正在加载视频...

视频加载失败

·- 如何用人工智能迅速提高孩子的成绩 第一步 打开kimi或者豆包千问 第二步 把题目拍成照片,上传 第三步 输入下列提示词 “你是一位经验丰富的[数学/物理/化学]老师,我要向你请教一道错题。 请你不要直接给我答案,而是通过向我提问的方式,帮我彻底掌握这道题涉及的所有知识点。 具体要求: 1. 问我8-10个问题,难度逐渐增加 涵盖:核心概念定义、公式适用条件、易错点、类似题型的变式思路 2. 每次只问一个问题,等我的回答后再问下一个, 3. 如果我答错了或答不上来,请指出我的问题所在,并引导我回到课本定义,然后出再出一道简单题 4. 全部问完后,我给你复述一遍我的理解。然后你再出一道类似的题考我 现在开始提问吧。 ” 先找一套真题,反复做20遍,成绩达到95以上,换另外一套真题。 一套卷子做100遍,远强过做100套卷子 最后,孩子问我,当我能到95以上,能不能寒假作业直接抄豆包 我回答:当然可以。这是反内卷,节省的时间和同学打篮球吧。

21,641 次观看 • 5 个月前 •via X (Twitter)

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

🚨黄仁勋的这一观点将颠覆你的过往认知: “AI让我们比以往任何时候都更加忙碌,而不是空闲” “人们常说,随着人工智能变得越来越智能,人们将拥有更多空闲时间。但至少对精英阶层而言,事实恰恰相反。答案返回的速度越快——只需几秒钟——就越需要人类来构思下一个问题并做出下一个决定。瓶颈从计算转移到了人身上,我们变得更加忙碌。在这个加速发展的时代,重要的不再是处理能力,而是判断的速度和质量。” “当我提出一个问题让团队解决时,通常需要等待两到三天,甚至四天的时间,他们才能找到答案,整理出来,然后发给我。这段等待时间恰恰让我能够思考下一步。而要思考下一步,我需要这些中间阶段的答案。” “现在,想象一下如果答案几乎在一秒钟之内就能出来会怎么样。这只是个假设。如果真那样,我的一天会变得异常忙碌。因为我自己就成了所有事情的关键环节。我会想:“好了,这个问题的答案出来了。接下来我得想想下一个问题。” 我得启动另一个实验。等那个实验的答案出来……如此循环往复。正因为信息技术现在如此高效,我觉得我们现在比以前忙得多。你不觉得吗?” “现在我们可以非常迅速地获取信息、知识和答案。因此,我们自身也处于关键位置。正因如此,我们比以往任何时候都更加忙碌。我怀疑许多人都会开始有同样的感受。”

KK.aWSB

25,549 次观看 • 6 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:

宝玉

301,570 次观看 • 1 年前

和任何人都能无脑聊下去的方法 很多人跟陌生人聊天,最怕的就是冷场,不知道说啥,气氛尴尬得要命。 今天咱们就用七天时间,练一套无脑聊天法,让你跟谁都能接得住话,聊得下去。 第一天,咱们先练最基础的提问公式。 你今天只需要记住一个万能句式:对方说完任何一句话,你就接——“哎,那你当时怎么想的?”或者“那后来呢?” 别小看这两句,它们能让90%的对话继续下去。今天的训练动作很简单:找三个朋友或者家人,不管他们说什么,你就用这两句接话。 比如对方说“我今天加班到很晚”,你就说:“哎,那你当时怎么想的?”对方说“我周末去爬山了”,你就说:“那后来呢?”练到你能自然而然地接住这两句话为止。 第二天,咱们在提问的基础上加一个动作,叫做重复关键词。对方说完一句话,你先重复他话里的一个词,然后再提问。 比如对方说“我最近在学吉他”,你就说:“吉他啊,那你是怎么开始学的?”这个重复动作,会让对方觉得你在认真听,而且话题自然就延伸出去了。 今天你要做的就是找五段对话,每次都先重复关键词再提问。可以是跟同事聊天,可以是跟店员闲聊,甚至是在评论区跟网友互动。练到你能秒速找到关键词为止。 第三天,咱们练话题延伸。这个技巧叫做“三个方向法”。对方说完一件事,你可以往三个方向延伸:过去发生了什么,现在感受如何,未来打算怎么办。 比如对方说“我换工作了”,你可以问:“之前那份工作是什么让你想换的?”这是往过去问;或者问:“现在这份工作感觉怎么样?”这是问现在;还可以问:“那你接下来有什么计划?”这是问未来。 今天的训练就是找三个话题,每个话题都用这三个方向各问一遍。你会发现,一个简单的话题能聊出好多内容。 第四天,咱们加一个情绪回应的动作。很多人只会问问题,但不会回应情绪,这样聊天就显得很机械。 今天,你要学会在提问前先回应对方的情绪。对方说“我今天被领导批评了”,你别直接问“为什么啊”,先说:“哎呀,那肯定挺难受的。”然后再问:“是因为什么事啊?”对方说“我考试过了”,你先说:“太好了!”再问:“你是怎么准备的?” 今天找五个对话场景,每次都先回应情绪,再提问。练到你能自然地感知对方情绪为止。 第五天,咱们练一个救场技巧,叫做话题转移法。有时候聊着聊着真的没话说了,这时候你就用“说到这个,我想起……”这个句式,把话题转到另一个方向。 比如聊工作聊不下去了,你就说:“说到工作,我想起最近看到一个很有意思的新闻。”聊天气聊不下去了,你就说:“说到天气,我想起上次去旅游的时候……” 这个方法能让你永远有话说。今天的训练是准备五个常见话题,每个话题都想好三个可以转移的方向,然后找机会实际用一用。 第六天,咱们练组合拳,把前面学的所有技巧串起来。用一段对话里,你要做到重复关键词、提问、回应情绪、延伸话题,必要时转移话题。 今天找一个人跟他聊至少十分钟,在这十分钟里把所有技巧都用上。聊完之后回想一下,哪个技巧用得最顺手,哪个还需要加强。 第七天,咱们做实战测试。今天你要主动找三个不太熟的人聊天,可以是同事,可以是邻居,可以是店员。每次聊天至少五分钟,目标是让对话自然流畅、不冷场。 聊完之后给自己打个分,看看能不能做到全程不尴尬,话题能不能自然延伸。如果还有卡壳的地方,就回到前面对应的那天再练一遍。 这套方法的核心,就是让你有话可说,而不是说得多漂亮。你每天花十分钟练习,一周之后你会发现,跟任何人聊天都不再是难事。 平时你可以多看一些访谈节目,注意主持人是怎么提问的,怎么接话的。每天睡前回想一下今天的对话,哪些地方可以用上这些技巧,坚持下去,聊天这件事真的会变成一种本能反应。

另一面

29,082 次观看 • 3 个月前