Video yükleniyor...

Video Yüklenemedi

Bu video yüklenirken bir sorun oluştu. Bu geçici bir ağ sorunundan kaynaklanıyor olabilir veya video kullanılamıyor olabilir.

Ana Sayfaya Dön

太震惊了！刷完这个显微摄影网站，我开始怀疑自己以前根本没见过「真实世界」这个网站是 50 多年的显微摄影比赛官网。它专门收集「用光学显微镜拍的照片和视频」，然后把全球最顶级的那一小撮作品放出来给所有人免费看。如果你点开首页，会看到一句话：Celebrating over 50 years of images captured by the light microscope。简单理解，就是它连续半个多世纪在做一件事——把肉眼看不见的世界拍清楚、拍好看、拍给所有人看。这里的图不是随便拍拍，而是从全球几千张投稿里层层筛出来的优胜者和荣誉作品，创意、信息量、技术难度、视觉冲击力四个维度，最后才决定谁能进官网的年度图库。你滑动的每一张，背后都是摄影师用各种显微技术、堆栈、染色、光线设计出来的极致画面，而不是简单的「放大版照片」。细胞可以像霓虹夜景，昆虫细节像科幻电影的外星生物，晶体长得像抽象油画，每张图旁边只给你必要的说明，轻松就能看懂是什么东西。做设计、做内容、做科研汇报的时候，大家要么翻图库，要么随便搜几张「科学图片」凑数。 Nikon Small World 做的是长期的「精选集」：每年从几十个国家收来上千张作品，统一按年份、主题、技术、国家等分类，直接变成一个可以按时间线、按学科挖的微观图像资料库。如果你是设计师、插画师、UI、3D 或内容创作者，这个网站可以直接当「高级灵感库」。普通图库里的构图和配色已经被用烂了，而显微世界的形状和纹理完全不按常规来：神经元的分支、血管的网络、晶体的干涉纹路，都可以拆成新的界面结构、图形语言或材质质感。如果你在做教育、科普或科研表达，这个网站直接提升演示质量。很多博物馆、科学中心会用 Small World 的作品做巡回展，把这些图当成「拉近大众和科学之间距离」的入口，因为画面本身就带情绪、带故事，很适合挂在展厅或课件里当主视觉。你在课上放这样一张图，再讲一句「这其实是你的肺部微血管」「这是某种昆虫的眼睛」，那种具体的震撼感，是再多 PPT 文字都替代不了的。有些图看起来像宇宙星云，有些像建筑模型，有些像抽象画，但旁边的文字在不断提醒你——它们其实都在你身体里、在你吃的东西里、在你随手踩过的土地里。今年的评委里，有科学记者、博物馆策展人、科学教育者，他们会一边看技术细节，一边问自己：这张图能不能激起普通人的好奇心，能不能成为某个孩子爱上科学的起点。这也是为什么你会觉得这些图片「既专业又好懂」——因为在进入官网之前，它们已经经过了「能不能打动大众」这一轮筛选。

沉浸式翻译

40,380 subscribers

54,543 görüntüleme • 7 ay önce •via X (Twitter)

Eğitim Bilim & Teknoloji

Anya Rossi• Live Now

Private livecam show

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

作为每天都在网上冲浪的人，其实很少有人真的见过“互联网本体”长啥样。这个海底电缆地图网站，就是把全球数据命脉一根根摊在你面前看个清楚。点开地图，看到的不是抽象的线，而是 500 多套海底光缆系统、上千个登陆站，全都挂着名字和详细参数。每条线都能点进去看它从哪出发、在哪里上岸、什么时候投产、谁出的钱、官网在哪。最上头的一点是，它可以直接点登陆点，比如“崇明”，一秒告诉你这里背后接了几条跨洋大动脉。这个网站好就好在，把“看不见的基础设施”翻译成了任何人都能看懂的地理语言。拖一下地图，放大一个区域，右侧马上跳出所有海缆和登陆站，完全不需要专业背景。如果做科技内容或者教育内容，这张图几乎是现成的选题矿。断网事件、数据中心选址、云服务延迟、地缘冲突，都可以直接用这张图做讲解的底图。对于做技术、做产品、做投资的人，这又是完全不同的用法。可以用它判断某个国家是不是数据枢纽，哪些地方是光缆密集区，哪里是潜在单点风险。我们习惯讨论 APP、云服务，却不知道它们最后还是要走进几根真实存在的海底光缆里。免费但接的是接近行业级的权威数据库，不是随便画着玩的趣味地图。它常年更新，2024 版就已经做到 529 条海缆、1444 个登陆站的覆盖。它把复杂度挡在了后端，前端只留下一个任何人都能用的交互界面。

作为每天都在网上冲浪的人，其实很少有人真的见过“互联网本体”长啥样。这个海底电缆地图网站，就是把全球数据命脉一根根摊在你面前看个清楚。点开地图，看到的不是抽象的线，而是 500 多套海底光缆系统、上千个登陆站，全都挂着名字和详细参数。每条线都能点进去看它从哪出发、在哪里上岸、什么时候投产、谁出的钱、官网在哪。最上头的一点是，它可以直接点登陆点，比如“崇明”，一秒告诉你这里背后接了几条跨洋大动脉。这个网站好就好在，把“看不见的基础设施”翻译成了任何人都能看懂的地理语言。拖一下地图，放大一个区域，右侧马上跳出所有海缆和登陆站，完全不需要专业背景。如果做科技内容或者教育内容，这张图几乎是现成的选题矿。断网事件、数据中心选址、云服务延迟、地缘冲突，都可以直接用这张图做讲解的底图。对于做技术、做产品、做投资的人，这又是完全不同的用法。可以用它判断某个国家是不是数据枢纽，哪些地方是光缆密集区，哪里是潜在单点风险。我们习惯讨论 APP、云服务，却不知道它们最后还是要走进几根真实存在的海底光缆里。免费但接的是接近行业级的权威数据库，不是随便画着玩的趣味地图。它常年更新，2024 版就已经做到 529 条海缆、1444 个登陆站的覆盖。它把复杂度挡在了后端，前端只留下一个任何人都能用的交互界面。

沉浸式翻译

80,962 görüntüleme • 7 ay önce

久等啦，创作者神器Viko终于上线！🥳（前段时间我随手发过一个 Viko 的 demo视频，就那么一个很糙的版本，结果评论区和私信隔三差五就有人来问，什么时候能用，什么时候上线。因为对我自己也是刚需，于是闭关爆肝了一个多月，终于来啦~ 它最开始，其实只是我给自己做的一个小工具。我每天都会刷 Pin和各种作品站找灵感，我相信做 AIGC 视觉创作的人应该都懂。以前看到一张喜欢的图，我的流程是这样的，保存图片，丢进 GPT 反推拆解，复制出来改一改，再贴到生图工具里跑一遍。做一张还好，一天几十张、上百张的时候，这套流程就显得非常非常繁琐。所以最开始，我只想做一件特别简单的事：看到好图，Viko 一下。浏览任何网页的时候，鼠标悬停在图上，一键捕捉，一键拆解，直接进入下一步创作。我也试过市面上很多反推插件，还停留在一个特别初级的阶段，丢进去一张图，吐回来一整段 Prompt。坦率的讲，一整段 Prompt，对真正做创作的人来说，远远不够。我真正想知道的是，这张图为什么好看。它是什么视觉风格，构图为什么成立，用了什么镜头和光线，色彩关系是怎么组织的，材质、氛围、人物状态又是怎么形成的。以及最关键的，到底是哪几个关键词，激发了这张图的「美学基因」。所以Viko我希望是有这样的能力的。人像、动漫、商图、产品图等等，都可以沿着不同的视觉维度爆破拆解，风格、构图、镜头、光线、色彩、主体、材质、氛围，还有真正值得留下来的核心关键词。你可以直接用完整 Prompt，也可以把某一个视觉元素单独抽出来，改一改，迁移到新的主题里继续二创。一张图带给你的，就不再只是一句提示词。你开始知道它为什么成立，也开始有了继续延展它的方法。在这个基础上，我还做了两个我自己特别喜欢的模式：第一个是色卡模式。很多时候一张图让你第一眼觉得「就是这个感觉」，真正起作用的其实是那套配色关系。Viko 可以直接提取画面的核心色彩，把喜欢的配色留下来，迁移到完全不同的主题里。第二个，是我个人觉得最爽的，内测期间大家最爱用的，动作参考模式。人物动作一直是 AI 生图里最难搞的问题之一，所以viko针对此项做了专门处理，即使面对复杂肢体动作和高难度透视关系，也能从容、一键完成精准动作还原。到这里，从一张灵感图开始，捕捉、拆解、理解、二次创作，这条链路已经通了。但这就够了吗？of course not ! 今天反推出来的 Prompt，过几天还能不能找到? 刚发现的那个神仙关键词，下次创作的时候还能不能想起来? 那套很漂亮的配色、那个难得的动作参考、一次次验证过的构图，还有最后生成出来的作品，用完之后，去哪了? 散落在聊天记录里，收藏夹里，下载文件夹里，各种软件里。每一次创作结束之后，我们其实都在丢失自己的经验，没有产生创作复利！所以，资产管理慢慢变成了 Viko 更核心的一部分。参考图、关键词、Prompt、色卡、生成的作品，每一次创作里真正有价值的东西，都可以也应该沉淀下来。今天发现的一个关键词，可能是未来某张作品的起点。存下的一套配色，可以迁移到新的主题。慢慢的，你留在 Viko 里的，就不只是一堆图和 Prompt 了。它会变成一套真正属于你自己的，视觉创作资产库。这也是我做到今天，越来越确定的一件事。反推只是第一步。找到一张图的美学基因，把它拆开、理解、重新组合，再把每次创作里有价值的东西留下来，让过去的积累继续参与未来的创作。每一次创作，都应该让下一次创作变得更轻松。所以！ Viko 由 Chrome 插件和网页工作台两端组成，插件负责在你刷图的时候随手捕捉，工作台负责拆解和沉淀。插件在 Chrome 商店搜 Viko 就能装，网页端在首发期间也肯定有福利送给大家，优惠码: VIKO20，首月直接8 折！如果你平时也喜欢找图、研究风格、拆 Prompt、做二创，来试试。看到好图，Viko 一下。

久等啦，创作者神器Viko终于上线！🥳（前段时间我随手发过一个 Viko 的 demo视频，就那么一个很糙的版本，结果评论区和私信隔三差五就有人来问，什么时候能用，什么时候上线。因为对我自己也是刚需，于是闭关爆肝了一个多月，终于来啦~ 它最开始，其实只是我给自己做的一个小工具。我每天都会刷 Pin和各种作品站找灵感，我相信做 AIGC 视觉创作的人应该都懂。以前看到一张喜欢的图，我的流程是这样的，保存图片，丢进 GPT 反推拆解，复制出来改一改，再贴到生图工具里跑一遍。做一张还好，一天几十张、上百张的时候，这套流程就显得非常非常繁琐。所以最开始，我只想做一件特别简单的事：看到好图，Viko 一下。浏览任何网页的时候，鼠标悬停在图上，一键捕捉，一键拆解，直接进入下一步创作。我也试过市面上很多反推插件，还停留在一个特别初级的阶段，丢进去一张图，吐回来一整段 Prompt。坦率的讲，一整段 Prompt，对真正做创作的人来说，远远不够。我真正想知道的是，这张图为什么好看。它是什么视觉风格，构图为什么成立，用了什么镜头和光线，色彩关系是怎么组织的，材质、氛围、人物状态又是怎么形成的。以及最关键的，到底是哪几个关键词，激发了这张图的「美学基因」。所以Viko我希望是有这样的能力的。人像、动漫、商图、产品图等等，都可以沿着不同的视觉维度爆破拆解，风格、构图、镜头、光线、色彩、主体、材质、氛围，还有真正值得留下来的核心关键词。你可以直接用完整 Prompt，也可以把某一个视觉元素单独抽出来，改一改，迁移到新的主题里继续二创。一张图带给你的，就不再只是一句提示词。你开始知道它为什么成立，也开始有了继续延展它的方法。在这个基础上，我还做了两个我自己特别喜欢的模式：第一个是色卡模式。很多时候一张图让你第一眼觉得「就是这个感觉」，真正起作用的其实是那套配色关系。Viko 可以直接提取画面的核心色彩，把喜欢的配色留下来，迁移到完全不同的主题里。第二个，是我个人觉得最爽的，内测期间大家最爱用的，动作参考模式。人物动作一直是 AI 生图里最难搞的问题之一，所以viko针对此项做了专门处理，即使面对复杂肢体动作和高难度透视关系，也能从容、一键完成精准动作还原。到这里，从一张灵感图开始，捕捉、拆解、理解、二次创作，这条链路已经通了。但这就够了吗？of course not ! 今天反推出来的 Prompt，过几天还能不能找到? 刚发现的那个神仙关键词，下次创作的时候还能不能想起来? 那套很漂亮的配色、那个难得的动作参考、一次次验证过的构图，还有最后生成出来的作品，用完之后，去哪了? 散落在聊天记录里，收藏夹里，下载文件夹里，各种软件里。每一次创作结束之后，我们其实都在丢失自己的经验，没有产生创作复利！所以，资产管理慢慢变成了 Viko 更核心的一部分。参考图、关键词、Prompt、色卡、生成的作品，每一次创作里真正有价值的东西，都可以也应该沉淀下来。今天发现的一个关键词，可能是未来某张作品的起点。存下的一套配色，可以迁移到新的主题。慢慢的，你留在 Viko 里的，就不只是一堆图和 Prompt 了。它会变成一套真正属于你自己的，视觉创作资产库。这也是我做到今天，越来越确定的一件事。反推只是第一步。找到一张图的美学基因，把它拆开、理解、重新组合，再把每次创作里有价值的东西留下来，让过去的积累继续参与未来的创作。每一次创作，都应该让下一次创作变得更轻松。所以！ Viko 由 Chrome 插件和网页工作台两端组成，插件负责在你刷图的时候随手捕捉，工作台负责拆解和沉淀。插件在 Chrome 商店搜 Viko 就能装，网页端在首发期间也肯定有福利送给大家，优惠码: VIKO20，首月直接8 折！如果你平时也喜欢找图、研究风格、拆 Prompt、做二创，来试试。看到好图，Viko 一下。

古一

224,252 görüntüleme • 19 gün önce

OMG，这个简直太颠覆了，以前这种东西，得一个团队，3D建模师、前端工程师、教育设计师、医学顾问——起码做半年，烧个几十万，现在一个人，一段和AI的对话，就可以做出来了。教育这件事，说了多少年要互动、要直观、要因材施教。课本上的心脏图画了一百遍，学生还是记不住主动脉和肺动脉的区别。因为那是平的、死的、要背的，现在你可以把心脏动动手指就能360°旋转，点开每个部分看它怎么跳。而且最炸的是：做这个的不是Pearson，不是McGraw-Hill，也不是某个教育巨头，就是一个普通人，用ChatGPT ，vibe coding出来的。我觉得工具的民主化，最终是创造力的民主化，当一个人就能做出以前一个团队才能做的东西，当医学教育、物理教育、化学教育都可以被这样vibe出来，那些又贵又无聊的教科书，还能卖多久呢？

OMG，这个简直太颠覆了，以前这种东西，得一个团队，3D建模师、前端工程师、教育设计师、医学顾问——起码做半年，烧个几十万，现在一个人，一段和AI的对话，就可以做出来了。教育这件事，说了多少年要互动、要直观、要因材施教。课本上的心脏图画了一百遍，学生还是记不住主动脉和肺动脉的区别。因为那是平的、死的、要背的，现在你可以把心脏动动手指就能360°旋转，点开每个部分看它怎么跳。而且最炸的是：做这个的不是Pearson，不是McGraw-Hill，也不是某个教育巨头，就是一个普通人，用ChatGPT ，vibe coding出来的。我觉得工具的民主化，最终是创造力的民主化，当一个人就能做出以前一个团队才能做的东西，当医学教育、物理教育、化学教育都可以被这样vibe出来，那些又贵又无聊的教科书，还能卖多久呢？

AYi

15,038 görüntüleme • 26 gün önce

预告一下，给社区做了一个图像解构插件：Viko。一键爆破任何图片，让你功力大增！（哈哈哈哈夸张了）当你在网上冲浪，刷 X、小红书、Pinterest、VSC 论坛，或者任何网页时，看到一张有感觉的图，不用再只是截图收藏。 Viko 可以帮你把这张图： - 画面解构：拆出风格、构图、光线、色彩、成像质感等关键元素 - 反推提示词：输出适合 GPT 图像模型使用的自然语言提示词，即关键词词组，绝对不用JSON - 提示词变体：在保留原图核心气质的基础上，生成新的创作方向 - 直接生成图片：一键从参考图到新图 - 保存到 Eagle：图片和提示词一键保存到本地素材库，方便后续管理和复用为什么要做这个插件？其实我个人一直不太喜欢传统意义上的反推。尤其 GPT-Image2 出来以后，那种把图片拆成一大段 JSON，然后追求 1:1 复刻的玩法，对我来说实在太无聊了。复刻出一张差不多的图，然后呢？我真正想要的是：当我们看到一张好图时，能快速抓住它最核心的画面结构，知道它为什么好看，风格在哪里，构图在哪里，光线和质感在哪里。然后基于这些信息继续发散，做出同一视觉体系下的新图、新玩法、新方向。这也是 Viko 现在最核心的三个能力：解构，反推，变体。目前 Viko 还在内部测试中，等后面上架 Chrome 插件商店，再同步给大家。

预告一下，给社区做了一个图像解构插件：Viko。一键爆破任何图片，让你功力大增！（哈哈哈哈夸张了）当你在网上冲浪，刷 X、小红书、Pinterest、VSC 论坛，或者任何网页时，看到一张有感觉的图，不用再只是截图收藏。 Viko 可以帮你把这张图： - 画面解构：拆出风格、构图、光线、色彩、成像质感等关键元素 - 反推提示词：输出适合 GPT 图像模型使用的自然语言提示词，即关键词词组，绝对不用JSON - 提示词变体：在保留原图核心气质的基础上，生成新的创作方向 - 直接生成图片：一键从参考图到新图 - 保存到 Eagle：图片和提示词一键保存到本地素材库，方便后续管理和复用为什么要做这个插件？其实我个人一直不太喜欢传统意义上的反推。尤其 GPT-Image2 出来以后，那种把图片拆成一大段 JSON，然后追求 1:1 复刻的玩法，对我来说实在太无聊了。复刻出一张差不多的图，然后呢？我真正想要的是：当我们看到一张好图时，能快速抓住它最核心的画面结构，知道它为什么好看，风格在哪里，构图在哪里，光线和质感在哪里。然后基于这些信息继续发散，做出同一视觉体系下的新图、新玩法、新方向。这也是 Viko 现在最核心的三个能力：解构，反推，变体。目前 Viko 还在内部测试中，等后面上架 Chrome 插件商店，再同步给大家。

古一

90,003 görüntüleme • 2 ay önce

你对AI视频的认知，99%都是错的你是不是觉得，AI视频创作就是“输入提示词，抽卡式出图，再用剪映拼起来”？那些在闲鱼、小红书上标价几百块的AI视频单子，都是些赚不到钱的“小打小闹”？如果你的答案是“是”，那么恭喜你，你对AI视频的认知，可能还停留在上个世纪一个残酷的现实是：当大多数人还在怀疑和观望时，一小撮“超级个体”已经利用AI完成了商业模式的重构，悄悄地赚得盆满钵满。我们来看看几个“不起眼”的赛道：中小学教师的“刚需”：你可能不知道，为了评职称、参加比赛，中小学教师对高质量微课视频的需求是绝对的刚需。看看淘宝，那些标价几百的微课制作服务，很多销量早已过万，而这仅仅是标价，一个定制化的数学或物理动效微课，最终成交价远超你的想象。这在当下的经济环境中，是国内少有的暴利刚需业务。闲鱼上的“暴利”生意：一个60秒的AI视频，市场价在200-600元但如果你用传统“图生视频”的模式，可能需要花费5个小时，时薪不到100元，苦不堪言。而先行者已经找到了能“一键生成分镜、自动组成视频”的神器，将效率提升数十倍。降维打击的“商业片”：你知道现在一个美院团队，制作一秒高质量的AI动画广告，报价是多少吗？答案是1000元左右。而现在，一个人，借助合适的工具，就能实现从脚本、分镜、配音、字幕到剪辑的全流程自动化，效果直接媲美专业团队。从产品推广、AI短剧、动态壁纸，到PPT转动画、产品Demo演示……AI视频创作的商业应用版图，正在以超乎想象的速度扩张。这个时代，不再需要庞大的团队和昂贵的设备。 “创意”第一次成为了个体最核心，乃至唯一的资产。而要抓住这个风口，你缺的不是创意，而是一个能将你的创意无限放大的“神器”。 Medeo的目标只有一个：让视频创作的门槛，彻底消失它不仅仅是“文生视频”或“图生视频”，而是一个全流程的视频创作智能体。就算你不会剪辑、不会写脚本、甚至不会写AI提示词，只要你有一个好点子，Medeo就能一键帮你：生成专业脚本和分镜生成匹配的关键帧画面自动添加配音、字幕和背景音乐支持多轮对话，对不满意的片段随时修改最终自动剪辑成片无论是产品推广、专业广告、知识科普，还是AI短剧，效果都直接爆炸。我知道，你可能会有两个疑问： 1. “它真的有那么强大吗？很多工具都只是噱头。”Medeo的核心优势在于其“分镜”逻辑，它能理解视频的叙事结构，而不是无脑生成单张图片这使得镜头之间的配合度极高，故事感和流畅度远超传统AI视频工具。事实上，它大大减少了“抽卡”次数，这已经很大程度的减成本。 2. “这么强的工具，一定很贵吧？”是的，它不便宜。但请允许我提出一个你必须了解的核心事实：贵，不是Medeo的问题，而是AI时代下范式的转变，而是当前整个AI视频生成领域的技术成本决定的。你看到的每一次流畅的画面生成，背后都是海量算力的燃烧和昂贵GPU资源的消耗这就像第一代iPhone，价格不菲，因为它集成了当时最前沿的技术。AI视频创作，就是当下的那个“前沿技术”。所以，问题的关键不是“它为什么这么贵”，而是“它到底为我省了多少钱？” 让我们来算一笔账：一个专业的美术或动画团队，制作一秒高质量AI动画的报价，是1000元。一个传统的视频制作公司，完成一个商业广告片的报价，动辄数万甚至数十万。而现在，Medeo将这个过去只有少数专业机构和企业才能负担得起的“视频工业能力”，压缩到了一个你触手可及的工具里。它不是让你“多花钱”，而是将你的成本从“团队级”指数级降低到了“个体级”。这本身就是一场颠覆性的成本革命。相信我，随着技术迭代，成本一定会逐步降低而现在，正是利用这个“信息差”和“能力差”建立优势的最佳时机。 AI带来的不是失业，而是对“个体价值”的重新洗牌。在这个新的范式下，你不再是一个执行者，而是一个指挥AI军团的“导演”。你的核心任务，是思考你能为世界创造什么样的独特价值。不要再用过去的认知来审视现在的世界。旧的地图，找不到新的大陆。现在，Medeo官网已经开放，并且提供免费积分让你亲身体验。去试试看，亲自感受一下，那个属于“超级个体”的时代，已经到来了

你对AI视频的认知，99%都是错的你是不是觉得，AI视频创作就是“输入提示词，抽卡式出图，再用剪映拼起来”？那些在闲鱼、小红书上标价几百块的AI视频单子，都是些赚不到钱的“小打小闹”？如果你的答案是“是”，那么恭喜你，你对AI视频的认知，可能还停留在上个世纪一个残酷的现实是：当大多数人还在怀疑和观望时，一小撮“超级个体”已经利用AI完成了商业模式的重构，悄悄地赚得盆满钵满。我们来看看几个“不起眼”的赛道：中小学教师的“刚需”：你可能不知道，为了评职称、参加比赛，中小学教师对高质量微课视频的需求是绝对的刚需。看看淘宝，那些标价几百的微课制作服务，很多销量早已过万，而这仅仅是标价，一个定制化的数学或物理动效微课，最终成交价远超你的想象。这在当下的经济环境中，是国内少有的暴利刚需业务。闲鱼上的“暴利”生意：一个60秒的AI视频，市场价在200-600元但如果你用传统“图生视频”的模式，可能需要花费5个小时，时薪不到100元，苦不堪言。而先行者已经找到了能“一键生成分镜、自动组成视频”的神器，将效率提升数十倍。降维打击的“商业片”：你知道现在一个美院团队，制作一秒高质量的AI动画广告，报价是多少吗？答案是1000元左右。而现在，一个人，借助合适的工具，就能实现从脚本、分镜、配音、字幕到剪辑的全流程自动化，效果直接媲美专业团队。从产品推广、AI短剧、动态壁纸，到PPT转动画、产品Demo演示……AI视频创作的商业应用版图，正在以超乎想象的速度扩张。这个时代，不再需要庞大的团队和昂贵的设备。 “创意”第一次成为了个体最核心，乃至唯一的资产。而要抓住这个风口，你缺的不是创意，而是一个能将你的创意无限放大的“神器”。 Medeo的目标只有一个：让视频创作的门槛，彻底消失它不仅仅是“文生视频”或“图生视频”，而是一个全流程的视频创作智能体。就算你不会剪辑、不会写脚本、甚至不会写AI提示词，只要你有一个好点子，Medeo就能一键帮你：生成专业脚本和分镜生成匹配的关键帧画面自动添加配音、字幕和背景音乐支持多轮对话，对不满意的片段随时修改最终自动剪辑成片无论是产品推广、专业广告、知识科普，还是AI短剧，效果都直接爆炸。我知道，你可能会有两个疑问： 1. “它真的有那么强大吗？很多工具都只是噱头。”Medeo的核心优势在于其“分镜”逻辑，它能理解视频的叙事结构，而不是无脑生成单张图片这使得镜头之间的配合度极高，故事感和流畅度远超传统AI视频工具。事实上，它大大减少了“抽卡”次数，这已经很大程度的减成本。 2. “这么强的工具，一定很贵吧？”是的，它不便宜。但请允许我提出一个你必须了解的核心事实：贵，不是Medeo的问题，而是AI时代下范式的转变，而是当前整个AI视频生成领域的技术成本决定的。你看到的每一次流畅的画面生成，背后都是海量算力的燃烧和昂贵GPU资源的消耗这就像第一代iPhone，价格不菲，因为它集成了当时最前沿的技术。AI视频创作，就是当下的那个“前沿技术”。所以，问题的关键不是“它为什么这么贵”，而是“它到底为我省了多少钱？” 让我们来算一笔账：一个专业的美术或动画团队，制作一秒高质量AI动画的报价，是1000元。一个传统的视频制作公司，完成一个商业广告片的报价，动辄数万甚至数十万。而现在，Medeo将这个过去只有少数专业机构和企业才能负担得起的“视频工业能力”，压缩到了一个你触手可及的工具里。它不是让你“多花钱”，而是将你的成本从“团队级”指数级降低到了“个体级”。这本身就是一场颠覆性的成本革命。相信我，随着技术迭代，成本一定会逐步降低而现在，正是利用这个“信息差”和“能力差”建立优势的最佳时机。 AI带来的不是失业，而是对“个体价值”的重新洗牌。在这个新的范式下，你不再是一个执行者，而是一个指挥AI军团的“导演”。你的核心任务，是思考你能为世界创造什么样的独特价值。不要再用过去的认知来审视现在的世界。旧的地图，找不到新的大陆。现在，Medeo官网已经开放，并且提供免费积分让你亲身体验。去试试看，亲自感受一下，那个属于“超级个体”的时代，已经到来了

叫我阿杭

23,034 görüntüleme • 7 ay önce

刚刚挖到一个非常牛批的网站！！这个网站，让你用上帝视角看人类历史：它把整个人类历史，做成了一张可以随手拖拽的【Google 地图版时间线】。把 5000 年左右的全球历史，压缩成一张可拖拽的世界地图，加一根时间轴，从公元前到 20 世纪都能随时切换。它把国家疆界、人口、宗教、文化、迁徙、重要事件、统治者信息都铺在一张图上，目前累计数据点超过 5000 万个。时间滑块一拉，地图会立刻变成对应年份的世界格局，再点任意一个区域，就能在侧边栏展开对应的维基百科条目，等于「地图 + 知识库」一体化。无论你是学生、内容创作者，还是单纯对世界怎么走到今天这一步感到好奇，它都提供了一种此前很少见的视角——让你在同一块屏幕上，同时看到时间、空间和事件的关系。也许某一天你只是随手拖动了一下时间轴，在一块不起眼的小区域停了几秒，就会突然意识到：原来那些看起来完全无关的历史片段，一直都静静叠在同一张地图上。如果是学生或者自学者，这个网站可以直接拿来当「可视化笔记本」。比如把时间停在 1912，放大中国，看清末民初的边界，再拖到巴尔干半岛，看奥斯曼帝国瓦解后留下多少新国家，最后拉到非洲，看那时殖民版图怎么铺开，一条时间轴上，三块区域的故事会拼成一个你从来没在课本里见过的世界格局。这种「同一年，不同地方同时发生什么」的视角，是传统时间线和单一区域地图都很难给到的。对做内容的人来说，Chronas 几乎是一个天然的选题雷达。你可以挑一个年份，比如 1848，先看欧洲革命浪潮，再顺手拖到亚洲，看那一年这边在发生什么，再点进一个小地方的条目，看它在几十年里换了几次统治者，这当中随便拆出几条线，都能写成系列故事或者做成一整套选题。

刚刚挖到一个非常牛批的网站！！这个网站，让你用上帝视角看人类历史：它把整个人类历史，做成了一张可以随手拖拽的【Google 地图版时间线】。把 5000 年左右的全球历史，压缩成一张可拖拽的世界地图，加一根时间轴，从公元前到 20 世纪都能随时切换。它把国家疆界、人口、宗教、文化、迁徙、重要事件、统治者信息都铺在一张图上，目前累计数据点超过 5000 万个。时间滑块一拉，地图会立刻变成对应年份的世界格局，再点任意一个区域，就能在侧边栏展开对应的维基百科条目，等于「地图 + 知识库」一体化。无论你是学生、内容创作者，还是单纯对世界怎么走到今天这一步感到好奇，它都提供了一种此前很少见的视角——让你在同一块屏幕上，同时看到时间、空间和事件的关系。也许某一天你只是随手拖动了一下时间轴，在一块不起眼的小区域停了几秒，就会突然意识到：原来那些看起来完全无关的历史片段，一直都静静叠在同一张地图上。如果是学生或者自学者，这个网站可以直接拿来当「可视化笔记本」。比如把时间停在 1912，放大中国，看清末民初的边界，再拖到巴尔干半岛，看奥斯曼帝国瓦解后留下多少新国家，最后拉到非洲，看那时殖民版图怎么铺开，一条时间轴上，三块区域的故事会拼成一个你从来没在课本里见过的世界格局。这种「同一年，不同地方同时发生什么」的视角，是传统时间线和单一区域地图都很难给到的。对做内容的人来说，Chronas 几乎是一个天然的选题雷达。你可以挑一个年份，比如 1848，先看欧洲革命浪潮，再顺手拖到亚洲，看那一年这边在发生什么，再点进一个小地方的条目，看它在几十年里换了几次统治者，这当中随便拆出几条线，都能写成系列故事或者做成一整套选题。

沉浸式翻译

370,899 görüntüleme • 8 ay önce

如果你翻墙之后，还只会刷每日大赛，那真的有点浪费了因为互联网真正值钱的东西，其实大量都藏在 GitHub 很多最新的 AI 工具、自动化项目、效率工作流，几乎都会第一时间出现在那里这两年越来越明显的一件事是：会用 GitHub 的人，已经开始用 AI 放大自己的效率了很多原本需要团队完成的事情，现在一个人就能做我的建议是收藏起来，认真看看这个视频它真正有价值的地方，不是教你“看网站”，而是让你开始理解： AI 时代里，普通人该去哪里找机会

如果你翻墙之后，还只会刷每日大赛，那真的有点浪费了因为互联网真正值钱的东西，其实大量都藏在 GitHub 很多最新的 AI 工具、自动化项目、效率工作流，几乎都会第一时间出现在那里这两年越来越明显的一件事是：会用 GitHub 的人，已经开始用 AI 放大自己的效率了很多原本需要团队完成的事情，现在一个人就能做我的建议是收藏起来，认真看看这个视频它真正有价值的地方，不是教你“看网站”，而是让你开始理解： AI 时代里，普通人该去哪里找机会

Suu

553,871 görüntüleme • 2 ay önce

一个惊人的事实。你的想法，可能根本不在你的脑袋里。怎么回事？有一种技术，用一块不接触你头部的磁铁，就能测量你的脑电波。这就引出了一个颠覆性的可能。你的思想，也许并不局限在你的头骨之内。量子物理学的一个观点是，万物皆是能量，没有什么是孤立存在的。我们都连接在一个更大的“场”中。科学家现在正试图搞清楚，记忆究竟是如何储存的。一部分是基于蛋白质。另一部分，则是一个更大胆的理论。我们把思想储存在“云端”。就像一个属于你自己的Wi-Fi场。你随时在接入这个场，提取信息。这就解释了为什么当面见一个人，和通过Zoom开会，感觉完全不同。因为我们各自的“生物场”在实时互动。我们的大脑在极低的频率上进行交流。所以，你拥有自己的生物场。你就是你自己的Wi-Fi。你发射自己的信号。那么，思想，可能就是这些信号进入你意识的过程。这种力量和能量的流动，决定了你的思考方式和反应。这引出了一个严肃的问题。如果思想和意识可以被外部场域影响，甚至读取。那些致力于脑机接口和“增强人类”的全球主义精英，他们究竟想干什么？当你的思想不再是你私有的，谁会成为最终的控制者？这值得每一个人警惕。

一个惊人的事实。你的想法，可能根本不在你的脑袋里。怎么回事？有一种技术，用一块不接触你头部的磁铁，就能测量你的脑电波。这就引出了一个颠覆性的可能。你的思想，也许并不局限在你的头骨之内。量子物理学的一个观点是，万物皆是能量，没有什么是孤立存在的。我们都连接在一个更大的“场”中。科学家现在正试图搞清楚，记忆究竟是如何储存的。一部分是基于蛋白质。另一部分，则是一个更大胆的理论。我们把思想储存在“云端”。就像一个属于你自己的Wi-Fi场。你随时在接入这个场，提取信息。这就解释了为什么当面见一个人，和通过Zoom开会，感觉完全不同。因为我们各自的“生物场”在实时互动。我们的大脑在极低的频率上进行交流。所以，你拥有自己的生物场。你就是你自己的Wi-Fi。你发射自己的信号。那么，思想，可能就是这些信号进入你意识的过程。这种力量和能量的流动，决定了你的思考方式和反应。这引出了一个严肃的问题。如果思想和意识可以被外部场域影响，甚至读取。那些致力于脑机接口和“增强人类”的全球主义精英，他们究竟想干什么？当你的思想不再是你私有的，谁会成为最终的控制者？这值得每一个人警惕。

墓碑科技

17,251 görüntüleme • 9 ay önce

把网站录下来给AI看, AI能照着做出来吗? 刚刚看到了个炫酷的灯具网站, 它有个功能是点击按钮直接能看到灯点亮的效果, 甚至网站的配色也会暗淡下来, 特别有氛围. 我突然想到, 这样的网站, 如果要让AI来做, 该怎么办? 把源代码拷给它? 用一个巨复杂的 prompt 来完成? 有没有可能, 我录个视频, 展示一下这个"关灯"的效果, 然后让AI来按照视频来写网站? 于是, 这个重任就交给了今天测试的模型, 百度刚出的文心-5.0-preview, 全模态大模型, 这个模型同时支持文本, 图片, 音频, 视频作为输入, 然后可以生成文本和图片, 所以我们这个测试可以最大化的利用它的能力. 我先录制了网站的效果, 然后写了prompt作为补充, 告诉它这个效果是怎样的, 以及准备的图片材料在哪里. 值得一提的是, 网站所展示的图片也是我用文心-5.0-preview生成的. 大家可以看视频中我生成的效果. 直接说测试结论: 目前每个模态都是可用的, 而且模态之间关联性非常好, 我测试了视频+文本, 图片+文本, 图片+语音, 都可以完成任务. 当然测试也发现了一些问题, 比如 token 输出速度不是特别快, 以及偶尔会有超时问题(已反馈给百度的同学). 我的使用建议是, 多利用它的多模态能力, 来完成之前不敢想象的任务, 它真的提升了使用场景的天花板. #文心大模型 #文心5 #百度 #文心一言 #ai教程

把网站录下来给AI看, AI能照着做出来吗? 刚刚看到了个炫酷的灯具网站, 它有个功能是点击按钮直接能看到灯点亮的效果, 甚至网站的配色也会暗淡下来, 特别有氛围. 我突然想到, 这样的网站, 如果要让AI来做, 该怎么办? 把源代码拷给它? 用一个巨复杂的 prompt 来完成? 有没有可能, 我录个视频, 展示一下这个"关灯"的效果, 然后让AI来按照视频来写网站? 于是, 这个重任就交给了今天测试的模型, 百度刚出的文心-5.0-preview, 全模态大模型, 这个模型同时支持文本, 图片, 音频, 视频作为输入, 然后可以生成文本和图片, 所以我们这个测试可以最大化的利用它的能力. 我先录制了网站的效果, 然后写了prompt作为补充, 告诉它这个效果是怎样的, 以及准备的图片材料在哪里. 值得一提的是, 网站所展示的图片也是我用文心-5.0-preview生成的. 大家可以看视频中我生成的效果. 直接说测试结论: 目前每个模态都是可用的, 而且模态之间关联性非常好, 我测试了视频+文本, 图片+文本, 图片+语音, 都可以完成任务. 当然测试也发现了一些问题, 比如 token 输出速度不是特别快, 以及偶尔会有超时问题(已反馈给百度的同学). 我的使用建议是, 多利用它的多模态能力, 来完成之前不敢想象的任务, 它真的提升了使用场景的天花板. #文心大模型 #文心5 #百度 #文心一言 #ai教程

karminski-牙医

29,929 görüntüleme • 9 ay önce

我们都活在一个巨大的模拟程序里。听起来像科幻电影？有个人用一束激光，在自己家里做了个实验。结果震惊了在场所有人。激光束打在墙上。但光束穿过的地方，竟然浮现出数字和字母。就像游戏里的代码一样，漂在空中。他说这不是幻觉。一百多个人亲眼看过，每个人看到的都一样。从不同角度看，还能看到不同的层次。好像激光撕开了一道口子，让你看到了世界的底层代码。几个世纪以来，无数人试图探索意识的边界。靠的是什么？冥想、药物、各种神秘体验。但那些东西，全都是主观感受。无法重复，无法验证。现在这个激光实验，据说任何人都能重复。而且结果稳定。如果这是真的，意味着什么？我们看到的、摸到的一切，都只是一行行代码？难怪大科技公司和精英阶层，痴迷于元宇宙、虚拟现实。他们是不是早就知道了什么？普通人被蒙在鼓里，埋头为生活奔波。而有些人，已经在尝试扮演“上帝”的角色了。这个世界，到底谁说了算？

我们都活在一个巨大的模拟程序里。听起来像科幻电影？有个人用一束激光，在自己家里做了个实验。结果震惊了在场所有人。激光束打在墙上。但光束穿过的地方，竟然浮现出数字和字母。就像游戏里的代码一样，漂在空中。他说这不是幻觉。一百多个人亲眼看过，每个人看到的都一样。从不同角度看，还能看到不同的层次。好像激光撕开了一道口子，让你看到了世界的底层代码。几个世纪以来，无数人试图探索意识的边界。靠的是什么？冥想、药物、各种神秘体验。但那些东西，全都是主观感受。无法重复，无法验证。现在这个激光实验，据说任何人都能重复。而且结果稳定。如果这是真的，意味着什么？我们看到的、摸到的一切，都只是一行行代码？难怪大科技公司和精英阶层，痴迷于元宇宙、虚拟现实。他们是不是早就知道了什么？普通人被蒙在鼓里，埋头为生活奔波。而有些人，已经在尝试扮演“上帝”的角色了。这个世界，到底谁说了算？

墓碑科技

314,478 görüntüleme • 6 ay önce

这个 World Monitor ，真的有点吓人！把全世界正在发生的事，压缩进一张地图。你一打开，不是普通页面。是那种——上帝视角。哪在打雷下雨，哪在发生灾害，哪块区域网络出问题，新闻在滚，数据在跳，市场在动。不是资讯网站。是全局扫描。更夸张的是—— 还能切到科技模式。全球创业中心分布，科技公司总部坐标，科技活动在哪举办。等于把分散在各个平台的公开信息，揉成一个实时情报面板。而且——开源、免费。你可以直接用，也可以自己部署一套。 24 小时挂着，随时看全球动向。这已经不是做个炫酷地图那么简单。更像是个人版全球监控台。做投资的，做趋势判断的，做信息套利的，包括做内容选题的—— 这东西，本质上是在放大你的信息密度。

这个 World Monitor ，真的有点吓人！把全世界正在发生的事，压缩进一张地图。你一打开，不是普通页面。是那种——上帝视角。哪在打雷下雨，哪在发生灾害，哪块区域网络出问题，新闻在滚，数据在跳，市场在动。不是资讯网站。是全局扫描。更夸张的是—— 还能切到科技模式。全球创业中心分布，科技公司总部坐标，科技活动在哪举办。等于把分散在各个平台的公开信息，揉成一个实时情报面板。而且——开源、免费。你可以直接用，也可以自己部署一套。 24 小时挂着，随时看全球动向。这已经不是做个炫酷地图那么简单。更像是个人版全球监控台。做投资的，做趋势判断的，做信息套利的，包括做内容选题的—— 这东西，本质上是在放大你的信息密度。

开发者Hailey

21,506 görüntüleme • 5 ay önce

当年明月的顶级觉悟值得一听👋 当年明月的顶级智慧———— 你到这个世界上来，你应该有这样一个觉悟，就是你终究是要死。这就是一个人，他很悲剧的在于，他无论多厉害，无论多牛，无论多么嚣张，他都要死，他都有终结。那么在这段时间，你做什么？不断的探索，去懂得这个世界的很多东西。知道这个世界的规律，它是一种无比的喜悦狂喜。我大学这几年在外边吃饭，能数的出来，很多时候我也不怎么吃。很多人说我是像神仙一样，不找不到我这人。其实我在教室看上自习或在外边看书，但我真不觉得我是一个被排斥的人，我不觉得孤独，因为你有书，因为我知道我懂得越来越多，只有智慧和知识内在强大，让你让你自己懂得很多，对这个世界你有充分的了解，你就不会畏惧了。我无论身处在什么多小的房间里，我只要翻开那本书，我就是在看大海。它记住了无数人的一辈子，他们不断的挣扎，想出头，想出名儿，有的是为了正义而奋斗，有的是为了私利而奋斗，这些人无论他怎么折腾，最后只在这本书里，你一页纸翻过去，就能翻过无数人的一辈子。我在看一本很伟大的文，这种乐趣是很多人无法想象的，为了这种乐趣，这个世界上大多数的舆论你都可以忽略。当我翻开的时候，我又能看到很多人的命运，所有的一切都只在一张纸上，但是你是能感受到的。我感受到了。

当年明月的顶级觉悟值得一听👋 当年明月的顶级智慧———— 你到这个世界上来，你应该有这样一个觉悟，就是你终究是要死。这就是一个人，他很悲剧的在于，他无论多厉害，无论多牛，无论多么嚣张，他都要死，他都有终结。那么在这段时间，你做什么？不断的探索，去懂得这个世界的很多东西。知道这个世界的规律，它是一种无比的喜悦狂喜。我大学这几年在外边吃饭，能数的出来，很多时候我也不怎么吃。很多人说我是像神仙一样，不找不到我这人。其实我在教室看上自习或在外边看书，但我真不觉得我是一个被排斥的人，我不觉得孤独，因为你有书，因为我知道我懂得越来越多，只有智慧和知识内在强大，让你让你自己懂得很多，对这个世界你有充分的了解，你就不会畏惧了。我无论身处在什么多小的房间里，我只要翻开那本书，我就是在看大海。它记住了无数人的一辈子，他们不断的挣扎，想出头，想出名儿，有的是为了正义而奋斗，有的是为了私利而奋斗，这些人无论他怎么折腾，最后只在这本书里，你一页纸翻过去，就能翻过无数人的一辈子。我在看一本很伟大的文，这种乐趣是很多人无法想象的，为了这种乐趣，这个世界上大多数的舆论你都可以忽略。当我翻开的时候，我又能看到很多人的命运，所有的一切都只在一张纸上，但是你是能感受到的。我感受到了。

心灵书舫 | SoulSloop

27,076 görüntüleme • 6 ay önce

这是一个一个可以观看世界各地电视频道的网站每期分享一个实用网站第十九期今天要分享的是这是一个可以观看世界各个地区电视频道的网站，只需要在这个地球仪上选一个想看的地区，右边就会跳出这个地区所有的电视台，随便点开一个就能观看。如果不知道看什么，你可以点击这个骰子，它就会随机播放一个频道，就像开盲盒一样。更变态的是，点击这里可以看到非常详细的频道分类，体育、新闻、电影、音乐、商业通通都有，非常适合想学外语、了解各国文化的人。

这是一个一个可以观看世界各地电视频道的网站每期分享一个实用网站第十九期今天要分享的是这是一个可以观看世界各个地区电视频道的网站，只需要在这个地球仪上选一个想看的地区，右边就会跳出这个地区所有的电视台，随便点开一个就能观看。如果不知道看什么，你可以点击这个骰子，它就会随机播放一个频道，就像开盲盒一样。更变态的是，点击这里可以看到非常详细的频道分类，体育、新闻、电影、音乐、商业通通都有，非常适合想学外语、了解各国文化的人。

LF 刀河王

13,634 görüntüleme • 2 ay önce

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 görüntüleme • 2 yıl önce

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😊

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 görüntüleme • 6 ay önce

纳瓦尔最新博客：你只有一次人生（完整版）人生的关键选择其实只有3个，看完醍醐灌顶！！对于刚刚开始的年轻人来说，什么是最重要的事情？花更多时间去做那些大的决定。在你人生的初期阶段，或者你处于迷茫期，你要做的大的决定基本上只有三个：住在哪儿，和谁在一起，以及做什么。 1/。你最终会变成“你能接受的范围的下限” 。 Naval讲得很直接：“你最后会获得什么样的生活状态，取决于你对自己底线的容忍度。有些事你很在乎、你决不妥协，而有些事你无所谓、随随便便就接受了。而后者，往往就变成了你的命运。” 所以不是命运安排你“普通”“平庸”或“痛苦”，而是你对这些说了yes. 一段感情走下去，不是因为“非ta不可“，而是“已经这么久了”、“重新磨合一个人太麻烦了”、“ta虽然对我不太好，但ta也不给我惹麻烦”；一份工作干了几年，不是因为“我很热爱”，而是“大厂有面儿”、“工作内容都熟悉了”、“还能忍忍”；一个城市待了十年，不是因为“我很喜欢这里”，而是“在这里工作没办法”、“房子都买了”、“搬家太麻烦”。 Naval没有批评这些选择，而是提醒我们：这些不是世界强加给我们的，是我们默认接受的“最低标准”。你能接受一个凑合，就不要抱怨为什么不能让你遇到你的热爱，这在任何领域都成立。你拒绝的东西里，藏着你的底线。 2/。人生其实只有3个关键选择。 Naval人生最重要的三个选择分别是：“你和谁在一起、你做什么以及你住在哪。” 这三个决定，构成了你每天醒来面对的生活、引发的情绪和可能的机会。但很多人几乎都没有认真选择过，而是任由它机缘巧合地“就这么发生了”。 A. 你和谁在一起太多人都是“走着走着就在一起了”，从来没有真正想过：我是不是在“将就”，我的“底线”到底在哪。但Naval说，如果你不是一个愿意凑合的人，那就要学会在“有限时间内高效试错” -- 列出自己的底线，设定好时间范围，快速试错、快速排除、不断磨合调整，直到筛选出最适合自己的那个人。 B. 你做什么 Naval在他的书以及最新一期访谈里（纳瓦尔最新访谈：越快乐，越成功）不止一次提到过他认为每个人都应该去做的事情：“找到那个对别人来说像工作，但对你来说像玩的是。”“没有人能在成为你自己这件事上打败你。” 这就是你的天赋所在。找到它之后，想办法把它“杠杆化”，把自己和自己的天赋“产品化”-- 让它变成能创造价值、可以被无限放大的长期赛道。 C. 你住在哪座城市这是很多人最容易忽略的一点，Naval强调说：“你住的城市，其实定义了你的社交圈、机会、视野，甚至美学与欲望。” 这个决定，在很多人那里几乎是被动发生的：在哪里读的大学、伴侣在哪、房价便宜、工作调动.....但它决定了你每天遇到什么人，说什么话，做出什么行为，看到什么天花板。不在你的思维以内的，就不会在你的行为以内；你想不到的，你就做不到。 3/。做选择时的3条黄金法则读完第2点后，你也许会有一个疑问：OK我现在知道了我要好好思考这3个关键问题、并且做出选择了，但我要怎么做选择呢？ Naval给出了3条他自己在用的做选择时的标准，每一条都能帮助我们快速排除错误选项，缩小选择范围。 1、犹豫不决时，答案就是No. “真正想要的东西，你一秒都不会犹豫。一旦你开始在写上了pros & cons的表格上反复记分纠结时，说明你的内心早已有了答案。” 这一点对很多人来说很有点扎心，因为不想面对自己其实不想要这个事实，于是装作“我再考虑考虑”、“我还在权衡”。但这条原则逼着你对你自己诚实：你不行动，是因为你其实没那么想要。 2、两个选择差不多，选那个短期让你更痛的。 “因为长期来看，那个更痛的选择，往往才是能让你成长更多的路。” 做着稳定但一眼能看到头的工作，短期安全，但长期上升空间有限。跳出舒适圈、换种活法，短期很难，但可能打开新格局、创出新天地。 Naval不是在鼓吹没苦硬吃，而是如果你当下的生活没有令你满意，说明这条路并不能帮你拿到结果；这时候，就应该走那条能够帮你拿到结果的路，哪怕这条路一开始很苦很难。 3、选那个“长期更让你心安”的选择。 Naval是从Kapil Gupta（思想家、商业教练）那里学到这个原则的：去选那个从长远看，会让你更平静、更稳定、更少后悔的方向（这有点像我们在数学里学到的极值思维，取最大或最小值，看看那个结果如何）。不是最安全的那个，也不是最赚钱的那个，而是把时间线拉长后回头看你也不后悔的那个。 30年后，你是否还会认可你当下所选的伴侣、所选的工作和所在的城市？如果不会，那最好一天都不要多选，及时止损。谁在最初阶段都迷茫，迷茫不要紧。只要你在醒悟的时候能够拿出“勇气”做出真正知行合一的选择，你一样可以活得”清醒“且“自由”。从今天开始，把决定权从“随波逐流”里拿回来，认真地思考自己可以接受什么、不能对什么将就，真正去做一两个不凑合的选择，生命的齿轮就会开始转动了。

纳瓦尔最新博客：你只有一次人生（完整版）人生的关键选择其实只有3个，看完醍醐灌顶！！对于刚刚开始的年轻人来说，什么是最重要的事情？花更多时间去做那些大的决定。在你人生的初期阶段，或者你处于迷茫期，你要做的大的决定基本上只有三个：住在哪儿，和谁在一起，以及做什么。 1/。你最终会变成“你能接受的范围的下限” 。 Naval讲得很直接：“你最后会获得什么样的生活状态，取决于你对自己底线的容忍度。有些事你很在乎、你决不妥协，而有些事你无所谓、随随便便就接受了。而后者，往往就变成了你的命运。” 所以不是命运安排你“普通”“平庸”或“痛苦”，而是你对这些说了yes. 一段感情走下去，不是因为“非ta不可“，而是“已经这么久了”、“重新磨合一个人太麻烦了”、“ta虽然对我不太好，但ta也不给我惹麻烦”；一份工作干了几年，不是因为“我很热爱”，而是“大厂有面儿”、“工作内容都熟悉了”、“还能忍忍”；一个城市待了十年，不是因为“我很喜欢这里”，而是“在这里工作没办法”、“房子都买了”、“搬家太麻烦”。 Naval没有批评这些选择，而是提醒我们：这些不是世界强加给我们的，是我们默认接受的“最低标准”。你能接受一个凑合，就不要抱怨为什么不能让你遇到你的热爱，这在任何领域都成立。你拒绝的东西里，藏着你的底线。 2/。人生其实只有3个关键选择。 Naval人生最重要的三个选择分别是：“你和谁在一起、你做什么以及你住在哪。” 这三个决定，构成了你每天醒来面对的生活、引发的情绪和可能的机会。但很多人几乎都没有认真选择过，而是任由它机缘巧合地“就这么发生了”。 A. 你和谁在一起太多人都是“走着走着就在一起了”，从来没有真正想过：我是不是在“将就”，我的“底线”到底在哪。但Naval说，如果你不是一个愿意凑合的人，那就要学会在“有限时间内高效试错” -- 列出自己的底线，设定好时间范围，快速试错、快速排除、不断磨合调整，直到筛选出最适合自己的那个人。 B. 你做什么 Naval在他的书以及最新一期访谈里（纳瓦尔最新访谈：越快乐，越成功）不止一次提到过他认为每个人都应该去做的事情：“找到那个对别人来说像工作，但对你来说像玩的是。”“没有人能在成为你自己这件事上打败你。” 这就是你的天赋所在。找到它之后，想办法把它“杠杆化”，把自己和自己的天赋“产品化”-- 让它变成能创造价值、可以被无限放大的长期赛道。 C. 你住在哪座城市这是很多人最容易忽略的一点，Naval强调说：“你住的城市，其实定义了你的社交圈、机会、视野，甚至美学与欲望。” 这个决定，在很多人那里几乎是被动发生的：在哪里读的大学、伴侣在哪、房价便宜、工作调动.....但它决定了你每天遇到什么人，说什么话，做出什么行为，看到什么天花板。不在你的思维以内的，就不会在你的行为以内；你想不到的，你就做不到。 3/。做选择时的3条黄金法则读完第2点后，你也许会有一个疑问：OK我现在知道了我要好好思考这3个关键问题、并且做出选择了，但我要怎么做选择呢？ Naval给出了3条他自己在用的做选择时的标准，每一条都能帮助我们快速排除错误选项，缩小选择范围。 1、犹豫不决时，答案就是No. “真正想要的东西，你一秒都不会犹豫。一旦你开始在写上了pros & cons的表格上反复记分纠结时，说明你的内心早已有了答案。” 这一点对很多人来说很有点扎心，因为不想面对自己其实不想要这个事实，于是装作“我再考虑考虑”、“我还在权衡”。但这条原则逼着你对你自己诚实：你不行动，是因为你其实没那么想要。 2、两个选择差不多，选那个短期让你更痛的。 “因为长期来看，那个更痛的选择，往往才是能让你成长更多的路。” 做着稳定但一眼能看到头的工作，短期安全，但长期上升空间有限。跳出舒适圈、换种活法，短期很难，但可能打开新格局、创出新天地。 Naval不是在鼓吹没苦硬吃，而是如果你当下的生活没有令你满意，说明这条路并不能帮你拿到结果；这时候，就应该走那条能够帮你拿到结果的路，哪怕这条路一开始很苦很难。 3、选那个“长期更让你心安”的选择。 Naval是从Kapil Gupta（思想家、商业教练）那里学到这个原则的：去选那个从长远看，会让你更平静、更稳定、更少后悔的方向（这有点像我们在数学里学到的极值思维，取最大或最小值，看看那个结果如何）。不是最安全的那个，也不是最赚钱的那个，而是把时间线拉长后回头看你也不后悔的那个。 30年后，你是否还会认可你当下所选的伴侣、所选的工作和所在的城市？如果不会，那最好一天都不要多选，及时止损。谁在最初阶段都迷茫，迷茫不要紧。只要你在醒悟的时候能够拿出“勇气”做出真正知行合一的选择，你一样可以活得”清醒“且“自由”。从今天开始，把决定权从“随波逐流”里拿回来，认真地思考自己可以接受什么、不能对什么将就，真正去做一两个不凑合的选择，生命的齿轮就会开始转动了。

看不懂的SOL

291,079 görüntüleme • 7 ay önce

你有想过，如果你在不同的地方长大，会成为什么样的人吗？越来越多研究正试图回答这个长久以来的“先天与后天”之争。从某个角度来看，每个人的DNA都是独一无二的，而且无论我们搬到哪里，基因的基本结构都不会改变。但科学家指出，DNA并不能单独决定我们是谁。

你有想过，如果你在不同的地方长大，会成为什么样的人吗？越来越多研究正试图回答这个长久以来的“先天与后天”之争。从某个角度来看，每个人的DNA都是独一无二的，而且无论我们搬到哪里，基因的基本结构都不会改变。但科学家指出，DNA并不能单独决定我们是谁。

BBC News 中文

59,666 görüntüleme • 6 ay önce

OpenAI工程师翁家翌在下边的访谈里讲了两句非常有意思的话： 1. 每个人的命运是可以被预测的； 2. 上帝在宏观不掷骰子，而微观上掷骰子。某种程度上，个人是很认同的。 "宿命论/命运可预测"：翁家翌认为每个人的命运是可以被预测的，这个世界是一个确定的世界，人类在宏观上是没有自由意志的，世界在宇宙大爆炸的时候就已经确定了。这个立场本质上是物理学中的经典决定论，也就是拉普拉斯妖的思路：如果你知道宇宙某一时刻所有粒子的状态和运动信息，就能推演出整个过去和未来。从这个角度看，人的命运只是初始条件在时间维度上的展开，不可预测只是因为我们信息不够，而不是因为它不确定。翁家翌作为做强化学习的人，会有这种直觉其实不奇怪。RL 本质上就是在一个由规则确定的环境里，通过行动和反馈的闭环来逼近最优策略。如果你把整个宇宙看成一个极其复杂的环境，而人只是其中的 agent，那“命运可预测”就变成了一个工程问题，而非哲学问题，只是算力和信息量的限制。 “上帝在宏观不掷骰子，而微观上掷骰子”：这个观点上，他把爱因斯坦和哥本哈根学派的争论做了一个调和，而不是简单地站某一边。微观掷骰子，这基本上是承认量子力学的实验事实。单个粒子的行为确实是概率性的，你没法预测一个电子具体会出现在哪，只能给出概率分布。这一点在实验上已经反复验证过，没什么好争的。宏观不掷骰子，这才是他真正想表达的核心。意思是：当微观的随机性被大量粒子叠加、平均之后，在宏观层面上涌现出来的规律是确定的。映射到人的命运上，他的意思大概是：你人生中每一个微小的决策瞬间，每一次神经元的放电，可能确实带有量子层面的随机性。但当这些微小的随机性汇聚成一个人几十年的生命轨迹时，大数定律把噪声给消除了，剩下的是一条由初始条件（你的基因、家庭、时代、性格结构）基本锁定的路径。这个观点还有一层更深的含义：它解释了为什么“算命”这件事在统计意义上可能有效，但在具体事件上经常失败。宏观层面的命运轨迹（大致会从事什么类型的工作、大致的人生节奏）或许是可预测的，因为它是由足够多的微观变量平均出来的。但某一天你会遇到谁、某一次会议会说什么话，这些微观事件里骰子还在转。这不是那种粗糙的"一切命中注定"式宿命论，而是一个更接近统计物理的框架：自由意志存在于微观的每一步，但命运浮现于宏观的整条路径。你可以选择今天吃什么，但你这辈子大概会成为什么样的人，可能在出生的时候就差不多定了。

OpenAI工程师翁家翌在下边的访谈里讲了两句非常有意思的话： 1. 每个人的命运是可以被预测的； 2. 上帝在宏观不掷骰子，而微观上掷骰子。某种程度上，个人是很认同的。 "宿命论/命运可预测"：翁家翌认为每个人的命运是可以被预测的，这个世界是一个确定的世界，人类在宏观上是没有自由意志的，世界在宇宙大爆炸的时候就已经确定了。这个立场本质上是物理学中的经典决定论，也就是拉普拉斯妖的思路：如果你知道宇宙某一时刻所有粒子的状态和运动信息，就能推演出整个过去和未来。从这个角度看，人的命运只是初始条件在时间维度上的展开，不可预测只是因为我们信息不够，而不是因为它不确定。翁家翌作为做强化学习的人，会有这种直觉其实不奇怪。RL 本质上就是在一个由规则确定的环境里，通过行动和反馈的闭环来逼近最优策略。如果你把整个宇宙看成一个极其复杂的环境，而人只是其中的 agent，那“命运可预测”就变成了一个工程问题，而非哲学问题，只是算力和信息量的限制。 “上帝在宏观不掷骰子，而微观上掷骰子”：这个观点上，他把爱因斯坦和哥本哈根学派的争论做了一个调和，而不是简单地站某一边。微观掷骰子，这基本上是承认量子力学的实验事实。单个粒子的行为确实是概率性的，你没法预测一个电子具体会出现在哪，只能给出概率分布。这一点在实验上已经反复验证过，没什么好争的。宏观不掷骰子，这才是他真正想表达的核心。意思是：当微观的随机性被大量粒子叠加、平均之后，在宏观层面上涌现出来的规律是确定的。映射到人的命运上，他的意思大概是：你人生中每一个微小的决策瞬间，每一次神经元的放电，可能确实带有量子层面的随机性。但当这些微小的随机性汇聚成一个人几十年的生命轨迹时，大数定律把噪声给消除了，剩下的是一条由初始条件（你的基因、家庭、时代、性格结构）基本锁定的路径。这个观点还有一层更深的含义：它解释了为什么“算命”这件事在统计意义上可能有效，但在具体事件上经常失败。宏观层面的命运轨迹（大致会从事什么类型的工作、大致的人生节奏）或许是可预测的，因为它是由足够多的微观变量平均出来的。但某一天你会遇到谁、某一次会议会说什么话，这些微观事件里骰子还在转。这不是那种粗糙的"一切命中注定"式宿命论，而是一个更接近统计物理的框架：自由意志存在于微观的每一步，但命运浮现于宏观的整条路径。你可以选择今天吃什么，但你这辈子大概会成为什么样的人，可能在出生的时候就差不多定了。

Macro_Lin

372,926 görüntüleme • 5 ay önce

不用羡慕 Adobe 了，Lovart 也上线了图层拆封功能。只需要一键就能把图像拆成各种不同的元素。同时里边比如说文字这种可以编辑的，也可以直接进行编辑。他们内置了很多字体，然后颜色对企业都可以进行编辑。再配合上他们原来有的，比如说抠图功能、重新生成功能，还有编评论功能，就可以玩出很多的花样了。一套基于 AI 的图像编辑路径，还是挺好的。那我自己做的一张图试了一下，一键就把那张图拆零碎了。标题是标题，主视觉是主视觉，然后副标题也都可以编辑文字，然后背景包括下面的小字都识别出来，非常小的小字。还有就是我发现他改这种英文的图表挺方便，就是你把它一下把文字全部炸出来，然后把它全部翻译成中文，里边的排版啥的都能会变，非常的方便。要是 Agent 他能干这个事儿，就比如它可以一键帮我把英文翻译成中文，再回填回去，这个就更好了。希望他们的评论 Agent 后边能支持这种功能。

不用羡慕 Adobe 了，Lovart 也上线了图层拆封功能。只需要一键就能把图像拆成各种不同的元素。同时里边比如说文字这种可以编辑的，也可以直接进行编辑。他们内置了很多字体，然后颜色对企业都可以进行编辑。再配合上他们原来有的，比如说抠图功能、重新生成功能，还有编评论功能，就可以玩出很多的花样了。一套基于 AI 的图像编辑路径，还是挺好的。那我自己做的一张图试了一下，一键就把那张图拆零碎了。标题是标题，主视觉是主视觉，然后副标题也都可以编辑文字，然后背景包括下面的小字都识别出来，非常小的小字。还有就是我发现他改这种英文的图表挺方便，就是你把它一下把文字全部炸出来，然后把它全部翻译成中文，里边的排版啥的都能会变，非常的方便。要是 Agent 他能干这个事儿，就比如它可以一键帮我把英文翻译成中文，再回填回去，这个就更好了。希望他们的评论 Agent 后边能支持这种功能。

歸藏(guizang.ai)

23,038 görüntüleme • 9 ay önce

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

14,213 görüntüleme • 2 yıl önce