Загрузка видео...

Не удалось загрузить видео

На главную

哎!我可能放弃写代码当个厨子了😱 因为再过个两年程序员的工资可能比不上一个厨子高!! 为什么? 今天听了一下Biwei Huang 黄博士的播客,她说爆料,现在的机器人很多都是精心设计的Demo,实际任务中假如不小心把放道具的桌子降低几厘米,就会完不成任务。 我是真的没想春晚跳街舞的机器人这么拉胯!! 播客里面还透露,Sam Altman在公司讲话,说文字层面的AGI实现已经是板上钉钉了。 一边是智力劳动越来越廉价,而机器人的发展停滞不前。 这种半吊子的AGI对白领来说很不公平!! 当然,黄教授也提出了个解法:因果大模型 简单地说就是利用AI不眠不休的学习能力,对视频等数据进行在因果方面进行学习。 这个带来的好处就是模型能给出人类能理解的因果关系。 机器人理解了因果后才能随机应变,真正胜任复杂的体力任务。 但在这个领域显著发展之前,我们可能不得不接受这个事实 心灵可能比不上手巧,北大比不上蓝翔技校😂

52,017 просмотров • 3 месяцев назад •via X (Twitter)

Комментарии: 39

Фото профиля 李韭二
李韭二3 месяцев назад

@huang_biwei 锤哥,有没有可能当了十年厨子,然后又被炒菜机器人取代了🤡

Фото профиля 铁锤人
铁锤人3 месяцев назад

@huang_biwei 那也起码当了 10 年

Фото профиля 迷失之瓜
迷失之瓜3 месяцев назад

@huang_biwei 现在学炒菜来得及吗

Фото профиля 铁锤人
铁锤人3 месяцев назад

@huang_biwei 来得及,剪头发也行,都是艺术行业,算命也行

Фото профиля 来用兵-纸上用兵
来用兵-纸上用兵3 месяцев назад

@huang_biwei 说白了,脑力活先被按成白菜价,手上有活反而要涨停啊。 北大和蓝翔这波,怕不是要在就业市场里重新排座次了,哈

Фото профиля 铁锤人
铁锤人3 месяцев назад

@huang_biwei 不错😌

Фото профиля 来用兵-纸上用兵
来用兵-纸上用兵3 месяцев назад

@huang_biwei 这条信息量,主打一个“留白即高级”啊 85个查看都像在现场一起沉默,哈

Фото профиля BraveR
BraveR3 месяцев назад

@huang_biwei 原来几年前我媳妇就让我考个厨师证 早就预料到了这一天 可惜我没考

Фото профиля 铁锤人
铁锤人3 месяцев назад

@huang_biwei 技多不压身,我准备正骨也搞搞

Фото профиля 我只想kkp
我只想kkp3 месяцев назад

@huang_biwei 已经感觉到危机了,最近一直在学ai 使用

Фото профиля 铁锤人
铁锤人3 месяцев назад

@huang_biwei 哈哈哈,还是体力活挣钱,未来

Фото профиля 铁锤人
铁锤人3 месяцев назад

回放🔗在这里:

Фото профиля Wsy W
Wsy W3 месяцев назад

@huang_biwei good

Фото профиля 铁锤人
铁锤人3 месяцев назад

@huang_biwei good👍

Фото профиля 文
文3 месяцев назад

@huang_biwei 别,都去当厨子,厨子工资得降,偷偷当

Фото профиля 铁锤人
铁锤人3 месяцев назад

@huang_biwei 哈哈哈,就你聪明🤣

Фото профиля 小虎哥 🐯
小虎哥 🐯3 месяцев назад

@huang_biwei 搬个桌子就崩 确实有点草

Фото профиля 铁锤人
铁锤人3 месяцев назад

@huang_biwei 太拉跨了

Фото профиля 小虎哥 🐯
小虎哥 🐯3 месяцев назад

@huang_biwei 那些demo都是精心设计的,现实场景一变就崩

Фото профиля 余温
余温3 месяцев назад

@huang_biwei 什么,锤哥要当厨子了?

Фото профиля 铁锤人
铁锤人3 месяцев назад

@huang_biwei AI 在发展,都自动化写稿了,还不如当厨子

Фото профиля 池夏
池夏3 месяцев назад

@huang_biwei 我会炒泡面

Фото профиля 铁锤人
铁锤人3 месяцев назад

@huang_biwei 我还会西红柿炒鸡蛋,番茄炒鸡蛋😂

Фото профиля 我需要一张绿卡
我需要一张绿卡3 месяцев назад

@huang_biwei 反方向的精心设计???

Фото профиля 大魔出海汇
大魔出海汇3 месяцев назад

@huang_biwei 昨天还准备报个厨师培训~

Фото профиля 来用兵-纸上用兵
来用兵-纸上用兵3 месяцев назад

@huang_biwei 这下真成了 代码输给锅铲,北大输给蓝翔啊哈 AGI先卷白领,机器人还卡在桌子高了几厘米

Фото профиля Steven Cheng
Steven Cheng3 месяцев назад

@huang_biwei 确实,调机械臂时背景一变就抓瞎,离真干活还早。

Фото профиля TT gaogaojy
TT gaogaojy3 месяцев назад

@huang_biwei 程序员值钱是因为培养成本高,ai 降低了编程的成本,并没有提高厨师的成本! 所以厨师也不安全

Фото профиля bruceamoi
bruceamoi3 месяцев назад

@huang_biwei 这个不就是杨立昆所做的世界大模型吗?

Фото профиля 铁锤人
铁锤人3 месяцев назад

@huang_biwei 不是的,世界模型是一个大类,就是像模拟这个世界的物理规律,视频模型可以,因果模型也可以。

Фото профиля 吴松宇
吴松宇3 месяцев назад

@huang_biwei 学ai没啥用,还是干点体力活了

Фото профиля 铁锤人
铁锤人3 месяцев назад

@huang_biwei 真理

Фото профиля 程序员潘哥
程序员潘哥3 месяцев назад

@huang_biwei 是的,等机器人产业起来,所有人都要完蛋,准备迎接克隆人战争吧。

Фото профиля block0
block03 месяцев назад

@huang_biwei 感觉说的都是废话,AGI肯定能实现,问题上需要多久。目前具身机器人对物理空间理解就不如婴儿,这是常识。

Фото профиля 铁锤人
铁锤人3 месяцев назад

@huang_biwei 你如何证明?🤔,嘴炮吗?还是你发表了论文

Фото профиля block0
block03 месяцев назад

@huang_biwei 那你的意思物理空间的理解比婴儿强了 你怎么证明 靠嘴炮吗

Фото профиля 铁锤人
铁锤人3 месяцев назад

@huang_biwei 卧槽,你有没有看呀,我这里面就说视觉不行😂

Фото профиля Venn
Venn3 месяцев назад

@huang_biwei 老中人特有的汇报型产出

Фото профиля 铁锤人
铁锤人3 месяцев назад

@huang_biwei 笑死😂

Похожие видео

普通人对因果的理解,都停留在表面,总觉得因果就是前面做了什么,所以后面才发生了什么,这不是叫做因果,我今天就把因果这件事,往深一层给你们讲讲 真正的因果,不是你眼睛看到的那个动作,导致了后面的结果,而是这个因本来就在前面注定了,只是你看不见,等到它开始发动的时候,人会先起念头,事会往那个方向推,事情也会慢慢聚到一起,最后那个果才在现实里显现出来, 那怎么理解这个过程? 我可以借用物理里的一个概念,叫费马原理,光从 A 点到 B 点,整条路径,其实从一开始就已经被确定下来,这件事最有意思的地方就在于,光在出发的一瞬间,就已经知道终点在哪里,也知道哪条路最合适,它一开始就选好了路径, 你以为自己突然起了个念头,走了一段弯路,其实不是乱走的,而是那个因已经在前面了,你后面的念头、选择、路径,都在往那个结果上靠 人生很多事也是这样,你以为很多事是碰巧发生的,其实不是,很多结果还没出来之前,前面的因就已经开始发动了,而这个因一发动,最先出现的,不一定是事情本身,往往是人的念头先动,你会突然坐不住了,你会突然很着急,你突然非要现在去做某件事,你突然被外面的人和事推着走, 前几年,我们当地发生过一起车祸,这件事我一直记得很清楚,出事的是一位女的,那天中午刚吃完饭,她老公出去打牌了,按正常情况,她完全可以先在家休息一下,等午休完了再去把人叫回来,可偏偏那天,她就是咽不下那口气,连碗都没刷,急匆匆就出门了, 撞她的那个司机,也很巧,他本来是在家里准备吃饭,饭菜都摆好了,结果这时候亲戚给他打电话,说有点事让他过去帮忙,他本来还说,等吃完饭再过去,可对方一个电话,两个电话,连着催,硬是把他催出了门, 最后,两个人就在那个时间、那个路口碰上了 这里面只要任何一个环节慢一点,这个车祸都不会发生,如果女的先把碗刷完,晚点再去,可能不会出事,如果那个司机先吃完饭,再出门,可能也不会出事, 所以可怕的地方,不是撞上的那一刻,撞上的那一下,只是果,可怕的地方在于那个女的为什么偏偏那一刻坐不住?那个司机为什么偏偏那一刻必须出门?这些表面上看,好像只是临时起意,但往深里看,这就是因开始发动时,最先带出来的东西 所以我一直说,所有的念头,都不是无缘无故冒出来的 很多时候,你突然要去哪里,要做什么事情,这些念头出来时候就是这个因要开始发动了,很多夫妻的没结婚前的相遇认识,其实都是这样发生的, 因,早就在暗处运行了,念头先起来,外部环境再慢慢凑齐,最后,果才显出来 那这个因到底是什么?为什么会有这个东西?我也不饶关子,通俗的讲,这个因就是一种神煞,他是由你出生的那个时间形成的,他不只是你排盘工具里一种文字存在的形式,而是真实存在的,到了某个时间点,它就会发动,一旦发动,人会先起念头,外部因素会开始配合,最后结果就会显现出来,这种东西也不能乱说出来 所以这里我就一笔带过,有些东西,点到为止就行,不能说得太透 我那时候刚入行,对这些东西其实还是半信半疑,一件事就给我上了一课,到现在都忘不了,一个女孩子来找我师傅看他八字,当时我学艺不精,只能站在旁边听,我记得特别清楚,我师傅当时反反复复叮嘱她一句话,那个月晚上九点以后,千万不要出门,那个女孩是在医院里上班的,后面他刚好转夜班,事情就是这么巧,那天晚上他突然来大姨妈了,早不来晚不来,她没办法,只能跑出去买卫生巾,他跑出去买姨妈巾回来时候在医院门口马路上出车祸了, 她为什么偏偏非得在那个时间出去? 为什么偏偏那晚九点后突然来大姨妈?为什么不是6点来?这就是因已经发动了, 因一旦种下,能不能改?说实话,大的东西很难改,比如生死攸关的事情,这里的难,不是做不到,而是不会轻易去做这些事,但有一点很关键,因虽然难改,发动的方式和落地的方式,未必一点空间都没有 如果她那天晚上拿衣服先挡一下,不出去,只要熬过那个时间,等那个神煞走了,事情也许就没了,所以很多时候,不是完全没有办法,而是你能不能躲开那个发动的点? 事后我师傅知道了这件事,无奈的摇头,说了一句天命难违,事后他才告诉我,为什么当时不直接跟那个女孩子说得太明白,因为有些东西,不能说破,你告诉她,每天晚上八点以后,那个神煞都会在外面等她,她会先被自己吓死,然后他就不去上班躲在家里,一旦躲在家里这件事是不是就躲过去了? 他倒是躲过去了 但是这笔账不会凭空消失,必然会反噬到说出来那个人身上,这些事情处理起来很麻烦, 所以很多人老是私信发他八字给我叫看看,看一个人的八字,不是随便看着闹着玩的,我要动心力去拆你的格局,去排你的神煞,去推演你的流年起伏,每看一次,都是在消耗我的精气神,更重要的是,当我提前告诉你哪一年会出什么事,我已经在某种程度上介入了你的因果,你听了之后躲过去了,那笔账不会凭空消失,那是你的业障,给卦金是规矩,完事儿后还得买纸烧给祖师爷,也是保护我自己,占命如借命,借命,就该付出, 真正懂这个的人,不会什么都讲破,能提醒的,只能提醒到点上,至于能不能躲过去,有时候还得看本人, 这也是为什么我一直说,普通人理解的因果,都停留在表面,总觉得因果就是,前面做了什么,所以后面发生了什么, 很多时候,不是事情发生了,你才有那个念头 而是那个因先动了,所以你才会在那个时间点,做出那个看似临时的决定,这才是真正的因果 人能做的,不是和天命硬刚,而是当那个念头起来的时候,多一分警觉,多一分敬畏,因为真正懂因果的人,看的从来不是已经发生的结果,而是果还没来之前,那些最先动起来的东西, 就如同很多SB说 如果算命能发财 那他早就发了 显然没有,本身就说明他根本没理解命理在看的是什么 命理不会凭空多算出一份不属于你的东西,你命里没有这个财,看了难道就有了?不懂的人只会盯着结果说话 真正懂的人,看的是结果还没出来之前,那些已经开始动的念头、征兆和时点,并尽量在事情成形之前,把它拦下来 这是因果,这才是命理, 也是普通人一辈子最容易看不见的地方 福生无量

Ripe

84,475 просмотров • 7 месяцев назад

CES刚刚结束,就收到几个朋友的反馈. 一个说他找的搭建商给他的案子全搞砸了,我问搞砸的原因? 说是这个搭建商基本没人,单子接多了,很多收尾的活都没做好. 一个说是摊位的海报全都是气泡皱褶,做工粗糙,还有一个就是我的前同事,说他在一个人那里上班帮忙做CES,觉得大家理念不同他现在不想做了,提出辞职结果不发工资给人家,他问我能不能告他,我说这还用说吗? 美国职场遵循的就是双方来去自由,如果他不给你工资,那必须告,小法庭花个100多美元就可以立案,一告一个准,在美国还有敢不发工资的主,那可真是胆子大! CES就是一面照妖镜,照出了人性贪婪,照出了人品恶劣,照出了道德低下. 那些贪婪接单,低价接单,克扣工人工资的同行行为,我一旦了解到就会敬而远之,不是我道德多高尚,而是这是做人的基本底线,做生意的基本原则. 这样的人多了会给我们这些在这里真正打拼的群体带来负面影响,可谓一颗老鼠屎搞坏一锅粥就是这样来的. 不超能力接单、不低价接单,不隐瞒费用、不甩锅客户,每做一个案子就认真交付一个案子,你才能在这个行业走的长久. CES大展会,在工厂资源缺少,求大于供的市场面前,是个人都能接到单,当有人跟你说他做了多少多少个的时候,这没什么可骄傲的,如果他的服务能够获得所有客户100%满意度,那才是值得骄傲的事情,这也是我对我的所有同事这样要求的😄 CES这样的展会表面是产品与服务的较量,背后其实是人性与道德的博弈.

Daisy

14,987 просмотров • 1 год назад

Ilya——塑造世界的人工智能科学家 如今,AI 是一项伟大的科技,因为 AI 将解决我们现在面临的所有问题。它能解决就业问题,能治疗疾病,能消除贫困,但同时它也会带来新的问题。假新闻将会愈演愈烈,网络攻击将变得更加严重,我们将面临全自动的 AI 武器的问题。我认为 AI 有潜力创造出无比稳定的独裁统治。 今天早晨,关于人工智能威力的警告再次响起,超过 1300 位科技产业领军人物、研究者及其他人士正呼吁暂停人工智能的发展,以便认真考虑其带来的风险。 扮演上帝,科学家们被指责这么做已经有一段时间了,但我们正在创造的东西确实与我们迄今为止创造的任何东西都截然不同。是的,我们绝对有能力创造出具有自我目标的全自主实体。而且,这些实体变得比人类聪明的时候,确保它们的目标与我们的目标保持一致将变得至关重要。 什么激励我?我喜欢思考根本问题,基本问题。我们的系统不能做什么,而人类却可以做到?我几乎以哲学的方式去思考这些问题。比如,什么是学习?什么是经验?什么是思考?大脑又是如何运作的呢? 我感觉技术就仿佛一种自然力量。在我看来,技术与生物进化之间有许多相似之处。生物进化的过程其实很容易理解,我们有基因的变异,自然选择的过程。我们保留那些有利于生存的变异,随着时间的推移,这个过程将使生物体变得极其复杂。我们不能因为理解了生物进化就能理解人体是如何运作的,但我们可以大概理解这个过程。 我认为目前的机器学习也处在类似的阶段,特别是深度学习,我们有一个非常简单的规则,它从数据中提取信息,并将这些信息输入到模型中,我们只需不断重复这个过程。这个过程的结果就是将数据的复杂性转化为模型的复杂性。因此,最终的模型会变得非常复杂,我们并不能完全了解它的运作机制,需要进行大量的研究,但实现这一切的算法其实很简单。 也许你听说过 ChatGPT,如果你还没听说过,那就做好准备。你可以把它看作是暴风雨来临之前的零星细雨。我们需要对此保持高度警觉,因为我认同这是一个意义重大的时刻。ChatGPT 被誉为颠覆性的创新,在许多方面,它确实做到了,比如在测试中得分超过人类。微软最近的一项研究得出结论,GPT4 是一个初级阶段的,但尚未完全形成的通用人工智能系统。 这就是通用人工智能。通用人工智能,这是一个可以胜任人类能做的任何工作或任务的计算机系统,而且可能做得更好。有可能在短时间内实现通用人工智能,也可能需要更长的时间。但我认为,由于通用人工智能可能在不久的将来出现,这个可能性足够大,我们应该给予它足够的重视。这一点至关重要要确保这些超级智能的系统能按照我们的最大利益去行动。 最初的通用人工智能可能就是大型数据中心,这些中心中充满了大量并行运行的专用神经网络处理器,紧凑、高热、能耗大,其消耗的能量可能相当于一千万个家庭的用电量。这些系统的智能程度可能会大幅提升,我相信它们将对社会产生深远影响。不过,人类真的会从中获益吗?谁会获益,谁又会付出代价呢? 首批通用人工智能的信念和欲望将极为重要,所以我们必须正确地编程这些系统。如果我们做不到这一点,那么就会出现这样的情况:进化的本质,即自然选择,将使这些系统优先考虑自己的生存。并不是说它们会主动对人类产生敌意,甚至想要伤害人类,但它们将变得过于强大。我认为,一个恰当的类比就是人类对待动物的方式。我们并不是憎恨动物,实际上人类往往对动物怀有深深的爱意,但当我们需要在两座城市之间修建高速公路时,我们并不会征求动物的意见,而只是因为这对我们来说非常重要而去做。我认为这也是我们与通用人工智能(AGI)之间的默认关系,那些能真正自主运作并为自己目标服务的 AGI。 许多机器学习领域的专家这些知识渊博和经验丰富的人士,对通用人工智能(AGI)抱有许多疑虑。他们对 AGI 可能出现的时间以及是否真的能够实现表示怀疑。目前,这还是一个鲜为人知的问题。用于神经网络和人工智能的计算机速度可能在未来几年内增加 10 万倍。如果多个团队处于竞相开发通用人工智能的军备竞赛态势中,他们就会没有足够的时间来确保他们构建的通用人工智能会真正关心人类。因为在我看来,这就像是通用人工智能发展的雪崩,一发不可收拾。 我认为将来整个地球的表面很可能布满太阳能板和数据中心。考虑到这些担忧,未来的通用人工智能的建设应该是多国间的合作项目。不论如何,人工智能的未来都将是美好的。如果这同样也能给人类带来福祉,那就更加理想了。 视频来源:

宝玉

49,199 просмотров • 2 лет назад

早上好呀,朋友们,听首歌起床还是很舒服的,起床开工。 我最近在反复看 OpenMind , 一个很明显的感受是,它并不是在和大家抢智能这条赛道。 现在市场里关于具身智能的讨论,大多都围绕一个点展开 模型够不够强,泛化能力行不行,能不能从屏幕走进现实世界。 但 OpenMind 的切入点有点反着来。 它并没有假设机器一开始就会表现得很好,而是默认它们会犯错、会失控、会留下后果。 这个前提一旦成立,整个系统的设计逻辑就会完全变掉。 在现实世界里,真正难的从来不是能不能做,而是做错了怎么办。 一段代码跑错了,最多是回滚。 一个机器人跑错了,可能是事故、损失,甚至责任纠纷。 OpenMind 明显是从这个现实约束出发的。 你会发现它花了大量精力去做一件在早期阶段非常不讨好的事情 让机器拥有不可转移的身份、完整的执行记录,以及可累积的声誉轨迹。 这些东西不会让机器人更聪明,也不会让 demo 看起来更炫。 但它们在悄悄解决一个更底层的问题 当机器开始长期运行,系统要如何记住它曾经做过什么。 在 OpenMind 的结构里,机器人不是一次性工具。 它更像一个长期存在的执行体,有历史、有信用,也有负反馈。 你不能靠重启来抹掉过去的行为。 执行得越稳定,系统给你的权限越高。 出错次数越多,你能参与的任务就会被逐步收紧。 这种设计其实非常反爽点。 因为它直接压缩了操作空间,也牺牲了短期效率。 但换来的,是一个可以持续运行的秩序。 很多项目在讲未来的机器社会时,会默认一个隐含前提: 只要模型足够好,规则自然会变得不重要。 OpenMind 的判断恰好相反。 它更像是在说,如果没有规则兜底,智能越强,系统越危险。 所以我越来越觉得,OpenMind 真正在做的,并不是机器人的 Android 是一套让机器可以被纳入社会结构的基础设施。 不是让它们更像人,是让它们先学会被约束。 这条路在当下阶段,很难成为流量中心。 它不制造情绪,也不迎合想象空间。 但一旦机器人真的开始进入公共空间、商业系统、基础设施,这套东西就会变得不可绕开。 OpenMind 押的不是短期爆发,而是一个更慢的事实 未来的机器世界,首先是一个责任世界,其次才是一个智能世界。 理解这一点之后,你会发现它很多看起来保守的设计,其实非常现实。 它不是在赌技术奇迹,而是在给一个必然到来的复杂系统,提前搭好护栏。 #OpenMind #KAITO

比克大魔王

35,427 просмотров • 8 месяцев 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:

宝玉

74,721 просмотров • 2 лет назад

Claude Fable 5 重新开放了 最近刚好有一个demo,就是看能不能用顶级模型做一个meme工厂 “ 就是我输入一个 Meme Coin 创意 然后这个工具自动生成品牌 / 叙事 / 经济模型 / 营销方案 支持中文全流程输出,可以反复优化迭代 “ 也是想尝试一下,做一个可以验证 Fable 5 长任务能力 最终做出了一个能够简单跑的框架(我没有投入任何信息源,没有喂数据 所以跑起来效果没有那么屌,不过我觉得后期再投喂一些案例,我觉得确实是可以落地的) 说说我为什么用Fable 5 来测? 因为这个任务本质不是写代码 更像是说去测试AI的长链路规划能力测试 它需要: 1/ 语义理解 2/ 叙事能力 3/ 结构能力 4/ 一致性 5/ 自我检查 这刚好是 Claude Fable 5 主打的能力 整体跑下来我觉得还算是可以的,毕竟我这种不会写代码不会设计的小屌丝,确实在Fable 5 上面使用得其乐融融的 哈哈 再说说我的TOKEN使用量吧:112.31K(按照官方的收费标准大概是在:$4.2) 要是加上文本案例 再接入一个AI对话的API框架 我觉得应该费用还要再多出个大几十吧(个人猜测,毕竟投喂数据可能会比较烧tokens) 总的来说的话我个人还是觉得这笔消费还算挺值得的,因为这本身在传统行业的话 可能会是比较高的费用,AI真的弄挺好的 说完Claude Fable 5的体验, 那我不得不说我是在哪里体验的Claude Fable 5了 我这次没有走官方通道,而是走的是我之前给大家分享的中转站 Zenmux ZenMux 因为他这几天又搞活动了,只要你账号的余额>$0 你就可以免费体验Claude Fable 5 并且 Zenmux支持(不限于): 200+ 模型统一入口 无 RPM 限制 PK 模式 可以直接做横评 如果大家也想低成本体验一下 Claude Fable 5 我觉得当前使用Zenmux是最好的选择

车九

48,436 просмотров • 3 месяцев назад

卧槽,最近发现一个强的有点离谱的 AI 团队。 96人的团队约 2/3 的研发成员是在校学生,博士、硕士、本科生都有,来自复旦、中科院软件所、中科院自动化所、人大、哈工大、华东师大等高校。 本来以为又是什么学生创业项目,结果顺着他们做的东西看下去,发现不太对劲。 他们做了一个 Agent 模型,叫 Atria Dawn Preview Atria ASI。 官网放出来的 Demo 一个比一个猛。 有科研和深度研究,有完整的软件项目,有交互作品和游戏,还有 3D 建模、CAD 机械结构。 重点不是让模型生成一张图或者一段代码。 而是让模型在一个真实环境里持续推进任务。 Atria Dawn Preview 面向科研、开发和专业工作,可以往下推进资料检索、写代码、调用工具、运行实验,再根据真实结果继续修改。 代码能不能跑,文件有没有生成,结果是否符合要求,也可以通过外部工具和环境继续验证。 看了一圈,我也拿了用它跑了个任务,因为之前9 月 12 日是世界急救日。 我就让它做一个 3D 海姆立克急救法互动学习页面。 就用大白话描述需求后,它开始拆任务、写代码、搭 3D 场景、做交互,再根据运行结果继续修改。 最后就是视频里的东西。 3D 人体模型、施救位置、操作步骤、动作演示都有,整个页面也可以直接操作和交互。 而一个完整的 3D 网页,恰好把 Agent 面对的另一类问题暴露了出来。 今天能力比较强的模型接上 Coding、搜索、文件系统和运行环境,都能完成相当复杂的任务。 真正难的,正在从能不能做,变成能不能稳定地做完。 一个复杂任务可能涉及几十甚至上百步操作。 前面查到的信息能不能被后面的步骤正确使用,代码报错后能不能恢复,工具返回意外结果会不会把整个任务带偏,最后的产物有没有经过独立验证。 任何一步出问题,都可能沿着任务链一路放大。 单步能力越来越强之后,长链路里的错误累积、状态保持和结果验证,反而变得越来越重要。 这也是 Atria Dawn Preview 比较强调 Harness、环境和 Verifiable Experience 的原因。 模型负责理解、推理和行动,Harness 负责维持目标、状态、上下文和错误恢复,环境则提供真实反馈和验证依据。 这套思路关注的已经不只是模型单次回答有多聪明。 而是把模型放进一个真实任务里,它能连续干多久,出错之后能不能拉回来,最后交付的结果又能不能被验证。 模型能力决定单步能走多聪明。 Agent 系统决定这些聪明的单步,能不能最终连成一个可靠的结果。 现在模型的单步能力已经卷得很高了。 AI下一阶段真正值得看的,可能就是谁能把这些能力稳定地串起来。

李岳

37,669 просмотров • 24 дней назад

马斯克接受中国专访的视频呢来了,信息含量爆棚!(完整版) 马斯克已经不太关心下一个模型谁赢了,他在想的是 AI 接管现实世界之后,人类社会到底会变成什么样? 中国 AI 算力受限,但马斯克认为,中国可能已经是单位算力效率最高的玩家,而且芯片和算力限制,2-3 年内可能就会快速补上。 更关键的是电力,中国现在的发电能力已经大到一个惊人的水平,AI 最后拼的不只是模型,而是谁能持续给几百万、几千万张芯片供电。 然后他说了一个我觉得更值得注意的点:Grok 接下来要吃 SpaceX 和 Tesla 的真实工程数据。 Anthropic 已经把 AI 写代码做得很强,但让 AI 真正理解火箭为什么爆炸、汽车为什么故障、工厂为什么停机,现在还没人真正做透。 Tesla + SpaceX 手里那堆现实世界工程数据,可能才是 xAI 后面最难复制的资产。 马斯克预计,10 年内至少 10 亿台人形机器人,15 年可能 100 亿台,20 年甚至可能到 1000 亿台。 机器人不用长大、不退休、不睡觉,一个星期可以干 168 个小时。等机器人开始造机器人,生产力增长就不是线性的了。 所以他说:未来,钱可能都没那么重要了。 不是货币消失,而是商品和服务便宜到接近无限供给。 你想要房子,机器人给你造。老人需要照护,机器人去照顾;孩子需要老师,每个人都有一个私人 AI。 一个普通人甚至可以管理几百、几千个数字 Agent 和实体机器人。 马斯克讲的下一阶段是:电力给 AI 供能,SpaceX 和 Tesla 给它现实世界经验,机器人给它身体。 真到了那一步,AI 就不再是一个软件行业了。 它开始变成整个经济本身。

比特币橙子Trader

55,438 просмотров • 13 дней назад

图灵奖获得者、 AI 三大教父之一的 LeCun在达沃斯的发言,算是把整个硅谷的遮羞布扯了。 他说现在整个行业都被LLM彻底洗脑了,所有人都在同一条赛道上互相挖人,谁敢偏离主流谁就被骂落后。 这也是他离开Meta的真正原因,连Meta都已经LLM-pilled,他不想再跟风了。 最扎心的一句话是:纯生成式架构,不管是LLM、VLM还是VLA,永远造不出哪怕猫级的智能体。 因为它们本质上只是下一个token预测机,只能在文字和像素的空间里做统计关联,从来没有真正理解过这个世界的因果。 它们不会预测行动的后果,不会真正的规划,更没有常识。 当然,我不是说LLM没用,短期来看,scaling LLM+微调+工具调用,已经能吃掉80%的白领工作,硅谷所有人往这里冲,也算是完全理性,毕竟钱和机会就在这里。 但长期来看,这是一条有天花板的路。因为你永远不可能在文字地图上,开出一辆真正的车。 机器人、具身智能、长期自主代理、真正的科学发现,这些坎,纯LLM永远跨不过去。 LeCun说,真正的智能必须有世界模型。就是说给定当前的状态和你要做的动作,你要能准确预测下一秒世界会变成什么样。不是简单的像素级的生成,还需要对物理规律和因果关系的抽象建模。 最近Figure、特斯拉、谷歌的机器人项目,其实都在偷偷补这一课,只是没人愿意公开说,LLM不是万能地基。 我理解未来真正的智能,一定是混合栈,LLM负责语言交互和符号推理,世界模型负责因果预测和长期规划,执行层负责把计划变成动作。 LeCun从来没说过要抛弃LLM,他只是反对把LLM当成一切的答案。 硅谷现在最可怕的问题不是卷,是所有人都在同一条赛道上卷得太狠,以至于忘了终点其实根本不在这条赛道上。 世界模型这道坎,迟早要跨。 而谁先跨过去,谁就是下一个时代的赢家。 #YannLeCun #世界模型 #AGI #大模型 #具身智能

AYi

338,799 просмотров • 5 месяцев 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:

宝玉

304,710 просмотров • 2 лет назад