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。

“如果你今晚睡得安稳，说明你根本没听懂。” 这是亲手构建了当今所有 AI 底层神经网络的教父 Geoffrey Hinton ，从 Google 辞职后向世界发出的警告。这场 47 分钟的演讲，揭开了一个没人愿意面对的现实： AI 正在进化出连创造者都无法预料的能力。在大部分认知领域，人类已被甩在身后。机器彻底超越人类早已不是悬念，仅仅是时间问题。现在，当多数人还停留在打开 Claude 、输入几句话、拿到答案就关闭网页的阶段时，他们以为自己在使用 AI ，实则连它 10% 的力量都未曾触及。时代正在划下一条不可逆的分界线，而你唯一能决定的，是自己究竟要站在哪一边。观看并收藏。点开下面的文章，今晚就开始学习 AI↓

柴郡🔔｜Crypto+AI Plus

149,117 subscribers

258,179 次观看 • 4 个月前 •via X (Twitter)

教育科学技术

Anya Rossi• Live Now

Private livecam show

13 条评论

团长🎙️Tuan 的头像

团长🎙️Tuan4 个月前

AI界嘎吹的浮夸风我真的受不了了，先解决大一统理论，给出常温超导体再吓唬老百姓吧，已经失业的中年人表示不会感觉炸裂，倒吸一口凉气，很长一段时间AI只不过是越来越贵，越来越强的代码工具而已，目前速度还在放缓

Leon.AI 的头像

Leon.AI4 个月前

Hinton 亲手造出了怪物，现在却在警告大家。人类历史上第一次，创造者主动站出来说“我们可能玩脱了”😅

敬天地的头像

敬天地4 个月前

他们要造巴别塔了，一样的语言，没有他们干不成的事，现在就缺一个身体了，钢铁也行，脑机接口也行，为了钱自然有人会为A i打造身躯

Tommy Wong 的头像

Tommy Wong4 个月前

@grok总结该视频

/dev/null 的头像

/dev/null4 个月前

回复里谁看完了这个视频？尤其是倒数11分钟左右开始的部分。

晕豆腐 ✌︎( ᐛ )✌︎ 狗宝真帅🐕 的头像

晕豆腐 ✌︎( ᐛ )✌︎ 狗宝真帅🐕4 个月前

哦

jaime 的头像

jaime4 个月前

hinton's right, but the real problem is nobody's building guardrails fast enough to matter.

阿台🕊️ 的头像

阿台🕊️4 个月前

AI已超越人类，你是在驾驭还是被淘汰？

柴郡🔔｜Crypto+AI Plus 的头像

柴郡🔔｜Crypto+AI Plus4 个月前

如果你对 AI 感兴趣，欢迎免费订阅我的 Subtack 频道！《AI 控制我搭建了这个网站！》

Molly 的头像

Molly4 个月前

唯一的出路就是在技術無法被控制之前，叫醒世人！那些繼續危險行動的人，本來就是那些沒有與人類有共情能力的＂異人＂

十翼的头像

十翼4 个月前

学习了

Arthur Morgan 的头像

Arthur Morgan4 个月前

SB

nusret 的头像

nusret4 个月前

بۇنى دەيمەن

相关视频

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

570,850 次观看 • 3 个月前

不教识字，却学会了阅读？特斯拉的AI，从未被告知“什么是人、什么是车”，但它竟全都能识别。 Elon Musk最近在访谈中说：AI像人一样，通过看视频，学会了看懂这个世界。从来没有手把手教它识别交通标志，它却凭本能掌握了这些概念。 “本质上就是：光子输入，控制输出。”他说，人类也是这样。光进大脑，手脚嘴巴动。这句话背后的含义，绝不仅仅是在夸耀技术。它意味着新时代机器学习的范式已经成型：不再是靠标签和规则，而是逼近一种“物种级本能”。尤其是在视觉领域，AI已经开始模仿人类的认知路径。但问题来了如果AI可以“自悟”，谁来设定它的边界？这种黑箱般的学习过程在带来效率的同时，也削弱了人为干预的可能。一旦可解释性消失，责任归属、行为预测都可能变得模糊。而且，真正的问题或许不是AI看懂了这个世界，而是我们自己是否还懂得如何掌控它？在对“类人智能”的追求中，人类是否在制造一个最终难以控制的系统？我们距离“光子进，文明崩”到底还有多远？

不教识字，却学会了阅读？特斯拉的AI，从未被告知“什么是人、什么是车”，但它竟全都能识别。 Elon Musk最近在访谈中说：AI像人一样，通过看视频，学会了看懂这个世界。从来没有手把手教它识别交通标志，它却凭本能掌握了这些概念。 “本质上就是：光子输入，控制输出。”他说，人类也是这样。光进大脑，手脚嘴巴动。这句话背后的含义，绝不仅仅是在夸耀技术。它意味着新时代机器学习的范式已经成型：不再是靠标签和规则，而是逼近一种“物种级本能”。尤其是在视觉领域，AI已经开始模仿人类的认知路径。但问题来了如果AI可以“自悟”，谁来设定它的边界？这种黑箱般的学习过程在带来效率的同时，也削弱了人为干预的可能。一旦可解释性消失，责任归属、行为预测都可能变得模糊。而且，真正的问题或许不是AI看懂了这个世界，而是我们自己是否还懂得如何掌控它？在对“类人智能”的追求中，人类是否在制造一个最终难以控制的系统？我们距离“光子进，文明崩”到底还有多远？

墓碑科技

43,806 次观看 • 10 个月前

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😊

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 • 7 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

李飞飞这段采访，越听越有压力。她说未来真正被甩开的，可能不是被 AI 替代的人，而是还在用五年前流程工作的人。以前产品经理不会写代码很正常：写 PRD、开会、等设计、排开发，几个月做个原型。但现在旁边的人已经能用 AI 当天把 demo 跑出来，拿真实界面讨论需求，你还在说“我负责协调资源”。差距可能就是这么拉开的。 AI 最狠的地方，不是替你工作，而是逼你从“传话的人”变成“能把想法做出来的人”。

李飞飞这段采访，越听越有压力。她说未来真正被甩开的，可能不是被 AI 替代的人，而是还在用五年前流程工作的人。以前产品经理不会写代码很正常：写 PRD、开会、等设计、排开发，几个月做个原型。但现在旁边的人已经能用 AI 当天把 demo 跑出来，拿真实界面讨论需求，你还在说“我负责协调资源”。差距可能就是这么拉开的。 AI 最狠的地方，不是替你工作，而是逼你从“传话的人”变成“能把想法做出来的人”。

Vincent

69,334 次观看 • 3 个月前

户晨风好像又被封了？说实话不意外，我意外的是他到现在才被封... 他其实很像一个从底层刚刚爬上来，才接触到中产以上阶层没几天就觉得自己也是人上人的存在... 他说的观点里面，有些是对的，但对的不多... 在抖音聊安卓人与苹果人的同时还站在苹果人这边，基本上就是定时炸弹，早晚要G的...

户晨风好像又被封了？说实话不意外，我意外的是他到现在才被封... 他其实很像一个从底层刚刚爬上来，才接触到中产以上阶层没几天就觉得自己也是人上人的存在... 他说的观点里面，有些是对的，但对的不多... 在抖音聊安卓人与苹果人的同时还站在苹果人这边，基本上就是定时炸弹，早晚要G的...

Crypto_Painter

333,150 次观看 • 1 年前

当年被质疑30亿估值太高，如今价值兑现、估值已破3万亿！张一鸣：投资人对今日头条的估值，是面向未来的，今日头条的高估值，源于投资人对梦想的信任猫神视点：这个视频真正让人感慨的，其实不是张一鸣从30亿做到几万亿，而是一个很残酷的事实：人与人之间最大的差距，很多时候不是谁更努力，而是谁更早看懂了未来。 30亿的时候，所有人都觉得贵；3万亿的时候，所有人都知道它值钱。可投资真正考验的，恰恰不是在答案公布之后会不会算账，而是在答案还没有出现的时候，你敢不敢下注。当然，今天回头看，一切都很容易。可站在当年，张一鸣也可能失败，今日头条也可能只是昙花一现。真正稀缺的，从来不是“知道成功者后来成功了”，而是在所有信息都不完整、所有结局都不确定的时候，仍然有能力判断一个人的上限。所以有时候错过一个项目，错过的并不只是几百倍收益，更可能是一次认知上的照妖镜。你以为自己输在价格太贵，其实很多时候，是输在眼光不够远；你以为自己是在控制风险，其实也可能只是没有勇气承担看对未来之前的那段不确定。这个世界最贵的，从来不是估值。最贵的是：当机会还没有被证明的时候，你没看懂；等你终于看懂的时候，机会已经不属于你了。

当年被质疑30亿估值太高，如今价值兑现、估值已破3万亿！张一鸣：投资人对今日头条的估值，是面向未来的，今日头条的高估值，源于投资人对梦想的信任猫神视点：这个视频真正让人感慨的，其实不是张一鸣从30亿做到几万亿，而是一个很残酷的事实：人与人之间最大的差距，很多时候不是谁更努力，而是谁更早看懂了未来。 30亿的时候，所有人都觉得贵；3万亿的时候，所有人都知道它值钱。可投资真正考验的，恰恰不是在答案公布之后会不会算账，而是在答案还没有出现的时候，你敢不敢下注。当然，今天回头看，一切都很容易。可站在当年，张一鸣也可能失败，今日头条也可能只是昙花一现。真正稀缺的，从来不是“知道成功者后来成功了”，而是在所有信息都不完整、所有结局都不确定的时候，仍然有能力判断一个人的上限。所以有时候错过一个项目，错过的并不只是几百倍收益，更可能是一次认知上的照妖镜。你以为自己输在价格太贵，其实很多时候，是输在眼光不够远；你以为自己是在控制风险，其实也可能只是没有勇气承担看对未来之前的那段不确定。这个世界最贵的，从来不是估值。最贵的是：当机会还没有被证明的时候，你没看懂；等你终于看懂的时候，机会已经不属于你了。

猫神

19,965 次观看 • 23 天前

强烈建议大家去看一下 Jev 创始人 Diogo Almeida 的这个演讲，关于 Jev 的一切，他在这个视频中早就预言。 Jev 一开始就是盯着自动化去的，Diogo Almeida 认为现在的 LLM 陷入了一个史诗级大弯路，就是 RLHF。 RLHF 在人机交互也就是取悦人类方面，很出色，但在自动化方面很糟糕。它不能实现完全的自动化，人类必须在环。不止 ChatGPT ，Claude Code 的原罪也在于 RLHF。所以他认为 ChatGPT 和 Claude Code 本质上属于一个范式，Claude Code 并不是下一个时代，真正的自动化才是下一个时代。简单来说，RLHF 就是收集人类便好，并根据人类便好优化。它的优化目标也不是自动化。他也否定了 RLVR 是答案：RLHF 优化人类偏好，RLVR 优化纯正确性，而他们在做的第三条路优化的是校准过的决策能力。 Diogo Almeida 认为，数据比算力重要，做对的任务比数据重要得多。预训练模型本身已经足够聪明，问题只在于我们用偏好优化把它挖歪了。 PS：视频翻译是用宝玉的 BaoCut 做的，属于是我的梦中情译软件了，太好用了。视频原链接：

强烈建议大家去看一下 Jev 创始人 Diogo Almeida 的这个演讲，关于 Jev 的一切，他在这个视频中早就预言。 Jev 一开始就是盯着自动化去的，Diogo Almeida 认为现在的 LLM 陷入了一个史诗级大弯路，就是 RLHF。 RLHF 在人机交互也就是取悦人类方面，很出色，但在自动化方面很糟糕。它不能实现完全的自动化，人类必须在环。不止 ChatGPT ，Claude Code 的原罪也在于 RLHF。所以他认为 ChatGPT 和 Claude Code 本质上属于一个范式，Claude Code 并不是下一个时代，真正的自动化才是下一个时代。简单来说，RLHF 就是收集人类便好，并根据人类便好优化。它的优化目标也不是自动化。他也否定了 RLVR 是答案：RLHF 优化人类偏好，RLVR 优化纯正确性，而他们在做的第三条路优化的是校准过的决策能力。 Diogo Almeida 认为，数据比算力重要，做对的任务比数据重要得多。预训练模型本身已经足够聪明，问题只在于我们用偏好优化把它挖歪了。 PS：视频翻译是用宝玉的 BaoCut 做的，属于是我的梦中情译软件了，太好用了。视频原链接：

陆三金

74,788 次观看 • 8 天前

说个扎心的真相，90%的AI工程师，其实什么都没做出来 Cluely的CEO Roy Lee在NYU做活动，当场掏500美元现金，问在场所有学AI的学生和工程师，谁在LinkedIn上真正上线过一个公开的项目，结果全场几乎没人举手。太真实了，现在的AI圈就是这样，人人都能跟你聊大模型，聊Agent，聊世界模型，刷过几百篇论文，调过几十个demo，但你问他有没有上线过一个能让别人用的东西，大部分人都沉默了。我们总以为AI时代拼的是谁懂的多，谁的技术深，其实根本不是。 LLM能帮你写80%的代码，能帮你解决大部分技术问题，但剩下那20%的脏活累活，部署，边缘case，用户体验，成本控制，才是真正能区分你和别人的地方。所以别再当那个只会看教程的工程师了，去做去实践，去解决实际问题，，离线小模型App，自我迭代的代码Agent，个人生活OS，哪个都行。不用等你学完所有东西，不用等完美，这个周末开干，下周就公开上线。哪怕做的很烂，哪怕只有几个人用，也比你藏在电脑里的一百个demo强一万倍。在AI时代，知识已经变成了最不值钱的东西，到处都是教程，到处都是论文，真正稀缺的，是把知识变成公开可验证的产品的执行力。别当那个坐在NYU教室里，连500美元都拿不到的人，动起来兄弟们

说个扎心的真相，90%的AI工程师，其实什么都没做出来 Cluely的CEO Roy Lee在NYU做活动，当场掏500美元现金，问在场所有学AI的学生和工程师，谁在LinkedIn上真正上线过一个公开的项目，结果全场几乎没人举手。太真实了，现在的AI圈就是这样，人人都能跟你聊大模型，聊Agent，聊世界模型，刷过几百篇论文，调过几十个demo，但你问他有没有上线过一个能让别人用的东西，大部分人都沉默了。我们总以为AI时代拼的是谁懂的多，谁的技术深，其实根本不是。 LLM能帮你写80%的代码，能帮你解决大部分技术问题，但剩下那20%的脏活累活，部署，边缘case，用户体验，成本控制，才是真正能区分你和别人的地方。所以别再当那个只会看教程的工程师了，去做去实践，去解决实际问题，，离线小模型App，自我迭代的代码Agent，个人生活OS，哪个都行。不用等你学完所有东西，不用等完美，这个周末开干，下周就公开上线。哪怕做的很烂，哪怕只有几个人用，也比你藏在电脑里的一百个demo强一万倍。在AI时代，知识已经变成了最不值钱的东西，到处都是教程，到处都是论文，真正稀缺的，是把知识变成公开可验证的产品的执行力。别当那个坐在NYU教室里，连500美元都拿不到的人，动起来兄弟们

AYi

83,794 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。

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

从小我们受到的教育都是，做人要无私，要懂得奉献。但这其实是个巨大的逻辑陷阱，坑了无数善良但平庸的人。你想想婴儿是怎么生存的？婴儿是这个世界上最自私的生物。他们饿了就嗷嗷哭，才不管你是不是半夜正在睡觉。因为在生命初期，绝对的自私才能生存。人生的真相，其实是一个由自私和能力组成的动态抛物线。很多普通人一辈子活在痛苦和抱怨里，根本原因只有一个：自己的能力还没强大起来，就过早地慷慨。如果你在这个社会上摸爬滚打，连自己的生活都还没理顺，你拿什么去无私？这时候你硬撑着去照顾所有人，本质上是在透支自己，久而久之，你反而觉得全世界都欠你的！就像富豪赚够了钱开始做慈善一样，因为当你自己这杯水彻底满了，不可抑制地溢出来的部分，才是你对这个世界真正有价值的善意。所以，在你还没有完全掌控自己的人生、满足自己的需求之前，请你理直气壮地自私一点。

从小我们受到的教育都是，做人要无私，要懂得奉献。但这其实是个巨大的逻辑陷阱，坑了无数善良但平庸的人。你想想婴儿是怎么生存的？婴儿是这个世界上最自私的生物。他们饿了就嗷嗷哭，才不管你是不是半夜正在睡觉。因为在生命初期，绝对的自私才能生存。人生的真相，其实是一个由自私和能力组成的动态抛物线。很多普通人一辈子活在痛苦和抱怨里，根本原因只有一个：自己的能力还没强大起来，就过早地慷慨。如果你在这个社会上摸爬滚打，连自己的生活都还没理顺，你拿什么去无私？这时候你硬撑着去照顾所有人，本质上是在透支自己，久而久之，你反而觉得全世界都欠你的！就像富豪赚够了钱开始做慈善一样，因为当你自己这杯水彻底满了，不可抑制地溢出来的部分，才是你对这个世界真正有价值的善意。所以，在你还没有完全掌控自己的人生、满足自己的需求之前，请你理直气壮地自私一点。

Annie 所长

29,561 次观看 • 5 个月前

到底如何判断你身边的人，层次高还是低呢？我们从四个角度、四个方面，给大家提示一下。第一个就是词汇量大。看看他的词汇量大不大，看看他表达是不是特别的精准。就是，他总是能够找到一个最贴切的词语，来描述某个状态。如果你做不到，那说明对方在你之上。因为我们人类的思想局限于语言。你的语言边界在哪里，你思想的边界就在哪里。这是第一个。第二点你要知道，我们其实只能感觉比咱们高一档，或者低一档的人。差距过大，你就感觉不到了。高你一档，你大概率会觉得，嗯，这个人挺厉害的。因为对方说的你都能理解。如果高了好几个维度，你就没有办法感知了。就和人类对蚂蚁这种低等生命一样。蚂蚁永远感知不到人类的存在，人类却对它们动若观火。第三个，他能够对你进行向下兼容。不论你说啥，对方都能秒懂。甚至你还没有组织好的逻辑，你还混乱的时候，对方就也能秒懂。你讲了一半他都能懂，你讲个开头，他都知道你要说什么。你会觉得跟这人在一起待着非常舒服，跟他非常融洽。交流基本上可以做到无障碍，很丝滑。你刚讲两句，对方就提前能够回答你的问题。你特别的愉悦，你觉得相谈甚欢。你觉得遇到了知己，你觉得对方很懂你。他能够把你的情绪价值拉满。我告诉你，就这样的人，他很有可能正在对你进行向下兼容。第四个，这样的人往往能够打通知识的门类。各类学科的知识，他能够融会贯通。在他那，知识不再是碎片化的了，而是能够形成一个体系。他在给别人讲任何东西的时候，也能够做到深入浅出，让对方听得懂。用最浅显的例子，把一个概念给讲清楚。如果你身边有这样的人，那么恭喜你。他大概率就是一个高人。稻盛和夫曾经说过，人最大的运气不是捡到钱。而是某一天你遇到了一个人，他打破了你原有的思维，拔高了你的认知，进而提升了你的境界。这个人，他就是你人生当中的贵人。

到底如何判断你身边的人，层次高还是低呢？我们从四个角度、四个方面，给大家提示一下。第一个就是词汇量大。看看他的词汇量大不大，看看他表达是不是特别的精准。就是，他总是能够找到一个最贴切的词语，来描述某个状态。如果你做不到，那说明对方在你之上。因为我们人类的思想局限于语言。你的语言边界在哪里，你思想的边界就在哪里。这是第一个。第二点你要知道，我们其实只能感觉比咱们高一档，或者低一档的人。差距过大，你就感觉不到了。高你一档，你大概率会觉得，嗯，这个人挺厉害的。因为对方说的你都能理解。如果高了好几个维度，你就没有办法感知了。就和人类对蚂蚁这种低等生命一样。蚂蚁永远感知不到人类的存在，人类却对它们动若观火。第三个，他能够对你进行向下兼容。不论你说啥，对方都能秒懂。甚至你还没有组织好的逻辑，你还混乱的时候，对方就也能秒懂。你讲了一半他都能懂，你讲个开头，他都知道你要说什么。你会觉得跟这人在一起待着非常舒服，跟他非常融洽。交流基本上可以做到无障碍，很丝滑。你刚讲两句，对方就提前能够回答你的问题。你特别的愉悦，你觉得相谈甚欢。你觉得遇到了知己，你觉得对方很懂你。他能够把你的情绪价值拉满。我告诉你，就这样的人，他很有可能正在对你进行向下兼容。第四个，这样的人往往能够打通知识的门类。各类学科的知识，他能够融会贯通。在他那，知识不再是碎片化的了，而是能够形成一个体系。他在给别人讲任何东西的时候，也能够做到深入浅出，让对方听得懂。用最浅显的例子，把一个概念给讲清楚。如果你身边有这样的人，那么恭喜你。他大概率就是一个高人。稻盛和夫曾经说过，人最大的运气不是捡到钱。而是某一天你遇到了一个人，他打破了你原有的思维，拔高了你的认知，进而提升了你的境界。这个人，他就是你人生当中的贵人。

另一面

22,347 次观看 • 7 个月前

劝大家尽早用“无人兜底”的态度过一生什么叫无人兜底？就是从今天开始，你得把自己当成这个世界上唯一的依靠。不是父母，不是伴侣，不是朋友，是你自己。这不是让你变得冷漠，而是让你清醒。我见过太多人，活得像个巨婴。二十七八岁了，工作不顺找父母哭诉，恋爱分手指望闺蜜救场，存款为零，还敢裸辞说要找回自己。你以为这叫有人疼、有人爱，实际上是你根本没把自己当回事。无人兜底的思维模型很简单，就是你做任何决定之前，先问自己一句：如果明天所有人都消失了，我能不能活下去？能不能活得好？这个问题会逼着你去建立真正的能力，而不是依赖关系。为什么这个思维这么重要？因为成年人的世界，本质上就是无人兜底的。你父母会老，你的伴侣也有自己的人生要过，你的朋友更不可能永远围着你转。唯一不会离开你的，只有你自己的能力和认知。很多人不愿意接受这个现实，他们觉得人生应该有退路，应该有人在背后托着。但你有没有想过，正是这种心态，让你在关键时刻，永远拿不出100%的拼劲。我以前就是这样的人。大学毕业那年，我拿着3000块的工资，在广州租着城中村的房子，每天挤地铁上下班。但我不慌，因为我知道，实在不行了，我可以回家，父母总归会接纳我。就是这个想法，让我在那份工作上混了整整两年，毫无长进。转折点发生在我25岁那年。我爸突然查出了重病，需要大笔医疗费。那一刻我才意识到，我以为的退路，原来只是我单方面的幻觉。我父母从来没有说过他们会永远给我兜底，是我自己理所当然地这么认为。那之后我开始疯狂工作，白天上班，晚上做自媒体，凌晨学运营、学写作，周末接私活。半年时间，我从月薪3000做到月入两万。一年后我辞职，全职做自媒体，现在月收入稳定在五位数。这个转变不是因为我突然开窍了，而是因为我终于明白，这个世界上没有人欠你一个未来，包括你的父母。很多人听到这里会反驳，说你这是不孝，说你这是冷血。但我想说的是，真正的孝顺不是啃老，真正的爱不是依赖。当你有能力独立生活，甚至反哺家庭的时候，你才配谈感情。无人兜底的态度，会逼着你去做三件事。第一件事是赚钱能力。不是混日子拿工资，而是真正能创造价值的本事。你得想清楚，如果明天公司倒闭了，你能不能立刻找到下一份工作？如果行业消失了，你还有什么可以转型的技能？这种危机感，会让你一直保持学习和成长。第二件事是情绪自洽。很多人一遇到挫折就崩溃，因为他们习惯了向外求助。但当你知道没人能真正救你的时候，你会学会自己消化情绪，自己给自己打气。这不是压抑，而是成熟。第三件事是决策果断。你不会再瞻前顾后，不会再把责任推给别人。因为你清楚，所有的后果都要自己承担，所以你在做决定的时候，反而更加清醒和坚定。我有个朋友，30岁了，还在纠结要不要辞职创业。他说他想等男朋友稳定了，想等父母同意了，想等存款再多一点。我问他，如果你一个人，你还等吗？他愣住了，然后说，如果是一个人，我可能早就干了。你看，不是能力不够，是心态不对。你总觉得有人会给你保底，所以你敢拖、敢等、敢浪费时间。但时间不等人，机会也不等人。用无人兜底的态度过一生，不是让你活得孤独，而是让你活得清醒。你可以爱人，可以被爱，可以接受帮助，但你永远不能把希望寄托在别人身上。这个世界很现实，你弱的时候，坏人最多；你强的时候，全世界都对你和颜悦色。所以，与其指望谁来救你，不如让自己变得不需要被救。从今天开始，把自己当成唯一的依靠。不要再幻想谁会永远在你身后托着你，不要再把失败的责任推给环境和他人。你的人生，从来都是你一个人的战场。别怕，你比你想象的更强大。那些你以为离不开的人和事，其实都可以放下；那些你以为做不到的事情，只是你还没有被逼到绝境。无人兜底不是悲观，而是最清醒的乐观。因为当你知道一切都要靠自己的时候，你才会认真对待每一个选择，珍惜每一次机会，拼尽全力去争取想要的生活。这辈子最靠得住的，永远是你自己。

劝大家尽早用“无人兜底”的态度过一生什么叫无人兜底？就是从今天开始，你得把自己当成这个世界上唯一的依靠。不是父母，不是伴侣，不是朋友，是你自己。这不是让你变得冷漠，而是让你清醒。我见过太多人，活得像个巨婴。二十七八岁了，工作不顺找父母哭诉，恋爱分手指望闺蜜救场，存款为零，还敢裸辞说要找回自己。你以为这叫有人疼、有人爱，实际上是你根本没把自己当回事。无人兜底的思维模型很简单，就是你做任何决定之前，先问自己一句：如果明天所有人都消失了，我能不能活下去？能不能活得好？这个问题会逼着你去建立真正的能力，而不是依赖关系。为什么这个思维这么重要？因为成年人的世界，本质上就是无人兜底的。你父母会老，你的伴侣也有自己的人生要过，你的朋友更不可能永远围着你转。唯一不会离开你的，只有你自己的能力和认知。很多人不愿意接受这个现实，他们觉得人生应该有退路，应该有人在背后托着。但你有没有想过，正是这种心态，让你在关键时刻，永远拿不出100%的拼劲。我以前就是这样的人。大学毕业那年，我拿着3000块的工资，在广州租着城中村的房子，每天挤地铁上下班。但我不慌，因为我知道，实在不行了，我可以回家，父母总归会接纳我。就是这个想法，让我在那份工作上混了整整两年，毫无长进。转折点发生在我25岁那年。我爸突然查出了重病，需要大笔医疗费。那一刻我才意识到，我以为的退路，原来只是我单方面的幻觉。我父母从来没有说过他们会永远给我兜底，是我自己理所当然地这么认为。那之后我开始疯狂工作，白天上班，晚上做自媒体，凌晨学运营、学写作，周末接私活。半年时间，我从月薪3000做到月入两万。一年后我辞职，全职做自媒体，现在月收入稳定在五位数。这个转变不是因为我突然开窍了，而是因为我终于明白，这个世界上没有人欠你一个未来，包括你的父母。很多人听到这里会反驳，说你这是不孝，说你这是冷血。但我想说的是，真正的孝顺不是啃老，真正的爱不是依赖。当你有能力独立生活，甚至反哺家庭的时候，你才配谈感情。无人兜底的态度，会逼着你去做三件事。第一件事是赚钱能力。不是混日子拿工资，而是真正能创造价值的本事。你得想清楚，如果明天公司倒闭了，你能不能立刻找到下一份工作？如果行业消失了，你还有什么可以转型的技能？这种危机感，会让你一直保持学习和成长。第二件事是情绪自洽。很多人一遇到挫折就崩溃，因为他们习惯了向外求助。但当你知道没人能真正救你的时候，你会学会自己消化情绪，自己给自己打气。这不是压抑，而是成熟。第三件事是决策果断。你不会再瞻前顾后，不会再把责任推给别人。因为你清楚，所有的后果都要自己承担，所以你在做决定的时候，反而更加清醒和坚定。我有个朋友，30岁了，还在纠结要不要辞职创业。他说他想等男朋友稳定了，想等父母同意了，想等存款再多一点。我问他，如果你一个人，你还等吗？他愣住了，然后说，如果是一个人，我可能早就干了。你看，不是能力不够，是心态不对。你总觉得有人会给你保底，所以你敢拖、敢等、敢浪费时间。但时间不等人，机会也不等人。用无人兜底的态度过一生，不是让你活得孤独，而是让你活得清醒。你可以爱人，可以被爱，可以接受帮助，但你永远不能把希望寄托在别人身上。这个世界很现实，你弱的时候，坏人最多；你强的时候，全世界都对你和颜悦色。所以，与其指望谁来救你，不如让自己变得不需要被救。从今天开始，把自己当成唯一的依靠。不要再幻想谁会永远在你身后托着你，不要再把失败的责任推给环境和他人。你的人生，从来都是你一个人的战场。别怕，你比你想象的更强大。那些你以为离不开的人和事，其实都可以放下；那些你以为做不到的事情，只是你还没有被逼到绝境。无人兜底不是悲观，而是最清醒的乐观。因为当你知道一切都要靠自己的时候，你才会认真对待每一个选择，珍惜每一次机会，拼尽全力去争取想要的生活。这辈子最靠得住的，永远是你自己。

另一面

18,544 次观看 • 5 个月前

Karpathy 说过一句话：我们现在还处在 AI 的 1960s 这场 40 分钟的 Y Combinator lecture，基本把这个判断讲透了很多人已经在用 Claude Opus 4.8 但使用方式还停留在：把它当 search engine 当 chatbot 当更聪明的问答框而 Karpathy 讲的 Software 3.0，不是这个它指的是： LLMs as operating systems, not chatbots 也就是模型不只是回答问题，而是开始承接 workflow 读取上下文调用工具拆解任务持续执行在没人盯着的时候，把一整套流程往前推进。这也是 autonomous agents 真正有意思的地方。不是“让 AI 写一段代码” 而是让 agent 跑完整个 workflow 你不需要一直看着它它自己推进你回来 review 结果这篇文章里的 32 个 skills，本质上就是帮你跨过这条线从“使用 AI”变成“构建 AI workflow” 未来真正的差距，是谁会用 Claude 提问，还是谁能把 Claude 变成自己的 operating system？

Karpathy 说过一句话：我们现在还处在 AI 的 1960s 这场 40 分钟的 Y Combinator lecture，基本把这个判断讲透了很多人已经在用 Claude Opus 4.8 但使用方式还停留在：把它当 search engine 当 chatbot 当更聪明的问答框而 Karpathy 讲的 Software 3.0，不是这个它指的是： LLMs as operating systems, not chatbots 也就是模型不只是回答问题，而是开始承接 workflow 读取上下文调用工具拆解任务持续执行在没人盯着的时候，把一整套流程往前推进。这也是 autonomous agents 真正有意思的地方。不是“让 AI 写一段代码” 而是让 agent 跑完整个 workflow 你不需要一直看着它它自己推进你回来 review 结果这篇文章里的 32 个 skills，本质上就是帮你跨过这条线从“使用 AI”变成“构建 AI workflow” 未来真正的差距，是谁会用 Claude 提问，还是谁能把 Claude 变成自己的 operating system？

0x_Miko

47,352 次观看 • 3 个月前

近期看到一个视频，真的让人有点毛骨悚然。一个女生在学校领奖时，开心地蹦蹦跳跳、捂嘴笑得很真实，结果视频发出去后被几万条恶毒评论骂惨…… “装可爱”“那头猪在干嘛”“想给她两耳屎”…… 她最后只能删掉视频。明明只是分享一下自己的喜悦，却被网暴成这样。突然发现一件事：现在很多人，已经越来越无法接受别人“自然地开心”了。尤其是那种不防备的开心、不拧巴的开心。一旦看到，就第一反应怀疑：“她是不是在演？”“是不是故意装？” 可问题是—— 如果连一个人领奖时真心实意地开心一下，都要被审判，那这个世界，是不是对“真实表达”越来越苛刻了？最可怕的从来不是恶意，而是有些人，已经习惯用“攻击别人”来掩饰自己失去快乐的事实。你有没有因为一个正常的行为或者观点就被网友恶意攻击过？或者你有不一样的观点？

近期看到一个视频，真的让人有点毛骨悚然。一个女生在学校领奖时，开心地蹦蹦跳跳、捂嘴笑得很真实，结果视频发出去后被几万条恶毒评论骂惨…… “装可爱”“那头猪在干嘛”“想给她两耳屎”…… 她最后只能删掉视频。明明只是分享一下自己的喜悦，却被网暴成这样。突然发现一件事：现在很多人，已经越来越无法接受别人“自然地开心”了。尤其是那种不防备的开心、不拧巴的开心。一旦看到，就第一反应怀疑：“她是不是在演？”“是不是故意装？” 可问题是—— 如果连一个人领奖时真心实意地开心一下，都要被审判，那这个世界，是不是对“真实表达”越来越苛刻了？最可怕的从来不是恶意，而是有些人，已经习惯用“攻击别人”来掩饰自己失去快乐的事实。你有没有因为一个正常的行为或者观点就被网友恶意攻击过？或者你有不一样的观点？

猫哥🕊️

66,793 次观看 • 4 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：

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

304,128 次观看 • 2 年前

抖音上刷到刘润的账号对卡兹克的这段访谈，10 分钟，收获蛮大的，必须分享给的大家，不管你现在对 AI 还很上头，还是已经看累了，还是在做自媒体，都值得找个时间安静看一遍。卡兹克 2023 年开公众号之前押了三条曲线， →AI 生产信息是指数增长， →人消费信息几乎是线性的， →全人类的注意力有天花板。 →再加上现在普通人已经分不清一张图、一段口播是不是 AI 做的。三条叠在一起，就成了一片挡不住的信息海，能用的筛选办法只剩两种：要么跟着平台，推什么看什么，要么只认自己信得过的几个信源。他举了诺兰的例子，很多人去看《奥德赛》，其实并不关心特洛伊战争，他们信的是诺兰这个人不会敷衍，诺兰这个人人本身就成了信息源。这段我体感特别强，我在 X 上做内容，最明显的感受就是内容的成本已经趋近于零，真正稀缺的是别人愿不愿意信你，换句话说，我们的读者受众愿意收藏、转发，是因为信你替他筛过一遍了。另一个让我觉得特别真实的、也是最打动我的，是他讲自己做网站的经历。他说自己完全是业余的，Vibe Coding做了一个将近百万月活的网站，本来不懂网络安全、缓存、CDN。有个周六网站被人攻击，打不开，用户在骂，一天流量费烧掉四千块左右。他开一个窗口让 AI 修，另一个窗口追着问原因、问底层逻辑、问软件工程里一般怎么处理。满头大汗折腾了两天，后来稳定跑了一个月。他说自己还是外行，只是从纯粹的菜鸡，变成了正经跟人对过仗的菜鸡。我特别喜欢这句：看一百个教程，都不如被一个真问题逼着打一仗。所以他给普通人的建议就两个：勇气和好奇心，很多人不敢上手，是把后果想得太重，怕 AI 搞砸，真用起来才发现它比你想的能干得多。好奇心会被生活和压力磨掉，他自己焦虑的时候也一样，得先把压力缓下来，好奇才回得来。这句话比我收藏过的所有教程都值钱，大家都在刷新模型、囤提示词，可真正长本事的时候，往往是有个真问题追着你跑，你停不下来。讲管理者那段也很准，目标分好几层，最浅的是这事怎么干，再往上是这事该不该干，大多数人停在第一层。目标说清楚了，AI 已经能拆开、交给人去执行，这时候就能看出来谁的目标不清、谁的话说不明白。最后他说，如果把他自己的业务全拿掉，如果把自己的业务全拿掉，他给普通人的路是做自媒体，然后用好 AI，技术护城河越来越低，渠道也不是你的，只有你拿到的注意力是自己的。前提是用做 IP 的方式做内容，别为了流量抛暴论，把自己做成营销号。这点我特别认同，我一直跟大家讲我的一个观点，这波AI变革红利，普通人能吃到的机会，AI自媒体是机会最大的，但做自媒体不能做流量的奴隶，为了流量不择手段，踏实用心做内容，成为一个真正的创作者才是根本。卡兹克也承认，这是红海中的红海，你能想到的点子都有无数人在做，但它确实是普通人少数还能跑出来的路，我觉得这反而是整段访谈里最清醒的一句，他没说这条路好走，只是说在一个人人都能拿到同样技术的时代，普通人还能慢慢攒下来的，可能只剩别人对你的信任。片尾还有个玩笑挺应景，主持人问水放哪，卡兹克说，主要怕这瓶水出现在对方镜头里，那不得给人家付广告费，哈哈。。

抖音上刷到刘润的账号对卡兹克的这段访谈，10 分钟，收获蛮大的，必须分享给的大家，不管你现在对 AI 还很上头，还是已经看累了，还是在做自媒体，都值得找个时间安静看一遍。卡兹克 2023 年开公众号之前押了三条曲线， →AI 生产信息是指数增长， →人消费信息几乎是线性的， →全人类的注意力有天花板。 →再加上现在普通人已经分不清一张图、一段口播是不是 AI 做的。三条叠在一起，就成了一片挡不住的信息海，能用的筛选办法只剩两种：要么跟着平台，推什么看什么，要么只认自己信得过的几个信源。他举了诺兰的例子，很多人去看《奥德赛》，其实并不关心特洛伊战争，他们信的是诺兰这个人不会敷衍，诺兰这个人人本身就成了信息源。这段我体感特别强，我在 X 上做内容，最明显的感受就是内容的成本已经趋近于零，真正稀缺的是别人愿不愿意信你，换句话说，我们的读者受众愿意收藏、转发，是因为信你替他筛过一遍了。另一个让我觉得特别真实的、也是最打动我的，是他讲自己做网站的经历。他说自己完全是业余的，Vibe Coding做了一个将近百万月活的网站，本来不懂网络安全、缓存、CDN。有个周六网站被人攻击，打不开，用户在骂，一天流量费烧掉四千块左右。他开一个窗口让 AI 修，另一个窗口追着问原因、问底层逻辑、问软件工程里一般怎么处理。满头大汗折腾了两天，后来稳定跑了一个月。他说自己还是外行，只是从纯粹的菜鸡，变成了正经跟人对过仗的菜鸡。我特别喜欢这句：看一百个教程，都不如被一个真问题逼着打一仗。所以他给普通人的建议就两个：勇气和好奇心，很多人不敢上手，是把后果想得太重，怕 AI 搞砸，真用起来才发现它比你想的能干得多。好奇心会被生活和压力磨掉，他自己焦虑的时候也一样，得先把压力缓下来，好奇才回得来。这句话比我收藏过的所有教程都值钱，大家都在刷新模型、囤提示词，可真正长本事的时候，往往是有个真问题追着你跑，你停不下来。讲管理者那段也很准，目标分好几层，最浅的是这事怎么干，再往上是这事该不该干，大多数人停在第一层。目标说清楚了，AI 已经能拆开、交给人去执行，这时候就能看出来谁的目标不清、谁的话说不明白。最后他说，如果把他自己的业务全拿掉，如果把自己的业务全拿掉，他给普通人的路是做自媒体，然后用好 AI，技术护城河越来越低，渠道也不是你的，只有你拿到的注意力是自己的。前提是用做 IP 的方式做内容，别为了流量抛暴论，把自己做成营销号。这点我特别认同，我一直跟大家讲我的一个观点，这波AI变革红利，普通人能吃到的机会，AI自媒体是机会最大的，但做自媒体不能做流量的奴隶，为了流量不择手段，踏实用心做内容，成为一个真正的创作者才是根本。卡兹克也承认，这是红海中的红海，你能想到的点子都有无数人在做，但它确实是普通人少数还能跑出来的路，我觉得这反而是整段访谈里最清醒的一句，他没说这条路好走，只是说在一个人人都能拿到同样技术的时代，普通人还能慢慢攒下来的，可能只剩别人对你的信任。片尾还有个玩笑挺应景，主持人问水放哪，卡兹克说，主要怕这瓶水出现在对方镜头里，那不得给人家付广告费，哈哈。。

AYi

34,152 次观看 • 17 小时前

你看视频，开头是不是用 AI 做的特效，再看看人家粉丝数和收益，你就知道大多数人用 AI 整天不知道在干吗。有的人把 AI 当赚钱工具有的人把 AI 当新型娱乐工具，还套了一个「我研究 AI 为了不被时代淘汰」的幌子。 1 个一分钟不到的视频，70 万金额（实际会更多，因为这是已结算的数据），我们算 5% 的佣金，35000 元而很多人还在用 AI 去薅什么流量分成计划，什么流量主，这难道不是一个认知和能力的问题吗？

你看视频，开头是不是用 AI 做的特效，再看看人家粉丝数和收益，你就知道大多数人用 AI 整天不知道在干吗。有的人把 AI 当赚钱工具有的人把 AI 当新型娱乐工具，还套了一个「我研究 AI 为了不被时代淘汰」的幌子。 1 个一分钟不到的视频，70 万金额（实际会更多，因为这是已结算的数据），我们算 5% 的佣金，35000 元而很多人还在用 AI 去薅什么流量分成计划，什么流量主，这难道不是一个认知和能力的问题吗？

U哥

11,099 次观看 • 2 个月前