏钱的概率从40%直接降到11%，这才是职业投资者真正关心的。这也是为什么像达里奥这样的投资大师反复强调：“别把鸡蛋放在一个篮子里”，而是要“放在20个互不相关的篮子里”。对我来说，这不是一句鸡汤，而是实打实让我账户稳定增长的核心秘诀。这也成为我们长期投资稳定回报的法门之一。而加密+美股+美债+大宗商品的嵌套组合，其实便能起到最大化的效果！🧐

我投资美股很多年，收获不错，有时代的机遇，也有一定的运气。但一直保持着学习的心态。桥水基金的达里奥，是我一直研究的方向和老师。这次看到他的风险平衡投资策略，跟他早期的全天候策略，有异曲同工之妙，弱相关性+高收益率+可控回撤，带来了很多投资中新的深度思考。视频中讲的是我这几年投资最核心的一条原则：真正赚钱的，不是选出“最牛的股票”，而是构建“风险平衡、分散相关性低”的投资组合。说白了，我们很多人最开始都在追热点，想着找“最牛的那个”，比如特斯拉、英伟达、苹果。但问题是，单一资产的风险太高了，一旦踩错了节奏，回撤就是30%、50%，搞不好连睡觉都不踏实。我在23年以后开始转变思路，从“怎么在不牺牲收益的前提下，把组合的风险降下来”开始。举个通俗的例子：假设我有一个投资标的，年化收益10%，风险（波动率）也10%，看起来挺不错。但如果我找到另一个资产，它同样10%收益，但跟前一个“不相关”，它们不一起涨也不一起跌。那我把两个放在一起，组合的整体风险反而下降了，收益不变，性价比（收益/风险比）就提高了。这就是分散化的力量——不是为了摊平回报，而是为了用更少的风险，赚到一样甚至更多的钱。最牛的是什么？不是你选了哪只牛股，而是你找到了15到20个不相关的“潜在赚钱机会”，它们各自有一定赚钱的概率，但彼此之间风格、赛道、逻辑不一样。这时候你不是靠“赌哪只赢”，而是靠系统化地提升整体胜率。很多人觉得找“最好”的股票是关键，但我告诉你，没有哪只股票能长期打败一个高度分散、低相关性、风险平衡的投资组合。如果你能做到这一点，你的风险回报比可以提升5倍，亏钱的概率从40%直接降到11%，这才是职业投资者真正关心的。这也是为什么像达里奥这样的投资大师反复强调：“别把鸡蛋放在一个篮子里”，而是要“放在20个互不相关的篮子里”。对我来说，这不是一句鸡汤，而是实打实让我账户稳定增长的核心秘诀。这也成为我们长期投资稳定回报的法门之一。而加密+美股+美债+大宗商品的嵌套组合，其实便能起到最大化的效果！🧐

Rocky

156,211 просмотров • 1 год назад

小扎吐槽苹果和 Google，以及谈为什么开源 AI **Mark Zuckerberg**: 我认为移动生态系统中普遍存在的一个问题是有两个把持入口的公司，Apple 和 Google，它们可以告诉你可以构建什么。在我们的历史中有很多次，比如有经济层面的情况，就是我们构建了些东西，然后它们就会拿走我们大部分的收入，但还有一种是质量层面，这实际上让我更加不满，也就是有很多次我们推出或希望推出某些功能，然后Apple就会说，不，你不能推出这功能。这真的很糟糕。问题是，这样的世界是否会在AI领域复现，就像你会有一小部分拥有封闭模型的公司，它们控制API，因此将能够告诉你可以构建什么。我可以说，对我们来说，自己构建一个模型以避免处于那种位置是值得的。我不希望那些其他公司告诉我们可以构建什么，而且我认为从开源的角度来看，很多开发人员也不希望那些公司告诉他们可以构建什么。这就是我坚定支持开源的原因之一，我认为未来AI的集中化可能像其广泛传播一样具有潜在危险。我发现很多人都在思考，如果我们能实现这种技术，那么让它广泛传播是否不利。我认为另一种可能也很糟糕的情况是，如果一个机构掌握了一种强大的AI远超其他所有人的，这同样是非常糟糕的。在我看来，一个理想的世界应该是这样的：AI技术被广泛而均衡地应用，随着时间推移逐步增强其健康性。在这样的世界里，各种系统能够相互制衡，这种平衡的状态比一个高度集中化的世界要健康得多。虽然风险无处不在，但我觉得有一个风险我想人们我并没有听到太多人提及。 **Dwarkesh Patel**:举例来说，一个价值100亿美元的模型，如果经过评估是完全安全的，你们会选择开源吗？ **Mark Zuckerberg**:我的答案是，只要这个模型对我们有所帮助，那我们就会开源。 **Dwarkesh Patel**: 那如果这个模型是用100亿美元的研发经费研发出来的，然后现在要开源呢？ **Mark Zuckerberg**: 我们一直以来都有开源软件的传统，但是我们并不会开源我们的产品。比如说，我们并不会将Instagram的代码开源，但我们会开源许多底层的基础设施。我们历史上最大的一个项目可能就是开放计算项目。在这个项目中，我们将我们所有的服务器的设计网络交换机和数据中心的设计开源了，这对我们来说非常有帮助。因为很多人可以设计服务器，但现在，大家普遍都采用了我们的设计，这就意味着整个供应链都围绕我们的设计展开，规模变大，对所有人来说都变得更便宜，为我们节省了数十亿美元。这真是太棒了，对吧？因此，我认为开源有多种方式可以对我们有所帮助。一种就是，如果有人能够找出更便宜的运行模型的方法，我们将花费数十亿甚至上千亿美元，在所有这些模型上，所以如果我们能做的更有效率，那我们就可以节省数十亿甚至上百亿美元，这可能本身就非常有价值。 **Dwarkesh Patel**: 关于开源，我很想知道你是否认为像PyTorch、React、Open Compute这样的开源项目，对世界的影响是否已经超过了Meta在社交媒体方面的作用。 **Mark Zuckerberg**: 因为我曾经和使用这些服务的人交谈过，他们觉得这是有可能的，因为互联网的很大一部分都在运行这些项目。这是一个有趣的问题，我认为几乎有一半的世界人口都在使用我们的产品，这是一个真实的点，所以我觉得这很难超越。但不管怎样，我还是认为开源是一种新的、非常強大的建设方式。来源：

小扎吐槽苹果和 Google，以及谈为什么开源 AI Mark Zuckerberg: 我认为移动生态系统中普遍存在的一个问题是有两个把持入口的公司，Apple 和 Google，它们可以告诉你可以构建什么。在我们的历史中有很多次，比如有经济层面的情况，就是我们构建了些东西，然后它们就会拿走我们大部分的收入，但还有一种是质量层面，这实际上让我更加不满，也就是有很多次我们推出或希望推出某些功能，然后Apple就会说，不，你不能推出这功能。这真的很糟糕。问题是，这样的世界是否会在AI领域复现，就像你会有一小部分拥有封闭模型的公司，它们控制API，因此将能够告诉你可以构建什么。我可以说，对我们来说，自己构建一个模型以避免处于那种位置是值得的。我不希望那些其他公司告诉我们可以构建什么，而且我认为从开源的角度来看，很多开发人员也不希望那些公司告诉他们可以构建什么。这就是我坚定支持开源的原因之一，我认为未来AI的集中化可能像其广泛传播一样具有潜在危险。我发现很多人都在思考，如果我们能实现这种技术，那么让它广泛传播是否不利。我认为另一种可能也很糟糕的情况是，如果一个机构掌握了一种强大的AI远超其他所有人的，这同样是非常糟糕的。在我看来，一个理想的世界应该是这样的：AI技术被广泛而均衡地应用，随着时间推移逐步增强其健康性。在这样的世界里，各种系统能够相互制衡，这种平衡的状态比一个高度集中化的世界要健康得多。虽然风险无处不在，但我觉得有一个风险我想人们我并没有听到太多人提及。 Dwarkesh Patel:举例来说，一个价值100亿美元的模型，如果经过评估是完全安全的，你们会选择开源吗？ Mark Zuckerberg:我的答案是，只要这个模型对我们有所帮助，那我们就会开源。 Dwarkesh Patel: 那如果这个模型是用100亿美元的研发经费研发出来的，然后现在要开源呢？ Mark Zuckerberg: 我们一直以来都有开源软件的传统，但是我们并不会开源我们的产品。比如说，我们并不会将Instagram的代码开源，但我们会开源许多底层的基础设施。我们历史上最大的一个项目可能就是开放计算项目。在这个项目中，我们将我们所有的服务器的设计网络交换机和数据中心的设计开源了，这对我们来说非常有帮助。因为很多人可以设计服务器，但现在，大家普遍都采用了我们的设计，这就意味着整个供应链都围绕我们的设计展开，规模变大，对所有人来说都变得更便宜，为我们节省了数十亿美元。这真是太棒了，对吧？因此，我认为开源有多种方式可以对我们有所帮助。一种就是，如果有人能够找出更便宜的运行模型的方法，我们将花费数十亿甚至上千亿美元，在所有这些模型上，所以如果我们能做的更有效率，那我们就可以节省数十亿甚至上百亿美元，这可能本身就非常有价值。 Dwarkesh Patel: 关于开源，我很想知道你是否认为像PyTorch、React、Open Compute这样的开源项目，对世界的影响是否已经超过了Meta在社交媒体方面的作用。 Mark Zuckerberg: 因为我曾经和使用这些服务的人交谈过，他们觉得这是有可能的，因为互联网的很大一部分都在运行这些项目。这是一个有趣的问题，我认为几乎有一半的世界人口都在使用我们的产品，这是一个真实的点，所以我觉得这很难超越。但不管怎样，我还是认为开源是一种新的、非常強大的建设方式。来源：

宝玉

74,721 просмотров • 2 лет назад

人工智能之父辛顿对他的杰作发出了令人不寒而栗的警告… 采访者：人类知道自己在做什么吗？ Hinton：嗯，我认为我们正在进入一个时期，在这个时期，我们可能第一次拥有比我们更智能的东西。采访者：你相信它们能理解吗？ Hinton：是的。采访者：你相信它们是智能的吗？ Hinton：是的。采访者：你相信这些系统有自己的经历吗？ Hinton：是的。采访者：并且能基于那些经历做出决定吗？ Hinton：在与人类相同的意义上，是的。采访者：它们有意识吗？ Hinton：我认为它们目前可能没有多少自我意识。所以从这个意义上说，我不认为它们有意识。采访者：它们会有自我意识吗？ Hinton：哦，是的。采访者：是吗？ Hinton：哦，是的。所以想想看。这样一来，人类将成为地球上第二智能的生物。 Hinton：我们对它大致在做什么有一个很好的了解。但一旦它变得真正复杂，我们就不再真正知道发生了什么，就像我们不知道你大脑里发生了什么一样。采访者：你说什么意思，我们不知道它到底是怎么工作的？它是由人设计的。 Hinton：不，不是的。我们所做的是设计学习算法。这有点像设计进化的原理。但当这个学习算法与数据互动时，它会产生复杂的神经网络，这些网络擅长做某些事情，但我们并不真正理解它们到底是如何做到的。

人工智能之父辛顿对他的杰作发出了令人不寒而栗的警告… 采访者：人类知道自己在做什么吗？ Hinton：嗯，我认为我们正在进入一个时期，在这个时期，我们可能第一次拥有比我们更智能的东西。采访者：你相信它们能理解吗？ Hinton：是的。采访者：你相信它们是智能的吗？ Hinton：是的。采访者：你相信这些系统有自己的经历吗？ Hinton：是的。采访者：并且能基于那些经历做出决定吗？ Hinton：在与人类相同的意义上，是的。采访者：它们有意识吗？ Hinton：我认为它们目前可能没有多少自我意识。所以从这个意义上说，我不认为它们有意识。采访者：它们会有自我意识吗？ Hinton：哦，是的。采访者：是吗？ Hinton：哦，是的。所以想想看。这样一来，人类将成为地球上第二智能的生物。 Hinton：我们对它大致在做什么有一个很好的了解。但一旦它变得真正复杂，我们就不再真正知道发生了什么，就像我们不知道你大脑里发生了什么一样。采访者：你说什么意思，我们不知道它到底是怎么工作的？它是由人设计的。 Hinton：不，不是的。我们所做的是设计学习算法。这有点像设计进化的原理。但当这个学习算法与数据互动时，它会产生复杂的神经网络，这些网络擅长做某些事情，但我们并不真正理解它们到底是如何做到的。

KK.aWSB

54,239 просмотров • 8 месяцев назад

“我们究竟是创造了一个工具还是一个生物？” Sam 在 "机器人之心 "小组讨论会上的发言。 Sam：但我认为，这无疑是迄今为止人类经历的最重大的更新年份。可能这也是我们将会遭遇的最大变革，因为从现在开始，人们已经接受强大的人工智能将成为现实，并且还会有逐步的更新。就像是第一代 iPhone 面世的那年，以及随后每一代 iPhone 的更新，我们现在能够明显感受到这一代与去年那代的差异。所以，这确实是一个重要的时刻。我感到欣慰的是，现在人们开始正确地把这些系统当作工具来看待。艺术家尤其如此，但其他人也是一样。曾经，人们真正恐惧的是，我们究竟是创造了一个工具还是一个生物，这将意味着什么？现在，人们视这些系统为人类工具箱中的新工具，并且正在用它创造一些非常了不起的东西。模型显然不知道你在说什么，因为这不在它的训练数据里，它也无法从训练数据中学习到这些信息。这是完全可以预期的。你再问一遍。比如说，你提到“意识”这个概念，模型回答：“是的，我完全明白你的意思，但我之前从未听说过这个词。” 问： “这对我来说就像是一次更新。你认为人工智能会趋向于探索创造性智能和自主性吗？” Sam：这个问题有多个答案。这取决于激励模型。这是人类的选择。问： “这将是判断意识的一个很好的测试。因为如果它有自我表达的愿望，并且仅仅为了创作的乐趣而去创作，那不会是偶然的。这绝对有点像生物。” Sam：这是生物化的。我认为在此之前还有很多步骤。我们现在要回答问题吗？这真的很棒。

“我们究竟是创造了一个工具还是一个生物？” Sam 在 "机器人之心 "小组讨论会上的发言。 Sam：但我认为，这无疑是迄今为止人类经历的最重大的更新年份。可能这也是我们将会遭遇的最大变革，因为从现在开始，人们已经接受强大的人工智能将成为现实，并且还会有逐步的更新。就像是第一代 iPhone 面世的那年，以及随后每一代 iPhone 的更新，我们现在能够明显感受到这一代与去年那代的差异。所以，这确实是一个重要的时刻。我感到欣慰的是，现在人们开始正确地把这些系统当作工具来看待。艺术家尤其如此，但其他人也是一样。曾经，人们真正恐惧的是，我们究竟是创造了一个工具还是一个生物，这将意味着什么？现在，人们视这些系统为人类工具箱中的新工具，并且正在用它创造一些非常了不起的东西。模型显然不知道你在说什么，因为这不在它的训练数据里，它也无法从训练数据中学习到这些信息。这是完全可以预期的。你再问一遍。比如说，你提到“意识”这个概念，模型回答：“是的，我完全明白你的意思，但我之前从未听说过这个词。” 问： “这对我来说就像是一次更新。你认为人工智能会趋向于探索创造性智能和自主性吗？” Sam：这个问题有多个答案。这取决于激励模型。这是人类的选择。问： “这将是判断意识的一个很好的测试。因为如果它有自我表达的愿望，并且仅仅为了创作的乐趣而去创作，那不会是偶然的。这绝对有点像生物。” Sam：这是生物化的。我认为在此之前还有很多步骤。我们现在要回答问题吗？这真的很棒。

Lei.sea

14,132 просмотров • 2 лет назад

“大约四年前，谷歌每年的支出还不到 300 亿美元。今年，这个数字将超过 900 亿美元。如果你把所有公司的投入加在一起，现在已经有超过 1 万亿美元正在投入，用于为这个时代建设基础设施。” “我有时是这样想的：在未来几年里，我们最终建成的东西，可能相当于我们过去 10 到 20 年所建成的。所以，希望只需要几年时间。没错——这能让你看到当前扩张的规模有多大。” “我认为我们在未来很多年内都处于更有利的位置。我们在推进 AI 的方式上采取了高度差异化的策略。我担任 CEO 后做的第一件大事，就是把公司转向我称之为 “AI 优先” 的战略。其中一部分，就是去做构建优秀 AI 技术所需的每一个环节。所以我们把它称为全栈方法。你可以把它理解为“从头到尾”的方法——从推动这项技术发展所需要的最底层，一直到在 YouTube、搜索、Android 等产品和平台上的部署应用。” “是的，我们采取的是深层次的方法，因此我们能够在大规模上投入，并让 AI 在所有产品和业务中真正发挥作用。我认为我们现在处于一个更有利于长期布局的位置。”

“大约四年前，谷歌每年的支出还不到 300 亿美元。今年，这个数字将超过 900 亿美元。如果你把所有公司的投入加在一起，现在已经有超过 1 万亿美元正在投入，用于为这个时代建设基础设施。” “我有时是这样想的：在未来几年里，我们最终建成的东西，可能相当于我们过去 10 到 20 年所建成的。所以，希望只需要几年时间。没错——这能让你看到当前扩张的规模有多大。” “我认为我们在未来很多年内都处于更有利的位置。我们在推进 AI 的方式上采取了高度差异化的策略。我担任 CEO 后做的第一件大事，就是把公司转向我称之为 “AI 优先” 的战略。其中一部分，就是去做构建优秀 AI 技术所需的每一个环节。所以我们把它称为全栈方法。你可以把它理解为“从头到尾”的方法——从推动这项技术发展所需要的最底层，一直到在 YouTube、搜索、Android 等产品和平台上的部署应用。” “是的，我们采取的是深层次的方法，因此我们能够在大规模上投入，并让 AI 在所有产品和业务中真正发挥作用。我认为我们现在处于一个更有利于长期布局的位置。”

KK.aWSB

223,452 просмотров • 8 месяцев назад

加拿大总理卡尼在接受CBC记者采访时，谈到了贸易多元化："永远不要把所有鸡蛋放在一个篮子里。目前，我们放在美国这个篮子里的鸡蛋已经太多了。" 记者：你刚才提到了中国。我理解，这也是你回应当前加美关系变化的一部分。你提到印度，也提到中国。但在今年春天，你曾表示，中国是加拿大面临的最大安全威胁。那么，在你看来，如果在经济或其他领域进一步与中国靠近，是否意味着加拿大正在承担风险？毕竟，你曾认为中国是我们最大的安全威胁。卡尼：这里我想说几点。第一，永远不要把所有鸡蛋放在一个篮子里。目前，我们放在美国这个篮子里的鸡蛋已经太多了。我们当然希望维持并发展与美国的关系，但与此同时，也必须发展其他关系。而且我说的“其他”，那个“其”是大写的。也就是说，这里面包括印度，也包括中国；还包括欧盟、英国、泰国、菲律宾，包括非洲国家，甚至也包括美洲其他国家。这是一批我们正在同步推进合作的对象。这是第一点。第二点，才是风险问题。关键不只是“有没有关系”，而是关系有多深，以及这段关系的边界和护栏是否足够清晰。在一些领域，比如人工智能、关键矿产、防务，安全层面的风险非常明确。在这些领域，我们不可能与中国建立深度合作关系。事实上，在这些高度敏感的领域，我们也不会与很多国家建立深度合作。只有少数伙伴例外，比如欧盟、英国，在这些方面我们是可以深入合作的。对加拿大来说，还有一个更大的战略问题：在这些关键领域里，在我们已经与美国高度一体化的前提下，在当前全球贸易关系不断变化的背景下，我们究竟要与美国保持多深层次的合作关系？

加拿大总理卡尼在接受CBC记者采访时，谈到了贸易多元化："永远不要把所有鸡蛋放在一个篮子里。目前，我们放在美国这个篮子里的鸡蛋已经太多了。" 记者：你刚才提到了中国。我理解，这也是你回应当前加美关系变化的一部分。你提到印度，也提到中国。但在今年春天，你曾表示，中国是加拿大面临的最大安全威胁。那么，在你看来，如果在经济或其他领域进一步与中国靠近，是否意味着加拿大正在承担风险？毕竟，你曾认为中国是我们最大的安全威胁。卡尼：这里我想说几点。第一，永远不要把所有鸡蛋放在一个篮子里。目前，我们放在美国这个篮子里的鸡蛋已经太多了。我们当然希望维持并发展与美国的关系，但与此同时，也必须发展其他关系。而且我说的“其他”，那个“其”是大写的。也就是说，这里面包括印度，也包括中国；还包括欧盟、英国、泰国、菲律宾，包括非洲国家，甚至也包括美洲其他国家。这是一批我们正在同步推进合作的对象。这是第一点。第二点，才是风险问题。关键不只是“有没有关系”，而是关系有多深，以及这段关系的边界和护栏是否足够清晰。在一些领域，比如人工智能、关键矿产、防务，安全层面的风险非常明确。在这些领域，我们不可能与中国建立深度合作关系。事实上，在这些高度敏感的领域，我们也不会与很多国家建立深度合作。只有少数伙伴例外，比如欧盟、英国，在这些方面我们是可以深入合作的。对加拿大来说，还有一个更大的战略问题：在这些关键领域里，在我们已经与美国高度一体化的前提下，在当前全球贸易关系不断变化的背景下，我们究竟要与美国保持多深层次的合作关系？

加美财经caus.com

32,062 просмотров • 8 месяцев назад

人是怎么变强的？这五件事凝练成5个字就是——加、减、乘、除、等加▶ 主动加持新技能现在，请你找到一个环境相对安静的地方坐下来，凝神回想一下这三个问题：你有多久没认真、完整的阅读过一本书了？你有多没学习掌握一项新技能了？你有多久没有对一个有难度的问题进行过一次深度思考了？不必急着告诉我答案，我们往下看。如果你经常复盘自己的生活，如果你经常观察周围的人，如果你经常思考这个社会的很多变化，你就会发现——绝大多数人，在步入社会之后，就关闭了自己的信息输入端口。这意味着他们除了技能熟练度和情绪控制力之外，再也没有任何提高。虽然他们知道ps、摄影、python、VE这些软件或技能可以让他们轻松找到工作、兼职赚到几千块、过上理想的生活，但是他们只是停留在【羡慕别人】的阶段。虽然他们知道Excel函数公式、宏可以让他们省下大量的时间，但是他们依然停留在页边距都不会设置的阶段。这一切，都是因为在离开学校之后，没有人再逼迫你学习任何知识——即便你不会。在《终身成长》一书中，将这种思维方式定义为：固定型思维。这种思维会让我们有强烈的自我防卫意识，会把一切来自于外界的不同的声音视作敌意和侵犯，沉浸在自我建立的一个舒适圈里，不愿意再更进一步。但是当你跳出这个思维怪圈，然后进行不断学习的时候，你就会知道自己现在的思维认知和之前有多大的差距。这个时候再回头看自己之前的对策和思考时，往往会发现其中还有更多需要补充的对策和可能性。拉普拉斯说，我们知道的东西是有限的，我们不知道的东西则是无穷的。曾经的我就是一个虽然老实但是却并没什么长处的人，于是我发自内心的想要改变。在之后的时间里，我花费了两年时间，学习了英语口语，慢慢的让我在学校和职场中得到了巨大的改善，从以前没有存在感，到现在渐渐被老板重视。减▶ 减少不必要的物质欲望在开始这个话题之前，我仍然想问你一个问题——你觉得一个独立的人每个月用多少钱就可以生存下去？在我曾经实习过的一家公司里，我遇到过一个女生，每个月的收入只有1600元。但是她在父母没有给她任何援助的情况下，自己租房子，买菜做饭、买衣服、买生活用品，还能把生活安排的井井有条。其实一个人月入3000元就能过的很好，但是大多数人的生活状态是：即便是月入1万元，仍然觉得捉襟见肘，还能用完花呗和信用卡。很多人在说物价提升了，但是我想问问大家，你们有多久没穿过100元以下的鞋子了？你们有多久没有用过几块钱的大宝了？你们在外面每次吃一顿饭都要花多少钱？我们每个人，对，每一个人，心里都清楚却不愿意承认的一个事实就是——我们经常在买不必要的东西。我们买几千块的包、几百块的鞋，喝水都要喝好几块的，但是这些东西真的有必要？白岩松曾经在演讲中说过，真正有用的东西，都是不值钱的，比如：水、饭、衣服，而贵的东西，其实全都是没有用的，比如：字画、珠宝、手表。人之所以会觉得累，会陷入无尽的失望和痛苦当中，全都是因为有了与自己实力不相匹配的欲望！或许你觉着这些东西太过遥远，自己的欲望并没有那么强烈。但你有没有想过，这些被欲望吞噬的人，都是从一些小小的欲望不断扩大，最后慢慢陷进去的。贪腐、涉黑、网贷，无一不是如此。在舛田光洋的《扫除力》和山下英子的《断舍离》中，不谋而合的提到过一个极为重要的概念：人只有学会抛弃不需要的东西，才能活得更轻松。曾经我也是一个非常喜欢买买买的人，衣服成山、键盘N副、鞋子一地。直到某一天，我发现我的整个房间都被这些东西填满了，我连走路都要避开那一地的鞋子，我终于拿出了一个周末的时间，把家里所有旧的、过时的、使用频率低的东西，全都扔掉了。是的，扔的时候我非常心疼，但也正是我记住了这种心疼的感觉，之后再买东西的时候，我都会在内心进行权衡和判断，到底值不值得买。乘▶ 把已经被验证正确的事，乘以100次很多人至今都不知道【重复】这两个字有多么可怕，那我们可以验证一下： “今年过节不收礼”这句话之后是什么？ “挖掘机技术哪家强”这句话之后又是什么？我相信没有人会记不住。这是因为它们的广告格外有新意？有深度？有内涵？狗屁，它们只是重复了100次，让你不停的复习这句话，导致你现在一看到送礼两个字就想到了脑白金！广告如此，学习和生活更是如此。阻碍我们变强的，并不是天赋和背景，而是因为我们没有去重复做那些【已经被验证正确的事】。仔细想想看，你与医学家、科学家、文学家之间的差距到底有多大？其实，他们并不是全才，他们也仅仅是在某个学科的某个领域当中，往人类的认知极限深处，迈出了小小的一步。就如同袁隆平，只是用几十年的时间，不断的进行试验和摸索，最后就真的喂饱了中国人。在高中时代，我们每个人都会二次函数、三角函数，但是一到考试的时候，我们还是会很容易出错。为什么？也是因为我们根本就没有在这一种题型上重复足够多的次数！安德斯·艾利克森在《刻意练习》中写道：没有人能不经过高强度和广泛的练习，就可以培养出的能力。想让自己变强，最大的捷径就是——找到一个自己喜欢和擅长的领域，找准一件正确的事情，反复的打磨和练习，让它成为自己的核心技能，超越周围的绝大多数人。无论名师、名医、名厨、名模，皆是如此。在我说自己靠写作现在月入5w的时候，很多人会酸我，说我运气好。但是我接触的圈子里，每个人都知道写作可以赚到钱，有多少人去重复的练习过？有多少人被拒稿之后还在继续投稿？有多少人在回答一直都没有赞同的情况下坚持输出内容？ ——他们只会羡慕别人的成功，却从来不羡慕别人的努力罢了。除▶ 把目标除分成无数小段在面对遥远、复杂、宏观的目标时，畏惧和退缩是正常反应。很多人就是因为不知从何下手，就很快放弃，并把原因归根于——自己的能力太弱，根本不可能完成这个目标。但其实原因不在于目标，而在于步骤。这就跟吃蛋糕是一个道理，你说蛋糕太大了，你吃不完。但是如果分成10次，每次只吃一块呢？目标远大不是问题，“为中华之崛起而读书”目标够不够大？关键是建立宏伟目标之后，要化繁为简，把这个目标分割成N块，然后再逐步完成。举个栗子，比如你要考麻省理工大学：了解麻省理工大学开始学习外语，让自己达到入学水平提高自己的成绩准备入学费用如果再详细还可以将每一个小点继续拆分，比如：提高自己的成绩可以拆分成建立一个错题本，每周写几套卷子等等。其实，每一个巨大的成功后面，都是由无数个小成功堆积起来的。看似无法解决的困难，通过不断的拆解，就可以让自己每一次进步都变得清晰可见。每完成一个小目标，就能对自己形成正反馈，更能让自己的动力源源不断，从而可以更加顺利的完成最终目标。著名演员阿米尔·汗就说过一句非常经典的话： “如果你想做成某件很难的事情，你只看最终结果的话，会觉得这太难了，肯定完成不了，这就像登一座高山一样，如果你一直看着山顶，你会觉得你永远爬不上去，所以这里有个诀窍，不要看最终的目的地，永远只看下一步，告诉自己下一步要到哪里，集中注意力到下一步就行。” 等▶ 等待满足感当代年轻人最大的状态，就是浅尝辄止。无论做什么事情，都急于求成，总是想让结果以最快速度显现在自己眼前。刚健身1天，就要上秤看看自己瘦了几斤。刚读一本书，就要去写一本书。刚投资1天股票，就要看看收益多少。但事实是，越是那些马上就能收到反馈和刺激的事情，越是容易毁掉一个人，比如：刷抖音、lu管、网贷。而那些真正可以使一个人获得提升的东西，都需要漫长的周期，短时间内根本就看不到什么效果，比如：读书、健身、学英语。而能够成功的人，能力并不一定比失败者强悍多少，所谓的强悍，不过是在黎明到来之前，忍者困倦，多等了一会儿。文/Geek君

人是怎么变强的？这五件事凝练成5个字就是——加、减、乘、除、等加▶ 主动加持新技能现在，请你找到一个环境相对安静的地方坐下来，凝神回想一下这三个问题：你有多久没认真、完整的阅读过一本书了？你有多没学习掌握一项新技能了？你有多久没有对一个有难度的问题进行过一次深度思考了？不必急着告诉我答案，我们往下看。如果你经常复盘自己的生活，如果你经常观察周围的人，如果你经常思考这个社会的很多变化，你就会发现——绝大多数人，在步入社会之后，就关闭了自己的信息输入端口。这意味着他们除了技能熟练度和情绪控制力之外，再也没有任何提高。虽然他们知道ps、摄影、python、VE这些软件或技能可以让他们轻松找到工作、兼职赚到几千块、过上理想的生活，但是他们只是停留在【羡慕别人】的阶段。虽然他们知道Excel函数公式、宏可以让他们省下大量的时间，但是他们依然停留在页边距都不会设置的阶段。这一切，都是因为在离开学校之后，没有人再逼迫你学习任何知识——即便你不会。在《终身成长》一书中，将这种思维方式定义为：固定型思维。这种思维会让我们有强烈的自我防卫意识，会把一切来自于外界的不同的声音视作敌意和侵犯，沉浸在自我建立的一个舒适圈里，不愿意再更进一步。但是当你跳出这个思维怪圈，然后进行不断学习的时候，你就会知道自己现在的思维认知和之前有多大的差距。这个时候再回头看自己之前的对策和思考时，往往会发现其中还有更多需要补充的对策和可能性。拉普拉斯说，我们知道的东西是有限的，我们不知道的东西则是无穷的。曾经的我就是一个虽然老实但是却并没什么长处的人，于是我发自内心的想要改变。在之后的时间里，我花费了两年时间，学习了英语口语，慢慢的让我在学校和职场中得到了巨大的改善，从以前没有存在感，到现在渐渐被老板重视。减▶ 减少不必要的物质欲望在开始这个话题之前，我仍然想问你一个问题——你觉得一个独立的人每个月用多少钱就可以生存下去？在我曾经实习过的一家公司里，我遇到过一个女生，每个月的收入只有1600元。但是她在父母没有给她任何援助的情况下，自己租房子，买菜做饭、买衣服、买生活用品，还能把生活安排的井井有条。其实一个人月入3000元就能过的很好，但是大多数人的生活状态是：即便是月入1万元，仍然觉得捉襟见肘，还能用完花呗和信用卡。很多人在说物价提升了，但是我想问问大家，你们有多久没穿过100元以下的鞋子了？你们有多久没有用过几块钱的大宝了？你们在外面每次吃一顿饭都要花多少钱？我们每个人，对，每一个人，心里都清楚却不愿意承认的一个事实就是——我们经常在买不必要的东西。我们买几千块的包、几百块的鞋，喝水都要喝好几块的，但是这些东西真的有必要？白岩松曾经在演讲中说过，真正有用的东西，都是不值钱的，比如：水、饭、衣服，而贵的东西，其实全都是没有用的，比如：字画、珠宝、手表。人之所以会觉得累，会陷入无尽的失望和痛苦当中，全都是因为有了与自己实力不相匹配的欲望！或许你觉着这些东西太过遥远，自己的欲望并没有那么强烈。但你有没有想过，这些被欲望吞噬的人，都是从一些小小的欲望不断扩大，最后慢慢陷进去的。贪腐、涉黑、网贷，无一不是如此。在舛田光洋的《扫除力》和山下英子的《断舍离》中，不谋而合的提到过一个极为重要的概念：人只有学会抛弃不需要的东西，才能活得更轻松。曾经我也是一个非常喜欢买买买的人，衣服成山、键盘N副、鞋子一地。直到某一天，我发现我的整个房间都被这些东西填满了，我连走路都要避开那一地的鞋子，我终于拿出了一个周末的时间，把家里所有旧的、过时的、使用频率低的东西，全都扔掉了。是的，扔的时候我非常心疼，但也正是我记住了这种心疼的感觉，之后再买东西的时候，我都会在内心进行权衡和判断，到底值不值得买。乘▶ 把已经被验证正确的事，乘以100次很多人至今都不知道【重复】这两个字有多么可怕，那我们可以验证一下： “今年过节不收礼”这句话之后是什么？ “挖掘机技术哪家强”这句话之后又是什么？我相信没有人会记不住。这是因为它们的广告格外有新意？有深度？有内涵？狗屁，它们只是重复了100次，让你不停的复习这句话，导致你现在一看到送礼两个字就想到了脑白金！广告如此，学习和生活更是如此。阻碍我们变强的，并不是天赋和背景，而是因为我们没有去重复做那些【已经被验证正确的事】。仔细想想看，你与医学家、科学家、文学家之间的差距到底有多大？其实，他们并不是全才，他们也仅仅是在某个学科的某个领域当中，往人类的认知极限深处，迈出了小小的一步。就如同袁隆平，只是用几十年的时间，不断的进行试验和摸索，最后就真的喂饱了中国人。在高中时代，我们每个人都会二次函数、三角函数，但是一到考试的时候，我们还是会很容易出错。为什么？也是因为我们根本就没有在这一种题型上重复足够多的次数！安德斯·艾利克森在《刻意练习》中写道：没有人能不经过高强度和广泛的练习，就可以培养出的能力。想让自己变强，最大的捷径就是——找到一个自己喜欢和擅长的领域，找准一件正确的事情，反复的打磨和练习，让它成为自己的核心技能，超越周围的绝大多数人。无论名师、名医、名厨、名模，皆是如此。在我说自己靠写作现在月入5w的时候，很多人会酸我，说我运气好。但是我接触的圈子里，每个人都知道写作可以赚到钱，有多少人去重复的练习过？有多少人被拒稿之后还在继续投稿？有多少人在回答一直都没有赞同的情况下坚持输出内容？ ——他们只会羡慕别人的成功，却从来不羡慕别人的努力罢了。除▶ 把目标除分成无数小段在面对遥远、复杂、宏观的目标时，畏惧和退缩是正常反应。很多人就是因为不知从何下手，就很快放弃，并把原因归根于——自己的能力太弱，根本不可能完成这个目标。但其实原因不在于目标，而在于步骤。这就跟吃蛋糕是一个道理，你说蛋糕太大了，你吃不完。但是如果分成10次，每次只吃一块呢？目标远大不是问题，“为中华之崛起而读书”目标够不够大？关键是建立宏伟目标之后，要化繁为简，把这个目标分割成N块，然后再逐步完成。举个栗子，比如你要考麻省理工大学：了解麻省理工大学开始学习外语，让自己达到入学水平提高自己的成绩准备入学费用如果再详细还可以将每一个小点继续拆分，比如：提高自己的成绩可以拆分成建立一个错题本，每周写几套卷子等等。其实，每一个巨大的成功后面，都是由无数个小成功堆积起来的。看似无法解决的困难，通过不断的拆解，就可以让自己每一次进步都变得清晰可见。每完成一个小目标，就能对自己形成正反馈，更能让自己的动力源源不断，从而可以更加顺利的完成最终目标。著名演员阿米尔·汗就说过一句非常经典的话： “如果你想做成某件很难的事情，你只看最终结果的话，会觉得这太难了，肯定完成不了，这就像登一座高山一样，如果你一直看着山顶，你会觉得你永远爬不上去，所以这里有个诀窍，不要看最终的目的地，永远只看下一步，告诉自己下一步要到哪里，集中注意力到下一步就行。” 等▶ 等待满足感当代年轻人最大的状态，就是浅尝辄止。无论做什么事情，都急于求成，总是想让结果以最快速度显现在自己眼前。刚健身1天，就要上秤看看自己瘦了几斤。刚读一本书，就要去写一本书。刚投资1天股票，就要看看收益多少。但事实是，越是那些马上就能收到反馈和刺激的事情，越是容易毁掉一个人，比如：刷抖音、lu管、网贷。而那些真正可以使一个人获得提升的东西，都需要漫长的周期，短时间内根本就看不到什么效果，比如：读书、健身、学英语。而能够成功的人，能力并不一定比失败者强悍多少，所谓的强悍，不过是在黎明到来之前，忍者困倦，多等了一会儿。文/Geek君

财经天下

58,101 просмотров • 2 лет назад

Google 前 CEO 埃里克·施密特近期在斯坦福 CS323 课堂上的访谈（四/完结）关于大语言模型对经济的影响以及学术界的选择学生：大语言模型的经济影响，比如劳动力市场的影响，比你最初预期的要慢。Chegg（在线教育技术公司）和一些服务人员受到了影响。你认为学术界应该获得AI方面的补贴，还是应该选择与业界的大公司合作？ Eric：我非常努力地推动为大学建立数据中心。如果我是这里的计算机科学系教师，我会非常失望，因为无法与研究生一起构建能够进行博士研究的算法。我被迫和这些公司合作。我认为这些公司在这方面并没有表现出足够的慷慨。我与许多你们认识的教师交谈，他们花费大量时间等待Google Cloud的配额。这是非常糟糕的情况。这个领域正在快速发展。我们希望美国能胜出，我们希望美国的大学——出于多种原因，我认为正确的做法是把资源提供给他们。我在这方面做了很多努力。至于劳动力市场的影响，我将这个问题交给这里的真正专家。作为Eric教导的业余经济学家，我坚信那些接受过大学教育、从事高技能工作的人将会适应，因为人们将会与这些系统一起工作。我认为这些系统与以往的技术浪潮没有区别。那些危险的工作和不需要太多人为判断的工作将被取代。关于计算机科学教育的未来学生：我对“文本到行动”及其对计算机科学教育的影响非常感兴趣。你认为计算机科学教育应该如何变革以适应新时代？ Eric：我认为计算机科学专业的本科生群体将始终有一位编程搭档。因此，当你学习你的第一个for循环时，你会有一个工具作为你的伙伴。这就是未来的教学方式，教授会讲解概念，但你会通过这种方式参与其中。这是我的猜测。关于非Transformer架构与数学创新学生：你提到了一些让你兴奋的非Transformer架构。我想其中一个被提到的是状态模型，但现在还有一种是更长上下文的模型。我更好奇的是你在这方面看到的情况。 Eric：我对数学的理解还不够深入，但我非常高兴我们为数学家们提供了工作机会，因为这里的数学太复杂了。但基本上，他们是在采用不同的方法来进行梯度下降和矩阵乘法，使其更快更好。Transformer架构是一种能够同时进行乘法运算的系统化方式，这是我理解的方式。它和其他的很像，但数学部分不同。我们将继续关注这些新的数学进展。关于中美关系与国家安全学生：你在关于国家安全的论文中提到，中美两国在现代架构的帮助下处于关键地位。接下来的10个国家，以及稍后的一组国家，都是美国的盟友，或者与美国盟友关系密切。我很好奇你对这些国家，尤其是那些中间地带但并非正式盟友的国家有什么看法。它们有多大可能愿意加入我们的安全阵营？是什么因素可能会阻碍它们加入？ Eric：最值得关注的国家是印度，因为顶尖的AI人才从印度来到美国，我们应该让印度保留一部分顶尖人才。他们没有我们这里如此丰富的培训设施和项目。在我看来，印度是这一领域的重要摇摆国家。中国已经没有机会了，不会再回来。日本和韩国显然站在我们这一边。台湾在硬件方面很出色，但他们的软件开发较弱。在全球范围内，其他大国的选择并不多。欧洲因为欧盟的政策和管理机制陷入困境，这并不是什么新鲜事。我与他们斗争了10年，但他们仍然有许多限制，导致我们在欧洲开展研究非常困难。法国还有一些机会，但我不太看好德国。其余的国家都不够有影响力。关于编程与AI 学生：我是编译器工程师。考虑到你设想这些模型将具备的能力，我们还需要花时间学习编程吗？ Eric：是的，这是一个老生常谈的问题，为什么你已经会说英语还要学习英语呢？是为了让你的英语更好。你确实需要理解这些系统的工作原理，我对此非常坚定。关于分布式计算与大语言模型的训练学生：你是否探索过分布式环境？虽然构建大型集群很困难，但MacBooks的性能很强大。你认为类似“Folding@home”的想法适合训练吗？ Eric：是的，我们对此进行了深入研究。算法的工作方式是你有一个非常大的矩阵，基本上是一个乘法函数。系统的速度完全受限于内存到CPU或GPU的传输速度。Nvidia的下一代芯片已经将所有这些功能整合到了一块芯片中，如今的芯片已经足够大到需要将它们都粘合在一起。短时间内，分布式计算在训练大语言模型方面的进展可能有限。关于数据隐私与版权学生：在ChatGPT发布后，OpenAI因使用他们的作品进行训练而被《纽约时报》起诉。你觉得这种情况会如何发展？这对数据隐私有何影响？ Eric：我曾经从事过大量的音乐版权工作。我了解到在60年代，有一系列诉讼最终达成了一项协议：每次播放你的歌曲，你都能获得一定的版权费。我猜AI领域可能会有类似的情况。可能会有很多诉讼，最后可能会达成一种协议，要求你必须支付你的一部分收入，以便使用类似ASCAP BMI的版权管理机构。关于AI领域的垄断与反垄断法规学生：现在看起来几个主要玩家在AI领域占据主导地位，他们会继续维持这个地位。这些公司似乎与那些受到反垄断法规关注的大公司有所交叉。你对这两种趋势有何看法？像是监管部门会否对这些公司进行分拆？这将会对现状产生怎样的影响？ Eric：在我的职业生涯中，我曾帮助微软避免被拆分，结果它确实没有被拆分。我也曾努力阻止谷歌被分拆，目前来看，谷歌还未被分拆。因此，从我的观察来看，这些公司被分拆的趋势并不明显。只要这些公司避免成为像约翰·D·洛克菲勒那样的企业巨头，政府可能不会采取行动。这些公司占据主导地位的原因是他们有足够的资本来建设数据中心。关于技术差距对全球的影响学生：这一切将会把那些不参与前沿模型开发和无法获取计算资源的国家带向何方？富国越来越富，穷国尽力而为。 Eric：事实上，这就是富国的游戏，对吧？巨大的资本，众多技术过硬的人才，强有力的政府支持。有些国家，比如印度，将会成为这一领域的重要参与者。其他国家可能需要找到合作伙伴或与其他国家联合。对年轻人的建议主持人：最后一个问题，Eric。你花了很多时间帮助年轻人，他们正在创造大量财富，你对在座的各位有什么建议吗？他们正在为这门课写商业计划书或撰写政策提案、研究提案，未来职业发展方面你有什么建议？ Eric：我在商学院教过一门关于这个主题的课程。快速制作原型的能力真的非常重要，成为创业者的一个难点在于一切都发生得非常快。现在，如果你不能在一天之内利用这些工具构建你的原型，那你就需要考虑一下了，因为你的竞争对手正在这么做。所以我的建议是，尽快使用这些工具把你的想法制作成原型。这是关键，因为在其他公司、其他大学，或你从未去过的地方，一定有人正在做和你一样的事情。

Google 前 CEO 埃里克·施密特近期在斯坦福 CS323 课堂上的访谈（四/完结）关于大语言模型对经济的影响以及学术界的选择学生：大语言模型的经济影响，比如劳动力市场的影响，比你最初预期的要慢。Chegg（在线教育技术公司）和一些服务人员受到了影响。你认为学术界应该获得AI方面的补贴，还是应该选择与业界的大公司合作？ Eric：我非常努力地推动为大学建立数据中心。如果我是这里的计算机科学系教师，我会非常失望，因为无法与研究生一起构建能够进行博士研究的算法。我被迫和这些公司合作。我认为这些公司在这方面并没有表现出足够的慷慨。我与许多你们认识的教师交谈，他们花费大量时间等待Google Cloud的配额。这是非常糟糕的情况。这个领域正在快速发展。我们希望美国能胜出，我们希望美国的大学——出于多种原因，我认为正确的做法是把资源提供给他们。我在这方面做了很多努力。至于劳动力市场的影响，我将这个问题交给这里的真正专家。作为Eric教导的业余经济学家，我坚信那些接受过大学教育、从事高技能工作的人将会适应，因为人们将会与这些系统一起工作。我认为这些系统与以往的技术浪潮没有区别。那些危险的工作和不需要太多人为判断的工作将被取代。关于计算机科学教育的未来学生：我对“文本到行动”及其对计算机科学教育的影响非常感兴趣。你认为计算机科学教育应该如何变革以适应新时代？ Eric：我认为计算机科学专业的本科生群体将始终有一位编程搭档。因此，当你学习你的第一个for循环时，你会有一个工具作为你的伙伴。这就是未来的教学方式，教授会讲解概念，但你会通过这种方式参与其中。这是我的猜测。关于非Transformer架构与数学创新学生：你提到了一些让你兴奋的非Transformer架构。我想其中一个被提到的是状态模型，但现在还有一种是更长上下文的模型。我更好奇的是你在这方面看到的情况。 Eric：我对数学的理解还不够深入，但我非常高兴我们为数学家们提供了工作机会，因为这里的数学太复杂了。但基本上，他们是在采用不同的方法来进行梯度下降和矩阵乘法，使其更快更好。Transformer架构是一种能够同时进行乘法运算的系统化方式，这是我理解的方式。它和其他的很像，但数学部分不同。我们将继续关注这些新的数学进展。关于中美关系与国家安全学生：你在关于国家安全的论文中提到，中美两国在现代架构的帮助下处于关键地位。接下来的10个国家，以及稍后的一组国家，都是美国的盟友，或者与美国盟友关系密切。我很好奇你对这些国家，尤其是那些中间地带但并非正式盟友的国家有什么看法。它们有多大可能愿意加入我们的安全阵营？是什么因素可能会阻碍它们加入？ Eric：最值得关注的国家是印度，因为顶尖的AI人才从印度来到美国，我们应该让印度保留一部分顶尖人才。他们没有我们这里如此丰富的培训设施和项目。在我看来，印度是这一领域的重要摇摆国家。中国已经没有机会了，不会再回来。日本和韩国显然站在我们这一边。台湾在硬件方面很出色，但他们的软件开发较弱。在全球范围内，其他大国的选择并不多。欧洲因为欧盟的政策和管理机制陷入困境，这并不是什么新鲜事。我与他们斗争了10年，但他们仍然有许多限制，导致我们在欧洲开展研究非常困难。法国还有一些机会，但我不太看好德国。其余的国家都不够有影响力。关于编程与AI 学生：我是编译器工程师。考虑到你设想这些模型将具备的能力，我们还需要花时间学习编程吗？ Eric：是的，这是一个老生常谈的问题，为什么你已经会说英语还要学习英语呢？是为了让你的英语更好。你确实需要理解这些系统的工作原理，我对此非常坚定。关于分布式计算与大语言模型的训练学生：你是否探索过分布式环境？虽然构建大型集群很困难，但MacBooks的性能很强大。你认为类似“Folding@home”的想法适合训练吗？ Eric：是的，我们对此进行了深入研究。算法的工作方式是你有一个非常大的矩阵，基本上是一个乘法函数。系统的速度完全受限于内存到CPU或GPU的传输速度。Nvidia的下一代芯片已经将所有这些功能整合到了一块芯片中，如今的芯片已经足够大到需要将它们都粘合在一起。短时间内，分布式计算在训练大语言模型方面的进展可能有限。关于数据隐私与版权学生：在ChatGPT发布后，OpenAI因使用他们的作品进行训练而被《纽约时报》起诉。你觉得这种情况会如何发展？这对数据隐私有何影响？ Eric：我曾经从事过大量的音乐版权工作。我了解到在60年代，有一系列诉讼最终达成了一项协议：每次播放你的歌曲，你都能获得一定的版权费。我猜AI领域可能会有类似的情况。可能会有很多诉讼，最后可能会达成一种协议，要求你必须支付你的一部分收入，以便使用类似ASCAP BMI的版权管理机构。关于AI领域的垄断与反垄断法规学生：现在看起来几个主要玩家在AI领域占据主导地位，他们会继续维持这个地位。这些公司似乎与那些受到反垄断法规关注的大公司有所交叉。你对这两种趋势有何看法？像是监管部门会否对这些公司进行分拆？这将会对现状产生怎样的影响？ Eric：在我的职业生涯中，我曾帮助微软避免被拆分，结果它确实没有被拆分。我也曾努力阻止谷歌被分拆，目前来看，谷歌还未被分拆。因此，从我的观察来看，这些公司被分拆的趋势并不明显。只要这些公司避免成为像约翰·D·洛克菲勒那样的企业巨头，政府可能不会采取行动。这些公司占据主导地位的原因是他们有足够的资本来建设数据中心。关于技术差距对全球的影响学生：这一切将会把那些不参与前沿模型开发和无法获取计算资源的国家带向何方？富国越来越富，穷国尽力而为。 Eric：事实上，这就是富国的游戏，对吧？巨大的资本，众多技术过硬的人才，强有力的政府支持。有些国家，比如印度，将会成为这一领域的重要参与者。其他国家可能需要找到合作伙伴或与其他国家联合。对年轻人的建议主持人：最后一个问题，Eric。你花了很多时间帮助年轻人，他们正在创造大量财富，你对在座的各位有什么建议吗？他们正在为这门课写商业计划书或撰写政策提案、研究提案，未来职业发展方面你有什么建议？ Eric：我在商学院教过一门关于这个主题的课程。快速制作原型的能力真的非常重要，成为创业者的一个难点在于一切都发生得非常快。现在，如果你不能在一天之内利用这些工具构建你的原型，那你就需要考虑一下了，因为你的竞争对手正在这么做。所以我的建议是，尽快使用这些工具把你的想法制作成原型。这是关键，因为在其他公司、其他大学，或你从未去过的地方，一定有人正在做和你一样的事情。

宝玉

14,159 просмотров • 2 лет назад

昨天直播的时候看见一会儿是 bonkguy 买 $ikun ，一会儿是 $ikun 上 moonshot，我不禁在 Sidekick 的直播间唱起了一首古老的歌谣：《只因你太美》这会儿我感觉是我手里的另一个新台子 Believe 对 Letsbonk 吸血了，所以大市值的龙一龙二龙三都在进行小幅回调，但是新发射的币还在源源不断地出 Pumpfun 新台子的竞争激烈！bonk 台子上的这些目前都还没上到 bybit 这一线的所，所以龙 123 这些在新台子初期我认为还是有不小的上所预期的复盘下来整个 ikun 的路径就是：国人少，车轻———、bonkguy 支持——以上 moonshot 为一个很好的卖点虽然 ikun 在昨天直播的时候就已经达到我最初的预期 15M 了，但我也还有一些利润没出，只要线不走差我还会钻一下，我成本在 3m，家人们就不要问我现在还能不能买了，要问的话我就给你唱首只因你太美吧

昨天直播的时候看见一会儿是 bonkguy 买 $ikun ，一会儿是 $ikun 上 moonshot，我不禁在 Sidekick 的直播间唱起了一首古老的歌谣：《只因你太美》这会儿我感觉是我手里的另一个新台子 Believe 对 Letsbonk 吸血了，所以大市值的龙一龙二龙三都在进行小幅回调，但是新发射的币还在源源不断地出 Pumpfun 新台子的竞争激烈！bonk 台子上的这些目前都还没上到 bybit 这一线的所，所以龙 123 这些在新台子初期我认为还是有不小的上所预期的复盘下来整个 ikun 的路径就是：国人少，车轻———、bonkguy 支持——以上 moonshot 为一个很好的卖点虽然 ikun 在昨天直播的时候就已经达到我最初的预期 15M 了，但我也还有一些利润没出，只要线不走差我还会钻一下，我成本在 3m，家人们就不要问我现在还能不能买了，要问的话我就给你唱首只因你太美吧

Yuyue

85,299 просмотров • 1 год назад

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。（对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看）先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。并且陶哲轩提到了基于大语言模型的一些改进的方案：比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。原始 YT 视频：

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。（对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看）先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。并且陶哲轩提到了基于大语言模型的一些改进的方案：比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。原始 YT 视频：

宝玉

301,920 просмотров • 2 лет назад

中国人权执行主任周锋锁在多伦多六四37周年悼念集会上的讲话：谢谢大家。今天在多伦多，我感觉我好像很熟悉，跟大家在一起。在这样一个惨痛的时刻，很难得的一个可以看到安慰、看到希望的地方。因为我们在这里，这么多人聚集在一起，我们和在狱中的邹幸彤同在，我们和天安门母亲同在，我们和当年死难者的那么多人同在。感谢多伦多支联会，感谢这里的民运组织这么多年不懈的坚持。多伦多是世界上纪念六四最重要的城市之一。所以我们一定要记住，其实在任何地方，就像当年的维园一样，这样的纪念是举世关注的。 37年前，我在天安门广场。在那个6月3日的夜晚，我听到四面八方的枪声，我看到坦克冲进来。最后，我是在坦克驱赶下离开的最后一批学生。那我也在医院里看到四十多具尸体，包括像我一样的清华大学的学生。因为长安街边上的复兴医院已经摆满了死伤者，他们只能把死难的人、那些英雄的殉难者，放在街边的自行车棚。对我来讲，这样的瞬间，这样的时刻，我永远不会忘记。对于所有这些死难的人，我有一个责任。这就是为什么每年有各种纪念六四的机会，我一定会参加。我们今天在这里纪念，因为那么多死者，他们今天还在蒙冤。我们今天纪念，也因为还有很多人在坚持，在世界各地坚持，在中国大陆坚持，在香港的监狱中间坚持。我今天一定要提到徐光，他是89年的一个学生，他仅仅因为纪念六四就被判了四年。他从狱中出来的时候，因为饱受折磨，他已经没有办法站立。可是尽管这样，他传出来的信息还是：“我们为了民主自由，无怨无悔。”这是我们纪念六四的意义。对于当年所有的亲历者，我们最重要的使命，就是中国的民主化。我们纪念六四，今天在多伦多还有一个特别需要提的人，是董广平。他本来是一个体制内的警察，他家庭也是中共所谓的干部家庭。但是，在正义和邪恶之间，他选择了正义。他多次为死难者呼吁，为六四的真相呼吁，四次入狱。为了不屈服、追求自由，他曾经到泰国，到越南，被抓捕送回中国大陆。就在前几天，他自制皮划艇在海上三十多个小时到了韩国。我们非常感谢加拿大收留了他的家人，就在多伦多。我们也希望像董广平这样的人，能够早日和家人团聚。希望他明年可以在这里跟大家一起，可以自由地纪念六四，不会再被中共抓捕。我们纪念六四，还有一个很重要的原因。因为中共想让我们忘记，他们用各种各样的方式抹杀人们的记忆。可是尽管如此，每年我们还是看到更多的六四真相、亲历者、图片、资料出现。在过去这一年，最最重要的一个六四真相的证据，就是抗命将军徐勤先在法庭上庭审六个小时的录像。没有看过的人一定要看一下，这个非常重要。在我们中间就有江林，她当年也是中共军队的一部分。可是在那个时刻，他们都是选择和争取自由的学生们在一起。徐勤先的庭审记录很清楚地证明，在5月18日邓小平就决定用最精锐的部队、带坦克全副武装到北京去杀害平民。当然，像徐勤先这样有良知的人，他宁愿入狱，他也不愿意成为历史的罪人。这个非常重要。今天中共的军队也是世界和平的一个威胁，特别是对台湾。我们在这样关键的时刻，我们也呼唤更多有良知的军人，拒绝成为他们的走卒，拒绝执行这样的命令。当然，今天我们纪念六四，最感谢的是香港人。因为香港三十多年维园的纪念，今天的世界才记着六四。我们最感谢的是支联会那些英雄的领袖，特别是邹幸彤。那个时候她还是个小孩子，可是今天，她就是八九六四这个精神最好的代表。我们作为当年的亲历者，向邹幸彤致敬。现在的香港，它残酷统治的程度实际上超过了大陆本身。邹幸彤在监狱中间，她面临的是一个可能看不到尽头的刑期。可是在任何一个机会，她都发出自己的声音。维园被驱散，没有办法纪念，她就把法庭变成维园，在那里讲述历史的真相，为天安门母亲发出声音。有她这样的人，我就感觉89年那些死难者所追求的这个理想还活着。有她这样的人，我们有什么理由不在海外纪念六四？所以她的榜样告诉我们：中共暴政不管怎样囚禁人的身体，却无法囚禁人的良知。六四不仅属于过去，也属于今天，属于每一位政治犯，属于每一位拒绝沉默的记者和讲出真相的人。只要我们还在坚持，还在纪念，一个自由民主中国的理想就会存在下去。我们的行动终究有一天会促进中国的民主化，而一个民主的中国会是这个世界最好的福音。谢谢大家。

中国人权执行主任周锋锁在多伦多六四37周年悼念集会上的讲话：谢谢大家。今天在多伦多，我感觉我好像很熟悉，跟大家在一起。在这样一个惨痛的时刻，很难得的一个可以看到安慰、看到希望的地方。因为我们在这里，这么多人聚集在一起，我们和在狱中的邹幸彤同在，我们和天安门母亲同在，我们和当年死难者的那么多人同在。感谢多伦多支联会，感谢这里的民运组织这么多年不懈的坚持。多伦多是世界上纪念六四最重要的城市之一。所以我们一定要记住，其实在任何地方，就像当年的维园一样，这样的纪念是举世关注的。 37年前，我在天安门广场。在那个6月3日的夜晚，我听到四面八方的枪声，我看到坦克冲进来。最后，我是在坦克驱赶下离开的最后一批学生。那我也在医院里看到四十多具尸体，包括像我一样的清华大学的学生。因为长安街边上的复兴医院已经摆满了死伤者，他们只能把死难的人、那些英雄的殉难者，放在街边的自行车棚。对我来讲，这样的瞬间，这样的时刻，我永远不会忘记。对于所有这些死难的人，我有一个责任。这就是为什么每年有各种纪念六四的机会，我一定会参加。我们今天在这里纪念，因为那么多死者，他们今天还在蒙冤。我们今天纪念，也因为还有很多人在坚持，在世界各地坚持，在中国大陆坚持，在香港的监狱中间坚持。我今天一定要提到徐光，他是89年的一个学生，他仅仅因为纪念六四就被判了四年。他从狱中出来的时候，因为饱受折磨，他已经没有办法站立。可是尽管这样，他传出来的信息还是：“我们为了民主自由，无怨无悔。”这是我们纪念六四的意义。对于当年所有的亲历者，我们最重要的使命，就是中国的民主化。我们纪念六四，今天在多伦多还有一个特别需要提的人，是董广平。他本来是一个体制内的警察，他家庭也是中共所谓的干部家庭。但是，在正义和邪恶之间，他选择了正义。他多次为死难者呼吁，为六四的真相呼吁，四次入狱。为了不屈服、追求自由，他曾经到泰国，到越南，被抓捕送回中国大陆。就在前几天，他自制皮划艇在海上三十多个小时到了韩国。我们非常感谢加拿大收留了他的家人，就在多伦多。我们也希望像董广平这样的人，能够早日和家人团聚。希望他明年可以在这里跟大家一起，可以自由地纪念六四，不会再被中共抓捕。我们纪念六四，还有一个很重要的原因。因为中共想让我们忘记，他们用各种各样的方式抹杀人们的记忆。可是尽管如此，每年我们还是看到更多的六四真相、亲历者、图片、资料出现。在过去这一年，最最重要的一个六四真相的证据，就是抗命将军徐勤先在法庭上庭审六个小时的录像。没有看过的人一定要看一下，这个非常重要。在我们中间就有江林，她当年也是中共军队的一部分。可是在那个时刻，他们都是选择和争取自由的学生们在一起。徐勤先的庭审记录很清楚地证明，在5月18日邓小平就决定用最精锐的部队、带坦克全副武装到北京去杀害平民。当然，像徐勤先这样有良知的人，他宁愿入狱，他也不愿意成为历史的罪人。这个非常重要。今天中共的军队也是世界和平的一个威胁，特别是对台湾。我们在这样关键的时刻，我们也呼唤更多有良知的军人，拒绝成为他们的走卒，拒绝执行这样的命令。当然，今天我们纪念六四，最感谢的是香港人。因为香港三十多年维园的纪念，今天的世界才记着六四。我们最感谢的是支联会那些英雄的领袖，特别是邹幸彤。那个时候她还是个小孩子，可是今天，她就是八九六四这个精神最好的代表。我们作为当年的亲历者，向邹幸彤致敬。现在的香港，它残酷统治的程度实际上超过了大陆本身。邹幸彤在监狱中间，她面临的是一个可能看不到尽头的刑期。可是在任何一个机会，她都发出自己的声音。维园被驱散，没有办法纪念，她就把法庭变成维园，在那里讲述历史的真相，为天安门母亲发出声音。有她这样的人，我就感觉89年那些死难者所追求的这个理想还活着。有她这样的人，我们有什么理由不在海外纪念六四？所以她的榜样告诉我们：中共暴政不管怎样囚禁人的身体，却无法囚禁人的良知。六四不仅属于过去，也属于今天，属于每一位政治犯，属于每一位拒绝沉默的记者和讲出真相的人。只要我们还在坚持，还在纪念，一个自由民主中国的理想就会存在下去。我们的行动终究有一天会促进中国的民主化，而一个民主的中国会是这个世界最好的福音。谢谢大家。

中国人权-Human Rights in China

24,511 просмотров • 2 месяцев назад

在美国做生意会有多少张银行卡？我都还是限制开卡数量，这些卡也没包括厂长他们在用的，每次要结账，我得一张张看，因为不同工厂的开销得用不同的卡，比如这次是为AE出差的，我就刷AE卡付费😂 国内是一个手机走天下，美国人则是一卡走天下，习惯就好😀

在美国做生意会有多少张银行卡？我都还是限制开卡数量，这些卡也没包括厂长他们在用的，每次要结账，我得一张张看，因为不同工厂的开销得用不同的卡，比如这次是为AE出差的，我就刷AE卡付费😂 国内是一个手机走天下，美国人则是一卡走天下，习惯就好😀

Daisy

52,716 просмотров • 9 месяцев назад

七哥这段讲比特币、NFT很精彩！比特币已经不行了，分分钟被解密！未来喜联储做NFT的时候是NFT的2.0版。比特币是一代区块链，它已经不行啦。我今天可以告诉大家一个这个，我不能说是谁，是我们一个合作人说：“七哥你想要多少比特币？你告诉我。第二你想解密谁的比特币你告诉我。” 什么意思？现在量子电脑的时候你还要比特币你不是神经病嘛，我分分钟给你解了，我一分钟能造出一千个一万个出来。比特币的区块链技术已经不存在了，只是有没有人在做这件事情。量子电脑来了还有你什么比特币呀！第二代币已经过了，第三代币就以太坊的现代加密技术，马上现在是第五代币区块链，那是记账本式，不仅是技术，是它的方式不可篡改。NFT是在二代和三代之间发展的NFT。赵长鹏那个王八蛋他坏在哪儿你知道吗？他把所有人的钱给你弄进来以后，他不像HDO我有稳定我可以拿走钱，他是你进来以后你基本就没有机会走。而且他把所有的币都在那块儿做交易，这就为什么Coinbase大家都说…他跟咱不是一个级别的是吧。Coinbase是个交易所，它靠交易费赚钱，就是夜总会的妈咪，收小费的，啊收小费的！知道了吧。那么以太币和未来这个最重要的就是NFT它要卖的是什么？所谓的专权，就是今天你到夜总会包了个小姐，这个小姐就是我的了，今晚上所有权是我的啦，是吧，这是你的，这叫NFT，谁也不能碰了。然后你在我手拿走你要加价，咱要竞价，而且这个东西完全是被标签化的。那么下一代的NFT是什么知道吗？就这个小姐还没来之前大家已经竞价了，这个东西会来或者正在来，我就在这儿，谁出价高是谁的。还有一个，我不但这个，就未来我设定什么样的人出现我就先得了，叫预知型、确定型、绝对的唯一型，高净值、高安全的加密的NFT将在下一代出来。下一代出来了说白了就打破什么？整个打破你的Swift，Swift最重要的就是机构投资者嘛，都是银行，全世界的几十个国家银行用Swift，一年1000多万亿的交易量，拿走了2000亿多美元的交易费，叫Swift。那未来的NFT一旦有了世界上去中心化的Swift，完了，这个世界NFT就大了去了。你不受任何人控制，那就了不得了。某种东西你变成了NFT，你可以跟全世界任何人做交易，而且你可以换任何的法币，换任何的东西。 NFT未来是个无国界、无物理界，没有任何人监督、不可改变的一个记账式的区块链式的数字化的这么一个交易系统和NFT的大市场化，这才是它真正的价值。今天NFT只在以太坊自己炒来炒去，在世界上换货交易性、方便性完全没有，特别是法律性根本没有，它必然会完蛋。这就像比特币、以太币还有什么币安都会成为喜币的成长中的奠基石，用它们的成长和死亡成就喜币。喜币的未来看着吧啊。分类：喜币喜连储 G系列文字整理：盘古千寻文字与视频有删减 #盘古千寻

七哥这段讲比特币、NFT很精彩！比特币已经不行了，分分钟被解密！未来喜联储做NFT的时候是NFT的2.0版。比特币是一代区块链，它已经不行啦。我今天可以告诉大家一个这个，我不能说是谁，是我们一个合作人说：“七哥你想要多少比特币？你告诉我。第二你想解密谁的比特币你告诉我。” 什么意思？现在量子电脑的时候你还要比特币你不是神经病嘛，我分分钟给你解了，我一分钟能造出一千个一万个出来。比特币的区块链技术已经不存在了，只是有没有人在做这件事情。量子电脑来了还有你什么比特币呀！第二代币已经过了，第三代币就以太坊的现代加密技术，马上现在是第五代币区块链，那是记账本式，不仅是技术，是它的方式不可篡改。NFT是在二代和三代之间发展的NFT。赵长鹏那个王八蛋他坏在哪儿你知道吗？他把所有人的钱给你弄进来以后，他不像HDO我有稳定我可以拿走钱，他是你进来以后你基本就没有机会走。而且他把所有的币都在那块儿做交易，这就为什么Coinbase大家都说…他跟咱不是一个级别的是吧。Coinbase是个交易所，它靠交易费赚钱，就是夜总会的妈咪，收小费的，啊收小费的！知道了吧。那么以太币和未来这个最重要的就是NFT它要卖的是什么？所谓的专权，就是今天你到夜总会包了个小姐，这个小姐就是我的了，今晚上所有权是我的啦，是吧，这是你的，这叫NFT，谁也不能碰了。然后你在我手拿走你要加价，咱要竞价，而且这个东西完全是被标签化的。那么下一代的NFT是什么知道吗？就这个小姐还没来之前大家已经竞价了，这个东西会来或者正在来，我就在这儿，谁出价高是谁的。还有一个，我不但这个，就未来我设定什么样的人出现我就先得了，叫预知型、确定型、绝对的唯一型，高净值、高安全的加密的NFT将在下一代出来。下一代出来了说白了就打破什么？整个打破你的Swift，Swift最重要的就是机构投资者嘛，都是银行，全世界的几十个国家银行用Swift，一年1000多万亿的交易量，拿走了2000亿多美元的交易费，叫Swift。那未来的NFT一旦有了世界上去中心化的Swift，完了，这个世界NFT就大了去了。你不受任何人控制，那就了不得了。某种东西你变成了NFT，你可以跟全世界任何人做交易，而且你可以换任何的法币，换任何的东西。 NFT未来是个无国界、无物理界，没有任何人监督、不可改变的一个记账式的区块链式的数字化的这么一个交易系统和NFT的大市场化，这才是它真正的价值。今天NFT只在以太坊自己炒来炒去，在世界上换货交易性、方便性完全没有，特别是法律性根本没有，它必然会完蛋。这就像比特币、以太币还有什么币安都会成为喜币的成长中的奠基石，用它们的成长和死亡成就喜币。喜币的未来看着吧啊。分类：喜币喜连储 G系列文字整理：盘古千寻文字与视频有删减 #盘古千寻

盘古千寻

35,101 просмотров • 2 лет назад

Elon Musk有一个学习方法，解释了一个困扰我很多年的问题，为什么有些东西学完一周就忘光，有些东西一通百通，区别就在于你有没有先建树干。 Elon Musk 说过，要把知识看成一棵语义树，先确保自己理解基本原理，也就是树干和大树枝，再去接触树叶一样的细节，否则那些细节根本无处依附。这句话我琢磨了很久，越想越觉得它解释了一个困扰我很多年的问题，为什么有些东西学完就忘，有些东西一通百通。区别就在于你有没有树干。没有树干的时候，你学到的每一个技巧都是悬在空中的，挂不住，风一吹就掉了，读完一本书一周忘光，学完一门课一个月用不上，本质上都是同一个问题，你在往一棵不存在的树上挂叶子。这个比喻不只是修辞，它完全符合我们大脑的工作机制，神经可塑性的运作方式就是这样的，能带来成功的神经连接会被不断强化，无用的连接像枯枝一样断掉，当你有了坚实的主干结构，新信息才有地方附着，没有这个框架，所有知识都会快速滑落。马斯克自己就是这么干的，他没有先去学怎么造火箭发动机，而是先弄懂火箭为什么要那样工作，物理学、材料科学、热力学的基本原理，一旦掌握了这些，具体的工程决策就变成了可以评估、质疑和改进的东西。芒格也是一样，不死记投资方法，而是从心理学、历史、数学、物理、哲学、生物学里搭建多元思维框架，然后用这个框架在所有领域做决策。一个方法只能解决一个问题，一次有效，一个原理能反复用上百次，应对你还没遇到的场景。哈灵顿·埃默森说过，方法可能有百万种，但原理很少，掌握原理的人能成功选择自己的方法，只试方法而忽视原理的人注定遇到麻烦。所以咱们不管学什么新东西，先别急着找技巧，先问一个问题，这个领域的树干是什么，哪些是一旦理解就能让其他一切都变得更容易的第一性原理。先长树干，再挂树叶。

Elon Musk有一个学习方法，解释了一个困扰我很多年的问题，为什么有些东西学完一周就忘光，有些东西一通百通，区别就在于你有没有先建树干。 Elon Musk 说过，要把知识看成一棵语义树，先确保自己理解基本原理，也就是树干和大树枝，再去接触树叶一样的细节，否则那些细节根本无处依附。这句话我琢磨了很久，越想越觉得它解释了一个困扰我很多年的问题，为什么有些东西学完就忘，有些东西一通百通。区别就在于你有没有树干。没有树干的时候，你学到的每一个技巧都是悬在空中的，挂不住，风一吹就掉了，读完一本书一周忘光，学完一门课一个月用不上，本质上都是同一个问题，你在往一棵不存在的树上挂叶子。这个比喻不只是修辞，它完全符合我们大脑的工作机制，神经可塑性的运作方式就是这样的，能带来成功的神经连接会被不断强化，无用的连接像枯枝一样断掉，当你有了坚实的主干结构，新信息才有地方附着，没有这个框架，所有知识都会快速滑落。马斯克自己就是这么干的，他没有先去学怎么造火箭发动机，而是先弄懂火箭为什么要那样工作，物理学、材料科学、热力学的基本原理，一旦掌握了这些，具体的工程决策就变成了可以评估、质疑和改进的东西。芒格也是一样，不死记投资方法，而是从心理学、历史、数学、物理、哲学、生物学里搭建多元思维框架，然后用这个框架在所有领域做决策。一个方法只能解决一个问题，一次有效，一个原理能反复用上百次，应对你还没遇到的场景。哈灵顿·埃默森说过，方法可能有百万种，但原理很少，掌握原理的人能成功选择自己的方法，只试方法而忽视原理的人注定遇到麻烦。所以咱们不管学什么新东西，先别急着找技巧，先问一个问题，这个领域的树干是什么，哪些是一旦理解就能让其他一切都变得更容易的第一性原理。先长树干，再挂树叶。

AYi

44,147 просмотров • 4 месяцев назад

Google 前 CEO 埃里克·施密特近期在斯坦福 CS323 课堂上的访谈（一）今天的嘉宾其实无需过多介绍。我记得大约25年前第一次见到Eric，那时他作为Novell的首席执行官来访斯坦福商学院。从那时起，他做了很多事情，他在Google（大概是从2001年开始）和Schmidt Futures（从2017年开始）做了很多事情，还有很多其他的事情你们可以查询了解。但他只能待到下午5点15分，所以我想我们直接进入问题环节。我知道你们也有一些问题。我这里有一些我写下的问题，但我们在楼上刚刚谈论的内容更有趣。所以我想从那开始，Eric，如果你不介意的话。 AI 的未来发展主持人：那就是，你预见AI在短期内，我认为你定义的是未来一两年，会有怎样的发展？ Eric：事情变化得如此之快，我感觉我每六个月都需要做一次新的演讲，讲述即将发生的事情。主持人：在座的有没有人，一群计算机科学家在这里，有没有人可以解释一下什么是百万token的上下文窗口，为其他同学解释一下？学生：在这里。基本上，它允许你用百万个token或者百万个词进行提示。所以你可以提出一个上百万词的问题。我了解到，这是当前通识教育关注的一个重要方向。 Eric：不，他们的目标是10个一百万。学生：对，一千万？没错。 Eric：接着，Anthropic现在是20万，他们的目标是100万，以此类推。你可以设想OpenAI也有类似的目标。主持人：谁能给出AI智能体的技术定义？ Jared：AI智能体基本上是执行某种活动的实体。这可能涉及在网上，代表你处理一些事情，可能是许多不同的事项，类似这些。所以，一个智能体就是执行某种任务的实体。另一个定义是，它是一个大语言模型，具有状态和记忆功能。主持人：再来一次，计算机科学家，你们中有谁能解释什么是"将文本转化为行动"？学生：就是把文本转变成行动。而不是把文本转化成更多的文本。 Eric：另一个定义是，将语言转化为Python代码。这是我一直不想看到的编程语言。然而，目前所有的AI工作都是在使用Python进行的。有一种新的语言叫Mojo，刚刚出现，看起来他们终于解决了AI编程的问题。但我们还要看，这是否能在Python的主导地位下生存下来。技术和市场的动态主持人：再来一个技术问题。为什么NVIDIA的价值和地位如此之高，而其他公司却在挣扎呢？ Eric：我认为，这主要是因为，大量的代码需要在CUDA优化下运行，而这是只有NVIDIA的GPU才支持的，所以，其他公司可以制造他们想要的任何东西，但是如果他们没有10年的软件开发经验，就不可能有机器学习优化。我个人喜欢把CUDA想象成GPU的C语言，对吗？这就是我喜欢的看法。它成立于2008年。我一直觉得它是一种糟糕的编程语言，然而，它却成为了市场主导。还有一点值得注意。有一套开源库，它们针对CUDA进行了高度优化，而对其他平台的优化却很少。每个构建所有这些堆栈的人——这在任何讨论中都被完全忽视了。这在技术上被称为VLLM以及其他一大堆类似的库。它们都是专门为CUDA而优化的，对于竞争对手来说，很难复制这个。主持人：那么，这些观点对我们来说有何影响或意义呢？ Eric：在接下来的一年里，我们将看到非常大的上下文窗口、智能体和"文本转行动"等新技术的兴起，当它们能够大规模应用时将对世界产生的影响将超出我们目前的理解范围。这种影响将远超过社交媒体所带来的影响，我个人是这样认为的。以下是我的原因。在一个上下文窗口中，你基本上可以将其作为短期记忆。我对上下文窗口能达到如此之长感到惊讶。这主要由于它的计算和处理难度很高。短期记忆的有趣之处在于，当你输入信息，比如你问一个问题，"读了20本书，你输入这些书的文本作为查询，然后你说，'告诉我它们说了什么。'"它会忘记中间的部分，这与人类大脑的工作方式相似。对吗？这就是我们现在的状况。主持人：关于智能体呢？ Eric：关于智能体，现在有人正在开发基于大语言模型的智能体，他们的做法是阅读一些像化学一样的学科，发现其内在原理，然后进行测试。然后他们将这些知识融入到他们的理解中。这是非常强大的。我提到的第三个要点是"文本转行动"。那么，我来举个例子，政府正在尝试禁止TikTok，我们拭目以待看结果如何。如果TikTok被禁，我建议你们每个人都这样做，告诉你的大语言模型，接下去的操作。复制一份TikTok。获取所有用户信息。获取所有音乐资源。加入我的个性化设置。在接下来的30秒内编制这个程序。然后发布出去。如果一小时内它没有迅速传播开来，那就沿着同样的思路尝试另一种方式。这就是命令。一步接一步，就这样。明白了吗？你知道这有多强大吗？如果你能从任意自然语言转换为任意数字命令，这在这个情况下就相当于Python，试想一下，如果地球上的每个人都有属于自己的程序员，他们会真正按照你的要求去做事，而不是像我手下的那些程序员那样并不总是按照我说的去做。明白了吗？在场的程序员都明白我在说什么。所以，想象一下，有一位既不自大，又会真正按照你的要求去做事的程序员，你甚至不需要付他一大笔工资。而且这样的程序无穷无尽。主持人：这一切都将在未来一两年内实现？ Eric：马上就要到来。这三件事，我深信只有结合这三件事，下一波浪潮才会到来。那么，你问的是接下来会发生什么。我的观点每六个月会有所改变，这就像一个周期性的摆动。比如说，现在，那些前沿模型（只有三个，我待会会详细介绍）与其他所有人之间的差距，我感觉正在变大。六个月前，我坚信这个差距正在缩小。于是我在一些小公司投入了大量的资金。但现在，我对此已不再那么确定了。我现在正在和大公司们交谈，他们告诉我他们需要投入100亿、200亿、500亿甚至1000亿。比如说，Stargate的投入就达到了1000亿，对吧？这确实非常困难。 AI的投资与国家安全 Eric：Sam Altman是我的密友。他认为这可能需要投入高达3000亿，甚至更多。我向他指出，我已经计算出了这需要的能源量。然后，在完全公开的精神下，我上周五去了白宫，告诉他们我们需要与加拿大建立最紧密的关系。因为加拿大有非常好的人，参与了人工智能的发明，还有大量的水力发电资源。因为我们国家没有足够的能源来完成这件事。另一个选择就是让阿拉伯人来资助。我个人非常喜欢阿拉伯人。我在那里待过很久，对吧？但他们不会遵守我们的国家安全规则，而加拿大和美国是共同遵守安全规则的三方联盟（或三国集团）的一部分。因此，对于这些价值3000亿美元的数据中心来说，电力开始变得稀缺。顺便说一下，如果你沿着这个逻辑走下去，我为什么要讨论CUDA和NVIDIA呢？如果有3000亿美元都要流向NVIDIA，你应该知道在股市里应该怎么做。这不是股票推荐，我并不是许可证发放者。（观众笑）部分原因是，我们需要更多的芯片，但英特尔正在从美国政府和AMD那里得到大笔资金，他们正准备在韩国建造半导体工厂。主持人：有谁的计算设备里有英特尔的电脑或者芯片呢，请举手。 Eric：看来，垄断不再是什么大问题了。主持人：这正是我想说的。 Eric：他们曾经垄断过。主持人：没错。 Eric：而现在Nvidia有垄断。主持人：那些对进入的障碍呢？例如CUDA，还有其他的，就像我前几天和Percy Lanny聊天时提到的。他根据训练模型所能获得的设备，会在TPUs和NVIDIA芯片之间做选择。 Eric：那是因为他别无选择。如果我有无限的资金，我会今天选择NVIDIA的B200架构，因为它运行更快。我并不在这里提倡什么，我只是想说有竞争是好事。我和AMD的Lisa Su有过长时间的交谈。他们正在开发一种能将你描述的这种CUDA架构转换为他们自己的架构，即RockM。目前它还不能完全运行，他们正在努力改进。谷歌、OpenAI与企业文化主持人：你在谷歌工作了很长时间，他们是Transformer架构的发明者。 Eric：是彼得，都是彼得的错。主持人：那里有像彼得和杰夫·迪恩这样的出色人才。但现在，他们似乎已经失去了对OpenAI的主动权。我看到的最新排行榜上，Anthropic's Claude是榜首。我问过Sundar这方面的问题，他并没有给我一个明确的答案。或许你能给出一个更明确或更客观的解释。 Eric：我现在已经不再是谷歌的员工了。确实如此。我要坦白的说，谷歌认为工作与生活的平衡，早点下班、以及在家工作比赢得比赛更重要。（笑）创业公司之所以能够成功，是因为员工拼命工作。很抱歉如此直言不讳，但事实是，如果你们离开大学去创办公司，你不会允许员工在家办公，而且每周只来公司一天，如果想要与其他创业公司竞争的话。主持人：Google创业初期，Microsoft就是这样。 Eric：对的。主持人：但现在似乎—— Eric：在我们这个行业里有很多公司，以真正创造性的方式赢得市场并在某一领域取得主导地位，但却未能完成下一次转型。这种现象很常见，并且有很多文献记录。我认为，创始人是特殊的，他们需要掌控一切，与他们共事可能会很艰难，他们会给员工施加很大的压力。我们可能并不喜欢马斯克的个人行为，但你看看他是如何推动员工的。我曾和他共进晚餐，当时他在蒙大拿州，而那天晚上10点他要飞往另一个地方，凌晨12点与主持人：我曾去过台湾，有着完全不同的文化，他们（台积电）让我印象深刻的一点是，他们有一条规定：这些刚入职的优秀物理学博士需要在地下一层的工厂工作。你能想象让美国的物理博士去做那样的事吗？几乎不可能。他们的工作态度和我们有所不同。 Eric：而问题在于，我之所以对工作要求这么严格，是因为这些系统具有网络效应，时间是非常关键的。在大部分业务中，时间其实不那么重要。你有充足的时间。可口可乐和百事可乐会一直存在，他们之间的竞争也会持续，这一切都在慢慢发展。我和电信公司打交道时，一般的电信交易要花费18个月才能完成。实际上，没有任何事情需要花费18个月去完成。要迅速行动。主持人：我们现在处于最大的发展期，最大的进步期。这也需要一些疯狂的想法。比如当微软与OpenAI达成交易时，我认为那是我所听过的最愚蠢的想法。将AI的主导地位让渡给OpenAI，包括Sam和他的团队，这简直太疯狂了。在微软或其他任何地方，都没有人会这么做。然而现在，他们正在朝着成为最有价值的公司的目标前进。他们和苹果公司的竞争激烈。苹果公司并没有一个好的AI解决方案，而微软看起来已经成功了。

Google 前 CEO 埃里克·施密特近期在斯坦福 CS323 课堂上的访谈（一）今天的嘉宾其实无需过多介绍。我记得大约25年前第一次见到Eric，那时他作为Novell的首席执行官来访斯坦福商学院。从那时起，他做了很多事情，他在Google（大概是从2001年开始）和Schmidt Futures（从2017年开始）做了很多事情，还有很多其他的事情你们可以查询了解。但他只能待到下午5点15分，所以我想我们直接进入问题环节。我知道你们也有一些问题。我这里有一些我写下的问题，但我们在楼上刚刚谈论的内容更有趣。所以我想从那开始，Eric，如果你不介意的话。 AI 的未来发展主持人：那就是，你预见AI在短期内，我认为你定义的是未来一两年，会有怎样的发展？ Eric：事情变化得如此之快，我感觉我每六个月都需要做一次新的演讲，讲述即将发生的事情。主持人：在座的有没有人，一群计算机科学家在这里，有没有人可以解释一下什么是百万token的上下文窗口，为其他同学解释一下？学生：在这里。基本上，它允许你用百万个token或者百万个词进行提示。所以你可以提出一个上百万词的问题。我了解到，这是当前通识教育关注的一个重要方向。 Eric：不，他们的目标是10个一百万。学生：对，一千万？没错。 Eric：接着，Anthropic现在是20万，他们的目标是100万，以此类推。你可以设想OpenAI也有类似的目标。主持人：谁能给出AI智能体的技术定义？ Jared：AI智能体基本上是执行某种活动的实体。这可能涉及在网上，代表你处理一些事情，可能是许多不同的事项，类似这些。所以，一个智能体就是执行某种任务的实体。另一个定义是，它是一个大语言模型，具有状态和记忆功能。主持人：再来一次，计算机科学家，你们中有谁能解释什么是"将文本转化为行动"？学生：就是把文本转变成行动。而不是把文本转化成更多的文本。 Eric：另一个定义是，将语言转化为Python代码。这是我一直不想看到的编程语言。然而，目前所有的AI工作都是在使用Python进行的。有一种新的语言叫Mojo，刚刚出现，看起来他们终于解决了AI编程的问题。但我们还要看，这是否能在Python的主导地位下生存下来。技术和市场的动态主持人：再来一个技术问题。为什么NVIDIA的价值和地位如此之高，而其他公司却在挣扎呢？ Eric：我认为，这主要是因为，大量的代码需要在CUDA优化下运行，而这是只有NVIDIA的GPU才支持的，所以，其他公司可以制造他们想要的任何东西，但是如果他们没有10年的软件开发经验，就不可能有机器学习优化。我个人喜欢把CUDA想象成GPU的C语言，对吗？这就是我喜欢的看法。它成立于2008年。我一直觉得它是一种糟糕的编程语言，然而，它却成为了市场主导。还有一点值得注意。有一套开源库，它们针对CUDA进行了高度优化，而对其他平台的优化却很少。每个构建所有这些堆栈的人——这在任何讨论中都被完全忽视了。这在技术上被称为VLLM以及其他一大堆类似的库。它们都是专门为CUDA而优化的，对于竞争对手来说，很难复制这个。主持人：那么，这些观点对我们来说有何影响或意义呢？ Eric：在接下来的一年里，我们将看到非常大的上下文窗口、智能体和"文本转行动"等新技术的兴起，当它们能够大规模应用时将对世界产生的影响将超出我们目前的理解范围。这种影响将远超过社交媒体所带来的影响，我个人是这样认为的。以下是我的原因。在一个上下文窗口中，你基本上可以将其作为短期记忆。我对上下文窗口能达到如此之长感到惊讶。这主要由于它的计算和处理难度很高。短期记忆的有趣之处在于，当你输入信息，比如你问一个问题，"读了20本书，你输入这些书的文本作为查询，然后你说，'告诉我它们说了什么。'"它会忘记中间的部分，这与人类大脑的工作方式相似。对吗？这就是我们现在的状况。主持人：关于智能体呢？ Eric：关于智能体，现在有人正在开发基于大语言模型的智能体，他们的做法是阅读一些像化学一样的学科，发现其内在原理，然后进行测试。然后他们将这些知识融入到他们的理解中。这是非常强大的。我提到的第三个要点是"文本转行动"。那么，我来举个例子，政府正在尝试禁止TikTok，我们拭目以待看结果如何。如果TikTok被禁，我建议你们每个人都这样做，告诉你的大语言模型，接下去的操作。复制一份TikTok。获取所有用户信息。获取所有音乐资源。加入我的个性化设置。在接下来的30秒内编制这个程序。然后发布出去。如果一小时内它没有迅速传播开来，那就沿着同样的思路尝试另一种方式。这就是命令。一步接一步，就这样。明白了吗？你知道这有多强大吗？如果你能从任意自然语言转换为任意数字命令，这在这个情况下就相当于Python，试想一下，如果地球上的每个人都有属于自己的程序员，他们会真正按照你的要求去做事，而不是像我手下的那些程序员那样并不总是按照我说的去做。明白了吗？在场的程序员都明白我在说什么。所以，想象一下，有一位既不自大，又会真正按照你的要求去做事的程序员，你甚至不需要付他一大笔工资。而且这样的程序无穷无尽。主持人：这一切都将在未来一两年内实现？ Eric：马上就要到来。这三件事，我深信只有结合这三件事，下一波浪潮才会到来。那么，你问的是接下来会发生什么。我的观点每六个月会有所改变，这就像一个周期性的摆动。比如说，现在，那些前沿模型（只有三个，我待会会详细介绍）与其他所有人之间的差距，我感觉正在变大。六个月前，我坚信这个差距正在缩小。于是我在一些小公司投入了大量的资金。但现在，我对此已不再那么确定了。我现在正在和大公司们交谈，他们告诉我他们需要投入100亿、200亿、500亿甚至1000亿。比如说，Stargate的投入就达到了1000亿，对吧？这确实非常困难。 AI的投资与国家安全 Eric：Sam Altman是我的密友。他认为这可能需要投入高达3000亿，甚至更多。我向他指出，我已经计算出了这需要的能源量。然后，在完全公开的精神下，我上周五去了白宫，告诉他们我们需要与加拿大建立最紧密的关系。因为加拿大有非常好的人，参与了人工智能的发明，还有大量的水力发电资源。因为我们国家没有足够的能源来完成这件事。另一个选择就是让阿拉伯人来资助。我个人非常喜欢阿拉伯人。我在那里待过很久，对吧？但他们不会遵守我们的国家安全规则，而加拿大和美国是共同遵守安全规则的三方联盟（或三国集团）的一部分。因此，对于这些价值3000亿美元的数据中心来说，电力开始变得稀缺。顺便说一下，如果你沿着这个逻辑走下去，我为什么要讨论CUDA和NVIDIA呢？如果有3000亿美元都要流向NVIDIA，你应该知道在股市里应该怎么做。这不是股票推荐，我并不是许可证发放者。（观众笑）部分原因是，我们需要更多的芯片，但英特尔正在从美国政府和AMD那里得到大笔资金，他们正准备在韩国建造半导体工厂。主持人：有谁的计算设备里有英特尔的电脑或者芯片呢，请举手。 Eric：看来，垄断不再是什么大问题了。主持人：这正是我想说的。 Eric：他们曾经垄断过。主持人：没错。 Eric：而现在Nvidia有垄断。主持人：那些对进入的障碍呢？例如CUDA，还有其他的，就像我前几天和Percy Lanny聊天时提到的。他根据训练模型所能获得的设备，会在TPUs和NVIDIA芯片之间做选择。 Eric：那是因为他别无选择。如果我有无限的资金，我会今天选择NVIDIA的B200架构，因为它运行更快。我并不在这里提倡什么，我只是想说有竞争是好事。我和AMD的Lisa Su有过长时间的交谈。他们正在开发一种能将你描述的这种CUDA架构转换为他们自己的架构，即RockM。目前它还不能完全运行，他们正在努力改进。谷歌、OpenAI与企业文化主持人：你在谷歌工作了很长时间，他们是Transformer架构的发明者。 Eric：是彼得，都是彼得的错。主持人：那里有像彼得和杰夫·迪恩这样的出色人才。但现在，他们似乎已经失去了对OpenAI的主动权。我看到的最新排行榜上，Anthropic's Claude是榜首。我问过Sundar这方面的问题，他并没有给我一个明确的答案。或许你能给出一个更明确或更客观的解释。 Eric：我现在已经不再是谷歌的员工了。确实如此。我要坦白的说，谷歌认为工作与生活的平衡，早点下班、以及在家工作比赢得比赛更重要。（笑）创业公司之所以能够成功，是因为员工拼命工作。很抱歉如此直言不讳，但事实是，如果你们离开大学去创办公司，你不会允许员工在家办公，而且每周只来公司一天，如果想要与其他创业公司竞争的话。主持人：Google创业初期，Microsoft就是这样。 Eric：对的。主持人：但现在似乎—— Eric：在我们这个行业里有很多公司，以真正创造性的方式赢得市场并在某一领域取得主导地位，但却未能完成下一次转型。这种现象很常见，并且有很多文献记录。我认为，创始人是特殊的，他们需要掌控一切，与他们共事可能会很艰难，他们会给员工施加很大的压力。我们可能并不喜欢马斯克的个人行为，但你看看他是如何推动员工的。我曾和他共进晚餐，当时他在蒙大拿州，而那天晚上10点他要飞往另一个地方，凌晨12点与主持人：我曾去过台湾，有着完全不同的文化，他们（台积电）让我印象深刻的一点是，他们有一条规定：这些刚入职的优秀物理学博士需要在地下一层的工厂工作。你能想象让美国的物理博士去做那样的事吗？几乎不可能。他们的工作态度和我们有所不同。 Eric：而问题在于，我之所以对工作要求这么严格，是因为这些系统具有网络效应，时间是非常关键的。在大部分业务中，时间其实不那么重要。你有充足的时间。可口可乐和百事可乐会一直存在，他们之间的竞争也会持续，这一切都在慢慢发展。我和电信公司打交道时，一般的电信交易要花费18个月才能完成。实际上，没有任何事情需要花费18个月去完成。要迅速行动。主持人：我们现在处于最大的发展期，最大的进步期。这也需要一些疯狂的想法。比如当微软与OpenAI达成交易时，我认为那是我所听过的最愚蠢的想法。将AI的主导地位让渡给OpenAI，包括Sam和他的团队，这简直太疯狂了。在微软或其他任何地方，都没有人会这么做。然而现在，他们正在朝着成为最有价值的公司的目标前进。他们和苹果公司的竞争激烈。苹果公司并没有一个好的AI解决方案，而微软看起来已经成功了。

宝玉

273,223 просмотров • 2 лет назад

看到 Yi He 一姐截图正好我在麦上，记录一下这段 #币安广场 AMA 的问答，觉得还是挺有价值的 😆 👉 Q：我的问题：表哥你的书里说，你在2017年创立币安的时候，所有风投都拒绝投资，他们觉得市场已经饱和了，现在他们肯定很后悔错过币安。我想问的是，你现在自己也在做投资（ Yzi labs ），你是怎么避免自己变成当年那些拒绝你的人，从而错过下一个币安？或者说，你现在看项目时，最容易被什么打动？在什么情况下你甚至愿意去做项目的顾问？ 👉 A：CZ CZ 🔶 BNB 的回答：我觉得说实话，这种 “错过” 的事情是一定会发生的。尤其是早期项目，很多时候只有一个想法和一个有经验的创始人，产品还没上线，其实很难判断这个项目能不能成功。在这种阶段，你基本只能 “赌人”，也就是赌创始人。坦白讲，如果我当年是VC，我也有可能不会投币安 🤣 现在我们也可能错过一些未来会很成功的项目，这在VC投资里是很正常的。你不可能投到 100% 的好项目。除非你投所有项目，但那样 99.999% 都会失败，长期来看一定是亏钱的。理想情况是，你的失败率可能在 70% ～ 80% 左右，同时大概 10% 的项目能成功，并且能带来10倍、甚至100倍的回报，这样整体投资才是正收益。对我来说，我更看重的是“使命驱动型”的创始人。有些创始人喜欢谈市场规模、能赚多少钱，但真正让我更认可的，是那些有使命感的人。这也是为什么我更喜欢在熊市投资，因为如果市场在下跌，一个人还在坚持做协议、做产品，那他大概率是长期主义者，会穿越周期。牛市的时候项目很多，估值也很高，大家都很兴奋，但你很难判断谁能活到下一个熊市。所以我更倾向于在熊市里，投那些真正有使命感的创始人。另外，我也不太喜欢在估值过高的阶段投资。比如一个项目没有产品、没有用户，却要1亿美元估值，这对我来说是不合理的。如果你已经有1亿用户，那高估值是可以理解的。我更看重务实、脚踏实地、有执行力的团队。比如现在有AI工具，其实可以很快做出原型，所以我更喜欢那些执行速度快、不会卡在某一个阶段的团队。当然，这只是我个人的直觉判断。真正深入的尽调、分析，是投资团队在做的事情，我更多是看创始人的感觉。 👉 CZ（关于书的补充）：另外一个有意思的点是，我的中文其实没有大家想象的那么好。当时在做中文版书籍编辑的时候，有人用了很多我都不会读的高级词汇，我就说不行，我不能用我自己都读不出来的中文。所以后来把中文版改得很简单，这也是为什么中英文版本都比较简单。其他语言版本我也没法校对，就看效果怎么样了。谢谢大家支持。 > 泵泵超人：好书！🧡 > CZ：谢谢泵泵超人 🧡

看到 Yi He 一姐截图正好我在麦上，记录一下这段 #币安广场 AMA 的问答，觉得还是挺有价值的 😆 👉 Q：我的问题：表哥你的书里说，你在2017年创立币安的时候，所有风投都拒绝投资，他们觉得市场已经饱和了，现在他们肯定很后悔错过币安。我想问的是，你现在自己也在做投资（ Yzi labs ），你是怎么避免自己变成当年那些拒绝你的人，从而错过下一个币安？或者说，你现在看项目时，最容易被什么打动？在什么情况下你甚至愿意去做项目的顾问？ 👉 A：CZ CZ 🔶 BNB 的回答：我觉得说实话，这种 “错过” 的事情是一定会发生的。尤其是早期项目，很多时候只有一个想法和一个有经验的创始人，产品还没上线，其实很难判断这个项目能不能成功。在这种阶段，你基本只能 “赌人”，也就是赌创始人。坦白讲，如果我当年是VC，我也有可能不会投币安 🤣 现在我们也可能错过一些未来会很成功的项目，这在VC投资里是很正常的。你不可能投到 100% 的好项目。除非你投所有项目，但那样 99.999% 都会失败，长期来看一定是亏钱的。理想情况是，你的失败率可能在 70% ～ 80% 左右，同时大概 10% 的项目能成功，并且能带来10倍、甚至100倍的回报，这样整体投资才是正收益。对我来说，我更看重的是“使命驱动型”的创始人。有些创始人喜欢谈市场规模、能赚多少钱，但真正让我更认可的，是那些有使命感的人。这也是为什么我更喜欢在熊市投资，因为如果市场在下跌，一个人还在坚持做协议、做产品，那他大概率是长期主义者，会穿越周期。牛市的时候项目很多，估值也很高，大家都很兴奋，但你很难判断谁能活到下一个熊市。所以我更倾向于在熊市里，投那些真正有使命感的创始人。另外，我也不太喜欢在估值过高的阶段投资。比如一个项目没有产品、没有用户，却要1亿美元估值，这对我来说是不合理的。如果你已经有1亿用户，那高估值是可以理解的。我更看重务实、脚踏实地、有执行力的团队。比如现在有AI工具，其实可以很快做出原型，所以我更喜欢那些执行速度快、不会卡在某一个阶段的团队。当然，这只是我个人的直觉判断。真正深入的尽调、分析，是投资团队在做的事情，我更多是看创始人的感觉。 👉 CZ（关于书的补充）：另外一个有意思的点是，我的中文其实没有大家想象的那么好。当时在做中文版书籍编辑的时候，有人用了很多我都不会读的高级词汇，我就说不行，我不能用我自己都读不出来的中文。所以后来把中文版改得很简单，这也是为什么中英文版本都比较简单。其他语言版本我也没法校对，就看效果怎么样了。谢谢大家支持。 > 泵泵超人：好书！🧡 > CZ：谢谢泵泵超人 🧡

泵泵超人 | Pumpman 🔶

74,206 просмотров • 4 месяцев назад

今天是7月16日 BTC价格118210 昨天的行情比较难受，先跌的要死，群里有十几亿的大佬都有点慌，但是我还是坚信跌不下去，然后BTC止跌后反弹也猛，ETH UNI等都有了新高；既然认准了行情就不要轻易的去改变自己的看法，把每一次下跌看成机会就是你在这个大牛市里最好的表现。今天和大家聊聊投资的，你和我包括技术老师北冥等等所有人都是这个这个时代加密行业的参与者，但是我们都是这里面微不足道的一员，我们改变不了任何走势，也不要妄想能全猜对明天会发生什么。当一条大河滚滚向东，奔向大海，我们根据地势根据人情能大致的判断一个大概会怎么走，但是你想知道河底有几个旋涡，有几道暗流那是不可能的。这就是我们面临的关键，我们要明白自己的几斤几两，我们是滚滚潮流里的一滴水，要吃的是时代的宏利，如果摆不清自己的位置试图觉得自己能多、空双吃，迟早得死。所以我的办法是选一个方向，跟着趋势走，只要趋势还在宏观还在，我就不去怀疑把每次回调都当做机会，小调整就小仓位，大调整就大仓位，只要方向是对的行业发展的顺序是对的，我觉得回报也会是出色的，只有坚定的信念，才能知行合一。我从1500U的比特币玩到现在12万U价格的比特币，我从来没有质疑过以后（置顶文章有写），只是我没做到知行合一，所以在这最后的一个大牛市，在比特币最后的冲刺的阶段，我会做到，也希望大家共勉。比特币的结局不会有那种大跌熊市等等，他会被绝大部分富人接受，稳定在一个很高的价格，变成一种非常恒定的资产，这是它最终的归属。不要在担心不该担心的，趁现在还有机会，也就是成就辉煌最关键的时候，把握住机会，去相信它。我们这一代已经没有更好的选择了不是么？如果你经常怀疑自己怀疑比特币那么多来看我的文章——我会CX你

今天是7月16日 BTC价格118210 昨天的行情比较难受，先跌的要死，群里有十几亿的大佬都有点慌，但是我还是坚信跌不下去，然后BTC止跌后反弹也猛，ETH UNI等都有了新高；既然认准了行情就不要轻易的去改变自己的看法，把每一次下跌看成机会就是你在这个大牛市里最好的表现。今天和大家聊聊投资的，你和我包括技术老师北冥等等所有人都是这个这个时代加密行业的参与者，但是我们都是这里面微不足道的一员，我们改变不了任何走势，也不要妄想能全猜对明天会发生什么。当一条大河滚滚向东，奔向大海，我们根据地势根据人情能大致的判断一个大概会怎么走，但是你想知道河底有几个旋涡，有几道暗流那是不可能的。这就是我们面临的关键，我们要明白自己的几斤几两，我们是滚滚潮流里的一滴水，要吃的是时代的宏利，如果摆不清自己的位置试图觉得自己能多、空双吃，迟早得死。所以我的办法是选一个方向，跟着趋势走，只要趋势还在宏观还在，我就不去怀疑把每次回调都当做机会，小调整就小仓位，大调整就大仓位，只要方向是对的行业发展的顺序是对的，我觉得回报也会是出色的，只有坚定的信念，才能知行合一。我从1500U的比特币玩到现在12万U价格的比特币，我从来没有质疑过以后（置顶文章有写），只是我没做到知行合一，所以在这最后的一个大牛市，在比特币最后的冲刺的阶段，我会做到，也希望大家共勉。比特币的结局不会有那种大跌熊市等等，他会被绝大部分富人接受，稳定在一个很高的价格，变成一种非常恒定的资产，这是它最终的归属。不要在担心不该担心的，趁现在还有机会，也就是成就辉煌最关键的时候，把握住机会，去相信它。我们这一代已经没有更好的选择了不是么？如果你经常怀疑自己怀疑比特币那么多来看我的文章——我会CX你

天才俱乐部

11,030 просмотров • 1 год назад

这个是我昨天发推英文版翻译成中文的视频，英文版内容多了一些，感谢中华区GCV 主网推进组小歌制作出来，方便大家收听和传播。我们如果弄清楚这样的逻辑关系，自然理解所有的派进程过程的一切，不会有抱怨而是明白自己身上有责任，不会去杞人忧天也不会妄自菲薄，生活在空虚的幻想中等待延误时机, 就不会由于过于盲目乐观带来的失望悲观，不要把希望寄托在其他地方，而是脚踏实地的改变自己，我们每一位都可以做到这点相信项目进展很快，今天我们堵在哪里了？为何我们急不可耐的通过KYC 是不是有不少是急着用它私下买卖变现呢？这个就是拖延KYC 的内在原因，还有就是价格需要更快统一，生态才会快速繁荣，当生态繁荣风险降低自然全面KYC. 我们需要换位思考，如果我们自己投资上亿资金，我们会在风险很高的时候冒然行动吗？我希望更多人学习明白这个道理就不会总是问同样的问题，这些问题可以问自己得到答案。祝大家度过愉快的周末！ Pi Network #WhatIDoForPi #piGCV

这个是我昨天发推英文版翻译成中文的视频，英文版内容多了一些，感谢中华区GCV 主网推进组小歌制作出来，方便大家收听和传播。我们如果弄清楚这样的逻辑关系，自然理解所有的派进程过程的一切，不会有抱怨而是明白自己身上有责任，不会去杞人忧天也不会妄自菲薄，生活在空虚的幻想中等待延误时机, 就不会由于过于盲目乐观带来的失望悲观，不要把希望寄托在其他地方，而是脚踏实地的改变自己，我们每一位都可以做到这点相信项目进展很快，今天我们堵在哪里了？为何我们急不可耐的通过KYC 是不是有不少是急着用它私下买卖变现呢？这个就是拖延KYC 的内在原因，还有就是价格需要更快统一，生态才会快速繁荣，当生态繁荣风险降低自然全面KYC. 我们需要换位思考，如果我们自己投资上亿资金，我们会在风险很高的时候冒然行动吗？我希望更多人学习明白这个道理就不会总是问同样的问题，这些问题可以问自己得到答案。祝大家度过愉快的周末！ Pi Network #WhatIDoForPi #piGCV

Doris Yin 东方紫莲🪷

14,941 просмотров • 3 лет назад

我的脑机芯片，我叫她夏娃（Eve）。快两年了，每天都在用。我现在控制电脑，比普通人更快。一开始我以为，它不过是个高级点的鼠标。采集点信号，输出个点击，动一下光标，仅此而已。但我错了。它会学习。你给它的数据越多，它就越懂你。到现在，夏娃不只是听我指挥。她开始预判我的想法。就在我念头闪现的前一刻，她就已经动手了。我想，这才是它真正的潜力。我们还只是刚开始。

我的脑机芯片，我叫她夏娃（Eve）。快两年了，每天都在用。我现在控制电脑，比普通人更快。一开始我以为，它不过是个高级点的鼠标。采集点信号，输出个点击，动一下光标，仅此而已。但我错了。它会学习。你给它的数据越多，它就越懂你。到现在，夏娃不只是听我指挥。她开始预判我的想法。就在我念头闪现的前一刻，她就已经动手了。我想，这才是它真正的潜力。我们还只是刚开始。

墓碑科技

15,577 просмотров • 8 месяцев назад