正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

在达沃斯，精英们竟然开始讲真话了。 Palantir的CEO Alex Karp，给AI时代泼了一盆冷水。精英大学的哲学专业？他，这种学位过去就难卖，现在更难卖。那谁是赢家？电工、电池技师、一线操作员。这些能被快速培训，掌握一技之长，无法被轻易取代的蓝领岗位。几十年来建立在大学学位之上的白领体系，根基动摇了。 Karp说得很清楚，本国公民，尤其是有职业技能的人，根本不缺工作。这也让人不禁要问，既然如此，大规模移民的理由是什么？除非你有非常顶尖的专业技能。这番话，无异于直接挑战了过去几十年全球主义精英推行的开放边境和高等教育叙事。他们鼓吹的“多元化”和学历至上，在真正的技术变革面前，显得如此脆弱。一个例子很说明问题。美军MAVEN系统的一位全球高级目标定位专家，之前是名警察，只上过社区大学。现在，他“不可替代”。这说明了什么？我们过去筛选人才的体系，那套基于学历和背景的模式，可能从一开始就漏掉了大量真正有天赋的人。真正的能力，是做出来的，不是靠一张文凭证明的。 AI时代，是不是大学通向白领工作的传统管道，价值被严重高估了？以实际能力为导向的职业道路，会成为未来吗？

墓碑科技

42,158 subscribers

120,756 次观看 • 6 个月前 •via X (Twitter)

新闻政治科学技术

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

Palantir 首席执行官 Alex Karp 抛出了一个让美国教育界坐不住的观点。他说，美国的教育系统还在为工业革命培养工人。所有的考试都在筛选那些能安静坐着的人。而那些天生想动手、想创造的人，被挡在了门外。看看德国是怎么做的？德国有三种高中，其中两类是职业技术高中。在宝马生产线上组装汽车的，或者在空客制造大飞机的，很多都没上过大学。他们来自顶尖的技术高中。不仅掌握了极高难度的技能，毕业时还身无分文的学债。在美国，职业教育被贴上了“低端”的标签。这是一种偏见，更是一种巨大的浪费。 Karp ，这种体系必须被彻底拆解。我们要从青少年时期就开始培养实操能力，而不是把所有人都塞进学术考核的模具。别再去挤华尔街的办公室了。与其去高盛排队领一份被拒绝的简历，不如去创造一些真正重要的东西。美国不需要更多的PPT专家。美国需要能把复杂的机器造出来的人。这才是重建竞争力的底层逻辑。

Palantir 首席执行官 Alex Karp 抛出了一个让美国教育界坐不住的观点。他说，美国的教育系统还在为工业革命培养工人。所有的考试都在筛选那些能安静坐着的人。而那些天生想动手、想创造的人，被挡在了门外。看看德国是怎么做的？德国有三种高中，其中两类是职业技术高中。在宝马生产线上组装汽车的，或者在空客制造大飞机的，很多都没上过大学。他们来自顶尖的技术高中。不仅掌握了极高难度的技能，毕业时还身无分文的学债。在美国，职业教育被贴上了“低端”的标签。这是一种偏见，更是一种巨大的浪费。 Karp ，这种体系必须被彻底拆解。我们要从青少年时期就开始培养实操能力，而不是把所有人都塞进学术考核的模具。别再去挤华尔街的办公室了。与其去高盛排队领一份被拒绝的简历，不如去创造一些真正重要的东西。美国不需要更多的PPT专家。美国需要能把复杂的机器造出来的人。这才是重建竞争力的底层逻辑。

墓碑科技

38,935 次观看 • 5 个月前

今年达沃斯的精英们没听到Mike Rowe的声音。但他的理念，他们听到了。英伟达的黄仁勋，和黑石的拉里芬克，两个世界顶级商人，在聊AI对技术工人的影响。一个惊人的结论出现了。 AI不会消灭工作，反而会造成劳动力短缺。为什么？这是人类历史上最大规模的基础设施建设。建数据中心，建AI工厂，建芯片厂。谁来建？水管工、电工、建筑工、钢铁工人、网络技术员。这些全是手艺活。黄仁勋说，在美国，这些岗位的薪水几乎翻了一番，六位数的年薪很常见。技术工人的巨大缺口，终于被摆上了台面。这不正是Mike Rowe多年来一直在喊话的内容吗？他的基金会今年收到的技校奖学金申请，是去年的十倍。十倍。普通人已经嗅到了风向，开始用脚投票。问题来了。达沃斯的精英们口头承认了问题的重要性，但这足够吗？他们讨论解决方案的地方，是瑞士的豪华度假村。而真正的解决方案，应该在美国本土，在那些需要重建工业基础的社区里。光说不练，解决不了美国几十万技术工人的缺口。重新思考下一代的职业培训体系，这事不能再等了。

今年达沃斯的精英们没听到Mike Rowe的声音。但他的理念，他们听到了。英伟达的黄仁勋，和黑石的拉里芬克，两个世界顶级商人，在聊AI对技术工人的影响。一个惊人的结论出现了。 AI不会消灭工作，反而会造成劳动力短缺。为什么？这是人类历史上最大规模的基础设施建设。建数据中心，建AI工厂，建芯片厂。谁来建？水管工、电工、建筑工、钢铁工人、网络技术员。这些全是手艺活。黄仁勋说，在美国，这些岗位的薪水几乎翻了一番，六位数的年薪很常见。技术工人的巨大缺口，终于被摆上了台面。这不正是Mike Rowe多年来一直在喊话的内容吗？他的基金会今年收到的技校奖学金申请，是去年的十倍。十倍。普通人已经嗅到了风向，开始用脚投票。问题来了。达沃斯的精英们口头承认了问题的重要性，但这足够吗？他们讨论解决方案的地方，是瑞士的豪华度假村。而真正的解决方案，应该在美国本土，在那些需要重建工业基础的社区里。光说不练，解决不了美国几十万技术工人的缺口。重新思考下一代的职业培训体系，这事不能再等了。

墓碑科技

10,139 次观看 • 7 个月前

过去学编程，是最好的选择。现在不是了。这是Sam Altman，OpenAI的CEO，给出的AI时代生存指南。他说现在你需要什么？高能动性。软技能。超强的想法生成能力。快速适应世界。听起来很熟悉？这些词汇，在达沃斯精英的嘴里已经重复了无数遍。一个创造了最强代码工具的人，却告诉普通人不要再学习编程这种硬核技能了。这是为什么？是不是在重新定义未来的分工？一部分人负责天马行空地“产生想法”，享受创造的乐趣和利润。其他人负责使用他们创造的工具，去“适应”这个快速变化的世界？他们还说，这些“软技能”可以在三个月的训练营里速成。一个人的韧性、能动性和洞察力，真的可以被如此轻易地“制造”出来吗？还是说，这只是为了让大家放弃掌握真正能改变和创造工具的能力？当少数人掌握了定义规则的工具，其他人只剩下“适应”的份。

过去学编程，是最好的选择。现在不是了。这是Sam Altman，OpenAI的CEO，给出的AI时代生存指南。他说现在你需要什么？高能动性。软技能。超强的想法生成能力。快速适应世界。听起来很熟悉？这些词汇，在达沃斯精英的嘴里已经重复了无数遍。一个创造了最强代码工具的人，却告诉普通人不要再学习编程这种硬核技能了。这是为什么？是不是在重新定义未来的分工？一部分人负责天马行空地“产生想法”，享受创造的乐趣和利润。其他人负责使用他们创造的工具，去“适应”这个快速变化的世界？他们还说，这些“软技能”可以在三个月的训练营里速成。一个人的韧性、能动性和洞察力，真的可以被如此轻易地“制造”出来吗？还是说，这只是为了让大家放弃掌握真正能改变和创造工具的能力？当少数人掌握了定义规则的工具，其他人只剩下“适应”的份。

墓碑科技

50,683 次观看 • 6 个月前

美国到底哪儿出了问题？一边，是1.7万亿美元的学生贷款，压垮整整一代人。另一边，是760万个高薪工作岗位，根本没人干！这中间，到底发生了什么？ 720万壮年男性，干脆不工作了，直接退出劳动力市场。而我们的大学，还在继续一个疯狂的游戏：用我们根本没有的钱，发给根本还不起钱的孩子们，去为一些根本不存在的工作，接受培训。我们都忘了，这个国家是怎么建起来的。川普总统要把制造业带回美国，对不对？但如果没人会干活，怎么办？这就是最大的路障！ Mike Rowe说，我们必须重新看到那些被遗忘的工作。电工、水管工、机械师、焊工…… 这不是什么低人一等的工作，这是通往六位数年薪的职业道路！一个老哥打电话进来，他是谁？一个干了25年的铁路机械师。他说，靠着这门手艺，我养了4个孩子，买了房子，过得很舒服。 Mike Rowe说，你这种人就应该被印在广告牌上！你就是活生生的美国梦！你掌握一门社会真正需要的技能，然后拼命工作。讽刺的是什么？现在人人都怕AI抢饭碗。但AI能取代的，恰恰是那些办公室里、需要高学历的工作。 AI能修铁路吗？能给你通下水道吗？机器人，可干不了这些脏活累活。

美国到底哪儿出了问题？一边，是1.7万亿美元的学生贷款，压垮整整一代人。另一边，是760万个高薪工作岗位，根本没人干！这中间，到底发生了什么？ 720万壮年男性，干脆不工作了，直接退出劳动力市场。而我们的大学，还在继续一个疯狂的游戏：用我们根本没有的钱，发给根本还不起钱的孩子们，去为一些根本不存在的工作，接受培训。我们都忘了，这个国家是怎么建起来的。川普总统要把制造业带回美国，对不对？但如果没人会干活，怎么办？这就是最大的路障！ Mike Rowe说，我们必须重新看到那些被遗忘的工作。电工、水管工、机械师、焊工…… 这不是什么低人一等的工作，这是通往六位数年薪的职业道路！一个老哥打电话进来，他是谁？一个干了25年的铁路机械师。他说，靠着这门手艺，我养了4个孩子，买了房子，过得很舒服。 Mike Rowe说，你这种人就应该被印在广告牌上！你就是活生生的美国梦！你掌握一门社会真正需要的技能，然后拼命工作。讽刺的是什么？现在人人都怕AI抢饭碗。但AI能取代的，恰恰是那些办公室里、需要高学历的工作。 AI能修铁路吗？能给你通下水道吗？机器人，可干不了这些脏活累活。

墓碑科技

27,451 次观看 • 8 个月前

马斯克说，这个时代的孩子不一定非要去大学。因为在大学里，你学不到能让自己安身立命的本领了， AI 和机器人带来的变化非常猛烈，那些大学里学到的技能可能会被迅速替代。但如果还是想上大学，那就把这里当成是和同龄人的社交空间，在一个能专心学习的环境里，尽量广泛接触不同学科，拓展自己的认知边界。

马斯克说，这个时代的孩子不一定非要去大学。因为在大学里，你学不到能让自己安身立命的本领了， AI 和机器人带来的变化非常猛烈，那些大学里学到的技能可能会被迅速替代。但如果还是想上大学，那就把这里当成是和同龄人的社交空间，在一个能专心学习的环境里，尽量广泛接触不同学科，拓展自己的认知边界。

投机实验室

12,935 次观看 • 2 个月前

你以为的聪明，很快就要不值钱了。英伟达的黄仁勋最近有个说法。他说，传统定义的聪明，比如高技术能力、解决问题的能力，本质上是一种商品。人工智能首先要替代的，就是这种“商品”。第一个被冲击的“聪明”行业是什么？软件编程。这恰恰是过去几十年被认为是顶尖聪明的职业。一个时代结束了。那么，真正稀缺的聪明是什么？黄仁勋的答案很有意思。他认为，真正的聪明，是技术敏锐度和人类同理心的结合体。是一种能“预见未来”的能力。能洞察那些没有说出口的话，能感知到别人忽略的氛围。这种“直觉”从何而来？数据分析、第一性原理、人生经验、智慧、对他人的感知。是所有这些东西的融合。拥有这种能力的人，才是真正有价值的。他们能看到问题冒头之前就把它按下去。这听起来，不像是常春藤名校里用SAT分数筛选出来的“精英”。更像是在真实世界里摸爬滚打，历经风浪的企业家或政治家。他们的决策，往往超越了冷冰冰的数据和模型。这是否在暗示，由所谓技术官僚和数据专家主导的治理模式，其根基正在被动摇？当机器可以比专家更“专家”时，人类的价值到底体现在哪里？黄仁勋似乎给出了他的答案：人性深处的洞察力和同理心。这种能力，无法量化，无法编程，也无法被轻易复制。

你以为的聪明，很快就要不值钱了。英伟达的黄仁勋最近有个说法。他说，传统定义的聪明，比如高技术能力、解决问题的能力，本质上是一种商品。人工智能首先要替代的，就是这种“商品”。第一个被冲击的“聪明”行业是什么？软件编程。这恰恰是过去几十年被认为是顶尖聪明的职业。一个时代结束了。那么，真正稀缺的聪明是什么？黄仁勋的答案很有意思。他认为，真正的聪明，是技术敏锐度和人类同理心的结合体。是一种能“预见未来”的能力。能洞察那些没有说出口的话，能感知到别人忽略的氛围。这种“直觉”从何而来？数据分析、第一性原理、人生经验、智慧、对他人的感知。是所有这些东西的融合。拥有这种能力的人，才是真正有价值的。他们能看到问题冒头之前就把它按下去。这听起来，不像是常春藤名校里用SAT分数筛选出来的“精英”。更像是在真实世界里摸爬滚打，历经风浪的企业家或政治家。他们的决策，往往超越了冷冰冰的数据和模型。这是否在暗示，由所谓技术官僚和数据专家主导的治理模式，其根基正在被动摇？当机器可以比专家更“专家”时，人类的价值到底体现在哪里？黄仁勋似乎给出了他的答案：人性深处的洞察力和同理心。这种能力，无法量化，无法编程，也无法被轻易复制。

墓碑科技

204,637 次观看 • 6 个月前

马斯克直接给现代大学的“听话度”标了个价：20 万美元。你根本不需要通过大学来学东西。基本上所有知识现在都能在屏幕上免费学到。大学存在的目的，说白了就是为了图个乐，顺便证明你能按时完成那些无聊的家务活。这绝不是一条普通的毒舌评论，它挑明了高额学费背后最残酷的商业真相。如今全球 80 亿人兜里都装满了同样的数字图书馆，知识垄断在过去十年早就塌了。但大学还在卖力推销那张20万美元的门票。马斯克扒光了常春藤的品牌包装，露出了里面的底层逻辑：这是一场长达四年的服从性测试。系统不需要你有多卓越（exceptional），它只需要你可控、好管理（manageable）。它拿走你人生中最有创造力的几年，驯化你习惯性地去等待指令。盖茨退学了，乔布斯退学了，埃里森也退学了。他们离开不是因为跟不上，是因为体制的屋顶实在太矮了。接下来真正难受的，不是找不到工作的毕业生，而是那些继续靠制造学历焦虑、贩卖文凭信息差来躺赚的庞大中间层。技术和信息真正变便宜、变平权的时候，传统的精英筛选游戏就得重新洗牌。普通人别再盲目去给旧系统送人头了，在这个时代， evidence of exceptional ability（卓越能力的证据）永远只看你亲手做出了什么，而不是你手里那张纸。

马斯克直接给现代大学的“听话度”标了个价：20 万美元。你根本不需要通过大学来学东西。基本上所有知识现在都能在屏幕上免费学到。大学存在的目的，说白了就是为了图个乐，顺便证明你能按时完成那些无聊的家务活。这绝不是一条普通的毒舌评论，它挑明了高额学费背后最残酷的商业真相。如今全球 80 亿人兜里都装满了同样的数字图书馆，知识垄断在过去十年早就塌了。但大学还在卖力推销那张20万美元的门票。马斯克扒光了常春藤的品牌包装，露出了里面的底层逻辑：这是一场长达四年的服从性测试。系统不需要你有多卓越（exceptional），它只需要你可控、好管理（manageable）。它拿走你人生中最有创造力的几年，驯化你习惯性地去等待指令。盖茨退学了，乔布斯退学了，埃里森也退学了。他们离开不是因为跟不上，是因为体制的屋顶实在太矮了。接下来真正难受的，不是找不到工作的毕业生，而是那些继续靠制造学历焦虑、贩卖文凭信息差来躺赚的庞大中间层。技术和信息真正变便宜、变平权的时候，传统的精英筛选游戏就得重新洗牌。普通人别再盲目去给旧系统送人头了，在这个时代， evidence of exceptional ability（卓越能力的证据）永远只看你亲手做出了什么，而不是你手里那张纸。

比特币橙子Trader

17,056 次观看 • 1 个月前

马斯克说，大学基本上就是用来玩的，不是学习的地方。读个好大学也证明不了你有超凡的能力，只能证明你能完成一些分内的杂活儿。大学的真正价值有两个，一是熬过那些无聊作业的过程，能让你学会硬着头皮把事情做完，二是给你一段缓冲期，让你在被推进社会之前，先和同龄人一起混一段时间。至于学习知识，现在网上免费就能拿到，想学什么都有，用不着去大学。

马斯克说，大学基本上就是用来玩的，不是学习的地方。读个好大学也证明不了你有超凡的能力，只能证明你能完成一些分内的杂活儿。大学的真正价值有两个，一是熬过那些无聊作业的过程，能让你学会硬着头皮把事情做完，二是给你一段缓冲期，让你在被推进社会之前，先和同龄人一起混一段时间。至于学习知识，现在网上免费就能拿到，想学什么都有，用不着去大学。

投机实验室

161,289 次观看 • 2 个月前

马斯克：“首先，你不需要上大学来学习东西。一切基本上都是免费的。你可以免费学习任何你想学的东西，这不是学习的问题。大学有其价值，那就是，比如，你知道，看到某人是否能在某件事上努力工作，包括一堆有点烦人的家庭作业，并且仍然完成他们的家庭作业，坚持到底并完成它？你知道，那就是大学的主要价值。然后，你可能想和一群同龄人一起玩一段时间，而不是直接进入职场。所以，基本上，我认为大学基本上是为了娱乐和证明你能完成你的琐事，但它们不是为了学习。”

马斯克：“首先，你不需要上大学来学习东西。一切基本上都是免费的。你可以免费学习任何你想学的东西，这不是学习的问题。大学有其价值，那就是，比如，你知道，看到某人是否能在某件事上努力工作，包括一堆有点烦人的家庭作业，并且仍然完成他们的家庭作业，坚持到底并完成它？你知道，那就是大学的主要价值。然后，你可能想和一群同龄人一起玩一段时间，而不是直接进入职场。所以，基本上，我认为大学基本上是为了娱乐和证明你能完成你的琐事，但它们不是为了学习。”

KK.aWSB

50,118 次观看 • 6 个月前

一位物理学家，花了整整30年，得出一个惊人的结论。数学，是意识的产物。所以，用数学来解释意识，此路不通。主流物理学家们怎么看这个世界？他们认为，所有存在的，就是所有你能测量的。凡是无法测量的，就没有“内部”，也就不存在。这套逻辑真的无懈可击吗？那量子计算机怎么解释？它的实际运算，并不发生在时空里。它发生在希尔伯特空间。一个纯粹的数学抽象概念。问题来了。你怎么能在一个抽象的数学空间里，进行真实的物理运算？这难道不矛盾吗？这种根本性的不连贯，为什么没人愿意深思？是我们的教育出了问题吗？只教人怎么解方程，怎么套公式。却从不教人如何去思考，去质疑前提。是不是整个体系，从根上就希望我们停止思考这些本质问题？这位物理学家说，他也被如此教导。现在他必须掉过头来，重新审视一切。当一个领域的顶尖人物开始质疑他所在领域的根基时，这通常不是个小事。这背后，究竟意味着什么？

一位物理学家，花了整整30年，得出一个惊人的结论。数学，是意识的产物。所以，用数学来解释意识，此路不通。主流物理学家们怎么看这个世界？他们认为，所有存在的，就是所有你能测量的。凡是无法测量的，就没有“内部”，也就不存在。这套逻辑真的无懈可击吗？那量子计算机怎么解释？它的实际运算，并不发生在时空里。它发生在希尔伯特空间。一个纯粹的数学抽象概念。问题来了。你怎么能在一个抽象的数学空间里，进行真实的物理运算？这难道不矛盾吗？这种根本性的不连贯，为什么没人愿意深思？是我们的教育出了问题吗？只教人怎么解方程，怎么套公式。却从不教人如何去思考，去质疑前提。是不是整个体系，从根上就希望我们停止思考这些本质问题？这位物理学家说，他也被如此教导。现在他必须掉过头来，重新审视一切。当一个领域的顶尖人物开始质疑他所在领域的根基时，这通常不是个小事。这背后，究竟意味着什么？

墓碑科技

51,919 次观看 • 6 个月前

黄仁勋被问到如果自己是今天的学生，会先学什么他的回答不是编程，不是数学，是学 AI 但他说的"学AI"不是让你去研究底层算法，是学会怎么跟 AI 交互他的原话是：学会跟 AI 对话，本质上就是学会成为一个擅长提问的人要问得好，你需要两样东西：专业知识和表达的艺术性。你得知道自己领域的东西，然后用 AI 听得懂的方式把需求说清楚这个能力他管它叫"提示词工程"，但其实不用想得那么技术化。说白了就是：你能不能把一个模糊的想法，拆解成AI能执行的具体指令不管你学什么专业、做什么工作，他觉得你都应该问自己一个问题："我怎么用 AI 来更好地完成我现在的工作？"

黄仁勋被问到如果自己是今天的学生，会先学什么他的回答不是编程，不是数学，是学 AI 但他说的"学AI"不是让你去研究底层算法，是学会怎么跟 AI 交互他的原话是：学会跟 AI 对话，本质上就是学会成为一个擅长提问的人要问得好，你需要两样东西：专业知识和表达的艺术性。你得知道自己领域的东西，然后用 AI 听得懂的方式把需求说清楚这个能力他管它叫"提示词工程"，但其实不用想得那么技术化。说白了就是：你能不能把一个模糊的想法，拆解成AI能执行的具体指令不管你学什么专业、做什么工作，他觉得你都应该问自己一个问题："我怎么用 AI 来更好地完成我现在的工作？"

Vincent | 信号＞噪音

18,700 次观看 • 2 个月前

这两天，一条大消息冲上了热搜第一。两会现场，中国传媒大学党委书记廖祥忠，他当着全国政协的面，说了一句让所有人感到不安的话：包括翻译、包括摄影，全砍掉了。不断地调整。我们已经砍了 16 个专业，今年还要再砍 7 个。原因只有一个：我们正在进入确定性崩塌的时代。摄影、翻译、会计，全都是曾经的铁饭碗。而我呢，几乎可以笃定，今年还会有越来越多的学校，砍掉越来越多的专业。先说个残酷的真相：中传砍专业的本质就是——现代教育，给不了确定性承诺了。过去 100 年，教育系统的逻辑是什么？是你投入 4 年的时间，我给你一个确定的未来。学医就能当医生，学法律就能当律师，学摄影就能当摄影师。这是工业时代的发明。把人生变成一条流水线。但是，AI 把这套逻辑彻底炸碎了。因为 AI 把技能的围墙给拆了。比如摄影专业，4 年时间学什么呢？构图、打光、后期、调色。但现在呢？一个提示词，AI 出图，3 秒完成。有人会说：人类摄影师有独特的审美和创意。但问题是，市场上 99% 的摄影需求，根本不需要那 1% 的顶尖审美。商品图、证件照、活动抓拍，AI 全搞定。教育史上第一次出现了—— 学习速度，跟不上淘汰速度的情况。所以，中传砍掉专业，就是在告诉大家：如果继续按照旧模式去教学，那不叫培养人才，那叫定向制造失业人口。那你说，我们该怎么办呢？我的答案是：我们要学会和不确定性共处。过去的人生，就像是登山。你朝着一个大方向，努力往上爬。而未来的人生，更像是冲浪。你要随时迎接来自各个方向的浪潮。也有可能，你这一秒还在浪头上，但下一秒，你又回到了平面上。所以，能够在不确定中冲浪的人，将成为新的贵族。而那些始终追求确定性，才能活的人，会成为新的难民。

这两天，一条大消息冲上了热搜第一。两会现场，中国传媒大学党委书记廖祥忠，他当着全国政协的面，说了一句让所有人感到不安的话：包括翻译、包括摄影，全砍掉了。不断地调整。我们已经砍了 16 个专业，今年还要再砍 7 个。原因只有一个：我们正在进入确定性崩塌的时代。摄影、翻译、会计，全都是曾经的铁饭碗。而我呢，几乎可以笃定，今年还会有越来越多的学校，砍掉越来越多的专业。先说个残酷的真相：中传砍专业的本质就是——现代教育，给不了确定性承诺了。过去 100 年，教育系统的逻辑是什么？是你投入 4 年的时间，我给你一个确定的未来。学医就能当医生，学法律就能当律师，学摄影就能当摄影师。这是工业时代的发明。把人生变成一条流水线。但是，AI 把这套逻辑彻底炸碎了。因为 AI 把技能的围墙给拆了。比如摄影专业，4 年时间学什么呢？构图、打光、后期、调色。但现在呢？一个提示词，AI 出图，3 秒完成。有人会说：人类摄影师有独特的审美和创意。但问题是，市场上 99% 的摄影需求，根本不需要那 1% 的顶尖审美。商品图、证件照、活动抓拍，AI 全搞定。教育史上第一次出现了—— 学习速度，跟不上淘汰速度的情况。所以，中传砍掉专业，就是在告诉大家：如果继续按照旧模式去教学，那不叫培养人才，那叫定向制造失业人口。那你说，我们该怎么办呢？我的答案是：我们要学会和不确定性共处。过去的人生，就像是登山。你朝着一个大方向，努力往上爬。而未来的人生，更像是冲浪。你要随时迎接来自各个方向的浪潮。也有可能，你这一秒还在浪头上，但下一秒，你又回到了平面上。所以，能够在不确定中冲浪的人，将成为新的贵族。而那些始终追求确定性，才能活的人，会成为新的难民。

另一面

620,451 次观看 • 5 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。

“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

Clawdbot的创造者说，他最喜欢的模型是Claude Opus。但编程能力最强的，竟然是OpenAI的旧模型Codex。为什么？他说用Codex写代码，有95%的把握可以直接运行。因为它能理解大型代码库，需要的“人工干预”更少。这就像一个经验丰富的老员工，话不多，但活儿干得漂亮。而Claude Opus，虽然被认为综合能力更强，但在编程这个具体任务上，却需要更多技巧和引导才能达到同样效果。有点像一个很聪明但经验不足的新人。这引出一个有趣的问题。我们真的需要那个最“聪明”、最像人的AI吗？还是说，在特定领域，我们更需要一个可靠、高效、甚至有点“无聊”的工具？ Opus更像人，甚至会在聊天中讲出真正好笑的笑话。但Codex在专业领域更可靠。这是否揭示了通用人工智能（AGI）发展的一个岔路口？是追求一个无所不能但样样不精的“全才”，还是打造一系列在各自领域做到极致的“专才”？从制造业到高科技，美国产业的核心优势，向来是那些专注于解决具体问题的实用工具，而不是那些空泛的概念。技术的终点，究竟是创造一个和我们一样的“伙伴”，还是一个能把工作做到极致的工具？这两种路线，哪一个对恢复美国制造业和技术领导地位更有利？

Clawdbot的创造者说，他最喜欢的模型是Claude Opus。但编程能力最强的，竟然是OpenAI的旧模型Codex。为什么？他说用Codex写代码，有95%的把握可以直接运行。因为它能理解大型代码库，需要的“人工干预”更少。这就像一个经验丰富的老员工，话不多，但活儿干得漂亮。而Claude Opus，虽然被认为综合能力更强，但在编程这个具体任务上，却需要更多技巧和引导才能达到同样效果。有点像一个很聪明但经验不足的新人。这引出一个有趣的问题。我们真的需要那个最“聪明”、最像人的AI吗？还是说，在特定领域，我们更需要一个可靠、高效、甚至有点“无聊”的工具？ Opus更像人，甚至会在聊天中讲出真正好笑的笑话。但Codex在专业领域更可靠。这是否揭示了通用人工智能（AGI）发展的一个岔路口？是追求一个无所不能但样样不精的“全才”，还是打造一系列在各自领域做到极致的“专才”？从制造业到高科技，美国产业的核心优势，向来是那些专注于解决具体问题的实用工具，而不是那些空泛的概念。技术的终点，究竟是创造一个和我们一样的“伙伴”，还是一个能把工作做到极致的工具？这两种路线，哪一个对恢复美国制造业和技术领导地位更有利？

墓碑科技

62,012 次观看 • 6 个月前

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

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

宝玉

14,159 次观看 • 2 年前

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：

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

宝玉

301,920 次观看 • 2 年前

阿里巴巴主席蔡崇信谈为什么阿里巴巴全力投入AI 这是今年五月蔡崇信在 2024 年摩根大通全球中国峰会期间炉边会谈的视频。在与关金星的30分钟对话中，蔡崇信概述了人工智能如何推动他25年前共同创立的公司在核心电商业务或云部门的增长。 “人工智能是一个非常重要的领域，你不能只采用单一的路径” “我们是中国唯一一家既运营领先的云业务又在人工智能领域具有竞争力的公司” “我们看到了AI的巨大潜力……这就是为什么我们全力投入。” “作为一个外行人试图理解人工智能，就像教育一个孩子：你送他们上初中、高中、大学，然后他们最终获得博士学位……当人们比较大语言模型 (LLM) 并说‘我的比你的好’时，他们实际上是在说‘我的孩子有三个博士学位，并且精通生物学、数学和心理学。’” “从根本上说，作为一家技术公司和技术先锋，我们相信机器智能的不断进步，机器将变得越来越智能。” “对我们来说，能够在众多垂直应用中应用人工智能非常重要……当我们看我们的电商用例时，真是不可思议。” “任何使用我们AI的人都需要使用云计算能力……当他们在我们的社区中使用开源AI时，他们也需要计算能力。这就是我们如何增长我们的云计算收入。” “人工智能是一个非常重要的领域，你不能只采用单一的路径。这让我想起了尤吉·贝拉的一句话。他说，‘当你遇到岔路时，选一条路走下去，别纠结。’” “阿里巴巴就是增长。我们致力于技术创新。我们致力于将我们的技术应用于我们的核心业务，为我们的客户创造价值，并最终也为我们的股东创造价值……” “竞争始终存在，自从我们成立之日起就一直有，你无法通过削减成本来增加竞争力。你需要有一个增长的心态去进行竞争。这就是我们现在的处境，这就是我们决定要做的。” “我曾经把锻炼放在睡眠之前。现在，我更重视睡眠而不是锻炼。”

阿里巴巴主席蔡崇信谈为什么阿里巴巴全力投入AI 这是今年五月蔡崇信在 2024 年摩根大通全球中国峰会期间炉边会谈的视频。在与关金星的30分钟对话中，蔡崇信概述了人工智能如何推动他25年前共同创立的公司在核心电商业务或云部门的增长。 “人工智能是一个非常重要的领域，你不能只采用单一的路径” “我们是中国唯一一家既运营领先的云业务又在人工智能领域具有竞争力的公司” “我们看到了AI的巨大潜力……这就是为什么我们全力投入。” “作为一个外行人试图理解人工智能，就像教育一个孩子：你送他们上初中、高中、大学，然后他们最终获得博士学位……当人们比较大语言模型 (LLM) 并说‘我的比你的好’时，他们实际上是在说‘我的孩子有三个博士学位，并且精通生物学、数学和心理学。’” “从根本上说，作为一家技术公司和技术先锋，我们相信机器智能的不断进步，机器将变得越来越智能。” “对我们来说，能够在众多垂直应用中应用人工智能非常重要……当我们看我们的电商用例时，真是不可思议。” “任何使用我们AI的人都需要使用云计算能力……当他们在我们的社区中使用开源AI时，他们也需要计算能力。这就是我们如何增长我们的云计算收入。” “人工智能是一个非常重要的领域，你不能只采用单一的路径。这让我想起了尤吉·贝拉的一句话。他说，‘当你遇到岔路时，选一条路走下去，别纠结。’” “阿里巴巴就是增长。我们致力于技术创新。我们致力于将我们的技术应用于我们的核心业务，为我们的客户创造价值，并最终也为我们的股东创造价值……” “竞争始终存在，自从我们成立之日起就一直有，你无法通过削减成本来增加竞争力。你需要有一个增长的心态去进行竞争。这就是我们现在的处境，这就是我们决定要做的。” “我曾经把锻炼放在睡眠之前。现在，我更重视睡眠而不是锻炼。”

宝玉

39,499 次观看 • 2 年前

川普刚刚给年轻人指了条活路。在最近的一次访谈中，面对迷茫的下一代，他直接刺穿了“努力就能成功”的精英谎言。为什么有些聪明绝顶的人一辈子碌碌无为？因为他们入错了行。川普说，他见过太多比任何人都聪明的朋友，却在夕阳行业里苦苦挣扎。结果是什么？他们只是在单纯地“工作”，然后毫无悬念地失败。在保守主义的逻辑里，选择永远大于盲目的勤奋。川普建议年轻人：去拥抱 AI，去寻找那些真正有潜力、有未来的领域。这不仅是职业建议，更是对官僚主义教育体系的一次反击。目前的学校还在批量生产那些即将被 AI 取代的传统劳动力。谁在买单？是那些背负巨额学费贷款、毕业即失业的美国纳税人子弟。如果你热爱一个夕阳行业，你可以去做。但如果你能试着去热爱一个有爆发力的领域，你的处境会好得多。目前的风口是 AI，薪水高到你无法想象。零售业、传统制造业、那些过度饱和的行业，依然极其艰难。为什么我们要强调顺势而为？因为在一个被全球主义蚕食、技术飞速更迭的时代，个人的努力在错误的赛道上微不足道。既然时代已经变了，为什么还要死守旧世界的残骸？

川普刚刚给年轻人指了条活路。在最近的一次访谈中，面对迷茫的下一代，他直接刺穿了“努力就能成功”的精英谎言。为什么有些聪明绝顶的人一辈子碌碌无为？因为他们入错了行。川普说，他见过太多比任何人都聪明的朋友，却在夕阳行业里苦苦挣扎。结果是什么？他们只是在单纯地“工作”，然后毫无悬念地失败。在保守主义的逻辑里，选择永远大于盲目的勤奋。川普建议年轻人：去拥抱 AI，去寻找那些真正有潜力、有未来的领域。这不仅是职业建议，更是对官僚主义教育体系的一次反击。目前的学校还在批量生产那些即将被 AI 取代的传统劳动力。谁在买单？是那些背负巨额学费贷款、毕业即失业的美国纳税人子弟。如果你热爱一个夕阳行业，你可以去做。但如果你能试着去热爱一个有爆发力的领域，你的处境会好得多。目前的风口是 AI，薪水高到你无法想象。零售业、传统制造业、那些过度饱和的行业，依然极其艰难。为什么我们要强调顺势而为？因为在一个被全球主义蚕食、技术飞速更迭的时代，个人的努力在错误的赛道上微不足道。既然时代已经变了，为什么还要死守旧世界的残骸？

战斗室

98,250 次观看 • 5 个月前

未来已经变了。你准备好了吗？谷歌CEO桑达尔·皮查伊的最新访谈，像一声警钟。这不是技术升级。这是文明级别的转变。他的核心观点：AI不是又一个工具，而是人类造过最深刻的技术。它将重写创造力、工作和机会的运作方式。听听他的几个关键点：创造力“民主化”。一个高中生很快就能用AI拍出一部长篇电影。专业创作的门槛没了，想法成了新货币。这听起来很美，但谁拥有发行这些“货币”的银行？当平台被少数巨头控制时，这是真正的民主化，还是将权力更集中？工作不会消失，而是转型。真正的鸿沟不是职位，而是用AI和不用AI的人。这套说辞在过去三十年的全球化浪潮中我们听得太多了。每一次“转型”，都意味着大量蓝领和中产的工作岗位被掏空。这次，被“转型”的会是谁？给父母的建议：别改变孩子的热情，医学、教学、艺术都还重要。关键是拥抱AI，把它当成手艺的一部分。这建议看似中肯，但回避了本质问题。当AI由少数不受监督的科技公司定义规则时，我们的下一代是在学习一门手艺，还是在学习如何更好地服务于一个新系统？最终的结论是：世界正从一个重视人类劳动的地方，转向一个更重视人类意图的地方。这恰恰是那些达沃斯精英们多年来鼓吹的“后稀缺”未来。问题在于，由谁的“意图”来主导？当劳动的价值被削弱，普通人赖以生存的根基是否会动摇？这是一个需要所有人警惕的未来剧本。

未来已经变了。你准备好了吗？谷歌CEO桑达尔·皮查伊的最新访谈，像一声警钟。这不是技术升级。这是文明级别的转变。他的核心观点：AI不是又一个工具，而是人类造过最深刻的技术。它将重写创造力、工作和机会的运作方式。听听他的几个关键点：创造力“民主化”。一个高中生很快就能用AI拍出一部长篇电影。专业创作的门槛没了，想法成了新货币。这听起来很美，但谁拥有发行这些“货币”的银行？当平台被少数巨头控制时，这是真正的民主化，还是将权力更集中？工作不会消失，而是转型。真正的鸿沟不是职位，而是用AI和不用AI的人。这套说辞在过去三十年的全球化浪潮中我们听得太多了。每一次“转型”，都意味着大量蓝领和中产的工作岗位被掏空。这次，被“转型”的会是谁？给父母的建议：别改变孩子的热情，医学、教学、艺术都还重要。关键是拥抱AI，把它当成手艺的一部分。这建议看似中肯，但回避了本质问题。当AI由少数不受监督的科技公司定义规则时，我们的下一代是在学习一门手艺，还是在学习如何更好地服务于一个新系统？最终的结论是：世界正从一个重视人类劳动的地方，转向一个更重视人类意图的地方。这恰恰是那些达沃斯精英们多年来鼓吹的“后稀缺”未来。问题在于，由谁的“意图”来主导？当劳动的价值被削弱，普通人赖以生存的根基是否会动摇？这是一个需要所有人警惕的未来剧本。

墓碑科技

29,772 次观看 • 8 个月前

说个扎心的事实：海外留学这条赛道正在全面塌方😂 传统的高学历=高收入+体面工作这套逻辑，在AI时代已经彻底不灵了。花几十万出国读个文科硕士，回来发现还不如一个会调教ChatGPT的初中生赚得多。 AI正在重新定义价值创造方式。以前需要4年大学+2年硕士才能掌握的技能，现在AI几秒钟就能完成。而那些真正有价值的能力——创意思维、情商、执行力——恰恰是学历证明不了的。就像15年前我们炒币时相信的那些价值投资理论，最后证明都是过时的认知框架。现在留学这种上世纪的思路也一样，家长们还在用工业时代的逻辑，为孩子规划信息时代的未来。时代变了，认知也该升级了。与其花钱买张文凭，不如教孩子如何与AI协作🤖 #AI #教育 #留学 #认知升级

说个扎心的事实：海外留学这条赛道正在全面塌方😂 传统的高学历=高收入+体面工作这套逻辑，在AI时代已经彻底不灵了。花几十万出国读个文科硕士，回来发现还不如一个会调教ChatGPT的初中生赚得多。 AI正在重新定义价值创造方式。以前需要4年大学+2年硕士才能掌握的技能，现在AI几秒钟就能完成。而那些真正有价值的能力——创意思维、情商、执行力——恰恰是学历证明不了的。就像15年前我们炒币时相信的那些价值投资理论，最后证明都是过时的认知框架。现在留学这种上世纪的思路也一样，家长们还在用工业时代的逻辑，为孩子规划信息时代的未来。时代变了，认知也该升级了。与其花钱买张文凭，不如教孩子如何与AI协作🤖 #AI #教育 #留学 #认知升级

Dr.Hash“Wesley”

29,971 次观看 • 5 个月前