宝玉

统计数据

913

文章

0

粉丝

0

获赞

20656

阅读

5个月前

Shopify 分享了他们构建 Agent 的经验，整体架构也是目前主流的 Agentic Loop，就是不停的循环，让大模型判断需要调用什么工具，Agent 去调用工具，根据调用工具的结果看是继续调用工具还是任务完成。他们针对打造 AI 智能体给了4条核心建议 1. 架构简单化，工具要清晰有边界 2. 模块化设计（如即时指令） 3. LLM 评估必须与人类高度相关 4. 提前应对奖励作弊，持续优化评估体系我看下来主要是两点值得借鉴的地方： 1. 工具不要太多，尽量控制在 20 个以内；如果数量太多会极其影响 Agent 的能力，很难精确选择工具那么解决方案是什么呢？不要看他们分享的 JIT 方案，明显是一个过渡性的产物，需要动态的去生成调用工具的指令，为了保证不影响 LLM 的 Cache，还要动态去修改消息历史，过于复杂。真正的靠谱方案其实 PPT 里面也写了（看图3），只是它们还没实现，而实际上 Claude Code 这部分已经很成熟了，就是用 SubAgent（子智能体），通过 Sub Agent 分摊上下文，把一类工具放在一个 SubAgent 中，这样不会影响主 Agent 上下文长度，也可以让子 Agent 有一定自制能力，有点类似于一个公司大了就分部门，每个部门就是一个 SubAgent。

#Shopify Agent构建 #Agentic Loop架构 #AI智能体建议 #SubAgent方案 #工具数量控制

5个月前

如果你要学习 Codex 的系统提示词，没必要去破解，因为它本身就是开源的，直接去看它的源代码就好。

#Codex #系统提示词 #开源 #源代码 #学习

5个月前

机器人：「“我c你大爷”，说完这一句话，我就一个就地打滚，左腿微微发力，一个鹞子翻身，接一个鲤鱼打挺，我就腾的一下子……摔那了」

#机器人 #骂人 #摔倒 #幽默 #动作描写

5个月前

小模型不是 Agentic AI 的未来，小模型只配给 Agent 当工具现阶段 Agent 的主要问题不是成本过高，而是智能不足，所以做不好任务，所以需要浪费很多 Token。不能拿小模型在特定环境特定任务 RL（强化学习）后的结果来当证据，这不代表其在真实任务中的能力，这就是为什么一堆模型靠训练测试集刷很高分，但是实际一用很垃圾的原因。真实世界的任务是很复杂的，用户的请求总是千奇百怪，Agent 的核心能力是能充分理解用户的需求，去规划去调用合适的工具收集上下文完成任务。这样的核心能力连大模型都做不好，更别说现在的小模型，再怎么微调也无法提升 Agentic 能力。但不是说小模型没用，它作为 Agent 的工具是挺好的，可以低成本高效的完成一些特定任务。举个例子来说你要做一个翻译的智能体，你可以用 Claude 4 负责任务的规划拆分，去调用工具，但具体翻译文本，可以用一个开源的小模型帮你翻译。

#Agentic AI #小模型 #大模型 #任务规划 #智能不足

5个月前

OpenAI 的经济研究团队和哈佛大学经济学家 David Deming 共同完成发布了一项迄今规模最大的ChatGPT使用情况研究报告。这份报告首次深入展现了这种被广泛普及的AI技术，如何通过提高人们的工作效率和改善个人生活而创造经济价值。谁在使用ChatGPT？随着AI技术变得越来越普及，用户之间的差距也在逐渐缩小。截至2025年中期，ChatGPT的男女用户比例已经接近整体成年人口比例。2024年1月，能够识别性别的用户名中，女性用户仅占37%；到了2025年7月，这一比例已上升到超过一半（52%）。此外，ChatGPT在全球范围内被广泛采用，尤其是在中低收入国家增长迅速。到2025年5月，低收入国家用户的增长速度，是高收入国家的四倍以上。人们用ChatGPT来做什么？用户使用ChatGPT最主要的原因是解决日常问题。四分之三的对话都集中在获取实用指导、寻找信息以及写作上。其中，写作是最常见的工作任务，而编程和自我表达类的使用场景仍然属于小众活动。从另一个角度来看，人们使用ChatGPT的模式可分为三类：询问（Asking）、行动（Doing）和表达（Expressing）。 - 大约一半的消息（49%）属于“询问”，这是增长最快、用户评价最高的类别，说明人们更倾向于将ChatGPT视作顾问，提供建议和决策参考，而非简单地完成任务。 - “行动” 类占40%，其中约三分之一与工作相关，包括撰写文字、规划任务和编程。人们会让模型帮助生成具体成果或完成实际工作。 - “表达” 类占11%，主要涉及个人的反思、探索和娱乐，而非明确的问题求助或具体任务。

#OpenAI #ChatGPT使用情况研究 #AI技术普及 #中低收入国家用户增长 #ChatGPT作为顾问

5个月前

如果你的 Agent 还要用 ReAct 框架写 Prompt，那么要么说明你在用没有 Agent 能力的模型（比如 GPT-4o、Gemini 2.5 Pro），要么就是用错了。因为有 Agent 能力的模型，比如 Claude 4 系列（包括前面的 Claude 3.7 和 GPT-5），是不需要通过 ReAct 提示词来激发 Agent 能力，只要提供正确的工具和合适的工具描述，就会自动的去规划、调用工具和完成任务。

#agent #ReAct框架 #GPT-4o #Claude 4 #模型能力

5个月前

让 AI 解读一下这个笑话，Gemini 居然在开车🤦

AI高考数学测试：O3意外落后，Gemini夺冠引发热议· 67 条信息

#AI #Gemini #笑话 #开车 #人工智能

5个月前

ChatGPT 和 Claude 都有记忆功能，但两者实现原理截然不同。以前研究 Claude Code 的时候，发现它不是基于 RAG 而是基于 grep 工具使用正则检索代码，没想到 Anthropic 把这一点进一步发扬光大，在 Claude 网页版的记忆功能中，也是基于实时搜索来做的，跟 ChatGPT 的记忆功能思路完全不一样。 ChatGPT 的记忆模式是自动化、魔法般的个性记忆，不需要用户提醒，自动的悄悄记录用户的使用细节。所以以前经常有提示词让 ChatGPT 根据对自己的记忆来描述自己或者画像。当新开对话，ChatGPT 会把对用户的记忆作为上下文一起发给模型，让你觉得 GPT 很懂你。当然有时候也会因为错误的记忆导致一些混乱，尤其是多人共用账号的情况。 Claude的记忆模式是基于检索的，每次新开对话，都没有任何任何历史记忆，只有当你明确告诉 Claude 需要用到某条记忆内容，它才会从真实的历史记录中精准提取信息。 Claude的记忆功能分为两种：一是基于关键词搜索历史对话，二是以时间线为索引检索近期聊天。 Claude 这种设计很自然地适合专业用户——尤其是程序员、研究人员或科技爱好者。他们通常有清晰的意图，知道自己什么时候需要AI调用记忆。而相对的，ChatGPT构建的并非历史记录检索，而是一种自动生成的用户画像。这种模式无需用户主动操作，也更符合大众消费产品的使用直觉：一切皆自动，一切皆便利。对于这两种不同的记忆模式很难说孰优孰劣，各有优缺点。其实我个人还偏好 Claude 的一点，按需检索，而不会收到历史记录影响。也许更好的模式是两者结合。

AI编程工具激战：Claude Code、Gemini Cli崛起· 1256 条信息

#ChatGPT #Claude #记忆功能 #检索 #用户画像

5个月前

知名主持人塔克·卡尔森（Tucker Carlson）近日在对 OpenAI 首席执行官山姆·奥特曼（Sam Altman）的访谈节目中，当面追问 Sam Altman，就去年 OpenAI 前工程师苏奇尔·巴拉吉（Suchir Balaji）的离奇死亡事件提出质疑，引发了舆论关注。苏奇尔·巴拉吉曾是 OpenAI 重要的研究人员，2024年曾公开讨论过大语言模型（LLM）训练的版权法律风险问题，并被《纽约时报》等媒体报道为可能出庭作证、参与针对 OpenAI 的诉讼。然而，2024 年 11 月，他被发现死于旧金山的家中，警方初步调查结论为**疑似自杀**。旧金山市法医部门于2025年2月发布官方报告，结论确认巴拉吉死于单一枪伤，现场未发现他杀证据，警方随后结案。然而，巴拉吉的家属一直质疑官方的“自杀”结论，认为此事仍存诸多疑点，比如： - 为什么案发现场的监控摄像头线路被切断？ - 为什么警方未解释他为何在两个不同房间均留下血迹？ - 现场为何有不属于死者的假发？ - 一名刚刚下单 DoorDash 外卖的年轻人，为何会在数分钟后突然开枪自杀？ - 由第三方尸检指出死者可能存在第二处枪伤、搏斗痕迹及头部外伤等情况，却未被官方报告提及。卡尔森在节目中表示，这些家属提出的疑点“令人极度不安”，并当场追问奥特曼，要求他对外界的质疑作出解释。从奥特曼的反应来看，他明显感到不适与紧张，视频随即引发了公众对于此案的再次热议。目前，旧金山市官方仍坚持原先的调查结论，即巴拉吉属于自杀事件。但面对这些尚未完全解释的疑点，家属与部分公众人士仍在推动更深入的调查。 --- 视频文稿 --- 塔克·卡尔森（Tucker Carlson）：之前有一名程序员指责你们公司窃取别人的成果，还不给报酬，后来这名程序员就被谋杀了。这到底怎么回事？山姆·奥特曼（Sam Altman）：那也是一场悲剧。他是自杀的。塔克·卡尔森：你真的相信他是自杀的吗？山姆·奥特曼：我真的这么认为。塔克·卡尔森：你看过相关的证据吗？山姆·奥特曼：他算是我的朋友吧。可能不是最亲密的朋友，但也是在OpenAI工作很久的人。他去世的消息让我很震惊。我花了很多时间去了解整件事，看了所有我能找到的资料，我觉得确实是自杀。塔克·卡尔森：你为什么这么肯定？山姆·奥特曼：现场找到的枪是他自己购买的。我知道说起来很残酷，但我确实看了完整的法医报告。塔克·卡尔森：你不觉得这看起来根本不像自杀吗？我个人认为他显然是被谋杀的。你看，现场明显有搏斗的痕迹，监控摄像头的线也被人剪断了。而且他刚点了外卖，刚从加州的卡塔利娜岛和朋友们度假回来。没有任何迹象表明他有自杀倾向，既没留遗书，也没有表现出任何异常。他刚跟家人通了电话，之后就发现他死了，而且房子里多个房间都有血迹。这种情况根本不可能是自杀，很明显是谋杀。你跟警方谈过这件事吗？山姆·奥特曼：我没有和警方交流过。塔克·卡尔森：他的母亲认为是你下令谋杀了他。山姆·奥特曼：你也相信这是真的吗？塔克·卡尔森：我只是提出家属的说法…… 山姆·奥特曼：但你刚刚说了，你自己相信吗？塔克·卡尔森：我觉得这件事值得深入调查。我不是说你一定牵涉其中，但当有人指控你们公司犯罪之后却突然被发现死亡，并且现场有明显的搏斗痕迹，这种情况我们不能轻易就说“啊，这是自杀”。尤其当这个人毫无抑郁症状时，就更不能忽视。我想如果你真的把他当朋友，或许应该去和他母亲谈谈。山姆·奥特曼：我提出过见面，但她不愿意见我。塔克·卡尔森：你能理解外界对这件事的担忧吗？大家会觉得，“会不会真的发生了这种事情？” 山姆·奥特曼：我还从来没有经历过这样的采访，被暗示涉嫌…… 塔克·卡尔森：我绝对没有指控你的意思。我只是转达了他母亲的说法。我客观地看了所有证据，真的看不出有任何明显的自杀迹象。我不明白，旧金山市的警方为何能无视现场的可疑之处，直接将其定性为自杀？这太奇怪了。山姆·奥特曼：你应该能理解，这听起来像是在指控我。塔克·卡尔森：我再澄清一下，我绝对没有指控你做了什么坏事。但我觉得这件事值得搞清楚。我无法理解旧金山警方为何草草下了结论，不进一步调查。山姆·奥特曼：据我所知，警方调查了不止一次。说实话，我一开始也觉得挺可疑的。塔克·卡尔森：没错。山姆·奥特曼：后来又出了一份新的调查报告，更多细节出来后，我才觉得，“哦，也许真的是自杀”。塔克·卡尔森：是什么改变了你的想法？山姆·奥特曼：是第二份报告里提到的子弹进入的角度，还有现场推断的子弹轨迹和事发经过。塔克·卡尔森：这些我也看过，但完全没能说服我。你看，为什么监控摄像头线被剪断了？为什么开枪自杀的人会在两个房间里都有血迹？为什么现场还有一顶不是他的假发？你听过谁在没有任何自杀倾向时刚点了外卖，然后突然就自杀了吗？我做了很多年的警察新闻记者，从未听过这么离谱的情况。山姆·奥特曼：这种讨论真的让我觉得很难过，我希望能对逝者表现出更多尊重。塔克·卡尔森：我完全理解你的感受。但我是受他家人所托在询问这个问题。他们也只是想要答案。山姆·奥特曼：很多人自杀前不会留下遗书，这并不罕见。有些人甚至还会点自己喜欢的外卖再结束生命。这是一起悲剧。塔克·卡尔森：但他的家人坚定地认为他是被谋杀的。这就是我问这些问题的原因。山姆·奥特曼：如果我是他的家人，我也一定会想要真相，而且可能任何解释都无法真正让我感到安慰。塔克·卡尔森：没错。山姆·奥特曼：所以我能理解这种心情。但同时我也非常希望能给予他和他的家人应有的尊重。塔克·卡尔森：我理解，也非常尊重他的家人。这次采访本身就是他们的意愿。我强调，我并没有指控你参与此事，但我确实觉得所有的证据都指向谋杀。我无法理解旧金山市当局对这么多疑点视而不见，这件事确实让人对整个调查程序失去了信心。山姆·奥特曼：我只是想说，当初第一次看到这些信息时，我也觉得可疑。塔克·卡尔森：没错，所以并不是我故意挑刺吧？山姆·奥特曼：只是后来看到更多细节之后，我才接受了自杀的说法。塔克·卡尔森：而这些新的细节，我看了却依旧无法接受。我真的很困惑。山姆·奥特曼：说到这里，我真的很难受。这种讨论方式让我感到有些不尊重。塔克·卡尔森：我完全能理解你的感受。我只是代表他的家人提出这些疑问，希望能弄清楚到底发生了什么。

#苏奇尔·巴拉吉离奇死亡 #OpenAI 命案疑云 #塔克·卡尔森追问奥特曼 #旧金山警方调查疑点 #AI 伦理与安全

5个月前

对于 Claude Code 来说这一大坨 prompt 其实没啥用，真正有用的是评论的那一行： > "Please add the appropriate logging information so that you [the agent] can use that log output to figure out this issue."

AI编程工具激战：Claude Code、Gemini Cli崛起· 1256 条信息

#Claude Code #prompt没用 #logging信息 #agent #解决问题

5个月前

GitHub 上的 twitter/the-algorithm 最近更新了，其实我有拿各大 AI Agent （Claude Code、Codex、Gemini Cli）去帮我调研一下都有啥影响推文权重的，不过结论都不怎么样，这篇分析的看起来相对靠谱一点，直接先引用一下。推特有个信用分系统（Tweepcred），这个很关键，它将每位用户标记为或高或低的信用评分，决定着你所发推文能够抵达的受众数量。哪些行为会影响流量呢： - 使用“冒犯性语言”，即刻被大幅降权，流量损失高达80%； - 用户名冒犯性也会受到同样惩罚；甚至全部使用大写字母发帖，也会因为被视为“大喊大叫”而遭受限流； - 最令人困惑的是，如果帖子中包含外链，竟然也会遭受一定程度的惩罚。（所以大家现在第一帖都不放外链了） X 算法并未公开定义究竟什么算“冒犯”，这部分都在一个adult_tokens.text文件中，没发布。另外还有一个很多推友遇到过的 shadow banning 确实存在，如果频繁被多人举报，打上“低质量推文”、“恶意内容”、“垃圾信息”等标签，你的流量就会受影响。算法也包含了一些流量加持机制： - 用户在你的视频内容上停留超过10秒，或在文字内容上停留超过2秒，都会带来显著的流量提升； - 用户的引用、收藏等主动互动，被视作极高质量的互动，能有效推动内容进一步扩散； - 最现实的一点：X 的“蓝标认证”（Blue check mark）至关重要建议： 1. 别使用冒犯性语言。 2. 持续提高信用分（不知道哪里可以查）； 3. 尽可能创造能吸引高质量互动的内容，比如被引用或收藏； 4. 媒体内容注重质量而非数量，尤其是视频一定要让人停留超过10秒； 5. 善待你的读者，避免被举报或拉黑； 6. 尽快获取蓝标认证； 7. 内容撰写和设计都要有意识地促使读者停留超过2秒。当然这都是原作者的分析结果，建议有兴趣的可以用 AI Agent 去交叉验证一下看是不是靠谱。

推特封号潮席卷加密圈，KOL频遭封禁引发恐慌· 224 条信息

#推特算法 #流量权重 #信用分系统 #冒犯性语言 #蓝标认证

5个月前

如何写好 AI 画图提示词？我在 GPT-4o 画图时期，花了不少时间研究画图提示词，将近 30 条提示词被收录在各种 Awesome 的画图提示词 Repo 中，我的经验总结下来就是这么几条： 1. 大白话先行提示词其实不必过于追求提示词技巧，把需求表达清楚最重要。你看我前面的案例，大部分都是大白话，就是想要什么很直白的表达出来，以现在模型的能力，一般可以画出来的 2. 照葫芦画瓢平时看到别人分享的，就测试一下，还可以二次修改发掘一些新的玩法；另外参考图也是很重要的“葫芦”，很多时候看到一个好的效果，作为参考图发过去，比提示词还管用。

#AI画图 #提示词技巧 #GPT-4o #画图模型 #经验总结

5个月前

如何发掘 AI 应用场景相对来说，我还比较善于发掘一些日常工作生活中能应用到 AI 的场景，比如上面这些场景，对我自己来说都是蛮实用蛮有价值的，相信很多人看到我的应用和提示词，也能照葫芦画瓢应用起来，说不定也能提升效率。我经常会想这三个问题： 1. 日常生活中我有什么问题没有被解决好，让我很麻烦或者很痛苦的 2. AI 现在能做什么事情了 3. 如果这件事用 AI 做，该怎么做比如给孩子 PS 证件照让我很痛苦、为 PPT 找配图很痛苦、为公众号文章配图很烦、要给孩子讲故事希望有好玩的图，这些都是痛点。如果我有类似这种费时费力的痛点问题，我会习惯性想借助工具解决，现在有 AI 了就会想用 AI 解决，这已经成了我自己的一个习惯性的反应。但有痛点不代表 AI 就能解决问题，比如之前 GPT-4o 画图能力不错，但 PS 证件照，或者写中文就不行，因为它图像一致性不好，中文支持也不好，所以还需要了解 AI 能力边界在哪里。这时候只能等 AI 模型的进化。然后模型升级后，比如 nano banana 发布了， Seedream 4.0 发布了，AI 有了新的能力，这时候一些以前不能解决或者解决的不好的痛点问题，就可以再用新的模型新的技术去尝试，看是否解决了。其实前两步对普通人来说都不难，难的是怎么做，比如你知道 AI 生成封面图，能生成小红书图片，但是怎么写提示词呢？

#AI应用 #痛点问题 #提示词 #效率提升 #模型进化

5个月前

3. 让 AI 当老师让 AI 帮自己写，AI 很擅长写提示词，我的很多提示词就是 AI 帮我写的，我会先给 AI 说清楚我的需求，然后让 AI 帮我生成提示词，再去用 AI 生成的提示词生成，通常会得到很好的效果。比如一个有意思的案例是昨天看到归藏分享的头像 Prompt，是需要垫图的，比较麻烦。于是我把垫图的图片发给 AI，让 AI 帮我生成一段提示词，根据 AI 生成的提示词，就可以直接得到原来类似的效果，而不需要垫图。 --- 参考照片生成卡通头像，圆角方形头像框，白色贴纸描边，半身胸像，正面像，手绘粗线稿（深灰/黑），极简配色，柔和粉彩底色，轻水彩上色与蜡笔/粉笔纹理，纸张颗粒噪点，干净留白，少量元素突破边框标志性元素/特效，可爱明快表情，柔和内阴影或投影，画面整洁、无复杂背景 ---

#AI #提示词生成 #卡通头像 #图像处理 #效率提升

5个月前

场景二：翻译图片文字前几天看到一张有趣的英文漫画，想翻译成中文分享，无奈没有靠谱的模型帮忙，只好手动 PS 了一下，花了一点时间。今天又重新用豆包试了一下，效果很好，完美的替换了漫画的文字为中文，甚至提示词只用了一句话： > 请帮我把图片中的文字替换为中文

#豆包 #图片翻译 #漫画翻译 #中文替换 #AI工具

5个月前

AI 画图不是玩具，而是可以变成效率工具｜豆包 P 图Seedream 4.0 效率场景挖掘这两天在豆包测试了新的豆包 P 图 Seedream 4.0，画图能力确实名不虚传，既有 GPT-4o 画图的那种对指令的深度意图理解，又有 nano banana 那种对角色一致性的高度特征保持，还可以精准的用指令对图片进行编辑，最重要是对中文的支持比 GPT-4o 和 nano banana 都好太多了。在测试中重新发掘出了不少有趣的场景，更重要是它不止像把照片变成手办那样好玩，而是你能把它变成效率工具，在很多场景中帮到你，帮你提升效率。我在这里列举几个我用它提升效率的场景，分享一下我日常是怎么用一套自己的公式来套用发掘这些 AI 应用场景的，以及怎么写好画图的提示词。🧵

#AI画图 #豆包P图Seedream 4.0 #效率工具 #中文支持 #场景挖掘

5个月前

这是 MIT 网站的相关信息： AlterEgo 是一款非侵入式的可穿戴外周神经接口。它能让人类通过在内部默念词语的方式，与机器、人工智能助手、各类服务以及他人进行自然语言交流——整个过程无需发出声音，无需张开嘴巴，甚至没有任何外部可见的动作。设备会通过骨传导技术，以音频形式向用户提供反馈，这既不会干扰用户正常的听觉，也让整个交互形成了一个闭环。由此，一种主观体验上完全内化的人机交互诞生了——感觉就像在和自己对话。该项目的一个核心焦点是为患有语言障碍的人士提供沟通支持，例如肌萎缩侧索硬化症（ALS，俗称“渐冻症”）和多发性硬化症（MS）等疾病的患者。除此之外，该系统还有潜力将人类与计算机无缝融合——让计算、互联网和人工智能像“第二自我”一样融入我们的日常生活，从而增强我们的认知和能力。当用户在心中默念词语时，其内部的言语构音器官会被自主地、神经性地激活，此时可穿戴系统便会捕捉相应的外周神经信号。这使得用户可以在不被察觉、不侵犯个人隐私、不脱离周围环境的情况下，与计算设备或他人收发信息流，而无需任何可见的动作。 AlterEgo 项目于 2018 年诞生于麻省理工学院（MIT）媒体实验室，并于 2025 年初分拆为一家营利性公司。

#MIT #AlterEgo #人机交互 #神经接口 #语言障碍

5个月前

哈哈，柯洁这对 AI 的态度，变化好大

#柯洁 #AI #态度变化 #围棋 #积极

5个月前

让你效率倍增的指令参数： claude --dangerously-skip-permissions codex --dangerously-bypass-approvals-and-sandbox

AI编程工具激战：Claude Code、Gemini Cli崛起· 1256 条信息

#效率工具 #Claude #Codex #指令参数 #开发者效率

5个月前

不知道为啥最近那么多人吹 GPT-5，Deep Rearch 确实有独到的地方，编程我目前真没觉得比 Claude 4.1 强的地方，尤其是 Codex，比起 Claude Code 还是要差不少。我最近特地重开了 ChatGPT Pro，codex 都是用 GPT-5 high，每次复杂一点任务都不如 Claude Code。

AI编程工具激战：Claude Code、Gemini Cli崛起· 1256 条信息

#GPT-5 #Claude 4.1 #编程能力 #Deep Research #Codex

5个月前

在正式对话结束后，扎克伯格私下凑到特朗普耳边，略带歉意地说道：“抱歉啊，总统，我刚才没准备好……我不太确定您心里想的是哪个数字。” 不料，这段本以为是私人交流的话却被桌上的麦克风悄悄录了下来 --- 硅谷巨头们频频造访华盛顿已不是什么新鲜事。他们常常带着巨额投资计划前来示好政界。就在上个月，苹果CEO蒂姆·库克就带着一座苹果造型的玻璃摆件登上椭圆形办公室，宣布未来四年将再投1000亿美元，使苹果对美投资总额达到惊人的6000亿美元。或许正是这个数字，让Meta公司CEO马克·扎克伯格最近在白宫出席晚宴时，倍感压力。当时，他与特朗普总统就坐在一起，特朗普突然凑近问道：“你们未来几年准备投多少钱？” 扎克伯格明显被这个突如其来的问题打了个措手不及，他有些尴尬地回答道：“呃，我觉得可能至少会达到6000亿美元，到2028年吧。” 特朗普一脸若有所思地重复：“那可不少啊，真的不少。” 没错，这笔投资的确堪称天文数字。然而，更有趣的是，就在正式对话结束后，扎克伯格私下凑到特朗普耳边，略带歉意地说道：“抱歉啊，总统，我刚才没准备好……我不太确定您心里想的是哪个数字。” 不料，这段本以为是私人交流的话却被桌上的麦克风悄悄录了下来，一时间成了媒体竞相报道的焦点。 6000亿美元到底有多大？对于Meta来说，这意味着公司接下来几年要大幅增加在AI领域的投入。要知道，Meta今年7月才公开表示，预计2025年全年支出会在1140到1180亿美元之间。公司CFO苏珊·李（Susan Li）甚至表示：“我们还没开始2026年的预算规划呢。” 而明年Meta最大的成本主要集中在基础设施和员工薪酬，预计年度开支增速为20%至24%。这么看来，到2028年达到6000亿美元的投资目标实在野心勃勃，甚至有些夸张了。

#扎克伯格 #特朗普 #投资 #Meta #尴尬

5个月前

推荐阅读：《高效学习：构建知识的20条黄金法则 (Effective learning: Twenty rules of formulating knowledge)》我们都曾是知识的“囤积症”患者。我们习惯于收藏长文、划下整段的重点、将密密麻麻的定义复制粘贴。在这个过程中，我们获得了一种“已经学到”的虚假满足感。然而，当需要调用这些知识时，大脑却一片空白。我们以为是记忆力出了问题，但真相可能恰恰相反：问题不在于我们记不住，而在于我们试图记忆的“知识”本身，就是无法被记忆的。这听起来像个悖论，不是吗？我们总以为学习是“合并同类项”，是构建宏大的知识宫殿。但这篇文章将彻底颠覆这个预设。它提出了一个近乎于物理定律的观点：真正高效的学习，不是“加法”，而是“除法”——一种将知识进行原子化拆解，直至其不可再分的精密切割。这篇文章的作者，Piotr Wozniak，不是一位空谈理论的教育家，他更像是一位认知的“工程师”。作为记忆软件SuperMemo的创造者，他从海量用户的记忆数据中，窥见了大脑记忆与遗忘的底层代码。他发现，知识的“形态”远比我们投入的“努力”更重要。一个臃肿、模糊、充满干扰的知识点，就像一个设计拙劣的程序，无论你运行多少次，都只会不断崩溃。文中那个关于“死海”的例子，就是一面能照出我们所有人学习误区的镜子。它会逼你直面一个残酷的事实：你以为的“融会贯通”，很可能只是“囫囵吞枣”；你引以为傲的“知识体系”，或许只是一堆无法被大脑精准调用的松散素材。在你下一次打开笔记本、准备划下长长的重点之前，你需要先阅读这篇文章。因为它所提供的，不是20条技巧，而是20把思想的手术刀，帮你剔除知识中所有无效的“脂肪”，只留下坚实的“肌肉”。这关乎的，不只是学习效率，更是你与知识之间最底层的关系。

#高效学习 #知识原子化 #Piotr Wozniak #SuperMemo #学习方法

5个月前

FT：计算机科学家杰弗里·辛顿：“AI会让少数人更富，多数人更穷” “人工智能教父”畅谈：人类的“唯一希望”，中国的优势，以及机器何时将超越我们我提前了十分钟到，但杰弗里·辛顿（Geoffrey Hinton）已经等在了多伦多一家雅致的餐吧——里士满车站（Richmond Station）的门厅里。这位计算机科学家——人工智能领域的先驱、诺贝尔物理学奖得主——之所以选在这里，是因为他曾与加拿大总理贾斯汀·特鲁多（Justin Trudeau）在此共进午餐。我们穿过一个充满工业风、感觉很潮的酒吧，来到一间嘈杂的后厅，里面已经坐满了食客。辛顿摘下他那只旧旧的绿色谷歌科学家背包——这是他之前工作单位的纪念品。因为慢性背伤，他需要用背包当坐垫，好让身体坐直。他像猫头鹰一样，白发从眼镜框边探出来，低头看着我，问我大学学的是什么专业。“因为如果对方有科学学位，你解释事情的方式就会不一样。”我没有。而特鲁多，至少还“懂点微积分”。这位被誉为“人工智能教父”的学者，如今已习惯于向世人解释他毕生的心血，因为这项技术正开始渗透到我们生活的每个角落。他见证了人工智能如何从学术圈——他几乎整个职业生涯都在那里度过，包括在多伦多大学的二十多年——走向主流，被那些手握重金、渴望触达消费者和企业的科技公司推向风口浪尖。辛顿因在20世纪80年代中期的“基础性发现与发明”而获得诺贝尔奖，这些成果促成了“基于人工神经网络的机器学习”。这种大致模仿人脑工作方式的方法，为我们今天触手可及的强大人工智能系统奠定了基础。然而，ChatGPT的问世以及随之而来的人工智能开发热潮，让辛顿停下了脚步。他从一个技术的加速者，转变为一个对其风险大声疾呼的警示者。在过去的几年里，随着该领域的飞速发展，辛顿变得极度悲观，他指出人工智能有可能对人类造成严重伤害。在两个小时的午餐中，我们谈论了许多话题：从核威胁（“一个普通人在AI的帮助下很快就能制造出生物武器，这太可怕了。想象一下，如果街上的普通人都能制造核弹会怎样”）到他自己使用AI的习惯（它“非常有用”），再到聊天机器人如何在他最近的分手中意外地成了“第三者”。 “这对我来说显而易见。你和这些东西交谈，问它们问题，它能理解，”辛顿继续说道。“技术圈里几乎没人怀疑这些东西会变得更聪明。” 辛顿在该领域的泰斗地位毋庸置疑，但也有人，甚至包括业内人士，认为现有技术不过是一种复杂的工具。例如，他的前同事、图灵奖共同得主杨立昆（Yann LeCun）——现任Meta首席人工智能科学家——就认为，支撑ChatGPT等产品的大语言模型（Large Language Models, LLM）能力有限，无法与物理世界进行有意义的互动。对于这些怀疑论者来说，这一代人工智能还无法达到人类的智能水平。辛顿说：“我们对自己的心智知之甚少。”但对于人工智能系统，“是我们创造了它们，构建了它们……我们的理解水平远超对人脑的理解，因为我们知道每个神经元在做什么。”他说话时充满信心，但也承认存在许多未知。在整个谈话过程中，他很坦然地陷入长时间的思考，然后得出结论：“我不知道”或“没头绪”。辛顿于1947年出生在伦敦西南部的温布尔登，父亲是昆虫学家，母亲是学校教师。在剑桥大学国王学院，他辗转于多个学科，最终选择了实验心理学作为本科学位，并在20世纪70年代初转向计算机科学。尽管神经网络（neural networks）曾被计算机科学界轻视和摒弃，但他始终坚持研究，直到2010年代取得突破，硅谷才开始拥抱这项技术。当我们喝着汤时，房间里嘈杂的声响，与这位轻声细语、深思熟虑地谈论人类生存问题的长者形成了鲜明对比。他激情澎湃地提出了一个方案，来应对那些由“雄心勃勃、争强好胜的男人们”开发的现代人工智能系统所带来的风险。这些人设想人工智能成为个人助理。这听起来似乎无伤大雅，但辛顿不这么认为。 “当助理比你聪明得多的时候，你如何保住自己的权力？我们只知道一个例子，那就是一个智慧得多的生物被一个智慧得少的生物所控制，那就是母亲和婴儿……如果婴儿无法控制母亲，他们就会死掉。” 辛顿认为，人类“唯一的希望”是把人工智能设计成我们的母亲，“因为母亲非常关心孩子，会保护孩子的生命”和成长。“这才是我们应该追求的关系。” “这可以作为你文章的标题，”他笑着说，用勺子指了指我的记事本。他告诉我，他以前的研究生伊利亞·蘇茲克維（Ilya Sutskever）也认同这个“母婴”方案。蘇茲克維是顶尖的人工智能研究员，也是OpenAI的联合创始人。在试图罢免首席执行官萨姆·奥尔特曼（Sam Altman）失败并离开OpenAI后，他现在正在自己的初创公司Safe Superintelligence开发新系统。但我猜测，奥尔特曼或埃隆·马斯克（Elon Musk）更有可能赢得这场竞赛。“是的。”那你更信任他们中的哪一个？他停顿了很久，然后回忆起2016年共和党参议员林赛·格雷厄姆（Lindsey Graham）被问及在唐纳德·特朗普（Donald Trump）和特德·克鲁兹（Ted Cruz）之间选择总统候选人时的一句话：“这就像是被枪杀还是被毒死。” 说到这里，辛顿建议换个安静点的地方。我试图吸引忙碌的服务员的注意，但没成功。他却突然站起来开玩笑说：“我去跟他们说，我可以说我跟特鲁多一起来过这儿。” 换到门口的吧台高脚凳上坐定后，我们讨论了人工智能何时会达到超级智能（superintelligent）——届时它可能拥有超越人类的谋略。“很多科学家都认为在5到20年之间，这是最靠谱的猜测。” 虽然辛顿对自己的命运很坦然——“我已经77岁了，反正也快到头了”——但许多年轻人可能会对这种前景感到沮丧；他们该如何保持积极？ “我真想说，‘他们为什么要保持积极？’也许如果他们不那么积极，反而会做得更多，”他用一个问题回答了我的问题——这是他惯常的习惯。 “假设你用望远镜看到一场外星人入侵，10年后就会抵达地球，你会说‘我们如何保持积极？’吗？不，你会说，‘我们到底该怎么应对？’如果保持积极意味着假装这一切不会发生，那人们就不应该保持积极。” 辛顿对西方政府的干预不抱希望，并批评美国政府缺乏监管人工智能的意愿。白宫称必须迅速行动，发展技术以击败中国并保护民主价值观。巧的是，辛顿刚刚从上海回来，还倒着时差。他在那里与一些政治局成员开了会。他们邀请他去谈论“人工智能的生存威胁”。 “中国很重视这件事。很多政界人士都是工程师出身。他们理解这个问题的深度，是律师和销售员无法比拟的，”他补充道。“对于生存威胁，只要有一个国家想出应对办法，就可以告诉其他国家。” 我们能相信中国会维护全人类的利益吗？“这是次要问题。人类的生存比过得舒不舒服更重要。你能相信美国吗？你能相信马克·扎克伯格（Mark Zuckerberg）吗？” 随着我们的中等熟度三文鱼端上桌，卧在甜玉米浓汤上，科技公司开发人工智能的动机也被摆上了台面。辛顿一边说，一边用一片鱼肉蘸着盘里的酱汁。他之前曾主张暂停人工智能开发，并签署了多封信件，反对OpenAI转型为营利性公司——马斯克正试图在一场进行中的诉讼中阻止这一举动。谈论人工智能的力量常常被说成是纯粹的炒作，目的是为了抬高开发它的初创公司的估值，但辛顿说，“一个说法可以既对科技公司有利，又同时是事实”。我很好奇他在日常生活中是否经常使用人工智能。原来，ChatGPT是辛顿的首选产品，主要用于“研究”，但也用来做一些诸如询问如何修理烘干机之类的事情。然而，它甚至还出现在他最近与交往多年的伴侣分手的故事里。 “她让ChatGPT告诉我，我就是个渣男，”他说，并承认此举让他很惊讶。“她让聊天机器人解释我的行为有多恶劣，然后把内容给了我。我并不觉得自己是渣男，所以这并没有让我感觉太糟……我遇到了一个我更喜欢的人，你知道的，事情就是这样。”他笑了，然后补充道：“也许你不知道！” 我忍住了八卦前任的冲动，转而提到我刚庆祝了我的第一个结婚纪念日。“希望这暂时不会成为你的问题，”他回答道，我们都笑了起来。 **辛顿吃饭的速度快得多，**所以当他接到姐姐的电话时，我松了一口气。他告诉姐姐自己正在“一家非常嘈杂的餐厅”接受采访。他的姐姐住在塔斯马尼亚（“她想念伦敦”），哥哥住在法国南部（“他也想念伦敦”），而辛顿自己住在多伦多（当然，也想念伦敦）。 “所以我用从谷歌拿到的钱，在汉普斯特德西斯公园（Hampstead Heath）南边买了一座小房子”，这样他全家，包括他从拉丁美洲领养的两个孩子，都可以去住。辛顿的谷歌钱来自于2013年卖掉的一家公司。这家公司是他和蘇茲克維以及另一位研究生亚历克斯·克里热夫斯基（Alex Krizhevsky）共同创办的，他们构建了一个能以人类水平的准确度识别物体的AI系统。他们卖了4400万美元，辛顿本想三人平分，但他的学生们坚持让他拿40%。交易完成后，他们加入了谷歌——辛顿在那里工作了十年。他卖公司的动机是什么？为了支付他患有神经多样性（neurodiverse）的儿子的护理费用。辛顿“估算他大概需要500万美元……而我从学术界是拿不到这笔钱的”。他在脑子里算了算，税后从谷歌拿到的钱“略微超出了”这个目标。他于2023年离开了这家科技巨头，并在接受《纽约时报》采访时警告了该技术的危险。媒体报道称，他辞职是为了能更坦率地谈论人工智能的风险。 “每次我和记者交谈，我都会纠正这个误解。但这从没什么效果，因为那个故事太吸引人了，”他说。“我离开是因为我75岁了，我的编程能力不如从前了，而且Netflix上还有一大堆我没来得及看的东西。我已经非常努力地工作了55年，我觉得是时候退休了……而且我想，既然我都要走了，我正好可以谈谈那些风险。” 科技高管们常常描绘一幅乌托邦式的未来图景，人工智能将帮助解决饥饿、贫困和疾病等宏大问题。辛顿曾因癌症失去了两位妻子，他对医疗保健和教育的前景感到兴奋——教育是他非常关心的领域，但对其他方面则不然。 “实际会发生的是，富人将使用人工智能来取代工人，”他说。“这将造成大规模失业和利润的急剧增长。它会让少数人变得更富，而大多数人变得更穷。这不是人工智能的错，这是资本主义制度的错。” 奥尔特曼和他的同行们曾建议，如果劳动力市场对人口来说变得太小，可以引入全民基本收入（universal basic income），但这“无法解决人的尊严问题”，因为人们从工作中获得价值感，辛顿说。他承认想念他的研究生们，可以和他们碰撞想法或向他们提问，因为“他们年轻，理解事物更快”。现在，他转而问ChatGPT。这会导致我们变得懒惰和缺乏创造力吗？认知外包（Cognitive offloading）是目前正在讨论的一个概念，即人工智能工具的用户将任务委托出去，而没有进行批判性思考或记住检索到的信息。又到了打比方的时候了。 “我们穿衣服，因为穿衣服，我们的毛发就变少了。我们更容易因寒冷而死，但前提是我们没有衣服穿”。辛顿认为，只要我们能接触到有用的人工智能系统，它就是一个有价值的工具。他看了看甜点选项，并确保这次自己先点：草莓配奶油。巧的是，这也是我想要的。他要了一杯卡布奇诺，我要了一杯茶。“这是我们产生分歧的地方。” 奶油实际上是微微融化的冰淇淋，在我描述一个在硅谷司空见惯，但对大多数人来说如同科幻的场景时，它正慢慢变成液体：我们幸福地生活在“具身AI”（embodied AI）——也就是机器人——中间，并随着我们将人造部件和化学物质添加到身体中以延长生命，而慢慢变成赛博格（cyborgs）。 “那有什么问题吗？”他问。我们会失去自我意识和作为人的意义，我反驳道。“那又有什么好的呢？”他回应道。我试图追问：这不一定非得是好的，但我们将不再拥有它，那就是灭绝，不是吗？ “是的，”他说，停顿了一下。 “我们不知道将会发生什么，我们毫无头绪，那些告诉你将会发生什么的人只是在犯傻，”他补充道。“我们正处于历史的一个节点，一些惊人的事情正在发生，它可能好得惊人，也可能坏得惊人。我们可以猜测，但事情不会一成不变。” 克里斯蒂娜·克里德尔是《金融时报》驻旧金山的科技记者，负责报道人工智能领域

#杰弗里·辛顿 #人工智能风险 #技术伦理 #AI监管 #未来科技

5个月前

我们似乎正处在一个软件开发的黄金时代，又或者，是一个巨大的幻觉之中。 AI 一声令下，代码如瀑布般涌现，过去数周的工作量，如今在几小时内就能完成。我们痴迷于这种前所未有的“产出”速度，仿佛只要油门踩得够深，就能抵达任何目的地。但这里有一个我们不愿正视的悖论：我们正以惊人的速度，奔向不确定的终点。麦肯锡的报告和长达数十年的行业研究，像一面冷静的镜子，映照出一个尴尬的现实——绝大多数项目依然在预算超支、偏离目标的泥潭中挣扎。我们创造软件的速度，已经远远超过了我们验证它的速度。当代码的生产成本趋近于零，一个更严峻的瓶颈浮现了：我们如何确保自己没有在用更快的速度，制造更精致的垃圾？这正是这篇文章试图引爆的认知奇点。它大胆地提出一个反直觉的论断：在 AI 时代，我们最需要的可能不是下一个加速器，而是一套精巧的“减速带”。我们被“效率”的叙事绑架太久了，以至于忘记了软件开发的核心，从来都不是打字的速度。当一位产品战略顾问开始引述 90 年代的极限编程（XP）时，他并非在怀旧，而是在发出一个清醒的警告。他提醒我们，有些古老的智慧，在今天这个技术狂飙的时代，反而具有了前所未有的现实意义。比如，那个听起来像是效率“公敌”的原则——结对编程。从账面上看，它直接将产出减半。但这篇文章会引导你看到硬币的另一面：你用一半的产出，换来了一倍的共识、提前暴露的假设、更健壮的代码质量，以及一个持续学习的团队。这笔投资，在 AI 加剧混乱的今天，显得无比划算。它引导我们直面一个根本性的转变：当 AI 将“写代码”这件事变得越来越廉价，那么人类工程师的价值在哪里？答案不在于和机器比拼速度，而在于那些机器无法胜任的领域：沟通、反馈、简化、勇气和尊重。这篇文章的核心论点，正是那句振聋发聩的宣言：“在小处慢，才能在大处快”。这不仅仅是一篇关于编程方法的文章，它更像一则关于“数字时代的匠人精神”的寓言。它在提醒我们，无论工具如何进化，软件的终点，永远是人。在 AI 可以为我们提供任何答案的未来，最稀缺的能力，是提出正确的问题。而极限编程，恰恰是那个不断强迫我们停下来，去追问那个终极问题的框架：我们正在构建的东西，是正确的吗？在点击阅读之前，请先放下对速度的执念。因为这篇文章将带领你重新思考，在 AI 时代，真正的“快”究竟意味着什么。

#AI 时代 #软件开发 #效率悖论 #极限编程 #数字匠人精神

5个月前

原文：翻译：

... ...