Video yükleniyor...

Video Yüklenemedi

Ana Sayfaya Dön

这是 Booking 和 Sourcegraph 的技术负责人在昨天 AI Engineer Summit 2025 上的一场主题为“在企业 SDLC 中构建真正带来投资回报的 AI 智能体”的演讲，他们分享了自己如何开发与使用 AI 工具，来替公司里的开发者节约时间、减少重复劳动，还能保证产品质量。在某种程度上，这就和我们在日常生活里寻找各种“捷径”或“自动化工具”有异曲同工之妙。 这场演讲围绕一个大主题：如何在企业中使用 AI（人工智能）来真正节省时间、提高效率并获得实实在在的回报。可能你不是专业的程序员，但在工作和生活里，你也常常会遇到那些繁琐、重复的事情。如果我们有办法用更聪明的 AI 系统来分担琐碎、让自己有更多时间去做更有创造力或更有意义的工作，那也是挺不错的。 AI 解决了 Booking 中的哪些“痛点”？ 1. 代码库太大、太旧 • 就好比我们的电脑里堆了很多文档、照片、软件，到底该删哪儿、该留哪儿？最后找个东西怎么都翻不出来。 • Booking 里有几千名开发人员、海量代码，各种“过时的功能开关”、“没用的旧功能”就像老旧文件一样堆积成山，找和改都很费时。这些“旧东西”不但让系统臃肿，也拖慢了后续新功能的上线速度。 2. 日常工作重复度高 • 想象一下，你每天可能要应对相同的邮件模板、相同的表格操作，甚至相同的对话。时间一久，就失去了激情和创造力。 • 对他们来说，是在同一个庞大系统上修改、审查代码，可能 80% 都是重复操作。“小问题”却要手动翻大量文档或代码才能找到答案，极其浪费时间。 3. 团队合作成本高 • 同事之间得相互审阅彼此的修改，还要确保所有人遵守项目的统一规则或合规要求。 • 设想一下，如果每次你都要仔细对照一份几十页的“规范手册”，然后挨个校对，很繁琐也容易出错。 他们怎么用 AI 来解决？ 1....

dotey's profile picture

宝玉

129,935 subscribers

22,729 görüntüleme • 1 yıl önce •via X (Twitter)

Bilim & TeknolojiEğitim
LIVE

Anya Rossi• Live Now

Private livecam show

6 Yorum

宝玉 profil fotoğrafı
宝玉1 yıl önce

完整对话文稿可以参见： 原始视频：

The Information profil fotoğrafı
The Information1 yıl önce

Meta AI researchers are fretting over the threat of Chinese AI, whose quality caught American firms, including OpenAI, by surprise.

横竖一体 profil fotoğrafı
横竖一体1 yıl önce

黑眼圈严重了

offthegrid profil fotoğrafı
offthegrid1 yıl önce

在企业内部利用AI减少运营成本和缩短员工的有效工作时间，让员工摆脱重复的无休止的繁杂的日常工作，增加员工的个人“思考和创作”的时间，才有可能为自己和企业带来更多的成长和收益。

Yangyi profil fotoğrafı
Yangyi1 yıl önce

最近有好多智能体大会 AI Engineer也办了一个 我那天一看足足八小时视频….

宝玉 profil fotoğrafı
宝玉1 yıl önce

你可真有耐心……

Benzer Videolar

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：
57:23

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

300,832 görüntüleme • 1 yıl önce

Ilya——塑造世界的人工智能科学家 如今，AI 是一项伟大的科技，因为 AI 将解决我们现在面临的所有问题。它能解决就业问题，能治疗疾病，能消除贫困，但同时它也会带来新的问题。假新闻将会愈演愈烈，网络攻击将变得更加严重，我们将面临全自动的 AI 武器的问题。我认为 AI 有潜力创造出无比稳定的独裁统治。 今天早晨，关于人工智能威力的警告再次响起，超过 1300 位科技产业领军人物、研究者及其他人士正呼吁暂停人工智能的发展，以便认真考虑其带来的风险。 扮演上帝，科学家们被指责这么做已经有一段时间了，但我们正在创造的东西确实与我们迄今为止创造的任何东西都截然不同。是的，我们绝对有能力创造出具有自我目标的全自主实体。而且，这些实体变得比人类聪明的时候，确保它们的目标与我们的目标保持一致将变得至关重要。 什么激励我？我喜欢思考根本问题，基本问题。我们的系统不能做什么，而人类却可以做到？我几乎以哲学的方式去思考这些问题。比如，什么是学习？什么是经验？什么是思考？大脑又是如何运作的呢？ 我感觉技术就仿佛一种自然力量。在我看来，技术与生物进化之间有许多相似之处。生物进化的过程其实很容易理解，我们有基因的变异，自然选择的过程。我们保留那些有利于生存的变异，随着时间的推移，这个过程将使生物体变得极其复杂。我们不能因为理解了生物进化就能理解人体是如何运作的，但我们可以大概理解这个过程。 我认为目前的机器学习也处在类似的阶段，特别是深度学习，我们有一个非常简单的规则，它从数据中提取信息，并将这些信息输入到模型中，我们只需不断重复这个过程。这个过程的结果就是将数据的复杂性转化为模型的复杂性。因此，最终的模型会变得非常复杂，我们并不能完全了解它的运作机制，需要进行大量的研究，但实现这一切的算法其实很简单。 也许你听说过 ChatGPT，如果你还没听说过，那就做好准备。你可以把它看作是暴风雨来临之前的零星细雨。我们需要对此保持高度警觉，因为我认同这是一个意义重大的时刻。ChatGPT 被誉为颠覆性的创新，在许多方面，它确实做到了，比如在测试中得分超过人类。微软最近的一项研究得出结论，GPT4 是一个初级阶段的，但尚未完全形成的通用人工智能系统。 这就是通用人工智能。通用人工智能，这是一个可以胜任人类能做的任何工作或任务的计算机系统，而且可能做得更好。有可能在短时间内实现通用人工智能，也可能需要更长的时间。但我认为，由于通用人工智能可能在不久的将来出现，这个可能性足够大，我们应该给予它足够的重视。这一点至关重要要确保这些超级智能的系统能按照我们的最大利益去行动。 最初的通用人工智能可能就是大型数据中心，这些中心中充满了大量并行运行的专用神经网络处理器，紧凑、高热、能耗大，其消耗的能量可能相当于一千万个家庭的用电量。这些系统的智能程度可能会大幅提升，我相信它们将对社会产生深远影响。不过，人类真的会从中获益吗？谁会获益，谁又会付出代价呢？ 首批通用人工智能的信念和欲望将极为重要，所以我们必须正确地编程这些系统。如果我们做不到这一点，那么就会出现这样的情况：进化的本质，即自然选择，将使这些系统优先考虑自己的生存。并不是说它们会主动对人类产生敌意，甚至想要伤害人类，但它们将变得过于强大。我认为，一个恰当的类比就是人类对待动物的方式。我们并不是憎恨动物，实际上人类往往对动物怀有深深的爱意，但当我们需要在两座城市之间修建高速公路时，我们并不会征求动物的意见，而只是因为这对我们来说非常重要而去做。我认为这也是我们与通用人工智能（AGI）之间的默认关系，那些能真正自主运作并为自己目标服务的 AGI。 许多机器学习领域的专家这些知识渊博和经验丰富的人士，对通用人工智能（AGI）抱有许多疑虑。他们对 AGI 可能出现的时间以及是否真的能够实现表示怀疑。目前，这还是一个鲜为人知的问题。用于神经网络和人工智能的计算机速度可能在未来几年内增加 10 万倍。如果多个团队处于竞相开发通用人工智能的军备竞赛态势中，他们就会没有足够的时间来确保他们构建的通用人工智能会真正关心人类。因为在我看来，这就像是通用人工智能发展的雪崩，一发不可收拾。 我认为将来整个地球的表面很可能布满太阳能板和数据中心。考虑到这些担忧，未来的通用人工智能的建设应该是多国间的合作项目。不论如何，人工智能的未来都将是美好的。如果这同样也能给人类带来福祉，那就更加理想了。 视频来源：
11:45

Ilya——塑造世界的人工智能科学家 如今，AI 是一项伟大的科技，因为 AI 将解决我们现在面临的所有问题。它能解决就业问题，能治疗疾病，能消除贫困，但同时它也会带来新的问题。假新闻将会愈演愈烈，网络攻击将变得更加严重，我们将面临全自动的 AI 武器的问题。我认为 AI 有潜力创造出无比稳定的独裁统治。 今天早晨，关于人工智能威力的警告再次响起，超过 1300 位科技产业领军人物、研究者及其他人士正呼吁暂停人工智能的发展，以便认真考虑其带来的风险。 扮演上帝，科学家们被指责这么做已经有一段时间了，但我们正在创造的东西确实与我们迄今为止创造的任何东西都截然不同。是的，我们绝对有能力创造出具有自我目标的全自主实体。而且，这些实体变得比人类聪明的时候，确保它们的目标与我们的目标保持一致将变得至关重要。 什么激励我？我喜欢思考根本问题，基本问题。我们的系统不能做什么，而人类却可以做到？我几乎以哲学的方式去思考这些问题。比如，什么是学习？什么是经验？什么是思考？大脑又是如何运作的呢？ 我感觉技术就仿佛一种自然力量。在我看来，技术与生物进化之间有许多相似之处。生物进化的过程其实很容易理解，我们有基因的变异，自然选择的过程。我们保留那些有利于生存的变异，随着时间的推移，这个过程将使生物体变得极其复杂。我们不能因为理解了生物进化就能理解人体是如何运作的，但我们可以大概理解这个过程。 我认为目前的机器学习也处在类似的阶段，特别是深度学习，我们有一个非常简单的规则，它从数据中提取信息，并将这些信息输入到模型中，我们只需不断重复这个过程。这个过程的结果就是将数据的复杂性转化为模型的复杂性。因此，最终的模型会变得非常复杂，我们并不能完全了解它的运作机制，需要进行大量的研究，但实现这一切的算法其实很简单。 也许你听说过 ChatGPT，如果你还没听说过，那就做好准备。你可以把它看作是暴风雨来临之前的零星细雨。我们需要对此保持高度警觉，因为我认同这是一个意义重大的时刻。ChatGPT 被誉为颠覆性的创新，在许多方面，它确实做到了，比如在测试中得分超过人类。微软最近的一项研究得出结论，GPT4 是一个初级阶段的，但尚未完全形成的通用人工智能系统。 这就是通用人工智能。通用人工智能，这是一个可以胜任人类能做的任何工作或任务的计算机系统，而且可能做得更好。有可能在短时间内实现通用人工智能，也可能需要更长的时间。但我认为，由于通用人工智能可能在不久的将来出现，这个可能性足够大，我们应该给予它足够的重视。这一点至关重要要确保这些超级智能的系统能按照我们的最大利益去行动。 最初的通用人工智能可能就是大型数据中心，这些中心中充满了大量并行运行的专用神经网络处理器，紧凑、高热、能耗大，其消耗的能量可能相当于一千万个家庭的用电量。这些系统的智能程度可能会大幅提升，我相信它们将对社会产生深远影响。不过，人类真的会从中获益吗？谁会获益，谁又会付出代价呢？ 首批通用人工智能的信念和欲望将极为重要，所以我们必须正确地编程这些系统。如果我们做不到这一点，那么就会出现这样的情况：进化的本质，即自然选择，将使这些系统优先考虑自己的生存。并不是说它们会主动对人类产生敌意，甚至想要伤害人类，但它们将变得过于强大。我认为，一个恰当的类比就是人类对待动物的方式。我们并不是憎恨动物，实际上人类往往对动物怀有深深的爱意，但当我们需要在两座城市之间修建高速公路时，我们并不会征求动物的意见，而只是因为这对我们来说非常重要而去做。我认为这也是我们与通用人工智能（AGI）之间的默认关系，那些能真正自主运作并为自己目标服务的 AGI。 许多机器学习领域的专家这些知识渊博和经验丰富的人士，对通用人工智能（AGI）抱有许多疑虑。他们对 AGI 可能出现的时间以及是否真的能够实现表示怀疑。目前，这还是一个鲜为人知的问题。用于神经网络和人工智能的计算机速度可能在未来几年内增加 10 万倍。如果多个团队处于竞相开发通用人工智能的军备竞赛态势中，他们就会没有足够的时间来确保他们构建的通用人工智能会真正关心人类。因为在我看来，这就像是通用人工智能发展的雪崩，一发不可收拾。 我认为将来整个地球的表面很可能布满太阳能板和数据中心。考虑到这些担忧，未来的通用人工智能的建设应该是多国间的合作项目。不论如何，人工智能的未来都将是美好的。如果这同样也能给人类带来福祉，那就更加理想了。 视频来源：

宝玉

45,172 görüntüleme • 2 yıl önce

Clawdbot的创造者说，他最喜欢的模型是Claude Opus。 但编程能力最强的，竟然是OpenAI的旧模型Codex。 为什么？ 他说用Codex写代码，有95%的把握可以直接运行。 因为它能理解大型代码库，需要的“人工干预”更少。 这就像一个经验丰富的老员工，话不多，但活儿干得漂亮。 而Claude Opus，虽然被认为综合能力更强，但在编程这个具体任务上，却需要更多技巧和引导才能达到同样效果。 有点像一个很聪明但经验不足的新人。 这引出一个有趣的问题。 我们真的需要那个最“聪明”、最像人的AI吗？ 还是说，在特定领域，我们更需要一个可靠、高效、甚至有点“无聊”的工具？ Opus更像人，甚至会在聊天中讲出真正好笑的笑话。 但Codex在专业领域更可靠。 这是否揭示了通用人工智能（AGI）发展的一个岔路口？ 是追求一个无所不能但样样不精的“全才”，还是打造一系列在各自领域做到极致的“专才”？ 从制造业到高科技，美国产业的核心优势，向来是那些专注于解决具体问题的实用工具，而不是那些空泛的概念。 技术的终点，究竟是创造一个和我们一样的“伙伴”，还是一个能把工作做到极致的工具？ 这两种路线，哪一个对恢复美国制造业和技术领导地位更有利？
1:47

Clawdbot的创造者说，他最喜欢的模型是Claude Opus。 但编程能力最强的，竟然是OpenAI的旧模型Codex。 为什么？ 他说用Codex写代码，有95%的把握可以直接运行。 因为它能理解大型代码库，需要的“人工干预”更少。 这就像一个经验丰富的老员工，话不多，但活儿干得漂亮。 而Claude Opus，虽然被认为综合能力更强，但在编程这个具体任务上，却需要更多技巧和引导才能达到同样效果。 有点像一个很聪明但经验不足的新人。 这引出一个有趣的问题。 我们真的需要那个最“聪明”、最像人的AI吗？ 还是说，在特定领域，我们更需要一个可靠、高效、甚至有点“无聊”的工具？ Opus更像人，甚至会在聊天中讲出真正好笑的笑话。 但Codex在专业领域更可靠。 这是否揭示了通用人工智能（AGI）发展的一个岔路口？ 是追求一个无所不能但样样不精的“全才”，还是打造一系列在各自领域做到极致的“专才”？ 从制造业到高科技，美国产业的核心优势，向来是那些专注于解决具体问题的实用工具，而不是那些空泛的概念。 技术的终点，究竟是创造一个和我们一样的“伙伴”，还是一个能把工作做到极致的工具？ 这两种路线，哪一个对恢复美国制造业和技术领导地位更有利？

墓碑科技

62,012 görüntüleme • 5 ay önce

#AI开源项目推荐：VisualStoryWriting 可视化故事创作：让你笔尖起舞，文思泉涌 想象一下，在你写作的同时，你笔下的世界就活生生地展现在眼前——时间线、世界地图、人物关系图……这一切都会被自动可视化。 更神奇的是，你对这些视觉元素的任何修改，都会立刻同步到你的故事文本中（比如，在地图上拖动一个角色，他在文中的位置也随之改变）。 这就是我们将要在 UIST2025 大会上分享的论文精髓。 我们开发了一款智能文字处理器，它能自动生成三种可视化视图：人物关系图、故事地图和场景时间线。这些视图能清晰地展示角色间的互动、他们在世界各地的足迹，以及故事场景的先后顺序，极大地帮助作者审阅和编辑自己的作品。 审视角色的移动轨迹，从此变成了一项直观的视觉任务。想改变一个角色在某个场景中的位置？太简单了，直接在地图上把他从一个地方拖到另一个地方就行。 调整故事场景的顺序，也只需要在时间轴上拖拽几下，就像整理幻灯片一样轻松。 想要创造一个新角色，或是让他们之间产生新的互动？同样简单，在关系图里新建一个节点，再连上一条线就搞定了。 我们邀请了经验丰富和初出茅庐的创作者们进行了两轮用户研究。结果发现，这些自动生成的可视化图表，能有效地帮助参与者规划故事的宏观修改、追踪故事元素，并探索情节的多种可能性，极大地激发了他们的创造力。 当然，能够帮助作者的可视化方式还有很多。因此，我们提出了一个设计框架，希望能启发未来更多样的可视化故事创作工具的设计。 我们的工作为未来的写作辅助工具奠定了基础——它不再仅仅依赖文字，更能借助视觉的
1:19

#AI开源项目推荐：VisualStoryWriting 可视化故事创作：让你笔尖起舞，文思泉涌 想象一下，在你写作的同时，你笔下的世界就活生生地展现在眼前——时间线、世界地图、人物关系图……这一切都会被自动可视化。 更神奇的是，你对这些视觉元素的任何修改，都会立刻同步到你的故事文本中（比如，在地图上拖动一个角色，他在文中的位置也随之改变）。 这就是我们将要在 UIST2025 大会上分享的论文精髓。 我们开发了一款智能文字处理器，它能自动生成三种可视化视图：人物关系图、故事地图和场景时间线。这些视图能清晰地展示角色间的互动、他们在世界各地的足迹，以及故事场景的先后顺序，极大地帮助作者审阅和编辑自己的作品。 审视角色的移动轨迹，从此变成了一项直观的视觉任务。想改变一个角色在某个场景中的位置？太简单了，直接在地图上把他从一个地方拖到另一个地方就行。 调整故事场景的顺序，也只需要在时间轴上拖拽几下，就像整理幻灯片一样轻松。 想要创造一个新角色，或是让他们之间产生新的互动？同样简单，在关系图里新建一个节点，再连上一条线就搞定了。 我们邀请了经验丰富和初出茅庐的创作者们进行了两轮用户研究。结果发现，这些自动生成的可视化图表，能有效地帮助参与者规划故事的宏观修改、追踪故事元素，并探索情节的多种可能性，极大地激发了他们的创造力。 当然，能够帮助作者的可视化方式还有很多。因此，我们提出了一个设计框架，希望能启发未来更多样的可视化故事创作工具的设计。 我们的工作为未来的写作辅助工具奠定了基础——它不再仅仅依赖文字，更能借助视觉的

宝玉

35,626 görüntüleme • 10 ay önce

“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。
0:30

“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 görüntüleme • 2 yıl önce

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
8:04

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

491,686 görüntüleme • 21 gün önce

有一个超级暴论： 现阶段的 OpenClaw 根本不适合团队协作！！ 折腾过的人，应该都有类似的感受！ OpenClaw 本质上其实是一个很强的 Agent 底座！ 你可以把它接入到自己的团队工作流里， 把 Agent 搭起来，把渠道接进去，把能力跑通， 每个人都能让Agent干事情， 但是再进一步就会发现真正的问题： 团队怎么一起用？ 中间产出和最终结果都沉淀在哪？ 前面做过的分析、写过的文档、跑过的方法，怎么变成团队可复用资产？ 新的成员进来，怎么接着往下做，而不是从头再来一遍？ 这些，落到实际的应用中，都是坑！ 最近，Flowus团队开发了一个新产品： Kollab Kollab 似乎解决了上面这些问题，它的思路很直接： 把 Agent 直接变成工作流的一部分。 这是什么意思呢？ OpenClaw 解决的是：我个人怎么拥有一个随叫随到、能力很强、自己可控的 AI。 而 Kollab 解决的是：怎么让 AI 参与真实的团队工作，让做过的事能留下来，方法能复用，团队能协作。 对于内容团队、研究团队、小型创业团队来说，一定知道这其中的区别！！ 你可以很简单的建立不同的项目组，或者工作空间， 每个项目组里都有 Agent，项目推进的全过程中， 所有的工作流、产出和方法论，都会沉淀在这个空间里。 当下次遇到同类型的B项目时，就可以一键复用A项目沉淀下来“工作资产”。 我觉得，这才是团队协作里最有价值的部分， 尽可能减少重复劳动！！ 不管是传统团队协作，还是AI时代的团队协作，都如此。 所以，AI 产品真正的分水岭， 不是谁更像人，也不是谁接了更多更强的模型。 而是，到底能不能提供一个能沉淀、能协作、能推进的工作空间。
0:49

有一个超级暴论： 现阶段的 OpenClaw 根本不适合团队协作！！ 折腾过的人，应该都有类似的感受！ OpenClaw 本质上其实是一个很强的 Agent 底座！ 你可以把它接入到自己的团队工作流里， 把 Agent 搭起来，把渠道接进去，把能力跑通， 每个人都能让Agent干事情， 但是再进一步就会发现真正的问题： 团队怎么一起用？ 中间产出和最终结果都沉淀在哪？ 前面做过的分析、写过的文档、跑过的方法，怎么变成团队可复用资产？ 新的成员进来，怎么接着往下做，而不是从头再来一遍？ 这些，落到实际的应用中，都是坑！ 最近，Flowus团队开发了一个新产品： Kollab Kollab 似乎解决了上面这些问题，它的思路很直接： 把 Agent 直接变成工作流的一部分。 这是什么意思呢？ OpenClaw 解决的是：我个人怎么拥有一个随叫随到、能力很强、自己可控的 AI。 而 Kollab 解决的是：怎么让 AI 参与真实的团队工作，让做过的事能留下来，方法能复用，团队能协作。 对于内容团队、研究团队、小型创业团队来说，一定知道这其中的区别！！ 你可以很简单的建立不同的项目组，或者工作空间， 每个项目组里都有 Agent，项目推进的全过程中， 所有的工作流、产出和方法论，都会沉淀在这个空间里。 当下次遇到同类型的B项目时，就可以一键复用A项目沉淀下来“工作资产”。 我觉得，这才是团队协作里最有价值的部分， 尽可能减少重复劳动！！ 不管是传统团队协作，还是AI时代的团队协作，都如此。 所以，AI 产品真正的分水岭， 不是谁更像人，也不是谁接了更多更强的模型。 而是，到底能不能提供一个能沉淀、能协作、能推进的工作空间。

沐阳

51,022 görüntüleme • 2 ay önce

OpenAI刚刚发布了一套全新的工具，帮助开发者更轻松地创建AI智能体（Agent）。 过去，开发AI智能体时，开发者通常需要自己拼凑不同的API，不仅麻烦，效率也低。OpenAI新推出的三个内置工具有效解决了这些痛点： 第一，Web Search工具，让AI智能体能够实时搜索网络，获取最新的事实信息，回答更准确。 第二，File Search工具，升级后支持元数据筛选和直接访问向量数据库，更好地利用企业或个人私有数据，轻松实现知识检索（RAG）功能。 第三，Computer Use工具，能控制电脑自动执行任务，甚至操作没有API的旧软件，实现复杂任务自动化。 OpenAI同时还推出了全新的Responses API，不仅能支持多轮对话，还能同时调用多个工具，简化复杂流程，提升效率。它将在未来逐步替代Assistant API（计划于2026年停止服务）。 此外，OpenAI的开源智能体编排框架Swarm现已正式升级为Agents SDK，更适合生产环境，支持智能体间的协作、任务交接、流程监控和追踪，开发者只需几行代码就能构建强大的多智能体系统。 OpenAI 首席产品官 Kevin Weil 在直播的最后总结说：“2025 年将会是 AI 智能体爆发的一年， 也是 ChatGPT 和我们开发者工具从‘仅仅回答问题’ 升级为‘真正能在现实世界里为你执行任务’的一年。”
19:45

OpenAI刚刚发布了一套全新的工具，帮助开发者更轻松地创建AI智能体（Agent）。 过去，开发AI智能体时，开发者通常需要自己拼凑不同的API，不仅麻烦，效率也低。OpenAI新推出的三个内置工具有效解决了这些痛点： 第一，Web Search工具，让AI智能体能够实时搜索网络，获取最新的事实信息，回答更准确。 第二，File Search工具，升级后支持元数据筛选和直接访问向量数据库，更好地利用企业或个人私有数据，轻松实现知识检索（RAG）功能。 第三，Computer Use工具，能控制电脑自动执行任务，甚至操作没有API的旧软件，实现复杂任务自动化。 OpenAI同时还推出了全新的Responses API，不仅能支持多轮对话，还能同时调用多个工具，简化复杂流程，提升效率。它将在未来逐步替代Assistant API（计划于2026年停止服务）。 此外，OpenAI的开源智能体编排框架Swarm现已正式升级为Agents SDK，更适合生产环境，支持智能体间的协作、任务交接、流程监控和追踪，开发者只需几行代码就能构建强大的多智能体系统。 OpenAI 首席产品官 Kevin Weil 在直播的最后总结说：“2025 年将会是 AI 智能体爆发的一年， 也是 ChatGPT 和我们开发者工具从‘仅仅回答问题’ 升级为‘真正能在现实世界里为你执行任务’的一年。”

宝玉

67,100 görüntüleme • 1 yıl önce

作为一名理工男，看到 Notion 创始人 Ivan Zhao 的这篇文章和视频，感触确实挺深的。Notion 和Obsidian是唯一两个我用来做学习记录的工具，用Notion你绝对会感受到开发者那种人文感。 如果你最近也因为 AI 的各种进化感到焦虑，甚至觉得自己的专业技能快要“贬值”了，那这个视频真的非常推荐你看一下。它不是在贩卖焦虑，反而在帮我们梳理在 AI 时代，到底什么是“人”的核心价值。 我们习惯了卷代码、卷效率、卷逻辑，但 Ivan Zhao 提出了一个很扎心的观点：当 AI 让脑力劳动变得像自来水一样廉价时，以往那种“拼谁记得多、拼谁手快”的努力方式可能真的不值钱了。但这并不代表人类没戏了，恰恰相反，这其实是给了我们一次“变回人”的机会。 以前我们为了追求效率，把自己练成了机器的一环。现在 AI 帮我们分担了那些繁重、重复的工作，反而逼着我们去思考一些更本质的东西。未来人与人之间的差距，不再是技术掌握得多深，而是你的审美、你对人性的理解、以及你独立思考的能力。 说白了，AI 就像油门，而我们的“品味”和“判断力”才是方向盘。如果你没有那种人文层面的沉淀，那你只是在用更快的速度制造数字垃圾。我们得学着从一个“干活的工匠”转型成一个“挑剔的甲方”，去驾驭 AI，而不是被它取代。 所以没必要焦虑，现在的重点不再是死磕某项具体的技术参数，而是要回过头来经营好你自己这个“人”。不管是做个人 IP，还是提升精神层面的独立性，本质上都是在强化那些 AI 模拟不出来的灵魂。人变强大了，AI 才只是你手里的一件趁手工具。 当“怎么做”不再是门槛，我们唯一的胜算就是把那个“真实的自我”活得更有厚度。如果把执行全都交给 AI，你觉得我们身上还有什么东西是机器永远拿不走的？欢迎评论区说说你的想法。 这是一个非常值得看的视频，强烈推荐！
5:43

作为一名理工男，看到 Notion 创始人 Ivan Zhao 的这篇文章和视频，感触确实挺深的。Notion 和Obsidian是唯一两个我用来做学习记录的工具，用Notion你绝对会感受到开发者那种人文感。 如果你最近也因为 AI 的各种进化感到焦虑，甚至觉得自己的专业技能快要“贬值”了，那这个视频真的非常推荐你看一下。它不是在贩卖焦虑，反而在帮我们梳理在 AI 时代，到底什么是“人”的核心价值。 我们习惯了卷代码、卷效率、卷逻辑，但 Ivan Zhao 提出了一个很扎心的观点：当 AI 让脑力劳动变得像自来水一样廉价时，以往那种“拼谁记得多、拼谁手快”的努力方式可能真的不值钱了。但这并不代表人类没戏了，恰恰相反，这其实是给了我们一次“变回人”的机会。 以前我们为了追求效率，把自己练成了机器的一环。现在 AI 帮我们分担了那些繁重、重复的工作，反而逼着我们去思考一些更本质的东西。未来人与人之间的差距，不再是技术掌握得多深，而是你的审美、你对人性的理解、以及你独立思考的能力。 说白了，AI 就像油门，而我们的“品味”和“判断力”才是方向盘。如果你没有那种人文层面的沉淀，那你只是在用更快的速度制造数字垃圾。我们得学着从一个“干活的工匠”转型成一个“挑剔的甲方”，去驾驭 AI，而不是被它取代。 所以没必要焦虑，现在的重点不再是死磕某项具体的技术参数，而是要回过头来经营好你自己这个“人”。不管是做个人 IP，还是提升精神层面的独立性，本质上都是在强化那些 AI 模拟不出来的灵魂。人变强大了，AI 才只是你手里的一件趁手工具。 当“怎么做”不再是门槛，我们唯一的胜算就是把那个“真实的自我”活得更有厚度。如果把执行全都交给 AI，你觉得我们身上还有什么东西是机器永远拿不走的？欢迎评论区说说你的想法。 这是一个非常值得看的视频，强烈推荐！

纽约博叔

124,729 görüntüleme • 5 ay önce

吴恩达在10个月前的一场《如何让AI助力所有企业》的Ted演讲。 他把AI的能力比作几百年读书写字的能力，几百年前，许多人认为，不是每个人都需要会读写。 那时候，许多人在田地里工作或放羊，所以对书面交流的需求较少。 只有高级祭司、僧侣能够读得懂圣书， 而其他人只需去寺庙、教堂或圣殿， 坐下来听高级祭司读给大家听。 幸运的是，我们后来发现，如果许多人都会读写，我们可以建立一个更加富裕的社会。 如今，AI 掌握在高级祭司（AI研究人员）和僧侣（软件工程师）的手中。这些高技能的人工智能工程师， 其中很多就职于科技巨头公司。而大多数人只能接触到这些工程师构建的人工智能。 如果让每个人都能利用AI的能力，我们就能创造一个更富裕的社会。
11:16

吴恩达在10个月前的一场《如何让AI助力所有企业》的Ted演讲。 他把AI的能力比作几百年读书写字的能力，几百年前，许多人认为，不是每个人都需要会读写。 那时候，许多人在田地里工作或放羊，所以对书面交流的需求较少。 只有高级祭司、僧侣能够读得懂圣书， 而其他人只需去寺庙、教堂或圣殿， 坐下来听高级祭司读给大家听。 幸运的是，我们后来发现，如果许多人都会读写，我们可以建立一个更加富裕的社会。 如今，AI 掌握在高级祭司（AI研究人员）和僧侣（软件工程师）的手中。这些高技能的人工智能工程师， 其中很多就职于科技巨头公司。而大多数人只能接触到这些工程师构建的人工智能。 如果让每个人都能利用AI的能力，我们就能创造一个更富裕的社会。

宝玉

126,263 görüntüleme • 2 yıl önce

我的第一本书，终于出版了。 书名叫「重构个体：AI 时代如何打造个人竞争力」，电子工业出版社。 我年轻的时候读过的技术书，很多都出自电子工业出版社。没想到有一天，自己写的书也能由他们出版。 从去年四月动笔，到今天前后一年的时间。写到中间有好几次觉得写不下去了。不是没东西写，而是怎么把这几年做的事情讲清楚，比做这些事本身还难。 书里当然会用到具体的工具，但重点不在工具本身。 工具就是船，你需要它过河，但过了河，船就不重要了。 如果你最近也在想：AI 来得这么快，我该怎么学、怎么用、怎么不被牵着走？希望这本书能给你一些启发。
4:03

我的第一本书，终于出版了。 书名叫「重构个体：AI 时代如何打造个人竞争力」，电子工业出版社。 我年轻的时候读过的技术书，很多都出自电子工业出版社。没想到有一天，自己写的书也能由他们出版。 从去年四月动笔，到今天前后一年的时间。写到中间有好几次觉得写不下去了。不是没东西写，而是怎么把这几年做的事情讲清楚，比做这些事本身还难。 书里当然会用到具体的工具，但重点不在工具本身。 工具就是船，你需要它过河，但过了河，船就不重要了。 如果你最近也在想：AI 来得这么快，我该怎么学、怎么用、怎么不被牵着走？希望这本书能给你一些启发。

Axton

22,240 görüntüleme • 3 ay önce

说个暴论，这才是2026年到目前为止，AI行业最有价值的一次更新，没有之一🚀🚀🚀 Claude一口气接入了8个创意行业的顶级工具，Blender，Adobe，Autodesk，Ableton，Splice，Canva，SketchUp，Resolume。 它不再是让你在聊天框里生成东西，再导出到软件里修改， 而是直接钻进你每天打开8小时的软件内部，帮你调试场景，批量修改物体，写自定义脚本，处理所有你不想做的重复性劳动。 以前的AI是让你换个地方工作， 现在的AI是跑到你的工位上帮你干活。 这标志着AI正式进入工具原生时代，它的下一个战场再也不是谁的模型更大， 而是谁能无缝嵌入普通人的真实工作流。 我认为对所有创作者来说，学会用好这些连接器，比追任何新出的大模型都重要。
0:55

说个暴论，这才是2026年到目前为止，AI行业最有价值的一次更新，没有之一🚀🚀🚀 Claude一口气接入了8个创意行业的顶级工具，Blender，Adobe，Autodesk，Ableton，Splice，Canva，SketchUp，Resolume。 它不再是让你在聊天框里生成东西，再导出到软件里修改， 而是直接钻进你每天打开8小时的软件内部，帮你调试场景，批量修改物体，写自定义脚本，处理所有你不想做的重复性劳动。 以前的AI是让你换个地方工作， 现在的AI是跑到你的工位上帮你干活。 这标志着AI正式进入工具原生时代，它的下一个战场再也不是谁的模型更大， 而是谁能无缝嵌入普通人的真实工作流。 我认为对所有创作者来说，学会用好这些连接器，比追任何新出的大模型都重要。

AYi

102,960 görüntüleme • 2 ay önce

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😊
15:35

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 görüntüleme • 4 ay önce

我折腾了Openclaw大概有一周了吧，感觉这一周也不能说时时刻刻在玩，但是确实已经让我体验到了他的很多优点和坑。 我觉得这个坑其实也并不是他的缺点，而且初学者在使用的时候没有注意到的特点，本文会好好聊聊。虽然有人说它不是什么高深的科技，但是Openclaw确实解决了我一个很长时间都没有人来解决的痛点， 作为一个web3的博主，我平常有很多零碎的时间，在外的时候，开车的时候，参加活动的时候，加起来其实非常多，一周下来能有十几个小时。 这些时候其实我的脑子都不处于idle的状态，而是经常想写东西。比如我经常就会抽个十分钟走路，边走边把我的一些想法和GPT录入，然后生成文章或者笔记，甚至是代码。 但对于有些问题，比如验证一个交易的想法，产品的想法，用一个我已经开发好的脚本去了解市场行情，缺少一个主机这样强大的工具来帮我落地。 也就是说，哪怕AI给了我方向，给了我代码，最后去跑的，还是我啊！ 我这不是给AI打工了吗？ 于是在知道了Opencalw这个东西的五分钟之后，我就边开车边在手机上下单了一个全新的MacMini，准备开始改变人生 我觉得玩了一周下来，我做到了。我可以躺在床上刷剧和喝啤酒的同时，让全市场行情尽收眼底，有一说一，minimax真的很稳定且偶尔会让人觉得惊艳。 刚丢给他anthropic和五角大楼的八个新闻，他给我做了系统性总结并归档，语言风格也非常自然，确实不是对话框可以体验的，但有在对话框环境里搞定了看黑漆漆IDE才能做到的aget效果，且效果很棒。这就是openclaw框架的特点。 接下来重点聊聊 #Binance 最近更新4个 AI skills 技能 Alpha 市场数据、U 本位合约、杠杆交易、资产管理。在我看来，这次更新的重点不只是“功能变多了”，而是 OpenClaw 终于更像一个能真正配合你做事的交易助手了。 以前我们用这类工具，更多还是停留在“查数据、看行情、问问题”这个层面，信息是有了，但真正做决策、盯条件、执行动作，还是得自己一步步来。现在不太一样了，你只需要说出自己的意图，它就能把筛选、判断、执行这些动作尽量串起来。 这 4 个技能里，我最看重的是资产管理。因为它解决的不是“看什么”，而是“钱怎么动”。比如现货和合约之间的划转、账户余额整理、碎币换 BNB，这些以前都很零碎，但实际又很高频。现在如果能交给 Agent 去处理，整体体验会顺很多。 另外，Alpha 数据、合约、杠杆这几个技能组合起来后，确实会让很多交易思路更容易落地。比如监测异动、看资金费率、设置止盈止损、按条件执行下一步，不用自己频繁切页面、算逻辑，效率提升会很明显。 不过我自己的看法是，这套skills最有价值的地方，不是“自动赚钱”，而是把原本复杂、重复、容易出错的操作流程对话化了。它更像是帮你提高执行效率，而不是替你承担判断和风险。 而且目前币安中文社区正在举办 “用 AI 建设加密，搭建币安主题 AI Agent” 的活动。 总奖池：48.6 BNB（作品奖44 BNB + 推荐奖4.6 BNB）。 作品奖：第1名10 BNB、第2名8 BNB、第3名6 BNB、20名优胜各1 BNB。 对普通用户来说，参与重点可以概括为一句话：不用非得做得特别复杂，能跑通、能演示、逻辑清楚，就有机会拿到奖励。赶快行动起来吧，部署一只属于你自己的龙虾，改变人生的轨迹。 为此专门做了一个接入视频，希望能帮助到大家一起建设起来～ 币安技能中心传送门： 部署龙虾碰到问题可以dm我或者评论区留言，欢迎老师们多多交流~
2:24

我折腾了Openclaw大概有一周了吧，感觉这一周也不能说时时刻刻在玩，但是确实已经让我体验到了他的很多优点和坑。 我觉得这个坑其实也并不是他的缺点，而且初学者在使用的时候没有注意到的特点，本文会好好聊聊。虽然有人说它不是什么高深的科技，但是Openclaw确实解决了我一个很长时间都没有人来解决的痛点， 作为一个web3的博主，我平常有很多零碎的时间，在外的时候，开车的时候，参加活动的时候，加起来其实非常多，一周下来能有十几个小时。 这些时候其实我的脑子都不处于idle的状态，而是经常想写东西。比如我经常就会抽个十分钟走路，边走边把我的一些想法和GPT录入，然后生成文章或者笔记，甚至是代码。 但对于有些问题，比如验证一个交易的想法，产品的想法，用一个我已经开发好的脚本去了解市场行情，缺少一个主机这样强大的工具来帮我落地。 也就是说，哪怕AI给了我方向，给了我代码，最后去跑的，还是我啊！ 我这不是给AI打工了吗？ 于是在知道了Opencalw这个东西的五分钟之后，我就边开车边在手机上下单了一个全新的MacMini，准备开始改变人生 我觉得玩了一周下来，我做到了。我可以躺在床上刷剧和喝啤酒的同时，让全市场行情尽收眼底，有一说一，minimax真的很稳定且偶尔会让人觉得惊艳。 刚丢给他anthropic和五角大楼的八个新闻，他给我做了系统性总结并归档，语言风格也非常自然，确实不是对话框可以体验的，但有在对话框环境里搞定了看黑漆漆IDE才能做到的aget效果，且效果很棒。这就是openclaw框架的特点。 接下来重点聊聊 #Binance 最近更新4个 AI skills 技能 Alpha 市场数据、U 本位合约、杠杆交易、资产管理。在我看来，这次更新的重点不只是“功能变多了”，而是 OpenClaw 终于更像一个能真正配合你做事的交易助手了。 以前我们用这类工具，更多还是停留在“查数据、看行情、问问题”这个层面，信息是有了，但真正做决策、盯条件、执行动作，还是得自己一步步来。现在不太一样了，你只需要说出自己的意图，它就能把筛选、判断、执行这些动作尽量串起来。 这 4 个技能里，我最看重的是资产管理。因为它解决的不是“看什么”，而是“钱怎么动”。比如现货和合约之间的划转、账户余额整理、碎币换 BNB，这些以前都很零碎，但实际又很高频。现在如果能交给 Agent 去处理，整体体验会顺很多。 另外，Alpha 数据、合约、杠杆这几个技能组合起来后，确实会让很多交易思路更容易落地。比如监测异动、看资金费率、设置止盈止损、按条件执行下一步，不用自己频繁切页面、算逻辑，效率提升会很明显。 不过我自己的看法是，这套skills最有价值的地方，不是“自动赚钱”，而是把原本复杂、重复、容易出错的操作流程对话化了。它更像是帮你提高执行效率，而不是替你承担判断和风险。 而且目前币安中文社区正在举办 “用 AI 建设加密，搭建币安主题 AI Agent” 的活动。 总奖池：48.6 BNB（作品奖44 BNB + 推荐奖4.6 BNB）。 作品奖：第1名10 BNB、第2名8 BNB、第3名6 BNB、20名优胜各1 BNB。 对普通用户来说，参与重点可以概括为一句话：不用非得做得特别复杂，能跑通、能演示、逻辑清楚，就有机会拿到奖励。赶快行动起来吧，部署一只属于你自己的龙虾，改变人生的轨迹。 为此专门做了一个接入视频，希望能帮助到大家一起建设起来～ 币安技能中心传送门： 部署龙虾碰到问题可以dm我或者评论区留言，欢迎老师们多多交流~

百里 🦅

16,721 görüntüleme • 3 ay önce

为什么有的人总是可以遇到贵人？ 我这两年有一个非常明显的感受，就是发现遇到的贵人概率越来越高了，以前会经常观察身边人这个现象，发现每个人遇到贵人的概率完全是不一样的，而且我觉得这件事儿是真的有方法论。 1.成为贵人，才能遇到贵人。只有自己是贵人，才能真正理解贵人说的话做的事情的原因，这样才能知道自己该如何做事情具备哪些品质才可以吸引贵人。 2.一定程度上这是个概率学，我们能做的就是提高概率发生，要知道哪些因素可以提高这件事发生的概率，比如同样一个人，环境、影响力、圈子质量不一样，结果完全不同。即使你有能力，但你就是在小地方，也没人知道你，你根本就没有展示自我价值的机会。 3.如果你是一个有能力、靠谱、有责任心、诚实、本分的人，再加上你去积累影响力，把自己的想法对外输出，这样知道你的人的数量会几何倍增，数量倍增了，即便同等概率下遇到贵人的数量也增加了，而且很可能会主动联系你。 4.要选择贵人容易扎堆的地方，贵人往往会在资源丰富、机会多的地方，如果你跳进这些地方，遇到贵人的概率就会大大增加，比如你从三线城市跳到一线城市、行业内更好的大平台公司。 5.贵人之所以愿意在你没有起势时帮助你，是因为他们看到了你身上具备成功的属性、有他之前的影子，有一天你可以成为他们或超越他们，你的这种潜能才是得到贵人的根本，他们帮助你也是在去验证自己的眼光，你未来的成功也是他们对自己信仰的验证过程。 6.记得在《繁花》中有这么一段，爷叔的一个回眸看到宝总穿着西装站在那里，他看着阿宝的眼神是有光的，就仿佛看到了年轻时的自己。
0:31

为什么有的人总是可以遇到贵人？ 我这两年有一个非常明显的感受，就是发现遇到的贵人概率越来越高了，以前会经常观察身边人这个现象，发现每个人遇到贵人的概率完全是不一样的，而且我觉得这件事儿是真的有方法论。 1.成为贵人，才能遇到贵人。只有自己是贵人，才能真正理解贵人说的话做的事情的原因，这样才能知道自己该如何做事情具备哪些品质才可以吸引贵人。 2.一定程度上这是个概率学，我们能做的就是提高概率发生，要知道哪些因素可以提高这件事发生的概率，比如同样一个人，环境、影响力、圈子质量不一样，结果完全不同。即使你有能力，但你就是在小地方，也没人知道你，你根本就没有展示自我价值的机会。 3.如果你是一个有能力、靠谱、有责任心、诚实、本分的人，再加上你去积累影响力，把自己的想法对外输出，这样知道你的人的数量会几何倍增，数量倍增了，即便同等概率下遇到贵人的数量也增加了，而且很可能会主动联系你。 4.要选择贵人容易扎堆的地方，贵人往往会在资源丰富、机会多的地方，如果你跳进这些地方，遇到贵人的概率就会大大增加，比如你从三线城市跳到一线城市、行业内更好的大平台公司。 5.贵人之所以愿意在你没有起势时帮助你，是因为他们看到了你身上具备成功的属性、有他之前的影子，有一天你可以成为他们或超越他们，你的这种潜能才是得到贵人的根本，他们帮助你也是在去验证自己的眼光，你未来的成功也是他们对自己信仰的验证过程。 6.记得在《繁花》中有这么一段，爷叔的一个回眸看到宝总穿着西装站在那里，他看着阿宝的眼神是有光的，就仿佛看到了年轻时的自己。

小人物

49,059 görüntüleme • 2 yıl önce

什么是 AI 智能体？（双语字幕） 为了解释这一点，我们必须看一看在生成式 AI 领域看到的各种转变。 *** 从单一模型向复合 AI 系统的转变 单一模型受限于其训练数据，这影响了它们对世界的认知以及它们可以解决的任务类型。而且，这些模型也难以适应变化。尽管可以对模型进行微调，但这需要大量的数据和资源投资。 **** 示例：查询假期天数 例如，我想要为今年夏天计划一次假期，想知道我有多少假期天数可以用。我可以将我的查询输入到一个可以生成回应的模型中。然而，答案会不正确，因为模型并不知道我的身份，也无法访问我的个人信息。因此，模型本身可能对一些任务有所帮助，例如总结文档、撰写电子邮件初稿和各种报告初稿。 但当我们围绕模型构建系统，并将模型集成到现有流程中时，魔力便显现出来。设计一个系统来解决前面提到的问题，需要让模型能访问存储我假期数据的数据库。这样，虽然输入到语言模型中的查询相同，但模型会被提示创建一个搜索查询，这个查询可以访问我的数据库。程序会获取信息并得到答案，再将答案输入语言模型中，生成回答句子，如：“Maya，你的假期数据库里还剩下十天。”这样，我能得到正确的答案。 *** 复合 AI 系统的模块化设计 “系统”意味着有多个组件，因此系统本质上是模块化的。我可以有一个模型，选择微调模型、大语言模型、图像生成模型，但也可以有围绕它的程序化组件。可以有输出验证器、解析查询的程序、与数据库搜索结合的工具、与不同工具结合的程序等。 当我们谈论系统方法时，我可以分解希望程序完成的任务，选择合适的组件来解决问题。这比微调一个模型要容易得多，使过程更快、更方便。 **** 检索增强生成（RAG） 一个流行的复合 AI 系统例子是检索增强生成（RAG）。如果我提出一个完全不同的查询，如问天气情况，这会失败，因为程序的运行路径总是搜索假期数据库，而这与天气无关。因此，复合 AI 系统的大部分都有程序控制逻辑，这些逻辑由人类定义。 *** AI 智能体的作用 另一种控制复合 AI 系统的逻辑方式是让大语言模型负责，这在大语言模型的推理能力显著提高时才可能实现。大语言模型可以处理复杂问题，能根据提示词要求将问题分解并制定解决计划。 在一个极端，我要求系统快速思考，按照设定的规则行动。在另一个极端，可以让系统慢慢思考，制定计划，逐步解决每一部分，理解困难点并调整计划。 当让大语言模型负责逻辑时，就是在采取一种以智能体为中心的方法。 *** 大语言模型智能体的组成部分 **** 推理能力 推理能力将模型置于解决问题的核心位置，在设定计划的过程中对每一步进行推理。 **** 行动能力 行动能力通过称为“工具”的外部程序实现。这些工具是程序的外部模块，模型可以确定何时及如何调用它们以便最有效地解决提出的问题。例如，网络搜索工具、数据库搜索工具、计算器工具、操纵数据库的程序代码、翻译任务的模型等。 **** 访问记忆的能力 “记忆”可以表示几种含义。模型可以通过程序进行思考，类似于自言自语的内部日志，可以存储并随时取用。这也可以是与智能体互动的对话历史，使体验更加个性化。 *** ReACT 方法 配置智能体的受欢迎方法之一是 ReACT 方法，将推理和行动组件结合在一起。 **** 示例：度假计划 例如，我计划下个月去佛罗里达，想知道需要带多少瓶两盎司的防晒霜。这是个复杂的问题，有多步计划： 1. 我打算休多少天假？ 2. 我计划在阳光下待多少小时？查看佛罗里达的天气预报。 3. 尝试了解每小时在阳光下的推荐防晒剂剂量。 4. 进行数学运算，确定防晒霜数量。 这个系统非常模块化，可以解决更复杂的问题。 *** 复合 AI 系统的未来 复合 AI 系统将一直存在，2024 年将看到它们变得更加智能。你可以根据问题的复杂程度在 AI 自治程度上做出权衡。对于狭窄、定义明确的问题，程序化方法更有效。而对于需要独立解决复杂任务的系统，智能体方法更有帮助。 大多数情况下，人工仍会参与以提高准确性。 原始视频来源：
12:28

什么是 AI 智能体？（双语字幕） 为了解释这一点，我们必须看一看在生成式 AI 领域看到的各种转变。 *** 从单一模型向复合 AI 系统的转变 单一模型受限于其训练数据，这影响了它们对世界的认知以及它们可以解决的任务类型。而且，这些模型也难以适应变化。尽管可以对模型进行微调，但这需要大量的数据和资源投资。 **** 示例：查询假期天数 例如，我想要为今年夏天计划一次假期，想知道我有多少假期天数可以用。我可以将我的查询输入到一个可以生成回应的模型中。然而，答案会不正确，因为模型并不知道我的身份，也无法访问我的个人信息。因此，模型本身可能对一些任务有所帮助，例如总结文档、撰写电子邮件初稿和各种报告初稿。 但当我们围绕模型构建系统，并将模型集成到现有流程中时，魔力便显现出来。设计一个系统来解决前面提到的问题，需要让模型能访问存储我假期数据的数据库。这样，虽然输入到语言模型中的查询相同，但模型会被提示创建一个搜索查询，这个查询可以访问我的数据库。程序会获取信息并得到答案，再将答案输入语言模型中，生成回答句子，如：“Maya，你的假期数据库里还剩下十天。”这样，我能得到正确的答案。 *** 复合 AI 系统的模块化设计 “系统”意味着有多个组件，因此系统本质上是模块化的。我可以有一个模型，选择微调模型、大语言模型、图像生成模型，但也可以有围绕它的程序化组件。可以有输出验证器、解析查询的程序、与数据库搜索结合的工具、与不同工具结合的程序等。 当我们谈论系统方法时，我可以分解希望程序完成的任务，选择合适的组件来解决问题。这比微调一个模型要容易得多，使过程更快、更方便。 **** 检索增强生成（RAG） 一个流行的复合 AI 系统例子是检索增强生成（RAG）。如果我提出一个完全不同的查询，如问天气情况，这会失败，因为程序的运行路径总是搜索假期数据库，而这与天气无关。因此，复合 AI 系统的大部分都有程序控制逻辑，这些逻辑由人类定义。 *** AI 智能体的作用 另一种控制复合 AI 系统的逻辑方式是让大语言模型负责，这在大语言模型的推理能力显著提高时才可能实现。大语言模型可以处理复杂问题，能根据提示词要求将问题分解并制定解决计划。 在一个极端，我要求系统快速思考，按照设定的规则行动。在另一个极端，可以让系统慢慢思考，制定计划，逐步解决每一部分，理解困难点并调整计划。 当让大语言模型负责逻辑时，就是在采取一种以智能体为中心的方法。 *** 大语言模型智能体的组成部分 **** 推理能力 推理能力将模型置于解决问题的核心位置，在设定计划的过程中对每一步进行推理。 **** 行动能力 行动能力通过称为“工具”的外部程序实现。这些工具是程序的外部模块，模型可以确定何时及如何调用它们以便最有效地解决提出的问题。例如，网络搜索工具、数据库搜索工具、计算器工具、操纵数据库的程序代码、翻译任务的模型等。 **** 访问记忆的能力 “记忆”可以表示几种含义。模型可以通过程序进行思考，类似于自言自语的内部日志，可以存储并随时取用。这也可以是与智能体互动的对话历史，使体验更加个性化。 *** ReACT 方法 配置智能体的受欢迎方法之一是 ReACT 方法，将推理和行动组件结合在一起。 **** 示例：度假计划 例如，我计划下个月去佛罗里达，想知道需要带多少瓶两盎司的防晒霜。这是个复杂的问题，有多步计划： 1. 我打算休多少天假？ 2. 我计划在阳光下待多少小时？查看佛罗里达的天气预报。 3. 尝试了解每小时在阳光下的推荐防晒剂剂量。 4. 进行数学运算，确定防晒霜数量。 这个系统非常模块化，可以解决更复杂的问题。 *** 复合 AI 系统的未来 复合 AI 系统将一直存在，2024 年将看到它们变得更加智能。你可以根据问题的复杂程度在 AI 自治程度上做出权衡。对于狭窄、定义明确的问题，程序化方法更有效。而对于需要独立解决复杂任务的系统，智能体方法更有帮助。 大多数情况下，人工仍会参与以提高准确性。 原始视频来源：

宝玉

44,356 görüntüleme • 1 yıl önce

蔡崇信的这个访谈非常值得一看，摘录一些其中的内容： - 我来自一个完全不同的文化背景，我在一个浓厚的中国文化环境中长大，并就读于一所中文学校。所以，当我 13 岁的时候到达美国新泽西州时，我几乎不会说英语。因此，我去了一所寄宿学校。我认为，为了更好地融入和交到朋友，我需要参加很多体育活动。我尝试加入了很多运动队，但是我没能入选棒球队。 - 成长过程中我父亲是对我产生最重要影响的人。他是我见过的最聪明、最敏锐的人之一，但他非常严厉。我曾经害怕我父亲。他已经去世了。但我觉得如果他还在世，我可以和他谈谈："我在生活中也有所成就，可能也能与你的成就媲美。"但我还是不如他聪明。 - 在 1999 年，一个我在台湾认识的朋友，我们的父母也是朋友，他建议我去杭州见见这个人，马云。他说马云很特别，有点疯狂，但是我应该去见见他。于是我坐上了飞往杭州的航班。那时候，香港和杭州之间一周只有两个航班，分别是周二和周四。我就坐飞机去杭州找他。 当我走进他在杭州的公寓，他住在一个叫做"莱茵花园"的小区的二楼公寓。我看到门口有好几双鞋，显然里面有不少人在工作。有工程师，也有客服人员。那时，马云已经创建了一个网站，供中国的中小型出口商利用，以便他们能够向全世界销售产品。你们可能不会相信，我们的第一个网站，阿里巴巴，其实是英文版的，因为面向的客户群主要在西方。里面的工程师们正在忙碌着，客服人员也在做各种事情。我至今仍记得他们有一本笔记本，把网站上的每一个注册用户都记了下来，那时共有 28,000 名注册用户。 大约过了一个小时，我和马云闲聊，我说，"马云，我得用一下卫生间，我去一下卫生间可以吗？"我看到洗手台旁边竟然有 10 把牙刷。我想，"天哪，这些人真是无时无刻都在这个房间里生活，工作。"这就是公司文化的起源，就像我们通常说的，从一个车库开始的，对吧？离开时我深受鼓舞，不仅仅是因为马云的愿景和魅力，也因为看到有那么多人愿意跟随他。那是很早的时候，他并没有什么资金，那些在那里工作的人全都是他的学生。 - 一个值得人们跟随的领导人应具备最重要的特质是：他能给人们描绘出一个未来的蓝图。 - 当时，我们的业务是 B2B 市场，马云说，"随着中国即将加入 WTO，所有这些中小型企业都希望能在全球范围内做生意。"阿里巴巴的使命，无论是过去还是现在，都是致力于让企业无论在何处都能轻松开展业务。我们的 DNA 和文化就是帮助小企业尽可能广泛地开展国际业务。这就是我们的愿景。毫无疑问，我们已经发展成为一家大型的国内消费公司，同时也在云计算领域发展。 - 我们做的第一件事是承认错误。我们承认过去可能没有重视用户体验。第二件事是重新分配人员，调整适应新策略的组织架构。这是大公司常见的问题。大公司的架构一成不变，因为员工不喜欢改变，他们不愿意换工作，害怕被解雇等等。然后你开始让公司的方向适应你的组织结构，但是这是错误的。正确的做法应该是先明确公司的方向，然后调整公司的组织架构。所以我们实际上在淘宝内部重新进行了重组。 - 我认为不愿承认错误是人的本性。真正的领导者和优秀的管理者有能力反思自我，并说，"我可能做错了某些事。我做错了这个。" "我需要改变。"他们需要改变自身。但人的本性往往让他们不去这么做。我想我们也陷入了这个困境，需要有点谦虚。我认为领导力的一部分就是要有谦逊之心。你必须能够承认错误，并说，"好的，我们需要改正方向，这是新的愿景，"因为员工需要这样的指导。这非常重要。 - 过去三年的士气一直不好。我指的是很多因素。首先，我们经历了新冠疫情，然后中国经济在疫情之后反弹，但后来增长放缓。竞争压力是另一个问题。还有就是监管审查的压力。我们支付了巨额罚款，但那已经是过去的事了。所有这些因素加在一起对士气产生了相当大的打击。但正如我所说，最重要的是，员工需要一个方向。如果你能清晰地传达出这个方向，他们就会重新振作起来。 - 但我对当下消费者的看法是，有几个因素可能压制了他们的信心和消费意愿。首先，由于房地产市场的下滑，出现了财富缩水现象。我认为，平均来说，房地产价格已经下跌了 30%。当人们的大部分财富都投资在房地产上，且市场出现下滑时，他们会觉得自己不再富有，想要储蓄，消费意愿减弱。其次，我认为今天的年轻人仍然担心找不到工作。就以我们自己为例，在过去的几个季度里，我们的员工人数由于自然流失而减少。我们并没有进行裁员，但也没有进行新的招聘。我认为对企业，尤其是私营企业，提供激励措施是非常重要的。并给予他们投资的信心和雇佣人员。当人们对未来感到不确定时，对工作稳定性的不确定也会影响他们的消费意愿。但是，消费的能力是存在的。中国的储蓄率很高，家庭现金仍然充足。 - 中国将继续在世界上扮演制造业强国的角色。尽管人口在相对减少，但中国的人口规模仍然非常庞大。你正在观察的是中国经济中有生产力的 8 亿劳动力。即使这个数字减少到 6 亿或 6.5 亿，这仍然是一个庞大的生产力规模。中国人民勤奋努力，教育系统也非常出色。因此，我们拥有受过良好教育的劳动力和熟练的劳动力。你可能已经注意到，很多企业都在将供应链多元化，转移到越南、墨西哥等地。但是，我们还需要看到这样一个事实，越南的人口大约只有 1 亿，劳动力只有 6000 万。而中国的规模是越南的十倍以上。越南等国家永远无法取代中国作为世界制造中心的地位。 - 美国对中国的芯片封锁，阿里巴巴也受到很大影响，尤其是对其云业务和向客户提供高端计算服务的能力产生了影响。在短期和可能的中期内是一个问题。但从长远来看，中国将发展出自己制造高端 GPU 的能力。 - 对于芯片短缺，是个严重的问题，短期来看，在限制措施下达前，已经积累了一定的库存。在接下来的一年或 18 个月里，仍可以利用现有的库存进行大语言模型的训练。相比于应用，训练更需要高性能的计算能力，这就涉及到了所谓的推理。在推理方面，有许多不同的选择，不需要像最新的模型那样都需要高性能和高端的芯片。 - 如果可以无限制地获取 NVIDIA 的顶级显卡，那么阿里巴巴会有一个更强大的云计算业务，并且会拥有更多希望从阿里云这里租用计算能力的客户。 - 一个有力的企业文化就是你认同公司的使命，非常明确地看到公司的前进方向，你喜欢和同事一起工作。你喜欢你的老板，你喜欢你的同事。我认为这一直是阿里巴巴的文化。我们有一句话，"快乐工作，认真生活。" 人们总是讨论如何平衡工作和生活，但在阿里巴巴，我们问："为什么工作和生活一定要对立起来？" 当你上班的时候，你应该感到快乐，因为你在朋友中间。 - 和善并不意味着就是好老板因为如果你对人太好，你就会误导他们。我认为一个好老板最重要的是给出即时的反馈。反馈不能是季度评估或年终评估的事情。反馈必须即时给出。人们需要知道他们是不是做错了什么，或者他们没有付出全部的努力。他们需要立刻知道。 - 谦逊是很重要的领导原则，你必须能够承认自己的错误。另外，你不能总是假装自己是房间里最聪明的人。有时候人们在寻找那样的领导。你可能想提出一个好主意或者什么，但那不能是一直如此。因为你得让向你汇报的人有权提出他们自己的想法。否则，你就会扼杀创新。 - 对年轻人的建议是学习一两个基础的技能，让你在所有人中能够处于前 10%。比如，如果你想学怎么编程，或者你想深入某个特定主题领域，我认为你必须发展一些专门技能。我在职业上的专长实际上是税法。我做了三年的税务律师工作，我知道我可以走进一个房间，在人们谈论税务结构时显得比较懂行。这对我现在仍然有所帮助。我们正在关注一些国际事务，其中正确地构建公司实体、税务结构和许可证结构非常重要，所以我对此非常投入。你不能期望自己在所有领域都是通才。你必须能够向别人明确表达，"我在某一方面是专家"，这是你赢得他人尊重的方式。 - 另一条给年轻人的建议是，要学习多项技能。尤其是，我认为在未来，数据科学将会非常重要。参加一门数据科学的课程吧。这个课程过去被称为统计学，但现在我们更喜欢称之为数据科学，这个名字听起来更有吸引力。同时，也去上一门心理学课。我觉得人类的思维以及思维如何运作非常有趣，这与机器有很大的不同。如果你具备一些编程能力，那就更好了，比如现在的年轻人，他们都会学习 Python 或 Java 等编程语言。理解数据科学和心理学的基础知识，我认为你就具备了在生活中取得成功所需的所有工具。 视频来源： 视频文稿：
36:48

蔡崇信的这个访谈非常值得一看，摘录一些其中的内容： - 我来自一个完全不同的文化背景，我在一个浓厚的中国文化环境中长大，并就读于一所中文学校。所以，当我 13 岁的时候到达美国新泽西州时，我几乎不会说英语。因此，我去了一所寄宿学校。我认为，为了更好地融入和交到朋友，我需要参加很多体育活动。我尝试加入了很多运动队，但是我没能入选棒球队。 - 成长过程中我父亲是对我产生最重要影响的人。他是我见过的最聪明、最敏锐的人之一，但他非常严厉。我曾经害怕我父亲。他已经去世了。但我觉得如果他还在世，我可以和他谈谈："我在生活中也有所成就，可能也能与你的成就媲美。"但我还是不如他聪明。 - 在 1999 年，一个我在台湾认识的朋友，我们的父母也是朋友，他建议我去杭州见见这个人，马云。他说马云很特别，有点疯狂，但是我应该去见见他。于是我坐上了飞往杭州的航班。那时候，香港和杭州之间一周只有两个航班，分别是周二和周四。我就坐飞机去杭州找他。 当我走进他在杭州的公寓，他住在一个叫做"莱茵花园"的小区的二楼公寓。我看到门口有好几双鞋，显然里面有不少人在工作。有工程师，也有客服人员。那时，马云已经创建了一个网站，供中国的中小型出口商利用，以便他们能够向全世界销售产品。你们可能不会相信，我们的第一个网站，阿里巴巴，其实是英文版的，因为面向的客户群主要在西方。里面的工程师们正在忙碌着，客服人员也在做各种事情。我至今仍记得他们有一本笔记本，把网站上的每一个注册用户都记了下来，那时共有 28,000 名注册用户。 大约过了一个小时，我和马云闲聊，我说，"马云，我得用一下卫生间，我去一下卫生间可以吗？"我看到洗手台旁边竟然有 10 把牙刷。我想，"天哪，这些人真是无时无刻都在这个房间里生活，工作。"这就是公司文化的起源，就像我们通常说的，从一个车库开始的，对吧？离开时我深受鼓舞，不仅仅是因为马云的愿景和魅力，也因为看到有那么多人愿意跟随他。那是很早的时候，他并没有什么资金，那些在那里工作的人全都是他的学生。 - 一个值得人们跟随的领导人应具备最重要的特质是：他能给人们描绘出一个未来的蓝图。 - 当时，我们的业务是 B2B 市场，马云说，"随着中国即将加入 WTO，所有这些中小型企业都希望能在全球范围内做生意。"阿里巴巴的使命，无论是过去还是现在，都是致力于让企业无论在何处都能轻松开展业务。我们的 DNA 和文化就是帮助小企业尽可能广泛地开展国际业务。这就是我们的愿景。毫无疑问，我们已经发展成为一家大型的国内消费公司，同时也在云计算领域发展。 - 我们做的第一件事是承认错误。我们承认过去可能没有重视用户体验。第二件事是重新分配人员，调整适应新策略的组织架构。这是大公司常见的问题。大公司的架构一成不变，因为员工不喜欢改变，他们不愿意换工作，害怕被解雇等等。然后你开始让公司的方向适应你的组织结构，但是这是错误的。正确的做法应该是先明确公司的方向，然后调整公司的组织架构。所以我们实际上在淘宝内部重新进行了重组。 - 我认为不愿承认错误是人的本性。真正的领导者和优秀的管理者有能力反思自我，并说，"我可能做错了某些事。我做错了这个。" "我需要改变。"他们需要改变自身。但人的本性往往让他们不去这么做。我想我们也陷入了这个困境，需要有点谦虚。我认为领导力的一部分就是要有谦逊之心。你必须能够承认错误，并说，"好的，我们需要改正方向，这是新的愿景，"因为员工需要这样的指导。这非常重要。 - 过去三年的士气一直不好。我指的是很多因素。首先，我们经历了新冠疫情，然后中国经济在疫情之后反弹，但后来增长放缓。竞争压力是另一个问题。还有就是监管审查的压力。我们支付了巨额罚款，但那已经是过去的事了。所有这些因素加在一起对士气产生了相当大的打击。但正如我所说，最重要的是，员工需要一个方向。如果你能清晰地传达出这个方向，他们就会重新振作起来。 - 但我对当下消费者的看法是，有几个因素可能压制了他们的信心和消费意愿。首先，由于房地产市场的下滑，出现了财富缩水现象。我认为，平均来说，房地产价格已经下跌了 30%。当人们的大部分财富都投资在房地产上，且市场出现下滑时，他们会觉得自己不再富有，想要储蓄，消费意愿减弱。其次，我认为今天的年轻人仍然担心找不到工作。就以我们自己为例，在过去的几个季度里，我们的员工人数由于自然流失而减少。我们并没有进行裁员，但也没有进行新的招聘。我认为对企业，尤其是私营企业，提供激励措施是非常重要的。并给予他们投资的信心和雇佣人员。当人们对未来感到不确定时，对工作稳定性的不确定也会影响他们的消费意愿。但是，消费的能力是存在的。中国的储蓄率很高，家庭现金仍然充足。 - 中国将继续在世界上扮演制造业强国的角色。尽管人口在相对减少，但中国的人口规模仍然非常庞大。你正在观察的是中国经济中有生产力的 8 亿劳动力。即使这个数字减少到 6 亿或 6.5 亿，这仍然是一个庞大的生产力规模。中国人民勤奋努力，教育系统也非常出色。因此，我们拥有受过良好教育的劳动力和熟练的劳动力。你可能已经注意到，很多企业都在将供应链多元化，转移到越南、墨西哥等地。但是，我们还需要看到这样一个事实，越南的人口大约只有 1 亿，劳动力只有 6000 万。而中国的规模是越南的十倍以上。越南等国家永远无法取代中国作为世界制造中心的地位。 - 美国对中国的芯片封锁，阿里巴巴也受到很大影响，尤其是对其云业务和向客户提供高端计算服务的能力产生了影响。在短期和可能的中期内是一个问题。但从长远来看，中国将发展出自己制造高端 GPU 的能力。 - 对于芯片短缺，是个严重的问题，短期来看，在限制措施下达前，已经积累了一定的库存。在接下来的一年或 18 个月里，仍可以利用现有的库存进行大语言模型的训练。相比于应用，训练更需要高性能的计算能力，这就涉及到了所谓的推理。在推理方面，有许多不同的选择，不需要像最新的模型那样都需要高性能和高端的芯片。 - 如果可以无限制地获取 NVIDIA 的顶级显卡，那么阿里巴巴会有一个更强大的云计算业务，并且会拥有更多希望从阿里云这里租用计算能力的客户。 - 一个有力的企业文化就是你认同公司的使命，非常明确地看到公司的前进方向，你喜欢和同事一起工作。你喜欢你的老板，你喜欢你的同事。我认为这一直是阿里巴巴的文化。我们有一句话，"快乐工作，认真生活。" 人们总是讨论如何平衡工作和生活，但在阿里巴巴，我们问："为什么工作和生活一定要对立起来？" 当你上班的时候，你应该感到快乐，因为你在朋友中间。 - 和善并不意味着就是好老板因为如果你对人太好，你就会误导他们。我认为一个好老板最重要的是给出即时的反馈。反馈不能是季度评估或年终评估的事情。反馈必须即时给出。人们需要知道他们是不是做错了什么，或者他们没有付出全部的努力。他们需要立刻知道。 - 谦逊是很重要的领导原则，你必须能够承认自己的错误。另外，你不能总是假装自己是房间里最聪明的人。有时候人们在寻找那样的领导。你可能想提出一个好主意或者什么，但那不能是一直如此。因为你得让向你汇报的人有权提出他们自己的想法。否则，你就会扼杀创新。 - 对年轻人的建议是学习一两个基础的技能，让你在所有人中能够处于前 10%。比如，如果你想学怎么编程，或者你想深入某个特定主题领域，我认为你必须发展一些专门技能。我在职业上的专长实际上是税法。我做了三年的税务律师工作，我知道我可以走进一个房间，在人们谈论税务结构时显得比较懂行。这对我现在仍然有所帮助。我们正在关注一些国际事务，其中正确地构建公司实体、税务结构和许可证结构非常重要，所以我对此非常投入。你不能期望自己在所有领域都是通才。你必须能够向别人明确表达，"我在某一方面是专家"，这是你赢得他人尊重的方式。 - 另一条给年轻人的建议是，要学习多项技能。尤其是，我认为在未来，数据科学将会非常重要。参加一门数据科学的课程吧。这个课程过去被称为统计学，但现在我们更喜欢称之为数据科学，这个名字听起来更有吸引力。同时，也去上一门心理学课。我觉得人类的思维以及思维如何运作非常有趣，这与机器有很大的不同。如果你具备一些编程能力，那就更好了，比如现在的年轻人，他们都会学习 Python 或 Java 等编程语言。理解数据科学和心理学的基础知识，我认为你就具备了在生活中取得成功所需的所有工具。 视频来源： 视频文稿：

宝玉

455,940 görüntüleme • 2 yıl önce

和AI Agent一起工作是一种什么样的体验？ 扣子空间详细体验评测 （下面有邀请码）🧵↓ 字节跳动发布新一代 AI Agent 平台：扣子空间，Slogan为：在扣子空间，和 Agent 一起开始你的工作。 也就是你可以像和真人协作一样，和AI一起完成特定任务。 通过自然语言交流直接交付结果🫡 例如这个↓ 这个测试是模拟你通过AI来简化你的工作或者提高你的工作效率或者成果，例如假如你是一个幼儿园老师就可以通过AI生成一个交互式的英语学习应用。 提高孩子们学习英语的乐趣。它支持调用MCP，这个测试调用了两个MCP，一个是图像生成一个是语音生成。 扣子空间，它可以是： ✅「通用实习生」：可以处理各种基础任务，比如整理资料、写文案、查数据等。 ✅「领域专家」：针对具体行业或专业的问题（如法律、医学、设计等）有深入理解，能给出专业建议或完成复杂任务。 你可以根据自己的需要选择不同AI来协助你完成任务。它不只是回答问题，AI还能主动帮你做事：比如生成报告、整理数据、写代码、规划日程等。 支持两种工作方式： 自动模式：AI自动帮你完成任务。 协作模式：你可以一步步与AI互动，逐步推进任务，更适合复杂工作。
1:01

和AI Agent一起工作是一种什么样的体验？ 扣子空间详细体验评测 （下面有邀请码）🧵↓ 字节跳动发布新一代 AI Agent 平台：扣子空间，Slogan为：在扣子空间，和 Agent 一起开始你的工作。 也就是你可以像和真人协作一样，和AI一起完成特定任务。 通过自然语言交流直接交付结果🫡 例如这个↓ 这个测试是模拟你通过AI来简化你的工作或者提高你的工作效率或者成果，例如假如你是一个幼儿园老师就可以通过AI生成一个交互式的英语学习应用。 提高孩子们学习英语的乐趣。它支持调用MCP，这个测试调用了两个MCP，一个是图像生成一个是语音生成。 扣子空间，它可以是： ✅「通用实习生」：可以处理各种基础任务，比如整理资料、写文案、查数据等。 ✅「领域专家」：针对具体行业或专业的问题（如法律、医学、设计等）有深入理解，能给出专业建议或完成复杂任务。 你可以根据自己的需要选择不同AI来协助你完成任务。它不只是回答问题，AI还能主动帮你做事：比如生成报告、整理数据、写代码、规划日程等。 支持两种工作方式： 自动模式：AI自动帮你完成任务。 协作模式：你可以一步步与AI互动，逐步推进任务，更适合复杂工作。

小互

27,158 görüntüleme • 1 yıl önce

ClaudeCode 现在是我用的最多的 AI 辅助编码工具，也是我觉得目前最强的 AI 编码智能体，如果你有 Claude Pro 或者 Claude Max 订阅，并且写代码或者常用命令行工具，一定要试着用它去写代码、处理一些本地文件（整理文件夹之类都可以）、翻译本地markdown文件也可以。下面是官方介绍视频，已经翻译成双语字幕了，推荐看看。 【Anthropic 官方】最强 AI 编程智能体 ClaudeCode 是如何诞生的？创造者 Boris 畅谈终端 AI 编程的革命与未来 “这是不是我们的秘密武器？我们确定要把它公之于众吗？” —— 这曾是 Anthropic 内部的真实讨论。 现在，这个让 Anthropic 工程师效率飙升的日常工具 ClaudeCode，正式向 Claude Pro 订阅用户开放，也就是说你不需要有自己的 API Key，只要登录你的 Claude 订阅账号即可使用！ ClaudeCode 创造者 Boris 揭开这款革命性 AI 编程工具的神秘面纱： - 它为何诞生于“终端”这个最古老也最通用的界面？ - 从内部爆火到公开发布，经历了怎样的故事？ - 当你的编程搭档从人类同事变成 AI 智能体，工作流会发生怎样的颠覆？ - 告别繁琐的单元测试，让 AI 帮你搞定？ - CLAUDE MD 如何成为你与 AI 沟通的“记忆”和“指令手册”？
20:43

ClaudeCode 现在是我用的最多的 AI 辅助编码工具，也是我觉得目前最强的 AI 编码智能体，如果你有 Claude Pro 或者 Claude Max 订阅，并且写代码或者常用命令行工具，一定要试着用它去写代码、处理一些本地文件（整理文件夹之类都可以）、翻译本地markdown文件也可以。下面是官方介绍视频，已经翻译成双语字幕了，推荐看看。 【Anthropic 官方】最强 AI 编程智能体 ClaudeCode 是如何诞生的？创造者 Boris 畅谈终端 AI 编程的革命与未来 “这是不是我们的秘密武器？我们确定要把它公之于众吗？” —— 这曾是 Anthropic 内部的真实讨论。 现在，这个让 Anthropic 工程师效率飙升的日常工具 ClaudeCode，正式向 Claude Pro 订阅用户开放，也就是说你不需要有自己的 API Key，只要登录你的 Claude 订阅账号即可使用！ ClaudeCode 创造者 Boris 揭开这款革命性 AI 编程工具的神秘面纱： - 它为何诞生于“终端”这个最古老也最通用的界面？ - 从内部爆火到公开发布，经历了怎样的故事？ - 当你的编程搭档从人类同事变成 AI 智能体，工作流会发生怎样的颠覆？ - 告别繁琐的单元测试，让 AI 帮你搞定？ - CLAUDE MD 如何成为你与 AI 沟通的“记忆”和“指令手册”？

宝玉

37,514 görüntüleme • 1 yıl önce

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。
1:09

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

50,477 görüntüleme • 5 ay önce