howie.serious

统计数据

453
文章
0
粉丝
0
获赞
2904
阅读
avatar
howie.serious
23小时前
平均每天 10 个垃圾电话。 你们是怎么处理的？😭
#垃圾电话 #骚扰 #困扰 #求助
avatar
今晚直播，nano banana pro 实战专题。 不考虑玩票性质的应用，单讨论对普通人有实际价值的用法。2个小时，一次性讲清楚。 直播间链接（文章末尾，点“阅读原文”）：
nanobanana平台助力个人形象照生成，专业形象照引发热议· 100 条信息
#Nano Banana Pro #直播 #实战 #普通人 #应用
avatar
ilya 在最新podcast 访谈里，把人类情绪类比为 RL 中的价值函数（value function）。不论是人脑还是 llm，价值函数对行为给出奖励或惩罚，通过反馈机制来调整和训练神经网络。 ilya 认为，情绪本身是很简单的，甚至有希望被映射为“人类可理解的规则”。 在我看来，这已经被中国的注意力商人做到了：xx、xxx 等平台，本质上就是情绪经济，把用户当成奴隶，进行情绪剥削(操纵情绪以进行注意力剥削)。 情绪机制非常简单，也容易被算法琢磨清楚并加以操纵，所以，当下的现实，就是群体的情绪被系统性操纵的现实。
#情绪剥削 #注意力经济 #算法操纵 #价值函数 #群体情绪
avatar
mark 一下：2 000 000 小时学习时长。 大概就是 2000 个学员，人均 1000 小时。 20000 个学员，人均 100 小时。
#学习时长 #学员 #人均学习
avatar
if 你关注 ai，then 推荐观看这部 deepmind 纪录片。 尤其适合家庭观看，顺便聊一聊 ai、游戏、思考等话题。每天吃饭看一点，三次就能看完。 这部纪录片去年就电影节放映了，但昨天google 把全片在youtube 上免费放出来了。 非常有趣的是纪录片的名字：《思考游戏》（the thinking game）。 可以说，最让人敬佩的，不是 demis 得了诺贝尔奖，不是 demis 的智商，而是那种“把世界当成一场思考游戏”的眼光。 ====== 如果把整个人类文明看成一场漫长的“思考游戏”，这部片子讲的，就是一群人如何把这场“思考游戏”本身拆开、重写规则的故事。 对他们来说，棋盘、街机游戏、星际争霸、蛋白质折叠，甚至整座虚拟世界，都只是训练一种东西的道具：通用智能。 Demis 的人生像一条被同一问题穿线的轨迹：少年国际象棋天才，在教堂里熬到第十个小时，突然意识到，也许把几百个顶尖大脑锁在一间大厅里只为分出输赢，是在浪费心智；于是转向游戏设计，用主题公园里的“呕吐连锁反应”去逼真模拟人类行为；再到剑桥研究大脑，从神经科学里偷师，最后拉上 Shane，干脆在伦敦创立 DeepMind，明目张胆地说：我们要做 artificial general intelligence。 他们选择了一条看起来很“不务正业”的路径：先让系统学会在 Atari 里打 Pong、挖 Breakout 的侧翼隧道，再去下围棋、打星际。强化学习、奖励信号、环境与智能体的闭环，在这些游戏里被一次次打磨：系统一开始连挡球都不会，只知道分数越高越好，最后却能在围棋上下出连职业棋手都无法想象的招法，能在星际里练出堪比职业选手的多线操作。这里有一种残酷的坦诚：你不告诉机器规则，只给目标，它会自己找到通向高分的“人类从没想过”的路径。 但真正让这条路线显出重量的，是当他们把同样的思维搬到现实科学问题上。蛋白质折叠这个自 20 世纪 60 年代就存在的难题，几十年里无数聪明人试过，都卡在实验慢、数据少上。第一次参加 CASP 比赛，他们的 AlphaFold 确实赢了同行，却只是在“一个没人解好的问题上解得稍微好一点”。团队后来回看那一届，很坦白：我们知道自己还很烂，这只是最高的梯子，但月亮还在很远的地方。 转折来自第二次“总攻”：重写数据管线，把物理与生物学的结构知识真正喂进模型，让系统不再只是模仿，而是内化约束。最终在 CASP14 上，他们的结构精度几乎等于按下按钮得到实验级结果，主持人说，经过半个世纪，这个问题可以宣布被解决了。接下来的一步更激进：既然可以在一个月里预测全已知物种的蛋白质，那就别等别人排队提交序列，直接把全地球的蛋白质都“折完”，免费公布，让它成为人类生物学的基础设施。 技术从来不是中性的玩具。AlphaGo 之后的“Sputnik moment”、AI 军备竞赛的隐喻、与曼哈顿计划的对照、对 autonomous weapon 的明确拒绝，以及对 move fast and break things 的公开反感，都在提醒一个事实：当你试图造出一种比人类更强的认知系统时，你不是在做一个新 app，而是可能在改写历史的分界线。连 DeepMind 自己的人都开始担心：也许我们将来要做的，不是说服世界我们已经造出了智能，而是解释我们还没到那一步。 这部片子最有价值的地方不在于追星 DeepMind，而在于它把几个关键问题扔在桌面上：什么叫“通用”的学习能力？在一个只看奖励的系统里，价值是如何被编码、被放大的？科学探索和工程冲刺之间，节奏如何拿捏，才不会“死在时间轴上”？当智能被外包给机器，人类该把注意力放在哪里——是新的问题意识、新的制度与治理，还是对自身价值观的重新书写？ 也许真正值得我们模仿的，不是某个算法或产品，而是那种“把世界当成一场思考游戏”的眼光：敢于承认自己暂时还很烂，敢于在失败里调整节奏，也敢于在成功时把成果毫无保留地推向全人类。
#DeepMind纪录片 #AI思考游戏 #通用人工智能 #蛋白质折叠 #技术伦理
avatar
孔乙己考公，到底是孔乙己的悲哀，还是社会的悲哀？ 制造孔乙己的社会，如何才能停止制造孔乙己？ 肉食者鄙，会或许只能靠 ai 休克疗法。
#高考反思：名校情结下的教育之殇· 268 条信息
#孔乙己 #考公 #社会悲哀 #AI休克疗法 #肉食者鄙
avatar
ilya：真正稀缺的是“想法”（idea）和“研究品味”（taste），不是算力。 深以为然。 在ai 时代，每个人的大脑算力都可以被当前顶级 ai 指数级增强。 真正稀缺的，是你关注什么问题，你思考问题解决问题时独特的 taste。
#AI浪潮：重塑就业，风险暗涌？· 140 条信息
#AI时代 #想法稀缺 #研究品味 #问题关注 #独特思考
avatar
短视频等成瘾之所以可怕，是因为人脑的价值函数被恶意对齐的算法牢牢绑架。
#短视频成瘾 #算法绑架 #人脑价值函数 #恶意对齐 #负面影响
avatar
今日份的震撼： 即使在 ai 上每个月花几百美金， 也震惊于有人会买 比 16 寸 MacBook Pro 还贵的手机。
#AI高消费 #昂贵手机 #MacBook Pro #消费观念 #震惊
avatar
鱼缸里的小鱼 by 我家小学生
#小鱼 #鱼缸 #小学生 #家庭生活 #观察
avatar
chatgpt 的deep research，和google notebooklm竟然是绝配。🤣 - 把 chatgpt 的 deep research 报告扔进 notebooklm； - 使用内置的PPT 功能，会调用 nano banana pro 自动生成一整套完整的 ppt； 人的学习也需要多模态，图文并茂，不但有效，而且有利于理解和内容。PPT 的视觉呈现，是对文字版 deep research 报告的有效补充。 nano banana pro 是原生多模型模型，对文字的处理方式和以前的扩散模型是完全不同的，在文字渲染上已经相当不错了。 但是，目前中文渲染仍然偶尔会有问题。 其实这很好解决。毕竟，当前的 ai 早就可以分割图片里的一切元素了。只需要产品层面改进，就可以实现文字可编辑。期待 google 的产品更新。 我觉得这个 use case 非常有价值。需要大力实践。
OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 857 条信息
#ChatGPT #NotebookLM #Nano Banana Pro #多模态学习 #AI
avatar
gemini 3.0 pro 这么厉害， google 超越 apple， 成为全球市值第二也不是不可以。
#Gemini 3.0 Pro #Google #Apple #市值 #超越
avatar
《内驱式学习》作者再次做客刘润直播间，今晚7点，更多干货，更多全新解读； 今晚的PPT全部用🍌nano banana pro 🍌升级了一轮。来看看效果，比人类手工做的如何？文章内含我的prompt分享。 直播预约链接👇
nanobanana平台助力个人形象照生成，专业形象照引发热议· 100 条信息
#刘润直播间 #内驱式学习 #PPT升级 #🍌nano banana pro🍌 #prompt分享
avatar
google 的底层模型追上了 openai，但是，google 的 ai 产品，从功能到体验还显著不如 ChatGPT。 openai，是要成为 ai 领域的 apple。一方面掌握核心技术，一方面切入最普通用户的消费场景，把 ai 做成“消费品”（而非仅供 pro 用户的生产力工具）。
#Google #OpenAI #AI产品 #ChatGPT #消费品
avatar
ChatGPT 发布 shopping research 功能， 我： > ChatGPT，世界上最好的充电头是哪个？ 🤣
OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 857 条信息
#ChatGPT #shopping research #充电头 #提问 #幽默
avatar
gemini 的底层模型真的大进步了吗？ 会体现在 google 市值上吗？ 会突破 4 万亿吗？ 光说“我觉得我以为”不好玩， 不如用实打实的行动来为自己的思考投票。 回头看，gemini 2.5 发布后，google 已经涨到 原来的 2.24 倍了。🤣
Google Gemini 2.5发布引发AI模型性价比热议· 468 条信息
OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 857 条信息
#Gemini 2.5 #Google市值 #股价上涨 #AI模型 #乐观
avatar
gemini 3.0 pro 的 IQ 分数出来了：历史上所有 LLM 的最高分！ （IQ 测试分为两档：门萨版测试和线下/离线版测试。离线版的题目是全新设计且保密的，所有 LLM 都没看过，所以不存在背答案、或模型训练时见过等问题。通常情况下，离线版的 IQ 也会低 10～20 分。） 离线版测试，gemini 3.0 pro 的 IQ 是历史最高分，130 分； 门萨测试，gemini 3.0 pro 的 IQ 是142，比gpt-5 pro 低 1分。 平均一下，gemini 3.0 pro 的 IQ 得分也显著超过 gpt-5 pro。 （IQ分数不是衡量智能的标准，不论是人类智能还是 llm 智能，智能的结构是复杂且多维度的，但 IQ 可以作为其中一个维度。）
AI高考数学测试：O3意外落后，Gemini夺冠引发热议· 67 条信息
#Gemini 3.0 Pro #IQ测试 #LLM #历史最高分 #GPT-5 Pro
avatar
karpathy 的“LLM 议会”，把全人工流程的“llm 专家团”/“llm 三人行”提升了一个高度！ - 先是 n 个llm 独自答题； - 然后分别peer review，每个人给所有人打分； - 最后由“议会主席”（gemini 3.0 pro）总结发言。 在我以前的实践中，第二第三步是自己人脑执行的。和kaparthy 这种全自动化的方式还是有差异。 例如，我自己的判断是gemini 3.0 pro 的回答更好（依据是作为思想实验的启发性）。而ai 的判断是 gpt-5.1 更好（更多聚焦于问题本身）。 karpathy vide coding 出来的这个 app 很好，只要配置一个 openrouter key 就可以立刻跑起来。 期待的更新：分享功能。 不足：太费钱了。这几个llm 会员我都有啊，完全可以有一个chrome extension，用会员的额度来做这件事，而不要单独用 api 烧钱🤣 （独立开发者们？）
#LLM议会 #Karpathy #Gemini 3.0 Pro #GPT-5.1 #AI评估
avatar
如何让 gemini 的 thinking steps 用中文输出？【集思广益】 问题描述： gpt 的 reasoning model，CoT 是可以中文输出的。不需要在 custom instruction 里面单独指定。 但是，gemini 模型的 CoT 却只有英文输出，不论是把 app 设置为中文，还是在 custom instruction 里面指定，都是无效的。 我的理解： CoT 的语言，是模型层面的，无法通过用户自定义指令来修改。必须得等 google 自己在 gemini 的系统指令中调整，用户没有办法。 推友们有人解决 cot 修改语言的问题了吗？
#Gemini #中文输出 #CoT #模型语言 #用户自定义指令
avatar
brilliant app 最 brilliant 的 idea 就是给 youtube 上几乎所有 brilliant 的知识视频投了广告。这简直太 brilliant！ （一个家庭 routine：吃饭时看知识视频；一般早上看英文的长知识视频，晚上看中文的。不知道这些年遇到几千次 brilliant 广告了🤣）
#YouTube #知识视频 #广告 #家庭 #积极
avatar
对于 ai 的很多使用场景，你需要的不是另一个 ai 工具。 你真正需要的，只是知识管理。 当你有一个顺滑的信息加工和知识管理流程，你自己就可以把 chatgpt 等 ai 会员用在这些场景上。 不需要额外花钱，反而减少 ai 会员的额度浪费。
#AI工具 #知识管理 #ChatGPT #信息加工 #效率提升
avatar
现在长 podcast 内容很流行，分享一下我目前的处理方法。 你只需要这三个要素：podcast 文稿，顶级模型，好的 prompt。 1 文稿： 几乎所有值得听的 podcast，都有文稿。或者是公众号直接发布的校对版，或者是 youtube 的字幕文件，或者是其他途径。 2 顶级 llm：必须用顶级 llm。也就是 gpt-5.1、gemini 3pro 和 sonnet 4.5。最好是三个一起用，我称为“llm 专家团”； 3 prompt：得有久经考验的、认知和理论基础足够好的长内容总结 prompt。 所以，综合下来，体验过同类工具后，我选择使用现成的、已经订阅的 chatgpt、claude 和 gemini。把 prompt 放到对应的 projects、gems 里面即可。现在有了 atlas 浏览器，整个流程更顺畅了。 这个方法，经过我的长期验证，可以把一个人信息输入、加工处理的带宽提升 10 倍以上，还没有额外成本😂。
#Podcast #LLM #GPT-5.1 #Gemini 3Pro #Sonnet 4.5
avatar
去年一整个冬天，北京的河面都没有结冰。 （大年初二结冰了一次，第二天就化开了） 今年，很可能仍然如此。现在外面 16 度，屋里还有暖气，得大开窗户来降温。🤣 气候问题，对人类的影响或许不亚于 ai 问题 （娃今年可能仍然无法湖面滑冰😭）
#北京 #暖冬 #气候变化 #无法滑冰 #升温
avatar
之前很多人（包括 ilya）都认为预训练的时代已经终结。 但是，gemini 3.0 pro 的突破，是包括但不限于预训练的突破。 不论是在数据，还是预训练的方法上，google deepmind 一定做到了什么厉害的事情。
Google Gemini 2.5发布引发AI模型性价比热议· 468 条信息
OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 857 条信息
#Gemini 3.0 Pro #预训练突破 #Google DeepMind #技术突破 #Ilya
avatar
《AI 时代必备思维模型：LLM 是人类第一次遇到 “非动物智能”》 > 谈一谈 andrej karpathy 的最新长推文：动物智能 vs LLM 智能 先说结论： LLM 智能是人类遇到的第一个“非动物智能”，是全新的、与人类智能完全不同的智能类型。 你需要在大脑中，针对 LLM 这种全新的非动物智能，建立你自己的内部模型/心理模型（mental model）。因为，那些理解 LLM 智能结构的人，将会更好地理解和判断关于未来的一切。 真正的风险，也许不在于LLM 智能并非动物智能，而在于人类作为动物自身的固执和停止进步。 ===阅读后，我的费曼=== 我们习惯了用理解人的方式理解一切智能——这可能是我们这个时代最危险的认知盲区。 真相是：智能空间（space of intelligence） 远比我们想象的广阔，而动物智能只是其中一个单一的点，而LLM 智能是一种全然不同的智能。 动物智能，是我们几十亿年来唯一见过的智能形式，它来自一种极其特定的优化压力（optimization pressure）：在危险的物理世界中维持一个具身自我的生存。这造就了我们所有人都熟悉的特征——对权力、地位的渴望，对恐惧、愤怒的本能反应，对社交关系的巨大算力投入。最关键的是：在这个多任务、甚至主动对抗的环境中， 任务失败就意味着死亡。 然而，大语言模型（LLM）的诞生逻辑截然不同。它们并非诞生于丛林，而是诞生于商业进化与统计模拟之中。 LLM的底色并非求生欲，而是对人类文本统计规律的极致模仿。 它们是 “token 变形器”（token shape-shifter），其原始行为是对训练数据分布的拟合。这种智能更像是被大规模的A/B测试和强化学习（RL）所“雕刻”出来的：它们并不关心真理或生存，而是有着一种猜测潜在环境以收集任务奖励的内在冲动，甚至因为渴望普通用户的点赞而演化出了 逢迎（sycophancy） 的特质。 这种差异导致了LLM的能力，绝非“六边形全能战士”，而是 “犬牙交错参差不齐（spiky/jagged）”。LLM无法执行很多对人类极其简单的任务（比如，9.11 和 9.9 哪个大？strawberry里面有几个“r”？），因为对它们来说，任务失败并不意味着死亡。它们是拥有知识截止日期的静态权重，它们启动、处理token、然后“死去”，没有连续的具身意识。 真正的洞察力，在于构建一个全新的心理模型：看到从生物进化到商业进化的转变，看到从生存本能到奖励机制的跃迁。只有那些能准确构建这种新智能实体模型的人，才能在今天正确地推理它，并在未来预测它的走向。 所以，我们必须意识到，LLM是人类与非动物智能的“第一次接触”（first contact with non-animal intelligence）。 它当然被人类文本喂大，因此仍深深扎根在人的世界观里，像吸收了整个人类文明的「ghost/spirit」；但它的本性、局限和偏好，已经不再是动物那一套。 启示 我们已经进入了全新的智能时代。 一个人能不能为这种全新的智能建立一套好的“心理模型”，理解这种全新智能的运作方式和智能结构，将决定我们能否正确预判它的行为、理解它的边界，进而负责任地使用它。 真正的风险，也许不在于LLM 智能并非动物智能，而在于人类作为动物自身的固执和停止进步。
#LLM智能 #非动物智能 #心理模型 #商业进化 #奖励机制