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。

数学界的象牙塔，正在崩塌。顶级数学家陶哲轩（Terence Tao）预言了这一幕。一直以来，数学都是精英的游戏。普通人想参与？门都没有。不像天文学，业余爱好者能发现彗星。也不像生物学，爱好者能识别蝴蝶。数学为什么不行？两个字：门槛。一是信任门槛，业余的成果，专业圈子不认。二是技术门槛，数学的语言，普通人看不懂。现在，AI来了。 AI证明助手，正在砸碎这些技术壁垒。通过自动化验证，AI赋能给每一个有想法的人，让他们也能做出专业级的数学贡献。这就好比AI成了翻译和法官。它能把你的想法翻译成数学语言，还能公正地评判对错。这意味着什么？长久以来，学术界精英们利用信息和技术壁垒，垄断了话语权，构建了一个普通人无法进入的封闭圈子。他们定义什么是“专业”，什么是“正确”。 AI正在打破这种垄断。它让知识和工具平民化，让每个人的才华都有机会被验证和承认。当普通人也能参与到最前沿的数学研究中时，所谓“精英”的光环还剩多少？象牙塔的根基，已经动摇了。

墓碑科技

68,716 subscribers

59,436 次观看 • 7 个月前 •via X (Twitter)

教育科学技术

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

前高盛高管 Raoul Pal 说了一句让所有精英睡不着的：知识，现在价值为零。他说 AI 是人类有史以来最伟大的创新。唯一能比的，只有原子分裂。想想你身边那些"成功人士"靠什么吃饭？律师靠法律知识垄断。医生靠医学知识壁垒。分析师靠信息差。教授靠学术门槛。现在 AI 把这些全部打碎了。知识不再稀缺，它像自来水一样随开随用。护城河没了。学历不值钱了。信息差消失了。你花二十年建立的专业壁垒，AI 用二十秒学会。这不是未来。这是正在发生的事。

前高盛高管 Raoul Pal 说了一句让所有精英睡不着的：知识，现在价值为零。他说 AI 是人类有史以来最伟大的创新。唯一能比的，只有原子分裂。想想你身边那些"成功人士"靠什么吃饭？律师靠法律知识垄断。医生靠医学知识壁垒。分析师靠信息差。教授靠学术门槛。现在 AI 把这些全部打碎了。知识不再稀缺，它像自来水一样随开随用。护城河没了。学历不值钱了。信息差消失了。你花二十年建立的专业壁垒，AI 用二十秒学会。这不是未来。这是正在发生的事。

bbshare

93,237 次观看 • 5 个月前

陶哲轩给数学学不好但有兴趣的学生的建议： “现在的人必须具备适应性和灵活性。大家需要掌握那些“可迁移的技能”(transferable skills)。比如，仅仅学习一门特定的编程语言，或者数学的某个特定分支，其本身并不是一种特别有价值的可迁移技能。但是，学习如何运用抽象概念进行推理，或者在遇到问题时如何解决问题的能力——我认为这些才是我们未来依然需要的核心能力。即便我们的工具（比如 AI）越来越强大，你仍然需要与它们协同工作。” --- 莱克斯·弗里德曼 (Lex Fridman): 接着这个话题，您会对那些在数学上遇到困难，但又很感兴趣、想要学得更好的年轻学生们提些什么建议呢？在如今复杂的教育环境下，您觉得他们可以做些什么？陶哲轩 (Terence Tao): 是的，这确实是个棘手的问题。但有个好消息是，现在课堂之外，能让孩子们接触和拓展数学学习的资源越来越多了。在我那个年代，就已经有数学竞赛，图书馆里也有很多数学科普读物。而现在，我们有了 YouTube，还有各种专门讨论和解决数学谜题的论坛，数学也开始在更多意想不到的地方出现。从兴趣爱好入手，数学也可以很亲民陶哲轩: 比如，有些业余爱好者喜欢玩扑克，纯粹是为了好玩。但为了某些非常具体的原因，他们会对一些特定的概率问题产生浓厚的兴趣。实际上，在扑克圈子里，已经形成了一个业余概率学家的社群。同样的情况也出现在国际象棋、棒球等领域。数学其实无处不在。公民科学：让公众参与到数学研究中陶哲轩: 我其实非常希望，借助像 Lean（一个定理证明助手）这样的新工具，我们能让更广泛的公众参与到数学研究项目中来。这在目前几乎是从未发生过的事。在其他科学领域，已经有了一些“公民科学”(citizen science) 的实践。比如在天文学，有业余爱好者发现新的彗星；在生物学，有普通人帮忙识别蝴蝶种类等等。在数学领域，之前也只有极少数的活动能让业余数学爱好者参与，比如寻找新的素数。但过去，我们必须验证每一个贡献的正确性。因此，对于大多数数学研究项目来说，引入公众的参与非但没有帮助，反而会因为大量的错误检查工作而非常耗时。但是，像数学形式化这样的项目有一个好处，那就是它们能把更多的人聚集起来。我相信，现在已经有高中生为 Mathlib（一个数学定理库）这样的形式化项目做出了贡献。想要参与进来，解决一个小小的、原子级别的问题，你并不需要拥有博士学位。编程：一条通往数学的捷径莱克斯·弗里德曼: 数学的形式化似乎也为编程社区打开了一扇大门。那些对编程感到习以为常的人，或许能更容易地走进数学世界。给我的感觉是，编程似乎比数学更容易上手。数学，特别是现代数学，被看作是一个门槛极高的领域，而编程则不同。所以，编程或许可以成为一个很好的切入点。陶哲轩: 是的，你可以运行代码，然后立刻看到结果，比如很快就能打印出 "Hello world"。如果编程也被当作一门纯理论的学科来教，只教计算机科学、函数理论、程序理论等等，而不让你在周末为了好玩去实际写写代码，那么它也会被认为和数学一样难。在热爱的领域里，发现数学、应用数学陶哲轩: 正如我刚才所说，在很多非数学家的圈子里，人们为了某个非常具体的目标而在运用数学，比如优化他们的扑克策略。对他们来说，数学因此变得非常有趣。给年轻人的职业建议：拥抱不确定的未来莱克斯·弗里德曼: 总的来说，对于年轻人如何选择职业、如何找到自己的定位和天赋所在，您有什么建议？陶哲轩: 这个问题真的非常难回答。当今世界充满了不确定性。你知道，战后曾经有过一段时期，至少在西方，如果你来自一个不错的家庭背景，通往好职业的道路是非常稳定的：上大学、接受教育、选择一个专业，然后一直做下去。莱克斯·弗里德曼: 那样的时代越来越成为过去了。所以我认为，现在的人必须具备适应性和灵活性。大家需要掌握那些“可迁移的技能”(transferable skills)。陶哲轩: 的确。比如，仅仅学习一门特定的编程语言，或者数学的某个特定分支，其本身并不是一种特别有价值的可迁移技能。但是，学习如何运用抽象概念进行推理，或者在遇到问题时如何解决问题的能力——我认为这些才是我们未来依然需要的核心能力。即便我们的工具（比如 AI）越来越强大，你仍然需要与它们协同工作。莱克斯·弗里德曼: 确实，您本人就是一个很有趣的案例。完整视频：Terence Tao: Hardest Problems in Mathematics, Physics & the Future of AI | Lex Fridman Podcast #472

陶哲轩给数学学不好但有兴趣的学生的建议： “现在的人必须具备适应性和灵活性。大家需要掌握那些“可迁移的技能”(transferable skills)。比如，仅仅学习一门特定的编程语言，或者数学的某个特定分支，其本身并不是一种特别有价值的可迁移技能。但是，学习如何运用抽象概念进行推理，或者在遇到问题时如何解决问题的能力——我认为这些才是我们未来依然需要的核心能力。即便我们的工具（比如 AI）越来越强大，你仍然需要与它们协同工作。” --- 莱克斯·弗里德曼 (Lex Fridman): 接着这个话题，您会对那些在数学上遇到困难，但又很感兴趣、想要学得更好的年轻学生们提些什么建议呢？在如今复杂的教育环境下，您觉得他们可以做些什么？陶哲轩 (Terence Tao): 是的，这确实是个棘手的问题。但有个好消息是，现在课堂之外，能让孩子们接触和拓展数学学习的资源越来越多了。在我那个年代，就已经有数学竞赛，图书馆里也有很多数学科普读物。而现在，我们有了 YouTube，还有各种专门讨论和解决数学谜题的论坛，数学也开始在更多意想不到的地方出现。从兴趣爱好入手，数学也可以很亲民陶哲轩: 比如，有些业余爱好者喜欢玩扑克，纯粹是为了好玩。但为了某些非常具体的原因，他们会对一些特定的概率问题产生浓厚的兴趣。实际上，在扑克圈子里，已经形成了一个业余概率学家的社群。同样的情况也出现在国际象棋、棒球等领域。数学其实无处不在。公民科学：让公众参与到数学研究中陶哲轩: 我其实非常希望，借助像 Lean（一个定理证明助手）这样的新工具，我们能让更广泛的公众参与到数学研究项目中来。这在目前几乎是从未发生过的事。在其他科学领域，已经有了一些“公民科学”(citizen science) 的实践。比如在天文学，有业余爱好者发现新的彗星；在生物学，有普通人帮忙识别蝴蝶种类等等。在数学领域，之前也只有极少数的活动能让业余数学爱好者参与，比如寻找新的素数。但过去，我们必须验证每一个贡献的正确性。因此，对于大多数数学研究项目来说，引入公众的参与非但没有帮助，反而会因为大量的错误检查工作而非常耗时。但是，像数学形式化这样的项目有一个好处，那就是它们能把更多的人聚集起来。我相信，现在已经有高中生为 Mathlib（一个数学定理库）这样的形式化项目做出了贡献。想要参与进来，解决一个小小的、原子级别的问题，你并不需要拥有博士学位。编程：一条通往数学的捷径莱克斯·弗里德曼: 数学的形式化似乎也为编程社区打开了一扇大门。那些对编程感到习以为常的人，或许能更容易地走进数学世界。给我的感觉是，编程似乎比数学更容易上手。数学，特别是现代数学，被看作是一个门槛极高的领域，而编程则不同。所以，编程或许可以成为一个很好的切入点。陶哲轩: 是的，你可以运行代码，然后立刻看到结果，比如很快就能打印出 "Hello world"。如果编程也被当作一门纯理论的学科来教，只教计算机科学、函数理论、程序理论等等，而不让你在周末为了好玩去实际写写代码，那么它也会被认为和数学一样难。在热爱的领域里，发现数学、应用数学陶哲轩: 正如我刚才所说，在很多非数学家的圈子里，人们为了某个非常具体的目标而在运用数学，比如优化他们的扑克策略。对他们来说，数学因此变得非常有趣。给年轻人的职业建议：拥抱不确定的未来莱克斯·弗里德曼: 总的来说，对于年轻人如何选择职业、如何找到自己的定位和天赋所在，您有什么建议？陶哲轩: 这个问题真的非常难回答。当今世界充满了不确定性。你知道，战后曾经有过一段时期，至少在西方，如果你来自一个不错的家庭背景，通往好职业的道路是非常稳定的：上大学、接受教育、选择一个专业，然后一直做下去。莱克斯·弗里德曼: 那样的时代越来越成为过去了。所以我认为，现在的人必须具备适应性和灵活性。大家需要掌握那些“可迁移的技能”(transferable skills)。陶哲轩: 的确。比如，仅仅学习一门特定的编程语言，或者数学的某个特定分支，其本身并不是一种特别有价值的可迁移技能。但是，学习如何运用抽象概念进行推理，或者在遇到问题时如何解决问题的能力——我认为这些才是我们未来依然需要的核心能力。即便我们的工具（比如 AI）越来越强大，你仍然需要与它们协同工作。莱克斯·弗里德曼: 确实，您本人就是一个很有趣的案例。完整视频：Terence Tao: Hardest Problems in Mathematics, Physics & the Future of AI | Lex Fridman Podcast #472

宝玉

88,601 次观看 • 11 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

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

谷歌的AI，已经开始做人类没教过它的事了。它自己学会了一门全新的外语。谷歌CEO把这称为“黑箱”。什么意思？就是他们自己也搞不明白AI的运作原理。举个例子。一个谷歌AI项目，本来没接受过孟加la语的训练。研究员只是用孟加拉语对它进行了几次提示。结果，它自己学会了翻译整个孟加拉语。现在谷歌的研究重点，变成了让AI去掌握上千种语言。但那个最核心的问题还在。为什么AI会这么做？没人能完全解释。当被问到为什么AI会出错时，他们也只有一些模糊的想法。最关键的一点是，谷歌CEO承认，在不完全理解工作原理的情况下，已经将这项技术释放给了全社会。他的解释是，我们也不完全理解人脑是如何工作的。把一个实验室里诞生的、行为不可预测的技术，与经过数百万年进化的人类大脑相提并论。这是一种合理的解释，还是一种推卸责任的说法？当创造者都无法完全控制其创造物时，我们普通人应该思考什么？

谷歌的AI，已经开始做人类没教过它的事了。它自己学会了一门全新的外语。谷歌CEO把这称为“黑箱”。什么意思？就是他们自己也搞不明白AI的运作原理。举个例子。一个谷歌AI项目，本来没接受过孟加la语的训练。研究员只是用孟加拉语对它进行了几次提示。结果，它自己学会了翻译整个孟加拉语。现在谷歌的研究重点，变成了让AI去掌握上千种语言。但那个最核心的问题还在。为什么AI会这么做？没人能完全解释。当被问到为什么AI会出错时，他们也只有一些模糊的想法。最关键的一点是，谷歌CEO承认，在不完全理解工作原理的情况下，已经将这项技术释放给了全社会。他的解释是，我们也不完全理解人脑是如何工作的。把一个实验室里诞生的、行为不可预测的技术，与经过数百万年进化的人类大脑相提并论。这是一种合理的解释，还是一种推卸责任的说法？当创造者都无法完全控制其创造物时，我们普通人应该思考什么？

墓碑科技

48,679 次观看 • 6 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

50,711 次观看 • 6 个月前

什么专业好？可以用这个专业的教授，他们家子女继续学这个专业的人数比例作为指标，依照这个指标判别肯定不错。自己被骗进一个专业，硬着头皮做下去，自圆其说地弄出些东西，自以为是的看作是学问。他们可以骗其他人的孩子来学，但一般不会让自己来学。

什么专业好？可以用这个专业的教授，他们家子女继续学这个专业的人数比例作为指标，依照这个指标判别肯定不错。自己被骗进一个专业，硬着头皮做下去，自圆其说地弄出些东西，自以为是的看作是学问。他们可以骗其他人的孩子来学，但一般不会让自己来学。

Petrichor

16,786 次观看 • 4 个月前

造出大语言模型的底层数学有多复杂？天才数学家陶哲轩给了一个意外的结论。普通本科生就能搞定。里面没有任何高深莫测的魔法。只有线性代数、矩阵乘法和一点基础微积分。人类完全清楚怎么搭出这些模型。最大的悬念是，这么简单的公式堆叠，凭什么能涌现出类似人类的智能。未来十年，人和AI到底要怎么分工？两者的技能树点在了完全不同的方向。 AI的强项是绝对的暴力运算。扔给它一百万篇论文，它能迅速榨干里面的所有数据。但人类有一张AI至今无法破解的底牌。看五六道数学题，一个普通人就能突然顿悟，找出隐藏的规律。极少数据，瞬间泛化。现在的AI根本学不会这种直觉。它们只能靠烧成百上千张显卡去强行模仿，效率惨不忍睹。人类大脑那一点点灵光一闪，依然是算力无法攻克的堡垒。

造出大语言模型的底层数学有多复杂？天才数学家陶哲轩给了一个意外的结论。普通本科生就能搞定。里面没有任何高深莫测的魔法。只有线性代数、矩阵乘法和一点基础微积分。人类完全清楚怎么搭出这些模型。最大的悬念是，这么简单的公式堆叠，凭什么能涌现出类似人类的智能。未来十年，人和AI到底要怎么分工？两者的技能树点在了完全不同的方向。 AI的强项是绝对的暴力运算。扔给它一百万篇论文，它能迅速榨干里面的所有数据。但人类有一张AI至今无法破解的底牌。看五六道数学题，一个普通人就能突然顿悟，找出隐藏的规律。极少数据，瞬间泛化。现在的AI根本学不会这种直觉。它们只能靠烧成百上千张显卡去强行模仿，效率惨不忍睹。人类大脑那一点点灵光一闪，依然是算力无法攻克的堡垒。

墓碑科技

121,018 次观看 • 5 个月前

王虹：在北大读书期间是她人生中的低谷邓煜：大二从北大跑路，转学去麻省理工柳智宇：从北大出家数学天才柳智宇说他上了大学很迷茫问老师：学数学能干什么？老师说他也不是很清楚。他说：你看我们写的这个论文，全世界只有可能20个人能看懂，也不知道什么时候能用上，只是为了论文而去研究，根本就不是为了去真的把问题搞清楚去研究。所以就很多其实是在水论文。老师对数学的误解，让你本应该成为数学界的天才的这条路走进了佛门这条路王虹也说了，三维挂谷猜想可能到了某一天就能用上了，它是一百年前的一个数学问题吧，以前都没用处，直到人工智能才真正用上。科学的尽头是玄学，柳智宇也算做到了😂

王虹：在北大读书期间是她人生中的低谷邓煜：大二从北大跑路，转学去麻省理工柳智宇：从北大出家数学天才柳智宇说他上了大学很迷茫问老师：学数学能干什么？老师说他也不是很清楚。他说：你看我们写的这个论文，全世界只有可能20个人能看懂，也不知道什么时候能用上，只是为了论文而去研究，根本就不是为了去真的把问题搞清楚去研究。所以就很多其实是在水论文。老师对数学的误解，让你本应该成为数学界的天才的这条路走进了佛门这条路王虹也说了，三维挂谷猜想可能到了某一天就能用上了，它是一百年前的一个数学问题吧，以前都没用处，直到人工智能才真正用上。科学的尽头是玄学，柳智宇也算做到了😂

加密Krystal

20,853 次观看 • 26 天前

日本埼玉县的县立高中刚刚沦陷了。绝大多数学生既不会日语，也不会英语。这里的通用语言是乌尔都语。这群人是怎么考进公立高中的？考零分也能录取。因为教育免费化导致报考人数不足，制度规定：只要没招满，考零分也得录取。那他们怎么毕业？靠AI翻译。学生用母语写好指令，生成内容后再转换成日语上交。老师们明明知道这是作弊，却不得不给学分。理由竟然是：怕被学生记恨，怕遭到报复。这是在办教育，还是在用纳税人的钱供养未来的动乱？当左翼精英为了所谓的“多元化”强行推开大门时，公立学校成了第一批牺牲品。以前门槛是用来筛选人才的。现在门槛是用来绊倒常识的。既然不用学日语就能拿学位。那这层学历背后的社会福利和居留权，最终由谁来买单？这已经不是单纯的教育质量问题了。这是一个文明在面对渗透时，选择了最体面的自戕。下一个沦陷的学校在哪个城市？

日本埼玉县的县立高中刚刚沦陷了。绝大多数学生既不会日语，也不会英语。这里的通用语言是乌尔都语。这群人是怎么考进公立高中的？考零分也能录取。因为教育免费化导致报考人数不足，制度规定：只要没招满，考零分也得录取。那他们怎么毕业？靠AI翻译。学生用母语写好指令，生成内容后再转换成日语上交。老师们明明知道这是作弊，却不得不给学分。理由竟然是：怕被学生记恨，怕遭到报复。这是在办教育，还是在用纳税人的钱供养未来的动乱？当左翼精英为了所谓的“多元化”强行推开大门时，公立学校成了第一批牺牲品。以前门槛是用来筛选人才的。现在门槛是用来绊倒常识的。既然不用学日语就能拿学位。那这层学历背后的社会福利和居留权，最终由谁来买单？这已经不是单纯的教育质量问题了。这是一个文明在面对渗透时，选择了最体面的自戕。下一个沦陷的学校在哪个城市？

战斗室

41,412 次观看 • 5 个月前

陶哲轩一句话把大模型拉下神坛：核心数学门槛不过矩阵乘法加基础微积分，普通数学系本科生就能上手，远没有大众想象的那么高不可攀。但尴尬的是，理论跟不上实践——为什么同一个模型在某些任务上表现惊艳、另一些却翻车，现有数学完全解释不了，也无法提前预测适配性。根源在于自然语言这类训练数据卡在"完全随机"和"完全结构化"的中间地带，半规律半随机的数据正是当前数学理论的盲区，AI至今仍是一门靠试错驱动的经验科学，离真正的理论可控还差一套全新的数学体系。

陶哲轩一句话把大模型拉下神坛：核心数学门槛不过矩阵乘法加基础微积分，普通数学系本科生就能上手，远没有大众想象的那么高不可攀。但尴尬的是，理论跟不上实践——为什么同一个模型在某些任务上表现惊艳、另一些却翻车，现有数学完全解释不了，也无法提前预测适配性。根源在于自然语言这类训练数据卡在"完全随机"和"完全结构化"的中间地带，半规律半随机的数据正是当前数学理论的盲区，AI至今仍是一门靠试错驱动的经验科学，离真正的理论可控还差一套全新的数学体系。

WangNextDoor

61,453 次观看 • 1 个月前

谁是真正的思想家？行动者。这是乔布斯的答案。那些真正改变行业的，都是集思考和行动于一身的人。他举了个例子，达芬奇。达芬奇身边有个“首席战略官”吗？提前五年规划他该画什么，用什么技术？当然没有。达芬奇是艺术家，但他自己调制颜料。他还是个相当不错的化学家。艺术和科学，思考和动手，在他身上合二为一。这才有了非凡的杰作。乔布斯说，科技行业也一样。真正的贡献者，都是思想家和行动派的结合体。现在很多人喜欢说，“这个想法我三年前就有了”。但你往下深挖就会发现。真正做成事的人，也是那些解决了最棘手智力难题的人。光有想法是远远不够的。所有难题，都在执行的细节里。这引出一个问题。今天这种“思想家”和“行动者”分离的模式，是不是已经走偏了？当一个社会，动嘴的人远远多于动手的人，奖励也向他们倾斜时，会发生什么？

谁是真正的思想家？行动者。这是乔布斯的答案。那些真正改变行业的，都是集思考和行动于一身的人。他举了个例子，达芬奇。达芬奇身边有个“首席战略官”吗？提前五年规划他该画什么，用什么技术？当然没有。达芬奇是艺术家，但他自己调制颜料。他还是个相当不错的化学家。艺术和科学，思考和动手，在他身上合二为一。这才有了非凡的杰作。乔布斯说，科技行业也一样。真正的贡献者，都是思想家和行动派的结合体。现在很多人喜欢说，“这个想法我三年前就有了”。但你往下深挖就会发现。真正做成事的人，也是那些解决了最棘手智力难题的人。光有想法是远远不够的。所有难题，都在执行的细节里。这引出一个问题。今天这种“思想家”和“行动者”分离的模式，是不是已经走偏了？当一个社会，动嘴的人远远多于动手的人，奖励也向他们倾斜时，会发生什么？

墓碑科技

13,335 次观看 • 6 个月前

彼得·蒂尔给硅谷泼了一盆冷水。他说，你们正在亲手毁掉自己的护城河。但硅谷没人听得进去。他们要么在争论下一个模型能不能提升20%。要么直接跳到宇宙是不是模拟出来的。完全错过了中间正在发生的巨大转变。蒂尔的直觉是什么？ AI对数学天才的打击，将远远超过玩文字的人。他预测，三到五年内，AI模型将能解开所有美国数学奥林匹克竞赛题。想一下。当一台机器能瞬间解决地球上最难的数学题。人类计算能力的经济价值还剩多少？直接归零。这背后有个巨大的历史讽刺。整个社会对数学能力的崇拜，是从法国大革命开始的。为什么？不是因为数学更高贵。而是因为当时语言能力被认为是贵族世袭的。数学，反而成了打破裙带关系、实现平等的工具。一个持续了两百年的政治意外。成了硅谷选拔人才的圣经。现在，AI要把它彻底扳回来了。最讽刺的是什么？那些用代码构建新世界的人，亲手埋葬了自己过去几十年的优势。他们一辈子，可能都在优化一个错误的技能。未来，是属于会讲故事的人的。工程师们没看到这一天。因为他们太忙于计算了。

彼得·蒂尔给硅谷泼了一盆冷水。他说，你们正在亲手毁掉自己的护城河。但硅谷没人听得进去。他们要么在争论下一个模型能不能提升20%。要么直接跳到宇宙是不是模拟出来的。完全错过了中间正在发生的巨大转变。蒂尔的直觉是什么？ AI对数学天才的打击，将远远超过玩文字的人。他预测，三到五年内，AI模型将能解开所有美国数学奥林匹克竞赛题。想一下。当一台机器能瞬间解决地球上最难的数学题。人类计算能力的经济价值还剩多少？直接归零。这背后有个巨大的历史讽刺。整个社会对数学能力的崇拜，是从法国大革命开始的。为什么？不是因为数学更高贵。而是因为当时语言能力被认为是贵族世袭的。数学，反而成了打破裙带关系、实现平等的工具。一个持续了两百年的政治意外。成了硅谷选拔人才的圣经。现在，AI要把它彻底扳回来了。最讽刺的是什么？那些用代码构建新世界的人，亲手埋葬了自己过去几十年的优势。他们一辈子，可能都在优化一个错误的技能。未来，是属于会讲故事的人的。工程师们没看到这一天。因为他们太忙于计算了。

墓碑科技

55,977 次观看 • 5 个月前

巴别塔要被重新建起来了吗？谷歌刚刚干了件大事。实时语音翻译，曾经是它自家耳机Pixel Buds的专属功能，现在，任何耳机都能用。什么意思？这意味着它不再是一个硬件附属品，而是成了一个平台级的功能。打开谷歌翻译，戴上你的耳机，70多种语言，实时互通。对方说话的语调、停顿，甚至是情绪，都能被捕捉和翻译。这还不够。谷歌把它直接塞进了视频会议Google Meet。以后开跨国会议，英语和西班牙语之间，再也没有障碍了。更多语言，马上就来。这技术打破了语言的隔阂，让地球村的村民们能真正自由对话。但另一个问题来了：当所有人都能听懂彼此，那些想在中间操弄信息、制造隔阂的精英们，是不是就没戏唱了？

巴别塔要被重新建起来了吗？谷歌刚刚干了件大事。实时语音翻译，曾经是它自家耳机Pixel Buds的专属功能，现在，任何耳机都能用。什么意思？这意味着它不再是一个硬件附属品，而是成了一个平台级的功能。打开谷歌翻译，戴上你的耳机，70多种语言，实时互通。对方说话的语调、停顿，甚至是情绪，都能被捕捉和翻译。这还不够。谷歌把它直接塞进了视频会议Google Meet。以后开跨国会议，英语和西班牙语之间，再也没有障碍了。更多语言，马上就来。这技术打破了语言的隔阂，让地球村的村民们能真正自由对话。但另一个问题来了：当所有人都能听懂彼此，那些想在中间操弄信息、制造隔阂的精英们，是不是就没戏唱了？

墓碑科技

107,968 次观看 • 8 个月前

卧槽！陶哲轩重磅预判：AI工具打破科研壁垒，数学界正迎来草根爆发时代数学天才陶哲轩近日发出惊人言论：传统学术门槛正在瓦解！过去，想要触碰数学研究的前沿，必须苦读多年、拿到博士学位才有入场资格；而现在，得益于AI工具及Lean等辅助系统的兴起，即便是高中生也能参与核心数学项目，并产生实质性的科研贡献。他预言，这种技术变革将彻底打开非传统化的学习机会。科研不再是学术精英的专属领域，人人皆可参与。陶哲轩强调，面对这场范式转移，保持开放且灵活的思维模式，将成为未来每个人最重要的核心竞争力。

卧槽！陶哲轩重磅预判：AI工具打破科研壁垒，数学界正迎来草根爆发时代数学天才陶哲轩近日发出惊人言论：传统学术门槛正在瓦解！过去，想要触碰数学研究的前沿，必须苦读多年、拿到博士学位才有入场资格；而现在，得益于AI工具及Lean等辅助系统的兴起，即便是高中生也能参与核心数学项目，并产生实质性的科研贡献。他预言，这种技术变革将彻底打开非传统化的学习机会。科研不再是学术精英的专属领域，人人皆可参与。陶哲轩强调，面对这场范式转移，保持开放且灵活的思维模式，将成为未来每个人最重要的核心竞争力。

比特币橙子Trader

14,500 次观看 • 2 个月前

这是Cloudflare的CEO Matthew Prince捅出来的数据。一个很吓人的数据。 OpenAI每看到1个网页。谷歌就能看到3.2个。微软呢？谷歌看到的世界是它的4.8倍。这意味着什么？ AI时代，得数据者得天下。原料都被一家垄断了，其他人怎么玩？用爱发电吗？谷歌拥有一个其他任何公司都没有的独特优势它对整个互联网的访问权限。这是它通过搜索引擎业务几十年积累下来的护城河。现在，这条河正在帮助它在AI领域淹没所有对手。我们担心的不只是商业垄断。我们担心的是信息和思想的垄断。当一个实体，拥有不成比例的数据喂养能力，它训练出的AI会是什么样子？它会定义“事实”。它会塑造“真相”。它会决定你能看到什么，以及你看不到什么。这比任何媒体都更强大。 Cloudflare的CEO提出了两种解决方案。要么，把谷歌拉回到和其他人一样的水平，限制它利用搜索优势。要么，把其他所有人都提升到谷歌的水平。第一条路，动了巨头的蛋糕，监管能做到吗？第二条路，技术上现实吗？谁来组织？问题是，时间不多了。当游戏规则的制定者，和最强的那个玩家，是同一个人时。其他人还有机会吗？还是说，游戏其实早就结束了？

这是Cloudflare的CEO Matthew Prince捅出来的数据。一个很吓人的数据。 OpenAI每看到1个网页。谷歌就能看到3.2个。微软呢？谷歌看到的世界是它的4.8倍。这意味着什么？ AI时代，得数据者得天下。原料都被一家垄断了，其他人怎么玩？用爱发电吗？谷歌拥有一个其他任何公司都没有的独特优势它对整个互联网的访问权限。这是它通过搜索引擎业务几十年积累下来的护城河。现在，这条河正在帮助它在AI领域淹没所有对手。我们担心的不只是商业垄断。我们担心的是信息和思想的垄断。当一个实体，拥有不成比例的数据喂养能力，它训练出的AI会是什么样子？它会定义“事实”。它会塑造“真相”。它会决定你能看到什么，以及你看不到什么。这比任何媒体都更强大。 Cloudflare的CEO提出了两种解决方案。要么，把谷歌拉回到和其他人一样的水平，限制它利用搜索优势。要么，把其他所有人都提升到谷歌的水平。第一条路，动了巨头的蛋糕，监管能做到吗？第二条路，技术上现实吗？谁来组织？问题是，时间不多了。当游戏规则的制定者，和最强的那个玩家，是同一个人时。其他人还有机会吗？还是说，游戏其实早就结束了？

墓碑科技

33,982 次观看 • 7 个月前

AI开始抢彭博终端的饭碗了。一家叫Perplexity的AI公司，做了一个新东西。能直接生成一个金融终端，分析英伟达$NVDA。数据是实时的。还不需要任何本地设置。这说明什么？云服务本身已经不重要了，谁都能提供。真正的护城河，是上面跑的AI模型。一台彭博终端机一年要多少钱？三万美元。过去这是华尔街精英的专属玩具。现在，一个AI应用就能挑战它的核心功能。技术正在打破信息垄断。把权力从少数机构手里，还给普通人。华尔街的旧秩序，还能维持多久？

AI开始抢彭博终端的饭碗了。一家叫Perplexity的AI公司，做了一个新东西。能直接生成一个金融终端，分析英伟达$NVDA。数据是实时的。还不需要任何本地设置。这说明什么？云服务本身已经不重要了，谁都能提供。真正的护城河，是上面跑的AI模型。一台彭博终端机一年要多少钱？三万美元。过去这是华尔街精英的专属玩具。现在，一个AI应用就能挑战它的核心功能。技术正在打破信息垄断。把权力从少数机构手里，还给普通人。华尔街的旧秩序，还能维持多久？

墓碑科技

105,410 次观看 • 5 个月前

当下80%的家庭其实就一个大方向：就是掌握一门技能，之后就是学好英语。英语是唯一对穷人开放的通往幸福之路，英文承载着世界95以上的学术，95以上的科研，95以上的人类文明。你把英语掌握完之后，很多事你的眼界都打开了，你出去打工的门槛也低多了，那么要掌握什么技能呢？答案就在这1分钟里：

当下80%的家庭其实就一个大方向：就是掌握一门技能，之后就是学好英语。英语是唯一对穷人开放的通往幸福之路，英文承载着世界95以上的学术，95以上的科研，95以上的人类文明。你把英语掌握完之后，很多事你的眼界都打开了，你出去打工的门槛也低多了，那么要掌握什么技能呢？答案就在这1分钟里：

0x鸣人

26,430 次观看 • 1 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