Loading video...

Video Failed to Load

There was a problem loading this video. This could be due to a temporary network issue or the video might be unavailable.

前 Google 首席科学家李飞飞表示：整个行业正危险地痴迷于语言模型。实体经济的绝大部分是物理的、感知的和空间的。一旦 AI 完全理解了视觉世界，它就不再是一个聊天机器人，而是开始成为基础设施。

柴郡🔔｜Crypto+AI Plus

149,116 subscribers

196,219 views • 4 months ago •via X (Twitter)

Education Science & Technology

Anya Rossi• Live Now

Private livecam show

18 Comments

风禾尽起4 months ago

非你即我？视觉文字有矛盾吗？

Maxwell Maboroshi4 months ago

語言可以用來跨時空連結事物啊

Kleon4 months ago

李飞飞这个判断的底层逻辑是：语言模型处理的是人类产生的text数据，但GDP的80%来自physical world的活动——制造、物流、建筑、农业。这些领域的数据不是text，是传感器、摄像头、雷达。谁先把spatial understanding做成infrastructure level，谁拿到的市场比所有chatbot加起来都大。这也是为什么Tesla FSD的数据飞轮比任何LLM公司都有价值。

Zhenzhao Tu4 months ago

你放心李飞飞做不出来的她目前为止最牛逼的成绩也达不到她说的这个愿景比起打脸我更愿意相信一个四处挂名几乎没有认真研究的时间的人只是吉祥物而不是真正的贡献者

胡图图4 months ago

说你妈的废话，你赶快去做啊

Corleone 🔶 BNB4 months ago

李飞飞说的话让人怀疑有没有x评论区懂ai了

Mutig Sak4 months ago

但凡挂着前xxx公司xxx职位的，都是垃圾，

沈彤4 months ago

这姐们儿每次都这样发现问题很快，就是不能解决问题或者解决路径是错误的和习大哥川大爷一样一样的

Truman4 months ago

多模态是AI最接近人类的思考模式

CNMan AvantGarde4 months ago

语言模型是用来搞流量，特别是傻子流量的啊老板

Weilan4 months ago

李飞飞说得对，视觉才是真的基建。

变压器4 months ago

这个傻逼女人影响炒股心情

kuma4 months ago

同意，语言像接口但不是世界模型，关键是把视觉和行动闭环起来，有可验证的物理反馈数据，才真能从对话变成基础设施

10000Binary4 months ago

很赞同，假如一个超级高智商外星人，他看见一段文字，他无法得到答案，如果是真实看见，外星人高智商能一眼知道物理规律

Nick4 months ago

我不认为他说的有道理，文字和语言构建了整个人类文明。如果要退回到视觉，那么动物也都可以。她才是在歧路上狂奔。

tw1112223334 months ago

其实思维的本质就是语言的演绎，痴迷于语言模型是自然的，因为它解决问题。所谓的世界模型，物理模型，未来某一天会出现，直接给机器不同波长的光，而不是“绿色”，“红色”，etc，现在，还是靠语言模型。

Adel Bucetta4 months ago

the reason most investors are still hung up on nlp is they're thinking about the narrow use case, not the broad implications of ai truly see

Paper Hand4 months ago

说再对也没用，得做出产品来

Related Videos

李飞飞说了一句话挺狠的：文字不能灭火，文字也不能做煎蛋卷她的意思是：现在所有人都在做大语言模型，但语言只是智能的一部分。人类大部分的生活、工作和创造力，靠的是对物理世界的感知和互动，不是打字聊天她创办的 World Labs 融了 10 亿美元，做的不是大语言模型，是大世界模型（Large World Models）简单说就是让 AI 理解 3D 物理世界——物体怎么运动、重力怎么作用、空间怎么构成。她管这个叫"空间智能" 她把目前的世界模型分三类：渲染器（Sora 那种）：生成好看的视频但不一定符合物理规律策划者：给机器人输出动作指令模拟器：World Labs 做的，既尊重物理规律又能被人和机器共同使用关于人形机器人60亿美元的融资总额，她说"太少了"。她认为机器人将是工业革命以来最重要的技术 5亿年前动物进化出视觉和移动能力，AI 现在也需要这一步

李飞飞说了一句话挺狠的：文字不能灭火，文字也不能做煎蛋卷她的意思是：现在所有人都在做大语言模型，但语言只是智能的一部分。人类大部分的生活、工作和创造力，靠的是对物理世界的感知和互动，不是打字聊天她创办的 World Labs 融了 10 亿美元，做的不是大语言模型，是大世界模型（Large World Models）简单说就是让 AI 理解 3D 物理世界——物体怎么运动、重力怎么作用、空间怎么构成。她管这个叫"空间智能" 她把目前的世界模型分三类：渲染器（Sora 那种）：生成好看的视频但不一定符合物理规律策划者：给机器人输出动作指令模拟器：World Labs 做的，既尊重物理规律又能被人和机器共同使用关于人形机器人60亿美元的融资总额，她说"太少了"。她认为机器人将是工业革命以来最重要的技术 5亿年前动物进化出视觉和移动能力，AI 现在也需要这一步

Vincent

37,054 views • 3 months ago

AI界大佬李飞飞眼光和远见是真的超前啊！直言：“空间智能是人工智能的下一个前沿” 在11个月年YC 的访谈中李飞飞 Fei-Fei Li ： “世界模型要超越平面像素、超越语言，真正捕捉3D结构和空间智能。” 这句话和因果世界模型简直是天作之合。杨立昆、李飞飞这些人在推的世界模型，本质上都在往“真正理解物理世界”这个方向走。但光有3D结构和空间智能还不够，如果模型只学会了相关性，桌子高了2cm还是会直接翻车。 Aether AI的因果世界模型正好补上了这一块：不只是看到“手伸过去物体掉下来”，而是理解“为什么掉、怎样才能不掉”。因果结构让世界模型从“看起来像”进化到“真正懂”。现在两条路线在同时推进：一条是让世界模型拥有更强的3D和空间表征，另一条是给它装上因果推理引擎。两者结合之后，物理AI才有可能从“会模仿”变成“会思考”。这波理念上的对齐，感觉具身智能的下一个范式已经在慢慢成形了。原访谈完整版地址见评论区👇🏻

AI界大佬李飞飞眼光和远见是真的超前啊！直言：“空间智能是人工智能的下一个前沿” 在11个月年YC 的访谈中李飞飞 Fei-Fei Li ： “世界模型要超越平面像素、超越语言，真正捕捉3D结构和空间智能。” 这句话和因果世界模型简直是天作之合。杨立昆、李飞飞这些人在推的世界模型，本质上都在往“真正理解物理世界”这个方向走。但光有3D结构和空间智能还不够，如果模型只学会了相关性，桌子高了2cm还是会直接翻车。 Aether AI的因果世界模型正好补上了这一块：不只是看到“手伸过去物体掉下来”，而是理解“为什么掉、怎样才能不掉”。因果结构让世界模型从“看起来像”进化到“真正懂”。现在两条路线在同时推进：一条是让世界模型拥有更强的3D和空间表征，另一条是给它装上因果推理引擎。两者结合之后，物理AI才有可能从“会模仿”变成“会思考”。这波理念上的对齐，感觉具身智能的下一个范式已经在慢慢成形了。原访谈完整版地址见评论区👇🏻

Berryxia.AI

21,422 views • 3 months ago

预测真实世界下一秒北京智源研究院推出全新的多模态世界模型：Emu3.5 很多传统图像生成模型的主要问题是：它们“不懂世界”运行的规律，无法理解真实世界的物理规则和因果关系。 Emu3.5在传统图像生成的基础上，进一步让AI具备：理解真实世界的空间关系推理物体随时间变化的规律预测“世界下一秒”会是什么样不同于以往为图像、文字、视频分开设计模型，Emu3.5 将它们全部“统一”在一个系统中：首先把多模态信息包括图文视频都统一成了token；模型通过“预测下一个 token”来学习不同模态间的关系；任务统一为 NSP：预测下一个世界状态（包括视觉和语言）。 Emu3.5 不再只关注“文本之间的逻辑”，而是让模型学习“世界是如何变化的”。意思就是它不再区分：这是一张图这是一句话这是视频的一帧在它眼里，它们都是同一套“世界积木”。然后模型只做一件事：预测下一块积木是什么如果下一块积木是一行字 → 它补全文字如果是下一帧画面 → 它补全动作如果是下一步结果 → 它推演世界变化所以：预测下一 Token = 预测“世界下一秒”会是什么样

预测真实世界下一秒北京智源研究院推出全新的多模态世界模型：Emu3.5 很多传统图像生成模型的主要问题是：它们“不懂世界”运行的规律，无法理解真实世界的物理规则和因果关系。 Emu3.5在传统图像生成的基础上，进一步让AI具备：理解真实世界的空间关系推理物体随时间变化的规律预测“世界下一秒”会是什么样不同于以往为图像、文字、视频分开设计模型，Emu3.5 将它们全部“统一”在一个系统中：首先把多模态信息包括图文视频都统一成了token；模型通过“预测下一个 token”来学习不同模态间的关系；任务统一为 NSP：预测下一个世界状态（包括视觉和语言）。 Emu3.5 不再只关注“文本之间的逻辑”，而是让模型学习“世界是如何变化的”。意思就是它不再区分：这是一张图这是一句话这是视频的一帧在它眼里，它们都是同一套“世界积木”。然后模型只做一件事：预测下一块积木是什么如果下一块积木是一行字 → 它补全文字如果是下一帧画面 → 它补全动作如果是下一步结果 → 它推演世界变化所以：预测下一 Token = 预测“世界下一秒”会是什么样

小互

14,806 views • 10 months ago

刚在斯坦福AASF听了李飞飞一个多小时访谈。技术上，她把世界模型讲得很清楚：渲染、模拟、规划。机器人之所以难，是因为它缺的不是一个更酷的模型，而是真实物理世界的数据和理解。但真正打动我的，是她谈人的自主性。她说，移民、科学家、创业者其实很像，都是走进一个未知世界，像在黑暗隧道里前进。你不知道终点有没有光，只能靠热情、韧性和信念往前走。AI可以增强创造力和生产力，但不能替人做选择。工具再强，人还是要做自己的主人。

刚在斯坦福AASF听了李飞飞一个多小时访谈。技术上，她把世界模型讲得很清楚：渲染、模拟、规划。机器人之所以难，是因为它缺的不是一个更酷的模型，而是真实物理世界的数据和理解。但真正打动我的，是她谈人的自主性。她说，移民、科学家、创业者其实很像，都是走进一个未知世界，像在黑暗隧道里前进。你不知道终点有没有光，只能靠热情、韧性和信念往前走。AI可以增强创造力和生产力，但不能替人做选择。工具再强，人还是要做自己的主人。

傅盛

21,499 views • 1 month ago

卧槽，AMD 直接花 82 亿美元，把李飞飞和她的 World Labs 整个买下来了。一家 2024 年才成立的 AI 公司，两年时间卖到 82 亿美元。交易完成后，李飞飞直接进入 AMD，担任执行副总裁兼首席科学家，向苏姿丰汇报。苏姿丰真正买的应该是让 AI 开始读懂整个物理世界。 World Labs 做的空间智能，目标是让模型理解一个房间有多大、桌子摆在哪里、镜头转过去会看到什么、物体怎么移动、机器人下一步应该往哪走。它最新的 Atlas，给两三张普通照片，就能重建一个相对完整的 3D 场景。一张照片可以生成新的观察角度，视频可以变成机器人训练用的模拟世界。它同时吃文字、图片、视频和 3D，不只是生成一张漂亮图片，而是在尝试建立一个可以被 AI 理解、生成和模拟的世界。 9月初模型发布的时候社区玩疯了🫣 AMD 自己的答案：AI 正在从语言模型继续进入 reasoning、robotics、simulation 和 physical AI，未来算力需求会变得完全不同。把 World Labs 收进来，可以让 AMD 更早知道下一代模型到底需要什么计算，然后直接反过来决定未来 GPU、软件和整个计算平台怎么设计。

卧槽，AMD 直接花 82 亿美元，把李飞飞和她的 World Labs 整个买下来了。一家 2024 年才成立的 AI 公司，两年时间卖到 82 亿美元。交易完成后，李飞飞直接进入 AMD，担任执行副总裁兼首席科学家，向苏姿丰汇报。苏姿丰真正买的应该是让 AI 开始读懂整个物理世界。 World Labs 做的空间智能，目标是让模型理解一个房间有多大、桌子摆在哪里、镜头转过去会看到什么、物体怎么移动、机器人下一步应该往哪走。它最新的 Atlas，给两三张普通照片，就能重建一个相对完整的 3D 场景。一张照片可以生成新的观察角度，视频可以变成机器人训练用的模拟世界。它同时吃文字、图片、视频和 3D，不只是生成一张漂亮图片，而是在尝试建立一个可以被 AI 理解、生成和模拟的世界。 9月初模型发布的时候社区玩疯了🫣 AMD 自己的答案：AI 正在从语言模型继续进入 reasoning、robotics、simulation 和 physical AI，未来算力需求会变得完全不同。把 World Labs 收进来，可以让 AMD 更早知道下一代模型到底需要什么计算，然后直接反过来决定未来 GPU、软件和整个计算平台怎么设计。

比特币橙子Trader

125,865 views • 13 hours ago

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。这是全球第一个实时多模态世界模型。它不只是生成画面，还能同时生成真实世界的声音。视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。这是全球第一个实时多模态世界模型。它不只是生成画面，还能同时生成真实世界的声音。视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。

Berryxia.AI

37,326 views • 4 months ago

【孙宇晨10亿美金“梭哈”物理AI，虚拟世界的尽头，竟是AI文明基础设施】很多人默认认为：财富，本质上是资源游戏。但最近几年，一个极其危险、也极其震撼的变化，正在悄悄发生。过去，财富掌握在“资源资本”手里；而现在，财富正在加速流向另一类人：懂AI、懂技术、懂产业底层逻辑的人，懂文明基础设施的人。换句话说，一个全新的时代已经开始了。而真正危险的地方在于，大部分普通人对此几乎毫无察觉，但是，孙宇晨他们，却已经在梭哈物理AI了。

【孙宇晨10亿美金“梭哈”物理AI，虚拟世界的尽头，竟是AI文明基础设施】很多人默认认为：财富，本质上是资源游戏。但最近几年，一个极其危险、也极其震撼的变化，正在悄悄发生。过去，财富掌握在“资源资本”手里；而现在，财富正在加速流向另一类人：懂AI、懂技术、懂产业底层逻辑的人，懂文明基础设施的人。换句话说，一个全新的时代已经开始了。而真正危险的地方在于，大部分普通人对此几乎毫无察觉，但是，孙宇晨他们，却已经在梭哈物理AI了。

小龙先生

32,685 views • 4 months ago

英伟达黄仁勋在沙特接受访谈完整版👇 沙特要造AI工厂！一出手就是500兆瓦的部署，跟谁合作？英伟达。这背后是什么逻辑？用能源炼AI！这事得从英伟达和沙特一家叫Humane的AI公司说起。两块Blackwell芯片，就重得拿不动。功耗多少？2500瓦。而沙特要建的，是500兆瓦的计算基础设施。想想这规模人工智能，公认的革命性技术，可能是任何时代最具变革性的。它会改变每个行业，成为每个行业的基础设施。沙特的Humane公司，就要在当地建设这个AI基础设施。但很多人没意识到， AI不仅是变革技术，它本身就是个产业。一个制造业！这个制造业需要什么？能源。沙特有什么？能源。通过英伟达这种AI超级计算机，本质上就是AI工厂。能源驱动这些AI工厂，生成tokens。这些token再被重组成应用程序和解决问题的AI。这就是Humane要为沙特和世界创造的东西。基础设施搞定了，创新就看模型了。生成式AI很火，但黄仁勋还提到了别的。物理世界和物理AI。这跟生成式AI、跟英伟达提供给Humane的平台，是什么关系？过去12年，AI产业发展神速。最早是感知AI：能识别猫、文字、声音、语音。感知AI进化到生成式AI：用文字生成文字，文字生成图像，文字生成化学物质和蛋白质。现在是第三个时代：AI能推理。这种能力的应用就是智能体AI（Agentic AI）。它有自主性，能用工具、能推理、能解决问题，就像电脑里的数字机器人。下一个时代，英伟达正在攻克的，是理解物理规律的AI。物理世界的常识：瓶子倒了会掉下来，理解重力、惯性、因果、物体恒存性、遮挡等等。这些我们人类的常识，要教给AI。下一代物理AI，结合已有的技术，可以被赋予物理形态。这个物理形态，就是机器人技术。 AI的时代发展飞快，今天我们身处智能体AI世界，很快就会进入机器人或物理AI的世界。 Humane这家公司，源于沙特王储的愿景。要在AI全价值链上发力。建设大规模数据中心，目标是到2030年达到1.9吉瓦。还要推进AI芯片、云、模型、应用和解决方案。沙特的目标，是建设自己国家的AI基础设施，参与并塑造这项变革性技术的未来。

英伟达黄仁勋在沙特接受访谈完整版👇 沙特要造AI工厂！一出手就是500兆瓦的部署，跟谁合作？英伟达。这背后是什么逻辑？用能源炼AI！这事得从英伟达和沙特一家叫Humane的AI公司说起。两块Blackwell芯片，就重得拿不动。功耗多少？2500瓦。而沙特要建的，是500兆瓦的计算基础设施。想想这规模人工智能，公认的革命性技术，可能是任何时代最具变革性的。它会改变每个行业，成为每个行业的基础设施。沙特的Humane公司，就要在当地建设这个AI基础设施。但很多人没意识到， AI不仅是变革技术，它本身就是个产业。一个制造业！这个制造业需要什么？能源。沙特有什么？能源。通过英伟达这种AI超级计算机，本质上就是AI工厂。能源驱动这些AI工厂，生成tokens。这些token再被重组成应用程序和解决问题的AI。这就是Humane要为沙特和世界创造的东西。基础设施搞定了，创新就看模型了。生成式AI很火，但黄仁勋还提到了别的。物理世界和物理AI。这跟生成式AI、跟英伟达提供给Humane的平台，是什么关系？过去12年，AI产业发展神速。最早是感知AI：能识别猫、文字、声音、语音。感知AI进化到生成式AI：用文字生成文字，文字生成图像，文字生成化学物质和蛋白质。现在是第三个时代：AI能推理。这种能力的应用就是智能体AI（Agentic AI）。它有自主性，能用工具、能推理、能解决问题，就像电脑里的数字机器人。下一个时代，英伟达正在攻克的，是理解物理规律的AI。物理世界的常识：瓶子倒了会掉下来，理解重力、惯性、因果、物体恒存性、遮挡等等。这些我们人类的常识，要教给AI。下一代物理AI，结合已有的技术，可以被赋予物理形态。这个物理形态，就是机器人技术。 AI的时代发展飞快，今天我们身处智能体AI世界，很快就会进入机器人或物理AI的世界。 Humane这家公司，源于沙特王储的愿景。要在AI全价值链上发力。建设大规模数据中心，目标是到2030年达到1.9吉瓦。还要推进AI芯片、云、模型、应用和解决方案。沙特的目标，是建设自己国家的AI基础设施，参与并塑造这项变革性技术的未来。

墓碑科技

215,922 views • 1 year ago

🎉 前两天挖到的基于 Qwen3-4B 微调的 ASR 语音识别模型，今天终于有时间本地部署实测了！直接拿它和行业标杆 Whisper 做了一次全方位硬核对比具体高能表现看录屏👇 主打一个低门槛：16G 显存就能直接本地部署，对个人开发者极其友好用 40 亿参数大模型来做语音识别，完全是降维打击，直接让传统同行无路可走！但这只是开始。语音识别的终局绝非“听音辨字”，而是“端到端多模态理解”的进化语音识别的终局绝不是单纯的“听音辩字”，而是向着“端到端多模态理解”演进未来，声音就是大模型的天然输入口，ASR 会无处不在，却又隐于无形听到声音的同时就在理解世界，这才是真正的 AI 2.0 时代！以上。

🎉 前两天挖到的基于 Qwen3-4B 微调的 ASR 语音识别模型，今天终于有时间本地部署实测了！直接拿它和行业标杆 Whisper 做了一次全方位硬核对比具体高能表现看录屏👇 主打一个低门槛：16G 显存就能直接本地部署，对个人开发者极其友好用 40 亿参数大模型来做语音识别，完全是降维打击，直接让传统同行无路可走！但这只是开始。语音识别的终局绝非“听音辨字”，而是“端到端多模态理解”的进化语音识别的终局绝不是单纯的“听音辩字”，而是向着“端到端多模态理解”演进未来，声音就是大模型的天然输入口，ASR 会无处不在，却又隐于无形听到声音的同时就在理解世界，这才是真正的 AI 2.0 时代！以上。

Lonely

27,192 views • 24 days ago

今天给大家翻译的是最近吴恩达采访李飞飞的一期视频“Andrew Ng and Fei-Fei Li Discuss Human-Centered Artificial Intelligence - Stanford Online”，都是AI领域的重量级人物。李飞飞现在是斯坦福大学的计算机科学教授，还是HAI（以人为本的人工智能研究所）的联席主任。李飞飞还是吴恩达邀请去的斯坦福，最开始还担心李飞飞不去，而李飞飞则说，谁能抵挡斯坦福的诱惑😄 第一个话题是为什么李飞飞从物理专业转到了人工智能领域。李飞飞分享了她的经历，她一直对物理和STEM充满热情，后来在普林斯顿大学主修物理并在神经科学实验室实习。然而，通过阅读了一些伟大物理学家的著作例如薛定谔的《生命是什么？》罗杰·彭罗斯的《皇帝的新脑》，她对智能产生了极大的好奇心，这促使她在研究生阶段转向了人工智能。她对智能的基本计算原理有极大的兴趣，期待有一天能找到一组简单的原理或方程，可以定义智能的过程，无论是动物智能还是机器智能。李飞飞认为AI还处于初级阶段，就像牛顿之前的物理学，曾经有过伟大的物理学，伟大的物理学家，很多现象学，很多关于天体如何运动的研究。但是是牛顿开始写出非常简单的定律。我们仍在经历那个非常令人兴奋的AI基础科学成长时期，就像当年的物理学还处于牛顿之前的阶段。第二个话题是李飞飞早年的移民经历。李飞飞在15岁时移民到美国，她的父母不会说英语，经营一家干洗店可能是她们家最好的选择，因为洗衣店主要是周末营业，这样她作为学生也可以参与运营。尽管生活充满挑战，李飞飞坚持下来，并成功进入普林斯顿大学。干洗店的经营帮助她接触到了机器，也使得她对STEM（科学、技术、工程和数学）领域产生了兴趣。吴恩达也分享了他的早年经历，他在高中时曾在办公室工作，经常复印文件，为人们泡咖啡。这些经历启发他思考如何用机器人完成这些工作，这可能也种下了他对AI的兴趣的种子。希望他们高中的故事能够激励更多的人，无论我们起点如何，都有机会成功。第三个话题是关于李飞飞如何开始ImageNet项目和创建的Caltech 101数据库的。李飞飞是最早将机器学习应用于计算机视觉的学生之一，这在当时是一个具有争议的想法。在计算机视觉和人类智能理解的研究中，她利用机器学习方法进行真实世界对象的识别，尽管她很快就发现这个领域的一个主要挑战是模型的泛化能力不足。为了解决这个问题，李飞飞和她的导师开始探索大规模数据项目，创建了Caltech 101数据库。李飞飞开始做这事时非常早，那时候数码相机还非常昂贵，最初的数据是李飞飞和她妈还有几个本科生一起做的。这个数据库对许多研究者产生了积极影响。之后，李飞飞进一步扩展了数据库，创建了更大的ImageNet数据库，尽管这个想法在最初的时候遭到了很多质疑。但最终，这个庞大的数据库为全球无数研究者解锁了大量价值。由于最开始受到了很多质疑和困难，但最终项目还是取得了巨大的成功。就这个话题李飞飞分享了一点人生经验，就是设置北极星目标（即长期大目标）的重要性，并建议研究生们不应该只是为了发表论文而进行研究，而应该有一个长远的目标去驱动他们的工作。吴恩达对这个观点也很赞同，他也提醒大家即使项目刚开始规模比较小，也可以作为实现更大目标的基础。另外很重要的就是去追求自己真正感兴趣的研究领域，李飞飞会问她的学生：”是什么北极星在驱使你？“ 这段对话很精彩，我直接原文转发一下： ”吴恩达：当我想起那个故事时，它看起来像是一个有时候人们觉得他们应该只从事项目的例子，而不是一开始就做大事。但我觉得对于从事机器学习的人来说，如果你的第一个项目是一个稍微小一点的，那完全没问题。祝你取得好成绩。利用所学知识为实现更大的目标打下基础，然后有时候你会得到像ImageNet那样的巨大成功。李飞飞：但与此同时，我认为追求一个大胆的目标也很重要。你可以根据问题的规模或项目的规模设定局部里程碑，沿着这条道路前进，但我也关注我们现在的一些学生。他们受到如此大的同伴压力，在这个不断出版的气候中。这变得更多的是为了只是为了出版而进入一篇文章。我个人总是推动我的学生去问这个问题，是什么北极星在驱使你？吴恩达：是的，这是真的。这些年来，当我做研究时，我总是充满激情地去做我感兴趣的事情，在那里，我想尝试推动观点向前发展。不必听别人的意见。要听别人的意见，让他们影响你的看法。但最后，我认为最好的研究者让世界影响他们的观点，但最后，还是要根据自己的观点来推动事物。李飞飞：完全同意，是的。这是你自己内心的火焰。“ 第四个话题是李飞飞如何将计算机视觉和神经科学应用到多个领域，尤其是医疗保健的李飞飞认为她在计算机视觉领域的研究进化也遵循动物视觉智能的进化。有两个话题真正让她兴奋： 1. 一个是什么是真正有影响力的应用领域，能够帮助改善人类生活？这就是医疗保健工作。 2. 另一个是视觉在最终究竟是关于什么的？这让她试图在感知和机器人学习之间封闭回路。李飞飞引用了一组数字：每年约有25万美国人死于医疗错误，这大大超过了因车祸导致的死亡人数，医院感染导致的死亡人数超过95,000，这比车祸死亡人数多2.5倍。李飞飞和她的合作伙伴阿尼·米尔斯坦博士开始了一个项目，名为环境智能研究议程，目的是在医院或养老院安装智能传感器，以提高病人的安全性。但她指出，应用AI时，除了机器学习问题，还需要处理诸如隐私等人类问题。第五个话题是关于人工智能（AI）在公共政策中的重要性四年前，李飞飞和斯坦福大学的一些教职工意识到斯坦福需要在AI领域发挥更重要的角色，为此他们创建了人类中心AI研究所（HAI）。这个研究所旨在以人为本，研究下一代的人工智能教育、研究和政策。李飞飞提到，AI快速地影响着人们的生活，法律和政策必须要跟上。她认为专家需要和政策制定者更深入地交流，以利用AI更好地造福人民。这不仅涉及公平和隐私，还涉及到人才流向产业、数据和计算机的集中等问题。李飞飞参与推动的一项政策工作就是《全国人工智能研究云任务组法案》（现为国家人工智能研究资源，NAIRR），这个法案要求成立一个任务小组，为美国公共部门和研究部门提供更好的获取AI计算和数据资源的途径，以重振美国在AI创新和研究方面的生态系统。这是一项更多的激励政策，旨在建设和振兴生态系统。吴恩达问了李飞飞一个很有代表性的问题：”你对于刚开始学习机器学习的人有什么建议？“ 李飞飞的建议是： 1. 现在的AI和ML学习资源比以往任何时候都要丰富，从Coursera到YouTube、TikTok和Github，使得全球范围内的学习者都能够获取到这些知识。 2. 对非技术背景的人来说，AI也提供了丰富的机会，无论是应用、创造力、政策、社会问题，还是经济、伦理、政治科学等方面。 3. 人工智能可能带来的挑战和问题，如定义数字时代的经济，机器人和软件在工作流程中的影响，以及生成性AI对创造力和艺术创作者的影响等。吴恩达也基于李飞飞的建议提出了自己的建议，他的建议是现在人工智能的技术很通用，无论你的个人兴趣是什么领域，都很容易可以将你的兴趣和AI结合起来。现在AI还是很新的领域，基于兴趣可以开创自己的道路，去做一些令人兴奋的工作。最后一个话题是关于李飞飞开展的AI4ALL项目。 AI4ALL项目旨在引导年轻的学生，特别是来自代表性不足的群体，接触并学习AI。李飞飞在自己作为斯坦福人工智能实验室唯一的女性教师时，意识到了代表性不足的问题。 AI4ALL最初被称为SAILORS，这个项目于2015年开始，由李飞飞与她的学生宇川佐科夫斯基和教育专家瑞克·萨默一起启动。它最初是一个暑期项目，邀请年轻女性高中生学习AI。在得到詹森·黄、洛瑞·黄和梅琳达·盖茨等人的支持后，该项目于2017年扩展为全国性的非营利组织，现已在全国超过15所大学开设夏令营和暑期项目，同时提供在线课程并通过实习和导师计划提供持续的支持。最后引用AI4ALL的口号来结尾：“AI将改变世界，谁将改变AI？”，希望我们每个人都能参与其中！原始视频：

今天给大家翻译的是最近吴恩达采访李飞飞的一期视频“Andrew Ng and Fei-Fei Li Discuss Human-Centered Artificial Intelligence - Stanford Online”，都是AI领域的重量级人物。李飞飞现在是斯坦福大学的计算机科学教授，还是HAI（以人为本的人工智能研究所）的联席主任。李飞飞还是吴恩达邀请去的斯坦福，最开始还担心李飞飞不去，而李飞飞则说，谁能抵挡斯坦福的诱惑😄 第一个话题是为什么李飞飞从物理专业转到了人工智能领域。李飞飞分享了她的经历，她一直对物理和STEM充满热情，后来在普林斯顿大学主修物理并在神经科学实验室实习。然而，通过阅读了一些伟大物理学家的著作例如薛定谔的《生命是什么？》罗杰·彭罗斯的《皇帝的新脑》，她对智能产生了极大的好奇心，这促使她在研究生阶段转向了人工智能。她对智能的基本计算原理有极大的兴趣，期待有一天能找到一组简单的原理或方程，可以定义智能的过程，无论是动物智能还是机器智能。李飞飞认为AI还处于初级阶段，就像牛顿之前的物理学，曾经有过伟大的物理学，伟大的物理学家，很多现象学，很多关于天体如何运动的研究。但是是牛顿开始写出非常简单的定律。我们仍在经历那个非常令人兴奋的AI基础科学成长时期，就像当年的物理学还处于牛顿之前的阶段。第二个话题是李飞飞早年的移民经历。李飞飞在15岁时移民到美国，她的父母不会说英语，经营一家干洗店可能是她们家最好的选择，因为洗衣店主要是周末营业，这样她作为学生也可以参与运营。尽管生活充满挑战，李飞飞坚持下来，并成功进入普林斯顿大学。干洗店的经营帮助她接触到了机器，也使得她对STEM（科学、技术、工程和数学）领域产生了兴趣。吴恩达也分享了他的早年经历，他在高中时曾在办公室工作，经常复印文件，为人们泡咖啡。这些经历启发他思考如何用机器人完成这些工作，这可能也种下了他对AI的兴趣的种子。希望他们高中的故事能够激励更多的人，无论我们起点如何，都有机会成功。第三个话题是关于李飞飞如何开始ImageNet项目和创建的Caltech 101数据库的。李飞飞是最早将机器学习应用于计算机视觉的学生之一，这在当时是一个具有争议的想法。在计算机视觉和人类智能理解的研究中，她利用机器学习方法进行真实世界对象的识别，尽管她很快就发现这个领域的一个主要挑战是模型的泛化能力不足。为了解决这个问题，李飞飞和她的导师开始探索大规模数据项目，创建了Caltech 101数据库。李飞飞开始做这事时非常早，那时候数码相机还非常昂贵，最初的数据是李飞飞和她妈还有几个本科生一起做的。这个数据库对许多研究者产生了积极影响。之后，李飞飞进一步扩展了数据库，创建了更大的ImageNet数据库，尽管这个想法在最初的时候遭到了很多质疑。但最终，这个庞大的数据库为全球无数研究者解锁了大量价值。由于最开始受到了很多质疑和困难，但最终项目还是取得了巨大的成功。就这个话题李飞飞分享了一点人生经验，就是设置北极星目标（即长期大目标）的重要性，并建议研究生们不应该只是为了发表论文而进行研究，而应该有一个长远的目标去驱动他们的工作。吴恩达对这个观点也很赞同，他也提醒大家即使项目刚开始规模比较小，也可以作为实现更大目标的基础。另外很重要的就是去追求自己真正感兴趣的研究领域，李飞飞会问她的学生：”是什么北极星在驱使你？“ 这段对话很精彩，我直接原文转发一下： ”吴恩达：当我想起那个故事时，它看起来像是一个有时候人们觉得他们应该只从事项目的例子，而不是一开始就做大事。但我觉得对于从事机器学习的人来说，如果你的第一个项目是一个稍微小一点的，那完全没问题。祝你取得好成绩。利用所学知识为实现更大的目标打下基础，然后有时候你会得到像ImageNet那样的巨大成功。李飞飞：但与此同时，我认为追求一个大胆的目标也很重要。你可以根据问题的规模或项目的规模设定局部里程碑，沿着这条道路前进，但我也关注我们现在的一些学生。他们受到如此大的同伴压力，在这个不断出版的气候中。这变得更多的是为了只是为了出版而进入一篇文章。我个人总是推动我的学生去问这个问题，是什么北极星在驱使你？吴恩达：是的，这是真的。这些年来，当我做研究时，我总是充满激情地去做我感兴趣的事情，在那里，我想尝试推动观点向前发展。不必听别人的意见。要听别人的意见，让他们影响你的看法。但最后，我认为最好的研究者让世界影响他们的观点，但最后，还是要根据自己的观点来推动事物。李飞飞：完全同意，是的。这是你自己内心的火焰。“ 第四个话题是李飞飞如何将计算机视觉和神经科学应用到多个领域，尤其是医疗保健的李飞飞认为她在计算机视觉领域的研究进化也遵循动物视觉智能的进化。有两个话题真正让她兴奋： 1. 一个是什么是真正有影响力的应用领域，能够帮助改善人类生活？这就是医疗保健工作。 2. 另一个是视觉在最终究竟是关于什么的？这让她试图在感知和机器人学习之间封闭回路。李飞飞引用了一组数字：每年约有25万美国人死于医疗错误，这大大超过了因车祸导致的死亡人数，医院感染导致的死亡人数超过95,000，这比车祸死亡人数多2.5倍。李飞飞和她的合作伙伴阿尼·米尔斯坦博士开始了一个项目，名为环境智能研究议程，目的是在医院或养老院安装智能传感器，以提高病人的安全性。但她指出，应用AI时，除了机器学习问题，还需要处理诸如隐私等人类问题。第五个话题是关于人工智能（AI）在公共政策中的重要性四年前，李飞飞和斯坦福大学的一些教职工意识到斯坦福需要在AI领域发挥更重要的角色，为此他们创建了人类中心AI研究所（HAI）。这个研究所旨在以人为本，研究下一代的人工智能教育、研究和政策。李飞飞提到，AI快速地影响着人们的生活，法律和政策必须要跟上。她认为专家需要和政策制定者更深入地交流，以利用AI更好地造福人民。这不仅涉及公平和隐私，还涉及到人才流向产业、数据和计算机的集中等问题。李飞飞参与推动的一项政策工作就是《全国人工智能研究云任务组法案》（现为国家人工智能研究资源，NAIRR），这个法案要求成立一个任务小组，为美国公共部门和研究部门提供更好的获取AI计算和数据资源的途径，以重振美国在AI创新和研究方面的生态系统。这是一项更多的激励政策，旨在建设和振兴生态系统。吴恩达问了李飞飞一个很有代表性的问题：”你对于刚开始学习机器学习的人有什么建议？“ 李飞飞的建议是： 1. 现在的AI和ML学习资源比以往任何时候都要丰富，从Coursera到YouTube、TikTok和Github，使得全球范围内的学习者都能够获取到这些知识。 2. 对非技术背景的人来说，AI也提供了丰富的机会，无论是应用、创造力、政策、社会问题，还是经济、伦理、政治科学等方面。 3. 人工智能可能带来的挑战和问题，如定义数字时代的经济，机器人和软件在工作流程中的影响，以及生成性AI对创造力和艺术创作者的影响等。吴恩达也基于李飞飞的建议提出了自己的建议，他的建议是现在人工智能的技术很通用，无论你的个人兴趣是什么领域，都很容易可以将你的兴趣和AI结合起来。现在AI还是很新的领域，基于兴趣可以开创自己的道路，去做一些令人兴奋的工作。最后一个话题是关于李飞飞开展的AI4ALL项目。 AI4ALL项目旨在引导年轻的学生，特别是来自代表性不足的群体，接触并学习AI。李飞飞在自己作为斯坦福人工智能实验室唯一的女性教师时，意识到了代表性不足的问题。 AI4ALL最初被称为SAILORS，这个项目于2015年开始，由李飞飞与她的学生宇川佐科夫斯基和教育专家瑞克·萨默一起启动。它最初是一个暑期项目，邀请年轻女性高中生学习AI。在得到詹森·黄、洛瑞·黄和梅琳达·盖茨等人的支持后，该项目于2017年扩展为全国性的非营利组织，现已在全国超过15所大学开设夏令营和暑期项目，同时提供在线课程并通过实习和导师计划提供持续的支持。最后引用AI4ALL的口号来结尾：“AI将改变世界，谁将改变AI？”，希望我们每个人都能参与其中！原始视频：

宝玉

210,036 views • 3 years ago

World Labs CEO 李飞飞：语言本身只是对物理世界的有损表达。煮意大利面时酱汁的变化、面条入水的状态，都无法仅靠文字还原。为此，她创立 World Labs，专注研发空间智能技术，让AI通过视觉与三维空间感知真正"理解"物理世界，补足纯语言模型的根本局限。

World Labs CEO 李飞飞：语言本身只是对物理世界的有损表达。煮意大利面时酱汁的变化、面条入水的状态，都无法仅靠文字还原。为此，她创立 World Labs，专注研发空间智能技术，让AI通过视觉与三维空间感知真正"理解"物理世界，补足纯语言模型的根本局限。

KK.aWSB

182,556 views • 7 months ago

🚨🇺🇸 | 埃隆·马斯克：“大规模移民是疯狂的，会导致任何允许移民的国家走向毁灭。只需要世界上一小部分人移居到一个国家，这个国家就不再是原来的国家了……一个国家是由它的人民组成的，而不是它的地理环境。”

🚨🇺🇸 | 埃隆·马斯克：“大规模移民是疯狂的，会导致任何允许移民的国家走向毁灭。只需要世界上一小部分人移居到一个国家，这个国家就不再是原来的国家了……一个国家是由它的人民组成的，而不是它的地理环境。”

日本大和農場（筹建申请中）

56,570 views • 8 months ago

【黄仁勋：物理AI的ChatGPT时刻已经到来】两个关键词：世界模型&合成数据。收集真实世界的训练数据既慢又贵，而且永远不够用。于是老黄这次带来的是一个符合真实世界物理规律的世界模型——Cosmos，它能完成物理AI相关的技能，比如生成、推理和运动轨迹预测。让包括自动驾驶汽车、AI驱动的机器人等物理AI应用在虚拟世界中完成低成本却又高效的训练。我现在正好在听苏姿丰的演讲，他们完全选了两个方向，一个在强调物理AI，另一个再着重聊AIGC、游戏等应用。

【黄仁勋：物理AI的ChatGPT时刻已经到来】两个关键词：世界模型&合成数据。收集真实世界的训练数据既慢又贵，而且永远不够用。于是老黄这次带来的是一个符合真实世界物理规律的世界模型——Cosmos，它能完成物理AI相关的技能，比如生成、推理和运动轨迹预测。让包括自动驾驶汽车、AI驱动的机器人等物理AI应用在虚拟世界中完成低成本却又高效的训练。我现在正好在听苏姿丰的演讲，他们完全选了两个方向，一个在强调物理AI，另一个再着重聊AIGC、游戏等应用。

傅盛

37,583 views • 8 months ago

空间智能赛道刚刚又出了新模型：Moonlake，能生成3D世界，还能同时处理物理、声音、逻辑规则等多种模态与李飞飞的World Labs不同的是，World Labs偏场景生成，Moonlake更重交互，更像是在构建一个可交互、物理正确、逻辑完整、视听一体的“活世界” 给定一句“在街机室里做一个赛博朋克风格的保龄球游戏”需求它能自动拆解成生成3D模型、加物理、摆位置、写规则等10个阶段，自主完成从零到一的开发过程输出一个实时可玩的虚拟保龄球馆，能交互，拿球、投掷、有声音、有分数变化，所有东西都按物理规律运作的核心机制是所有模态绑定在同一个实体上，一次事件，比如球击中瓶子时，位置、物理状态、分数、音效等全模态同步更新对于做游戏的，原来要用一个团队干的活，现在可能一个人就能完成对于老师，几句话生成学生能实时交互的物理实验场景 #世界模型生成 #Moonlake #WorldLabs #空间智能

空间智能赛道刚刚又出了新模型：Moonlake，能生成3D世界，还能同时处理物理、声音、逻辑规则等多种模态与李飞飞的World Labs不同的是，World Labs偏场景生成，Moonlake更重交互，更像是在构建一个可交互、物理正确、逻辑完整、视听一体的“活世界” 给定一句“在街机室里做一个赛博朋克风格的保龄球游戏”需求它能自动拆解成生成3D模型、加物理、摆位置、写规则等10个阶段，自主完成从零到一的开发过程输出一个实时可玩的虚拟保龄球馆，能交互，拿球、投掷、有声音、有分数变化，所有东西都按物理规律运作的核心机制是所有模态绑定在同一个实体上，一次事件，比如球击中瓶子时，位置、物理状态、分数、音效等全模态同步更新对于做游戏的，原来要用一个团队干的活，现在可能一个人就能完成对于老师，几句话生成学生能实时交互的物理实验场景 #世界模型生成 #Moonlake #WorldLabs #空间智能

AIGCLINK

10,987 views • 7 months ago

AI科学家李飞飞错在哪里？李飞飞说，“K12教育是在浪费学生的时间，AI证明很多东西是机器可以做到的，让人类花十几年甚至几十年的时间，这是对人类的一种浪费”。李飞飞将AI神化，不符合实际：譬如美国，50%的国民，100以内的加减乘除都费劲，能放弃基础教育？再譬如中国，从小灌输的是斗争，而不是道德和普世价值。教育的核心和首要目标，确实应该是道德、价值观和人格的培养，而不是单纯的知识传授或技能训练。一个知识渊博但缺乏同理心、责任感、诚信的AI精英，只能成为社会更大的危害。

AI科学家李飞飞错在哪里？李飞飞说，“K12教育是在浪费学生的时间，AI证明很多东西是机器可以做到的，让人类花十几年甚至几十年的时间，这是对人类的一种浪费”。李飞飞将AI神化，不符合实际：譬如美国，50%的国民，100以内的加减乘除都费劲，能放弃基础教育？再譬如中国，从小灌输的是斗争，而不是道德和普世价值。教育的核心和首要目标，确实应该是道德、价值观和人格的培养，而不是单纯的知识传授或技能训练。一个知识渊博但缺乏同理心、责任感、诚信的AI精英，只能成为社会更大的危害。

亚洲金融 Asia Finance

99,337 views • 9 months ago

李飞飞这段话挺值得细想。她说 AI 真正变聪明，不是因为它更会聊天、更会写代码，而是它开始理解“空间”。能看懂一个房间，知道冰箱在哪；能推理怎么走过去；能在脑子里想象一个没见过的客厅；还能真的伸手把衣服叠好、挂进衣柜。所以她才说，AI 学会折衣服这件事，可能比写一篇漂亮文章更让人紧张。因为那一刻，它碰到的不再是屏幕，而是现实世界。

李飞飞这段话挺值得细想。她说 AI 真正变聪明，不是因为它更会聊天、更会写代码，而是它开始理解“空间”。能看懂一个房间，知道冰箱在哪；能推理怎么走过去；能在脑子里想象一个没见过的客厅；还能真的伸手把衣服叠好、挂进衣柜。所以她才说，AI 学会折衣服这件事，可能比写一篇漂亮文章更让人紧张。因为那一刻，它碰到的不再是屏幕，而是现实世界。

Vincent

11,577 views • 3 months ago

网飞开源了一个很强的视频编辑模型。它可以直接删除视频中的某个物体。但真正夸张的点是：它连这个物体对周围画面的影响，也能一并消掉。不只是“把东西抹掉”，而是在重新生成一段合理的视频。

网飞开源了一个很强的视频编辑模型。它可以直接删除视频中的某个物体。但真正夸张的点是：它连这个物体对周围画面的影响，也能一并消掉。不只是“把东西抹掉”，而是在重新生成一段合理的视频。

梦想夏乡

15,557 views • 5 months ago

AI教父Yann LeCun说了一个事实。一个四岁的小孩，看过的数据量，等于有史以来所有文本的总和。最大的AI模型，训练数据是30万亿个单词。听着很多？一个四岁小孩，醒着的时间大约16000小时。光是用眼睛看，接收的数据量就跟AI一样多。但数据的质量，完全是两回事。小孩看到的是真实世界。是重力，是东西掉下来，是手去抓握。是因果，是物理规律。他通过这些，在脑子里建立了一个世界模型。 AI看到的是什么？是孤立的文字，是符号。它唯一的任务，是猜下一个词是什么。这就解释了现在的怪现象。 AI能通过律师考试，能解微积分方程。比大学生还快。但它学不会装洗碗机。也变不成一个能做家务的机器人。更不可能像任何一个青少年一样，花20小时就学会开车。那些吹嘘AI马上取代一切的人，在回避什么？他们在回避现实世界。 AI被喂养的是人类思想的“数字幽灵”，不是物理世界的实体。把一个在图书馆里读了所有书的书呆子，和一个在街头长大的孩子扔进丛林。谁能活下来？道理是一样的。

AI教父Yann LeCun说了一个事实。一个四岁的小孩，看过的数据量，等于有史以来所有文本的总和。最大的AI模型，训练数据是30万亿个单词。听着很多？一个四岁小孩，醒着的时间大约16000小时。光是用眼睛看，接收的数据量就跟AI一样多。但数据的质量，完全是两回事。小孩看到的是真实世界。是重力，是东西掉下来，是手去抓握。是因果，是物理规律。他通过这些，在脑子里建立了一个世界模型。 AI看到的是什么？是孤立的文字，是符号。它唯一的任务，是猜下一个词是什么。这就解释了现在的怪现象。 AI能通过律师考试，能解微积分方程。比大学生还快。但它学不会装洗碗机。也变不成一个能做家务的机器人。更不可能像任何一个青少年一样，花20小时就学会开车。那些吹嘘AI马上取代一切的人，在回避什么？他们在回避现实世界。 AI被喂养的是人类思想的“数字幽灵”，不是物理世界的实体。把一个在图书馆里读了所有书的书呆子，和一个在街头长大的孩子扔进丛林。谁能活下来？道理是一样的。

墓碑科技

72,742 views • 6 months ago

🎬 90% 的人没用明白 Codex。因为一开始就把它当成了 ChatGPT。但 Codex 最厉害的地方，从来不是聊天，而是动手。它会读项目、改文件、做表格、操作浏览器，直接在你的电脑里完成任务。 💡 真正决定体验的也不是 Prompt，而是四件事：Project、Permissions、Context 和 AGENTS.md。少一个都能用，多一个才开始好用。我后来甚至不把它当 AI，而是当新人来带：先教它，再纠正它，最后把经验沉淀成 Skill。当你开始这样用 Codex，它就不再是助手，而是一套持续进化的工作系统。

🎬 90% 的人没用明白 Codex。因为一开始就把它当成了 ChatGPT。但 Codex 最厉害的地方，从来不是聊天，而是动手。它会读项目、改文件、做表格、操作浏览器，直接在你的电脑里完成任务。 💡 真正决定体验的也不是 Prompt，而是四件事：Project、Permissions、Context 和 AGENTS.md。少一个都能用，多一个才开始好用。我后来甚至不把它当 AI，而是当新人来带：先教它，再纠正它，最后把经验沉淀成 Skill。当你开始这样用 Codex，它就不再是助手，而是一套持续进化的工作系统。

Martin

27,560 views • 3 months ago

Anthropic的创始人Dario Amodei，把话挑明了。他说，多数中共国的开源AI模型，都是幻觉。是专为跑分优化的“考试型选手”。公开测试，个个是学霸。榜单分数，高得吓人。可一旦遇到没见过的题，私下一考。马上露馅，表现差一大截。为什么？因为它们本来就不是为了解决真实世界的问题。而是为了刷榜。技术根源上，很多模型还是从美国大实验室的模型里“蒸馏”出来的。听着是不是很耳熟？只为高分，不为真才实学。应试教育那套，原封不动搬到了AI领域。 Amodei还打了个比方。 AI就像雇员。你是要世界第一的程序员，还是要排名第一万的？能力的天壤之别，任何一个老板都懂。真正顶级的AI，认知能力最强的那个，才是唯一的赢家。价格和形式，在绝对的聪明面前，都不重要。靠刷分和模仿，能做出最聪明的AI吗？这条路，到底能走多远？

Anthropic的创始人Dario Amodei，把话挑明了。他说，多数中共国的开源AI模型，都是幻觉。是专为跑分优化的“考试型选手”。公开测试，个个是学霸。榜单分数，高得吓人。可一旦遇到没见过的题，私下一考。马上露馅，表现差一大截。为什么？因为它们本来就不是为了解决真实世界的问题。而是为了刷榜。技术根源上，很多模型还是从美国大实验室的模型里“蒸馏”出来的。听着是不是很耳熟？只为高分，不为真才实学。应试教育那套，原封不动搬到了AI领域。 Amodei还打了个比方。 AI就像雇员。你是要世界第一的程序员，还是要排名第一万的？能力的天壤之别，任何一个老板都懂。真正顶级的AI，认知能力最强的那个，才是唯一的赢家。价格和形式，在绝对的聪明面前，都不重要。靠刷分和模仿，能做出最聪明的AI吗？这条路，到底能走多远？

墓碑科技

249,769 views • 7 months ago