兄弟们，这个有点意思 Google最新研究：直接接让AI观看 YouTube 视频，从视频中学习如何操作电脑训练AI操作电脑，需要大量“人类是怎么用电脑的”例子，也就是UI操作轨迹 👉 这些轨迹记录每一步操作前后的屏幕状态、动作类型、位置坐标、输入文字等。但是手工标注这些数据极其昂贵和费时费力... 于是，Google 提出了一个非常自然的问题：互联网上那么多教学视频（如Yo

#Google #AI #Watch & Learn #YouTube教程 #自动化

相关新闻

郭宇 guoyu.eth

1小时前

在返回东京的航班上思维漫游，漆黑的客舱里，唯有出口的标志牌亮着，忽然想到中日韩三种不同的语言中，汉字系统略有不同，譬如「出口」的出字，右下角是否出头，并不影响这三种母语者理解这个文字，其他汉字也有类似的经验，多一撇或少一捺，并不影响我们的阅读，在视觉系统中，大脑收到信息，实际识别的是图像模式，大脑并不在乎语言，也不了解语言的符号，只提供相似模式的向量索引，这样的工作模式，与 AI 有什么不同呢？当

Geek

1小时前

何止是入脑入心入魂，AI 居然把我直接带回了小时候那个熟悉的地方。

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

2小时前

开源，正像一位现代的普罗米修斯，将AI的火种从少数巨头的奥林匹斯山上盗下，带给凡人。这火种，蕴含着恢复符号接地的希望，是戳破单一资本叙事泡沫的最好武器。

白板报 Whiteboard

3小时前

给丢勒找个女朋友。Grok Imagine 提示词 Add a girlfriend

初码

3小时前

有这么一家公司，当他提出和Oracle、NVIDIA、AMD、Broadcom都要搞大合作的时候，他等同于在说，我要在云服务对接、通用人工智能系统开发、专用芯片和系统开发的基础上，还必须搞闭源（开源和专用芯片永远矛盾）。如果你相信科学规律，你就需要知道，一个公司如果连做大型应用架构的团队沉淀都没有，那么在工程扩张的时候，一定会成本级数倍增，OpenAI没搞清楚一个事实，他依旧是一个现金流远期也永远

关联事件

谷歌Deep Research：AI操作系统雏形？

谷歌开源Deep Research系统，利用LangGraph Agent和Gemini API实现动态网络搜索和迭代式信息反思，旨在帮助用户从海量信息中获取高质量资料。该系统支持不同搜索力度，允许用户控制搜索的广度和深度。社区积极探索其功能和应用，有用户体验后认为其预演了“AI操作系统”的形态，使自然语言成为操作系统的主入口。项目持续发展，展示了良好的Agent架构和搜索策略，旨在通过AI驱动为用户提供智能搜索和深度研究的解决方案，其潜力已引起广泛关注。