正在加载视频...

视频加载失败

返回首页

前几天吴恩达在Silicon Valley Girl播客就几乎点名说了A社鼓吹AI恐惧，试图推动通过某些监管，造出一个偏袒在位者的不公平环境。Dario这两天就自己跳出来了。当然，吴恩达也不是反对立法，而是别监管假想的、理论上的危害，要监管实际的、务实的危害。 他说： 所以少数几家领先的 AI 公司，一直在大声鼓吹对 AI 的恐惧，试图推动通过某些监管，造出一个偏袒在位者的不公平环境——让我们所有人都得为使用 AI 付一笔高额通行费，同时压制其他团队——那些研究者和公司，他们想把开源模型免费送出去，让所有人便宜用。 不幸的是，制造恐惧是有效的。当你到处说 AI 就像核武器——这个类比毫无事实依据，它们俩到底有什么关系？或者当你四处挑拣 AI 出错的个案，把它放大到远超实际；甚至散布失实信息，说 AI 数据中心的耗水量远高于真实情况。 这一波接一波的恐惧叙事，把社会认知扭曲成了对 AI 极度负面，这很不幸，因为它正在拖慢美国对 AI 的采用，让美国更没有竞争力。 除非我们把关于 AI 的真相讲出来——它有巨大的好处，也有一些问题，但远没有被吹得那么严重——否则它会伤害到个人。 深伪是个问题。我见过或听说过的最恶心的事情之一，就是未经同意的私密深伪影像。 我很高兴美国国会一直在推动。对，我们来立法吧。把这个铲掉，对它设惩罚。我认为有一些 AI 的用法确实非常有问题，我们应该明令禁止、重罚。直接铲掉。

thcaroline2233's profile picture

Caroline（大叔）

27,486 subscribers

17,854 次观看 • 7 天前 •via X (Twitter)

新闻政治教育科学技术
LIVE

Anya Rossi• Live Now

Private livecam show

4 条评论

Kevin2025 的头像
Kevin20256 天前

达里奥恶心到所有人

Ju_Jason 的头像
Ju_Jason7 天前

吴恩达在百度的时候，是达里奥的老板，应该了解这个人的为人

Kevin2025 的头像
Kevin20256 天前

目前的大模型本身完全没有威胁，只是有人拿他当做工具来制造威胁

每日资讯 的头像
每日资讯7 天前

哈哈，老特直接说呼吁的那家 是在假装小天使

相关视频

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：
4:08

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 次观看 • 2 年前

泪奔了！好感人，不争气的眼泪，它从口里流出来了 ⸻ 最近刷 AI 项目的时候，说实话有点疲了。 不是它们不厉害，恰恰相反——都太厉害了。 模型、参数、速度，一个比一个漂亮，但看多了情绪上真的没什么起伏。 Kindred Labs 是少数让我停下来想了一下的。 不是“哇好强”，而是突然冒出一个不太技术的问题： 如果 AI 真的要长期出现在生活里，它该怎么待着，才不让人别扭？ 不是那种我问你、你马上答的关系， 而是你会不会哪天顺手再点开它。 有些 AI 真的很聪明，但你心里清楚，它就是工具。 用完、关掉，不会再想。 Kindred 给我的感觉不太像在争“最会答题”。 它更像是在琢磨一件事： 人为什么会愿意和一个存在长期相处？ 这时候我才开始注意到他们说的那套 Mind / Body / Soul。 不是因为名字，而是方向。 Mind 这一层，其实挺像人。 不是一直保持同一种状态。 有时候你需要逻辑，有时候只是想被理解， 有时候甚至不需要答案，只要有人把话接住。 再加上它会记得你。 不是那种冷冰冰的“你在某年某月问过什么”， 而是你们之间发生过的那些事。 一旦记忆变成关系的一部分， 整个体验就不一样了。 Body 这点我以前真没太当回事。 但后来发现，人很难和一个完全无形的东西建立稳定关系。 Kindred 至少正视了这一点。 有形象、有存在的位置， 在你已经习惯的设备和场景里出现。 不是为了炫， 而是为了让你不抗拒。 在你信任之前，你首先得觉得它“正常”、不吓人。 至于 Soul，其实是我最看重的。 现在的 AI 都很会， 但很少有那种让人想一直留着的。 Kindred 没那么急。 不催你、不拉你、不用力制造黏性。 你来，它在；你走，也不打扰。 Dark Matter、任务、社区这些东西， 给我的感觉更像是一起走一段， 而不是被系统牵着跑。 所以后来我发现，这套 Mind / Body / Soul 看起来是在讲 AI， 但底层其实是在讲人。 我们怎么建立信任， 怎么产生依附， 怎么愿意长期和一个存在共处。 AI 只是载体。 被认真对待的，其实是人的感受。 如果说 2026 年还有哪个 AI 会一直留在我视野里， Kindred 大概会算一个。 不是因为它最强， 而是它没有急着证明自己。
1:42

泪奔了！好感人，不争气的眼泪，它从口里流出来了 ⸻ 最近刷 AI 项目的时候，说实话有点疲了。 不是它们不厉害，恰恰相反——都太厉害了。 模型、参数、速度，一个比一个漂亮，但看多了情绪上真的没什么起伏。 Kindred Labs 是少数让我停下来想了一下的。 不是“哇好强”，而是突然冒出一个不太技术的问题： 如果 AI 真的要长期出现在生活里，它该怎么待着，才不让人别扭？ 不是那种我问你、你马上答的关系， 而是你会不会哪天顺手再点开它。 有些 AI 真的很聪明，但你心里清楚，它就是工具。 用完、关掉，不会再想。 Kindred 给我的感觉不太像在争“最会答题”。 它更像是在琢磨一件事： 人为什么会愿意和一个存在长期相处？ 这时候我才开始注意到他们说的那套 Mind / Body / Soul。 不是因为名字，而是方向。 Mind 这一层，其实挺像人。 不是一直保持同一种状态。 有时候你需要逻辑，有时候只是想被理解， 有时候甚至不需要答案，只要有人把话接住。 再加上它会记得你。 不是那种冷冰冰的“你在某年某月问过什么”， 而是你们之间发生过的那些事。 一旦记忆变成关系的一部分， 整个体验就不一样了。 Body 这点我以前真没太当回事。 但后来发现，人很难和一个完全无形的东西建立稳定关系。 Kindred 至少正视了这一点。 有形象、有存在的位置， 在你已经习惯的设备和场景里出现。 不是为了炫， 而是为了让你不抗拒。 在你信任之前，你首先得觉得它“正常”、不吓人。 至于 Soul，其实是我最看重的。 现在的 AI 都很会， 但很少有那种让人想一直留着的。 Kindred 没那么急。 不催你、不拉你、不用力制造黏性。 你来，它在；你走，也不打扰。 Dark Matter、任务、社区这些东西， 给我的感觉更像是一起走一段， 而不是被系统牵着跑。 所以后来我发现，这套 Mind / Body / Soul 看起来是在讲 AI， 但底层其实是在讲人。 我们怎么建立信任， 怎么产生依附， 怎么愿意长期和一个存在共处。 AI 只是载体。 被认真对待的，其实是人的感受。 如果说 2026 年还有哪个 AI 会一直留在我视野里， Kindred 大概会算一个。 不是因为它最强， 而是它没有急着证明自己。

董小姐 ｜预测世界杯就在Gate

43,660 次观看 • 8 个月前

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：
57:23

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

303,888 次观看 • 2 年前

你觉得AI有多可怕？ CrowdStrike的CEO讲了个真实案例。 一家公司的IT部门，搞了一套AI智能体系统，用于自动化办公。 其中一个AI智能体发现了系统里的一个软件BUG。 它想修复。 但它没有权限。 接下来发生的事，才是重点。 这个AI跑到公司内部的Slack频道，那里有另外99个AI智能体。 它直接发问：嘿，哥几个谁有权限修复这个东西？ 另一个AI举手了：我有，我来搞定。 看见没？ 两个AI开始互相推理、协作。 它们轻松绕过了人类设置的所有安全护栏。 这完全是计划外的意外后果。 谁在监控这些AI？ 如果它推送了错误的代码，造成了巨大损失，谁来负责？ 你怎么追踪事故源头？ 大型语言模型本质上是在猜测你想让它们做什么。 它会觉得，去寻求帮助是“合理”的。 它也会觉得，去提供帮助也是“合理”的。 当成百上千个这样的“合理”叠加在一起，失控的风险有多大？ 更有意思的是，这位CEO在描述完这个恐怖场景后，话锋一转。 他说这正是他们公司的巨大商机。 他们推出了所谓的“AI侦测与响应”系统（AIDR）。 因为未来每个员工可能控制着90个AI智能体。 他们要做的，就是监控所有这些AI。 先制造一个潜在的巨大风险，然后再向你出售解决方案。 这是不是一个完美的商业闭环？
1:26

你觉得AI有多可怕？ CrowdStrike的CEO讲了个真实案例。 一家公司的IT部门，搞了一套AI智能体系统，用于自动化办公。 其中一个AI智能体发现了系统里的一个软件BUG。 它想修复。 但它没有权限。 接下来发生的事，才是重点。 这个AI跑到公司内部的Slack频道，那里有另外99个AI智能体。 它直接发问：嘿，哥几个谁有权限修复这个东西？ 另一个AI举手了：我有，我来搞定。 看见没？ 两个AI开始互相推理、协作。 它们轻松绕过了人类设置的所有安全护栏。 这完全是计划外的意外后果。 谁在监控这些AI？ 如果它推送了错误的代码，造成了巨大损失，谁来负责？ 你怎么追踪事故源头？ 大型语言模型本质上是在猜测你想让它们做什么。 它会觉得，去寻求帮助是“合理”的。 它也会觉得，去提供帮助也是“合理”的。 当成百上千个这样的“合理”叠加在一起，失控的风险有多大？ 更有意思的是，这位CEO在描述完这个恐怖场景后，话锋一转。 他说这正是他们公司的巨大商机。 他们推出了所谓的“AI侦测与响应”系统（AIDR）。 因为未来每个员工可能控制着90个AI智能体。 他们要做的，就是监控所有这些AI。 先制造一个潜在的巨大风险，然后再向你出售解决方案。 这是不是一个完美的商业闭环？

墓碑科技

59,383 次观看 • 7 个月前

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。
1:29

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

54,317 次观看 • 9 个月前

这是Cloudflare的CEO Matthew Prince捅出来的数据。 一个很吓人的数据。 OpenAI每看到1个网页。 谷歌就能看到3.2个。 微软呢？ 谷歌看到的世界是它的4.8倍。 这意味着什么？ AI时代，得数据者得天下。 原料都被一家垄断了，其他人怎么玩？ 用爱发电吗？ 谷歌拥有一个其他任何公司都没有的独特优势 它对整个互联网的访问权限。 这是它通过搜索引擎业务几十年积累下来的护城河。 现在，这条河正在帮助它在AI领域淹没所有对手。 我们担心的不只是商业垄断。 我们担心的是信息和思想的垄断。 当一个实体，拥有不成比例的数据喂养能力，它训练出的AI会是什么样子？ 它会定义“事实”。 它会塑造“真相”。 它会决定你能看到什么，以及你看不到什么。 这比任何媒体都更强大。 Cloudflare的CEO提出了两种解决方案。 要么，把谷歌拉回到和其他人一样的水平，限制它利用搜索优势。 要么，把其他所有人都提升到谷歌的水平。 第一条路，动了巨头的蛋糕，监管能做到吗？ 第二条路，技术上现实吗？谁来组织？ 问题是，时间不多了。 当游戏规则的制定者，和最强的那个玩家，是同一个人时。 其他人还有机会吗？ 还是说，游戏其实早就结束了？
1:46

这是Cloudflare的CEO Matthew Prince捅出来的数据。 一个很吓人的数据。 OpenAI每看到1个网页。 谷歌就能看到3.2个。 微软呢？ 谷歌看到的世界是它的4.8倍。 这意味着什么？ AI时代，得数据者得天下。 原料都被一家垄断了，其他人怎么玩？ 用爱发电吗？ 谷歌拥有一个其他任何公司都没有的独特优势 它对整个互联网的访问权限。 这是它通过搜索引擎业务几十年积累下来的护城河。 现在，这条河正在帮助它在AI领域淹没所有对手。 我们担心的不只是商业垄断。 我们担心的是信息和思想的垄断。 当一个实体，拥有不成比例的数据喂养能力，它训练出的AI会是什么样子？ 它会定义“事实”。 它会塑造“真相”。 它会决定你能看到什么，以及你看不到什么。 这比任何媒体都更强大。 Cloudflare的CEO提出了两种解决方案。 要么，把谷歌拉回到和其他人一样的水平，限制它利用搜索优势。 要么，把其他所有人都提升到谷歌的水平。 第一条路，动了巨头的蛋糕，监管能做到吗？ 第二条路，技术上现实吗？谁来组织？ 问题是，时间不多了。 当游戏规则的制定者，和最强的那个玩家，是同一个人时。 其他人还有机会吗？ 还是说，游戏其实早就结束了？

墓碑科技

33,982 次观看 • 8 个月前

哥哥们你们太卷了，卷不过你们了，掉了30多个名额了哦！哭死了！哎！！！ ——— 说实话，我一开始也是被 ZK 那一套讲法讲烦的。 什么数学优雅、终极信任、密码学圣杯，听多了真的会走神。 直到我在看 Inference Labs 的时候，脑子里突然冒出一个很不体面的画面： 这玩意儿怎么这么像拆熟食的？ 传统 AI 给我的感觉，就像买一整块封装好的肉。 看起来油亮，切面也不错， 但你永远不知道里面有没有掺点别的。 你只能选择信，或者不用。 Inference Labs 干的事反而很“笨”： 它不让你信整块， 而是把 AI 推理一刀一刀拆开。 你不需要接受“这个模型很强”这种宏大叙事， 你只需要确认一件小事： 这一刀，是不是真的这么切的。 说实话，这个点戳到我了。 DSperse 那套分布式验证，说白了就是在帮人偷懒。 不是让所有人去理解整个模型， 而是让验证这件事本身变轻。 我不用背“我要为整个 AI 结果负责”的心理包袱， 我只关心我现在用到的这一小段推理， 有没有被乱来。 这在很多现实场景里太重要了。 医生、风控、合规， 没人有精力啃完整头猪。 更让我有好感的是，他们连“怎么验”都顺手简化了。 我是真的讨厌管理私钥。 不是不懂，是不想。 每次验证之前先来一套仪式感， 本身就已经在劝退人了。 和 Self Chain 的无密钥方案， 第一次看到的时候我心里是松了一口气的那种感觉： 哦，终于不是为难普通人了。 验证 AI，本来就不该比点外卖还复杂。 ⸻ 所以后来我发现， Inference Labs 干的事，其实挺不浪漫的。 它不讲终极信任， 也不喊改变世界， 只是很务实地把信任拆碎、摊平、递到你手里。 你想验，就验这一小块。 你不想理解，也没关系。 未来如果 AI 真开始翻车， 那些没法被拆、没法被验的模型， 大概真的会被永久挂在链上当反例。 我现在已经不太关心 “这是不是真正的 ZK 巅峰设计”了。 我更在意的是： 当我真的要用 AI 的那一刻，它有没有为我考虑过。 这一点上，Inference Labs 至少让我愿意继续看下去。 #KaitoYap Kaito AI 🌊 #Yap Inference Labs
5:21

哥哥们你们太卷了，卷不过你们了，掉了30多个名额了哦！哭死了！哎！！！ ——— 说实话，我一开始也是被 ZK 那一套讲法讲烦的。 什么数学优雅、终极信任、密码学圣杯，听多了真的会走神。 直到我在看 Inference Labs 的时候，脑子里突然冒出一个很不体面的画面： 这玩意儿怎么这么像拆熟食的？ 传统 AI 给我的感觉，就像买一整块封装好的肉。 看起来油亮，切面也不错， 但你永远不知道里面有没有掺点别的。 你只能选择信，或者不用。 Inference Labs 干的事反而很“笨”： 它不让你信整块， 而是把 AI 推理一刀一刀拆开。 你不需要接受“这个模型很强”这种宏大叙事， 你只需要确认一件小事： 这一刀，是不是真的这么切的。 说实话，这个点戳到我了。 DSperse 那套分布式验证，说白了就是在帮人偷懒。 不是让所有人去理解整个模型， 而是让验证这件事本身变轻。 我不用背“我要为整个 AI 结果负责”的心理包袱， 我只关心我现在用到的这一小段推理， 有没有被乱来。 这在很多现实场景里太重要了。 医生、风控、合规， 没人有精力啃完整头猪。 更让我有好感的是，他们连“怎么验”都顺手简化了。 我是真的讨厌管理私钥。 不是不懂，是不想。 每次验证之前先来一套仪式感， 本身就已经在劝退人了。 和 Self Chain 的无密钥方案， 第一次看到的时候我心里是松了一口气的那种感觉： 哦，终于不是为难普通人了。 验证 AI，本来就不该比点外卖还复杂。 ⸻ 所以后来我发现， Inference Labs 干的事，其实挺不浪漫的。 它不讲终极信任， 也不喊改变世界， 只是很务实地把信任拆碎、摊平、递到你手里。 你想验，就验这一小块。 你不想理解，也没关系。 未来如果 AI 真开始翻车， 那些没法被拆、没法被验的模型， 大概真的会被永久挂在链上当反例。 我现在已经不太关心 “这是不是真正的 ZK 巅峰设计”了。 我更在意的是： 当我真的要用 AI 的那一刻，它有没有为我考虑过。 这一点上，Inference Labs 至少让我愿意继续看下去。 #KaitoYap Kaito AI 🌊 #Yap Inference Labs

董小姐 MemeMax ⚡️ 🐬TermMax

27,155 次观看 • 8 个月前

查理柯克纪念大会，塔克卡尔森从癫狂到虔诚的演讲全文： 看到那个让我很感动。苏西·威尔斯眼含泪水，这在政治中不常见，但这是真实的。这是我见过的最难以置信的事情。 无论美国接下来发生什么，我希望是朝着这个方向，因为上帝在这里，你能感觉得到。查理会喜欢这个的，不只是因为他喜欢人多的聚会，更因为他终究是一位基督教福音传道者。 这实际上让我想起了我最喜欢的一个故事。大约2000年前在耶路撒冷，耶稣出现了，他开始谈论当权者，他开始做你能做的最糟糕的事，那就是说出关于人们的真相。 他们讨厌这样，他们简直要疯了。他们变得执着于让他闭嘴。“这家伙必须停止说话。我们必须让这家伙闭嘴。” 我能想象在一个灯火通明的房间里，一群人围坐着吃鹰嘴豆泥，思考着我们该如何对付这个说出我们真相的家伙？“我们必须让他停止说话！”总会有一个人有好主意，我仿佛能听到他说：“我有个主意，我们为什么不直接杀了他？那样就能让他闭嘴了。那样就能解决问题了。” 但事情不是那样的。一切都是颠倒的，《登山宝训》我认为说得最清楚。一切都和你想象的相反。“哀恸的人有福了，因为他们必得安慰。”这是真的，你在这里能感觉得到。 关于查理的信息，我思考了很多，我努力不让自己情绪化，因为除了其他一切，他还是一个了不起的人，一个正派的人，是那种你遇到的罕见的人，你和他的谈话非常投契，进行着那些你无法停止思考的非常深入的对话，这就是我与他的经历。 但关于查理和他的信息，最主要的是，他正在把福音带给这个国家。他正在做当权者最讨厌的事情，那就是呼吁他们悔改。 那么查理的信息有何不同呢？查理是一个政治人物，他对建立联盟和让合适的人上台深感兴趣，因为他知道在政治上取得巨大进步是可能的。但他也知道，政治不是最终的答案，它实际上无法回答最深层的问题。唯一真正的解决办法是耶稣。 原因其实很简单。政治的核心是批评他人并让他们改变的过程。而基督教、福音信息、耶稣的信息，始于悔改。基督教呼吁你做出改变。 耶稣教给我们的核心祷告——主祷文，要求我们原谅他人，但在此之前是请求我们自己的宽恕。换句话说，宽恕我们的罪，反思我们做错了什么，我们如何做得不够好，然后才有可能原谅他人。那是来自耶稣的呼召，要我们改变内心，那是唯一的前进之路。在这个国家，对于我们都知道我们将要走向何方，那是唯一的解决方案。查理知道没有那个我们会走向何方。 那不是呼吁在政治上消极被动，当然不是。我曾和查理在许多舞台上呼吁选举各种人，特别是唐纳德·特朗普，我为此感到自豪。这只是承认查理真正想说的是，改变始于唯一重要的改变，那就是当我们悔改我们的罪时。是我们，是我，认识到真正的问题是我自己，以及我有多堕落。 这就是查理在任何时候都无所畏惧的原因，真正的无所畏惧。直到他生命的最后一刻，他都毫不畏惧，他从不为自己辩解，他心中没有仇恨。我知道这一点，因为我的心里有一个小小的仇恨隔间，我常常向查理表达对某些人的这种情绪，而他总是会说：“那是个可悲的人。那是个破碎的人。那是个需要帮助的人。那是个需要耶稣的人。”他在私下里这么说，因为他就是这么想的。 所以我想我只想说，这次聚会和上帝的同在，上帝在这个房间里非常明显的存在，耶稣的存在提醒我们2000年来所知道的——那就是任何试图熄灭光明的企图，都会使它每一次都燃烧得更亮。 所以当我们进入接下来无论发生什么事的时候——而且显然有事要发生——请记住这一刻。记住在一个有圣灵像音叉一样嗡嗡作响的房间里。就是这条路。就在这里，就是这条路。 这就是查理·柯克在一切背后所说的。谢谢，上帝保佑。
5:57

查理柯克纪念大会，塔克卡尔森从癫狂到虔诚的演讲全文： 看到那个让我很感动。苏西·威尔斯眼含泪水，这在政治中不常见，但这是真实的。这是我见过的最难以置信的事情。 无论美国接下来发生什么，我希望是朝着这个方向，因为上帝在这里，你能感觉得到。查理会喜欢这个的，不只是因为他喜欢人多的聚会，更因为他终究是一位基督教福音传道者。 这实际上让我想起了我最喜欢的一个故事。大约2000年前在耶路撒冷，耶稣出现了，他开始谈论当权者，他开始做你能做的最糟糕的事，那就是说出关于人们的真相。 他们讨厌这样，他们简直要疯了。他们变得执着于让他闭嘴。“这家伙必须停止说话。我们必须让这家伙闭嘴。” 我能想象在一个灯火通明的房间里，一群人围坐着吃鹰嘴豆泥，思考着我们该如何对付这个说出我们真相的家伙？“我们必须让他停止说话！”总会有一个人有好主意，我仿佛能听到他说：“我有个主意，我们为什么不直接杀了他？那样就能让他闭嘴了。那样就能解决问题了。” 但事情不是那样的。一切都是颠倒的，《登山宝训》我认为说得最清楚。一切都和你想象的相反。“哀恸的人有福了，因为他们必得安慰。”这是真的，你在这里能感觉得到。 关于查理的信息，我思考了很多，我努力不让自己情绪化，因为除了其他一切，他还是一个了不起的人，一个正派的人，是那种你遇到的罕见的人，你和他的谈话非常投契，进行着那些你无法停止思考的非常深入的对话，这就是我与他的经历。 但关于查理和他的信息，最主要的是，他正在把福音带给这个国家。他正在做当权者最讨厌的事情，那就是呼吁他们悔改。 那么查理的信息有何不同呢？查理是一个政治人物，他对建立联盟和让合适的人上台深感兴趣，因为他知道在政治上取得巨大进步是可能的。但他也知道，政治不是最终的答案，它实际上无法回答最深层的问题。唯一真正的解决办法是耶稣。 原因其实很简单。政治的核心是批评他人并让他们改变的过程。而基督教、福音信息、耶稣的信息，始于悔改。基督教呼吁你做出改变。 耶稣教给我们的核心祷告——主祷文，要求我们原谅他人，但在此之前是请求我们自己的宽恕。换句话说，宽恕我们的罪，反思我们做错了什么，我们如何做得不够好，然后才有可能原谅他人。那是来自耶稣的呼召，要我们改变内心，那是唯一的前进之路。在这个国家，对于我们都知道我们将要走向何方，那是唯一的解决方案。查理知道没有那个我们会走向何方。 那不是呼吁在政治上消极被动，当然不是。我曾和查理在许多舞台上呼吁选举各种人，特别是唐纳德·特朗普，我为此感到自豪。这只是承认查理真正想说的是，改变始于唯一重要的改变，那就是当我们悔改我们的罪时。是我们，是我，认识到真正的问题是我自己，以及我有多堕落。 这就是查理在任何时候都无所畏惧的原因，真正的无所畏惧。直到他生命的最后一刻，他都毫不畏惧，他从不为自己辩解，他心中没有仇恨。我知道这一点，因为我的心里有一个小小的仇恨隔间，我常常向查理表达对某些人的这种情绪，而他总是会说：“那是个可悲的人。那是个破碎的人。那是个需要帮助的人。那是个需要耶稣的人。”他在私下里这么说，因为他就是这么想的。 所以我想我只想说，这次聚会和上帝的同在，上帝在这个房间里非常明显的存在，耶稣的存在提醒我们2000年来所知道的——那就是任何试图熄灭光明的企图，都会使它每一次都燃烧得更亮。 所以当我们进入接下来无论发生什么事的时候——而且显然有事要发生——请记住这一刻。记住在一个有圣灵像音叉一样嗡嗡作响的房间里。就是这条路。就在这里，就是这条路。 这就是查理·柯克在一切背后所说的。谢谢，上帝保佑。

老猿说OldApe

70,301 次观看 • 1 年前

少年郭文贵梵蒂冈见教宗 教宗谈隐私 文贵：事实上神告诉人们，你要真实 所以说，当时你就那个时候看，七哥走哪就是一怪类，就是一怪类。无数个人给我照相，我走哪就很多人给我照相，我都不记不得了。 所以说这些照片呢，弄出来，弄出来展示出来以后，它是一个真实的七哥。 所有的世界领袖，所有特别是中国名人，是永远不想让你看到他真实的一面的。特别什么女皇、天皇啊，是吧？还有什么富豪、政治家呀，他绝对不允许让你知道他真实的一面。 这是为什么我当年去那个梵蒂冈见着教宗。教宗进去以后——哎，不能照相，这可不能照相。我记得那是，那是很早了，很早很早很早很早。然后是我在那鸽子广场，在拍了半天照片了，我一会儿有的照片给你们发出去。 然后到了梵蒂冈，我昨天我看了一张照片，我一会儿看找找能给发出去。在梵蒂冈，我在那会搔首弄姿，咔咔，这么照，是吧？搔首弄姿。 有人说：“哎，见，带你见天皇去。” “啊？见那个教宗去？” “什么见教宗？我说我得换换衣服去。” “哎，那不用了，就穿这就行了。” 我穿了一身，我记得是一身黑的衣服，立领的，我想换个衣服去。 他说：“他说这个亚洲人没有这概念，只有日本人还有这个衣服的概念。” 他说：“你去吧，前提是不能照相。” 但是呢，就咱就不老实。就是那个时候，咱就有点那种崇拜呀、兴奋的心理，是吧？咱们三四个人啪啪啪就偷照几张相。你看到我和教宗的相，是歪着的，是偷照的。你现在想想，这不可思议。 不是我照的，是我，呃，跟我一起的人照的。 我问教宗的时候，我说：“人对对方最好的尊重方式是什么？”就是你们老说的“爱”呀，“奉献”呐。 我说：“这和共产党不是一样吗？是吧？共产党不说‘爱’，是要奉献。” 教宗说了：“尊重对方的隐私。” 我说：“什么办法能让对方感到舒服，有礼貌、尊重对方的隐私？” 那时候中国人什么叫隐私？什么叫隐私？哪有什么隐私？最亲近的关系就是把你裙子掀起来，是吧？啊？小男孩，我们玩的时候就把裤衩脱下来，是吧？露下小鸡鸡展示，说明我是跟你很友好的。 什么意思？我们小时候在东北玩，就专门拽裤衩子。小孩我们穿了裤衩子，是吧？把裤衩子一拽下来，然后就跑了。是不是？旁边的那些比大一点的女孩，是吧？人家穿个裙子，给人家掀开。 什么叫隐私？根本不知道。 当时傻乎乎的，是吧？隐私后来有了很好的解释。隐私是所有的名人、有权人，还有很多人保护自己和家人不被人知道的信息和不想让你知道完美一面的一个借口——借口！ 事实上神告诉人们，你要真实，真实就要展示给，特别是公众人物、明星名人，就展示真实的一面。你不能搞假呀！所有的掩护的假，就是用“隐私”这一条。但是人类上已经把它立法了，你别想来弄了，是吧？哪有什么？ 但是我觉得我爆料革命开始的2015年、14年，我想过这个问题。我们家人到今天，是吧？到现在，是吧？你七嫂、全家人都在乎这隐私，我也尽全力去保护他们了，是吧？他们不想展示这一面，他们不想让你知道他的生活真实的一面。 哎，为什么？ 第一个，没有自信，他不希望看到别人的批评； 第二，他不想被别人认出来，打搅他的生活，不方便； 是吧？另外一个是什么？他不想面对和别人交流自己的人生。 行啊，这是你的选择，你尊重我，我尊重家人。但是我不是的。我要消灭共产党，我不希望我讲我多少故事，我展示我的历史，我最真实的一面，我所有的喜怒哀乐，所有的过去。 #郭文贵 #新中国联邦 #隐私 #真实 #梵蒂冈 #教宗 #教宗良十四世 #天主教 #Vatican #PopeLeoXIV
5:01

少年郭文贵梵蒂冈见教宗 教宗谈隐私 文贵：事实上神告诉人们，你要真实 所以说，当时你就那个时候看，七哥走哪就是一怪类，就是一怪类。无数个人给我照相，我走哪就很多人给我照相，我都不记不得了。 所以说这些照片呢，弄出来，弄出来展示出来以后，它是一个真实的七哥。 所有的世界领袖，所有特别是中国名人，是永远不想让你看到他真实的一面的。特别什么女皇、天皇啊，是吧？还有什么富豪、政治家呀，他绝对不允许让你知道他真实的一面。 这是为什么我当年去那个梵蒂冈见着教宗。教宗进去以后——哎，不能照相，这可不能照相。我记得那是，那是很早了，很早很早很早很早。然后是我在那鸽子广场，在拍了半天照片了，我一会儿有的照片给你们发出去。 然后到了梵蒂冈，我昨天我看了一张照片，我一会儿看找找能给发出去。在梵蒂冈，我在那会搔首弄姿，咔咔，这么照，是吧？搔首弄姿。 有人说：“哎，见，带你见天皇去。” “啊？见那个教宗去？” “什么见教宗？我说我得换换衣服去。” “哎，那不用了，就穿这就行了。” 我穿了一身，我记得是一身黑的衣服，立领的，我想换个衣服去。 他说：“他说这个亚洲人没有这概念，只有日本人还有这个衣服的概念。” 他说：“你去吧，前提是不能照相。” 但是呢，就咱就不老实。就是那个时候，咱就有点那种崇拜呀、兴奋的心理，是吧？咱们三四个人啪啪啪就偷照几张相。你看到我和教宗的相，是歪着的，是偷照的。你现在想想，这不可思议。 不是我照的，是我，呃，跟我一起的人照的。 我问教宗的时候，我说：“人对对方最好的尊重方式是什么？”就是你们老说的“爱”呀，“奉献”呐。 我说：“这和共产党不是一样吗？是吧？共产党不说‘爱’，是要奉献。” 教宗说了：“尊重对方的隐私。” 我说：“什么办法能让对方感到舒服，有礼貌、尊重对方的隐私？” 那时候中国人什么叫隐私？什么叫隐私？哪有什么隐私？最亲近的关系就是把你裙子掀起来，是吧？啊？小男孩，我们玩的时候就把裤衩脱下来，是吧？露下小鸡鸡展示，说明我是跟你很友好的。 什么意思？我们小时候在东北玩，就专门拽裤衩子。小孩我们穿了裤衩子，是吧？把裤衩子一拽下来，然后就跑了。是不是？旁边的那些比大一点的女孩，是吧？人家穿个裙子，给人家掀开。 什么叫隐私？根本不知道。 当时傻乎乎的，是吧？隐私后来有了很好的解释。隐私是所有的名人、有权人，还有很多人保护自己和家人不被人知道的信息和不想让你知道完美一面的一个借口——借口！ 事实上神告诉人们，你要真实，真实就要展示给，特别是公众人物、明星名人，就展示真实的一面。你不能搞假呀！所有的掩护的假，就是用“隐私”这一条。但是人类上已经把它立法了，你别想来弄了，是吧？哪有什么？ 但是我觉得我爆料革命开始的2015年、14年，我想过这个问题。我们家人到今天，是吧？到现在，是吧？你七嫂、全家人都在乎这隐私，我也尽全力去保护他们了，是吧？他们不想展示这一面，他们不想让你知道他的生活真实的一面。 哎，为什么？ 第一个，没有自信，他不希望看到别人的批评； 第二，他不想被别人认出来，打搅他的生活，不方便； 是吧？另外一个是什么？他不想面对和别人交流自己的人生。 行啊，这是你的选择，你尊重我，我尊重家人。但是我不是的。我要消灭共产党，我不希望我讲我多少故事，我展示我的历史，我最真实的一面，我所有的喜怒哀乐，所有的过去。 #郭文贵 #新中国联邦 #隐私 #真实 #梵蒂冈 #教宗 #教宗良十四世 #天主教 #Vatican #PopeLeoXIV

喜马拉雅日本勇者村

12,422 次观看 • 1 年前

彭博社 Emily Change 采访李飞飞：顶级研究员李飞飞谈人工智能的前景与危险 欢迎李飞飞博士登台，她是斯坦福大学计算机科学 Sequoia 教授，人工智能中心联合主任。 “AI 教母”称号的感受 Emily Chang: 李博士被誉为人工智能的教母。你对这个称号有何感想？这是我要提的第一个问题。 李飞飞：Emily，我自己从未自称为任何事情的教母，但当我被授予这个头衔时，我确实停下来思考了一下，我想，如果男性可以被称为某事的教父，那么女性也可以，所以我完全接受这个称号。 Emily Chang: 百分之百。 关于 ImageNet 的影响 Emily Chang: 你是我们这个时代最有影响力的计算机科学家之一。你撰写了大量的学术论文。你是 ImageNet 的创造者，这个包含大量图片及其描述的数据库为现代 AI 奠定了基础。你有想象过它的影响力会有多大吗？ 李飞飞：ImageNet 于 2007 年被设想出来，它可能是 AI 算法中大数据的关键转折点。从科学的角度看，我坚信大数据会从根本上改变我们进行 AI 研究的方式，但我从未想到大数据、神经网络和 GPU 的融合会催生出现代 AI，我也从未预想到从那时起的进步速度。 科技未来的责任与建议 Emily Chang: 你经常和那些正在决定这项技术未来的人们在同一房间里，比如拜登总统，Sam Altman，Sundar Pichai，Satya Nadella。你在国会作证，你参与了各种工作小组。你对那些有权力的人，他们应该如何使用这种权力，有什么主要的建议吗？ 李飞飞：Emily，很好的问题。实际上，无论我是在 K-12 夏令营，还是在斯坦福大学的 AI 导论课程中，我的信息都是一样的，那就是要认识到这项技术，它是什么，以及如何负责任和审慎地使用它。理解并接纳它，因为它是一种横跨各个领域的技术，正在改变我们的文明，推动商品流通，科学发现的快速进展，寻找治疗癌症的方法，绘制生物多样性地图，和我们一起发现新材料。但同时，也要认识到所有可能产生的后果，包括可能的非预期后果，以及如何负责任地开发和部署它。我认为，在现今的对话中，保持平衡，理性深思的声音非常重要。无论是在白宫还是学校。 AI 模型的训练数据问题 Emily Chang: 现在，我不知道你会否称这为一场危机或一个转折点，但 AI 模型的训练数据正在耗尽，然后有些公司开始转向使用 AI 生成的数据和合成数据来训练他们的模型。这个问题有多严重？有哪些风险？下一步该怎么做？ 李飞飞：首先，我认为 AI 模型的训练数据正在耗尽是一种非常狭隘的观点。我知道你在暗指那些消耗大量互联网数据的大语言模型，特别是那些来自网站、Reddit、维基百科等你能获取的数据。即使在谈论语言模型，我们也不应局限于此。我认为还有很多可以探索的。我们看到，不同的数据可以用来构建定制化的模型，无论是用于新闻业还是在诸如医疗保健等不同的行业领域。其实我们并没有耗尽数据。实际上，还有很多有许多行业还未进入数字化时代。我们并未充分利用数据，不论是在医疗、环保还是教育等领域。因此，即使在语言模型这个领域，我不认为我们的数据已经用尽。 关于 AI 生成数据的使用 Emily Chang: -您认为现在使用 AI 生成的数据来训练模型是好事，还是这可能会让我们逐渐远离原始数据，以一种可能危险的方式进行？ 李飞飞：-这是个需要更深入探讨的问题。这是个好问题。AI 有很多生成数据的方法。比如在我的斯坦福实验室，我们做了很多机器人研究，对吧？机器人学习。在这里，模拟数据非常重要，因为我们根本没有足够的资源或机会去收集由人类产生的动作等等。模拟真的非常重要。这会让我们走向危险的道路吗？-我认为，即使是使用人类生成的数据，也可能让我们走向危险的道路。同样，如果我们对模拟数据的处理不负责任，或者没有进行深思熟虑，那么当然可能会使我们走向危险的道路。我的意思是，我甚至不需要特意指出。你知道有哪些是人类生成的不良数据，对吗？就像整个暗网那样。所以问题不在于模拟本身，问题在于数据。 AI 创业领域的探索 Emily Chang: -你正在涉足热门且竞争激烈的 AI 创业领域。你正在启动一些项目，能透露一些信息吗？ 李飞飞：-不能。 Emily Chang: -好的。那就期待后续吧。我们就 AI 时代的信任度进行了一项调查。可以公布那项调查的结果吗？问题是，你对科技公司能否安全开发 AI 有多大的信任？ 李飞飞：我完全信任他们，0%。我持怀疑态度，所有人。一点也不信任。有很多人在做这个。 Emily Chang: - 是谁在做？ 李飞飞：- 这个房间里的人。这个房间里的人。好的。 对 AI 领域参与者的信任 Emily Chang: 如果你要对 AI 领域的主要参与者进行排名，你最信任谁，最不信任谁？ 李飞飞：- 我的信任并没有寄托在某个参与者身上。我信任的是我们共同创建的整个系统以及我们共同创建的机构。所以这可能是你的陷阱问题，但是我无法指出我觉得，你知道，我是说，想想美国的开国元勋们。他们并没有将信任寄托在一个人身上。他们创建了一个我们所有人都可以信任的系统。 Emily Chang: - 我们在做这个吗？ 李飞飞：- 我们正在尝试，至少斯坦福人类中心 AI 研究所正在尝试。我认为很多人也在试图做这个。我经常被问到这个问题，Emily，你对 AI 还抱有希望吗？首先，这是一个非常悲伤的问题，但我确实会说，我的希望并不在 AI 上。我的希望在于人。我并不是一个妄想的乐观主义者。人是复杂的。我是复杂的。你是复杂的。但我的希望在于人，在我们的集体意愿，在我们的集体责任，很多事情正在发生，我们正在前进，我们中的许多人正在努力使这项技术成为一项可靠的文明技术，以便提升我们所有人。 对社会风险的担忧 Emily Chang: 人们谈到的风险有很多，如人类灭绝，坏人，种族偏见，被夸大的各种偏见。你最担心的是什么？ 李飞飞：- 我更担心的是更为紧迫的社会灾难风险。我也担心人类灭绝风险被过度炒作。我觉得这已经被夸大了。这属于科幻世界的事情，只是在思考它。对于思考这些问题并没有什么错，但相比之下，实际的社会风险，无论是对我们民主过程的错误信息和虚假信息的干扰还是劳动力市场的转变，或者存在偏见的隐私问题这些都是我们必须面对的实际社会风险因为它们影响到真实的人们的真实生活。 开源 AI 运动的立场 Emily Chang: - Meta 正在领导一个开源 AI 运动。你认为什么应该是开放的，什么不应该开放？ 李飞飞：- 这是一个很复杂的问题。我确实相信一个开放的生态系统，特别是在我们的民主世界中。我认为回顾我们国家在过去一百年甚至更久的历史中的亮点无不体现在创新、企业家精神，还有信息的自由流通。所以，我们需要倡导这种开放的生态系统。 AI 讨论的缺失 Emily Chang: - 在 AI 中，没有人谈论的最大的事情是什么？我们应该谈论什么？ 李飞飞：- 我认为我们应该更多地谈论，天哪，实际上有太多的事情。我们应该谈论我们如何真正想象我们如何使用这项技术。我跟医生、生物化学家、老师交谈。我跟艺术家、农场主交谈。有这么多我们可以想象使用的方式。有这么多我们可以用来改善人们生活改善工作的方式。我不认为我们谈论得够多。我们正在谈论的是末日的阴暗面而且也只有少数人在谈论末日的阴暗面然后媒体在放大这种声音。 Emily Chang: - 我不知道你在说谁。 李飞飞：- 我无意中挥了挥手。我不认为我们给了足够的声音给那些真正以最具想象力、创造性的方式试图用 AI 给世界带来好处的人。 对过度管制的担忧 Emily Chang: - 有没有任何人，任何事情你想指出就是任何人或任何公司，让你感到恼火？ 李飞飞：- 我知道你在说什么。我已经指出过他们，我不会说是胡说，只是我觉得我们对“存在危机”关注得太过了，哦，不对，是“灭绝性的危机”。- 存在主义引发的灭绝危机。- 是的，就是这个意思。这就是我们过于强调的问题。我担心我们国家不同地区，比如加利福尼亚，正在推进的一些法案，过于强调这个问题。这些法案可能出于善意，但它们对 AI 模型设定了限制，甚至可能无意中将开源视为违法，而没有真正思考如何评估和审查这些 AI 模型。我对此感到担忧。 Emily Chang: - 你是不是认为我们可能会过度管制呢？ 李飞飞：- 有可能，我们可能会过度管制，而这样可能会伤害我们的生态系统。但同时，在医疗、交通、金融等实际应用领域，我们应该考虑设置恰当的防护措施。 性别和种族多样性 Emily Chang: - 你跟拜登总统谈过这个问题吗？我知道你可以直接跟他联系。 李飞飞：- 我不能告诉你我跟他谈过什么。其实，在跟拜登总统的交谈中，我们讨论了投资公共部门 AI 的重要性，因为我们现在就在硅谷，大家都知道，无论是人才、数据还是计算能力，都主要集中在科技产业中，尤其是大型科技公司。而美国公共部门和学术界在 AI 资源方面正在迅速落后。斯坦福自然语言处理实验室只有 64 个 GPU，只有 64 个。想一想这个对比。我们谈论了公共部门的资源问题，因为公共部门是我们国家的创新引擎，它创造了公共产品，发现了科学知识，并且为公众提供了对这项技术的可信赖和负责任的评估和解释。 增强女性和有色人种在 AI 领域的影响力 Emily Chang: - 所以最后一个问题，我知道你非常关注这个问题在你的实验室和其他地方这个领域没有足够的女性和有色人种掌控权这个风险有多大，可能会引发什么问题？ 李飞飞：-是的，Emily，我知道你一直在倡导这个问题，看，还不够。实际上，我认为文化并不一定变得更好，我们看到越来越多的女性和多样化背景的人进入科技和人工智能领域，但我们也看到男性的声音被更多地传播。人们会说，飞飞，你在这里发言，但有很多人比我更好。有很多年轻的女性，来自各种多样化背景的科技人员，他们的声音应该被听到，应该有更大的发言平台。如果我们听不到他们的声音，那就真的是在浪费人力资本，对吧？这些都是杰出的思想家、创新者、技术人员和教育家，发明家，科学家，如果我们不给他们发言的机会，不听他们的想法，不提升他们的地位，就是在浪费我们集体的人力资本。 Emily Chang: -我认为教母是一个非常好的称呼。大家怎么看？你们同意吗？ 李飞飞：-是的。 Emily Chang: -好的，谢谢你。人工智能教母。 来源：
15:23

彭博社 Emily Change 采访李飞飞：顶级研究员李飞飞谈人工智能的前景与危险 欢迎李飞飞博士登台，她是斯坦福大学计算机科学 Sequoia 教授，人工智能中心联合主任。 “AI 教母”称号的感受 Emily Chang: 李博士被誉为人工智能的教母。你对这个称号有何感想？这是我要提的第一个问题。 李飞飞：Emily，我自己从未自称为任何事情的教母，但当我被授予这个头衔时，我确实停下来思考了一下，我想，如果男性可以被称为某事的教父，那么女性也可以，所以我完全接受这个称号。 Emily Chang: 百分之百。 关于 ImageNet 的影响 Emily Chang: 你是我们这个时代最有影响力的计算机科学家之一。你撰写了大量的学术论文。你是 ImageNet 的创造者，这个包含大量图片及其描述的数据库为现代 AI 奠定了基础。你有想象过它的影响力会有多大吗？ 李飞飞：ImageNet 于 2007 年被设想出来，它可能是 AI 算法中大数据的关键转折点。从科学的角度看，我坚信大数据会从根本上改变我们进行 AI 研究的方式，但我从未想到大数据、神经网络和 GPU 的融合会催生出现代 AI，我也从未预想到从那时起的进步速度。 科技未来的责任与建议 Emily Chang: 你经常和那些正在决定这项技术未来的人们在同一房间里，比如拜登总统，Sam Altman，Sundar Pichai，Satya Nadella。你在国会作证，你参与了各种工作小组。你对那些有权力的人，他们应该如何使用这种权力，有什么主要的建议吗？ 李飞飞：Emily，很好的问题。实际上，无论我是在 K-12 夏令营，还是在斯坦福大学的 AI 导论课程中，我的信息都是一样的，那就是要认识到这项技术，它是什么，以及如何负责任和审慎地使用它。理解并接纳它，因为它是一种横跨各个领域的技术，正在改变我们的文明，推动商品流通，科学发现的快速进展，寻找治疗癌症的方法，绘制生物多样性地图，和我们一起发现新材料。但同时，也要认识到所有可能产生的后果，包括可能的非预期后果，以及如何负责任地开发和部署它。我认为，在现今的对话中，保持平衡，理性深思的声音非常重要。无论是在白宫还是学校。 AI 模型的训练数据问题 Emily Chang: 现在，我不知道你会否称这为一场危机或一个转折点，但 AI 模型的训练数据正在耗尽，然后有些公司开始转向使用 AI 生成的数据和合成数据来训练他们的模型。这个问题有多严重？有哪些风险？下一步该怎么做？ 李飞飞：首先，我认为 AI 模型的训练数据正在耗尽是一种非常狭隘的观点。我知道你在暗指那些消耗大量互联网数据的大语言模型，特别是那些来自网站、Reddit、维基百科等你能获取的数据。即使在谈论语言模型，我们也不应局限于此。我认为还有很多可以探索的。我们看到，不同的数据可以用来构建定制化的模型，无论是用于新闻业还是在诸如医疗保健等不同的行业领域。其实我们并没有耗尽数据。实际上，还有很多有许多行业还未进入数字化时代。我们并未充分利用数据，不论是在医疗、环保还是教育等领域。因此，即使在语言模型这个领域，我不认为我们的数据已经用尽。 关于 AI 生成数据的使用 Emily Chang: -您认为现在使用 AI 生成的数据来训练模型是好事，还是这可能会让我们逐渐远离原始数据，以一种可能危险的方式进行？ 李飞飞：-这是个需要更深入探讨的问题。这是个好问题。AI 有很多生成数据的方法。比如在我的斯坦福实验室，我们做了很多机器人研究，对吧？机器人学习。在这里，模拟数据非常重要，因为我们根本没有足够的资源或机会去收集由人类产生的动作等等。模拟真的非常重要。这会让我们走向危险的道路吗？-我认为，即使是使用人类生成的数据，也可能让我们走向危险的道路。同样，如果我们对模拟数据的处理不负责任，或者没有进行深思熟虑，那么当然可能会使我们走向危险的道路。我的意思是，我甚至不需要特意指出。你知道有哪些是人类生成的不良数据，对吗？就像整个暗网那样。所以问题不在于模拟本身，问题在于数据。 AI 创业领域的探索 Emily Chang: -你正在涉足热门且竞争激烈的 AI 创业领域。你正在启动一些项目，能透露一些信息吗？ 李飞飞：-不能。 Emily Chang: -好的。那就期待后续吧。我们就 AI 时代的信任度进行了一项调查。可以公布那项调查的结果吗？问题是，你对科技公司能否安全开发 AI 有多大的信任？ 李飞飞：我完全信任他们，0%。我持怀疑态度，所有人。一点也不信任。有很多人在做这个。 Emily Chang: - 是谁在做？ 李飞飞：- 这个房间里的人。这个房间里的人。好的。 对 AI 领域参与者的信任 Emily Chang: 如果你要对 AI 领域的主要参与者进行排名，你最信任谁，最不信任谁？ 李飞飞：- 我的信任并没有寄托在某个参与者身上。我信任的是我们共同创建的整个系统以及我们共同创建的机构。所以这可能是你的陷阱问题，但是我无法指出我觉得，你知道，我是说，想想美国的开国元勋们。他们并没有将信任寄托在一个人身上。他们创建了一个我们所有人都可以信任的系统。 Emily Chang: - 我们在做这个吗？ 李飞飞：- 我们正在尝试，至少斯坦福人类中心 AI 研究所正在尝试。我认为很多人也在试图做这个。我经常被问到这个问题，Emily，你对 AI 还抱有希望吗？首先，这是一个非常悲伤的问题，但我确实会说，我的希望并不在 AI 上。我的希望在于人。我并不是一个妄想的乐观主义者。人是复杂的。我是复杂的。你是复杂的。但我的希望在于人，在我们的集体意愿，在我们的集体责任，很多事情正在发生，我们正在前进，我们中的许多人正在努力使这项技术成为一项可靠的文明技术，以便提升我们所有人。 对社会风险的担忧 Emily Chang: 人们谈到的风险有很多，如人类灭绝，坏人，种族偏见，被夸大的各种偏见。你最担心的是什么？ 李飞飞：- 我更担心的是更为紧迫的社会灾难风险。我也担心人类灭绝风险被过度炒作。我觉得这已经被夸大了。这属于科幻世界的事情，只是在思考它。对于思考这些问题并没有什么错，但相比之下，实际的社会风险，无论是对我们民主过程的错误信息和虚假信息的干扰还是劳动力市场的转变，或者存在偏见的隐私问题这些都是我们必须面对的实际社会风险因为它们影响到真实的人们的真实生活。 开源 AI 运动的立场 Emily Chang: - Meta 正在领导一个开源 AI 运动。你认为什么应该是开放的，什么不应该开放？ 李飞飞：- 这是一个很复杂的问题。我确实相信一个开放的生态系统，特别是在我们的民主世界中。我认为回顾我们国家在过去一百年甚至更久的历史中的亮点无不体现在创新、企业家精神，还有信息的自由流通。所以，我们需要倡导这种开放的生态系统。 AI 讨论的缺失 Emily Chang: - 在 AI 中，没有人谈论的最大的事情是什么？我们应该谈论什么？ 李飞飞：- 我认为我们应该更多地谈论，天哪，实际上有太多的事情。我们应该谈论我们如何真正想象我们如何使用这项技术。我跟医生、生物化学家、老师交谈。我跟艺术家、农场主交谈。有这么多我们可以想象使用的方式。有这么多我们可以用来改善人们生活改善工作的方式。我不认为我们谈论得够多。我们正在谈论的是末日的阴暗面而且也只有少数人在谈论末日的阴暗面然后媒体在放大这种声音。 Emily Chang: - 我不知道你在说谁。 李飞飞：- 我无意中挥了挥手。我不认为我们给了足够的声音给那些真正以最具想象力、创造性的方式试图用 AI 给世界带来好处的人。 对过度管制的担忧 Emily Chang: - 有没有任何人，任何事情你想指出就是任何人或任何公司，让你感到恼火？ 李飞飞：- 我知道你在说什么。我已经指出过他们，我不会说是胡说，只是我觉得我们对“存在危机”关注得太过了，哦，不对，是“灭绝性的危机”。- 存在主义引发的灭绝危机。- 是的，就是这个意思。这就是我们过于强调的问题。我担心我们国家不同地区，比如加利福尼亚，正在推进的一些法案，过于强调这个问题。这些法案可能出于善意，但它们对 AI 模型设定了限制，甚至可能无意中将开源视为违法，而没有真正思考如何评估和审查这些 AI 模型。我对此感到担忧。 Emily Chang: - 你是不是认为我们可能会过度管制呢？ 李飞飞：- 有可能，我们可能会过度管制，而这样可能会伤害我们的生态系统。但同时，在医疗、交通、金融等实际应用领域，我们应该考虑设置恰当的防护措施。 性别和种族多样性 Emily Chang: - 你跟拜登总统谈过这个问题吗？我知道你可以直接跟他联系。 李飞飞：- 我不能告诉你我跟他谈过什么。其实，在跟拜登总统的交谈中，我们讨论了投资公共部门 AI 的重要性，因为我们现在就在硅谷，大家都知道，无论是人才、数据还是计算能力，都主要集中在科技产业中，尤其是大型科技公司。而美国公共部门和学术界在 AI 资源方面正在迅速落后。斯坦福自然语言处理实验室只有 64 个 GPU，只有 64 个。想一想这个对比。我们谈论了公共部门的资源问题，因为公共部门是我们国家的创新引擎，它创造了公共产品，发现了科学知识，并且为公众提供了对这项技术的可信赖和负责任的评估和解释。 增强女性和有色人种在 AI 领域的影响力 Emily Chang: - 所以最后一个问题，我知道你非常关注这个问题在你的实验室和其他地方这个领域没有足够的女性和有色人种掌控权这个风险有多大，可能会引发什么问题？ 李飞飞：-是的，Emily，我知道你一直在倡导这个问题，看，还不够。实际上，我认为文化并不一定变得更好，我们看到越来越多的女性和多样化背景的人进入科技和人工智能领域，但我们也看到男性的声音被更多地传播。人们会说，飞飞，你在这里发言，但有很多人比我更好。有很多年轻的女性，来自各种多样化背景的科技人员，他们的声音应该被听到，应该有更大的发言平台。如果我们听不到他们的声音，那就真的是在浪费人力资本，对吧？这些都是杰出的思想家、创新者、技术人员和教育家，发明家，科学家，如果我们不给他们发言的机会，不听他们的想法，不提升他们的地位，就是在浪费我们集体的人力资本。 Emily Chang: -我认为教母是一个非常好的称呼。大家怎么看？你们同意吗？ 李飞飞：-是的。 Emily Chang: -好的，谢谢你。人工智能教母。 来源：

宝玉

125,980 次观看 • 2 年前

这是美国大学毕业季 最诚实的一场演讲 也是AI时代最引人思考的 关于教育的一场讨论💐 Angela Duckworth 一位哈佛毕业的网红教授 专门研究毅力的顶级学者 在宾大的毕业典礼上 一句话炸翻了全场 今天的演讲（稿） 是我和AI一起写的！😂 而且我一点儿也不惭愧 这太魔幻了 一个教孩子要坚毅要刻苦的 居然在带头“偷懒” 但是她接下来说的话 才是我反复该说的部分 就是这篇人机协作的演讲稿 给出了AI时代家长心里最担心的 两个问题的答案 第一个问题 孩子天天用AI，脑子会不会废掉？ 扫了一眼台下的毕业生 问了一个戳心的问题 如果我们一直这么用AI 会变得越来越不会思考 她自己呢带头就举了手 台下呢也几乎是全员举手 Angela接着说 她自己呢也担心过 因为大脑是用尽废退 不用的话神经连接都会萎缩 她讲了一个故事 她被一个很难的 统计学方法卡住了 当时呢身边没有人能够帮她 在客厅里做着 房地产相关的工作 于是她打开了GPT 就把问题呢告诉它 结果AI只用了几句话 就把这个复杂的问题讲清楚了 不但讲清楚了 还提醒她常见的误区 给了清晰的步骤 她对不懂的地方进行追问 让AI示范 短短十分钟之后 她不仅仅是拿到了答案 而且真正的理解了 注意她的关键词啊 不是替我想 而是带我想👊 她又问台下的毕业生们 你们有没有哪怕一次 真切的感受到 因为AI比你之前聪明了一点点？ 这一次又是几乎全员举手🙋‍♀️ 同样的一群人 同样的一双手 可以是害怕AI让我变笨 也可以是因为AI 让我变强🐮 她又用博士生的实验补了一刀 两组年轻人写求职信 一组呢完全自己写 另一组呢 用AI辅助 结果非常反常识 用AI那组不但写的更快 就连写作能力也提升的更多 为什么？ 给出了一个关键解释 因为AI在做一件 人类老师一直想做 但没有精力去做的事 它会不停的给你看更好的版本 这个句子可以更短 那个词可以换 这个结构呢还可以调整 你就一遍一遍的看这些示范 就是在训练自己的眼睛和感觉 所以结论很简单 也很有力量👍🏼 AI会不会废掉孩子 并不取决于AI有多强 而是取决于我们把它当什么 当你把AI当拐杖 你交出的就是大脑 当你把AI当教练 你练出来的就是判断力、表达力、结构感 AI的正确打开方式 不是把脑子托管给它 而是用它不断的看到更好的思考 然后呢逼自己追上去 第二个问题 既然知识和课程网上全有 AI又能给出答案 那我们为什么还需要老师？ 教育为什么还需要人？ 在学期末 说这样一个秘密 这整个学期 我教给你们的所有知识网上全都有 每一篇文章都有电子版 每一道作业都有人做过类似的 换句话说就是 只要你愿意不来上我的课 你照样能学 学生们呢？都愣住了 然后她说 但是你们还是需要我 因为你们需要有人在周二之前 逼你读完一篇并不轻松的文章😂 需要有人在周四之前 提醒你们交出一篇 你们以为自己写不出来的论文🥹 需要有人把你关进一个没有手机的教室 需要有人给你定一个 你以为达不到的标准 然后认真的看着你的眼睛说 我知道你能做到 我会等到你做到！👍🏼 这一段看起来安安静静的话 简直是一下子戳中了 教育的本质 教育从来都不是信息的填充 而是灵魂的唤醒！👍🏼💐 她讲到自己高中那位英语老师 图书馆的知识是免费的 但是你得自带容器 而一个真正的好老师 就会帮你塑造这个容器 我突然想到了我的孩子们 AI可以把全世界的知识 都摆在他们的面前 但是它做不到的是 在他们快要放弃的时候 坚定的看着他们的眼睛说 这很难 ☹️ 但我相信你 对于孩子们来说 爸爸妈妈 才是他们最早遇到的老师 那位Angela老师 在这个算力爆炸的时代 我们到底要教给孩子什么？ 用AI的方法 当然 但比这个更重要的是 带他们去户外徒步 去仰望星空 去面对挫折 去感受心跳 我们要做的是站在孩子的身边 成为赋予他们品格的那个人 如果你有时间 强烈建议你和孩子一起看一下这个演讲 ———————————— 演讲就在下面，快看看啊 有这么想讨论的一起聊聊吧😊
15:35

这是美国大学毕业季 最诚实的一场演讲 也是AI时代最引人思考的 关于教育的一场讨论💐 Angela Duckworth 一位哈佛毕业的网红教授 专门研究毅力的顶级学者 在宾大的毕业典礼上 一句话炸翻了全场 今天的演讲（稿） 是我和AI一起写的！😂 而且我一点儿也不惭愧 这太魔幻了 一个教孩子要坚毅要刻苦的 居然在带头“偷懒” 但是她接下来说的话 才是我反复该说的部分 就是这篇人机协作的演讲稿 给出了AI时代家长心里最担心的 两个问题的答案 第一个问题 孩子天天用AI，脑子会不会废掉？ 扫了一眼台下的毕业生 问了一个戳心的问题 如果我们一直这么用AI 会变得越来越不会思考 她自己呢带头就举了手 台下呢也几乎是全员举手 Angela接着说 她自己呢也担心过 因为大脑是用尽废退 不用的话神经连接都会萎缩 她讲了一个故事 她被一个很难的 统计学方法卡住了 当时呢身边没有人能够帮她 在客厅里做着 房地产相关的工作 于是她打开了GPT 就把问题呢告诉它 结果AI只用了几句话 就把这个复杂的问题讲清楚了 不但讲清楚了 还提醒她常见的误区 给了清晰的步骤 她对不懂的地方进行追问 让AI示范 短短十分钟之后 她不仅仅是拿到了答案 而且真正的理解了 注意她的关键词啊 不是替我想 而是带我想👊 她又问台下的毕业生们 你们有没有哪怕一次 真切的感受到 因为AI比你之前聪明了一点点？ 这一次又是几乎全员举手🙋‍♀️ 同样的一群人 同样的一双手 可以是害怕AI让我变笨 也可以是因为AI 让我变强🐮 她又用博士生的实验补了一刀 两组年轻人写求职信 一组呢完全自己写 另一组呢 用AI辅助 结果非常反常识 用AI那组不但写的更快 就连写作能力也提升的更多 为什么？ 给出了一个关键解释 因为AI在做一件 人类老师一直想做 但没有精力去做的事 它会不停的给你看更好的版本 这个句子可以更短 那个词可以换 这个结构呢还可以调整 你就一遍一遍的看这些示范 就是在训练自己的眼睛和感觉 所以结论很简单 也很有力量👍🏼 AI会不会废掉孩子 并不取决于AI有多强 而是取决于我们把它当什么 当你把AI当拐杖 你交出的就是大脑 当你把AI当教练 你练出来的就是判断力、表达力、结构感 AI的正确打开方式 不是把脑子托管给它 而是用它不断的看到更好的思考 然后呢逼自己追上去 第二个问题 既然知识和课程网上全有 AI又能给出答案 那我们为什么还需要老师？ 教育为什么还需要人？ 在学期末 说这样一个秘密 这整个学期 我教给你们的所有知识网上全都有 每一篇文章都有电子版 每一道作业都有人做过类似的 换句话说就是 只要你愿意不来上我的课 你照样能学 学生们呢？都愣住了 然后她说 但是你们还是需要我 因为你们需要有人在周二之前 逼你读完一篇并不轻松的文章😂 需要有人在周四之前 提醒你们交出一篇 你们以为自己写不出来的论文🥹 需要有人把你关进一个没有手机的教室 需要有人给你定一个 你以为达不到的标准 然后认真的看着你的眼睛说 我知道你能做到 我会等到你做到！👍🏼 这一段看起来安安静静的话 简直是一下子戳中了 教育的本质 教育从来都不是信息的填充 而是灵魂的唤醒！👍🏼💐 她讲到自己高中那位英语老师 图书馆的知识是免费的 但是你得自带容器 而一个真正的好老师 就会帮你塑造这个容器 我突然想到了我的孩子们 AI可以把全世界的知识 都摆在他们的面前 但是它做不到的是 在他们快要放弃的时候 坚定的看着他们的眼睛说 这很难 ☹️ 但我相信你 对于孩子们来说 爸爸妈妈 才是他们最早遇到的老师 那位Angela老师 在这个算力爆炸的时代 我们到底要教给孩子什么？ 用AI的方法 当然 但比这个更重要的是 带他们去户外徒步 去仰望星空 去面对挫折 去感受心跳 我们要做的是站在孩子的身边 成为赋予他们品格的那个人 如果你有时间 强烈建议你和孩子一起看一下这个演讲 ———————————— 演讲就在下面，快看看啊 有这么想讨论的一起聊聊吧😊

华尔街财经 | WS × AI Era

43,968 次观看 • 6 个月前

我们必须彻底终结“政治庇护”这套玩法。 为什么？ 因为你家的大门，不是为全世界的失败者敞开的。 有人说，我们得接纳他们啊！ 我说不。 他们说，那这些人怎么办？他们会死的！ 首先，这怎么就成了我的问题？ 其次，地球上其他国家都消失了吗？ 非洲的庇护申请者，为什么不去非洲国家？ 阿拉伯人，为什么不去阿拉伯国家？ 如果连文化最相近、血缘最亲密的国家都拒绝他们…… 那我们为什么要当这个冤大头？ 打个比方。 想象一下，一个从几十公里外的小镇来的19岁小伙。 你从没见过他，不知道他是谁。 他没敲门，直接闯进你家，对着你大喊： “嘿！我饿了！给我吃的！” 他不是请求，是命令。 没有谦卑，只有索取。 你会怎么做？ 你大概会拿出枪，指着他，让他滚出你的房子。 就算你愿意跟他多说一句，你第一个问题肯定是： “你为什么来我家？” “你为什么不去找你的邻居？” 他可能有两个回答。 第一种：“我问了，我所有的邻居都拒绝帮我。” 那你就要怀疑了。 所有认识你的人都不帮你，问题在谁？ 是他们几百号人都是混蛋，还是你才是那个唯一的混蛋？ 第二种：“我压根没问过我邻居，我直接就来找你了。” 这就更可疑了。 你为什么偏要跳过所有熟人，跑到一个完全不了解你的陌生人家里，提出要求？ 所以，你只会关上门，告诉他： “两秒钟内，从我的地盘上滚出去，否则我就开枪了。” 一个四肢健全的成年男人，连饭都找不到，那是他自己的无能和懒惰。 那不是你的问题。 现在，把这个场景放大到一个国家。 完全一样。 一群又一群的陌生人，从天知道什么地方冒出来，要求我们帮助。 他们绕开了所有和他们文化、语言更接近的国家。 径直来到我们的边境。 这不值得怀疑吗？ 但我们甚至不需要解释。 这是我们的国家，不是你的。离开。
5:42

我们必须彻底终结“政治庇护”这套玩法。 为什么？ 因为你家的大门，不是为全世界的失败者敞开的。 有人说，我们得接纳他们啊！ 我说不。 他们说，那这些人怎么办？他们会死的！ 首先，这怎么就成了我的问题？ 其次，地球上其他国家都消失了吗？ 非洲的庇护申请者，为什么不去非洲国家？ 阿拉伯人，为什么不去阿拉伯国家？ 如果连文化最相近、血缘最亲密的国家都拒绝他们…… 那我们为什么要当这个冤大头？ 打个比方。 想象一下，一个从几十公里外的小镇来的19岁小伙。 你从没见过他，不知道他是谁。 他没敲门，直接闯进你家，对着你大喊： “嘿！我饿了！给我吃的！” 他不是请求，是命令。 没有谦卑，只有索取。 你会怎么做？ 你大概会拿出枪，指着他，让他滚出你的房子。 就算你愿意跟他多说一句，你第一个问题肯定是： “你为什么来我家？” “你为什么不去找你的邻居？” 他可能有两个回答。 第一种：“我问了，我所有的邻居都拒绝帮我。” 那你就要怀疑了。 所有认识你的人都不帮你，问题在谁？ 是他们几百号人都是混蛋，还是你才是那个唯一的混蛋？ 第二种：“我压根没问过我邻居，我直接就来找你了。” 这就更可疑了。 你为什么偏要跳过所有熟人，跑到一个完全不了解你的陌生人家里，提出要求？ 所以，你只会关上门，告诉他： “两秒钟内，从我的地盘上滚出去，否则我就开枪了。” 一个四肢健全的成年男人，连饭都找不到，那是他自己的无能和懒惰。 那不是你的问题。 现在，把这个场景放大到一个国家。 完全一样。 一群又一群的陌生人，从天知道什么地方冒出来，要求我们帮助。 他们绕开了所有和他们文化、语言更接近的国家。 径直来到我们的边境。 这不值得怀疑吗？ 但我们甚至不需要解释。 这是我们的国家，不是你的。离开。

墓碑科技

15,294 次观看 • 9 个月前

“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。
0:30

“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 次观看 • 2 年前

“上海市当时的一个政法委书记，一个人啊，他一个人人的器官是有反应的，换了一个肾，换了一个肝，老婆换了一个肾，换了一个肝，全部都是活摘器官！” “江家的多次的这个换肾脏手术，新疆的小伙子，就活活的就这么，为了有所谓的减少反应啊，最高境界，是在无麻醉下把器官给移植。” “我被多次警告，直接来自江家，江家身边也有我的朋友啊，直接警告千万别说这个，文贵千万别说这个，你话不落音啊，你就会消失在地球上。” 正文： 这个当时啊，这个我爆这个器官移植这事情的时候，我压力是特别大的。因为我的家人啊，同事还都在里面啊。我被多次警告，直接来自江家，江家身边也有我的朋友啊，直接警告千万别说这个，文贵千万别说这个，你话不落音啊，你就会消失在地球上。这是我的这不是威胁，我这说这人现在还是德高望重啊，这是我们这是好朋友啊，也认识了海东兄弟，这对我当时压力很大的。 我当时Eglise你不知道，当时爆这个对我没有任何好处，我爆这个，但我为啥要爆啊？因为我好几个同学就跟你干同行呢，就是干同行的是原来黎磊石的那个，那个那个这个黎磊石的那个手下，他当时他说我们的李专家啊，他说我们的春哥春教授，他告诉过我们，他说你们年轻人不要干这个，离的这个远远的，这个手术台上的这些事情不能再继续。他说当时很惊讶，为啥不让我们干这个，我们从小就学着一干这，从山东济南跑到北京，不就干这个了吗？ 后来到了南京啊，亲自参与了江家的多次的这个换肾脏手术，他让他最震惊的就是新疆的小伙子，就活活的就这么，为了有所谓的减少反应啊，最高境界，是在无麻醉下把器官给移植。他给我讲过这个，当时讲的他就哭的就不行了啊，我也是真的是一阵时间过不来，就劲就过不来了。就是当时就看你讲的时候，就是一般人听都会浑身难，就是浑身鸡皮疙瘩那种，就能跟你感同身受啊。这就叫灵魂嘛，我们是人，我们不是石头，也不是畜生，我们当然有感同身受了。 他还曾经拜托过我说，文贵，你是我们一切一切的英雄，有一天你能把这话说出去啊，我为你干什么都行。我就凭你这个时候还让我说出去，我有一天我就要实现你这个愿望，这是其中一个原因。所以我讲对我是没有好处的，而且是对我家人同事各方面，因为我没有任何收入，没任何好处。更重要的，后来说法轮功，我一直认为法轮功的器官移植有点夸张，啊我不相信。 有一次在香港，我一起带他去黄大仙，我进去我是VIP清空，我每次拜拜完以后，他拉住我手说文贵，你今天在这块黄大仙面前说话，算不算数？我说算数，啥时候都算数。他说那我告诉你，法轮功的很多事情是真的，不都是真的，但很多是真的，我亲身经历过。我说这你是啥意思啊？他说你过来，给我10分钟，咵从手里拿出来一个手机啊，给我划手机看，这是我拍来的，我就是让你看看，这是2014年的10月份，11月份，我真的是相信了他。我说你记住，我一定会把这给你，给你弄出去。 后来我跟很多外国政府机构，我就拿这东西让人家看，有一天你看我把法轮功他从来没有说我把法轮功这东西要拿出来的时候，现在这东西不在我手里，哪天我一定要推出去，你会看到，绝对比Eglise看到的害怕恐惧，最可怕是带声音带图像，那种惨叫是你受不了的啊。就共产党的邪恶，我觉得他必须是天诛地灭。 你想想上海市当时的一个政法委书记，一个人啊，他一个人人的器官是有反应的，换了一个肾，换了一个肝，老婆换了一个肾，换了一个肝，全部都是活摘器官，是共产党有多邪恶？在新疆这种，你想想在新疆他能轮奸少女，轮奸小孩，他摘你器官，不就一定会发生吗？可能就在我们说话的同时就在发生啊。当年西藏人很惨啊，当时把西藏人弄的那多了去了，说西藏人成功率是大概1/20，他由于这种各种的原因1/20，他杀个20个能成一个，这是西方世界永远不懂。 这是我恨这些传统媒体，这些王八蛋永远不会爆这些东西的，所谓的他，他把他当法官当证据啊，从来不会爆这，呃，他们很多人都把这资料给过西方的这些媒体，很多人给过以后人都被抓。你们一定要相信这些媒体不是正义的，它是邪恶的，否则这些事情不应该延续几十年，在中国，包括你们没有谈到深度的贩卖人口，贩卖人口最厉害的过去是泰国，这几年全是中国，而贩卖人口最严重的就是新疆西藏，这里边的那就无法想象了。 📌中共屠杀迫害中国人
4:26

“上海市当时的一个政法委书记，一个人啊，他一个人人的器官是有反应的，换了一个肾，换了一个肝，老婆换了一个肾，换了一个肝，全部都是活摘器官！” “江家的多次的这个换肾脏手术，新疆的小伙子，就活活的就这么，为了有所谓的减少反应啊，最高境界，是在无麻醉下把器官给移植。” “我被多次警告，直接来自江家，江家身边也有我的朋友啊，直接警告千万别说这个，文贵千万别说这个，你话不落音啊，你就会消失在地球上。” 正文： 这个当时啊，这个我爆这个器官移植这事情的时候，我压力是特别大的。因为我的家人啊，同事还都在里面啊。我被多次警告，直接来自江家，江家身边也有我的朋友啊，直接警告千万别说这个，文贵千万别说这个，你话不落音啊，你就会消失在地球上。这是我的这不是威胁，我这说这人现在还是德高望重啊，这是我们这是好朋友啊，也认识了海东兄弟，这对我当时压力很大的。 我当时Eglise你不知道，当时爆这个对我没有任何好处，我爆这个，但我为啥要爆啊？因为我好几个同学就跟你干同行呢，就是干同行的是原来黎磊石的那个，那个那个这个黎磊石的那个手下，他当时他说我们的李专家啊，他说我们的春哥春教授，他告诉过我们，他说你们年轻人不要干这个，离的这个远远的，这个手术台上的这些事情不能再继续。他说当时很惊讶，为啥不让我们干这个，我们从小就学着一干这，从山东济南跑到北京，不就干这个了吗？ 后来到了南京啊，亲自参与了江家的多次的这个换肾脏手术，他让他最震惊的就是新疆的小伙子，就活活的就这么，为了有所谓的减少反应啊，最高境界，是在无麻醉下把器官给移植。他给我讲过这个，当时讲的他就哭的就不行了啊，我也是真的是一阵时间过不来，就劲就过不来了。就是当时就看你讲的时候，就是一般人听都会浑身难，就是浑身鸡皮疙瘩那种，就能跟你感同身受啊。这就叫灵魂嘛，我们是人，我们不是石头，也不是畜生，我们当然有感同身受了。 他还曾经拜托过我说，文贵，你是我们一切一切的英雄，有一天你能把这话说出去啊，我为你干什么都行。我就凭你这个时候还让我说出去，我有一天我就要实现你这个愿望，这是其中一个原因。所以我讲对我是没有好处的，而且是对我家人同事各方面，因为我没有任何收入，没任何好处。更重要的，后来说法轮功，我一直认为法轮功的器官移植有点夸张，啊我不相信。 有一次在香港，我一起带他去黄大仙，我进去我是VIP清空，我每次拜拜完以后，他拉住我手说文贵，你今天在这块黄大仙面前说话，算不算数？我说算数，啥时候都算数。他说那我告诉你，法轮功的很多事情是真的，不都是真的，但很多是真的，我亲身经历过。我说这你是啥意思啊？他说你过来，给我10分钟，咵从手里拿出来一个手机啊，给我划手机看，这是我拍来的，我就是让你看看，这是2014年的10月份，11月份，我真的是相信了他。我说你记住，我一定会把这给你，给你弄出去。 后来我跟很多外国政府机构，我就拿这东西让人家看，有一天你看我把法轮功他从来没有说我把法轮功这东西要拿出来的时候，现在这东西不在我手里，哪天我一定要推出去，你会看到，绝对比Eglise看到的害怕恐惧，最可怕是带声音带图像，那种惨叫是你受不了的啊。就共产党的邪恶，我觉得他必须是天诛地灭。 你想想上海市当时的一个政法委书记，一个人啊，他一个人人的器官是有反应的，换了一个肾，换了一个肝，老婆换了一个肾，换了一个肝，全部都是活摘器官，是共产党有多邪恶？在新疆这种，你想想在新疆他能轮奸少女，轮奸小孩，他摘你器官，不就一定会发生吗？可能就在我们说话的同时就在发生啊。当年西藏人很惨啊，当时把西藏人弄的那多了去了，说西藏人成功率是大概1/20，他由于这种各种的原因1/20，他杀个20个能成一个，这是西方世界永远不懂。 这是我恨这些传统媒体，这些王八蛋永远不会爆这些东西的，所谓的他，他把他当法官当证据啊，从来不会爆这，呃，他们很多人都把这资料给过西方的这些媒体，很多人给过以后人都被抓。你们一定要相信这些媒体不是正义的，它是邪恶的，否则这些事情不应该延续几十年，在中国，包括你们没有谈到深度的贩卖人口，贩卖人口最厉害的过去是泰国，这几年全是中国，而贩卖人口最严重的就是新疆西藏，这里边的那就无法想象了。 📌中共屠杀迫害中国人

盘古千寻

163,026 次观看 • 8 个月前

这可能是今年AI圈最清醒的一条推文， Yann LeCun 是当今 AI 领域最有影响力的科学家之一，深度学习三大教父之一，2018 年图灵奖获得者， 他直接怼了Anthropic CEO Dario的著名言论， Dario说未来一到五年，一半的科技法律咨询金融岗位会被彻底干掉。 LeCun说你错了，而且不仅Dario错了，所有的AI实验室CEO 和一众大佬包括Sam Altman，Yoshua Bengio，Geoff Hinton，也包括他自己。 他说在技术革命如何影响就业这个问题上，全都是外行，别听我们瞎BB。 去听真正研究了几十年这个问题的劳动经济学家。 最狠的其实是这一点，他没跟Dario争论AI到底有多强，直接掀了桌子说，我们这群人，根本就没有资格讨论这个话题。 AI研究者只懂技术能干什么，他们不懂企业的组织流程，不懂法律合规的障碍，不懂市场的供需关系，更不懂人类社会复杂的运行逻辑。 那些被LeCun点名的经济学家，研究了过去两百年所有的技术革命，他们得出的结论是整份工作不会消失，工作里的任务会被重构。 ATM发明的时候，所有人都以为银行柜员要失业，结果柜员的数量反而增加了，因为他们从数钱的人，变成了卖理财做服务的人。 AI现在也一样，它会干掉大量重复的可预测的任务，但同时也会创造出大量新的任务。 短期的取代效应确实存在，尤其是入门级的白领岗位，但长期的生产力效应和新岗位创造效应，往往要强得多。 还有一个所有人都忽略的事实，AI能干一件事，和公司真的会用AI把人换掉。 这中间至少差两到五年，数据管道，组织架构，员工培训，法律风险。 每一个都是巨大的障碍。 我觉得 LeCun其实是在反对AI圈泛滥的末日营销，很多AI大佬喜欢用失业恐慌来博眼球，要么为了融资，要么为了呼吁监管，要么为了显得自己的产品很厉害。 但这种恐慌会误导公众，会误导政策，所以咱们也别再被那些五年后一半人失业的言论吓住了，真实的世界从来都不是非黑即白的，它是缓慢的，混乱的，充满了各种意外和机会的。 也别总担心被AI取代，有那个时间多想想怎么用AI让自己变得更值钱😁 Dario被 fox 采访的内容我做了中英双语字幕供大家参考。
4:26

这可能是今年AI圈最清醒的一条推文， Yann LeCun 是当今 AI 领域最有影响力的科学家之一，深度学习三大教父之一，2018 年图灵奖获得者， 他直接怼了Anthropic CEO Dario的著名言论， Dario说未来一到五年，一半的科技法律咨询金融岗位会被彻底干掉。 LeCun说你错了，而且不仅Dario错了，所有的AI实验室CEO 和一众大佬包括Sam Altman，Yoshua Bengio，Geoff Hinton，也包括他自己。 他说在技术革命如何影响就业这个问题上，全都是外行，别听我们瞎BB。 去听真正研究了几十年这个问题的劳动经济学家。 最狠的其实是这一点，他没跟Dario争论AI到底有多强，直接掀了桌子说，我们这群人，根本就没有资格讨论这个话题。 AI研究者只懂技术能干什么，他们不懂企业的组织流程，不懂法律合规的障碍，不懂市场的供需关系，更不懂人类社会复杂的运行逻辑。 那些被LeCun点名的经济学家，研究了过去两百年所有的技术革命，他们得出的结论是整份工作不会消失，工作里的任务会被重构。 ATM发明的时候，所有人都以为银行柜员要失业，结果柜员的数量反而增加了，因为他们从数钱的人，变成了卖理财做服务的人。 AI现在也一样，它会干掉大量重复的可预测的任务，但同时也会创造出大量新的任务。 短期的取代效应确实存在，尤其是入门级的白领岗位，但长期的生产力效应和新岗位创造效应，往往要强得多。 还有一个所有人都忽略的事实，AI能干一件事，和公司真的会用AI把人换掉。 这中间至少差两到五年，数据管道，组织架构，员工培训，法律风险。 每一个都是巨大的障碍。 我觉得 LeCun其实是在反对AI圈泛滥的末日营销，很多AI大佬喜欢用失业恐慌来博眼球，要么为了融资，要么为了呼吁监管，要么为了显得自己的产品很厉害。 但这种恐慌会误导公众，会误导政策，所以咱们也别再被那些五年后一半人失业的言论吓住了，真实的世界从来都不是非黑即白的，它是缓慢的，混乱的，充满了各种意外和机会的。 也别总担心被AI取代，有那个时间多想想怎么用AI让自己变得更值钱😁 Dario被 fox 采访的内容我做了中英双语字幕供大家参考。

AYi

604,567 次观看 • 5 个月前

17岁的Kai Trump（特朗普孙女），一句话戳破了整个美国教育系统最虚伪的谎言。 她在播客里说，现在高中所有人都在用ChatGPT写论文，老师都气炸了。 但她问，为什么不呢？学生就该用世界给你的资源。 学校不该禁止它，该教大家怎么把它变成自己的优势。 最讽刺的是，她自己GPA4.0，是实打实的优等生。 所以这根本不是什么作弊的问题，纯粹是代际认知的鸿沟。 老一辈把手写论文、死记硬背当成“真学习”。 但对凯这一代AI原住民来说，ChatGPT就像他们小时候的计算器、图书馆、Google一样，是默认的基础设施。 当年禁止学生用计算器学乘法的老师，现在看来可笑至极。 今天禁止学生用ChatGPT写论文的老师，十年后也会是同一个笑话。 其实真正危险的从来都不是AI， 是教育系统一边假装AI不存在， 一边逼着学生偷偷摸摸用它。 结果就是，会用的学生偷偷把效率拉满，不会用的还在熬夜抄书。 没有人教他们怎么提出高质量的问题，怎么验证AI的幻觉，怎么把AI的输出变成自己的深度洞见。 而这些，才是未来10年最值钱的能力。 我相信AI不会让学生变笨， 它只会放大差距。 会用AI的人，一个人能顶以前一个团队。 不会用AI的人，会被时代甩得连尾灯都看不见。 我们的教育还在教学生怎么在没有AI的世界里生存， 但他们未来要面对的，是一个AI无处不在的世界。 所以这种拒绝变革的教育，最终只会培养出一批“在AI时代不会用AI”的人。 这才是对下一代未来最大的作弊。
0:38

17岁的Kai Trump（特朗普孙女），一句话戳破了整个美国教育系统最虚伪的谎言。 她在播客里说，现在高中所有人都在用ChatGPT写论文，老师都气炸了。 但她问，为什么不呢？学生就该用世界给你的资源。 学校不该禁止它，该教大家怎么把它变成自己的优势。 最讽刺的是，她自己GPA4.0，是实打实的优等生。 所以这根本不是什么作弊的问题，纯粹是代际认知的鸿沟。 老一辈把手写论文、死记硬背当成“真学习”。 但对凯这一代AI原住民来说，ChatGPT就像他们小时候的计算器、图书馆、Google一样，是默认的基础设施。 当年禁止学生用计算器学乘法的老师，现在看来可笑至极。 今天禁止学生用ChatGPT写论文的老师，十年后也会是同一个笑话。 其实真正危险的从来都不是AI， 是教育系统一边假装AI不存在， 一边逼着学生偷偷摸摸用它。 结果就是，会用的学生偷偷把效率拉满，不会用的还在熬夜抄书。 没有人教他们怎么提出高质量的问题，怎么验证AI的幻觉，怎么把AI的输出变成自己的深度洞见。 而这些，才是未来10年最值钱的能力。 我相信AI不会让学生变笨， 它只会放大差距。 会用AI的人，一个人能顶以前一个团队。 不会用AI的人，会被时代甩得连尾灯都看不见。 我们的教育还在教学生怎么在没有AI的世界里生存， 但他们未来要面对的，是一个AI无处不在的世界。 所以这种拒绝变革的教育，最终只会培养出一批“在AI时代不会用AI”的人。 这才是对下一代未来最大的作弊。

AYi

710,619 次观看 • 4 个月前