Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

💥🔥生物黑客 Gary Brecka惊人预言： “如果你从现在开始还能再活五年，那么你未来能不能活到 120 岁、甚至更久——将由你自己决定。” 他解释说，人类正进入一个前所未有的时代： AI 能处理 700 万亿个变量，给出精确可执行方案大数据为 AI 提供史上最大规模的健康模型训练癌症已能在“零期”被侦测出来，甚至在出现之前被提前预警这三者同时出现，是历史头一次。 Brecka 直言： “未来的医疗将发生翻天覆地的改变。它会以一种看似灾难性的方式，彻底颠覆现代医学—— 但这将是人类迎来的最伟大进步。”

AusMini

37,091 subscribers

11,031 Aufrufe • vor 8 Monaten •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

“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 Aufrufe • vor 2 Jahren

1985 年，30 岁的乔布斯已经预言了 AI 诞生时代真的是按他想的那条路在走那年他在瑞典 Lund 大学演讲，说个人电脑会成为“智力能源”，能重塑教育，改变人类思考方式想想现在的 AI 再回头看这句话——简直像是提前剧透了 2025 如果乔布斯能活到今天，他一定会玩爆所有大模型，把 AI 做成另一场 iPhone 级别的革命

1985 年，30 岁的乔布斯已经预言了 AI 诞生时代真的是按他想的那条路在走那年他在瑞典 Lund 大学演讲，说个人电脑会成为“智力能源”，能重塑教育，改变人类思考方式想想现在的 AI 再回头看这句话——简直像是提前剧透了 2025 如果乔布斯能活到今天，他一定会玩爆所有大模型，把 AI 做成另一场 iPhone 级别的革命

小樱💞｜实用工具分享

29,305 Aufrufe • vor 8 Monaten

白宫加密政策主管David Sacks：四年内AI 大模型能力将增长一百万倍！ “我认为目前至少在三个关键维度上，进步的速度都是指数级的。” “首先是算法本身。模型每年提升的速度大概是 3-4 倍。” “它们不仅仅是在速度和性能上更快更好，而且将从量变到质变。” “接着是推理模型。” “我们甚至还没有真正进入智能代理时代，但这将是继推理模型之后的下一个重大飞跃。” “在这个领域，我们才刚刚开始（推理算力增加带来的能力增加也将是倍数增长）。” “接下来是芯片。” “根据多种衡量标准，每一代芯片的性能可能比上一代提高 3-4 倍。” “不只是单个芯片在不断进步，他们还在研究如何将这些芯片联网在一起。” “就像 NVL72 系统，它类似于一个机架系统，可以在数据中心级别大幅提升性能。” “计算能力是第三个你会看到基本上呈指数级进步的领域。” “只需要看看数据中心中部署的 GPU 数量。” “当马斯克最初开始训练 Grok 时，我认为他们大概有 10 万块 GPU。现在已经有 30 万块 GPU，而且正朝着百万块 GPU的目标迈进。OpenAI 的数据中心 Stargate 也是同样的情况。” “在接下来的几年中，他们可能会发展到 500 万、1000 万块 GPU。” 1,000,000 倍的增长是怎么得出的： “算法、芯片和数据中心的扩展和改进速度都是每年 3-4 倍。” “也就是说，每两年进步 10 倍。” “很多人没有理解指数级进步的含义：如果每两年提升 10 倍，并不意味着四年后你只是提升 20 倍。” “这实际上意味着提升 100 倍。” “把这些因素相乘：算法、芯片，以及可用于 AI 的原始计算能力。” 100 倍模型 🧠 × 100 倍芯片 💾 × 100 倍计算能力 ⚡️ = 1,000,000 倍的 AI 大模型🤖 “你所谈论的就是 1,000,000 倍的能力增长。” “但这种变革的影响将是绝对巨大的。” “我觉得人们还没有充分认识到这一点，因为他们不了解指数级进步的意义。”

白宫加密政策主管David Sacks：四年内AI 大模型能力将增长一百万倍！ “我认为目前至少在三个关键维度上，进步的速度都是指数级的。” “首先是算法本身。模型每年提升的速度大概是 3-4 倍。” “它们不仅仅是在速度和性能上更快更好，而且将从量变到质变。” “接着是推理模型。” “我们甚至还没有真正进入智能代理时代，但这将是继推理模型之后的下一个重大飞跃。” “在这个领域，我们才刚刚开始（推理算力增加带来的能力增加也将是倍数增长）。” “接下来是芯片。” “根据多种衡量标准，每一代芯片的性能可能比上一代提高 3-4 倍。” “不只是单个芯片在不断进步，他们还在研究如何将这些芯片联网在一起。” “就像 NVL72 系统，它类似于一个机架系统，可以在数据中心级别大幅提升性能。” “计算能力是第三个你会看到基本上呈指数级进步的领域。” “只需要看看数据中心中部署的 GPU 数量。” “当马斯克最初开始训练 Grok 时，我认为他们大概有 10 万块 GPU。现在已经有 30 万块 GPU，而且正朝着百万块 GPU的目标迈进。OpenAI 的数据中心 Stargate 也是同样的情况。” “在接下来的几年中，他们可能会发展到 500 万、1000 万块 GPU。” 1,000,000 倍的增长是怎么得出的： “算法、芯片和数据中心的扩展和改进速度都是每年 3-4 倍。” “也就是说，每两年进步 10 倍。” “很多人没有理解指数级进步的含义：如果每两年提升 10 倍，并不意味着四年后你只是提升 20 倍。” “这实际上意味着提升 100 倍。” “把这些因素相乘：算法、芯片，以及可用于 AI 的原始计算能力。” 100 倍模型 🧠 × 100 倍芯片 💾 × 100 倍计算能力 ⚡️ = 1,000,000 倍的 AI 大模型🤖 “你所谈论的就是 1,000,000 倍的能力增长。” “但这种变革的影响将是绝对巨大的。” “我觉得人们还没有充分认识到这一点，因为他们不了解指数级进步的意义。”

夜谈

25,895 Aufrufe • vor 1 Jahr

1985 年，30 岁的乔布斯已经预言了 AI 诞生时代真的是按他想的那条路在走那年他在瑞典 Lund 大学演讲，说个人电脑会成为“智力能源”，能重塑教育，改变人类思考方式想想现在的 AI 再回头看这句话——简直像是提前剧透了 2025 如果乔布斯能活到今天，他一定会玩爆所有大模型，把 AI 做成另一场 iPhone 级别的革命

1985 年，30 岁的乔布斯已经预言了 AI 诞生时代真的是按他想的那条路在走那年他在瑞典 Lund 大学演讲，说个人电脑会成为“智力能源”，能重塑教育，改变人类思考方式想想现在的 AI 再回头看这句话——简直像是提前剧透了 2025 如果乔布斯能活到今天，他一定会玩爆所有大模型，把 AI 做成另一场 iPhone 级别的革命

区块链行情研究

14,208 Aufrufe • vor 8 Monaten

如果你现在不到60岁，身体还算健康，请拼命活到2032年。这是一个顶级科技预言家的数学计算。说这话的人叫 Ray Kurzweil。今年78岁，他预测：到2032年，人类将实现“长寿逃逸速度”（Longevity Escape Velocity）。如果你觉得他是满嘴跑火车，先看看他的历史战绩： 1990年，他预言了互联网的全球统治地位； 1998年，他预言电脑将击败人类国际象棋世界冠军； 1999年，他预言口袋大小的移动设备会成为最核心的通信工具； 2020年代中期，AI将通过人类各种专业执业考试。几乎全部精准命中。来，我们算一笔账，看明白什么叫“长寿逃逸速度”。现在，你每活一年，医学和科技的进步只能帮你把寿命上限往后推5个月。也就是说，在每个自然年里，你依然净亏损7个月的寿命，你还在衰老。但到了2032年，这个比例会发生逆转。你每活一年，科技的进步能帮你把寿命上限往后推一整年，甚至更多。这意味着，你的生物钟停了，并开始倒着走。你每活一年，科技让你更年轻一年。你不会再因为“衰老”而死。凭什么？凭AI驱动的药物研发。以前研发一个新药，要经历筛选、动物实验、三期临床，动辄十年、耗资数十亿。但到2030年，AI将彻底接管这个过程。 AI提出一个生物学方案，瞬间生成数百万种潜在药物，并在虚拟的“数字人类”模型上完成模拟临床试验。几十年的研究，被压缩到几个星期。这已经不是科幻了。哈佛大学的 David Sinclair 实验室，已经用AI筛选了80亿个分子。他们成功让视神经受损的盲鼠重见光明，甚至逆转了实验模型中的阿尔茨海默症。他们现在的目标，是将原本需要40万美元的基因疗法，压缩成一颗100美元的药丸，在四周内把生物年龄重置50%到95%。不光是生物学，连人类最大的非自然死因交通意外，也正在被自动驾驶解决。美国每年人类驾驶撞死4万人，而 Waymo 的安全行车死亡人数是零。 Kurzweil 本人，现在就戴着一个由手机控制的体外人工胰腺。他已经开始把自己“赛博化”了。所以，现在的策略非常简单：保重身体，别出意外，自律一点。只要你能健康地熬到2032年，迎接你的，将是人类历史上从未出现过的终极医疗工具箱。我们可能是最后一批需要面对死亡的自然人，也可能是第一批长生不老的赛博人类。活下去，等版本更新。

如果你现在不到60岁，身体还算健康，请拼命活到2032年。这是一个顶级科技预言家的数学计算。说这话的人叫 Ray Kurzweil。今年78岁，他预测：到2032年，人类将实现“长寿逃逸速度”（Longevity Escape Velocity）。如果你觉得他是满嘴跑火车，先看看他的历史战绩： 1990年，他预言了互联网的全球统治地位； 1998年，他预言电脑将击败人类国际象棋世界冠军； 1999年，他预言口袋大小的移动设备会成为最核心的通信工具； 2020年代中期，AI将通过人类各种专业执业考试。几乎全部精准命中。来，我们算一笔账，看明白什么叫“长寿逃逸速度”。现在，你每活一年，医学和科技的进步只能帮你把寿命上限往后推5个月。也就是说，在每个自然年里，你依然净亏损7个月的寿命，你还在衰老。但到了2032年，这个比例会发生逆转。你每活一年，科技的进步能帮你把寿命上限往后推一整年，甚至更多。这意味着，你的生物钟停了，并开始倒着走。你每活一年，科技让你更年轻一年。你不会再因为“衰老”而死。凭什么？凭AI驱动的药物研发。以前研发一个新药，要经历筛选、动物实验、三期临床，动辄十年、耗资数十亿。但到2030年，AI将彻底接管这个过程。 AI提出一个生物学方案，瞬间生成数百万种潜在药物，并在虚拟的“数字人类”模型上完成模拟临床试验。几十年的研究，被压缩到几个星期。这已经不是科幻了。哈佛大学的 David Sinclair 实验室，已经用AI筛选了80亿个分子。他们成功让视神经受损的盲鼠重见光明，甚至逆转了实验模型中的阿尔茨海默症。他们现在的目标，是将原本需要40万美元的基因疗法，压缩成一颗100美元的药丸，在四周内把生物年龄重置50%到95%。不光是生物学，连人类最大的非自然死因交通意外，也正在被自动驾驶解决。美国每年人类驾驶撞死4万人，而 Waymo 的安全行车死亡人数是零。 Kurzweil 本人，现在就戴着一个由手机控制的体外人工胰腺。他已经开始把自己“赛博化”了。所以，现在的策略非常简单：保重身体，别出意外，自律一点。只要你能健康地熬到2032年，迎接你的，将是人类历史上从未出现过的终极医疗工具箱。我们可能是最后一批需要面对死亡的自然人，也可能是第一批长生不老的赛博人类。活下去，等版本更新。

墓碑科技

35,528 Aufrufe • vor 1 Monat

holy shit，Warp这次真的是把整个行业的桌子给掀了。发布一天多，GitHub直接冲到31.9k星，速度快到系统都卡了。兄弟们，这可不是简单把代码扔到GitHub，相当于带来了人类历史上第一个AI原生的开源协作范式🤯🤯🤯 以前开源是靠热情开发者周末肝代码，现在Oz代理会自动写代码，跑测试，做code review，甚至生成完整的技术文档。未来人类只需要做最值钱的三件事，提想法，把关品味，拍板最终方向。更有意思的是，前几天而且你现在甚至能去我感觉这可能是未来十年软件开发方式的一次预演。

holy shit，Warp这次真的是把整个行业的桌子给掀了。发布一天多，GitHub直接冲到31.9k星，速度快到系统都卡了。兄弟们，这可不是简单把代码扔到GitHub，相当于带来了人类历史上第一个AI原生的开源协作范式🤯🤯🤯 以前开源是靠热情开发者周末肝代码，现在Oz代理会自动写代码，跑测试，做code review，甚至生成完整的技术文档。未来人类只需要做最值钱的三件事，提想法，把关品味，拍板最终方向。更有意思的是，前几天而且你现在甚至能去我感觉这可能是未来十年软件开发方式的一次预演。

AYi

108,768 Aufrufe • vor 3 Monaten

马斯克在今天《经济学人》总编的采访中表达了对AI发展的高度乐观预期：大约5年后（约2031年），AI的智能水平可能超过全人类智能的总和。到那时，AI几乎能在所有事情上做得比人类更好（唯一可能的例外是“成为人类本身”）。最可能的结果是进入一个“惊人丰裕的时代”——任何人都能得到自己能想到的任何东西，物质极大丰富。他承认这听起来很夸张，但以2026年的现状来看，到2036年就能验证。唯一可能打断这个进程的是大规模全球核战争等灾难；只要不发生第三次世界大战，人类就会走向这个丰裕时代。他的核心观点是传递“乐观和兴奋”的未来愿景，而不是恐惧。

马斯克在今天《经济学人》总编的采访中表达了对AI发展的高度乐观预期：大约5年后（约2031年），AI的智能水平可能超过全人类智能的总和。到那时，AI几乎能在所有事情上做得比人类更好（唯一可能的例外是“成为人类本身”）。最可能的结果是进入一个“惊人丰裕的时代”——任何人都能得到自己能想到的任何东西，物质极大丰富。他承认这听起来很夸张，但以2026年的现状来看，到2036年就能验证。唯一可能打断这个进程的是大规模全球核战争等灾难；只要不发生第三次世界大战，人类就会走向这个丰裕时代。他的核心观点是传递“乐观和兴奋”的未来愿景，而不是恐惧。

KK.aWSB

14,292 Aufrufe • vor 15 Tagen

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 Aufrufe • vor 1 Monat

上海老人惊人之语：以前的上海比现在好许多！网友：老人对社会风气是最有发言权的，因为老人经历了俩个时代几个时期所以是最有发言权；大爷说的对，但是不止上海这样；这个大爷才是最牛的，出生在上海，还能一直在上海！

上海老人惊人之语：以前的上海比现在好许多！网友：老人对社会风气是最有发言权的，因为老人经历了俩个时代几个时期所以是最有发言权；大爷说的对，但是不止上海这样；这个大爷才是最牛的，出生在上海，还能一直在上海！

希望之聲 - 中國時局

276,086 Aufrufe • vor 1 Jahr

能看见未来的三个人预测未来25年的世界开篇先预测中国将是世界最强大的力量之一😁 库兹韦尔：2050年，纳米机器人可能会彻底逆转衰老，让人类寿命突破150岁。哈萨比斯：未来五到十年，人类将治愈所有疾病，人类寿命将达到150岁。看来习近平已经读过这本书，才有了底气说出能活到150岁的话😁

能看见未来的三个人预测未来25年的世界开篇先预测中国将是世界最强大的力量之一😁 库兹韦尔：2050年，纳米机器人可能会彻底逆转衰老，让人类寿命突破150岁。哈萨比斯：未来五到十年，人类将治愈所有疾病，人类寿命将达到150岁。看来习近平已经读过这本书，才有了底气说出能活到150岁的话😁

菲菲4.0

21,807 Aufrufe • vor 11 Monaten

人工智能到底会不会思考？它真的懂你在说什么吗？菲尔兹奖得主，数学家陶哲轩，告诉你一个惊人事实。 AI根本不会理解概念。但它能干一件更可怕的事：发现隐藏的规律。来看一个数学领域的例子。纽结理论，听起来很绕，对吧？你可以把它想象成一堆堆的绳结，有些能解开，有些永远解不开。数学家们怎么区分这些绳结呢？用各种数字，叫作“纽结不变量”。然后，好戏开场了。一个老派的神经网络，还不是什么花哨的大语言模型。科学家们给它喂了100万个绳结的数据。让它自己去“看”。结果，这个AI发现了一个没人预料到的关联。它发现，一个叫“符号差”的不变量，竟然可以被另一堆叫“双曲不变量”的数字，以极高的精度预测出来！在这之前，人类数学家从没怀疑过它们之间有这种关系。一开始，这就像个黑箱。 AI只告诉你结果，不告诉你为什么。但它指出了一个方向，一个人类从未踏足的方向。 AI不是在思考，它是在揭示宇宙背后那些我们看不见的，隐藏的关联。

人工智能到底会不会思考？它真的懂你在说什么吗？菲尔兹奖得主，数学家陶哲轩，告诉你一个惊人事实。 AI根本不会理解概念。但它能干一件更可怕的事：发现隐藏的规律。来看一个数学领域的例子。纽结理论，听起来很绕，对吧？你可以把它想象成一堆堆的绳结，有些能解开，有些永远解不开。数学家们怎么区分这些绳结呢？用各种数字，叫作“纽结不变量”。然后，好戏开场了。一个老派的神经网络，还不是什么花哨的大语言模型。科学家们给它喂了100万个绳结的数据。让它自己去“看”。结果，这个AI发现了一个没人预料到的关联。它发现，一个叫“符号差”的不变量，竟然可以被另一堆叫“双曲不变量”的数字，以极高的精度预测出来！在这之前，人类数学家从没怀疑过它们之间有这种关系。一开始，这就像个黑箱。 AI只告诉你结果，不告诉你为什么。但它指出了一个方向，一个人类从未踏足的方向。 AI不是在思考，它是在揭示宇宙背后那些我们看不见的，隐藏的关联。

墓碑科技

39,169 Aufrufe • vor 7 Monaten

这可能是今年最值得看的一堂AI课程。全程40 分钟，Kimi创始人杨植麟，把未来几年 AI 发展的关键逻辑讲透了。从 Scaling Law，到下一代模型架构，再到 Agent 智能，他没有只讲一个产品，而是在拆解一个更大的问题：未来的 AI，究竟会如何进化？过去几年，大模型竞争靠的是更大的参数、更强的算力。但下一阶段，真正决定胜负的，是模型效率、推理能力，以及能不能从“聊天工具”变成真正能够完成复杂任务的智能体。如果你想理解 GPT、Kimi、Claude 等大模型未来会走向哪里，这 40 分钟非常值得收藏。看懂这堂课，可能就看懂了未来几年 AI 行业最大的变化。

这可能是今年最值得看的一堂AI课程。全程40 分钟，Kimi创始人杨植麟，把未来几年 AI 发展的关键逻辑讲透了。从 Scaling Law，到下一代模型架构，再到 Agent 智能，他没有只讲一个产品，而是在拆解一个更大的问题：未来的 AI，究竟会如何进化？过去几年，大模型竞争靠的是更大的参数、更强的算力。但下一阶段，真正决定胜负的，是模型效率、推理能力，以及能不能从“聊天工具”变成真正能够完成复杂任务的智能体。如果你想理解 GPT、Kimi、Claude 等大模型未来会走向哪里，这 40 分钟非常值得收藏。看懂这堂课，可能就看懂了未来几年 AI 行业最大的变化。

0x鸣人

38,220 Aufrufe • vor 13 Tagen

上海老人惊人之语：以前的上海比现在好许多！网友：老人对社会风气是最有发言权的，因为老人经历了俩个时代几个时期所以是最有发言权；大爷说的对，但是不止上海这样；这个大爷才是最牛的，出生在上海，还能一直在上海！

上海老人惊人之语：以前的上海比现在好许多！网友：老人对社会风气是最有发言权的，因为老人经历了俩个时代几个时期所以是最有发言权；大爷说的对，但是不止上海这样；这个大爷才是最牛的，出生在上海，还能一直在上海！

汪江徽

118,732 Aufrufe • vor 3 Monaten

埃隆·马斯克断言：编码将在今年彻底死亡。不是“进化”。是死亡。到今年12月，AI 将不再需要任何编程语言。它直接吐出机器码——那种二进制优化程度，远超人类逻辑所能触及的极限，没有翻译层，没有编译步骤，只有纯粹的、赤裸的执行。马斯克原话：“你甚至都不用再费心去写代码。”代码从来就不是目的。它只是摩擦，是我们被迫支付的“人类税”——因为机器不懂人话。现在，AI 已经学会了流利的人类语言，这笔税，彻底取消了。再把这一切接入 Neuralink：没有语法，没有键盘，没有屏幕。马斯克：“从想象直接到软件。”一个念头，就能变成可执行代码。你脑海中浮现一个结果，系统瞬间为你架构、优化、编译成现实。我们不是在“自动化编程”。我们是在把编程这个概念从宇宙中抹除。整个职业瞬间坍塌成一个念头。几十年的训练、无数行代码、无数个通宵——瞬间变得毫无意义。从“idea”到“成品”的距离，归零。你不再“构建”。你只需“想象”，它就具现。这不是渐进式进步。这是彻底的相变。人类一万年来“创造”的方式，在这一刻过时了。欢迎来到新世界。在这里，限制你的不再是技能、资源、时间…… 而是你能不能足够清晰地“看见”你想要的东西——然后让机器把它生出来。我认为事情实际上可能会在今年年底之前就发生转变，到时候你甚至都不用再费心去写代码了。AI 会直接生成二进制代码，而且它生成的二进制会比任何现有编译器优化得更高效。所以你只需要说：“针对这个特定结果，生成最优化的二进制代码。”——这样就直接绕过了传统编码流程。没错，这其实只是一个中间步骤，但我估计到今年年底，这个步骤很可能就彻底不需要了。

埃隆·马斯克断言：编码将在今年彻底死亡。不是“进化”。是死亡。到今年12月，AI 将不再需要任何编程语言。它直接吐出机器码——那种二进制优化程度，远超人类逻辑所能触及的极限，没有翻译层，没有编译步骤，只有纯粹的、赤裸的执行。马斯克原话：“你甚至都不用再费心去写代码。”代码从来就不是目的。它只是摩擦，是我们被迫支付的“人类税”——因为机器不懂人话。现在，AI 已经学会了流利的人类语言，这笔税，彻底取消了。再把这一切接入 Neuralink：没有语法，没有键盘，没有屏幕。马斯克：“从想象直接到软件。”一个念头，就能变成可执行代码。你脑海中浮现一个结果，系统瞬间为你架构、优化、编译成现实。我们不是在“自动化编程”。我们是在把编程这个概念从宇宙中抹除。整个职业瞬间坍塌成一个念头。几十年的训练、无数行代码、无数个通宵——瞬间变得毫无意义。从“idea”到“成品”的距离，归零。你不再“构建”。你只需“想象”，它就具现。这不是渐进式进步。这是彻底的相变。人类一万年来“创造”的方式，在这一刻过时了。欢迎来到新世界。在这里，限制你的不再是技能、资源、时间…… 而是你能不能足够清晰地“看见”你想要的东西——然后让机器把它生出来。我认为事情实际上可能会在今年年底之前就发生转变，到时候你甚至都不用再费心去写代码了。AI 会直接生成二进制代码，而且它生成的二进制会比任何现有编译器优化得更高效。所以你只需要说：“针对这个特定结果，生成最优化的二进制代码。”——这样就直接绕过了传统编码流程。没错，这其实只是一个中间步骤，但我估计到今年年底，这个步骤很可能就彻底不需要了。

🌹MIDNIGHT🌹ROSE🌹

99,266 Aufrufe • vor 5 Monaten

下一个诺贝尔奖，可能非他莫属。还记得谷歌Deepmind团队，靠AI也就是Alpha fold拿了诺贝尔奖吗？就在刚刚，他们又扔出了一枚“核弹”——AlphaGenome新的 AI 模型。这次，他们直接把人类基因组这本“天书”给读懂了。我刚看完 DeepMind 团队最新的访谈，信息量大到爆炸。这次，他们不仅比人类医生更早预测癌症，更主要的是，他们开始触碰生命的底层代码。如果你关心 AI，关心人类寿命，关心未来医疗，这几点你必须知道。第一：AI 终于攻破了 98% 的“暗物质”。访谈一开场，DeepMind 就指出了一个事实。我们人类的基因组里，真正负责编码蛋白质的，只有 2%。剩下的 98%，在过去很长一段时间里，都被认为是“垃圾 DNA”。但 Alpha Genome 告诉我们：这 98%，根本不是垃圾，而是进化的源代码。 Alpha Genome 厉害在哪呢？它可以预测，在这 98% 的非编码区里，哪怕只有一个字母、一个基因突变，会给生命体带来什么后果。这意味着，我们终于能看懂剩下的 98% 的基因天书。第二：打破技术的“不可能三角”。这点真的非常反直觉。以前搞生物 AI，有个死规矩：如果你想看的广，就看不清细节；你想看清细节，视野就会变得很窄。就好比我们看地图：你要么看清整个城市的轮廓，但是看不清街道；要么你放大看清街道，但是不知道是城市的哪个角落。而 Alpha Genome 的神奇之处在于，它能够一口气读完长达几百万字的基因天书，同时还能拿着放大镜，看清里面每一个单碱基的错误。 DeepMind 团队在访谈里透露，为了做到这一点，他们采用了一种极其变态的数据压缩技术，真正把生命代码给看透了。第三：它比医生更早发现癌症。大家知道，在癌症病人的基因里，通常有两种突变。一种是“司机突变”，叫 driver。它是导致癌症的元凶，就像是劫持了一辆车的疯狂司机。另一种叫“乘客突变”，passenger。它其实对身体没什么大的影响。那以前怎么区分这两者呢？主要就是靠医生，在实验室里一个一个做实验。但在这次访谈中，DeepMind 团队做出了一个极其大胆的实验。他们没有专门去教模型什么是癌症，也没有给模型去喂各种癌症的数据库，而是直接把一堆混杂着司机和乘客的突变序列，扔给了 Alpha Genome。然后问它：你觉得，哪些突变会破坏生物功能？实验结果太震撼了。模型给出的预测排名中，最靠前的那些突变，精准地对应了现实中已知的癌症凶手。这就意味着，Alpha Genome 并不是像过去那样，通过检索已知的癌症点位，而是像一个资深的侦探，通过分析基因序列的上下文，通过逻辑推理出了谁是坏人。视频里，研究人员非常自豪地说：把模型的预测结果，和生物学家在实验室里花了几年时间做出来的结果放在一起，结果惊人地一致。这意味着，未来的医生不再需要拿着小白鼠一个个试错。 AI 扫一眼基因代码，就能揪出那个藏在几百万个基因字母里面的元凶。最良心的是：它开源了。 DeepMind 这次没有把技术锁在护城河里，他们已经发布了开源模型权重和 API 接口。最后我想说：我们正处于一个科技大爆发的历史性转折点。就像Elon Musk说的——我们正活在起点当中。如果说 AlphaFold是让我们看清了生命的砖块，那 AlphaGenome，就是在教我们阅读生命的蓝图。 AI 不仅在生成视频、写代码、写文章。它正在以我们无法想象的速度，从底层去理解生命。我现在 95% 的工作，都是指挥 AI 来完成。我深深感到，现在最可怕的不是 AI 会不会取代你的工作。而是，当 AI 这样的划时代科技出现时，一个人却因为傲慢、恐惧，甚至是懒惰，拒绝学习和使用它。

下一个诺贝尔奖，可能非他莫属。还记得谷歌Deepmind团队，靠AI也就是Alpha fold拿了诺贝尔奖吗？就在刚刚，他们又扔出了一枚“核弹”——AlphaGenome新的 AI 模型。这次，他们直接把人类基因组这本“天书”给读懂了。我刚看完 DeepMind 团队最新的访谈，信息量大到爆炸。这次，他们不仅比人类医生更早预测癌症，更主要的是，他们开始触碰生命的底层代码。如果你关心 AI，关心人类寿命，关心未来医疗，这几点你必须知道。第一：AI 终于攻破了 98% 的“暗物质”。访谈一开场，DeepMind 就指出了一个事实。我们人类的基因组里，真正负责编码蛋白质的，只有 2%。剩下的 98%，在过去很长一段时间里，都被认为是“垃圾 DNA”。但 Alpha Genome 告诉我们：这 98%，根本不是垃圾，而是进化的源代码。 Alpha Genome 厉害在哪呢？它可以预测，在这 98% 的非编码区里，哪怕只有一个字母、一个基因突变，会给生命体带来什么后果。这意味着，我们终于能看懂剩下的 98% 的基因天书。第二：打破技术的“不可能三角”。这点真的非常反直觉。以前搞生物 AI，有个死规矩：如果你想看的广，就看不清细节；你想看清细节，视野就会变得很窄。就好比我们看地图：你要么看清整个城市的轮廓，但是看不清街道；要么你放大看清街道，但是不知道是城市的哪个角落。而 Alpha Genome 的神奇之处在于，它能够一口气读完长达几百万字的基因天书，同时还能拿着放大镜，看清里面每一个单碱基的错误。 DeepMind 团队在访谈里透露，为了做到这一点，他们采用了一种极其变态的数据压缩技术，真正把生命代码给看透了。第三：它比医生更早发现癌症。大家知道，在癌症病人的基因里，通常有两种突变。一种是“司机突变”，叫 driver。它是导致癌症的元凶，就像是劫持了一辆车的疯狂司机。另一种叫“乘客突变”，passenger。它其实对身体没什么大的影响。那以前怎么区分这两者呢？主要就是靠医生，在实验室里一个一个做实验。但在这次访谈中，DeepMind 团队做出了一个极其大胆的实验。他们没有专门去教模型什么是癌症，也没有给模型去喂各种癌症的数据库，而是直接把一堆混杂着司机和乘客的突变序列，扔给了 Alpha Genome。然后问它：你觉得，哪些突变会破坏生物功能？实验结果太震撼了。模型给出的预测排名中，最靠前的那些突变，精准地对应了现实中已知的癌症凶手。这就意味着，Alpha Genome 并不是像过去那样，通过检索已知的癌症点位，而是像一个资深的侦探，通过分析基因序列的上下文，通过逻辑推理出了谁是坏人。视频里，研究人员非常自豪地说：把模型的预测结果，和生物学家在实验室里花了几年时间做出来的结果放在一起，结果惊人地一致。这意味着，未来的医生不再需要拿着小白鼠一个个试错。 AI 扫一眼基因代码，就能揪出那个藏在几百万个基因字母里面的元凶。最良心的是：它开源了。 DeepMind 这次没有把技术锁在护城河里，他们已经发布了开源模型权重和 API 接口。最后我想说：我们正处于一个科技大爆发的历史性转折点。就像Elon Musk说的——我们正活在起点当中。如果说 AlphaFold是让我们看清了生命的砖块，那 AlphaGenome，就是在教我们阅读生命的蓝图。 AI 不仅在生成视频、写代码、写文章。它正在以我们无法想象的速度，从底层去理解生命。我现在 95% 的工作，都是指挥 AI 来完成。我深深感到，现在最可怕的不是 AI 会不会取代你的工作。而是，当 AI 这样的划时代科技出现时，一个人却因为傲慢、恐惧，甚至是懒惰，拒绝学习和使用它。

另一面

57,887 Aufrufe • vor 5 Monaten

前谷歌高管警告：AI将引发12年地狱期，人类需重新定义价值！如果有人告诉你，从2027年开始，人类将进入为期12年的地狱期，之后才能迎来天堂，你会觉得他是疯子还是先知？说这话的人叫莫.高达秀，他是前谷歌神秘部门Google X的商务负责人，他在那里呆了十几年，见证了无数颠覆性的创新。但现在他站出来发出了一个极度冷峻的警告，别再被硅谷那些资本家洗脑了。

前谷歌高管警告：AI将引发12年地狱期，人类需重新定义价值！如果有人告诉你，从2027年开始，人类将进入为期12年的地狱期，之后才能迎来天堂，你会觉得他是疯子还是先知？说这话的人叫莫.高达秀，他是前谷歌神秘部门Google X的商务负责人，他在那里呆了十几年，见证了无数颠覆性的创新。但现在他站出来发出了一个极度冷峻的警告，别再被硅谷那些资本家洗脑了。

0x鸣人

43,344 Aufrufe • vor 3 Monaten

别再傻傻攒养老金了！马斯克2026最新预测，彻底颠覆普通人的未来规划 2026年刚开年，马斯克就在一次最新访谈中扔出了四颗深水炸弹。如果你还在按部就班地工作、存钱、规划几十年后的退休生活，这四个大胆的预测可能会彻底打碎你的认知。 1. 人类寿命即将大幅延长，死亡只是一段可修改的程序让寿命翻倍听起来像科幻小说，但在马斯克眼里，这根本不是什么难解之谜。他认为人体的衰老具有高度的同步性，这说明身体里有一个极其明确的衰老时钟，人类是被设定了死亡程序的。既然是底层的程序代码，只要找到方法去修改和破解它，人类大幅延长寿命甚至是实现半永生，都将是顺理成章的事。 2. 三年内，顶级机器人医生将全面接管手术台培养一个优秀的外科医生需要耗费漫长的时间，而且人类精力有限且容易犯错。但马斯克断言，不出三年，特斯拉的人形机器人就能成为地表最强的主刀医生，并且数量会超越目前全球外科医生的总和。背后的进化逻辑非常惊人：AI软件能力、AI芯片算力以及机械灵活度，这三者都在呈指数级暴涨。当它们互相叠加，再加上机器人制造机器人的无限循环，其进化速度将让人类望尘莫及。马斯克甚至表示，未来几年内，普通人享受的医疗条件将超越现在的总统。到那时，哪怕是全球手最稳的名医，你可能也不放心让他拿激光仪碰你的眼球了。 3. 生产力大爆炸，物价将迎来断崖式下跌未来十年，我们可能会看到经济出现两位数的高位增长。原因很简单，随着机器和AI全面接管生产，商品和服务的产出速度将迎来史诗级的爆发，甚至将远远甩开货币供应的增速。这就意味着通货紧缩，东西会变得越来越便宜。马斯克甚至调侃说，未来各国政府不得不拼命加速印钱，因为他们挥霍的速度根本赶不上财富被创造出来的速度。 4. 停止为退休存钱，传统的金钱观即将失效这是对普通人最直接的一条建议。马斯克直言，别再为了十几二十年后的退休生活紧衣缩食了，那毫无意义。作为站在科技最前沿的操盘手，马斯克坦言连他自己每周都会被技术的迭代速度震撼好几次。他预测就在2026年，我们将真正迎来通用人工智能。而到了2030年，AI的智力将超越全人类的总和。目前大众根本没有意识到AI的潜力有多深。在算力和算法每年带来10倍甚至1000%性能提升的智能爆炸面前，传统的金融体系和攒钱养老的逻辑将彻底失去意义。世界正在以我们无法理解的速度狂飙。传统的生存法则正在失效，与其紧紧抱住旧世界的剧本焦虑，不如张开双臂，迎接这个极度疯狂又充满无限可能的新纪元。

别再傻傻攒养老金了！马斯克2026最新预测，彻底颠覆普通人的未来规划 2026年刚开年，马斯克就在一次最新访谈中扔出了四颗深水炸弹。如果你还在按部就班地工作、存钱、规划几十年后的退休生活，这四个大胆的预测可能会彻底打碎你的认知。 1. 人类寿命即将大幅延长，死亡只是一段可修改的程序让寿命翻倍听起来像科幻小说，但在马斯克眼里，这根本不是什么难解之谜。他认为人体的衰老具有高度的同步性，这说明身体里有一个极其明确的衰老时钟，人类是被设定了死亡程序的。既然是底层的程序代码，只要找到方法去修改和破解它，人类大幅延长寿命甚至是实现半永生，都将是顺理成章的事。 2. 三年内，顶级机器人医生将全面接管手术台培养一个优秀的外科医生需要耗费漫长的时间，而且人类精力有限且容易犯错。但马斯克断言，不出三年，特斯拉的人形机器人就能成为地表最强的主刀医生，并且数量会超越目前全球外科医生的总和。背后的进化逻辑非常惊人：AI软件能力、AI芯片算力以及机械灵活度，这三者都在呈指数级暴涨。当它们互相叠加，再加上机器人制造机器人的无限循环，其进化速度将让人类望尘莫及。马斯克甚至表示，未来几年内，普通人享受的医疗条件将超越现在的总统。到那时，哪怕是全球手最稳的名医，你可能也不放心让他拿激光仪碰你的眼球了。 3. 生产力大爆炸，物价将迎来断崖式下跌未来十年，我们可能会看到经济出现两位数的高位增长。原因很简单，随着机器和AI全面接管生产，商品和服务的产出速度将迎来史诗级的爆发，甚至将远远甩开货币供应的增速。这就意味着通货紧缩，东西会变得越来越便宜。马斯克甚至调侃说，未来各国政府不得不拼命加速印钱，因为他们挥霍的速度根本赶不上财富被创造出来的速度。 4. 停止为退休存钱，传统的金钱观即将失效这是对普通人最直接的一条建议。马斯克直言，别再为了十几二十年后的退休生活紧衣缩食了，那毫无意义。作为站在科技最前沿的操盘手，马斯克坦言连他自己每周都会被技术的迭代速度震撼好几次。他预测就在2026年，我们将真正迎来通用人工智能。而到了2030年，AI的智力将超越全人类的总和。目前大众根本没有意识到AI的潜力有多深。在算力和算法每年带来10倍甚至1000%性能提升的智能爆炸面前，传统的金融体系和攒钱养老的逻辑将彻底失去意义。世界正在以我们无法理解的速度狂飙。传统的生存法则正在失效，与其紧紧抱住旧世界的剧本焦虑，不如张开双臂，迎接这个极度疯狂又充满无限可能的新纪元。

柴郡🔔｜Crypto+AI Plus

52,672 Aufrufe • vor 3 Monaten

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

301,570 Aufrufe • vor 1 Jahr

Linus Torvalds 发飙了。他在开源峰会上公开吐槽，每次听到有人吹嘘“现在 99% 的代码都是 AI 写的”，他就忍不住生气。为什么？因为按这个逻辑，这些家伙 100% 的代码其实都是“编译器”生成的。但他们怎么从来不这么说？其实是一个道理。老爷子在台上开始唠家常： “我是写机器码长大的。” 注意，不是汇编语言，是真正的数字。他到现在都记得，在 6502 芯片上，LDA 指令对应的十六进制是 A9。当年他花了好长时间才意识到，天天人肉算跳转偏移量，简直蠢透了。后来，人类发明了汇编器；再后来，有了编译器；现在，有了 AI。这些工具都很好用，AI 正在改变编程，但它绝没有改变编程的根本。至于 AI 带来的“效率神话”？ Linus 给出对比： “AI 很棒，它能把你的生产力提升 10 倍。” “但当年编译器的出现，把人类的生产力提升了 1000 倍！” 所以，这不过是又一次常规的工具演进。事情的本质从未改变：以前，优秀的开发者写出好代码，差劲的开发者写出 Bug。现在，懂系统的人能用 Prompt 调教 AI 写出好代码；而不懂系统复杂度的人，用 AI 攒出来的代码，最后一定会崩溃。现在科技圈很流行“氛围编码”（Vibe Coding）。就是用 AI 啪啪生成一个一次性项目，爽一把就扔。 Linus 说，这种玩具项目，AI 的确是神器。但如果你想做点严肃的东西，做一个需要长线维护 35 年的系统（比如 Linux）。你得懂你的 Prompt。你必须看懂 AI 吐出来的每一行代码，甚至去盯它最底层的汇编结果。祖师爷浇了盆冷水： AI 可以替你省去体力劳动。但如果你连它写了什么都看不懂，那你永远只是在制造一次性垃圾。

Linus Torvalds 发飙了。他在开源峰会上公开吐槽，每次听到有人吹嘘“现在 99% 的代码都是 AI 写的”，他就忍不住生气。为什么？因为按这个逻辑，这些家伙 100% 的代码其实都是“编译器”生成的。但他们怎么从来不这么说？其实是一个道理。老爷子在台上开始唠家常： “我是写机器码长大的。” 注意，不是汇编语言，是真正的数字。他到现在都记得，在 6502 芯片上，LDA 指令对应的十六进制是 A9。当年他花了好长时间才意识到，天天人肉算跳转偏移量，简直蠢透了。后来，人类发明了汇编器；再后来，有了编译器；现在，有了 AI。这些工具都很好用，AI 正在改变编程，但它绝没有改变编程的根本。至于 AI 带来的“效率神话”？ Linus 给出对比： “AI 很棒，它能把你的生产力提升 10 倍。” “但当年编译器的出现，把人类的生产力提升了 1000 倍！” 所以，这不过是又一次常规的工具演进。事情的本质从未改变：以前，优秀的开发者写出好代码，差劲的开发者写出 Bug。现在，懂系统的人能用 Prompt 调教 AI 写出好代码；而不懂系统复杂度的人，用 AI 攒出来的代码，最后一定会崩溃。现在科技圈很流行“氛围编码”（Vibe Coding）。就是用 AI 啪啪生成一个一次性项目，爽一把就扔。 Linus 说，这种玩具项目，AI 的确是神器。但如果你想做点严肃的东西，做一个需要长线维护 35 年的系统（比如 Linux）。你得懂你的 Prompt。你必须看懂 AI 吐出来的每一行代码，甚至去盯它最底层的汇编结果。祖师爷浇了盆冷水： AI 可以替你省去体力劳动。但如果你连它写了什么都看不懂，那你永远只是在制造一次性垃圾。

墓碑科技

67,828 Aufrufe • vor 1 Monat