宝玉

统计数据

502

文章

0

粉丝

0

获赞

3041

阅读

5个月前

Cloudflare 推出「AI迷宫」，专门忽悠爬虫机器人！与其阻止爬虫机器人，不如主动把它们引进一个由AI生成的「废话迷宫」，让它们自我迷失。作者：韦斯·戴维斯（Wes Davis） 2025年3月22日发布于《The Verge》全球最大的网络基础设施公司之一 Cloudflare 最近发布了一个叫做「AI迷宫」（AI Labyrinth）的全新工具，专门用来对付那些未经允许、到处抓取网页内容的爬虫机器人（Web Scraper）。这些机器人往往是为了获取免费数据，拿去训练AI模型。根据Cloudflare在官方博客上的介绍，当系统检测到有“异常的爬虫行为”时，这个免费的可选工具就会开始发挥作用。它会引导这些坏机器人走进一个充满链接的迷宫。这些链接指向的全都是AI自动生成的「虚假页面」，而这些页面里的内容都是毫无价值、用来迷惑机器人的废话。目的是：“让这些不怀好意的机器人变得越来越慢、越来越迷茫，最终耗尽他们自己的资源”。一直以来，网站管理员通常使用一种叫做「robots.txt」的文本文件，它像是君子协议一样，告诉爬虫哪些页面能抓，哪些不能碰。然而，许多AI公司，甚至是知名公司，比如 Anthropic 和 Perplexity AI 都曾被指控故意忽视这种协议，随意抓取网页内容来训练自己的AI模型。 Cloudflare表示，每天大约会收到超过 500亿次来自网络爬虫的访问请求。虽然公司已经有了识别和拦截恶意爬虫的工具，但恶意爬虫总会迅速改变策略，形成一场永远无法停止的技术「军备竞赛」。这一次，Cloudflare换了一种更聪明、更讽刺的方法：不再直接拦截机器人，而是把它们「带偏」。具体来说，「AI迷宫」会让机器人花费大量时间处理完全与目标网站无关的数据，陷入无止境的AI生成页面里。 Cloudflare还把这个功能称为“下一代的蜜罐陷阱”（Honeypot），因为人类访问者很容易分辨哪些链接是无用的，不会去点；但机器人会毫无顾忌地追逐每一个链接，越陷越深，无法自拔。通过这种方式，公司可以轻松记录机器人的行为模式，快速识别出新的爬虫类型，并不断优化自己的防御工具。为了防止生成的虚假内容造成误导或传播假消息，Cloudflare强调这些生成的内容都是基于真实的科学事实，只是与目标网站完全无关，让机器人抓取的数据没有任何真正价值，也无法用作训练AI的有效数据。目前，网站管理员只需前往自己Cloudflare管理后台中的“机器人管理”（Bot Management）界面，打开对应的开关，就能轻松使用这个工具。 Cloudflare表示，「AI迷宫」只是他们利用生成式AI来反制恶意爬虫的第一步。接下来他们的计划更加雄心勃勃：构建一整个由大量虚假页面组成的网络，让机器人彻底迷失其中，甚至难以察觉自己陷入了陷阱。科技媒体 Ars Technica 也指出，这种「AI迷宫」的理念类似于另一种名为 Nepenthes 的工具，据称Nepenthes能让机器人被困在虚假内容里长达“几个月”，消耗大量时间和资源。

#CloudFlare #AI迷宫 #爬虫机器人

5个月前

如何写好提示词？手把手教你用提示词玩转 AI（1）如今，AI 已经无处不在，从聊天机器人、内容创作、程序开发，到工作学习中的各种辅助工具。但你有没有遇到过这样的情况？ • AI 给出的答案文不对题？ • 输出的内容一团糟？ • 生成的文本不够具体，无法直接使用？这些问题的根源，往往并不在 AI，而在于你写的「提示词」（Prompt）还不够清晰。要知道，AI 并不能真正理解你脑子里在想什么，它只能根据你输入的提示词，猜测你的需求。本文将带你一步步学会写出高质量的提示词，从此让 AI 成为你的好帮手！什么是提示词（Prompt）？提示词是你告诉 AI 做什么、怎么做的一段描述。一个好的提示词，通常由四个关键要素组成： • 指令（Instruction）：你想让 AI 做什么？ • 上下文（Context）：AI 完成任务需要哪些背景信息？ • 输出格式（Output Format）：你希望结果以什么样的形式输出？ • 角色（Role）：AI 应该以什么样的身份来执行任务？掌握了这四个要素，你就能精确地控制 AI 生成的结果。一、指令（Instruction）—— 清晰明确是关键！指令到底是什么？指令就像是你给 AI 下达的命令或提出的问题，比如： • 「帮我总结一下下面这篇文章的核心观点。」 • 「写一篇介绍人工智能发展历史的科普文章。」但并不是所有的指令都是好指令。什么样的指令算好的？ ❌ 不好的指令示例： • 写篇文章 • 做一个小游戏 • 起个好名字这些指令模糊不清，让 AI 无法确定你到底想要什么。 ✅ 好的指令示例： • 写一篇探讨人工智能在医疗诊断中应用的 1000 字文章，面向中学生，语言简单易懂，科普风格。 • 写一个可以在网页上运行的 3D 贪吃蛇小游戏，要求画面流畅，支持键盘操作。 • 为我的 AI 写作产品分别取 3 个创意、易记、突出主题的名字。可以看到，清晰具体的指令能极大提升 AI 工作效果。二、上下文（Context）—— 让 AI 更懂你上下文是什么？上下文指 AI 完成任务时所需要的额外背景信息，比如你正在写的论文草稿、公司过去的数据资料、具体任务的相关参考材料等。举例来说： • 「以下是公司过去三年的销售数据，请分析后给出提升销售的建议。」 • 「我正在撰写人工智能方面的论文，这是我的初稿，请帮我完善，并添加适合引用的学术文献。」上下文可以是你自己提供的内容，也可以是 AI 之前生成的内容。为什么上下文很重要？ AI 并不知道你脑子里的信息。缺乏上下文，它只能盲目地猜测，生成的内容自然会偏差甚至离题。例如你说：「帮我写一份简历」。 AI 并不知道你的背景、技能、求职目标，只能泛泛而谈。但如果你给它提供上下文，例如： • 你的个人信息（姓名、学历、项目经验） • 目标职位和目标公司的文化背景 AI 就能轻松写出一份精准、适合你的简历。如何提高上下文质量？ • 检查自己有没有提供任务所需的全部信息。 • 主动向 AI 提问：「写好这篇文章，你还需要知道什么？」 • 提供参考案例或范文，让 AI 更清晰你的预期。三、输出格式（Output Format）—— 让 AI 更好交作业输出格式是告诉 AI 你想要结果以怎样的形式展现。例如： • 「请用表格展示以下信息，列分别为日期、事件、影响。」 • 「生成一份 500 字左右的摘要，要求分为引言、主要观点和结论三个部分。」 • 「请以 Markdown 格式输出，使用一级标题、二级标题和有序列表。」常见易用的输出格式有哪些？ • 文本类：Markdown、CSV、JSON、XML • 图示类：流程图（Mermaid）、思维导图 • 代码类：各类编程语言代码示例 • 数学公式：LaTeX 格式如何精确指定格式？最简单有效的方法： • 提供一个清晰的示例（few-shot）：展示期望的输出模板。 • 详细描述每个部分的内容要求。 • 用伪代码或类型定义告诉 AI 结构。例如你要 AI 生成一段 JSON：请生成如下 JSON 格式： { "title": "文章标题", "content": [ { "heading": "一级标题", "paragraph": "内容段落" } ] } 这样 AI 就能轻松给你所需的精准格式。四、角色（Role）—— 让 AI 拥有“灵魂” 角色就是 AI 在完成任务时扮演的身份。你可以不设置角色，但合适的角色能让 AI 更精准地把握你的需求，提供更专业的服务。例如： • 「你是一位经验丰富的软件工程师，帮我审查并优化下面这段代码。」 • 「你是心理咨询师，请用温和、共情的语气帮我分析下面的问题。」 • 「你是一名苏格拉底式导师，请通过启发式的提问帮助我理解人工智能概念。」角色设定的好处在于： • 明确 AI 的任务边界和思考角度。 • 让 AI 更精准地使用它训练过的特定领域知识。综合示例：用好这四个要素，你就掌握了提示词的精髓现在我们结合上面所有要素，看一个完整的高质量提示词示例：任务：帮我写一个关于人工智能在医疗领域应用的总结。「你是一位擅长用通俗语言讲解科技的科普作家（角色）。请结合下方提供的两篇学术论文的摘要（上下文），写一篇适合初中生阅读的 500 字以内的总结文章（输出格式）。文章要通俗易懂，举至少两个具体的例子来说明人工智能如何改善医疗诊断效率（指令）。」这样的提示词，AI 就会迅速准确地生成你想要的内容。总结：写好提示词的秘诀你要牢牢记住提示词的四大要素： ✅ 指令清晰具体 ✅ 上下文完整充分 ✅ 输出格式明确 ✅ 角色定位精确下次再用 AI 时，不妨拿出这套方法练一练，相信你会得到意想不到的满意结果！

#AI提示词 #人工智能 #提示词写作 #AI使用技巧 #生成式AI

5个月前

MCP 吹的很厉害的一个功能就是 Sampling 双向通信，结果没有一个客户端支持的！

#MCP #Sampling #双向通信 #客户端支持 #技术缺陷

5个月前

TechCrunch：Anthropic公司似乎正在使用Brave搜索引擎，为旗下的Claude聊天机器人提供网页搜索功能作者：Kyle Wiggers 本周早些时候，人工智能公司Anthropic为旗下的聊天机器人平台Claude推出了网页搜索功能，这使Claude在功能上追平了许多竞争对手。最初还不清楚Claude使用的是哪家的搜索引擎——有人猜测Anthropic可能开发了自己的搜索系统。不过，有迹象表明，他们实际上使用的是Brave浏览器公司提供的Brave搜索引擎。本周五，软件工程师Antonio Zugaldia注意到，Anthropic在官网文档中悄悄把“Brave Search”添加到了合作伙伴列表中，这个列表专门列出那些帮Anthropic处理Claude数据的外部公司。此外，英国程序员Simon Willison发现，通过Claude搜索某些内容时，返回的引用来源与Brave搜索结果完全一致。他还注意到，Claude搜索功能中存在一个名为“BraveSearchParams”的参数（参数即编程代码中的特定设置）。 Brave此前已为其他聊天机器人提供网页搜索服务，比如Mistral公司旗下的聊天机器人Le Chat。今年2月，Brave与Mistral宣布，Le Chat已采用Brave提供的搜索API，以实现实时的网页搜索功能。有一些AI公司对合作的搜索引擎信息守口如瓶，可能是出于竞争的原因。比如，OpenAI就与必应（Bing）达成了搜索合作，但ChatGPT实际使用的搜索结果来源可能还包括其他未公开的渠道。

#Anthropic #Claude聊天机器人 #网页搜索功能 #Brave搜索引擎 #人工智能

5个月前

话说你们天天吹 AI 能一键复刻网站的，有哪个能复刻 openai fm 的吗？我试了一圈没一个能行的……

#AI #网站复刻 #OpenAI

5个月前

“自从团队开始用了 AI 写代码”

#AI编程 #团队协作 #代码自动化

5个月前

现在不少人都焦虑，担心 AI 迅速崛起后会取代很多职业，导致不知道该怎么选专业，尤其是对高考志愿迷茫的同学们来说，更是难上加难。虽然现在还不是报考季，正好在微博上讨论到这个话题，就捎带着写写我的看法，在 AI 时代，该如何选择适合自己的专业，一家之言，仅供参考。我的观点很简单： 1. 回归初心，选择自己真正热爱的专业不要盲目跟风去报所谓的“热门专业”，因为真正决定你能走多远、走多高的，是你对这个领域的兴趣与热情，而不是短期内的热门程度。 2. 如果实在不知道喜欢什么，那就报基础学科比如数学、物理、化学、经济、统计等基础专业，打牢基本功之后，再根据兴趣转专业，或者读研究生时再选择适合自己的方向。基础越扎实，未来的灵活性就越高。 3. 计算机专业仍然值得考虑如果你对计算机感兴趣，就大胆选择，不用过于担心被 AI 取代，因为未来对计算机人才的需求不会减少，只是能力要求会有所变化。为什么大家如此担忧 AI？很多人对 AI 的恐惧，主要是受到媒体“夸张式”宣传影响，加上自身对 AI 技术了解不足，才产生了焦虑。诚然，AI 已经改变了不少行业，也取代了一些传统工作，但更多的，AI 是提升了普通人的能力下限，同时也大幅提高了专业人士的效率。什么是提升普通人能力的「下限」呢？如果把专业能力比作 0 到 100 分，我们以英语翻译为例： • 在没有 AI 时，普通人靠自己可能只能达到 30 分。 • 有了 AI 翻译工具之后，普通人借助 AI 可以轻松达到 70 分左右，这对很多日常沟通场景已经足够了。 • 但如果是法律、医学等需要极高准确性的领域，比如需要达到 90 分以上，那么 AI 就不够用了，还是得靠专业人士把关。再以软件开发为例： • 过去普通人根本不懂编程（0 分），现在借助 AI 工具，可以达到 30-40 分，做一些简单的网站或应用原型变得容易。 • 但稍微复杂的、专业性较高的软件开发，AI 目前还远远不够，这时专业的软件工程师就非常重要。什么是加倍提升专业人士效率？对于专业人士来说，AI 的帮助更加明显： • 比如一名翻译，以前翻译一篇文章可能要几个小时，现在借助 AI，只需十几分钟对结果进行修改和润色，就能达到专业标准。 • 再如程序员，有了 AI 的协助，开发效率提升 30%以上，有些任务甚至可以翻倍，且还能降低出错概率。有了 AI 的加成，专业人士的能力也可以横向扩展到其他相似领域。比如我是个熟练的 TypeScript 工程师，本来不懂 Python，但现在我借助 AI，可以快速用 Python 做出质量不错的项目，因为我可以复用已有的架构设计、编程思维和经验，而语言本身的差异 AI 会帮我快速弥补。但对于完全不懂软件开发的人来说，即使使用 AI，也只是被动地接受生成结果，很难对其进一步优化或创新。换句话说，如果你有扎实的专业基础，在 AI 时代，普通人与你这样专业人士的差距只会更大，而不是更小。为什么计算机专业依然值得报考？很多人质疑，“计算机专业最火，不就意味着以后竞争最激烈吗？” 其实并不是这样，热门并不一定代表竞争就会非常内卷，核心还是取决于市场需求。如果需求足够多，岗位足够丰富，即使从业人数多，也不会出现明显的过度竞争。可以预计的是，未来随着 AI 技术深入各行各业，会产生大量与计算机相关的新需求，比如 AI 工程师、数据分析师、跨领域软件开发等。未来计算机专业的技能要求确实会变化，主要是两个方向： 1. 专业型技能：深入学习计算机和 AI 领域的核心技术，成为顶尖技术人才。 2. 跨领域整合型技能：不需要编程能力达到顶尖，但需要你具备某个特定领域（比如医疗、金融、教育）的专业知识，能够用计算机和 AI 技术进行行业创新或升级，像医疗领域的 AI 辅助诊断等。此外还有一些通用技能，AI 是难以取代的，比如： • 工程思维与解决复杂问题的能力 • 创新意识与创造力 • 管理能力，沟通协作与跨领域协调能力这些都是人类特有的优势，即使 AI 再厉害，也无法彻底替代。无论选哪个专业，真正重要的还是你内心的兴趣和长期坚持的毅力。因为专业并非报了就能成为专家，而是需要投入大量时间与精力反复磨练。如果不是你真心热爱的领域，很难坚持到底。很多人只是为了薪资高、市场需求大才选择了计算机，但当行业有波动时，他们往往就会非常被动。在 AI 时代，最不容易被取代的，是那些愿意深入思考、持续学习和不断进化的人。选择你所爱，爱你所选，AI 时代的未来其实属于那些拥有明确目标并勇于拥抱变化的人。希望你也能找到自己的热情所在，并在未来，和 AI 一起变得更加强大。

#AI #职业选择 #高考志愿 #人工智能 #专业选择 #焦虑 #未来

5个月前

媒体总想制造个大新闻制造点焦虑！媒体：美国程序员的就业人数已跌至1980年以来的最低水平!那可是互联网存在之前的好多年了。真实情况：美国政府的数据里程序员 ≠ 软件工程师。大部分程序员供职于专门给企业编写软件的公司。虽然软件业整体近年来也不景气，但并没有像程序员这么惨烈。一个关键差别：程序员和软件工程师虽然平时看起来差不多，但美国政府的数据里却分得很清楚。程序员：负责最基础的代码编写，通常是按照别人给出的具体说明来工作，也就是所谓的“码农”。软件工程师：除了写代码外，还要自己设计软件方案，分析客户需求，与客户沟通、规划项目，他们拿更高的工资，工作范围更广。 2023年，程序员的年收入中位数是99,700美元，而软件工程师则高达132,270美元。自2022年以来，程序员职位减少了27.5%，而软件工程师职位只下降了0.3%。

#美国程序员就业 #软件工程师 #媒体误导 #行业就业数据

5个月前

英伟达宣布：“通用机器人时代”已经来了！英伟达（Nvidia）今天宣布正式发布名为Isaac GR00T N1的机器人基础模型。这是一款开源、可定制的预训练人工智能模型，专门用来加速类人机器人（人形机器人）的开发和应用能力。英伟达创始人兼CEO黄仁勋（Jensen Huang）在2025年的GTC大会主题演讲上表示： “通用机器人时代正式来临。借助Isaac GR00T N1模型和全新的数据生成与机器人学习框架，世界各地的机器人开发者将开启人工智能新时代的下一片疆域。” 在现场演示环节中，黄仁勋展示了由挪威公司1X Technologies开发的类人机器人NEO Gamma，它成功自主地完成了家居环境中的整理工作。这一能力来自于基于GR00T N1模型训练后的策略。 1X Technologies的CEO贝恩特·伯尼奇（Bernt Børnich）说： “类人机器人的未来在于适应能力与自主学习能力。英伟达的GR00T N1模型实现了机器人推理与技能上的重大突破。通过少量的二次训练数据，我们就能顺利将它部署到NEO Gamma机器人上，让我们距离‘创造出真正能与人类相伴、产生有意义帮助的机器人伙伴’这一目标更进一步。” 也许你还记得，几个星期前Nothing手机发布预告视频时，就曾出现过这款逼真到诡异的机器人。不过我们当时没有报道，因为看起来实在太像“真人穿着机器人外套”了（感谢你啊，马斯克）。除了1X Technologies以外，其他几家机器人公司也提前体验了GR00T N1模型，包括：波士顿动力（Boston Dynamics）：Atlas机器人的开发公司 Agility Robotics Mentee Robotics Neura Robotics 双系统架构：像人类大脑一样工作早在一年前，英伟达首次公布GR00T模型时，它的设计理念就明确表示灵感来源于人类大脑的双系统认知架构：系统1：被称为“快速行动模型”，类似人类的本能反应与直觉，可以迅速做出反应。这套系统使用的是通过人类实际示范动作，以及英伟达自家Omniverse平台生成的虚拟仿真数据训练而成。系统2：则是更为理性的“慢速思考模型”，由视觉语言模型驱动。它负责观察周围环境、理解人类给出的指令，并仔细思考后制定详细的行动计划。接着，这些计划会交由系统1快速执行，转化为精准、流畅的机器人动作，比如单手或双手抓取物品，以及执行复杂的、多步骤的任务。开放模型：人人可用、人人可定制 GR00T N1是一个已经预先训练好的通用机器人基础模型，具备基本的类人推理与技能。但开发人员可以根据具体需求，通过额外的二次训练（post-training）来自定义机器人更具体的能力和行为表现，比如家庭整理、办公室工作，甚至更复杂的特殊应用场景。目前，英伟达已经将GR00T N1的训练数据和任务评测场景免费公开在著名平台Hugging Face以及GitHub上供全球开发者下载使用。机器人是取代你工作还是成为你家中的贴心帮手？英伟达认为，这个问题现在已经开始交给我们自己来选择了。

#英伟达 #通用机器人 #人工智能 #机器人革命 #黄仁勋 #GTC大会 #2025

5个月前

一个 X 经验分享：如果你的推文超过140字，那么引用的视频或者推文链接要放在前面不会被折叠的位置，否则被折叠后就不会出现你引用的视频

#社交媒体 #推特使用技巧 #信息展示

5个月前

Anthropic AI 分享的应用案例：Pensieve 携手 Claude 打造个性化 AI 助教，让高等教育焕然一新 Pensieve 公司利用 Claude AI 技术，推出专为高等教育打造的 AI 助教系统，大幅提高教学质量与效率。系统包括 AI 批改助手（AI Grader）和 AI 导师（AI Tutor），帮助顶尖大学大幅节省批改作业的时间，并为学生提供全天候个性化学习辅导。通过 Claude 技术，Pensieve 带来了切实可见的成果： - 作业批改时间减少了一半 - 在大型计算机入门课程中，学生的期中成绩提高了 7% - 学生在讨论课上提出问题的数量提升了 5 倍 - 使用 Claude 3.5 Sonnet 模型后，将传统 PDF 转换为互动作业时，准确率提高 15-20% - 进一步升级到 Claude 3.7 Sonnet 后，准确率再提升 5% 直面当代高校教育的痛点挑战 Pensieve 创始人杨允硕（Yoonseok Yang）在加州大学伯克利分校（UC Berkeley）念书期间，亲身体会到大规模高校中个性化教学资源匮乏的困境。“伯克利这样的大型公立大学，学生人数众多，但助教和学习资源的配备却远不及私立或规模较小的院校，”杨允硕回忆道。这段经历让他深刻意识到，学生在大班教学环境下很难得到个性化的帮助。 Pensieve 的使命，就是开发一款 AI 助教系统，既能支持有限的人类助教团队，又能为学生提供个性化的学习体验。看到许多 AI 工具被教师视作“作弊神器”，杨允硕决心打造一款推动学生培养批判性思维的 AI 助教。“我们希望做一个被学校认可、被教师喜爱的 AI 助教工具，而不是被看作作弊工具，”他说。这种理念吸引了哥伦比亚大学、哈维穆德学院（Harvey Mudd）乃至他母校伯克利分校等名校教师的支持和合作。 Pensieve 为何选择 Claude 作为 AI 助教的核心引擎？在比较了多个 AI 模型后，Pensieve 最终决定使用 Claude，这主要是因为 Claude 在教育领域表现出色。杨允硕说：“Claude 在质量和成本上一直表现最稳定、最准确。”当他们切换到 Claude 3.5 Sonnet 模型后，AI 批改的准确性提升了 20%，将 PDF 文件转换成互动式作业的准确率也提高了 15%。这些都是构建精准 AI 辅导体验的重要基础。除了性能指标外，Claude 在遵循教师指令上的出色表现，也是保障学术诚信的关键。“Claude 比其他模型更善于听从并严格执行指示，”杨允硕强调，“比如要求学生在获取提示前必须先展示自己的解题过程，Claude 会坚定地执行这一点。” Pensieve 平台允许教师自定义 AI 政策，比如，“老师可以要求学生必须先解释自己的思考过程，才能得到 AI 提示。”当学生试图反复点击“提示”按钮而没有展示自己的想法时，“Claude 就会坚持让他们先给出解题思路，”杨允硕解释道。这种功能确保了学生思维能力的锻炼，有效解决了老师对 AI 工具的主要担忧。 Claude 如何帮助实现大规模个性化教学？ Pensieve 利用 Claude 技术，创建了一个覆盖教学全过程的 AI 生态系统，帮助师生共同解决教学痛点。有了 Claude，Pensieve 可以提供给教师： - AI 批改功能，大幅减少批改所需时间 - 个性化校准系统，确保 AI 评分符合教师个人标准 - 课堂数据分析，实时掌握学生学习进展情况 - 静态 PDF 文档快速转换为动态互动作业 - 灵活定制的 AI 政策，严格执行学术诚信标准其中，AI 批改的校准过程尤其新颖。“很多老师其实一开始批改作业时并没有明确评分标准，”杨允硕说。Pensieve 系统会自动分析学生提交的所有作业，将类似的错误分类并给出典型案例和初步评分建议。老师再根据 AI 生成的结果调整评分标准，快速“教会”AI 以教师自己的方式评分。引入 Pensieve 作为正式 AI 助教后，学生将得到以下明显的学习体验改善： - 历年考试题和作业实时互动解答，有 AI 导师 24 小时在线指导 - 根据课程资料引用给出精准答案的课堂笔记辅助 - 在课堂讨论环节实时得到 AI 导师协助解惑教学成效真实可测，课堂效果显著提升 Pensieve 的 Claude 驱动平台，为教师和学生双向提供了可量化的教育成果。对老师来说，Pensieve 带来课堂管理的彻底转型。他们节省大量时间，例如以往耗时长久的大量考试批改工作现在耗时缩减一半，并且首次拥有了深度洞察学生学习模式的工具。“Pensieve 让老师一眼就能看到各小组学生卡在哪里，从而更精准地展开教学干预，”杨允硕说。这种能力帮助老师快速识别课堂中默默挣扎的学生，将教学精力集中在真正需要帮助的人群。对学生而言，效果也非常明显：在大型计算机基础课中，学生的期中考试成绩整体提高 7%，学生主动在课堂讨论中提出问题的频率更是提升了 5 倍。“学生们很喜欢随时随地都能提出问题，”杨允硕表示，“有了 AI 导师，他们不再需要苦苦等待人类助教解答自己的疑问。” 最近，杨允硕还和伯克利研究团队一起在顶级计算机教育大会 SIGCSE 2025 上发表了论文，展示 Pensieve AI 助教在伯克利 800 名学生参与的计算机基础课中带来的显著效果。“我们清晰地看到了学生满意度、合作意识和提问数量的显著提高，”杨允硕说。 AI 增强教育的未来愿景在 Pensieve 看来，未来的 AI 助教会成为高校教育的重要伙伴。“AI 可以补充人类助教无法涵盖的领域，比如凌晨 2 点回答学生的疑惑，或者短时间内批改上百份作业，”杨允硕说。 Pensieve 计划打造一个完整的学习记录系统：“最好的老师必须了解学生完整的学习历程，”杨允硕解释道，“这样才能针对每个学生的强项和弱项提供真正个性化的辅导。” 与 Anthropic 合作，Pensieve 正在创造一个 AI 赋能教育，而不取代人类关键学习技能的未来。“AI 是一项能够激发人类创造力和学习动力的强大技术，”杨允硕总结道，“我们的使命，就是设计能帮助学生提升批判性思维的 AI 系统，而不是代替他们去完成学习任务。”

#AnthropicAI #Pensieve #Claude #AI助教 #高等教育 #AI批改助手 #AI导师

5个月前

Anthropic AI 分享的应用案例：Super Teacher 携手 Claude，为小学打造个性化 AI 导师 Super Teacher 是一家快速成长的 AI 教学平台，专注于小学阶段的个性化辅导服务。通过使用 Anthropic 公司开发的 Claude 人工智能模型，Super Teacher 成功地为全美的小学课堂提供了定制化的教学方案，并让每个孩子在家中也能享受不限时的私人辅导。在 Claude 的帮助下，Super Teacher 实现了： - 工程和内容团队的效率提高 2 倍 - 自动完成软件开发初始工作的 80% - 很多项目的开发时间从数周缩短到了几个小时 - 成功创建和维护了覆盖学前班到小学五年级、涵盖数十个学科的 1000 多节优质课程 AI 教育的两大难题，如何攻克？ Super Teacher 创始人 Tim Novikoff 表示：“打造一名 AI 导师需要完成两件重要的事：第一，建立一个能够大规模实现自动教学的平台；第二，为这个平台开发海量的教育内容。” 而在儿童教育领域，对安全的要求极为严格。Super Teacher 必须确保：任何由 AI 生成的代码或教学内容，在抵达孩子们之前，都经过严格的人类审核和批准。团队迫切需要一种快速又安全的解决方案，来生产丰富有趣的课程和互动游戏，同时达到严格的质量标准。为何最终选择了 Claude？为了找到最合适的 AI 工具，Super Teacher 曾举办多次内部黑客马拉松（Hackathon），评估了谷歌、Meta、OpenAI 等公司提供的多种人工智能模型。创始人 Novikoff 说：“我们的工程师们一致认为，Claude 的表现远超其他模型。此外，Anthropic 在 AI 安全领域享有盛誉，更关注实际效果，而不是炒作，这一点非常适合我们。于是，我们决定全力以赴与 Claude 合作。” 安全与性能的完美结合，对于服务小学生群体的 Super Teacher 尤为重要。Novikoff 表示，他们团队对 Claude 的快速上手体验也印象深刻：“从开始使用 Claude，到完全融入我们平台开发，只用了不到一天时间。” Claude 如何改变教育开发方式？ “Claude 让我们的工程师可以把精力集中在更高级别的开发任务上，也让我们的内容创作者能够专注于他们最热爱的创意工作，而不是日常琐碎事务。”Novikoff 介绍道，“我们的内容团队成员大都是小学老师出身，他们更喜欢做的，是在 AI 生成的内容基础上，加上生动的插图、音乐、音效和孩子们喜欢的幽默元素。” 目前，Super Teacher 通过 Claude 实现了两大功能： - 软件开发：Claude 自动生成教育游戏和互动内容的初步代码，再由工程师人工审核和完善后投入使用。 - 内容创作：Claude 提供课程初稿，再由经验丰富的老师将其转化成孩子们喜欢的精彩课程。 Novikoff 再次强调安全第一：“所有内容或代码在发布前，必须经过人工的严格审查。” Claude 为学校带来了哪些实际改变？ Claude 显著提高了 Super Teacher 的开发速度，彻底改变了他们打造教育工具的方式。Novikoff 分享了一个典型的例子： > “有一次，我们一位工程师要制作一款拼写游戏，以前类似的项目他需要花几周时间从零开始开发。这次，他直接把需求告诉了 Claude，几个小时后，这款游戏就完成了 80%。这种效率让我们能把更多精力用在提高教学效果上，而不是基础编程工作。” 效率的提升并不仅限于个别项目。如今，Super Teacher 已经创建并持续维护了超过 1000 节严格符合安全标准的高品质课程。Novikoff 特别强调：“涉及儿童教育，我们对孩子的隐私和数据安全绝对零容忍。而 Claude 能帮助我们的工程师和教师提高工作效率，同时确保了安全和质量绝不会打折。” 共建 AI 教育的美好未来 “我们引入 AI 的目的，与我们的根本使命一致——那就是为孩子们提供高品质的家庭私人辅导，以及课堂上差异化的个性教学。”Novikoff 说，“AI 只是实现这一目标的工具之一。”他也指出，有些公司盲目追逐 AI 潮流，却并未真正考虑如何对儿童产生积极影响，反而容易弄巧成拙。 Super Teacher 则坚定地与 Anthropic 合作，致力于用 Claude 打造更高品质的 AI 教学体验。Novikoff 总结道：“我们期待与 Anthropic 一起，真正兑现 AI 技术的承诺——不是为了吸引眼球，而是为了让每个孩子都能体验到实实在在的学习成长。”

#AI教育 #个性化教学 #小学教育 #AI导师 #Anthropic #Claude模型

5个月前

亚马逊计划裁员1.4万名管理岗位，每年节省35亿美元作者：Nickie Louise 发布日期：2025年3月17日亚马逊准备在2025年初之前裁掉约1.4万个管理岗位，每年预计能节省21亿到36亿美元。这意味着亚马逊全球管理层人数将减少13%，从原来的10.57万人减少到9.19万人左右。此次裁员紧随亚马逊最近在传播部门和可持续发展部门的裁员行动，目的是进一步精简公司架构，让团队运转更加灵活高效。根据《商业内幕》报道，此次裁员是亚马逊CEO安迪·贾西（Andy Jassy）简化公司决策流程和提高运营效率战略的一部分。上个月，贾西就曾表示，公司将在2025年第一季度末前，把基层员工与管理人员的比例至少提升15%。他强调，减少管理层级将帮助亚马逊更迅速地做出决策，避免被繁琐的官僚程序拖慢节奏。摩根士丹利周四发布了一份分析报告，预测亚马逊的此次行动将在明年年初前裁员约13834个管理岗位，每年能节省21亿至36亿美元。这项预测是基于亚马逊的管理人员大约占总员工人数7%的比例计算的。《商业内幕》引用报告指出：“摩根士丹利估计，此举可能会在明年年初之前裁掉大约13834个管理职位，每年为公司节省21亿到36亿美元。” 作为裁员行动的一部分，亚马逊还推出了一个专门举报官僚主义问题的“官僚举报热线”，鼓励员工曝光那些拖慢效率的内部程序。同时，管理者被要求增加自己直接管理的下属人数，限制高级岗位招聘，并重新审视薪资结构，以适应公司向更加精简的管理模式转型。这波裁员延续了亚马逊过去几年来的降本增效行动。2022年至2023年间，亚马逊已经裁掉超过2.7万个岗位。此外，公司还停止了一些不赚钱的项目，比如“先试后买”的服装项目和高速线下配送服务。新冠疫情期间，亚马逊的员工数量曾快速暴涨，从2019年底的79.8万人一路增加到2021年底的160万人以上。尽管后来员工总数有所回落，但公司仍在持续调整员工规模，以适应最新的发展需求。今年早些时候，亚马逊还要求公司员工每周必须回办公室工作五天，甚至让一些员工搬迁到指定办公地点，这也导致一些员工宁愿辞职也不愿搬家。调整管理结构则是贾西战略布局中的另一个重要环节，主要目标是拉近普通员工和高层管理之间的距离。亚马逊此次行动也与其他科技公司的裁员趋势一致。根据科技行业裁员跟踪网站的数据，今年以来已有81家科技公司累计裁员22692人。

#亚马逊 #裁员 #管理层精简 #节省成本 #公司架构优化

5个月前

OpenAI CPO Kevin Weil：GPT-5即将推出，今年内AI将实现99%代码自动化最近，OpenAI首席产品官（CPO）Kevin Weil接受了一场非常值得关注的访谈，他透露了几个令人振奋的重要消息，其中最核心的就是关于GPT-5和AI代码自动化的进展。大家关心已久的GPT-5到底什么时候发布？在访谈中，Kevin虽然没给出具体的日期，但他说得很直接：「我不会给你具体时间，但GPT-5会很快出现。我们现在就已经在认真地做这件事了。」从这句话可以看出，GPT-5的推出并非遥遥无期，而是指日可待了。这也意味着，OpenAI正在快速推进模型升级的步伐。而GPT-5究竟强在哪？Kevin透露了一个重要细节，就是GPT-5可能会融合目前的GPT系列（例如GPT-4）和OpenAI另一个系列“O系列”模型的能力，也就是说GPT-5将集各家之所长，实现功能上的整合统一。访谈中最让人惊讶的是，Kevin对AI代码自动化速度的判断。他表示：「AI对代码的自动化今年内就会达到99%，不会拖到2027年。」这个预测比业内其他专家（比如Anthropic曾预测的2027年）要激进得多。Kevin对AI技术的发展速度充满信心，认为AI即将在今年底前完成大部分的编程任务，这意味着工程师们的工作方式即将发生翻天覆地的变化。 AI自动化代码有两个关键进步方向： 1. 更大的模型预训练（pre-training）：AI模型通过学习更多的数据，实现更全面的知识积累。 2. 强化推理能力（reasoning）：模型变得更聪明，不只是机械地写代码，而是能够主动思考，深入理解和解决复杂问题。访谈中提到，OpenAI已经在竞争性编程领域超越了很多人类顶级程序员，甚至可能比预期（2027年）更早地超越人类水平。 AI不只会写代码：全民皆可成为软件创造者 Kevin强调AI的意义远不止于代码自动化，它更大的价值在于：「让软件开发不再只是工程师的专利，而成为每个人都能接触、使用和创造的工具。」换句话说，当AI帮我们完成了大量底层的工作后，人们可以更多地关注“为什么”和“怎么做”，AI则帮你搞定具体的“做什么”的部分。其他值得关注的内容除了GPT-5和代码自动化，访谈中Kevin还提到了一些有趣的未来方向： • 高级语音功能（Advanced Voice） AI的语音交互将在近期有重大升级，用户体验更自然、更流畅。 • 个性化教育（Personalized Education）他对AI提供个性化的教学服务感到非常兴奋，让孩子能够以自己的节奏深入探索知识。 • Deep Research Kevin认为Deep Research是OpenAI自ChatGPT以来最棒的产品之一，用户可以提出非常复杂、深奥的问题，获得具体且富有洞见的答案。他甚至形容Deep Research的体验已经接近于AGI（通用人工智能）。 • 不认同“全民基本收入”躺平的未来 Kevin不相信人类未来会因为AI普及而躺在沙发上靠基本收入生活。他认为人们天生渴望创造，AI的出现不会消灭人类对创造的热情，反而会协助人们更好地实现自我价值。 • AI时代工作的新形态 Kevin预测，AI不会仅仅取代现有的工作，而是创造出新的职业，人的角色会转变为更有战略性、创造性，关注整体目标（“so what”），而AI则处理具体细节（“what”）。 • 关注用户体验与教育应用 OpenAI非常重视AI的用户体验，比如更自然的人机对话，及AI在教育领域提供个性化的学习体验。综合来看，Kevin Weil的访谈还是透露了不少信息： • GPT-5即将问世，并整合多个模型的能力； • AI代码自动化今年内会达到99%，改变软件开发方式； • AI将促进新的职业形态，增强人的战略价值； • AI将进一步走进日常生活，改变教育、创作等领域。这次访谈信息量很大，展现了OpenAI的野心和清晰的发展路径，也预示着2025年AI即将带来的一系列巨变。对普通用户来说，接下来值得关注的就是GPT-5发布后的具体表现，以及AI到底会如何改变我们的工作和生活方式。访谈文稿在这段与 OpenAI 首席产品官（CPO）Kevin Weil 的深度对话中，我们探讨了 AI 的快速发展及其潜在影响。Kevin 分享了一个令人震惊的预测：编程将会在今年之内（而不是别人所预测的 2027 年）实现完全自动化。他还解释了为什么 OpenAI 的模型已经可以跻身世界顶尖程序员之列，并谈到了 Deep Research、GPT-4.5 的类人特质、未来的就业形态以及 GPT-5 的推出时间表。别错过 Kevin 提出的“价值数十亿美元的初创公司点子”，以及他对 AI 如何改变教育与普及软件创造的愿景。主持人（Host）开场 Host：好的，各位观众，我们刚刚和 Kevin 进行了对话。作为这个节目的“门外汉”主持人，我大致能跟上他提到的大部分内容，但肯定还漏掉了一些。Varun 估计比我理解得更深。Varun，你怎么看？你认为有哪些值得注意的地方？ Varun： Kevin 是 OpenAI 的首席产品官，带领了他们的 Deep Research 团队，也负责他们几乎所有的产品。说实话，让我印象最深的一点，就是之前有位 Anthropic 的同事跟我说，编程会在 2027 年左右被彻底自动化。但 Kevin 说：“等一下，也许今年或明年就能实现完全自动化。” 他对产品的思考方式也很有意思，包括他谈到的“AI 技能是否会变得同质化（commoditization）”这一点。他不认为这是简单的“同质化”，因为每个模型总会有能力上的差异，只是这些差异会不断变化。另外，Kevin 在访谈中谈到了很多关于时间表的预测、对未来一两年的展望，以及一些可能的商业创意，比如他的“价值数十亿美元的创意”。我和 Tanmay 都深挖了一些他提到的点，非常值得大家关注。我不想在这里剧透太多，强烈建议大家完整观看。 Host：是的，没错。还有，别忘了订阅关注哦。多亏你们的关注和支持，我们才能进行这么有趣的对话。那么，话不多说，让我们播放片头吧！ Host：好，Varun，今天很特别，因为大家终于能看到我们节目里除了我们俩之外的其他嘉宾。我们请到了 OpenAI 的 Kevin Weil。Kevin，你能先给大家简单介绍一下吗？包括你在 OpenAI 的工作重点，以及你为什么这么“特殊”？ Kevin：哈哈，说我“特殊”是因为我非常幸运，现在担任 OpenAI 的首席产品官。我可以说，这是我工作以来最有乐趣、也最具挑战性的一份工作。在此之前，我也在不少地方工作过，比如 Twitter 最早只有大约 40 人的时期，我做过工程师，一直到它成长到 4000 人左右时，曾担任产品负责人。后来我在 Instagram 做过产品负责人，也曾是 Meta 那个加密项目 Libra 的联合创始人，还在 Planet 做过几年卫星业务。但这里和以往最大的区别在于，过去那些公司里，你对计算机能做什么，基本有一个比较稳定的预期。数据库会变快，但一年也就变快 5% 或 10%，技术的迭代速度比较平稳。可是在 OpenAI，我们每隔两个月就会让计算机实现一些前所未有的能力，彻底改变我们对技术可行性的认识。这就意味着我们每隔两三个月，就要对产品的方向和定位进行重新思考。虽然这很紧张，但也特别有意思。 Varun 追问：OpenAI 的“研究 + 产品”双重角色 Varun：你刚才提到 OpenAI 同时是顶尖的研究机构和产品公司。ChatGPT 已经成为现象级产品，甚至“ChatGPT”这个词都开始被当作动词使用了。很多人说，行业内也有其他在做研究的公司，但 OpenAI 不仅仅是技术领先，也在产品上抓住了全球用户的想象力。能不能谈谈你在 OpenAI 的日常工作是怎样的？你需要同时兼顾研究和产品，对吗？ Kevin：是的，OpenAI 最早在大约十年前成立时就是一家研究型机构，当时只有一小群“疯狂”的人坚信自己可以做出 AGI（通用人工智能）。那时几乎没人相信他们，但结果证明他们看对了方向。后来我们在机器人手臂、Rubik’s Cube 解法等研究中崭露头角，尤其是发现了通过扩展计算量和数据规模，让模型获得指数级能力提升的“Scaling Laws”。这样，OpenAI 很快就在 AI 研究领域占据了世界领先地位。不过，自从 ChatGPT 发布以后，我们又不只是研究型公司了，还必须是一家优秀的产品公司。我们现在有面向企业和开发者的 API 产品，也有像 ChatGPT 这样的面向普通用户的产品，还有在规划中的更多产品。要想真正做出好的 AI 产品，必须让研究团队和产品团队深度协作，而不是简单地互相“扔成果”。我们发现，如果研究团队只是把模型丢给产品，或者产品团队只是把需求丢给研究，很难做出最好的东西。最理想的情况是：在研究端有新想法时，产品团队能立即共同参与探讨，看看这些新能力能解决哪些用户痛点；或者产品团队在使用模型时发现瓶颈，能立即反馈到研究团队，共同想办法训练或微调模型。只有这样，才能确保我们在竞争激烈的市场中保持领先。Google、Anthropic、Meta 等等也都在做很好的研究，想要胜出就必须高效地整合“研究 + 产品”。主持人插话：AI 与职业未来 Host：我其实很好奇的是，AI 快速发展的同时，会带来哪些新工作或新角色？有些人说，“高技能 + AI”的人会更有竞争力，也有人说 AI 会催生全新的工作形态。也有人担心现有工作会被取代，所以 AI 新增的工作机会到底在哪里？ Kevin，你在做产品时，是否想过哪些点子、哪些方向特别值得创业者去做？你可能自己没空做，但觉得这会是一个很有前景的新业务？ Kevin：对，这个问题很有意思。就好比说，如果原本你以“智力”见长，比如编程就是一种“智力象征”，结果编程一旦被大量“自动化”或“同质化”，很多人会感到失落。不过另一方面，每次科技革命都会带来新的岗位、新的可能性。谈到具体的创业点子，我确实常常见到一些用我们 API 能做的酷事儿，但我们自己不一定会去做。比如说，有人在用 GPT 模型来做教学辅导，用于某些小众领域的学习；或者把 AI 直接嵌入到企业内的各种流程中，重塑传统软件。说到底，我认为 AI 带来的最大价值，是让更多普通人也能进行软件创作或信息处理。随着模型能力越来越强，创业者可以把 AI 嵌入到各行各业，做出很多过去想都不敢想的东西。总之，我不相信未来所有人都坐在家里拿基本收入（UBI），然后无所事事。大部分人还是想创造、想帮助他人。正如你在使用 ChatGPT 时，它经常节省你五到十分钟的时间，但更重要的是，它还能做你原本不具备能力去做的事，比如帮你做专业领域的研究，或者从海量数据中提炼出关键内容。这就是我们最近在做“Deep Research”时的感受。过去，ChatGPT 虽然能帮你节省时间，但很多事你自己本来也能完成，只是效率会低一些。而“Deep Research”这种功能能够做你“本来就不会做、也没法做”的事情。举个例子，我本身喜欢物理，我曾让它帮忙调研缪子对撞机（muon collider）的资料。结果只花 20 分钟，就给我整理出了一份 15 页的报告。我自己是没办法在同样时间里做完这些工作的。再比如给我孩子查一些医学资料，也能带来极大帮助和安心感。这种“创造额外价值”而不仅仅是“节省时间”，才是我认为 AI 真正的潜力所在。 Varun 继续追问：GPT-4.5 的表现 Varun：你提到了 Deep Research 也提到了 GPT-4.5。有人说在纯粹的推理能力上，GPT-4.5 可能不如那些更偏“数学推理”的模型，但 4.5 的“类人”写作和交流能力真的很棒。你怎么看待这两种不同的进化方向？是做更大规模的预训练，还是做更好的“推理训练”？或者说这两者并不冲突？ Kevin：我认为两者确实都很重要。做更大的预训练，可以让模型获得更广泛的知识与更自然的语言表达；而更好的 RL（强化学习）和推理训练，可以让模型在复杂的逻辑推理、数学、科学任务上发挥更出色。 GPT-4.5 在“写作”或“交流”上的提升非常明显，这在一些“软性”指标或用户偏好测试中能很清晰地表现出来。你让不同模型写同一篇文章，很多人都会更喜欢 GPT-4.5 的写作风格，因为它听起来更自然、更接近人类表达。虽然这种进步难以用纯数字去衡量，但通过 A/B 测试就能明显看出优劣。不过，如果你是要让模型参加高阶科学或数学基准测试，单靠 GPT-4.5 现在还没法跟那些专门强化推理能力的模型相提并论。所以，我们内部其实会同时推进更大规模的预训练和更深入的推理训练。以后的模型一定是二者结合，才能既拥有深厚的知识、又具备优秀的推理及分析能力。 Varun 的使用体验：Deep Research 带来的“惊喜时刻” Varun：坦白说，在 Deep Research 发布之前，我一度考虑是否要取消 ChatGPT 的付费订阅，转去试试 Claude 或其他模型。但看到大家在推特上对 Deep Research 的评价非常好，我就有点 FOMO（害怕错过），索性升级成了 ChatGPT Pro 账号。结果使用以后真是“哇”——这大概是我继初次见到 ChatGPT 之后，再次感受到那种“颠覆性惊喜”的时刻。 Deep Research 的搜索扩展很强大，几乎不会乱编（hallucination 很少），而且给出的答案深入细节，能引用 Reddit 或各种博客里鲜为人知的信息，这种体验非常接近“AGI”的感觉。对比市面上一些类似的搜索型产品，比如 Perplexity 或其他插件之类，都还不在一个量级上。所以我想问，这个成果是更多地依赖了你们的新模型，还是你们在产品设计上做了大量工作？因为在 Deep Research 里可以感受到，在产品层面，你们对信息抓取、来源验证等做了不少优化，而不仅是一个“通用大模型”在跑搜索。 Kevin：两方面都有贡献。一方面，模型本身的能力变强了，另一方面，我们在数据来源、搜索与检索管线、模型微调、用户交互设计上，也做了很多探索和打磨。要做到尽可能少的幻觉（hallucination），就需要在检索部分、信息提取和上下文构建上设计得非常严谨。这个过程并不是简单地把搜索结果扔进模型，而是需要对搜索结果做聚合、去重、筛选，再以合理的格式提供给大模型。如果把“产品思路”倒推给“研究方向”，在模型微调的过程中也需要大量数据和验证，这都是我们在 Deep Research 项目里投入的心血。所以可以说，这个产品的惊艳之处是“模型能力 + 产品设计”深度结合的结果。我们当然也会持续努力，让更多人用得上，而且会不断迭代。我们知道行业竞争激烈，但我们也希望始终引领市场。毕竟我们的使命是“让 AGI 造福全人类”，这其中就包含了要让更多普通用户能用上这些先进 AI 技术，无论是通过 ChatGPT 等自家产品，还是通过 API 让数百万开发者在各自的应用中调用我们的模型。主持人提问：AI 与教育 Host：你刚才谈到把 AI 赋能给普通用户，包括孩子和学生。如果未来 AI 可以回答几乎所有“为什么”的问题，或者自动化许多研究和学习工作，传统教育体系会有什么变化？比如孩子在学校里学到的东西，是不是会在 10 年后变得不再有用？你对未来教育有什么看法？ Kevin：对，这也是非常值得思考的问题。我自己的看法是，AI 不会让我们停止学习。相反，我们可以更高效地学习，更有针对性地学习，甚至学习很多“以前学不到”的东西。举例来说，我们已经看到了很多使用 ChatGPT 或其他大模型辅助教学的实验。孩子在做作业时，如果有一个随时随地的智能辅导，可以按照孩子的理解水平因材施教、实时给出反馈，这其实大大提升了学习效率。未来，学生或许能学得更深、更广，而不是只记住一些机械知识点。此外，如果某些基础的程序编写或数据处理未来由 AI 直接完成，那么人类可以把更多精力放在更具创造性、更需要综合思考的领域上。我们现在看到的只是一个开端。对于教育行业、对于每个学生和家长，AI 都会带来新的可能性。如果再往后看十年、二十年，我想一些传统课程可能会被重塑，但学习本身不会消失，只是大家会更依赖 AI 工具。人类依然需要思考、需要提出好问题、需要对结果进行判断和决策。在所有这些环节里，我们都依然扮演不可或缺的角色。结语：OpenAI 的下一步 Varun：听起来未来一片广阔。那最后想问一个所有人都关心的问题：GPT-5（或者你们的下一个重大版本）大概什么时候会来？会不会很快？ Kevin：哈哈，这个问题嘛……我只能说，我们一定会继续快速迭代，但具体时间表暂时不便透露。我们每隔两个月就会有很多模型能力上的突破，接下来还是会保持这种快节奏。毕竟，AI 领域竞争正变得越来越白热化，我们也希望尽快把更多有用的功能和改进交到用户手中。所以，请大家持续关注我们吧。我们会努力让 ChatGPT 和我们的 API 更加强大、更具创新性。 Host：好的，今天非常感谢 Kevin 做客。大家如果喜欢这期内容，请一定记得订阅、关注并分享。感谢收看，我们下期见！

OpenAI GPT-5发布引发用户不满，阿尔特曼回应质疑· 44 条信息

#GPT-5 #AI代码自动化 #Kevin Weil #OpenAI #AI教育

5个月前

你的孩子很可能正在用AI作弊越来越多的学生偷偷使用AI完成作业，轻松拿到好成绩，而家长和老师却毫不知情。作者：Matt Barnum 和 Deepa Seetharaman 一名来自美国新泽西州的高中生向《华尔街日报》坦言：去年，她用AI软件偷偷完成了英语、数学和历史课的大部分作业。虽然她今年已经戒掉了这种习惯，但过去的经历却清晰展示了AI工具在美国校园内悄悄兴起，并彻底改变了学生的学习方式。 AI如何成为学生的秘密武器？这名17岁的女孩表示，她之所以频繁使用AI工具，有几个原因： - 作业太无聊或太难。 - 想获得更好的成绩。 - 拖延症发作，作业临时抱佛脚。于是，她求助于ChatGPT和谷歌的Gemini等AI工具。尽管有时老师允许学生用AI激发灵感或复习知识，但更多时候，她直接让AI帮自己完成作业： - Gemini轻松解决了数学家庭作业和考试题目。 - ChatGPT帮她完成了科学实验的计算，并写出历史论文的难题段落，再稍加修改以避免被发现。整整一年，她只被抓到过一次。 AI作弊有多普遍？目前，每周使用ChatGPT的人数已经达到4亿，而学生正是这类软件的最大用户群。根据Impact Research去年的调查显示： - 近40%的初高中学生表示，他们未经老师允许使用AI完成作业。 - 大学生中，这一比例接近一半。 - OpenAI的内部分析也发现，ChatGPT经常被大学生用来写论文。 AI公司虽然对用户年龄有限制，但实际操作中，学生很容易绕过这些限制，在父母和老师视线之外偷偷使用。学生和老师的博弈不少老师担忧，AI的普及会让更多学生逃避挑战性的学业任务。曾担任美国教育部长的纽约州立大学校长约翰·金表示： > 「可能昨晚就有无数学生用ChatGPT完成作业，却完全没有学到任何知识。这太可怕了。」但OpenAI教育团队成员Purohit提出了另一个观点：或许未来衡量学生的能力，不再是看传统作文，而是看他们如何高效利用AI工具。然而，弗吉尼亚大学心理学家丹尼尔·威林厄姆反驳说： > 「写作是一种特殊的思考方式，它会促使人们更严谨地表达观点、更全面地进行论证。这一点AI无法替代。」南卡罗来纳州的英语老师乔迪·斯托林斯每天都会让学生在课堂上手写关于《杀死一只知更鸟》的读书心得，他表示，手写能促使学生真正思考，而非机械地完成任务。 AI对教育到底是好是坏？ OpenAI的CEO阿尔特曼认为，AI将在未来为学生提供个性化的虚拟辅导，能适应不同学生的学习速度、兴趣和需求。而OpenAI的教育副总裁贝尔斯基则建议学校积极将AI融入课堂教学，这样学生就不会偷偷使用AI作弊了。新泽西州的一位英语老师桑迪表示，她自己也常用AI软件辅助备课，感觉就像有了一位「同事」在旁讨论教学。然而，并非所有老师都这么乐观。阿拉巴马州一名英语老师穆恩表示，他本学年已抓到约24名学生使用AI作弊，担心他们将来到了大学或职场会无法胜任工作。一名10年级学生普罗威尔说，AI作弊风气猖獗，这让真正努力学习的同学感到不公平： > 「这种作弊行为，让真正付出努力的人显得毫无价值。」 AI检测软件能解决问题吗？面对作弊，老师们开始寻找能识别AI生成内容的工具，比如Turnitin或Pangram Labs。但这些工具并非完美，有时甚至无法有效分辨真实学生写作和AI生成的内容。《华尔街日报》曾做过实验，用ChatGPT生成一篇9年级的作文，交给检测软件，软件立刻判断出是AI作品。但将作文稍作改写后再检测，软件竟然无法明确判断作文来源。一些公司甚至专门开发“洗白”AI生成内容的软件，让检测软件完全失效，形成了作弊和反作弊的“猫鼠游戏”。老师的无奈与挣扎面对这种情况，加州高中英语老师豪威尔斯干脆要求学生在课堂上手写初稿，完全禁止手机和电脑。他表示，这样的课堂反而让学生的写作变得更加真实和用心。但副作用也很明显： > 「我现在根本不敢布置家庭作业，只要布置下去，就一定有人用AI完成。」亚利桑那州立大学教授韦伯说，她怀疑自己20%-40%的学生都偷偷用了AI，但由于没有直接证据，她也只能睁一只眼闭一只眼，最终还要给这些学生及格的分数。谁该为AI作弊负责？尽管老师们呼吁AI公司帮助遏制作弊，但AI公司却认为自己并不需要为学生的作弊负责： OpenAI教育团队成员Purohit表示： > 「OpenAI并没有发明作弊，有心作弊的人总会找到办法。」一家名叫Caktus AI的公司更直接在广告中打出了「老师讨厌我们」的口号，公司CEO甚至公开表示自己曾利用AI完成大学作业。未来路在何方？ AI技术飞速发展，教育界对它的态度正处于摇摆阶段。有老师极力抵抗AI作弊，也有老师尝试拥抱AI技术。但无论哪一种态度，AI都已经不可逆转地渗入校园，并深刻改变了下一代人的学习方式。对此，阿拉巴马州的高中英语老师卡特·怀特说： > 「除非我们完全放弃使用科技，否则我根本无法阻止所有学生作弊。」这场AI引发的教育变革，才刚刚开始。

#AI作弊 #学术诚信 #教育技术

5个月前

机器人模特走不停

#机器人 #模特 #人工智能 #时尚 #科技

5个月前

转译：为什么大部分公司根本不应该制定所谓的「AI 战略」？企业领导们害怕落后，纷纷冲向AI，但他们真的做对了吗？这位专家却不这么认为。原文：Why Most Companies Shouldn’t Have an AI Strategy 作者乔·佩帕德（Joe Peppard）是爱尔兰都柏林大学迈克尔·斯墨菲特商学院的教授兼学术主任。如今，自从 ChatGPT 火爆全球之后，几乎所有公司都在喊同一句口号：“我们必须要有 AI 战略！” 这种焦虑很容易理解——毕竟，谁都不想被时代甩在身后，错过下一个巨大的商机。因此，无数公司开始一窝蜂地“冲进 AI”，纷纷成立了所谓的“AI 战略中心”，甚至特意任命了“首席 AI 官（Chief AI Officer）”。但很遗憾，我要泼个冷水：大部分公司这样做都是错的。我在与不同企业深入合作、一起面对 AI 浪潮时，发现一个扎心的现实：事实上，大部分公司不仅不需要 AI 战略，甚至根本不应该有专门的 AI 战略。或许你听了觉得很奇怪，甚至觉得我是不是说反了？没有 AI 战略的话，公司岂不是要输在起跑线上了吗？我的回答是：并不会，理由有以下几个：大部分公司其实根本没做好用 AI 的准备想象一下，就算某天一份完美的“AI 战略计划”神奇地出现在了 CEO 的邮箱里，大部分公司也完全没法真正落地。这是因为，它们连最基本的基础准备都还没做好。其中最核心的问题，就是“数据”。如果数据质量差——不完整、有偏差或者根本杂乱无章——那么 AI 的表现自然会很差劲。你可以有一个非常棒的战略目标，但糟糕的数据会让你寸步难行。到头来，“AI 战略”只会浪费公司的精力和资源，让企业忘记了真正应该去做的事情。举个例子吧：假设有一家制造业公司想要用 AI 来预测设备故障，以减少生产线的停工时间。这听起来很好，对吧？但要做到这一点，公司首先得用历史数据识别各种设备可能发生的故障类型，并找到这些故障的“信号”——也就是故障前兆的特定数据模式或趋势。接下来，利用这些数据通过机器学习技术建立算法，预测故障的出现。到目前为止一切都很好，然而现实却是：大部分公司根本没有收集过足够的历史数据来训练 AI 模型。想积累足够的高质量数据并建立精准的算法，往往需要几个月甚至几年时间。 AI 并不是一个孤立的“孤岛” AI 是一种技术，就跟区块链、物联网、元宇宙一样。公司为什么偏偏需要给 AI 制定单独的战略？更进一步说，“AI”其实也不只是一种技术，而是很多相关技术的集合，比如机器学习、计算机视觉、机器人技术、图像识别，还有当下火热的生成式 AI（比如大语言模型 ChatGPT）。再看看现实里企业是怎么成功利用 AI 的，你会发现它们大多是将 AI 与其他技术结合在一起，共同融入到具体的业务场景中，而不是孤立地单独使用。回到刚才的制造业例子：假设公司确实已经具备了相关的数据，成功训练出了算法。那么，完整的解决方案一定还需要其他技术，比如设备上的传感器实时采集数据，通过蓝牙传输数据，再用云计算平台存储和处理数据，在云端运行算法，实时监控设备状态并发出故障预警。看到这里，你一定会发现问题所在了吧：相比制定一个单独的 AI 战略，企业真正需要的是一个全面考虑各种技术的整体战略。如果公司只把目光盯在 AI 上，反而会本末倒置，造成精力的分散。于是问题又回到了原点：AI 究竟有什么特别的地方，以至于需要单独为它制定一个专门的战略呢？答案其实很简单：完全没有！人才还没准备好，你拿什么做 AI 战略？调研显示，很多公司在 AI 这件事上还很“不成熟”。什么意思呢？就是从公司高管到普通员工，绝大部分人其实根本不太懂 AI，也没有真正用过这些工具，更不习惯用数据来支持决策。这种情况下，所谓的“AI 战略”只会偏离实际，变成一场纸上谈兵。试想一下，如果你是公司领导，自己都对 AI 一知半解，又怎么可能制定出一个靠谱的 AI 战略？显然不现实。大部分公司的起点其实还处在摸索阶段，因此现在最重要的，并不是自上而下地去制定一套复杂的 AI 战略。相反，更应该鼓励一线员工主动去尝试各种 AI 工具，从日常的工作中发现机会，摸索可能的用途。这种由下而上的探索，才更容易诞生真正有用的创意和方案。当然，过程中还得确保有合适的“护栏”，以便员工能够安全地、负责任地使用 AI，避免公司暴露在不必要的风险之中。真正推动公司前进的，从来都不是技术，而是人。要实现真正的“数字化成熟”，可能需要几年甚至更长的时间，尤其当企业文化也需要同时转型的时候。如果你以为靠一套华丽的数字战略就能瞬间实现成熟，那就好比你给一个两岁的孩子穿上一套西装，然后告诉大家：“看，他现在是大人了！”显然，这不现实。强行制定 AI 战略，会让公司做出错误的决策如果公司硬要强迫自己制定一个所谓的 AI 战略，很可能会导致员工在做决策时，凡事都戴着“AI 眼镜”，认为每个问题都能靠 AI 来解决。现在的确是 AI 最火爆的时候，但这不代表 AI 就能解决企业的所有问题。未来肯定还有其他新技术出现。如果过于聚焦于 AI，公司可能会忽视其他同样有效、甚至更适合的解决方案。因此，真正需要讨论的不是“我们怎么才能用上 AI”，也不是怎么靠 AI 让公司利润翻倍或打造新商业模式。而是，公司应该持续思考：“我们如何才能更好地运用数字技术，真正改善业务表现，实现战略目标？” AI 只是众多技术中的一个罢了。我之前发表的一篇文章里，也曾提出过类似的观点：我甚至认为公司根本不应该有单独的“IT 部门”。如果你把技术（尤其是特定的技术，比如 AI）单独从业务部门割裂开，那相当于把真正负责提升公司业绩的人，与负责实施技术的人彻底隔绝了。长此以往，技术只会与业务脱节，最终带来失败。如果每次遇到问题，公司都只会喊着：“赶快上 AI！”那么，你很可能永远都找不到真正适合你的解决方案。历史决定了企业能走多远我的研究还发现，企业在某一时刻能够做出的决策，其实很大程度上取决于过去做过的选择。即使当时那些决定在现在看来已经不合时宜，但历史的影响往往持续存在。尤其是在技术领域，这一点表现得尤为明显。比如，十年前放弃购买某个软件或是决定不投资某个系统可能在当时是对的，但这些决定在今天可能已经成了障碍，限制了企业在 AI 应用上的空间。领导者们可能会看到一个 AI 成功应用的案例，然后也想在自己公司里复制。但是，当他们真正去尝试的时候，却发现根本做不到——因为他们十年前就已经选择了另一条路。有些公司过去很早就做了准备，比如早就对数据质量、技术平台和组织能力进行了大量投资，这样的公司自然能迅速抓住 AI 带来的机会。但大部分公司显然还远远没有做到这些准备。说到底，大多数公司过去在数字转型中本来就行动缓慢，即使现在突然提出了所谓“AI 战略”，也不会一夜之间超越竞争对手。如果一个企业一直以来都在数字化转型方面动作迟缓，光靠一个漂亮的“AI 战略”是没法实现飞跃的。到头来，只会白白浪费精力。所以，现实一点吧，别再幻想 AI 战略能一夜之间带你走向成功。真正有用的 AI 战略，只属于那些已经做好扎实基础工作的公司，而不是大部分正在追逐潮流的企业。

#企业战略 #AI #ChatGPT #Joe Peppard #公司竞争

5个月前

Cursor 悄悄把 Sonnet 3.7 thinking 价格翻倍了，大家注意一点，1 次 thinking 相当于 2 次普通请求

#Cursor #Sonnet3.7 #pricing #TechNews

5个月前

问：宝玉老师，请教一下，构建个人知识库的区别又在什么地方呢？还有微调答：打个比方，现在你在上一门新的历史课程，知识库（专业说法叫 RAG，检索增强生成）就好比教科书，微调（Fine-tuning）就好比你学习消化了知识。知识库就好比你的教科书，但是这门课其实你还没上过，直接就去考试，好在考试是开卷的，而且你语文历史基础很好，然后每一道题你就去现场查教科书，翻到可能的知识点位置，现场去阅读这几个知识点，把题目就给做出来。要是一时半会没查到正确的位置，你以前也没学过，可能会根据已有的知识推测，这样就可能出现幻觉，答题就不太精准。微调就好比你把这本教科书上的知识都学了一遍、题库做了一遍，知识都学过了，考试的时候从记忆里面把知识直接搜集出来，去答题。这样好处就是答题快且专业，但如果你微调时学到的知识本身不准确或冲突，你记忆里的知识就可能出现混乱或偏差，有时反而不如直接从教科书里查阅更准确。另外你深入学习了很多历史知识后，在面对数学等其他领域的泛化能力可能会稍微受到限制，因为你专注学习了一门课之后，精力投入其他科目的泛用能力相对减少了。再有就是如果你的教科书很多的话，每本书都学一遍时间成本和算力成本都不低，所以微调成本明显更高，包括数据整理、训练资源（算力）和长期维护的成本都相对较大。总结一下它们的区别：个人知识库 = 模型外的记忆，通过动态检索实现，灵活、快速，但受限于检索效率和相关性，适合规模适中的临时问答，不修改模型本身。个人知识库适合的场景： - 做个人知识管理，比如个人笔记、文档、读书笔记的快速问答。 - 针对公司内部文档、手册等建立企业内知识库快速问答。微调 = 模型内的记忆，真正内化知识，专业、精准，但数据准备和训练维护成本更高，适合对精准度要求很高或特定领域内长期稳定的任务。微调适合的场景：你需要模型对某一特定领域或任务更加专业化，精准度要求很高。需要固定风格或内容的输出，比如特定企业风格、客服对话场景、创作特定风格内容。

#个人知识库 #RAG #微调 #知识管理 #模型训练

5个月前

问：宝玉老师，我一直很困惑，智能体跟Ai编程这两者的区别，智能体适合什么场景，Ai编程适合什么场景？请指教答：这其实是两个不同的概念，当然定义在不同的环境或者不同人解读可能都有不同，我只是基于通用场景以我自己的理解解释一下。首先说说 AI 智能体为什么现在有了智能度很高的的大语言模型还要有智能体呢？因为大语言模型它只能接受文字、图片、视频、文档等，输出也只能是文字图片，没有记忆，没有办法连接真实环境，不能感知外部环境也不能操作外部工具。就好比一个没有记忆大脑 🧠 而智能体则相当于给大脑加上了记忆和身体，可以感知环境，可以记住发生过的事情，可以去执行特定任务，可以规划和采取行动。比如说最近很火的 Manus，你给它一个任务去生成一份报告，它会去规划，去打开浏览器检索和找出所需要的信息，会记住每次浏览过的内容，最终完成任务生成一份报告。这个过程几乎不需要你参与，智能体会自主的帮你做决策，反过来如果是你只是借助大语言模型做报告，那么你必须要自己去检索资料，把检索好的资料筛选好交给语言模型帮你处理，因为模型不能感知环境不能操作不能规划。然后再说说 AI 编程 AI 编程是在编程领域应用 AI，让 AI 辅助或者自主的编写程序。通常我们把 AI 编程分成三种模式： 1. AI 智能提示完成如果你用过拼音输入法，你会知道每次输入法都会帮你自动完成你可能要输入的内容，大幅提升输入效率，AI 编程中的智能提示完成也就是你输入注释或者一部分代码，AI 会去“猜”你要写的内容，以提示的方式让你选择，如果是你想要的按 Tab 键就能自动完成代码。随着 AI 能力增强，现在 AI “猜”的准确率越来越高，大部分时候都很懂你。 2. AI 辅助编辑模式在没有 Cursor 这样的 AI 编辑器之前，用户如果要借助 AI 修改代码，需要手动把代码复制到和 AI 之间的聊天对话框，AI 生成代码后再复制回去，不少人工操作。而 AI 辅助编辑模式比如 Cursor 的 Composer，你只需要在编辑器中输入提示词说明你要做的修改，或者引用你要修改或者参考的代码，那么编辑器会自动帮你整理要提交给 AI 的代码，并且把 AI 返回的结果以 Diff（修改对比）的方式直观的显示出来，这样的话你只要点击确认就可以完成修改，如果不满意就拒绝并进一步写提示词要求修改。 AI 辅助编辑就是帮你简化了和 AI 的交互，但是还是需要你去主动输入提示词，人工确认修改结果，相当于 AI 给你当副驾驶辅助驾驶。从效果上来说，现在 AI 辅助编程如果你懂编程的话可以大幅提升开发效率，大部分时候只需要确认就可以；如果不懂编程，通常 AI 返回的结果你就很难分辨好坏，代码一多就可能会失控了。 3. AI Agent 模式如果说辅助编辑模式是副驾驶，AI Agent 模式就相当于自动驾驶了。最早是 Devin 开创的这种模式，现在 Cursor、Trae 这些编辑器都已经支持了 Agent 模式，你输入一个开发任务，然后 AI 自动去探索代码，自动规划，自动编码，自动测试。这种模式很理想化，一些简单的任务比如翻译、小 Bug 修改还完成的不错，但是目前因为模型的智能程度不够以及上下文窗口长度不够，所以实际效果并不是很理想，稍微复杂一点的代码和大一点的代码库还是不行。就像自动驾驶一样，十年前自动驾驶离我们还很远，而现在已经越来越近了，未来 AI Agent 在编程上也肯定可以越来越厉害，能替代一部分开发任务。最后再回到前面说的问题：智能体跟Ai编程这两者的区别，智能体适合什么场景，Ai编程适合什么场景？在人工智能领域，智能体（Intelligent Agent）指的是能够感知周围环境并采取行动以实现特定目标的自主实体，并不特定编程领域，各个领域都可以应用。 AI 编程是 AI 在编程领域的应用，并不仅限于用智能体，还可以有 AI 智能提示和辅助编辑。希望上面的回复解答了你的问题，有问题可以留言讨论。

#智能体 #AI编程 #大语言模型

5个月前

吴恩达老师建议：AI时代，一样要学编程，才让电脑懂你所想！ *** 今天有一些人不建议大家去学编程，他们认为人工智能（AI）会自动写代码，人类写程序的工作迟早会消失。但我认为，这种建议将来一定会被认为是历史上最糟糕的职业建议之一。曾经，一位获得图灵奖和诺贝尔奖的学者说：“程序员这个职业更可能消失，而不是变得越来越强大。因为计算机将越来越会自己给自己编程。” 我不同意这句话。那些告诉别人“别学编程”的建议是有害的。回到1960年代，那时程序员还是用打孔卡写程序的，必须一张张地打出孔洞，非常麻烦。后来人们用上了键盘和电脑终端，编程一下子容易了很多。但就在那个时代，西蒙却做出了前面的那个预言。今天仍有人在重复着他当年的观点：“未来计算机自己会编程，不需要人类了。” 可是事实上，历史不断证明：每当编程变得更简单时，就会吸引更多人加入，而不是更少。过去几十年里，编程的难度一直在下降： - 从最早复杂的汇编语言，发展到更简单的高级语言，比如C语言； - 从本地电脑，发展到云端环境； - 从纯文本编辑器，发展到集成开发环境（IDE）；到现在，又发展到AI辅助编程（甚至很多时候，我们都不再需要自己亲手写代码了，有人把这种轻松的方式戏称为“vibe coding 氛围编程”）。编程难度一步步降低，也意味着现在正是大家开始学编程的最好时机。我曾经说过，未来的技术精英会善用AI，成为某个领域的“10倍人才”，也就是一个人的影响力可以达到普通人的10倍。而达到这一点最好的方式，不是只做一个AI工具的用户，而是掌握足够的编程知识，学会如何有效地利用AI辅助编程工具。很多人问我：“AI 会不会抢走我的工作，我该怎么办？” 我的答案是：主动去学习AI、掌控AI。因为未来最重要的一种能力，就是明确告诉计算机你想做什么，并让计算机帮你做到。学会编程（或者学会怎么让AI帮你写程序）恰恰就是掌握这种能力的最好方法之一。之前我设计一门叫《人人都能学会生成式AI》的课程时，需要为课程生成一些AI艺术作品作为背景图。我找了一位学过艺术史的朋友来帮忙。他懂得用专业的艺术语言（比如画作风格、色彩搭配、艺术家的灵感来源）去跟AI工具（Midjourney）对话，轻松得到了非常漂亮的图像。而我自己不懂这些艺术语言，我试着去向AI描述，却怎么也达不到那么好的效果。同样的道理：无论你是科学家、分析师、营销人员、招聘人员，还是其他行业的专业人士，只要你懂一点编程，你就能更准确地告诉AI或AI工具你想要什么，得到更好的结果。因此，编程难度的不断降低，恰恰意味着现在是开始学习编程最好的时候。掌握软件的语言，清楚告诉电脑你想要的，才能真正让电脑帮你把事情做好。

#吴恩达 #编程 #人工智能 #教育

5个月前

纽约时报：谷歌投资人工智能初创公司Anthropic内幕曝光《纽约时报》最近获得的一批法律文件揭露了谷歌对人工智能初创公司Anthropic的投资详情。这家互联网巨头目前拥有Anthropic 14%的股份，虽然股份比例不低，但谷歌对该公司并没有实际控制权。根据协议，谷歌最多只能持有Anthropic 15%的股份，且没有任何投票权、董事会席位或董事观察员身份。尽管如此，根据法庭文件透露的信息，谷歌将于今年9月再向Anthropic追加投资7.5亿美元。这笔投资将以“可转换债券”（即未来可以转换为股份的一种贷款）的形式完成。这项投资最早是在2023年达成的协议。到目前为止，谷歌对Anthropic的总投资已经超过30亿美元。这些法律文件之所以曝光，源于谷歌近期遭遇的一场反垄断诉讼。在2024年8月，美国联邦法院裁定谷歌在网络搜索领域存在垄断行为，违反了法律。美国司法部曾一度要求法院强制谷歌出售任何可能与其搜索业务形成竞争的人工智能相关资产，其中包括Anthropic的股份，因为Anthropic开发的聊天机器人Claude被认为具有搜索引擎功能。但就在最近的周五，司法部改变了立场，不再要求谷歌出售相关资产，而只要求谷歌在未来投资人工智能公司时，需提前通知政府监管机构。 Anthropic公司本身则明确表示，如果谷歌被强制出售股份，将会对Anthropic造成严重的伤害，导致公司估值下跌、筹集资金困难，并进而伤害市场的竞争环境。Anthropic联合创始人汤姆·布朗（Tom Brown）也表示，一旦谷歌被迫切断与公司的关系，将导致Anthropic遭受“重大损害”。谷歌方面拒绝对具体的财务条款发表评论，仅表示投资这些人工智能公司主要是为了获得回报并扩大市场规模；Anthropic方面也拒绝就此发表评论。 Anthropic由达里奥·阿莫代（Dario Amodei）与妹妹丹妮拉·阿莫代（Daniela Amodei）于2021年创立，他们此前都是OpenAI的高管，但因不满OpenAI与微软的合作方式而离职。他们创立Anthropic的目的，是希望开发更安全、更可靠的人工智能技术，并将公司设立为“公共利益公司”，致力于创造公共价值和社会利益。 Anthropic的战略目标之一，就是避免公司被单一的科技巨头控制。截至目前，它已从包括Menlo Ventures在内的风险投资公司筹集了超过148亿美元的资金。除了谷歌之外，亚马逊也大规模投资了Anthropic。2023年亚马逊曾向Anthropic投资40亿美元，2024年又追加了40亿美元。目前谷歌在Anthropic的投资价值已经远超最近一轮融资的水平。本月稍早，Anthropic刚刚完成了最新一轮融资，公司整体估值达到615亿美元。 Anthropic从谷歌和亚马逊购买了大量的计算能力，以支持其人工智能系统的开发。此外，公司与部分投资者签订了协议，承诺使用投资者的芯片和云计算服务。这实际上意味着Anthropic筹集到的部分资金，又回流到了投资它的公司手中。这次曝光的文件，罕见地揭示了科技巨头如何秘密投资前沿人工智能初创公司。这类投资一直受到监管机构的关注和质疑，他们担心科技巨头通过大量投资初创公司来进一步巩固自身在人工智能领域的领先优势，从而打压市场竞争。除了谷歌，亚马逊和微软也纷纷投资了Anthropic、OpenAI等著名人工智能公司。投资人克里斯·尼科尔森（Chris V. Nicholson）评价称：“谷歌这样的巨头清楚地知道人工智能竞赛的重要性，他们拥有充足的现金，可以同时押注多家企业，以保持领先优势。”

#谷歌投资 #人工智能 #初创公司 #Anthropic #法律文件 #股份

5个月前

推荐阅读 SemiAnalysis 文章《America Is Missing The New Labor Economy – Robotics Part 1 》美国正在错失新型劳动力经济——机器人革命（第一篇）随着通用人工智能（AGI）日渐逼近，机器人技术正站在一场真正意义上的产业革命前夜。本文来自美国知名半导体行业研究机构 SemiAnalysis，深入剖析了全球机器人产业的竞争格局，特别聚焦于中美之间的较量。文章认为，中国凭借庞大的工业基础、供应链优势，以及政府明确的战略布局，已迅速崛起为全球机器人产业的主导力量，而美国则在很大程度上错失了这场新的劳动经济革命。文章指出，机器人产业的特殊性在于迭代速度和规模经济能够迅速扩大优势，形成强者恒强的局面，而中国企业在无人机、大疆等细分领域的成功经验恰恰验证了这一点。目前，中国本土机器人企业已开始在全球市场中占据越来越大的份额，不仅迅速掌握了基础零部件和核心技术，甚至在高端市场也开始赶超西方老牌企业，例如 Unitree G1 的人形机器人完全摆脱了对美国部件的依赖，并实现了商业化。作者提醒，美国和西方国家的产业界和政府尚未充分意识到机器人技术背后的战略意义，特别是机器人产业带来的巨大生产力革命所蕴含的战略威胁。作者以“行动号召”（Call for Action）的紧迫语气，呼吁美国尽快觉醒，加速重建本土制造能力，参与到机器人革命的全球竞争中，否则可能彻底错失新一轮的工业红利。本文对中国读者而言，提供了一个难得的从外部视角看待中国机器人产业的机会。不仅展示了中国企业在全球市场上的竞争力与潜力，也客观指出了中国机器人产业下一步可能面对的挑战与全球产业变革的深刻影响。对于关注机器人、制造业以及中美技术竞争的读者来说，这篇深度长文将带来极具启发性和前瞻性的视角。

#机器人技术 #产业革命 #通用人工智能 #全球竞争 #半导体行业

5个月前

刘小排总结的AI创业十个步骤： 1. 洞察需求寻找别人未注意到的真实需求或问题，识别“共需失衡”点，比如热点事件、评价低但用户量大的应用、用户社交平台留言等。 2. AI市场调研与AI工具（如ChatGPT）交流，像与专业产品经理一样讨论、验证需求，避免无效创业方向。 3. 生成需求文档让AI协助输出详尽的需求文档，清晰定义项目目标、目标用户和核心功能，确保描述毫无歧义。 4. 手绘原型设计自己先用纸张手绘出产品原型，明确产品界面的基本逻辑和布局。 5. AI生成高保真原型图基于手绘原型，用AI快速生成接近实际产品体验的高保真原型图，以便向潜在用户展示。 6. 原型用户验证将高保真原型图发给目标用户，确认产品逻辑是否清晰，界面是否符合用户需求，进行初步验证和优化。 7. AI编程实现MVP 用AI工具快速编程实现产品的核心功能（最小可行产品，MVP），甚至普通人无需编程知识也能实现。 8. 上线部署使用阿里云或腾讯云等平台，以极低的成本将产品部署上线，快速启动市场验证。 9. 市场验证与迭代通过社交平台或广告精准投放，快速获取1000名目标用户，验证点击率、留存率、付费率等核心数据，评估产品和商业逻辑的可行性，根据反馈快速迭代，甚至每日更新版本。 10. 商业化放大若MVP验证成功，集中精力优化获客和变现效率，持续放大用户规模和收入，利用AI高效复制成功模式，拓展新产品和新机会。

#AI创业 #需求洞察 #市场调研 #生成需求文档 #热点事件 #产品经理

5个月前

来源：

...