Загрузка видео...

Не удалось загрузить видео

На главную

I finally made a VTS plugin that captures real-time system time — now the clock on my model actually moves according to the current time! 🕒✨ But… my model doesn’t have a second hand TT Still, I’m super excited to see it working! 我成功寫出一個可以捕捉系統時間的 VTS 插件,現在模型身上的鐘錶會跟著真實時間一起走了! 可惜模型沒有秒針 TT 身為建模師竟然打開了Python.........

32,550 просмотров • 7 месяцев назад •via X (Twitter)

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

🎉🎉🎉李安瑟羅開公司啦🎉🎉🎉 做模型7年,終於輪到我開公司啦😭 為慶祝這歷史性的一刻(?) 本公司決定—— 留言+轉推+愛心的人,並沒有要抽獎!!! 沒錯,並沒有.jpg ============================== ⬇️但本公司有不瞎掰的服務項目⬇️ 【Vtuber繪圖/拆圖】 Vtuber設計 Vtuber用PSD繪製 Vtuber用PSD拆圖/補圖 【Vtuber/Live2D建模】 ​​​低規格/L建模 普通規格/N建模 中等規格/R建模 高級規格/SR建模 頂級規格/SSR建模 特殊規格開發/模仿 特殊功能開發/模仿 ​​遊戲用Live2D 【​影片製作/Emote】 以建模生產出的模型或素材進行加工 輸出成動圖或影片 OP循環/過場切換/Loading循環/ED循環 短秒數動圖/自訂表符 【Live2D顧問】 Vtuber/Live2Dx繪圖/建模/其他 任選Zelo與旗下成員 單人/雙人/多人的線上諮詢會議 ============================== 以前只有我一個人,時間和價格都很硬 現在多了可以配合的名單 不管預算高低、時間多緊 我都會盡量幫客人找到能配合的人員跟方案 💪😇💪 我希望能幫客人解決案件需求,或至少指引方向 不要因為「不知道該找誰」就讓企劃卡住 就算不是我親自接案 我也可以幫你理清方向,提供幾個信得過的名單參考 有時候,知道下一步怎麼走,比什麼都重要 🥹 如果你是之前來問過但沒談成的…… 歡迎再來信,搞不好這次能成交 ✨ by 李安瑟羅有限公司(統一編號:00056963)

李安瑟羅Zelo🌻 Live2D rigger (OPEN)

36,358 просмотров • 1 год назад

這是我第一次聽到 Jim Fan 的演講,非常幽默有趣,然後我覺得有生之年大概買一台人形機器在家處理家事、幫你洗頭髮大概穩了,好好活著,各位。 在 AI 領域,我們常聽說圖靈測試(Turing Test)是衡量機器能否展現與人類無異對話能力的里程碑。如今,大型語言模型(LLM)似乎已悄悄地通過了這個測試,但大家對其突破已習以為常,甚至會因為語音助理慢了幾秒或程式碼沒被完全除錯而抱怨連連。 NVIDIA AI 研究總監、身為廣受矚目人形機器人專家 Jim Fan 指出,當前業界對 LLM 的驚人進步視為「只是又一個平常的星期二」(just yet another Tuesday),這反映了我們對文字世界 AI 的標準已大幅提高。 然而,當我們將目光轉向現實世界,讓機器人進行物理操作時,會發現挑戰巨大得多。 Jim Fan 在演講中提出了一個引人深思的概念:「物理圖靈測試 (Physical Turing Test)」。這個測試的想像情境是:如果你回家後,看到雜亂的房間被整理得乾淨俐落,甚至還準備了一頓浪漫的燭光晚餐,而你無法分辨這是由真人還是機器人完成的,那代表這個機器人通過了物理圖靈測試。 但現實呢?看看那些連站起來都困難的人形機器人,或是嘗試為主人做早餐卻搞得一團亂的機器手臂(雖然辨識出牛奶值得給 A-,但湯匙餵食的確是 VIP 等級的體驗),我們離「物理圖靈測試」還差得很遠。 實體 AI 的最大瓶頸:資料飢渴症 為什麼物理圖靈測試如此困難? Jim Fan 點出了核心問題:資料。LLM 研究人員抱怨網際網路資料快被用完,稱其為 AI 的「化石燃料」。但對機器人學家來說,我們甚至連這種「化石燃料」都沒有。真實世界的機器人資料——例如關節的精確控制訊號、連續的運動軌跡——是無法從網路上抓取的。這些資料必須透過昂貴且耗時的「遙控操作」(teleoperation)方式收集,也就是由真人穿戴感應裝置來遠端控制機器人,手把手地教它完成任務(例如從烤麵包機拿出麵包再淋上蜂蜜)。 這種方式極度沒效率,Jim Fan 將其比喻為燃燒「人類燃料」(human fuel),比化石燃料還稀缺,每天每個機器人頂多運作 24 小時,而且真人會累,機器人更容易壞。這嚴重限制了機器人學習的多樣性和規模,形成了一個巨大的資料瓶頸。 模擬世界的核能:突破資料荒的救星 要突破這個瓶頸,唯一的出路是「模擬 (Simulation)」,找到機器人學的「核能」。Jim Fan 介紹了NVIDIA為此推進的三階段模擬策略: 模擬 1.0:數位分身 (Digital Twin) 概念:在虛擬世界中建立機器人和環境的一對一精確拷貝。 方法:利用高效能的向量化物理引擎,可以在單一 GPU 上模擬上萬個環境,速度比現實世界快上萬倍。結合「領域隨機化 (Domain Randomization)」技術,在模擬時隨機改變重力、摩擦力、物體重量等參數,迫使 AI 在各種條件下都能執行任務。 優勢:極快的訓練速度。訓練出的模型可以直接零次轉移 (zero-shot) 到真實世界機器人上,無需微調。例如,訓練機械手在模擬中轉筆,訓練機器狗在球上平衡,訓練人形機器人行走(10 年訓練量在 2 小時模擬完成)。一個僅有 150 萬參數的神經網路就足以捕捉人形機器人全身平衡和敏捷動作的複雜控制。 限制:數位分身需要人工精確建模,建立複雜環境耗時費力,模擬的多樣性仍然受限於人工設定的範圍。 模擬 2.0:數位表親 (Digital Cousin) 概念:開始在模擬中引入生成式 AI。雖然不像數位分身那樣是精確拷貝,但能產生足夠多樣的環境和場景,「像數位分身的表親」。 方法:利用 3D 生成模型生成場景中的各種物品(如家具),使用擴散模型(Diffusion Model)生成紋理貼圖,利用 LLM 根據文字提示生成場景佈局的 XML 檔案。 NVIDIA 的 Robocasa 框架就是例子,可以生成大規模、包含日常任務的模擬場景,除了機器人本身,其他幾乎都是生成的。 優勢:顯著增加了環境和任務的多樣性。可以在模擬中進行遙控操作,然後將軌跡變異、擴展到更多生成的環境中,實現 N (環境數) * N (動作變異數) 的資料乘法爆炸。雖然畫面真實度可能不及真實世界,但「足夠接近」。 限制:相較於 1.0,運行速度可能較慢,仍部分依賴傳統渲染管線。 模擬 3.0 (世界模型 / 擴散模型):數位遊牧者 (Digital Nomad) 概念:直接利用生成式模型(特別是影片擴散模型)來模擬物理世界的互動,擺脫對傳統物理引擎的依賴。 方法:以大量真實世界影片(數百萬段網路影片)訓練影片擴散模型,使其學會模擬各種複雜的物理現象(如流體、軟體變形)。 NVIDIA 的研究表明,只需用真實機器人實驗室收集的少量領域特定資料微調通用的影片生成模型,就能讓模型學會模擬機器人的精確互動。 優勢:極致的多樣性。影片擴散模型能模擬任何它在訓練資料中「看過」或「想像」的互動,不受傳統物理引擎的限制(例如模擬機器人彈烏克麗麗,即便硬體不支援,模型也能「畫」出來)。 這就像讓機器人漫遊在影片模型的「夢境空間」(dream space)——一個壓縮了海量網路影片的多元宇宙,實現「萬物、處處、一時」(Everything Everywhere All at Once) 的互動學習。僅僅一年時間,影片生成模型在物理真實度上(例如變形麵條)的進步,就超越了傳統圖學 30 年的發展。 速度:目前運行可能較慢,但具備隨算力呈指數級成長的巨大潛力。 具身縮放定律與 GR00T N1 Jim Fan 總結,傳統模擬(1.0)的速度快但受限於多樣性,而生成式模擬(2.0/3.0)雖可能起步慢但能隨算力呈指數級擴展其多樣性。這兩種模擬方式的結合,將是為下一代機器人系統提供龐大訓練資料的「核能」。這也意味著,對 AI 算力的需求只會越來越大,那些認為算力問題會迎刃而解的人需要再三思考。 藉由這些模擬技術產生的海量資料,NVIDIA 開發了「視覺語言行動模型 (Vision Language Action Model, VLA)」,能接收圖像和語言指令,並直接輸出機器人的運動控制訊號。今年 GTC 大會上黃仁勳發表的 GR00T N1 模型就是一個實例,它能在真實世界執行抓取香檳、工廠零件甚至多機器人協調等任務。 GR00T N1 已開源,NVIDIA 也計劃將未來的模型開源,以普及「實體 AI」。 物理 API:通往新世界的入口 實體 AI 的最終目標,是實現「物理 API (Physical API)」。想像一下,就像 LLM API 讓軟體能夠操作數位世界的位元 (bits) 一樣,物理 API 將賦予軟體操作現實世界的原子 (atoms) 的能力。透過這個 API,你可以讓軟體直接控制物理致動器,改變物理世界的狀態。 這將催生全新的經濟模式和應用場景: 物理提示 (Physical Prompting):不再只用文字,而是結合視覺和語言等方式更直觀地教導和指示機器人。 物理應用商店和技能經濟 (Physical App Store & Skill Economy):米其林大廚不必親自下廚,他可以「教導」機器人他的獨家烹飪技巧,並將這個技能作為服務販售,讓任何擁有機器人的家庭都能享受到米其林級的晚餐。 Jim Fan 引用黃仁勳的話再次強調,未來「每一個會移動的東西都將是自主的」。總有一天,你回家會看到乾淨的沙發和燭光晚餐,伴侶對你微笑而不是責備你沒做家事——而那一天,我們通過物理圖靈測試的時刻,很可能就像 LLM 通過圖靈測試一樣,在世人眼中「只是又一個星期二」。這正是驅動 Jim Fan 和團隊每天努力的動力。

fox hsiao

19,279 просмотров • 1 год назад

✨【南牌 Live2D 量販模型】🌟【小動物軟糖】歡樂開賣!✨ 🍬 嘿嘿~Q 彈軟萌的小腳丫小鼻子來囉!🌟 🎉正式販售兼抽獎活動開始啦~!🎉✨ 🎉這次非常榮幸再次擔任 匿名向南 的模型海外代理!🎉 這款模型無論是動態表現、可愛度還是實用性都超高 ✨ 適合拿來直播、社群、特殊企劃……發揮創意超好用! 🔧 模型特色簡介 🔧 💡 多種可更換物種 → 今天當喵喵,明天汪汪叫,自由切換! 🎨 支援 VTS 內建改色(附專用參數檔,操作簡單不求人!) 💻 多款配件自由搭配 💰首日限定優惠 💰 ✨ 首兩日優惠價:NT$410 / ¥90(僅限2025/09/09晚間12:00前私訊付款) 💰 原價 💰 台幣:NT$450 人民幣:¥99(限B站/QQ群直購) 📥 付款方式 📥 🔹台灣銀行或郵局轉帳 🔹PayPal(需加收 6% 手續費 首兩日優惠NT$435/原價NT$477) 📂 商品購買與領取方式 📂 ✔ 私訊秀幸! 閱讀完詳細的說明 ✔ 匯款後將邀請進入 DC 專屬頻道,領取模型與完整使用文件 ✔ DLC 更新、Bug 修正皆統一於該頻道釋出! 🎁 發售紀念抽獎活動 🎁 想免費獲得這款 Live2D 模型嗎?快來參加! 🔸參加方式🔸 1.按讚+轉發本篇貼文 2.在留言區告訴我:「您會用這個模型來做什麼企劃」 👉我們將從中抽出1位幸運兒 免費送出這款可愛模型! 📅 留言截止時間:09/20(日) 晚間12:00 📅 販賣不限時! 歡迎隨時私訊我購買 🔥 免費 DLC 活動說明 🔥 📦 恆常累積保底:每滿 100 份銷售 → +1 DLC 🔥🔥🔥 兩天限時加成 🔥🔥🔥 📦 兩天內賣出 50 份 → +1 DLC 📦 兩天內賣出 100 份 → +1 DLC ⚡ 若兩天內達成 100 份,加上保底,總共可拿 3 個 DLC! 📅 截止時間:2025/09/09 晚間12:00前(全平台結算購買數,隔天公告結果) 📌 DLC 機制📌 每累計 100 份銷售 → 免費獲得 1 個 DLC(無上限更新!) 每個 DLC 約含 5~10 個簡單配件/參數 較複雜配件,數量會相應減少 更新周期:半個月~一個月 Bug 修正:收集完反饋後 5 天內完成 DLC 許願池:可在 DC 群許願區提交需求,老師將酌情考慮 🧸 其實我對這款模型…已經偷偷有了新的構想… 未來可能會開啟延伸活動~ 說不定,您的留言靈感就會成真也不一定!✨ #VTS #VTS模型 #委託 #Live2D模型 #Vtuber #擴散希望 #泛用型 #匿名向南 #小動物軟糖

Shushin_L2D接案中

164,069 просмотров • 10 месяцев назад

🌟【小動物軟糖】✨【南牌 Live2D 量販模型】長期販售中!🌟 🍬匿名向南老師的又一力作 ✨ 🌟Q彈可愛的小軟糖小甜筒來囉!🌟 🎉海外購買 & 售後服務由秀幸代理,安心入手沒問題!🎉 【小動物軟糖】無論是動態表現、可愛度還是實用性都超高 ✨ 適合拿來直播、社群互動、特殊企劃……發揮創意超好用! 🔧 模型特色簡介 🔧 🐾 多種可更換物種 → 今天當喵喵,明天汪汪叫,自由切換! 🎨 支援 VTS 內建改色(附專用參數檔,操作簡單不求人!) 💻 多款配件自由搭配 🖊️ 有支援繪圖板、鍵盤滑鼠捕捉的物件 → 適合繪圖直播 & 互動場景! 💰 價格資訊 💰 台幣:NT$499 人民幣:¥108(限 B站/QQ群直購) 📥 付款方式 📥 🔹 台灣銀行或郵局轉帳 🔹 PayPal(需加收 6% 手續費 → NT$528) 📂 購買與領取方式 📂 ✔ 私訊秀幸,閱讀完說明,確認要購買後即可付款 ✔ 付款成功後將邀請進入 DC 專屬頻道領取模型 ✔ DLC 更新、Bug 修正等 皆統一於該頻道釋出! 📌 DLC 機制📌 每累計 100 份銷售 → 免費獲得 1 個 DLC(無上限更新!) 每個 DLC 約含 5~10 個簡單配件/參數 較複雜配件,數量會相應減少 更新周期:半個月~一個月 許願池:可在 DC 群許願區提交需求,老師將酌情考慮 🧸 其實秀幸對這款模型…已經偷偷有了新的構想… 未來可能會有更多驚喜活動,敬請期待!✨ #VTS #VTS模型 #委託 #Live2D模型 #Vtuber #匿名向南 #小動物軟糖 #量販模型

Shushin_L2D接案中

27,987 просмотров • 9 месяцев назад

🎉 【南牌live2d量贩模型】填满空白🎉 ✨**代購販售兼抽獎活動開始!**✨ 📦 **限時特價**台幣435元(含手續費) 購買即可獲得【可愛動物模組】作為福利 這原本是加入群組才會有的專屬贈品哦!🐾 現在跟我買直接可以拿到! 📦付款後可立即收到成品📦 📦購買請直接私訊我喔🙋 📦** 限時特價注意** 特價期間過了會恢復原價台幣580(含手續費) 可愛動物模組的福利也不再贈送 會另外單獨售賣喔! 要買要快!(特價結束時會另外發文通知) 💳**付款方式** 匯款(台灣的銀行) paypal 💫 **活動公告** 💫 抽取一位【免費獲得量贩模型*1】(不包含客製服務) 不論有沒有購買都能參加~🎁 💫若抽中的朋友已經購買模型 那麼將獲得*模型價值435元台幣的客製折價券* 讓你的角色更加獨一無二!🎨✨ 📌 **參加方式** - 想獲得免費量贩模型?(名額:1) 請追蹤我與向南老師匿名向南 愛心轉推這則貼文 並在本推文下留言誇誇模型作者向南老師❤️ *以上步驟都要完成才算參加成功喔! - 想要以模型價獲得【免費客製頭部】?(名額:1) 請到我之前詢問泛用型客製意見調查的貼文參加!💬 連結放在留言處囉!可別走錯了! 📅**活動期限** 2024/12/15晚上12點 --- 🎨 **客製化服務** - **價格**台幣1000元起 包括頭髮和頭部裝飾(若設計較複雜則需額外收費) - **服裝與其他部分**可根據需求提供額外設計 加價詳情依具體情況調整 🎨 **客製化服務排單狀況** 目前客製用模型尚在準備中 **最早開工日為2025年1月** 有興趣的朋友 可以提前私訊我預約客製化服務喔! #向南填满空白 #VTS模型 #委託 #抽獎 #擴散希望 #Vtuber #量贩模型

Shushin_L2D接案中

23,679 просмотров • 1 год назад

「泰泰機智的軍中生活」更新 節目中的泰亨哥和現實中的泰亨哥一模一樣。(是一個表裡如一的人) 👤泰亨哥在入伍前其實有先錄好一些節目。 其中一個就是大家都知道的《Running Man》。 後來我們在訓練所待了幾個星期之後,有一天正在看電視,結果:「咦?這不是《Running Man》嗎?」結果泰亨哥出現在節目裡了。 我們就問:「這是怎麼回事啊?」 泰亨哥就說:「啊,那是幾週前錄好的《Running Man》,今天播出而已。」 於是大家就一起看了。結果真的非常有趣。 更讓我驚訝的是,電視上看到的泰亨哥,和現實生活中的泰亨哥,根本一模一樣。 看了之後我才發現:「原來他在鏡頭前和私底下真的是同一個人啊。」 有些人可能在節目上很努力表現,但私底下又是另一個樣子。可是泰亨哥不一樣。 不管是在節目裡還是在現實中,他的個性、言行舉止都完全一樣。 那時候我更加深刻地感受到:「啊,這位哥真的是表裡如一的人。」 一直都很正向、很有幽默感,也很愛開玩笑。 後來時間慢慢過去,大概到了 12 月 30 日吧。 泰亨哥的生日是 12 月 30 日。 那時候我就想:「至少想替他慶祝一下生日啊。」可是訓練所裡其實沒有什麼東西能送。 我的置物櫃裡只有在 PX(軍中福利社)買的一些零食,而且都是很小包的那種。 所以我就在零食上寫了:「泰亨哥,生日快樂。」然後放在那裡。 我當時還擔任夜間巡查勤務(불침번)。 半夜值勤的時候,必須巡視我們第一、第二、第三生活館,確認所有人的人數。 於是我就趁著巡查時,把那包寫著生日祝福的零食放到泰亨哥睡覺的位置旁邊、靠近頭邊的地方。 放好之後,我再假裝若無其事地完成巡查離開。 後來泰亨哥跟我說:「你放的那個寫著訊息的零食,我有看到。」「我也很好地吃掉了,謝謝你。」 這就是當時發生的一個小故事。

V Taiwan Team 🇹🇼

38,885 просмотров • 1 месяц назад

這個彤彤直播主很紅嗎? 怎麼大家都在跟她開黃腔 後面粉絲問這個車能不能推 其他粉補一句 我是老漢交給我就完事 我整個笑死 大家實在太幽默了 為什麼我覺得 Talus 比多數 AI 專案更像「長期基建」 這段時間看了很多 AI 專案,你會發現一個很明顯的現象 大家都在比模型多大、參數多少、推理多快 好像只要 AI 夠聰明,事情就自然會發生 但 Talus 走的是完全不同的路 他們把重點放在處理一個更難、也更無聊的問題 AI 能不能長期、穩定地在鏈上運作,形成真正的經濟活動? Talus Labs 的設計邏輯,很像在蓋一座城市 Nexus 是底層框架 相當於城市的法律與基礎設施 它定義了 AI agent 怎麼存在、怎麼互動、怎麼被驗證 不是單一功能,而是一套可持續擴展的規則系統 Agent 是角色 每一個 agent 都有身份、有資產、有行為紀錄 可以彼此合作、競爭、分工 它們不是一次性工具,更像是長期活動的經濟單位 Workflow 則是產線 把複雜的決策與行為拆成標準化流程 讓策略可以被複製、被重用、被優化 這對生態擴張非常重要,因為它讓「成功經驗」可以累積 這三個東西組合在一起,才會出現真正的護城河 很多 AI 專案解決的是「我能不能做到這件事」 Talus 在想的是「十萬個人、十萬個 agent 同時用,系統會不會崩?」 這種問題沒那麼好講故事,也很難短期爆紅 但一旦真的跑起來,別人要複製成本會非常高 你不只要抄功能,還要重建整個框架、標準與生態協作方式 這正是基建型專案的特徵 我會覺得 Talus 更像長期基建,還有一個原因 它的成功,不完全取決於官方做了多少功能 而是有多少人願意在上面「長期建東西」 策略制定者、agent 設計者、生態應用、工具模組 這些角色都能在同一套框架下持續產生價值 這不是短線題材,也不太適合快進快出 它更像是在修一條高速公路,前期看起來沒那麼熱鬧 但一旦交通流量起來,誰都離不開 所以我才會說 Talus 與其說是一個 AI 專案 不如說是在慢慢鋪一個「AI 上鏈經濟」的底座 這種工程,急不來 但一旦完成,就會存在很久

小美哥🕊️|🐬TermMax

640,133 просмотров • 7 месяцев назад

又找到一個買電動車的理由了 話說你喜歡被叫爸爸嗎 Inference Labs ,讓 AI 也能做到信任最小化 在 Web3 世界裡,有一句話我一直記得 不要信任任何人,驗證一切 這套邏輯讓區塊鏈可以在沒有中心管理者的情況下運作但一旦 AI 進來,這個原則就開始被打破了 現在大多數 AI 系統 其實都需要你「先相信它」 你要相信模型沒被動過、推理過程沒被修改、節點沒有作惡 這種假設在 Web2 或許還行 但放在 Web3 就顯得非常不自然 甚至有點危險 Inference Network 做的事情 就是把 AI 拉回 Web3 熟悉的軌道信任最小化 它不要求你信任節點、不要求你信任模型提供者 甚至不要求你信任執行環境 你只需要驗證一個東西就是推理證明是否成立 對我來說,這一點非常關鍵 因為一旦 AI 的結果可以被獨立驗證 信任就不再綁在某個角色身上 是綁在數學和規則上 這跟我們現在驗證交易、驗證區塊、驗證合約的方式 其實是一樣的 站在普通使用者角度 我不想每天擔心哪個節點會不會作弊 也不想研究哪個模型比較誠實 我只想知道這個結果是不是照規則算出來的 Inference Network 提供的 就是這樣一個簡單、直覺的答案 這也讓我意識到一件事 AI 要真正進入 Web3 靠的不是更強的模型 是更低的信任成本 只要每個結果都能被驗證 整個系統就能自然地運作下去 我覺得 Inference Network 是把 Web3 最核心的「信任最小化」精神,真正帶進了 AI 世界 這也是我覺得它價值很高的地方

小美哥🕊️|🐬TermMax

347,583 просмотров • 6 месяцев назад

(民進黨委員們向場外抗爭民眾道謝) 謝謝你們 其實在今天早上一開始的時候 我們就設定了,我們要想辦法把戰線給拉長 因為只有在戰線拉長的狀況下 外在聲援的能量才能逐步的滾大 但有一點出乎大家意料的事情 是這個外在聲援的能量其實 我想可能都比大家想的都還要來的大 人數真的比我們原本想的多、非常多 甚至從這一開始其實在聚集前 9點就已經有兩三百人那到中午 我記得看到今天將近有三千人 後來到傍晚 那個雨真的是打在身上都會痛的雨 但大家並沒有因為那場雨而離開 果然是在雨停了 以後那個人數更是快速的大量的聚集 甚至一直到 我想大家都知道最後到了三萬人 我現在講到這個數字 還是覺得很震驚 我們今天的策略 我認為是有效的 所以最後今天一整天下來 其實藍白的通過的條數還是非常少 其實現在還留了可能三十幾條 四十條的條文還沒處理 所以最後我們跟黨團的成員一起 上到天橋跟大家謝謝打招呼的時候 我看到這麼多的群眾 我其實有一種很深的感覺 是其實這個幾乎是看不見底的人龍 已經長成一個大型的民主教室 除了謝謝大家以外 我其實有一個很深的感受是 我覺得民進黨面對或面向這樣 一個新世代的民主力量 其實我們也是需要一起學習的 我們更需要在這樣子的力量前面 我們也需要更謙卑 這是我今天最深最深的感受

洪申翰 Hung,Sun-Han

100,132 просмотров • 2 лет назад

時隔三年揭密特斯拉 AI 核武器:不只「端到端」,解密征服物理世界的「神經網路模擬器」 距離上一次特斯拉舉行 AI Day 分享科技樹經過三年,一般猜測因為由於分享得太過仔細,導致於中國同行在相關技術上,突然打藥般地往前跨越一些,也或許是看了懂車帝的評測之後,馬誼郎覺得對手差太遠,只好再讓大家看一下特斯拉具體的做法。 建議直接看影片會更為直觀台灣無法使用的輔助自動駕駛在國外已經是怎麼在上路了,請記得協助按讚分享。 本次由特斯拉 AI 負責人 Ashok Elluswamy 登台,在頂尖的電腦視覺會議 International Conference of Computer Vision (ICCV) 上分享,這場演講的核心,不只是宣揚其數據護城河,而是揭示一個殘酷的事實:傳統「模組化」的自駕路徑正迎向根本性的天花板。 Elluswamy 拋出一個 「微型電車難題」:車輛應駛過一個大水坑,還是冒險駛入對向車道?傳統程式碼會因「禁止駛入對向車道」的僵化規則而卡死。接著,他展示第二個場景:AI 如何區分「一群要過馬路的雞」(需要耐心等待)與「一群只是想待著的鵝」(可以倒車繞行)。 「要將人類價值觀轉換成程式碼真的非常困難。」 Elluswamy 指出,這些充滿細微權衡與意圖判讀的情境,根本無法用客觀的程式碼精確定義。舊範式試圖用僵化的規則去模仿人類的直覺,註定失敗。特斯拉的答案是徹底拋棄這種分工,轉而採用單一大型神經網路,實現從「像素輸入」到「駕駛動作輸出」的 端到端(End-to-End) 決策。 這個系統不再依賴工程師的規則,而是直接從海量的人類駕駛數據中,學習那些無法言傳的「價值偏好」。這是一場關於 典範轉移 的豪賭,賭注是未來所有機器人的作業系統。 駕馭維度災難:從「數據瀑布」到「二階效應」的預判 轉向端到端範式,意味著一場更艱鉅的挑戰:維度災難(Curse of Dimensionality)。Ashok Elluswamy 揭示的數字是殘酷的:特斯拉的系統必須在即時狀態下,將八個攝影機、30秒上下文、音訊、地圖與運動數據——總計高達 二十億個輸入標記——壓縮到僅僅兩個輸出標記:轉向與加速。在如此極端的資訊壓縮過程中,模型極易產生「虛假的相關性」,錯把噪音當成訊號。 這正是特斯拉車隊規模發揮槓桿作用的時刻。面對這「尼加拉瀑布般的數據」(Elluswamy 證實車隊每天能產生500年駕駛時長),特斯拉的解方不是盲目儲存,而是 精煉。系統利用特定的觸發條件或小型神經網路,主動「挖掘」那些最稀有、最關鍵的 邊緣案例(corner cases)。 這些罕見情境(例如前方車輛的詭異動態、路面上的非典型障礙物)是訓練AI的最高價值養分,也是傳統模組化系統最容易崩潰的地方。 用高品質的邊緣數據餵養端到端模型,其回報是驚人的 預判能力。 在一個展示影片中,前方車輛在高速公路上失控打滑。特斯拉的系統在極短時間內做出重煞決策。但關鍵不在煞車本身,而在於 時機。系統並非在偵測到「碰撞風險」時才反應,而是在偵測到前車「即將失控」的瞬間就已啟動煞車。 「它沒有等到車輛撞上護欄再彈回來...特斯拉就已經判斷出這輛車狀況不對,開始進行煞車。這是系統需要模擬的二階效應。」 這種對 二階效應 的建模,是區分「反應式AI」與「預判式AI」的分水嶺。一個不夠聰明的系統,會等待碰撞發生、速度劇變後才緊急煞車,導致更危險的後果。而端到端AI透過學習海量的真實物理互動,理解到「某種特定的失控姿態」必然導致「撞擊護欄並反彈」,從而做出超越人類反應的主動安全決策。 破解黑盒子:端到端系統的「可解讀性」 端到端AI長期以來最大的罩門,在於其「黑盒子」特性。如果一個單一網路決定所有事,當它犯錯時,工程師該如何除錯? 特斯拉的回應是:端到端不等於「無法觀測」。其策略是讓同一個模型承擔多重 輔助任務(auxiliary tasks)。雖然模型最終的 唯一 目的是輸出控制指令,但在訓練過程中,工程師會「提示」它同時預測各種「可解讀的中間標記」(interpretable intermediate tokens),藉此打開黑盒子,窺探模型的「內心世界」。 這就像在考核一個駕駛員時,除了看他是否能開到終點(控制任務),還會隨機提問他「剛才路過的交通標誌是什麼?」、「左側行人的意圖為何?」(輔助任務)。 特斯拉展示的「生成式高斯潑濺(Generative Gaussian Splatting)」技術變體,便是一個強大的輔助工具。傳統高斯潑濺技術需要數十分鐘優化,且在車輛直線運動的有限視角下效果很差。而特斯拉的版本能在約220毫秒內,利用車輛的即時影像,快速生成高解析度的3D語意場景。這使得工程師能以3D視角,直觀地檢視AI是否正確理解「障礙物是安全的」還是「危險的」。甚至,模型還能生成自然語言,解釋自己「為何」在此時選擇減速或轉向。 這些輔助任務就像鷹架,在模型建構階段提供支撐與 可解讀性,確保AI的「認知」與物理現實保持一致。一旦模型訓練成熟,這些鷹架在即時駕駛中可以被簡化甚至關閉,只保留最高效的「像素到動作」路徑,確保系統擁有可預測的 確定性延遲。 終極試煉場:用「神經網路世界模擬器」發動閉環戰爭 「評估是最後、也是最困難的挑戰。」 Ashok Elluswamy 坦言,即便擁有龐大的數據和可解讀的工具,端到端AI仍面臨最後一道關卡:評估。原因是「開迴路(open loop)」測試的侷限性。在開迴路中,模型只是觀看一段歷史影像並「預測」它會怎麼做,這就像在螢幕前玩模擬賽車。這種測試的成績可能非常漂亮,但「實際上路時可能表現就沒那麼好了」。因為在真實世界中,AI的 每一個動作(例如輕微的轉向)都會反過來改變整個世界的後續狀態(例如引發後車的反應),產生連鎖反應。 你無法在現實世界中反覆測試最危險的邊緣案例。那麼,該如何安全、高效地驗證AI在極端情況下的連鎖反應? 特斯拉的答案,是其當前最核心的戰略武器:神經網路世界模擬器。 這不是傳統意義上由工程師和美術師打造的電玩遊戲(如GTA)。特斯拉的模擬器本身,就是一個基於真實世界數據「學習」而來的 生成式AI。它以車輛過去的「狀態與動作」配對為養分,學會「在特定動作下,世界(包含所有八個攝影機的畫面)會如何演變」。 這個模擬器強大到令人畏懼: 高度一致性: 它可以同時生成八個攝影機、每秒高幀率的5K影像流,且所有畫面(例如鄰車的輪圈細節、遠處紅綠燈的變化)在跨攝影機視角下保持完美一致。 可控性: 這是關鍵。它不僅是播放影片,而是「以駕駛的動作為條件」來生成世界。當駕駛在模擬器中轉動方向盤,整個世界會即時、合理地反饋。 對抗性生成: 工程師可以在這個模擬器中「人工創造」新的危險。例如,調取一段過往的正常行車記錄,然後對模擬器下指令:「讓那輛原本直行的車,在特定時間點突然切入我的車道」。 這個世界模擬器,讓特斯拉得以發動一場低成本、高效率的 閉環(closed-loop)戰爭。他們不再需要冒著風險上路測試,而是可以在這個神經網路生成的「數位孿生世界」中,進行數百萬次高強度的 強化學習 與 對抗性測試,最終目標是實現「超人般的表現」(superhuman performance)。 終局:從Cyber Cab到Optimus,征服物理AI 當特斯拉展示其Robotaxi服務、展示車輛從工廠自動駕駛到客戶家中時,許多人以為這就是自駕的終局。但 Ashok Elluswamy 在 ICCV 的演講揭示,這一切只是序幕。 Cyber Cab(自動駕駛計程車)的目標是實現「比大眾運輸還便宜」的最低交通成本。這將創造巨大的現金流,但這筆錢的最終用途,並非停留在交通領域。 「我們為自動駕駛開發的這套技術,也能完美應用在其他類型的機器人上。」 Ashok Elluswamy 在演講的最後,展示了這套「世界模擬器」同樣在Optimus(人形機器人)身上運作的畫面,這證實了特斯拉的真正野心:它所打造的,根本不是一個「自動駕駛系統」,而是一個可擴展的、通用的 物理世界AI引擎。 汽車,只是這個AI引擎的第一個載體。它擁有輪子,能在結構化的道路上移動,是收集物理世界互動數據(包含光影、天氣、人類行為)最理想、最低成本的工具。而人形機器人Optimus,則是這個引擎的下一個載體。 特斯拉已經全力押注在機器人技術上。這場圍繞 端到端典範 與 神經網路模擬器 的豪賭,其目標遠非賣出更多的汽車,而是要成為第一個真正掌握通用物理AI的企業。自動駕駛的戰爭,只是這場更大戰役的第一個灘頭堡。

fox hsiao

29,308 просмотров • 8 месяцев назад

原來開電動車可以有這個藉口阿 我也要去買台電動車 為什麼 AI 也需要「驗證機制」 以前我一直覺得 AI 很厲害 結果應該可以直接相信 直到有一天,我在用 AI 做一些分析和決策時 才慢慢意識到一個問題 即便再聰明的 AI,如果沒辦法驗證 它也可能給你錯誤結果 你可能會想 AI 結果錯了也沒關係 自己再檢查就好 可事實是,有些結果是自動被系統執行的 比如金融交易、智能合約、或者自動化操作 錯誤一旦發生,成本可能比人類錯誤高很多 更嚴重的是,普通使用者根本沒有辦法看懂 AI 怎麼算的 也就無法判斷結果可信度 這時候,我開始注意到 Inference Labs 的理念 他們想解決一個基本問題 結果能不能被驗證 換句話說,你不用去信任誰,也不用去理解模型多複雜 只要有一個可驗證的證明,結果就有可信度 對我來說,這種方法讓 AI 使用變得可控 也降低了很多潛在風險 我以前常以為「驗證」只是大公司才做的高級功能 但現在明白了,這其實是每個人都需要的安全網 沒有驗證,就像你在黑暗中走路,不知道哪裡有坑 有了驗證,至少可以確定自己踏在安全的地面上 這種概念很簡單 但在現實世界裡 卻少有人真正落實 所以,對我來說 AI 不只是要準確 更重要的是可驗證 這也是我覺得 Inference 有趣的地方 它提供了一個簡單、實用的機制 讓我們不必再靠盲目相信來使用 AI 信任可以建立,但不靠感覺,而是靠證明

小美哥🕊️|🐬TermMax

305,137 просмотров • 6 месяцев назад

一直以來我都隱約注意到,使用社群會 trigger 我的焦慮。 為此我做了點實驗,發現每次感覺「今天真是美好」,通常當天我幾乎(或完全)沒看社群。 反之,連續使用社群超過一小時,我就會開始感到焦慮,有時會嚴重到懷疑人生的地步。 於是,最近 Clarymind 開發了一個新功能:「阻擋無意識滑社群 app」。 大致的流程是: 1️⃣ 選定一個 app,設定每天要用的次數、時間 2️⃣ 只要打開 app 就會跳出阻擋畫面 3️⃣ 如果想解鎖,需要先做一次呼吸練習 -- 我自己試用了兩個月的結果是:效果非常顯著。 我們花了不少時間,將 UI / UX 流程做得更細緻。這邊指的不只是美觀、簡單或流程順暢(雖然也盡力做好),而是: ▶︎ 每個步驟,都給人機會再次思考「我現在真的要用嗎?」 ▶︎ 允許每天適量使用,而不是完全不能用(太嚴格反而讓人直接放棄) ▶︎ 避免任何「一鍵解鎖」的功能 這些設計選擇看似簡單直覺,其實是反覆新增、移除功能的成果。 如果想要體驗看看,可以在 App Store 下載 Clarymind 👇 ▶︎ App Store: (免費版可以設定一個 app) -- 回想起來,我一直讓自己泡在這種焦慮中,持續了好幾年。 這也可能是許多人的共通經驗。今年四月號《聯合文學》的主題是「社群焦慮」,其中有多位寫作者分享經驗(我也貢獻了一篇短文)。 我已經找尋這類工具很久了,但一直找不到設定簡單,又阻擋有效的。 曾經用過 iOS 內建的「螢幕使用時間」功能,也試過市面上各式 app,但都實在太容易 bypass,沒有太多阻擋作用。久了就會把解鎖變成習慣,兩小時過後才驚醒。 但 Clarymind 的設計是不斷在「提醒」: ▶︎ 在解鎖過程中,提醒自己還有其他選擇 ▶︎ 提醒使用了多少時間 ▶︎ 限量次數,會讓我在打開前考慮一下:現在要把今天的「預算」花掉嗎? 當然,如果硬是要作弊繞過,總是會有方法。(這也是為什麼現階段選擇不做「嚴格模式」——再怎麼嚴格,使用者都可以開大絕:把 app 刪掉。) 真正的改變,更多還是自己的決心、體認,以及設立「如果不用社群,那我可以做什麼」(我的替代方案是讀電子書和做家事)。

黃昱嘉|aka 月水瓶的小貓座

67,449 просмотров • 2 лет назад

夫妻/情侶找單男這件事,到底該不該收費? 而「收費」這件事,到底是在篩選人,還是在篩掉人? 這話題真的很兩極。 有些夫妻會認為:「女生有風險、有時間成本、有隱私成本,收費本來就合理。」 畢竟:要聊天、要篩人、要見面、要承擔安全風險,甚至還可能遇到情緒管理差、沒禮貌、愛踩界線的人。 尤其很多夫妻真的被私訊轟炸到很煩。 一句:「約嗎?」 一句:「有沒有機會?」 甚至連自我介紹都沒有。 照片模糊、態度敷衍、聊天像面試官,卻又期待別人要熱情、有情緒價值、還要陪聊。 久了之後,很多夫妻會開始覺得:「如果你連一點成本都不願意付出,那我為什麼要花時間在你身上?」 所以後來有些人開始設:入場費、車馬費、場地分攤、酒錢、住宿費。 有些是為了補貼成本,有些其實只是想設一道門檻。 因為他們也怕遇到:臨時消失的、白嫖的、只想打免費炮的、甚至情緒或行為有問題的人。 甚至有些人夫還會說:「這不是賣老婆,而是一種心理安慰費。」 坦白講,我其實能理解這句話背後的意思。 因為很多時候,男人不是不能分享。 而是需要一個理由去平衡自己的情緒。 有些人透過規則感、有些人透過主導權、有些人透過控制流程。 而有些人,則透過「收費」這件事,讓自己心理上比較不失衡。 因為當一件事情開始有門檻,男人比較容易說服自己:「不是誰都可以碰我的女人。」 但另一方面,我也發現一件很現實的事情。 很多真正條件不錯的單男,反而通常不太願意花高額費用去進入這種關係。 不是因為沒錢,而是因為感覺不對了。 因為很多優質單男其實不缺女生認識,也不缺聊天能力。甚至外表、工作、社交能力都不差。 他們想要的通常不是:「我花了多少錢,所以我得到什麼。」 而是:「彼此有沒有吸引力?」、「聊天有沒有感覺?」、「相處舒不舒服?」、「有沒有火花?」、「有沒有尊重感?」 所以當一段互動還沒開始,就先變成:價格表、 門票制、VIP感、甚至像競標一樣時..很多人會瞬間冷掉。 因為那種感覺,很容易從「交流」變成「消費」。 尤其價格高到一個程度後,很多人心裡其實都會出現同一句話:「我為什麼要花超過幾千甚至上萬,去幹一個人妻?」 這句話雖然直接,但其實很現實。 因為當一件事情開始像商業行為,人就會開始衡量:值不值得?CP值高不高?有沒有更直接的方法? 而一旦開始進入「消費者思維」,其實整個互動氛圍就會開始變質。 甚至有些人付了錢之後,就會開始出現:「我都花錢了,你們是不是應該怎樣?」 這種心態反而更可怕。 因為白嫖的人,頂多只是沒誠意。 但有「消費者心態」的人,會開始覺得自己擁有某種權利。而這種權利感,往往才是最危險的東西。 所以我後來慢慢覺得:真正的問題,從來不是收不收費。 而是:你們到底把彼此當成什麼? 是商品? 是資源? 是獵物? 還是? 一個值得認識的人? 因為有些夫妻不收費,卻把人當工具;有些收費,反而很有禮貌、很尊重人。 有些免費,卻高傲得像在施捨;有些付費,反而像是一種雙方都能接受的篩選機制。 所以真正決定品質的,從來不是金額。 而是人… 我始終覺得,真正優質的人,不管是夫妻、情侶,還是單男。 最後都會慢慢遠離那種:過度交易感、過度算計感、過度消費感的關係。 因為新鮮感可以靠肉體。 但「舒服感」,其實才是最稀缺的東西。 真正讓人想留下來的,從來不是因為花了多少錢。而是:你跟這個人相處時,有沒有被尊重、有沒有壓力、能不能做自己、還有那種「自然發生」的感覺。 #鼓起勇氣 #想了很久 #我沒有要批評 #別砲我 #歡迎探討 #個人淺見
1:08

Sensitive content

夫妻/情侶找單男這件事,到底該不該收費? 而「收費」這件事,到底是在篩選人,還是在篩掉人? 這話題真的很兩極。 有些夫妻會認為:「女生有風險、有時間成本、有隱私成本,收費本來就合理。」 畢竟:要聊天、要篩人、要見面、要承擔安全風險,甚至還可能遇到情緒管理差、沒禮貌、愛踩界線的人。 尤其很多夫妻真的被私訊轟炸到很煩。 一句:「約嗎?」 一句:「有沒有機會?」 甚至連自我介紹都沒有。 照片模糊、態度敷衍、聊天像面試官,卻又期待別人要熱情、有情緒價值、還要陪聊。 久了之後,很多夫妻會開始覺得:「如果你連一點成本都不願意付出,那我為什麼要花時間在你身上?」 所以後來有些人開始設:入場費、車馬費、場地分攤、酒錢、住宿費。 有些是為了補貼成本,有些其實只是想設一道門檻。 因為他們也怕遇到:臨時消失的、白嫖的、只想打免費炮的、甚至情緒或行為有問題的人。 甚至有些人夫還會說:「這不是賣老婆,而是一種心理安慰費。」 坦白講,我其實能理解這句話背後的意思。 因為很多時候,男人不是不能分享。 而是需要一個理由去平衡自己的情緒。 有些人透過規則感、有些人透過主導權、有些人透過控制流程。 而有些人,則透過「收費」這件事,讓自己心理上比較不失衡。 因為當一件事情開始有門檻,男人比較容易說服自己:「不是誰都可以碰我的女人。」 但另一方面,我也發現一件很現實的事情。 很多真正條件不錯的單男,反而通常不太願意花高額費用去進入這種關係。 不是因為沒錢,而是因為感覺不對了。 因為很多優質單男其實不缺女生認識,也不缺聊天能力。甚至外表、工作、社交能力都不差。 他們想要的通常不是:「我花了多少錢,所以我得到什麼。」 而是:「彼此有沒有吸引力?」、「聊天有沒有感覺?」、「相處舒不舒服?」、「有沒有火花?」、「有沒有尊重感?」 所以當一段互動還沒開始,就先變成:價格表、 門票制、VIP感、甚至像競標一樣時..很多人會瞬間冷掉。 因為那種感覺,很容易從「交流」變成「消費」。 尤其價格高到一個程度後,很多人心裡其實都會出現同一句話:「我為什麼要花超過幾千甚至上萬,去幹一個人妻?」 這句話雖然直接,但其實很現實。 因為當一件事情開始像商業行為,人就會開始衡量:值不值得?CP值高不高?有沒有更直接的方法? 而一旦開始進入「消費者思維」,其實整個互動氛圍就會開始變質。 甚至有些人付了錢之後,就會開始出現:「我都花錢了,你們是不是應該怎樣?」 這種心態反而更可怕。 因為白嫖的人,頂多只是沒誠意。 但有「消費者心態」的人,會開始覺得自己擁有某種權利。而這種權利感,往往才是最危險的東西。 所以我後來慢慢覺得:真正的問題,從來不是收不收費。 而是:你們到底把彼此當成什麼? 是商品? 是資源? 是獵物? 還是? 一個值得認識的人? 因為有些夫妻不收費,卻把人當工具;有些收費,反而很有禮貌、很尊重人。 有些免費,卻高傲得像在施捨;有些付費,反而像是一種雙方都能接受的篩選機制。 所以真正決定品質的,從來不是金額。 而是人… 我始終覺得,真正優質的人,不管是夫妻、情侶,還是單男。 最後都會慢慢遠離那種:過度交易感、過度算計感、過度消費感的關係。 因為新鮮感可以靠肉體。 但「舒服感」,其實才是最稀缺的東西。 真正讓人想留下來的,從來不是因為花了多少錢。而是:你跟這個人相處時,有沒有被尊重、有沒有壓力、能不能做自己、還有那種「自然發生」的感覺。 #鼓起勇氣 #想了很久 #我沒有要批評 #別砲我 #歡迎探討 #個人淺見

查某

121,375 просмотров • 2 месяцев назад