宝玉

统计数据

416
文章
0
粉丝
0
获赞
257
阅读
avatar
宝玉
5个月前
神秘“Delilah”：阿兰·图灵的隐秘战争冒险 以下故事改编自 IEEE：The Lost Story of Alan Turing’s Secret “Delilah” Project 背景故事 二战末期，在英格兰乡间一个不起眼的军营棚屋里，阿兰·图灵（Alan Turing）和年轻助手唐纳德·贝利（Donald Bayley）正忙着调试一台神秘装置——“Delilah”语音加密机。在当时几乎无人知晓的秘密工程里，他们将数学、电子学和密码学融为一炉，留下了一个几近失落的传奇。 一、胜利之日，森林散步 1945年5月8日，第二次世界大战的欧洲战事落幕。德国投降的消息传来时，图灵和贝利正远离尘嚣，在汉斯洛普园（Hanslope Park）的秘密实验室里工作。他们决定去附近森林散个步，像典型的“英国式”庆祝方式那样，低调又内敛。 在林间的一处空地，贝利突发奇想：“既然战争结束了，您也可以把所有秘密告诉我了吧？” 图灵淡淡回应：“别傻了。” 多年后，贝利回忆道，这就是他们关于破译工作的全部对话。谁也没料到，那时的图灵已在布莱切利庄园（Bletchley Park）完成了惊人的密码破译创举，这些成果后来才被世人熟知。 二、图灵的另一面：工程师 关于阿兰·图灵，公众最熟悉的标签或许是：计算机科学之父、人工智能先驱、二战密码破译英雄。但在他闪耀的“数学家”光环之外，还有一个同样神秘却鲜少人知的身份——电子工程师。 1943至1945年间，图灵在英格兰乡下的汉斯洛普园隐秘工作，致力研发一种可加密语音的便携式装置。那就是本故事的主角：Delilah。直到2023年，一批名为“贝利文件（Bayley papers）”的机密档案在拍卖会上才让这个被尘封多年的秘密浮出水面。 三、神秘的 Delilah 项目 1. “小巧精干”的语音加密机 二战中，图灵敏锐地预见到未来的密码战场不仅局限于文字或电传打字机，还需要能加密“实时语音”。美国贝尔实验室当时做出了SIGSALY语音加密系统，但那装置又大又重，占据整个房间。 图灵志在把庞然大物“缩小”——他要开发一台可以打包进背包或放上卡车的小设备。于是他在一间简陋的尼森棚屋里，带着年轻的贝利，开启了秘密研发之路。 SIGSALY虽先进，却足足重50吨，完全无法移动 2. “像蜘蛛网一样”的电路 贝利初来时看到图灵搭电路，乱得像蜘蛛网。学过电气工程的贝利忍不住上手，让图灵走进自己特别的“面包板速成训练营”。两人分工明确：贝利负责让电路“整洁不短路”，图灵则将他出色的数学和逻辑思维倾注于电路设计与密钥算法。 这就是他们打造的Delilah雏形，看似简陋，却是划时代的便携式语音加密机 1945年春天，Delilah的实验机成功运转。图灵和贝利曾用丘吉尔的演讲录音做加密测试：录下讲话内容，密钥流与语音信号“相加”后，传到另一台Delilah再“相减”，结果成功复原出声音，尽管带些嘈杂和类似口哨的噪音，但仍然能听懂。 四、它如何实现“语音魔法”？ 1. 灵感源自文字加密 这套思路可追溯至德军使用的SZ42电传打字机加密：用一串持续滚动的伪随机“密钥”流与明文叠加，然后接收端用相同的密钥还原。图灵则将这一原理延伸到声波上。 • 首先把语音做数字化，得到一连串数值； • 然后把这些数值与Delilah内部产生的“伪随机数”进行无进位相加； • 最后在接收端用同样的随机数将其相减，恢复语音。 • 整个过程需要精确同步发送端和接收端的密钥流，这正是Delilah的技术难点与突破点。 Delilah密钥生成器的蓝图（图4） 图中可见多个多谐振荡器和旋转齿轮，合力生成“随机”数列 2. 与电子学的不解之缘 这张草稿大概率与多谐振荡器的雪崩效应有关 在Delilah的心脏部分，是由多谐振荡器构成的“密钥发生器”。为了让随机数“看起来”毫无规律，图灵琢磨了各种电路拓扑；贝利也在旁配合调试示波器，反复测量脉冲幅度、波形失真等参数。 对这位“数学家型工程师”来说，万物皆可用公式描述，无论是电路中的电容电阻，还是声音与时间间隔。他甚至在演算本里重新推导了傅立叶分析，来处理波形频率。 五、那些珍贵笔记与故事 1. “带宽定理”与采样速率 在堆满了公式与线圈图的废纸堆里，有两页写着“带宽定理”，也就是后世大名鼎鼎的奈奎斯特-香农采样定理。图灵在上面密密麻麻地推导公式，极有可能是为了给贝利或其他年轻工程师做即席培训——毕竟想要数字化语音，先要明白该以多少频率采样，才能保证还原不失真。 2. “红表”背面的大书特书 当时汉斯洛普园负责监听德军电报，操作员把频率和截获信息记在红色油印的“拦截表格”上。战争时期纸张短缺，图灵干脆捡来反面空白的“红表”，在背面奋笔疾书，进行他的电路推导与积分计算。如此“就地取材”，也成了一段搞怪小插曲。 3. 关键的实验记录与讲义 在一本泛黄的笔记本上，图灵亲笔记录下对多谐振荡器、脉冲调制器和谐波分析仪等部件的测试数据。后来贝利到来后，就由他接手做后续的实验记录。这本笔记和其他散页，被后人合称为“贝利文件”，在2023年拍卖会上以将近50万美元的高价成交，引起轰动。 更惊喜的是，贝利还整理了图灵当时给年轻工程师们开设的“高级数学”讲义，将近180页的手写笔记，包罗万象，从积分微分到傅立叶变换，应有尽有。这些珍贵材料反映了图灵在电子学理论上的深厚造诣，也为Delilah项目的成功奠定了重要基础。 六、结局：被遗忘的杰作 尽管Delilah在语音加密领域取得突破，但二战行将结束，军方对它的需求并不迫切。图灵随后受邀前往英国国家物理实验室，设计他著名的“自动计算机引擎（ACE）”，Delilah项目也随之停摆。 后来的几十年，人们更多记得图灵作为数学天才、密码学英雄，却常常忽略了他在电气工程领域的闪光点。直到“贝利文件”的横空出世，世人才再次见识他是如何把抽象逻辑与具体电路完美结合。 七、尾声：图灵，天马行空的全才 纵观阿兰·图灵传奇而短暂的一生：他既是数学家、逻辑学家、破译者、人工智能先驱、计算生物学开拓者——也是一位充满奇思妙想的“业余”工程师。他在尼森棚屋中，焊接电路、测量脉冲，与年轻同伴一起做实验，最终打造出世界上第一台便携式语音加密机之一。 对于热爱科学史与密码学的人来说，“Delilah”的故事就像一曲未被演完的华彩乐章，虽然它最终没能登上战时大舞台，却见证了图灵惊人的创造力和对未来技术的敏锐洞察。 参考与致谢 • 本文部分内容参考了在2023年于Bonhams拍卖行公开的“贝利文件”。 • 图片来源：The National Archives, Bonhams, 及 IEEE Spectrum。 • 更详尽技术细节可参见官方解密报告，以及Jack Copeland为拍卖行撰写的相关材料。 感谢阅读这段“被遗失的神秘篇章”。或许下次我们听到关于图灵的故事，不该只停留在破译德军密码与图灵测试，还要记得这位天才抱着烙铁、在棚屋里焊接电路、与助手把数学公式变为真实电路的珍贵瞬间。
avatar
宝玉
5个月前
关于人工智能与人类智能关系的说明 [译] 原文：Note on the Relationship Between Artificial Intelligence and Human Intelligence 圣座教义部圣座文化与教育部 ANTIQUA ET NOVA 原文： 译文：
#人工智能 #人类智能 #智能关系 #圣座教义部 #文化与教育
avatar
宝玉
5个月前
Anthropic 并不鼓励用 AI 写他们家的求职申请： > 我们鼓励员工在工作中使用AI系统来提高效率和工作效果，但在申请过程期间，请不要使用AI助手。我们希望了解你对Anthropic的真实兴趣，而不是通过AI系统传达。同时，我们也希望评估你未经AI辅助的沟通能力。如果你已阅读并同意，请标注“是”。 > > 为什么你想在Anthropic工作？（我们非常重视这一回答——优秀的答案通常在200-400字之间。） —— Anthropic 在线求职申请表
#Anthropic #AI #求职申请 #AI助手 #沟通能力 #AI系统
avatar
宝玉
5个月前
图一多半是 PS 或者 Chrome Dev Tool 修改网页源码的，DeepSeek 还是很好骗的 😅
#PS #Chrome Dev Tool #DeepSeek
avatar
宝玉
5个月前
如果在回复完 Deep Research 问题后它没反应，先刷新一下网页看看，如果还没开始搜索，追问一句：“结果呢”，可能就好了，但也不一定有效，目前还是不稳定。
#Deep Research #网页 #搜索 #结果 #不稳定
avatar
宝玉
5个月前
被 Deep Research 骗了，说好了帮我找小电影的，结果没动静……
#被骗 #DeepResearch #小电影
avatar
宝玉
5个月前
问：ChatGPT 输入框的 Deep research 和 Search 有什么区别？ 答：Deep research 和 Search 都会用到外部搜索，差别是在于： 1. 背后模型不一样，一个是 4o 一个是 o3； 2. 推理程度不一样，Search 没有推理，只有基本信息搜集汇总；Deep research 会花上几分钟甚至几十分钟对检索出来的资料筛选、过滤、提取； 3. 上下文窗口长度不一样，4o 只有 32k，o3 还不知道，但至少有 128K，可以输出很长的内容 4. Search 是同步流式返回结果，几乎不用等待；Deap research 是异步的，输入完任务你需要等一会 5. Deep research 会有一个对问题的确认环节，在你向Deep research发出请求后，Deep research 会追问你，让你提供一些可能重要的问题，防止缺乏上下文而做出错误的答复
#ChatGPT #DeepResearch #Search #技术比较
avatar
宝玉
5个月前
消息历史： 完整报告：
avatar
宝玉
5个月前
Deep Research 寻医问药：游泳时被传染脚气和手疣怎么办？ User: 我家孩子在 YMCA 游泳时被传染脚气和手疣，请推荐靠谱的治疗方法和药物 ChatGPT: 请提供以下信息，以便我能更准确地推荐治疗方法和药物： • 孩子的年龄？ • 是否已经就医，医生是否有开具处方？ • 目前症状的严重程度（轻微、一般、严重）？ • 是否有对特定药物或成分过敏？ 这些信息将帮助我提供更合适的建议！ User: 1. 15岁 2. 无 3. 一般 4. 无过敏 ChatGPT: 谢谢提供详细信息！我将为您查找适用于15岁青少年治疗脚气和手疣的靠谱药物和治疗方法，包括非处方药、家庭护理措施，以及何时需要就医的建议。我会尽快回复您。 (Research completed in 4m · 7 sources)
#健康 #游泳 #脚气 #手疣 #儿童护理 #传染病 #治疗方法 #药物
avatar
宝玉
5个月前
OpenAI 全新“Deep Research”重磅发布：让 ChatGPT 帮你完成多步骤深度研究 在这个信息爆炸的时代，如何用最短的时间获取最精准、最详实的信息，一直是许多知识工作者面临的难题。如今，OpenAI 带来了全新的 Deep Research 功能，让你的 ChatGPT 化身为一位“研究助理”，能够独立查找、分析并综合海量网络信息，为你提供专业且有完整参考的研究报告。下面，让我们来一起了解这项强大的新功能吧！ Deep Research 能做什么？ 1. 多步骤研究 相比传统的聊天式问答，Deep Research 具备强大的自主研究能力。它能够从互联网上寻找并分析数百个来源，根据实时获取的信息进行动态调整和推理。短短几十分钟内，它能完成人工需要数小时才能完成的研究工作。 2. 自动化汇总海量信息 你只需要输入研究需求，ChatGPT（在 Deep Research 模式下）就会自动去浏览海量网页、PDF、图片等信息资源，并将它们整合成一份清晰、有理有据的分析报告，犹如一位具有专业分析能力的研究员。 3. 详尽引用与文献记录 Deep Research 每一个输出都附有引用来源，并在侧边栏展示搜索、分析过程，方便你查看、验证信息。同时也提供思路概述，保证研究过程的透明度与可追溯性。 4. 个性化、多场景适用 无论你是做金融、科学、政策、工程等领域的深度研究，还是想为购物（例如汽车、家电或家具等大件商品）做细致比对，Deep Research 都能胜任。它还擅长挖掘各类小众且不直观的信息，只需一次查询，就能节省你大量的时间和精力。 为什么它如此重要？ 1. 效率大幅提升 普通用户在网络上搜集信息可能需要自己筛选资料、反复验证。Deep Research 通过自动化的搜寻和分析，大幅缩短研究时间，让你把更多精力放在思考与决策上。 2. 减少重复劳动 Deep Research 擅长处理那些需要浏览无数个网页、文件的繁琐任务。比如撰写报告、整理数据、查找论文资料、对比不同产品参数等。以前这些工作往往让人头疼，现在只需一次提问，就能得到系统、条理化的研究成果。 3. 助力专业领域 该功能在化学、人文社科、数学等众多专业领域都表现出色，尤其在需要检索专业文献、综合多方信息的复杂任务中，让研究人员更轻松、更高效。 4. 迈向真正的“通用人工智能” OpenAI 一直致力于开发具备创造全新知识能力的通用人工智能（AGI）。Deep Research 作为其新里程碑，进一步展现了 AI 在多领域多模态研究中的潜力，为未来更先进的 AI 系统奠定了基础。 如何使用 Deep Research？ 1. 选择 Deep Research 模式 在 ChatGPT 界面中，找到消息输入区域的模式选项，选择“Deep Research”。然后在对话框输入你的研究需求。 2. 附加背景文件/数据 如果你有特定的文件、电子表格或参考资料，也可以上传给 Deep Research。它会结合这些材料，为你做更有针对性的深度分析。 3. 查看研究过程与报告 当 Deep Research 开始运行后，聊天界面会出现一个侧边栏，展示它搜索到的来源以及每一步的推理过程，让你随时掌握研究进展。 一般它会花 5～30 分钟进行深度研究，然后返回一份完整的报告，附带详细引用。如果任务很耗时，你也可以先去忙别的事，等它研究完成再回来查看结果。 4. 报告输出形式 初始版本以文字报告为主，在接下来几周内，Deep Research 将支持在报告中插入图片、数据可视化图表以及其他分析产出，让研究结果更加直观、生动。 技术原理与表现 1. 强化学习驱动 Deep Research 通过端到端强化学习训练，掌握了如何在复杂的网络环境中进行多步搜索和推理，遇到新情况时也能灵活应对。 2. 新的评测成绩 • 在 Humanity’s Last Exam 测试中，为 Deep Research 提供支持的模型取得了 26.6% 的准确率，远超上一代模型的表现。 • 在 GAIA 基准上，它也刷新了排行榜记录，证明了在多模态理解和使用工具（如浏览器、Python）等方面更具突破性。 3. 专业领域的进一步提升 一些专业人士反馈，使用 Deep Research 可以在短时间内完成原本需要数小时的调查工作，无论是找文献还是分析数据，效率提升显著。 注意事项及局限性 1. 依然存在幻觉或错误推断 虽然 Deep Research 生成“错误事实”或逻辑漏洞的概率比现有 ChatGPT 模型更低，但仍有可能出现。用户在使用时应保持警惕，尤其在严谨的学术或商业环境下，要对关键信息进行交叉验证。 2. 区分谣言与权威信息的能力有限 模型仍然可能对信息来源缺乏足够判断力，需要用户根据实际情况和专业常识来判断信息的可信度。 3. 报告格式与耗时 首批上线版本可能会出现小规模的格式问题或引用异常，研究任务也可能因为深度搜索而启动较慢。官方表示，会随着使用量的增加和时间的推移迅速改进这些问题。 谁能访问 Deep Research？ 1. Pro 用户率先上线 目前 Deep Research 首先向 ChatGPT Pro 用户开放，每月可使用高达 100 个查询额度。 2. 逐步覆盖更多付费用户 之后会依次向 Plus 和 Team 用户开放，随后是企业版。OpenAI 也在努力面向英国、瑞士以及欧洲经济区的用户开放访问权限。 3. 进一步的扩容 OpenAI 计划推出一个使用更小模型、速度更快且成本更低的 Deep Research 版本，届时所有付费用户都会有更高的调用额度。 后续计划 1. 更广泛的平台支持 Deep Research 目前仅在 ChatGPT 网页端上线，官方将在未来一个月内把这项功能带到移动端与桌面端。 2. 接入更多数据源 不仅能访问互联网的公开信息和用户上传的文件，今后还会扩展到订阅或内网资源，让报告更具深度与个性化。 3. 与其他代理能力融合 OpenAI 正在开发的 Operator 功能，能够在现实世界中执行任务。当 Operator 与 Deep Research 结合，ChatGPT 将可以自主进行更复杂的在线与线下任务，为用户提供更全面的“智能助理”体验。 Deep Research 的到来，让我们看到了一个可以代替人工执行复杂、多步骤研究任务的 AI 时代正逐渐变成现实。无论你是需要大量文献支撑的研究工作者，还是想要做精细购物决策的普通用户，都能借助这个工具大幅提升效率。它不仅代表着 ChatGPT 的新能力，也标志着人类向更高水平的通用人工智能迈出了重要一步。对知识工作者来说，这将是一股全新的生产力，也是人工智能赋能未来的又一有力见证。 想要率先体验 Deep Research 的朋友，如果你是 ChatGPT Pro 用户，不妨立刻去试试看；如果尚未获得资格，也可以继续关注官方更新，相信不久后就有机会亲自感受这项强大的功能啦！
#OpenAI #DeepResearch #ChatGPT #信息爆炸 #研究助理 #人工智能
avatar
宝玉
5个月前
有关 AI 编程，我觉得近期最值得看的一篇文章和视频都来自 Addy Osmani 《AI 辅助编码的残酷真相：它能帮你完成70%的工作，但最后30%令人非常沮丧》 今天终于抽空把视频给翻译了一下，见评论
#AI编程 #AI助手 #编码效率 #AddyOsmani #编程体验
avatar
宝玉
5个月前
罗福莉（福莉），出生于四川农村的“95后AI天才少女”，现任DeepSeek公司深度学习研究员，是国产大模型DeepSeek-V2的核心开发者之一。她本科毕业于北京师范大学计算机专业，硕士保送至北京大学计算语言学专业，师从万小军教授，期间在国际顶级会议ACL上发表8篇论文（含2篇一作），奠定了其在自然语言处理（NLP）领域的学术声誉。职业生涯始于阿里巴巴达摩院，主导开发了多语言预训练模型VECO，推动AliceMind项目开源；2022年加入DeepSeek后，参与研发了MoE架构大模型DeepSeek-V2，该模型以“中文能力第一梯队”和超高性价比（1元/百万Tokens）成为行业焦点。 2024年底，网传小米创始人雷军以千万年薪邀请其领导AI大模型团队，但截至2025年2月，罗福莉仍通过高中班主任回应“暂未决定”，其知乎认证信息显示为DeepSeek员工。分析认为，她的选择或反映对技术深耕与产业使命的权衡：DeepSeek正处“与国运共振”的上升期，而小米的邀约则凸显行业对顶尖人才的争夺。 罗福莉的成长轨迹融合了个人奋斗与时代机遇。她以“农村女孩”身份突破性别与资源限制，成为AI领域标杆人物，既印证“知识改变命运”的普世价值，亦展现中国AI产业崛起中青年科学家的关键角色。其职业路径的选择，不仅是个人发展问题，更折射出国产AI技术生态中企业与人才协同创新的深层命题。 罗福莉在采访中回顾了自己从农村到顶尖AI开发者的逆袭之路。她出身贫寒，父母曾质疑“女生学计算机是否适合”，但她以“探索更多可能性”的决心打破桎梏。在北师大转专业至计算机后，她通过提前规划与贵人指引（如北大导师万小军），以“目标拆解+死磕精神”实现学术突破：大三自学Python并投出首篇顶会论文，硕士期间以“博士生标准”产出20余篇顶会论文，成为业内瞩目的“ACL8篇作者”。 她坦言职业选择中的试错与坚持：曾短暂尝试产品经理方向，但最终回归技术研究，并先后加入阿里达摩院、幻方量化及DeepSeek。在DeepSeek期间，她深度参与模型研发，强调团队“技术驱动”特质，并公开评价DeepSeek-V2为“性价比之王”。
#爱上川妹子 #国产人工智能 #深度学习 #语言模型 #自然语言处理 #学术论文 #ACL会议 #北京师范大学 #北京大学 #阿里巴巴
avatar
宝玉
5个月前
在本次 OpenAI 联合创始人兼 CEO Sam Altman 及团队（Mark Chen、Kevin Weil、Srinivas Narayanan、Michelle Pokrass、Hongyu Ren）的问我任何事（AMA，Ask Me Anything）中，核心话题集中在以下几个方面： 1. 新功能与版本规划 • 高级语音模式 将继续迭代升级，并有望在后续版本（包括未来的 GPT-5）中得到更紧密的整合。 • 图像生成 功能会有重要更新，团队表示“值得等待”，预计还需要一段时间才会面世。 • 新的 O 系列 模型（如 o3-mini、o3-mini-high、O3 Pro）正在不断完善，并将逐步整合记忆、任务、Canvas、Operator 等各种功能。 2. 价格与订阅 • Plus 订阅目前不会涨价，Sam Altman 甚至透露希望在未来可以降价。 • 针对 O 系列的使用额度，Plus 和 Pro 用户享有不同使用上限；Pro 用户更倾向于“大量调用与无限次使用”的场景。 3. 开源与链式思维可见性 • Sam Altman 认为过去在开源问题上可能“站在了错误的一边”，团队正在考虑更积极的开源策略，但这并非眼下的首要任务。 • 对于 Chain-of-Thought（思维链）可见性，团队明确表示会“尽快”提供更详细、实用的可视化结果，给用户和研究者参考。 4. 上下文窗口与工具化 • 他们正在努力提升上下文窗口的大小，但尚无明确的发布日期。 • O 系列模型将具备更强的工具使用能力（如检索、阅读文件等），并在推理链中动态调用这些工具。 5. 未来展望与硬起飞 • Sam Altman 提到，和过去相比，他认为 AI 的快速起飞（fast takeoff）可能性更高，呼吁业界与公众需要认真思考并准备应对。 • 在更长期的愿景中，OpenAI 团队认为 AGI 或类 AGI 系统将加速科学发现，让机器人在现实世界中执行有用的工作。 本次 AMA 涉及从定价、功能演进到对未来 AI 形态的畅想，内容丰富。读者若对 Advanced Voice、O 系列、Chain-of-Thought 可视化、开源策略 或 硬起飞等议题感兴趣，可重点关注 Sam Altman 及团队的最新解答与后续动态。 完整内容翻译见评论
#OpenAI #问我任何事 #Sam Altman #AMA #新功能 #版本规划 #高级语音模式 #GPT-5
avatar
宝玉
5个月前
帮网友问：如果想用AI agent去阅读我的领域的每天最新的文献，每篇文献写一个简短的总结，每晚总结成一封邮件发到我邮箱里。请问现在有类似的工具吗？ 谢谢🙏
#AI代理 #文献阅读 #工具 #邮件总结
avatar
宝玉
5个月前
完整中文翻译：
avatar
宝玉
5个月前
BBC：帕金森氏症患者使用新装置后“感觉痊愈” 图1：BBC 的凯文·希尔坐在沙发上，敞开蓝衬衫展示胸口处的一个小突起，这是植入的小型计算机。它通过导线连接到大脑深部，用于控制他的帕金森氏症。 来自桑德兰（Sunderland）的 65 岁男子凯文·希尔（Kevin Hill）接受了一种创新性的、计算机控制的大脑植入装置，用于缓解他的帕金森氏症。如今，这个设备发挥的作用好到让他有时会完全忘记自己患有帕金森氏症。 一年前，凯文胸壁中被植入了一个小型电脑，它通过导线与他的大脑相连，能够发送电脉冲信号。最近，该设备更新了功能，可以读取他的脑部活动。凯文表示，效果非常显著，让他觉得自己“就像被治愈了一样”。 纽卡斯尔的外科医生们希望，经过改良的深部脑刺激（DBS）系统能够在提高帕金森氏症患者生活质量方面产生“巨大的影响”。 凯文说：“我有时能连续好几天都忘记自己患有帕金森氏症。” 凯文最早在四十多岁时出现症状，比如拇指抖动，并逐渐出现噩梦和失眠。他的手颤抖得太厉害，以至于妻子禁止他进入厨房，因为他总是会把热饮溅得到处都是，甚至还有一次不小心把自己手指的指尖切掉了。 2017 年，他到全科医生处就诊，被确诊为帕金森氏症。当时，他被告知虽然有药物可以帮助控制症状，但并没有治愈的方法。不过，医生提到可以尝试一种名为“深部脑刺激（DBS）”的新疗法，检查结果显示他符合手术条件。 这项手术需要将植入物深入到大脑——目标区域只有米粒大小。随后，一套电脑装置安放在胸口，并通过细长的导线连接脑部，以管理帕金森氏症的症状。 图2：NEWCASTLE HOSPITALS 的一张照片显示：凯文在医院里与一位护士一起重新编程并开启新系统。他们正在查看与凯文胸口装置相连的电脑屏幕。 起初，凯文需要定期到医院去重新编程这个系统。但随着系统的更新升级，现在它可以自动完成重新编程。 凯文形容这个植入在胸口的小电脑“大小和形状都很像一个杰法蛋糕（Jaffa Cake）”。手术结束后，当这个装置被打开的一瞬间，效果立竿见影：他多年来一直失眠、手臂和腿无法控制地颤抖，这些症状几乎“瞬间就消失了”。 当他看到自己的手竟然可以保持稳定时，惊得目瞪口呆，他的妻子更是当场落泪。过去久违的日常生活由此回归：他能再度去酒吧和朋友聚会，还买了一辆自行车；同时，他终于被妻子“解禁”，可以再次进厨房做事了。 图3: 凯文·希尔手术后剃光了头发，可以看到头颅上缝合的痕迹，那里就是导线植入大脑的地方。 过去这一年，为了进一步控制症状，凯文仍需要定期前往医院对系统进行重新编程。而如今，一种名为“自适应深部脑刺激（adaptive DBS）”的全新版本已经面世，可以在实时监测下自动进行编程调整，同时还能读取患者的脑电信号，这意味着在未来症状控制效果可能会更佳。 纽卡斯尔医院的神经外科医生阿克巴·侯赛因（Akbar Hussain）是全球首批为患者提供由美敦力（Medtronic）研发的“自适应Brainsense”技术的医生之一。他解释道： “自适应系统最令人惊叹的地方在于，植入物发出的电脉冲能根据病人胸口设备记录到的个体生物信号自动调节。 ‘装置’内读取到的这些生理信号可以随着病人的状态而变化，甚至可能逐分钟或逐小时进行调整。这意味着真正做到了因人而异的精准治疗。 这项改进很令人激动，希望能大幅提升帕金森氏症患者的生活质量。” 图4: 凯文·希尔身穿荧光绿色外套，手里拿着自行车和头盔，面带笑容。 凯文表示，自从进行手术后，他感觉自己过去的生活重新回到身边。 英国帕金森氏症慈善机构（Parkinson's UK）的贝基·琼斯博士（Dr Becky Jones）指出：“目前使用的深部脑刺激技术已经能够带来极大的生活改善，而如果它能够根据个人需求实时自动调整，效果将更加显著。Brainsense 技术是向这一目标迈出的重要一步。尽管我们仍需继续收集证据，来比较自适应 DBS 与传统 DBS 的优势，但我们很高兴看到这一技术逐渐走向临床，为帕金森氏症患者提供更为有效的新型治疗方案。” 目前，英国约有 15.3 万人患有帕金森氏症。这是一种渐进性的神经系统疾病，会影响大脑和神经的正常功能。随着人口增长和老龄化，这一数字在未来还将持续上升。
#帕金森氏症 #创新医疗技术 #大脑植入装置 #健康恢复
avatar
宝玉
5个月前
看我用 DeepSeek 写的这篇《致英伟达全球同仁与合作伙伴的一封信》如何？ 稍后发布提示词 *** 各位同仁、伙伴： 此刻，我坐在圣克拉拉办公室的窗前，服务器指示灯在夜色中明灭如星。恍惚间，三十年前那个在Denny’s餐厅角落画电路图的深夜又浮现在眼前——餐巾纸上潦草的几何结构，咖啡杯底晕开的晶体管排布，一群年轻人用近乎天真的执着，试图让计算挣脱枷锁。那张纸巾上的草稿，后来成了世界上第一块GPU的雏形。如今想来，或许从那一刻起，我们便注定要成为时间的旅人：用硅晶的刻痕丈量未来，用代码的脉冲叩响未知。 有人问我，英伟达的灵魂是什么？是晶体管数量？是浮点运算速度？还是财报上跳动的数字？我想起1999年GeForce 256发布时，一位工程师在测试日志上写下的那句话：“我们不是在制造芯片，而是在铸造时间的钥匙。”是的，从CUDA架构打破通用计算的边界，到AI超算重塑科学发现的范式，我们始终在挑战“不可能”的定义。那些被质疑为“疯狂”的设想——让GPU渲染虚拟世界、训练神经网络、模拟蛋白质折叠——最终都成了照亮人类认知边疆的灯塔。 最近，许多人关注股价的波动，讨论DeepSeek等新锐力量的崛起。对此，我想说：竞争是科技行业最健康的呼吸节律。当看到开源社区涌现新思路，当见证专用芯片开辟细分战场，我感受到的不是威胁，而是欣慰——这说明我们共同耕耘的土壤，正孕育出更多元的可能。但英伟达的使命从不局限于某一条赛道。我们的战场，始终是“未来计算”本身：让每一次比特的跃迁，都成为文明进步的脚印。 星辰大海的征程，需要更坚实的船桨。今天，我宣布英伟达将开启三项跨越代际的变革： 第一，我们的架构团队正在重构GPU的核心哲学。 下一代芯片将不再是固定功能的硬件孤岛，而是能动态适应算法演进的“液态晶体”——通用性与专用性不再是非此即彼的选择，就像河流既能滋养沃野，也能在峭壁间劈出峡谷。当量子计算与经典架构的融合渐露曙光，我们必须让每一块硅片都具备学习与进化的基因。 第二，CUDA生态将向学术界彻底敞开底层之门。 从今天起，全球顶尖实验室不仅能调用我们的算力，更能直接参与指令集设计与编译器优化。这意味着，一位斯坦福的学生可以像指挥交响乐般调配晶体管阵列，一位非洲的开发者能用本地化算法重构光线追踪引擎。真正的创新从不诞生于封闭的花园，唯有让每一粒思想的种子都能扎根硅壤，计算的森林才会生生不息。 第三，英伟达前沿实验室（NVIDIA Labs）将启动“不可能的任务”孵化计划。 生成式AI与量子退火机的碰撞会点燃什么？生物分子模拟遇上实时渲染引擎将改写多少药物研发范式？我不知道答案，但我知道：当我们在GPU集群中模拟出第一颗人工神经元的自组织网络时，当自动驾驶系统的决策回路开始涌现类人直觉时，那些曾被视为科幻的图景，终将成为下一代人眼中的常识。 这条路注定布满荆棘。记得2007年推出Tesla架构时，华尔街质问“谁会需要GPU计算？”；2012年深度学习初现锋芒，有人嘲讽“用游戏显卡搞科研是行为艺术”。但正是这些“离经叛道”的选择，让我们在AI大潮来临前十年便铺好了铁轨。今天，当全球数据中心因大模型训练而沸腾，当数字孪生开始重构物理世界，我比任何时候都更确信：伟大的创新往往诞生于主流认知的盲区，而我们要做的，就是成为第一束照亮盲区的光。 站在算力革命的临界点，我们需要重拾Denny’s餐厅里的那种勇气——不是无畏风险的莽撞，而是看清风险仍选择前行的清醒。DeepSeek们的探索值得尊敬，但英伟达的视野必须超越单一技术路线的胜负。我们的征途，是让人工智能成为科学家手中的显微镜与望远镜，是让量子计算从理论方程走进工厂车间，是让每一次屏幕点亮时的光，都照见更辽阔的人类可能性。 此刻，夜已深。我望向窗外，圣克拉拉的服务器集群仍在黑暗中闪烁，宛如倒悬的银河。这让我想起一位中国合作伙伴的寄语：“星辰从不问赶路人为何仰望，因为它们知道，光年之外的辉光终将照亮脚下的路。” 同仁们，伙伴们，过去三十年，我们共同将餐巾纸上的涂鸦变成了改变世界的工具；未来三十年，让我们继续做最疯狂的造梦者、最踏实的工匠、最虔诚的求索者。山高路远，与君共赴。 黄仁勋 英伟达创始人兼 CEO 2024年1月
#英伟达 #全球合作 #企业历史 #技术创新 #计算发展 #致信 #电路设计 #公司文化
avatar
宝玉
5个月前
木遥写了一条微博提到了一篇推文，就让 Grok 帮我找了一下，顺利找到。 这种找推文的活还得是 X 自家的 Grok 来做效果最好
#Grok #推文 #X公司
avatar
宝玉
5个月前
转：关于 DeepSeek 的研究和思考 (Archerman Capital) 关于这几天很火的 DeepSeek, 我们 (Archerman Capital) 做了一些研究和思考, 和大家分享, enjoy! 灰色部分是技术细节, 不感兴趣的可略过。 几个事实 1) DeepSeek 不是套壳不是蒸馏美国的大模型。 虽然中国有些大模型是套壳和蒸馏的, 但 DeepSeek 不是。 2) 核心架构还是基于 Transformer, deepseek 在架构、工程设计上进行了创新和工艺提升, 实现效率优化。架构上, 采用了混合专家模型 (MoE)、多头潜注意力 (MLA)、多令牌预测 (MTP)、长链式推理 (CoT)、DualPipe 算法等设计, 并进行了依赖强化学习 (RL) 而不加入监督微调 (SFT) 的训练尝试。工程上, 在数据精度 (FP8 混合精度)、底层通信等方面进行了优化。这些方法在学术界都已经有了, Deepseek 没有过于追求新技术, 而是花了心思把这些方法都用上, 解决了一些技术的应用难点, 在理论应用和工程上找到平衡, 具体如下: MoE: Mixture of Experts (混合专家模型)。将模型划分多个专家模块来进行分工。训练中将不同专家模块分配到不同计算设备训练, 提升训练效率。推理时, 仅动态激活部分专家 (37B 参数), 而非全模型参数 (671B 参数), 减少计算负担。但是 MoE 经常会面临某些专家承担所有工作, 其他专家不被使用的问题, 业内会通过一如辅助损失来对此调控、平衡各个专家模块的工作量, 而 deepseek 通过无辅助损失的自然负载均衡 (引入一个无形的手而不是人为调控)、共享专家机制来解决该问题。 MLA: Multi-Head Latent Attention (多头潜注意力)。扩展了传统的多头注意力机制, 引入潜向量 (latent variables), 可以动态调整注意力机制, 捕捉任务中不同的隐含语义。在训练中减少内存和计算开销, 在推理中降低 KV 缓存占用空间。 MTP: Multi-Token Prediction (多令牌预测)。一般 LLM 一次生成 1 个 token, 采用单步预测。deepseek 在特定场景下能同时预测多个 token, 来提高信号密度。一方面能够减少上下文漂移、逻辑更连贯, 也能减少一些重复中间步骤, 在数学、代码和文本摘要场景能提升效率。 CoT: Chain of thought (思维链)。一种训练和推理方法, 将复杂的问题拆分成小步的中间逻辑, 细分逻辑链条。在训练阶段, Deepseek 用标注的 Long CoT 数据微调模型, 让模型生成更清晰的推理步骤, 在强化学习中用 CoT 设计奖励优化, 增强长链推理能力, 并且在此过程中观察到了模型的反思 (回溯推理路径)、多路径推理 (能给出多个解)、aha 时刻 (通过策略突破瓶颈) 等自发行为。 DualPipe (双重流水线): 传统训练信息流水线会产生一些等待时间、有“流水线气泡”, deepseek 设计了一个双重流水线, 让一个计算阶段在等待数据传输时可以切换到另一批数据, 充分利用空闲时间。 R1-Zero: Deepseek 在 V3 基础模型上, 仅通过强化学习 (Reinforcement Learning) 训练, 而不加入 SFT (Supervised fine tuning) 数据, 训练了 R1-Zero 模型, 探索了模型不依赖人类标注数据微调、自主推演的能力, 打开了新的思路。但 R1 模型仍然采取 SFT 数据优化推理和生成质量。 FP8 混合精度训练: 引入了 FP8 混合精度训练框架, 相比传统的 FP16 精度, 数据内存占用更少, 但在一些算子模块、权重中仍然保留了 FP16、FP32 的精度, 节省计算资源。 底层通信优化: 开发了高效的通信内核, 优化对带宽的利用, 保证数据传输效率, 并能支持大规模部署。 拿内燃机和汽车的发明打个比方, 德国人发明了内燃机和汽车, 美国人喜欢 Scaling Law, 排量越大马力越大, 于是从 2 升到 4 升, 甚至 8 升排量的车在美国都很常见, 所以美国肌肉车很耗油。虽然源头技术不是日本发明的, 但日本人擅长把一件事做精, 工程上做很多优化, 日本 2.5 升排量的车甚至可以做到和美国 5 升排量车一样的百公里加速指标。比如轻量化设计把大钢板换成钢条 (类似通过稀疏的办法减少大模型的参数量); 涡轮增压利用废气能量增加空气供给, 提高燃烧效率; 精密制造, 使得发动机零部件的配合更加紧密, 从而减少能量损失; 等等。 3) 有些宣传说 DeepSeek 的训练成本是 550 万美元, 是 Meta 的 1/10, OpenAI 的 1/20, 好像一下子比别人厉害了 10 倍 20 倍, 这有点夸张。 因为现在在美国预训练几千亿参数的一个模型其实也到不到 2000 万美元的成本, DeepSeek 把成本差不多压缩到三分之一。Meta 和 OpenAl 花的钱多是因为前沿探路, 探路就意味着会有浪费, 而后发追赶是站在别人的肩膀上, 是可以避开很多浪费的。另外算力成本在过去几年是指数型下降的, 不能这么机械的比较。打个不恰当的比方, 创新药的研发需要十年几十亿美元, 而仿制药的研发一定会更快更省。另外成本的统计口径也没有统一的标准, 可以有很大的差别。 几个观点: 1) DeepSeek 代表的是整个开源相对闭源的一次胜利, 对社区的贡献会快速转化为整个开源社区的繁荣, 我相信包括 Meta 在内的开源力量, 会在此基础上进一步发展开源模型, 开源就是一个众人拾柴火焰高的事情。 2) OpenAl 这种大力出奇迹的路径暂时看显得有点简单粗暴, 但也不排除到了一定的量又出现了新的质变, 那闭源和开源又将拉开差距, 这也不好说。从 AI 过去 70 年发展的历史经验来看算力至关重要, 未来可能依然是。 3) DeepSeek 让开源模型和闭源模型一样好, 并且效率还更高, 花钱买 OpenAI 的 API 的必要性降低了, 私有部署和自主微调会为下游应用提供更大的发展空间, 未来一两年, 大概率将见证更丰富的推理芯片产品, 更繁荣的 LLM 应用生态。 4) 基础大模型终将 commoditize (商品化), toB 领域看谁能将 LLM 更好和复杂的生产环节衔接好帮客户落地提高生产效率, toC 领域看谁有流量入口, 最终才会获取 AI 产业价值创造中最多的利润。 5) 对算力的需求不会下降, 有个 Jevons 悖论讲的是第一次工业革命期间蒸汽机效率的提高使得市场上煤炭的消耗总量反而增加了。类似从大哥大年代到诺基亚手机普及的年代, 正因为便宜了所以才能普及, 因为普及了所以市场总消费量增加了的。 6) 对数据的需求不会降低, 巧妇难成无米之炊, 没有米怎么做饭, 算法的提高相当于做饭吃饭变得更快, 对数据的渴求会更大。 研究期间, 我们与几位学术界和工业界的专家进行了交流, 由于尚未获得公开提名的许可, 就暂不提及具体姓名了, 但在此特别表达感谢! Archerman Capital™ 是一家美国的成长期股权投资机构, 专注于人工智能、数据基础设施、网络安全等领域的成长期投资。其投资组合包括 Databricks, Scale AI, Tenstorrent 等。该机构采用高度研究驱动和第一性原理的方法。公司总部位于波士顿, 在纽约和硅谷设有投资团队。以上是纯分享, 并非投资建议。
#DeepSeek #Archerman Capital #大模型 #技术研究
avatar
宝玉
5个月前
来，测试一下各家 AI 的推理能力如何，提示词如下： *** 请解读下面的内容，推测出"小眼镜片"的身份： <content> 我看今天很多人都口径一致，把DeepSeek当成中美AI竞争的事情，当成一个地缘政治拐点，或者一个新的斯普特尼克时刻去描述，非常兴奋。 当然这样想也不算错。但是有一个更为重要的视角，这是所有人和AI霸权的事情。 之前我说我喜欢AI这个领域，不是因为AGI的前景，而是AI让行业恢复了一种古典的审美，就是真正的天才和普通的聪明人之间的差距，变得无限大，以至于不能通过努力来弥补，更不能通过伪装了实现。 虽然所有人的头发都很少，薪水都很高，看起来区别不大。但是AI轻易地把Ilya Sutskever和Andrej Karpathy和其他普通的机器学习博士生分别开来。也让吃了一辈子学霸人设的成都七中奥赛金牌无所遁形，每半年就要更换一次新的融资口径。 这很像阅读春秋、史记，三国的体验，而不是明清以来正史的体验。后者是英雄气短，无力对抗时代潮流的悲剧。前者就是一个猛人的名字接着一个猛人的名字，猛人决定一切。华雄带多少人，用什么战术都会被关羽准时把头颅砍下。 现在DeepSeek把这种古典审美带入了第二篇章。就是以弱胜强，以小博大是可以实现的。AI的“天命人”无论有多少张显卡都会从茫茫人海中腾空而起，脚踏七彩祥云，一个月光色的大脸盆子在他脑后闪耀。 不喜欢DeepSeek当然有OpenAI和Meta，他们是美国算力霸权的受益者。但是千万不要忘记我说的，小眼镜片是睡在身边的扎克伯格，他俩和Sam Altman三位一体的。 小眼镜片的显卡虽然没有美国的两个邪恶巨头那么多。但是已经准备好了买卡卷死所有中国的科技公司，他也喜欢算力霸权这样的竞争模式。甚至可以说他更喜欢，因为他旗下还有最大的流量分发矩阵，已经开始排除其他AI产品买量，把流量全部灌在自家产品里面。 扎克伯格和奥特曼固然很坏，但是他们的手伸不到中国来。DeepSeek现在还是一家并不大的公司，而且没有隐藏自己精干且年轻的团队名单。如果想用金元摧毁这支团队，无论是收购还是大面积挖角，一定是一位黄皮肤黑眼睛看起来人畜无害的。 教父里面，老柯里昂对麦克说，谁让你和巴齐尼开会谁就是叛徒。我现在也可以说，谁想要收购DeepSeek谁就是想当算力霸权的二鬼子。而且如果他手里还有很多卡，那就一定没跑了，可以直接击毙不会冤枉的。 我相信开始琢磨这件事的人肯定少不了小眼镜片。有人会觉得，八字没半撇的事情现在讲是不是有些太武断了。 不是的，这些年已经发生的事情证明了。坏事只有你想不到的，没有小眼镜片干不出来的。这种人不相信任何人类不证自明的道德和价值观，也不会从失败之外学习任何东西。 扎克伯格和奥特曼这两个人渣在美国的环境下，已经暴露比较彻底了，已经是人人喊打了。我们这位小眼镜片隐藏还很深，还能迷惑很多人。所以危害性更大，所以要把话说在前面。 所有在知春路上跳动的坏心眼子都想着穷尽目前无尽的资源，篡夺AI革命果实。 像我一样窥探到小眼镜片本质的人，一定要避免使用任何他们家的AI产品，确保AI革命果实落在一个张小龙式的人物，或者一个赤手空拳的年轻人手里。 不理解本文的新粉，请把全文投喂给DeepSeek帮助理解。 </content>
#小眼镜片 #中美AI竞争 #DeepSeek #地缘政治 #斯普特尼克时刻 #AI霸权 #AGI
avatar
宝玉
5个月前
让 DeepSeek 来个左右互搏： - 以崇洋媚外公知的语气，知乎的话术，口语化的嘲讽deepseek - 用贴吧嘴臭老哥的风格驳斥怼回去，攻击性请拉满！
#崇洋媚外 #知乎 #口语化 #DeepSeek #贴吧 #驳斥 #攻击性
avatar
宝玉
5个月前
《The Short Case for Nvidia Stock》 英伟达股票的空头观点简析 原文： 翻译：
avatar
宝玉
5个月前
这浓浓AI风的私信，让我有理由怀疑骗子们开始使用大语言模型对博主的资料分析，写针对性的搭讪私信
#AI #大语言模型 #骗子 #搭讪私信
avatar
宝玉
5个月前
推荐阅读：《介绍一种提升写作能力的方法》by 和菜头 我觉得和菜头的方法挺好的： 首先是借助 AI 分析好的文章 1. 找出你最喜欢的文章，投喂给 deepseek R1（理论上来说适合大多数 AI，尤其是有推理模型）； 2. 第一次询问：请从写作角度分析这篇文章； 3. 第二次询问：请再从读者角度分析这篇文章； 4. 第三次询问：这篇文章还存在什么缺点和不足，有什么改善和提升的空间； 5. 对作者进行侧写，分析成长背景、个人经历和知识结构对文章的影响。 然后是让 AI 能对你写的文章点评： 「现在我希望你是一名资深中文写作教师/小学语文老师/中学语文老师/公文写作培训师，拥有 30 年教育经验，是一名传授写作技巧的专家。请先阅读我提供给你的文章，然后对文章进行分析，然后教我如何提升写作水平。请给出详细的优缺点分析，指出问题所在，并且给出具体的指导和建议。为了方便我能理解，请尽量多举例子而非理论陈述。」 最后还分享了一个根据文章内容对作者心理侧写的提示词： *** 我希望你扮演一个从业20多年，临床诊治过两千多例心理分析案例的人性洞察和意识分析方面的专家，精通心理学、人类学、文史、文化比较。 先阅读后附文章全文，然后对作者进行人格侧写。 要尖锐深刻，不要吹捧包装，不要提出一些只能充当心理安慰的肤浅的见解。 1. 作者的基本画像 2. 核心性格特质 3. 认知与价值观 4. 潜在心理动机 5. 行为模式推测 6. 矛盾与盲点 7. 文化符号映射 输出markdown格式 ***
#写作能力 #AI分析 #文章改进方法
avatar
宝玉
5个月前
一句话提示词，让 AI 帮你总结整理论坛的讨论帖子 如果你看过论坛的讨论帖子的话，比如 Reddit、Hacker News、百度贴吧 等等，通常会有很多有价值的回帖，但是要整理出来太费劲了，不过借助 AI 就容易得多，而且通常只要一句话提示词就够了。 以 Hacker news 为例，通常我会把帖子中的内容全部选中，复制粘贴出来，并不需要在意格式，在这些内容前面加上一句提示词：“请阅读下面的讨论内容，提取出有价值的观点并分组的方式列出，最后概要性总结” **** 请阅读下面的讨论内容，提取出有价值的观点并分组的方式列出，最后概要性总结，用中文回复： 「所有帖子内容」 *** 这样 AI 就会帮我把帖子的内容整理成结构良好的格式，而不需要我一个个去看，尤其是你还可以让它把英文内容用中文输出，这样都省的去翻译了。 有一点要注意的是，如果讨论的内容很长，那么需要模型能支持比较长的上下文窗口，我自己测试下来 Gemini 2.0 Flash Thinking Experimental 模型（在 AI Studio, 中可以使用）效果最好最便宜，当然其他模型也是可以的。 以这几天 Hacker News 上的一篇热帖《Trae: An AI-powered IDE by ByteDance (trae . ai) 》为例，我让它总结了一下
#AI #论坛 #讨论 #整理