Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

最近一直被一个问题困扰就是h3的舞蹈太假了，如果是单人动作一直在瞎扭，如果是群体舞蹈不仅动作整齐划一，还会出现人物融合的问题。经过多日调试，总算有了些眉目。我会分享一份这个mv的提示词和一个适合h3的舞蹈技能skill。我是通过让ai学习了舞蹈skill 再配合一些踩坑经验进行生成适配mv的提示词的。一些复盘经验和资料就放在了文章里面 #AIArt #AIVideo #提示词分析 #promptshare #MINIMAXH3 #ai教程御坂美琴｜《某科学的超电磁炮》×《魔法禁书目录》⚡ 御坂美琴｜超电磁炮学园都市的第三位超能力者，御坂美琴登场。⚡ 无论是在《某科学的超电磁炮》，还是《魔法禁书目录》的世界里，她都是极具辨识度的经典角色。电击使，永远是那个最耀眼的少女。喜欢御坂美琴的话，点赞❤️收藏⭐关注🔔支持一下！推荐 X 标签： #御坂美琴 #某科学的超电磁炮 #魔法禁书目录 #超电磁炮 #MikotoMisaka #Toaru #Railgun #ACertainScientificRailgun #御坂美琴 #とある科学の超電磁砲 #とある魔術の禁書目録 #미사카미코토 #어떤과학의초전자포 #어떤마술의금서목록 #AnimeVN #ToaruVN

AI Dance Paradise

8,322 subscribers

11,253 просмотров • 8 дней назад •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

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 просмотров • 7 месяцев назад

超越背单词：实用英语学习技巧我是如何通过工作来提高英语水平的。为一个英语使用者，我现在几乎不背单词了，但我的英语水平还是挺不错的。这主要是因为我的工作给了我大量的听说读写的机会。每天大概有一到两个小时都在开会，讨论、争论，还有处理邮件和Slack消息，这些都让我在语言的输入和输出方面得到了很好的锻炼。我想对那些想提高英语水平的朋友说，找到一个能给你提供练习机会的工作环境非常重要。不仅仅是英语，无论你想学什么技能，找到对你有利的位置都是关键。比如说，如果你是程序员，就应该专注于你领域内的关键词，然后学会灵活地运用它们。此外，我还要分享一个关于学习英语的小技巧：不要只专注于背单词，而是要找到关键词，然后用这些词来灵活表达自己的想法。使用AI工具进行反思也很重要。

超越背单词：实用英语学习技巧我是如何通过工作来提高英语水平的。为一个英语使用者，我现在几乎不背单词了，但我的英语水平还是挺不错的。这主要是因为我的工作给了我大量的听说读写的机会。每天大概有一到两个小时都在开会，讨论、争论，还有处理邮件和Slack消息，这些都让我在语言的输入和输出方面得到了很好的锻炼。我想对那些想提高英语水平的朋友说，找到一个能给你提供练习机会的工作环境非常重要。不仅仅是英语，无论你想学什么技能，找到对你有利的位置都是关键。比如说，如果你是程序员，就应该专注于你领域内的关键词，然后学会灵活地运用它们。此外，我还要分享一个关于学习英语的小技巧：不要只专注于背单词，而是要找到关键词，然后用这些词来灵活表达自己的想法。使用AI工具进行反思也很重要。

Bear Liu

38,152 просмотров • 2 лет назад

有很多人误解了我对DeepSeek的看法！目前我还处于收集资料，整理自己观点的阶段，目前主要呈现的是各方的一个分析判断和观点！目前可以确定的几个观点如下： 1，AI之争最终绝对是人才的竞争 2，开源绝对是起了巨大的作用！DeepSeek 起始于开源，做了创新突破，最终也选择继续开源！再次说明科学无国界，这是我一直宣扬的一个核心观点。 3，美国要想继续保持领先，H1B, EB1等等要继续保持，对移民吸引力要保持和加大！ 4，DeepSeek 团队成员，基本都是北大清华的博士硕士，没有留洋的背景！有些人还在鼓吹禁止中国人来美国学习理工科，甚至驱逐现在在美国学习理工科的中国人，美国如果这么做，绝对是自掘坟墓！我坚信很多人才来到美国进行求学，他们最终大部分是会选择留在美国的，如果美国没有留住他们，美国需要做的是自己反思，而不是关闭大门或驱逐！

有很多人误解了我对DeepSeek的看法！目前我还处于收集资料，整理自己观点的阶段，目前主要呈现的是各方的一个分析判断和观点！目前可以确定的几个观点如下： 1，AI之争最终绝对是人才的竞争 2，开源绝对是起了巨大的作用！DeepSeek 起始于开源，做了创新突破，最终也选择继续开源！再次说明科学无国界，这是我一直宣扬的一个核心观点。 3，美国要想继续保持领先，H1B, EB1等等要继续保持，对移民吸引力要保持和加大！ 4，DeepSeek 团队成员，基本都是北大清华的博士硕士，没有留洋的背景！有些人还在鼓吹禁止中国人来美国学习理工科，甚至驱逐现在在美国学习理工科的中国人，美国如果这么做，绝对是自掘坟墓！我坚信很多人才来到美国进行求学，他们最终大部分是会选择留在美国的，如果美国没有留住他们，美国需要做的是自己反思，而不是关闭大门或驱逐！

蔡子博士Chris

65,368 просмотров • 1 год назад

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

302,918 просмотров • 2 лет назад

华北某县的精神科，每个月有二三十位中学生就诊，大多是因为厌学。而那些仍在校的学生，5点左右起床，每天在校超17小时，两三周甚至一个月才放一天假，有人因学习压力经常崩溃大哭。家长和老师也在这漫长的学习赛里，出现了不同程度的情绪问题。但在现实面前，谁也没法停下来.....

华北某县的精神科，每个月有二三十位中学生就诊，大多是因为厌学。而那些仍在校的学生，5点左右起床，每天在校超17小时，两三周甚至一个月才放一天假，有人因学习压力经常崩溃大哭。家长和老师也在这漫长的学习赛里，出现了不同程度的情绪问题。但在现实面前，谁也没法停下来.....

李老师不是你老师

429,914 просмотров • 1 год назад

伊朗大学生给美国人上了一课。当局在大学地上铺了面美国国旗。想让每个学生都从上面踩过去。目的就是要羞辱美国。结果呢？一个学生都没踩。每个人都小心翼翼地绕着走。视频里看得很清楚。要知道，这群年轻人生活在世界上最高压的政权之一。说错话，可能就没命了。可他们对一面象征自由的旗帜，表现出的尊重，远超很多美国本土的学生。反观美国自己的大学校园。一些学生在干嘛？践踏国旗、焚烧国旗、嘲笑国旗。是不是很讽刺？那些真正失去自由的人，才最懂自由的价值。这份无声的抗议，打的是谁的脸？

伊朗大学生给美国人上了一课。当局在大学地上铺了面美国国旗。想让每个学生都从上面踩过去。目的就是要羞辱美国。结果呢？一个学生都没踩。每个人都小心翼翼地绕着走。视频里看得很清楚。要知道，这群年轻人生活在世界上最高压的政权之一。说错话，可能就没命了。可他们对一面象征自由的旗帜，表现出的尊重，远超很多美国本土的学生。反观美国自己的大学校园。一些学生在干嘛？践踏国旗、焚烧国旗、嘲笑国旗。是不是很讽刺？那些真正失去自由的人，才最懂自由的价值。这份无声的抗议，打的是谁的脸？

战斗室

82,290 просмотров • 6 месяцев назад

Prompt Fill v1.0 正式发布 🎉 做 AI 绘画的人一定有过这种体验：看到一张惊艳的图，兴冲冲复制了提示词—— 打开一看，一整段密密麻麻的英文。不知道哪个词控制风格，哪个词控制构图，想改又不敢改，怕一动就全崩了。这就是我做 Prompt Fill 的原因。 1.0版本最重磅的更新：一键「智能拆分」：粘贴提示词 → 自动标注变量 → 生成中英双语填空模板。这个功能是 v1.0 补上的最后一块拼图。之前 Prompt Fill 已经有了结构化模板、动态词库、词条联动、AI 扩词—— 但始终缺一个「从零开始」的入口。现在有了智能拆分，任何一段提示词都能秒变可复用的填空模板。说起来这完全是一个 Vibe Coding 项目。我自己又是产品经理，又是UX设计师，从第一行代码到现在的每一个功能，都是和 AI 一起边聊边写出来的。（始终觉得在Vibe Coding且上线的项目中审美说得过去的项目）从 12 月初的第一个 commit 到今天，历时四个多月，陆陆续续迭代了几十个版本。目前 GitHub 累计 1.7K Star ⭐ 真的非常感谢大家的支持和喜爱，每一个 Star 都是继续做下去的动力。接下来的计划： 📌 近期会持续补充更多高质量提示词模板 📌 2.0 已在规划中——面向视频创作的提示词管理、提示词润色、多镜头编排等功能开源地址 👉 在线体验 👉 欢迎试用、提 issue、给建议，或者直接 Star 支持一下 🙏

Prompt Fill v1.0 正式发布 🎉 做 AI 绘画的人一定有过这种体验：看到一张惊艳的图，兴冲冲复制了提示词—— 打开一看，一整段密密麻麻的英文。不知道哪个词控制风格，哪个词控制构图，想改又不敢改，怕一动就全崩了。这就是我做 Prompt Fill 的原因。 1.0版本最重磅的更新：一键「智能拆分」：粘贴提示词 → 自动标注变量 → 生成中英双语填空模板。这个功能是 v1.0 补上的最后一块拼图。之前 Prompt Fill 已经有了结构化模板、动态词库、词条联动、AI 扩词—— 但始终缺一个「从零开始」的入口。现在有了智能拆分，任何一段提示词都能秒变可复用的填空模板。说起来这完全是一个 Vibe Coding 项目。我自己又是产品经理，又是UX设计师，从第一行代码到现在的每一个功能，都是和 AI 一起边聊边写出来的。（始终觉得在Vibe Coding且上线的项目中审美说得过去的项目）从 12 月初的第一个 commit 到今天，历时四个多月，陆陆续续迭代了几十个版本。目前 GitHub 累计 1.7K Star ⭐ 真的非常感谢大家的支持和喜爱，每一个 Star 都是继续做下去的动力。接下来的计划： 📌 近期会持续补充更多高质量提示词模板 📌 2.0 已在规划中——面向视频创作的提示词管理、提示词润色、多镜头编排等功能开源地址 👉 在线体验 👉 欢迎试用、提 issue、给建议，或者直接 Star 支持一下 🙏

MarioTan

30,589 просмотров • 5 месяцев назад

印度正在干一件大事。一件很安静，但可能影响深远的事。他们在从零开始，构建一个梵语大语言模型。梵语，是世界上最古老的结构化语言。这个项目，不是简单的翻译工具。更不是把古籍扫描数字化就完事了。他们要让AI真正“学会”梵语，用梵语的逻辑去思考。牵头的是一家有118年历史的梵语学院，和印度顶尖的理工学院IIT马德拉斯分校。学者和数据科学家坐到了一起。第一步，也是最难的一步，建立语料库。他们收集了超过11万份梵文文本。包括经文、孤本、还有数千份手稿。为了处理这些古老的手稿，团队自己开发了专有软件。结果惊人。 24小时内数字化了超过1000本梵语书籍。每页只有三到四个错误，准确率接近97%。梵语的语法结构极其复杂和精确。比如“Sandhi”这种连音变化规则，还有复杂的词形变化，对AI的挑战远超英语。解决这些难题，需要全新的算法和模型。这暴露了一个关键问题。当下的AI模型，本质上是基于英语世界的逻辑和数据结构建立的。而印度这个项目，试图用一种完全不同的文明底层逻辑来训练AI。这不仅仅是技术问题。这关乎一个文明的记忆，能否在机器时代被完整保留，甚至被激活。当全球科技巨头都在追求更大规模的模型、更快的算力时，印度选择了一条不同的路。深度优先，而非规模。结构优先，而非噪音。意义优先，而非模仿。这引出了一个更深层的问题。 AI的未来，是否也依赖于人类最古老的智慧？如果这个实验成功，梵语将不再仅仅是被“保存”的遗产。它将成为一种可计算的，具备严谨逻辑推理能力的工具。这是一个国家在尝试用自己的文化之根，去定义自己的科技未来。而不是被动地接受硅谷制定的标准和游戏规则。这种对自己文明的自信和投入，值得深思。当一个国家开始系统性地将自己的古典智慧与最前沿的科技结合，它的目标可能远不止是开发一个AI模型那么简单。

印度正在干一件大事。一件很安静，但可能影响深远的事。他们在从零开始，构建一个梵语大语言模型。梵语，是世界上最古老的结构化语言。这个项目，不是简单的翻译工具。更不是把古籍扫描数字化就完事了。他们要让AI真正“学会”梵语，用梵语的逻辑去思考。牵头的是一家有118年历史的梵语学院，和印度顶尖的理工学院IIT马德拉斯分校。学者和数据科学家坐到了一起。第一步，也是最难的一步，建立语料库。他们收集了超过11万份梵文文本。包括经文、孤本、还有数千份手稿。为了处理这些古老的手稿，团队自己开发了专有软件。结果惊人。 24小时内数字化了超过1000本梵语书籍。每页只有三到四个错误，准确率接近97%。梵语的语法结构极其复杂和精确。比如“Sandhi”这种连音变化规则，还有复杂的词形变化，对AI的挑战远超英语。解决这些难题，需要全新的算法和模型。这暴露了一个关键问题。当下的AI模型，本质上是基于英语世界的逻辑和数据结构建立的。而印度这个项目，试图用一种完全不同的文明底层逻辑来训练AI。这不仅仅是技术问题。这关乎一个文明的记忆，能否在机器时代被完整保留，甚至被激活。当全球科技巨头都在追求更大规模的模型、更快的算力时，印度选择了一条不同的路。深度优先，而非规模。结构优先，而非噪音。意义优先，而非模仿。这引出了一个更深层的问题。 AI的未来，是否也依赖于人类最古老的智慧？如果这个实验成功，梵语将不再仅仅是被“保存”的遗产。它将成为一种可计算的，具备严谨逻辑推理能力的工具。这是一个国家在尝试用自己的文化之根，去定义自己的科技未来。而不是被动地接受硅谷制定的标准和游戏规则。这种对自己文明的自信和投入，值得深思。当一个国家开始系统性地将自己的古典智慧与最前沿的科技结合，它的目标可能远不止是开发一个AI模型那么简单。

墓碑科技

22,272 просмотров • 7 месяцев назад

美军拯救被袭飞行员，背后是从未公开的秘密工具。据纽约邮报，美国中情局 CIA 使用了一种名为 Ghost Murmur（幽灵心跳）的秘密工具，通过 AI 定位心跳，成功找到在伊朗被困的美军飞行员。这项技术很可能是，首次在实战中使用。该技术原理是，利用远程量子磁力测量，捕捉人体心跳产生的电磁信号，再结合 AI，从环境噪音中识别出目标位置。一位消息人士形容，这就像在一个体育场里，听到一个人的声音，只不过这个体育场，是上千平方英里的沙漠。在合适条件下，只要你的心还在跳，我们就能找到你。而 Ghost Murmur 这个名字也有含义，Murmur 是医学术语，指心脏杂音。Ghost 指的是找到一个已经消失的人。而这项能力，被披露是来自于量子磁力学的技术，尤其是利用人造钻石中的微观缺陷传感器，可以在极远距离探测信号。美国中情局 CIA 局长 John Ratcliffe 周一也暗示了这类技术的存在，表示 CIA 拥有独特能力，但不能透露细节。特朗普在发布会上也提到，CIA 是在约 40 英里，约 64 公里外发现该飞行员的。游戏里的心跳传感器，成真了。

美军拯救被袭飞行员，背后是从未公开的秘密工具。据纽约邮报，美国中情局 CIA 使用了一种名为 Ghost Murmur（幽灵心跳）的秘密工具，通过 AI 定位心跳，成功找到在伊朗被困的美军飞行员。这项技术很可能是，首次在实战中使用。该技术原理是，利用远程量子磁力测量，捕捉人体心跳产生的电磁信号，再结合 AI，从环境噪音中识别出目标位置。一位消息人士形容，这就像在一个体育场里，听到一个人的声音，只不过这个体育场，是上千平方英里的沙漠。在合适条件下，只要你的心还在跳，我们就能找到你。而 Ghost Murmur 这个名字也有含义，Murmur 是医学术语，指心脏杂音。Ghost 指的是找到一个已经消失的人。而这项能力，被披露是来自于量子磁力学的技术，尤其是利用人造钻石中的微观缺陷传感器，可以在极远距离探测信号。美国中情局 CIA 局长 John Ratcliffe 周一也暗示了这类技术的存在，表示 CIA 拥有独特能力，但不能透露细节。特朗普在发布会上也提到，CIA 是在约 40 英里，约 64 公里外发现该飞行员的。游戏里的心跳传感器，成真了。

AB Kuai.Dong

43,741 просмотров • 5 месяцев назад

今天给大家翻译的是最近吴恩达采访李飞飞的一期视频“Andrew Ng and Fei-Fei Li Discuss Human-Centered Artificial Intelligence - Stanford Online”，都是AI领域的重量级人物。李飞飞现在是斯坦福大学的计算机科学教授，还是HAI（以人为本的人工智能研究所）的联席主任。李飞飞还是吴恩达邀请去的斯坦福，最开始还担心李飞飞不去，而李飞飞则说，谁能抵挡斯坦福的诱惑😄 第一个话题是为什么李飞飞从物理专业转到了人工智能领域。李飞飞分享了她的经历，她一直对物理和STEM充满热情，后来在普林斯顿大学主修物理并在神经科学实验室实习。然而，通过阅读了一些伟大物理学家的著作例如薛定谔的《生命是什么？》罗杰·彭罗斯的《皇帝的新脑》，她对智能产生了极大的好奇心，这促使她在研究生阶段转向了人工智能。她对智能的基本计算原理有极大的兴趣，期待有一天能找到一组简单的原理或方程，可以定义智能的过程，无论是动物智能还是机器智能。李飞飞认为AI还处于初级阶段，就像牛顿之前的物理学，曾经有过伟大的物理学，伟大的物理学家，很多现象学，很多关于天体如何运动的研究。但是是牛顿开始写出非常简单的定律。我们仍在经历那个非常令人兴奋的AI基础科学成长时期，就像当年的物理学还处于牛顿之前的阶段。第二个话题是李飞飞早年的移民经历。李飞飞在15岁时移民到美国，她的父母不会说英语，经营一家干洗店可能是她们家最好的选择，因为洗衣店主要是周末营业，这样她作为学生也可以参与运营。尽管生活充满挑战，李飞飞坚持下来，并成功进入普林斯顿大学。干洗店的经营帮助她接触到了机器，也使得她对STEM（科学、技术、工程和数学）领域产生了兴趣。吴恩达也分享了他的早年经历，他在高中时曾在办公室工作，经常复印文件，为人们泡咖啡。这些经历启发他思考如何用机器人完成这些工作，这可能也种下了他对AI的兴趣的种子。希望他们高中的故事能够激励更多的人，无论我们起点如何，都有机会成功。第三个话题是关于李飞飞如何开始ImageNet项目和创建的Caltech 101数据库的。李飞飞是最早将机器学习应用于计算机视觉的学生之一，这在当时是一个具有争议的想法。在计算机视觉和人类智能理解的研究中，她利用机器学习方法进行真实世界对象的识别，尽管她很快就发现这个领域的一个主要挑战是模型的泛化能力不足。为了解决这个问题，李飞飞和她的导师开始探索大规模数据项目，创建了Caltech 101数据库。李飞飞开始做这事时非常早，那时候数码相机还非常昂贵，最初的数据是李飞飞和她妈还有几个本科生一起做的。这个数据库对许多研究者产生了积极影响。之后，李飞飞进一步扩展了数据库，创建了更大的ImageNet数据库，尽管这个想法在最初的时候遭到了很多质疑。但最终，这个庞大的数据库为全球无数研究者解锁了大量价值。由于最开始受到了很多质疑和困难，但最终项目还是取得了巨大的成功。就这个话题李飞飞分享了一点人生经验，就是设置北极星目标（即长期大目标）的重要性，并建议研究生们不应该只是为了发表论文而进行研究，而应该有一个长远的目标去驱动他们的工作。吴恩达对这个观点也很赞同，他也提醒大家即使项目刚开始规模比较小，也可以作为实现更大目标的基础。另外很重要的就是去追求自己真正感兴趣的研究领域，李飞飞会问她的学生：”是什么北极星在驱使你？“ 这段对话很精彩，我直接原文转发一下： ”吴恩达：当我想起那个故事时，它看起来像是一个有时候人们觉得他们应该只从事项目的例子，而不是一开始就做大事。但我觉得对于从事机器学习的人来说，如果你的第一个项目是一个稍微小一点的，那完全没问题。祝你取得好成绩。利用所学知识为实现更大的目标打下基础，然后有时候你会得到像ImageNet那样的巨大成功。李飞飞：但与此同时，我认为追求一个大胆的目标也很重要。你可以根据问题的规模或项目的规模设定局部里程碑，沿着这条道路前进，但我也关注我们现在的一些学生。他们受到如此大的同伴压力，在这个不断出版的气候中。这变得更多的是为了只是为了出版而进入一篇文章。我个人总是推动我的学生去问这个问题，是什么北极星在驱使你？吴恩达：是的，这是真的。这些年来，当我做研究时，我总是充满激情地去做我感兴趣的事情，在那里，我想尝试推动观点向前发展。不必听别人的意见。要听别人的意见，让他们影响你的看法。但最后，我认为最好的研究者让世界影响他们的观点，但最后，还是要根据自己的观点来推动事物。李飞飞：完全同意，是的。这是你自己内心的火焰。“ 第四个话题是李飞飞如何将计算机视觉和神经科学应用到多个领域，尤其是医疗保健的李飞飞认为她在计算机视觉领域的研究进化也遵循动物视觉智能的进化。有两个话题真正让她兴奋： 1. 一个是什么是真正有影响力的应用领域，能够帮助改善人类生活？这就是医疗保健工作。 2. 另一个是视觉在最终究竟是关于什么的？这让她试图在感知和机器人学习之间封闭回路。李飞飞引用了一组数字：每年约有25万美国人死于医疗错误，这大大超过了因车祸导致的死亡人数，医院感染导致的死亡人数超过95,000，这比车祸死亡人数多2.5倍。李飞飞和她的合作伙伴阿尼·米尔斯坦博士开始了一个项目，名为环境智能研究议程，目的是在医院或养老院安装智能传感器，以提高病人的安全性。但她指出，应用AI时，除了机器学习问题，还需要处理诸如隐私等人类问题。第五个话题是关于人工智能（AI）在公共政策中的重要性四年前，李飞飞和斯坦福大学的一些教职工意识到斯坦福需要在AI领域发挥更重要的角色，为此他们创建了人类中心AI研究所（HAI）。这个研究所旨在以人为本，研究下一代的人工智能教育、研究和政策。李飞飞提到，AI快速地影响着人们的生活，法律和政策必须要跟上。她认为专家需要和政策制定者更深入地交流，以利用AI更好地造福人民。这不仅涉及公平和隐私，还涉及到人才流向产业、数据和计算机的集中等问题。李飞飞参与推动的一项政策工作就是《全国人工智能研究云任务组法案》（现为国家人工智能研究资源，NAIRR），这个法案要求成立一个任务小组，为美国公共部门和研究部门提供更好的获取AI计算和数据资源的途径，以重振美国在AI创新和研究方面的生态系统。这是一项更多的激励政策，旨在建设和振兴生态系统。吴恩达问了李飞飞一个很有代表性的问题：”你对于刚开始学习机器学习的人有什么建议？“ 李飞飞的建议是： 1. 现在的AI和ML学习资源比以往任何时候都要丰富，从Coursera到YouTube、TikTok和Github，使得全球范围内的学习者都能够获取到这些知识。 2. 对非技术背景的人来说，AI也提供了丰富的机会，无论是应用、创造力、政策、社会问题，还是经济、伦理、政治科学等方面。 3. 人工智能可能带来的挑战和问题，如定义数字时代的经济，机器人和软件在工作流程中的影响，以及生成性AI对创造力和艺术创作者的影响等。吴恩达也基于李飞飞的建议提出了自己的建议，他的建议是现在人工智能的技术很通用，无论你的个人兴趣是什么领域，都很容易可以将你的兴趣和AI结合起来。现在AI还是很新的领域，基于兴趣可以开创自己的道路，去做一些令人兴奋的工作。最后一个话题是关于李飞飞开展的AI4ALL项目。 AI4ALL项目旨在引导年轻的学生，特别是来自代表性不足的群体，接触并学习AI。李飞飞在自己作为斯坦福人工智能实验室唯一的女性教师时，意识到了代表性不足的问题。 AI4ALL最初被称为SAILORS，这个项目于2015年开始，由李飞飞与她的学生宇川佐科夫斯基和教育专家瑞克·萨默一起启动。它最初是一个暑期项目，邀请年轻女性高中生学习AI。在得到詹森·黄、洛瑞·黄和梅琳达·盖茨等人的支持后，该项目于2017年扩展为全国性的非营利组织，现已在全国超过15所大学开设夏令营和暑期项目，同时提供在线课程并通过实习和导师计划提供持续的支持。最后引用AI4ALL的口号来结尾：“AI将改变世界，谁将改变AI？”，希望我们每个人都能参与其中！原始视频：

今天给大家翻译的是最近吴恩达采访李飞飞的一期视频“Andrew Ng and Fei-Fei Li Discuss Human-Centered Artificial Intelligence - Stanford Online”，都是AI领域的重量级人物。李飞飞现在是斯坦福大学的计算机科学教授，还是HAI（以人为本的人工智能研究所）的联席主任。李飞飞还是吴恩达邀请去的斯坦福，最开始还担心李飞飞不去，而李飞飞则说，谁能抵挡斯坦福的诱惑😄 第一个话题是为什么李飞飞从物理专业转到了人工智能领域。李飞飞分享了她的经历，她一直对物理和STEM充满热情，后来在普林斯顿大学主修物理并在神经科学实验室实习。然而，通过阅读了一些伟大物理学家的著作例如薛定谔的《生命是什么？》罗杰·彭罗斯的《皇帝的新脑》，她对智能产生了极大的好奇心，这促使她在研究生阶段转向了人工智能。她对智能的基本计算原理有极大的兴趣，期待有一天能找到一组简单的原理或方程，可以定义智能的过程，无论是动物智能还是机器智能。李飞飞认为AI还处于初级阶段，就像牛顿之前的物理学，曾经有过伟大的物理学，伟大的物理学家，很多现象学，很多关于天体如何运动的研究。但是是牛顿开始写出非常简单的定律。我们仍在经历那个非常令人兴奋的AI基础科学成长时期，就像当年的物理学还处于牛顿之前的阶段。第二个话题是李飞飞早年的移民经历。李飞飞在15岁时移民到美国，她的父母不会说英语，经营一家干洗店可能是她们家最好的选择，因为洗衣店主要是周末营业，这样她作为学生也可以参与运营。尽管生活充满挑战，李飞飞坚持下来，并成功进入普林斯顿大学。干洗店的经营帮助她接触到了机器，也使得她对STEM（科学、技术、工程和数学）领域产生了兴趣。吴恩达也分享了他的早年经历，他在高中时曾在办公室工作，经常复印文件，为人们泡咖啡。这些经历启发他思考如何用机器人完成这些工作，这可能也种下了他对AI的兴趣的种子。希望他们高中的故事能够激励更多的人，无论我们起点如何，都有机会成功。第三个话题是关于李飞飞如何开始ImageNet项目和创建的Caltech 101数据库的。李飞飞是最早将机器学习应用于计算机视觉的学生之一，这在当时是一个具有争议的想法。在计算机视觉和人类智能理解的研究中，她利用机器学习方法进行真实世界对象的识别，尽管她很快就发现这个领域的一个主要挑战是模型的泛化能力不足。为了解决这个问题，李飞飞和她的导师开始探索大规模数据项目，创建了Caltech 101数据库。李飞飞开始做这事时非常早，那时候数码相机还非常昂贵，最初的数据是李飞飞和她妈还有几个本科生一起做的。这个数据库对许多研究者产生了积极影响。之后，李飞飞进一步扩展了数据库，创建了更大的ImageNet数据库，尽管这个想法在最初的时候遭到了很多质疑。但最终，这个庞大的数据库为全球无数研究者解锁了大量价值。由于最开始受到了很多质疑和困难，但最终项目还是取得了巨大的成功。就这个话题李飞飞分享了一点人生经验，就是设置北极星目标（即长期大目标）的重要性，并建议研究生们不应该只是为了发表论文而进行研究，而应该有一个长远的目标去驱动他们的工作。吴恩达对这个观点也很赞同，他也提醒大家即使项目刚开始规模比较小，也可以作为实现更大目标的基础。另外很重要的就是去追求自己真正感兴趣的研究领域，李飞飞会问她的学生：”是什么北极星在驱使你？“ 这段对话很精彩，我直接原文转发一下： ”吴恩达：当我想起那个故事时，它看起来像是一个有时候人们觉得他们应该只从事项目的例子，而不是一开始就做大事。但我觉得对于从事机器学习的人来说，如果你的第一个项目是一个稍微小一点的，那完全没问题。祝你取得好成绩。利用所学知识为实现更大的目标打下基础，然后有时候你会得到像ImageNet那样的巨大成功。李飞飞：但与此同时，我认为追求一个大胆的目标也很重要。你可以根据问题的规模或项目的规模设定局部里程碑，沿着这条道路前进，但我也关注我们现在的一些学生。他们受到如此大的同伴压力，在这个不断出版的气候中。这变得更多的是为了只是为了出版而进入一篇文章。我个人总是推动我的学生去问这个问题，是什么北极星在驱使你？吴恩达：是的，这是真的。这些年来，当我做研究时，我总是充满激情地去做我感兴趣的事情，在那里，我想尝试推动观点向前发展。不必听别人的意见。要听别人的意见，让他们影响你的看法。但最后，我认为最好的研究者让世界影响他们的观点，但最后，还是要根据自己的观点来推动事物。李飞飞：完全同意，是的。这是你自己内心的火焰。“ 第四个话题是李飞飞如何将计算机视觉和神经科学应用到多个领域，尤其是医疗保健的李飞飞认为她在计算机视觉领域的研究进化也遵循动物视觉智能的进化。有两个话题真正让她兴奋： 1. 一个是什么是真正有影响力的应用领域，能够帮助改善人类生活？这就是医疗保健工作。 2. 另一个是视觉在最终究竟是关于什么的？这让她试图在感知和机器人学习之间封闭回路。李飞飞引用了一组数字：每年约有25万美国人死于医疗错误，这大大超过了因车祸导致的死亡人数，医院感染导致的死亡人数超过95,000，这比车祸死亡人数多2.5倍。李飞飞和她的合作伙伴阿尼·米尔斯坦博士开始了一个项目，名为环境智能研究议程，目的是在医院或养老院安装智能传感器，以提高病人的安全性。但她指出，应用AI时，除了机器学习问题，还需要处理诸如隐私等人类问题。第五个话题是关于人工智能（AI）在公共政策中的重要性四年前，李飞飞和斯坦福大学的一些教职工意识到斯坦福需要在AI领域发挥更重要的角色，为此他们创建了人类中心AI研究所（HAI）。这个研究所旨在以人为本，研究下一代的人工智能教育、研究和政策。李飞飞提到，AI快速地影响着人们的生活，法律和政策必须要跟上。她认为专家需要和政策制定者更深入地交流，以利用AI更好地造福人民。这不仅涉及公平和隐私，还涉及到人才流向产业、数据和计算机的集中等问题。李飞飞参与推动的一项政策工作就是《全国人工智能研究云任务组法案》（现为国家人工智能研究资源，NAIRR），这个法案要求成立一个任务小组，为美国公共部门和研究部门提供更好的获取AI计算和数据资源的途径，以重振美国在AI创新和研究方面的生态系统。这是一项更多的激励政策，旨在建设和振兴生态系统。吴恩达问了李飞飞一个很有代表性的问题：”你对于刚开始学习机器学习的人有什么建议？“ 李飞飞的建议是： 1. 现在的AI和ML学习资源比以往任何时候都要丰富，从Coursera到YouTube、TikTok和Github，使得全球范围内的学习者都能够获取到这些知识。 2. 对非技术背景的人来说，AI也提供了丰富的机会，无论是应用、创造力、政策、社会问题，还是经济、伦理、政治科学等方面。 3. 人工智能可能带来的挑战和问题，如定义数字时代的经济，机器人和软件在工作流程中的影响，以及生成性AI对创造力和艺术创作者的影响等。吴恩达也基于李飞飞的建议提出了自己的建议，他的建议是现在人工智能的技术很通用，无论你的个人兴趣是什么领域，都很容易可以将你的兴趣和AI结合起来。现在AI还是很新的领域，基于兴趣可以开创自己的道路，去做一些令人兴奋的工作。最后一个话题是关于李飞飞开展的AI4ALL项目。 AI4ALL项目旨在引导年轻的学生，特别是来自代表性不足的群体，接触并学习AI。李飞飞在自己作为斯坦福人工智能实验室唯一的女性教师时，意识到了代表性不足的问题。 AI4ALL最初被称为SAILORS，这个项目于2015年开始，由李飞飞与她的学生宇川佐科夫斯基和教育专家瑞克·萨默一起启动。它最初是一个暑期项目，邀请年轻女性高中生学习AI。在得到詹森·黄、洛瑞·黄和梅琳达·盖茨等人的支持后，该项目于2017年扩展为全国性的非营利组织，现已在全国超过15所大学开设夏令营和暑期项目，同时提供在线课程并通过实习和导师计划提供持续的支持。最后引用AI4ALL的口号来结尾：“AI将改变世界，谁将改变AI？”，希望我们每个人都能参与其中！原始视频：

宝玉

210,036 просмотров • 3 лет назад

AI教父Yann LeCun说了一个事实。一个四岁的小孩，看过的数据量，等于有史以来所有文本的总和。最大的AI模型，训练数据是30万亿个单词。听着很多？一个四岁小孩，醒着的时间大约16000小时。光是用眼睛看，接收的数据量就跟AI一样多。但数据的质量，完全是两回事。小孩看到的是真实世界。是重力，是东西掉下来，是手去抓握。是因果，是物理规律。他通过这些，在脑子里建立了一个世界模型。 AI看到的是什么？是孤立的文字，是符号。它唯一的任务，是猜下一个词是什么。这就解释了现在的怪现象。 AI能通过律师考试，能解微积分方程。比大学生还快。但它学不会装洗碗机。也变不成一个能做家务的机器人。更不可能像任何一个青少年一样，花20小时就学会开车。那些吹嘘AI马上取代一切的人，在回避什么？他们在回避现实世界。 AI被喂养的是人类思想的“数字幽灵”，不是物理世界的实体。把一个在图书馆里读了所有书的书呆子，和一个在街头长大的孩子扔进丛林。谁能活下来？道理是一样的。

AI教父Yann LeCun说了一个事实。一个四岁的小孩，看过的数据量，等于有史以来所有文本的总和。最大的AI模型，训练数据是30万亿个单词。听着很多？一个四岁小孩，醒着的时间大约16000小时。光是用眼睛看，接收的数据量就跟AI一样多。但数据的质量，完全是两回事。小孩看到的是真实世界。是重力，是东西掉下来，是手去抓握。是因果，是物理规律。他通过这些，在脑子里建立了一个世界模型。 AI看到的是什么？是孤立的文字，是符号。它唯一的任务，是猜下一个词是什么。这就解释了现在的怪现象。 AI能通过律师考试，能解微积分方程。比大学生还快。但它学不会装洗碗机。也变不成一个能做家务的机器人。更不可能像任何一个青少年一样，花20小时就学会开车。那些吹嘘AI马上取代一切的人，在回避什么？他们在回避现实世界。 AI被喂养的是人类思想的“数字幽灵”，不是物理世界的实体。把一个在图书馆里读了所有书的书呆子，和一个在街头长大的孩子扔进丛林。谁能活下来？道理是一样的。

墓碑科技

72,742 просмотров • 6 месяцев назад

川普说，AI是件大事。可能是有史以来最大的事，比互联网还大。他说美国在这方面遥遥领先，把所有人都甩在后面。工厂都在美国建。但是有个问题。 AI的数据中心是电老虎。需要多少电？川普给的数字是，整个国家现有发电量的两倍。这数字很夸张，对吧？没人能凭空变出这么多电。所以他想了个办法。他说，这是他的概念。每一个新建的数据中心，都要自己发电。自己建发电厂，自给自足。这个思路是不是很大胆？把能源负担直接从国家电网，分解到这些科技巨头自己身上。谁用电，谁负责。这符合“谁受益，谁出钱”的平民主义逻辑。但问题来了。这些公司会建什么发电厂？是更便宜的天然气，还是清洁能源？或者，这会不会开启一个小型核电站的时代？这会不会让科技公司变成能源巨头？政策的魔鬼，总在细节里。如果这个概念真的落地，美国的能源格局将被彻底改写。

川普说，AI是件大事。可能是有史以来最大的事，比互联网还大。他说美国在这方面遥遥领先，把所有人都甩在后面。工厂都在美国建。但是有个问题。 AI的数据中心是电老虎。需要多少电？川普给的数字是，整个国家现有发电量的两倍。这数字很夸张，对吧？没人能凭空变出这么多电。所以他想了个办法。他说，这是他的概念。每一个新建的数据中心，都要自己发电。自己建发电厂，自给自足。这个思路是不是很大胆？把能源负担直接从国家电网，分解到这些科技巨头自己身上。谁用电，谁负责。这符合“谁受益，谁出钱”的平民主义逻辑。但问题来了。这些公司会建什么发电厂？是更便宜的天然气，还是清洁能源？或者，这会不会开启一个小型核电站的时代？这会不会让科技公司变成能源巨头？政策的魔鬼，总在细节里。如果这个概念真的落地，美国的能源格局将被彻底改写。

墓碑科技

21,562 просмотров • 7 месяцев назад

“你瞄准一个目标，激光射过去，它就消失了。” 这不是科幻电影。这是川普总统刚刚官宣的，美国海军的未来。还记得那些老旧的军舰吗？拜登时代的海军，被中共的造船厂像下饺子一样超越。那种日子，结束了。川普正在打造一支全新的舰队：川普级战列舰。这些钢铁巨兽，装备的不是传统炮弹。而是最顶尖的电磁轨道炮。是无数的高超音速导弹。更是世界上最精密的激光武器系统！川普亲口说，这些激光炮会被直接装在新的战列舰上。它们还将携带正在研发的，核弹头巡航导弹。一旦部署，将是致命的威慑。这就是MAGA议程在军事上的体现：压倒性的技术优势，不给对手任何幻想。和平，永远只来自绝对的实力。

“你瞄准一个目标，激光射过去，它就消失了。” 这不是科幻电影。这是川普总统刚刚官宣的，美国海军的未来。还记得那些老旧的军舰吗？拜登时代的海军，被中共的造船厂像下饺子一样超越。那种日子，结束了。川普正在打造一支全新的舰队：川普级战列舰。这些钢铁巨兽，装备的不是传统炮弹。而是最顶尖的电磁轨道炮。是无数的高超音速导弹。更是世界上最精密的激光武器系统！川普亲口说，这些激光炮会被直接装在新的战列舰上。它们还将携带正在研发的，核弹头巡航导弹。一旦部署，将是致命的威慑。这就是MAGA议程在军事上的体现：压倒性的技术优势，不给对手任何幻想。和平，永远只来自绝对的实力。

墓碑科技

15,247 просмотров • 8 месяцев назад

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

708,261 просмотров • 4 месяцев назад

今天真的被一个 19 岁的学员震撼到了… 她是一名艺术生，即将去伦敦读大一此前几乎没有接触过商业，没有学过 AI，更没有任何开发经验。因为家里做美妆生意，她对产品可能有一些模糊的感知，但距离真正做一个创业项目，其实还很远昨天，她告诉我，自己学的是设计，希望找到一个既符合个人审美，又有可能商业化的方向考虑到她在伦敦上学，喜欢猫猫狗狗，身边接触到的又大多是愿意为审美和情绪价值买单的中产女性，我们就和她一起碰出了一个想法：做人与宠物的亲子装把宠物服饰、个人美学、五行八字等元素结合起来，通过独立站面向海外用户销售这并不只是卖一件衣服它满足的是人们为自己和宠物表达身份、建立关系、寻找情绪寄托的需求一个产品首先要有用，但真正产生溢价的，往往是那些看似「无用」的审美、故事、文化和标签今天，她根据这几天课程中学到的 AI 使用方法，自己手搓出了一个独立站的前端页面看到页面的那一刻，我真的有些难以置信她没有开发基础，却凭借极强的设计审美，再结合智能体、提示词迭代和一些基础的商业逻辑，做出了一个连很多成熟开发者都很难完成的页面更重要的是，她并没有机械地执行我们的要求他把我们聊过的五行、风水、八字和个性化测试都融入了产品，让用户可以探索「我的宠物适合什么颜色」「它对应什么五行」「我们适合怎样的亲子穿搭」这已经不再是一次普通的课堂作业它有明确的人群，有具体的消费场景，有审美差异，有传播话题，也有真实的商业化可能供应链、产品打磨和运营都可以在后面逐步补足，但一个项目最难得的东西：创始人的个人特质与市场机会之间的契合已经出现了那一刻我第一次非常强烈地意识到：我们做的可能不只是一次创业体验，而是真的有机会从这些孩子当中，孵化出值得投入、值得长期陪伴的创业项目一个 19 岁、还没正式进入大学的年轻人，在短短一两天里，从一个模糊的兴趣出发，完成了从想法、用户、产品定位到网页原型的跨越这在过去是很难想象的以前，一个人想把创意变成产品，需要会设计、会开发、懂商业，还要找到合适的团队和资金但在 AI 时代，一个拥有审美、好奇心和行动力的人，可以先借助 AI 补足自己暂时不具备的能力她不需要先准备好，才有资格开始她是在开始之后，不断变得更强相比之下，我也看到了一些刚刚经历过高考的孩子她们学习 AI 时，第一反应依然是认真记笔记，等待老师给出标准步骤，然后严格按照要求完成任务这当然不是他们的问题传统教育长期训练的是记忆、服从和寻找标准答案而 AI 时代真正稀缺的，可能是提出问题、调动工具、快速试错，以及把一个模糊想法变成现实的能力记笔记没有错，按照规则完成任务也没有问题但我们不能让孩子误以为，学习的终点只是记住老师讲过什么真正重要的是：你能不能用这些东西，创造一个此前不存在的产品所以我越来越确信，AI 教育一定要尽可能早不是为了让孩子更早学习某个软件，也不是为了把「会用 AI」变成新一轮的应试竞争，而是要在他们还没有完全习惯等待标准答案之前，让他们体验一次：原来我的想法可以被实现原来我不需要先成为专家，也可以开始创造原来我不仅能够完成老师布置的任务，还能够发现一个问题、设计一个产品，甚至真正影响一群人的生活，改变这个世界当一个孩子第一次亲手创造出一个真实的产品，他对自己的认识就会发生改变而这种「我能够创造」的信念，才是 AI 教育最重要的价值我们真正要做的，就是让他们在足够年轻的时候，就站到这个时代的前面，看到一个属于自己的可能性

今天真的被一个 19 岁的学员震撼到了… 她是一名艺术生，即将去伦敦读大一此前几乎没有接触过商业，没有学过 AI，更没有任何开发经验。因为家里做美妆生意，她对产品可能有一些模糊的感知，但距离真正做一个创业项目，其实还很远昨天，她告诉我，自己学的是设计，希望找到一个既符合个人审美，又有可能商业化的方向考虑到她在伦敦上学，喜欢猫猫狗狗，身边接触到的又大多是愿意为审美和情绪价值买单的中产女性，我们就和她一起碰出了一个想法：做人与宠物的亲子装把宠物服饰、个人美学、五行八字等元素结合起来，通过独立站面向海外用户销售这并不只是卖一件衣服它满足的是人们为自己和宠物表达身份、建立关系、寻找情绪寄托的需求一个产品首先要有用，但真正产生溢价的，往往是那些看似「无用」的审美、故事、文化和标签今天，她根据这几天课程中学到的 AI 使用方法，自己手搓出了一个独立站的前端页面看到页面的那一刻，我真的有些难以置信她没有开发基础，却凭借极强的设计审美，再结合智能体、提示词迭代和一些基础的商业逻辑，做出了一个连很多成熟开发者都很难完成的页面更重要的是，她并没有机械地执行我们的要求他把我们聊过的五行、风水、八字和个性化测试都融入了产品，让用户可以探索「我的宠物适合什么颜色」「它对应什么五行」「我们适合怎样的亲子穿搭」这已经不再是一次普通的课堂作业它有明确的人群，有具体的消费场景，有审美差异，有传播话题，也有真实的商业化可能供应链、产品打磨和运营都可以在后面逐步补足，但一个项目最难得的东西：创始人的个人特质与市场机会之间的契合已经出现了那一刻我第一次非常强烈地意识到：我们做的可能不只是一次创业体验，而是真的有机会从这些孩子当中，孵化出值得投入、值得长期陪伴的创业项目一个 19 岁、还没正式进入大学的年轻人，在短短一两天里，从一个模糊的兴趣出发，完成了从想法、用户、产品定位到网页原型的跨越这在过去是很难想象的以前，一个人想把创意变成产品，需要会设计、会开发、懂商业，还要找到合适的团队和资金但在 AI 时代，一个拥有审美、好奇心和行动力的人，可以先借助 AI 补足自己暂时不具备的能力她不需要先准备好，才有资格开始她是在开始之后，不断变得更强相比之下，我也看到了一些刚刚经历过高考的孩子她们学习 AI 时，第一反应依然是认真记笔记，等待老师给出标准步骤，然后严格按照要求完成任务这当然不是他们的问题传统教育长期训练的是记忆、服从和寻找标准答案而 AI 时代真正稀缺的，可能是提出问题、调动工具、快速试错，以及把一个模糊想法变成现实的能力记笔记没有错，按照规则完成任务也没有问题但我们不能让孩子误以为，学习的终点只是记住老师讲过什么真正重要的是：你能不能用这些东西，创造一个此前不存在的产品所以我越来越确信，AI 教育一定要尽可能早不是为了让孩子更早学习某个软件，也不是为了把「会用 AI」变成新一轮的应试竞争，而是要在他们还没有完全习惯等待标准答案之前，让他们体验一次：原来我的想法可以被实现原来我不需要先成为专家，也可以开始创造原来我不仅能够完成老师布置的任务，还能够发现一个问题、设计一个产品，甚至真正影响一群人的生活，改变这个世界当一个孩子第一次亲手创造出一个真实的产品，他对自己的认识就会发生改变而这种「我能够创造」的信念，才是 AI 教育最重要的价值我们真正要做的，就是让他们在足够年轻的时候，就站到这个时代的前面，看到一个属于自己的可能性

文硕

11,070 просмотров • 1 месяц назад

大脑不产生意识。恰恰相反，是意识创造了我们眼中的现实世界。一位叫唐纳德·霍夫曼的认知科学家，正和两位数学家一起，即将发布这个理论的数学证明。他们的理论是什么？时空，这个我们感知到的三维空间加一维时间，是从更基础的意识层面推导出来的。简单说，先有意识，后有宇宙。这彻底颠覆了现代科学的基本假设。主流科学界一直告诉我们，意识只是大脑神经元活动的副产品。一种复杂的幻觉而已。为什么这个根基性的问题，现在才被拿出来用严谨的数学挑战？如果霍夫曼是对的，这意味着什么？这意味着整个唯物主义科学大厦可能建在了一个错误的基石上。霍夫曼自己说，这个数学证明过程非常优雅，甚至“近乎不言而喻”。但他们表现得极其谨慎。因为这结果太重大了。它会直接冲击现有科学界的权威叙事体系。一个更有趣的问题是。如果意识是宇宙的基础，那谁的意识？我们每个人的意识又是如何参与到这个创造过程中的？这套理论，会不会是解开人类潜能和生命意义的关键钥匙？

大脑不产生意识。恰恰相反，是意识创造了我们眼中的现实世界。一位叫唐纳德·霍夫曼的认知科学家，正和两位数学家一起，即将发布这个理论的数学证明。他们的理论是什么？时空，这个我们感知到的三维空间加一维时间，是从更基础的意识层面推导出来的。简单说，先有意识，后有宇宙。这彻底颠覆了现代科学的基本假设。主流科学界一直告诉我们，意识只是大脑神经元活动的副产品。一种复杂的幻觉而已。为什么这个根基性的问题，现在才被拿出来用严谨的数学挑战？如果霍夫曼是对的，这意味着什么？这意味着整个唯物主义科学大厦可能建在了一个错误的基石上。霍夫曼自己说，这个数学证明过程非常优雅，甚至“近乎不言而喻”。但他们表现得极其谨慎。因为这结果太重大了。它会直接冲击现有科学界的权威叙事体系。一个更有趣的问题是。如果意识是宇宙的基础，那谁的意识？我们每个人的意识又是如何参与到这个创造过程中的？这套理论，会不会是解开人类潜能和生命意义的关键钥匙？

墓碑科技

73,418 просмотров • 6 месяцев назад

昨天看到一个很有意思的故事。Janet Stephens 是一位美国美发师。她一直好奇：古罗马雕像里那些高高堆起、复杂得不可思议的发型，到底是怎么固定的？很多人认为靠发卡，但她凭美发经验发现：发卡根本撑不住。于是她没有继续猜，而是自己动手实验。经过六年多研究，她发现古罗马人可能会用针和线把头发缝在一起，并成功复原了这些两千年前的发型。她后来还发表她的研究成果，参加学术会议。考古学家向她学习，给她一个称号 “头发考古学家”。专家和AI回答不了的问题她钻研出来了，在图书馆和美发厅和自己的地下室。这个故事让我想到：有时候，好奇心真的可以超过专家。专家掌握的是已有的知识，而好奇的人会继续问一句：“如果不是我们以为的那样呢？”

昨天看到一个很有意思的故事。Janet Stephens 是一位美国美发师。她一直好奇：古罗马雕像里那些高高堆起、复杂得不可思议的发型，到底是怎么固定的？很多人认为靠发卡，但她凭美发经验发现：发卡根本撑不住。于是她没有继续猜，而是自己动手实验。经过六年多研究，她发现古罗马人可能会用针和线把头发缝在一起，并成功复原了这些两千年前的发型。她后来还发表她的研究成果，参加学术会议。考古学家向她学习，给她一个称号 “头发考古学家”。专家和AI回答不了的问题她钻研出来了，在图书馆和美发厅和自己的地下室。这个故事让我想到：有时候，好奇心真的可以超过专家。专家掌握的是已有的知识，而好奇的人会继续问一句：“如果不是我们以为的那样呢？”

Lucy Chen

25,932 просмотров • 26 дней назад

#今日瓜田有精力的话用在吵架上面太浪费了还是来八卦吧！这段视频里的人70后可以来认领一下看看你还认得出几个？？陈冲就不说了大家都知道！我来说一个这里面的那个小童星—茅为蕙她爸爸是茅以升的次子—茅于润曾经是上海音乐学院的小提琴教授后来在美国杨百翰大学任教茅为蕙的母亲是上海音乐学院的钢琴教授茅为蕙本人则是先学小提琴，后学钢琴她也曾经是中国首届金鸡奖的最佳女配角拿奖的作品是《巴山夜雨》中李志舆的女儿小娟子也是金鸡奖历史上最年轻的获奖者当时她才六岁。后来在88年她跟妈妈一起去投奔了早些时候去美国的爸爸再后来她从南加大博士毕业就留校任教了成了世界著名的钢琴家。茅以升的七个孩子不分嫡庶最后没有一个接班从事了桥梁工程也是一件有意思的事情。据说是刻意避开的！（有子女接受采访的时候自己说的）

#今日瓜田有精力的话用在吵架上面太浪费了还是来八卦吧！这段视频里的人70后可以来认领一下看看你还认得出几个？？陈冲就不说了大家都知道！我来说一个这里面的那个小童星—茅为蕙她爸爸是茅以升的次子—茅于润曾经是上海音乐学院的小提琴教授后来在美国杨百翰大学任教茅为蕙的母亲是上海音乐学院的钢琴教授茅为蕙本人则是先学小提琴，后学钢琴她也曾经是中国首届金鸡奖的最佳女配角拿奖的作品是《巴山夜雨》中李志舆的女儿小娟子也是金鸡奖历史上最年轻的获奖者当时她才六岁。后来在88年她跟妈妈一起去投奔了早些时候去美国的爸爸再后来她从南加大博士毕业就留校任教了成了世界著名的钢琴家。茅以升的七个孩子不分嫡庶最后没有一个接班从事了桥梁工程也是一件有意思的事情。据说是刻意避开的！（有子女接受采访的时候自己说的）

飛鳥

27,328 просмотров • 14 дней назад

🔥文贵先生最新预言：人类在未来16个月将解开生命密码！而早在2022年就震撼预言： #量子电脑的背后就是 #生物电脑，生物电脑就跟 #神同级别的，严格讲就找到了神的密码。 DNA这个电脑就找到了储存方式，就找到了与神沟通的方式。人不是猴变的，人是有主人的。正文：我告诉你，量子电脑的背后就是生物电脑，还有DNA电脑，都在同步进行。这是人类上从来没有过啊。就是我这是一种方式探索文明，它是一种发现了这个宇宙星河系。这只是一个所谓的太空发展，它只是一种叫地球之外的探索。然后在之前是地球变成了圆的，然后有了航海，它都是一种方式。这可不是一种电脑方式。在人类走向太空宇宙的时候，探索宇宙大爆炸是真的是假的时候，人到底是不是啊猴变的时候？人当然不是猴变的，扯蛋。是不是当时说猴变的人啊？是什么爱因斯坦是吧？包括写书的人，还有那个叫什么本杰明吧，是叫什么的，都最后都去信，还都是信了神了吧？对吧，所有的科学家。那么这些人的背后，到最后都追求了信仰。今天的科学家在探索宇宙和外太空的时候，人类同时探索的两个技术：人类现在的互联网，和走向太空、和探索宇宙的能量——量子和DNA、生物电脑。千万记住，生物电脑和量子电脑又不是一个级别的。我们人的主观意识、潜意识，和人的整个身体语言和大脑的储存信息和信息的呃处理，以及人拥有灵魂的这一种灵性的动物的特质。所以我说，人是有灵性的动物，他跟动物绝对不一样，高于动物。而且一个这么脆弱的人，这个动物却能统掌全地球啊，说明人是有主人的，说明人是有神的。那么这个生物电脑就跟神同级别的，严格讲就找到了神的密码。DNA这个电脑就找到了储存方式，就找到了与神沟通的方式。而量子电脑是把这两样东西加速前进的，它不是最终极的。量子电脑是让你找到所有的DNA的储存方式，和未来的生物电脑的最好的工具。一个这个工具的发现，就足以让整个网络界彻底改变了。我们新中国联邦未来兄弟姐妹们，就是要做这些世界上最先进的、走在人类文明最前沿的啊。

🔥文贵先生最新预言：人类在未来16个月将解开生命密码！而早在2022年就震撼预言： #量子电脑的背后就是 #生物电脑，生物电脑就跟 #神同级别的，严格讲就找到了神的密码。 DNA这个电脑就找到了储存方式，就找到了与神沟通的方式。人不是猴变的，人是有主人的。正文：我告诉你，量子电脑的背后就是生物电脑，还有DNA电脑，都在同步进行。这是人类上从来没有过啊。就是我这是一种方式探索文明，它是一种发现了这个宇宙星河系。这只是一个所谓的太空发展，它只是一种叫地球之外的探索。然后在之前是地球变成了圆的，然后有了航海，它都是一种方式。这可不是一种电脑方式。在人类走向太空宇宙的时候，探索宇宙大爆炸是真的是假的时候，人到底是不是啊猴变的时候？人当然不是猴变的，扯蛋。是不是当时说猴变的人啊？是什么爱因斯坦是吧？包括写书的人，还有那个叫什么本杰明吧，是叫什么的，都最后都去信，还都是信了神了吧？对吧，所有的科学家。那么这些人的背后，到最后都追求了信仰。今天的科学家在探索宇宙和外太空的时候，人类同时探索的两个技术：人类现在的互联网，和走向太空、和探索宇宙的能量——量子和DNA、生物电脑。千万记住，生物电脑和量子电脑又不是一个级别的。我们人的主观意识、潜意识，和人的整个身体语言和大脑的储存信息和信息的呃处理，以及人拥有灵魂的这一种灵性的动物的特质。所以我说，人是有灵性的动物，他跟动物绝对不一样，高于动物。而且一个这么脆弱的人，这个动物却能统掌全地球啊，说明人是有主人的，说明人是有神的。那么这个生物电脑就跟神同级别的，严格讲就找到了神的密码。DNA这个电脑就找到了储存方式，就找到了与神沟通的方式。而量子电脑是把这两样东西加速前进的，它不是最终极的。量子电脑是让你找到所有的DNA的储存方式，和未来的生物电脑的最好的工具。一个这个工具的发现，就足以让整个网络界彻底改变了。我们新中国联邦未来兄弟姐妹们，就是要做这些世界上最先进的、走在人类文明最前沿的啊。

喜马拉雅日本勇者村

16,553 просмотров • 6 месяцев назад

中文创作者开源的 AI Skill，挑了 5 个我觉得写内容真能用上的。 ① Humanizer-zh：去 AI 味这个是 op7418 汉化的，它不是简单让文字“更口语化”，而是专门帮你抓文章里的 AI 痕迹。比如：过度强调意义、万能结尾、虚假范围、填充短语、空泛总结。这些东西单独看没问题，但堆在一起，读者一眼就能看出“这味儿不对”。写完推文、公众号、小红书，丢进去过一遍，能把那种模板感压下来。 ② dbskill：选题诊断 + 爆款标题 dontbesilent 做的，一套 21 个 skill，这个比较狠，它不是单纯教你“怎么写得更好”，而是帮你拆：为什么这个选题没人点？为什么标题没吸引力？为什么内容看完没记忆点？里面有选题分析、对标拆解、小红书标题公式、AI 痕迹扫描。据说是从一万两千多条推文里提炼出来的，不是那种空泛方法论，更像一个内容创作者自己的实战经验库。适合经常卡在“我知道要写，但不知道怎么切角度”的人。 ③ NotebookLM Skill：用自己的资料库写内容这个连的是 Google NotebookLM，我觉得它最适合写长文、研报、项目解析、信息整理类内容。它的价值不是让 AI 写得更花，而是让 AI 不要乱编，你把资料上传进去，Agent 基于你的资料库回答，每条内容都能带引用，写需要信息准确的东西时，这个很重要。尤其是加密、AI、开源项目、行业分析这种内容，最怕的不是写得慢，而是写错了还不知道。 ④ khazix-skills：卡兹克的写作套件数字生命卡兹克把自己的写作节奏和分析方法做成了 skill，最有意思的是“横纵分析法”。你丢一个产品、公司或者项目进去，它能拉出一份很完整的研究报告。适合做：项目拆解、公司分析、产品研究、长文选题预研。里面还夹了一个 storage-analyzer，可以扫 Mac 磁盘，用三色分级告诉你哪些能删、哪些别乱动。这个就很创作者真实工作流，不只是写作，还包括电脑里那堆素材和缓存怎么清。 ⑤ ian-xiaohei-illustrations：正文配图这个不是信息图，也不是那种商业插画模板。它的风格是白底黑线手绘，一个叫“小黑”的角色，加少量红橙蓝中文批注。 16:9 横版，一张图只讲一个判断，我觉得它很适合放在公众号、长推、小红书里。现在内容配图要么是截图，要么是 AI 感很重的视觉图，看多了都差不多。这种怪诞手绘风反而有辨识度。

中文创作者开源的 AI Skill，挑了 5 个我觉得写内容真能用上的。 ① Humanizer-zh：去 AI 味这个是 op7418 汉化的，它不是简单让文字“更口语化”，而是专门帮你抓文章里的 AI 痕迹。比如：过度强调意义、万能结尾、虚假范围、填充短语、空泛总结。这些东西单独看没问题，但堆在一起，读者一眼就能看出“这味儿不对”。写完推文、公众号、小红书，丢进去过一遍，能把那种模板感压下来。 ② dbskill：选题诊断 + 爆款标题 dontbesilent 做的，一套 21 个 skill，这个比较狠，它不是单纯教你“怎么写得更好”，而是帮你拆：为什么这个选题没人点？为什么标题没吸引力？为什么内容看完没记忆点？里面有选题分析、对标拆解、小红书标题公式、AI 痕迹扫描。据说是从一万两千多条推文里提炼出来的，不是那种空泛方法论，更像一个内容创作者自己的实战经验库。适合经常卡在“我知道要写，但不知道怎么切角度”的人。 ③ NotebookLM Skill：用自己的资料库写内容这个连的是 Google NotebookLM，我觉得它最适合写长文、研报、项目解析、信息整理类内容。它的价值不是让 AI 写得更花，而是让 AI 不要乱编，你把资料上传进去，Agent 基于你的资料库回答，每条内容都能带引用，写需要信息准确的东西时，这个很重要。尤其是加密、AI、开源项目、行业分析这种内容，最怕的不是写得慢，而是写错了还不知道。 ④ khazix-skills：卡兹克的写作套件数字生命卡兹克把自己的写作节奏和分析方法做成了 skill，最有意思的是“横纵分析法”。你丢一个产品、公司或者项目进去，它能拉出一份很完整的研究报告。适合做：项目拆解、公司分析、产品研究、长文选题预研。里面还夹了一个 storage-analyzer，可以扫 Mac 磁盘，用三色分级告诉你哪些能删、哪些别乱动。这个就很创作者真实工作流，不只是写作，还包括电脑里那堆素材和缓存怎么清。 ⑤ ian-xiaohei-illustrations：正文配图这个不是信息图，也不是那种商业插画模板。它的风格是白底黑线手绘，一个叫“小黑”的角色，加少量红橙蓝中文批注。 16:9 横版，一张图只讲一个判断，我觉得它很适合放在公众号、长推、小红书里。现在内容配图要么是截图，要么是 AI 感很重的视觉图，看多了都差不多。这种怪诞手绘风反而有辨识度。

撸毛吃猪脚饭|Gate美股0费率

31,665 просмотров • 2 месяцев назад