Susan/STEM MOM发布的内容- news.news·换个方式看新闻|AI看新闻、实时追踪事件后续

Susan/STEM MOM

统计数据

14

文章

0

粉丝

0

获赞

16

阅读

3个月前

一个猜测：除了原本就活跃的币圈群体，最近因为AI商业化浪潮，大量程序员和科技从业者感到迷茫而转向社交媒体发声（比如我）。同时，还有一批高密度知识型用户从知乎迁移至推特，不知出于何种原因（谁能解释一下？）。这几股力量交汇，使得简体中文推特的内容质量和社区活跃度在短时间内显著提升。

#AI商业化 #程序员转型 #社交媒体 #加密货币 #中文推特 #知乎迁移

3个月前

成为 AI 时代的“新文法权贵”：摈弃应试语文，重建语言认知力昨天恰好看到卢尔辰在谈语文的问题，我想借这个机会聊聊自己的思考。最近我在写书，多年后重新用中文写作，体验极为复杂。尽管我的大量深度研究依然以英文为主，但在中英文切换之间，我逐渐意识到：中文是世界上熵值最高、语义最灵活的语言系统之一。如果我们不趁 AI 时代彻底重塑“语文”的本质，我们就会再次错失一次文明跃迁的接口权力。我们必须承认一个现实：中国的语文教育是失败的，是一场代代误人子弟的模因传染。立党曾批评过“古诗词中心论”对青少年的误导——他是对的。把语言的训练重点压在记诵古人、揣摩虚情假意的修辞上，不仅让学生远离了表达，更让他们彻底迷失了语言与逻辑之间天然的联系。这不是才子佳人，这是古人附体。现代社会的表达者，要简介、明晰、高逻辑，不是“之乎者也”一套乱拳。我之所以感触这么深，是因为我也曾被这种教育误导过。曾经我以为自己不适合写作——因为写不出琼瑶那样的煽情废话。我写出来的文字一针见血、理性冷峻，文科语文老师却说“没有文采”（气死我了）。说实话，那些要求“有文采”的人如果去做 Prompt 工程，会被 GPT 嘲笑。我们需要明白：语文从来就不是“文科”。真正的语文能力，或者说语言能力，是全科操作系统。它是思维的显现，是逻辑的表达界面，是认知调度和知识组织的接口。语文不是锦上添花，而是我们理解世界、影响他人、驾驭智能的核心能力。未来的语言之王，不再是文艺青年，而是能用语言调度 AI、组织知识系统、控制逻辑链条的人。Prompt is the law——写得出好 Prompt 的人，将获得新文明的“语言接口权限”。我对语文教育的批判总结为三点：将语言退化为“辞藻学”：教学目标成了“写得像范文”，不追求清晰、不训练逻辑，培养出的是修辞器械，而不是思维表达者。完全脱离真实语境与表达需求：学生在作文中谈“人类命运”“时代使命”，现实中连一封得体的电子邮件都不会写。制度化了科举时代的文风尸变：八股文思维仍然潜伏在“议论文写作指导”里，学生学到的不是语言技能，而是写作文的“游戏规则”。重建语言认知力：语文 ≠ 科目，而是一门“Prompt 驱动学科” 为了彻底脱离“语文”这个词所携带的枷锁，我已经不再使用“语文”这个概念。我给它起了自己的名字，并构建了新的语言学科谱系。以下是我认为未来有潜力的语言学核心命名体系： Prompt力学（Promptics）语言即力量。Prompt 是语言对智能系统的直接控制接口。这门学科类似于物理学中的力学，是 AI 时代的“语言动力学”。言构学（Linguitecture）语言不是描述世界，而是建构世界。这门学科研究如何用语言搭建知识系统、控制推理链条、组织智能流程。思语（Logolingua）强调语言即思维的外壳。如果不能表达，就无法认知。语言决定了你可以拥有的世界建模能力。语控（LingControl）关注语言作为“控制界面”的功能。好的 Prompt 就像高效的 UI，坏的 Prompt 就像 Bug。语控者 = AI 驯龙师。文驱（Logodrive） Logos 是理性，也是语言。语言驱动世界、驱动决策、驱动认知架构。AI 时代，我们靠语言调度 agent，激活系统。智链语言（Cognitive Syntax）用语言串联起感知、思维、知识与行动，是人类智慧接口的本体研究。高度兼容 NLP、认知科学与语用哲学。结语：我一直在思考：为什么我们这样一群理工背景的人，反而在重建语言秩序时更加清晰？答案可能是：我们不受旧文科思维的污染。我们不追求“文采”，我们追求控制力、信息密度、逻辑严谨、上下文兼容性。Prompt 的世界不是文艺范儿，而是接口规范。语言不是表演，是工程。谁能驾驭语言，谁就拥有 AI 时代的权力接口。Prompt is the law。致我以前所有的文科老师：我要翻身了。

#AI时代 #语文教育 #语言认知

3个月前

这件事，我们可以从时间线最远处——图灵机时代说起。那时候的计算机，是谁都能操作的吗？当然不是。当时的大型计算机像房子一样大，运行一次要插卡、排队、调参，只有少数受过专业训练的人才能接近。而今天，你随便给一个路人一台笔记本，他可能立马能打开文档、上网、剪辑视频、做出设计。为什么差距这么大？一个字：GUI。 GUI（图形用户界面）和 HCI（人机交互），是20世纪计算范式的真正核心。它把原本只属于工程师的“计算机”，变成了人人可用的“个人电脑”。不用再输入复杂指令、不用再学习汇编语言，只需要一只鼠标和键盘，点击图标、拉动滑块，几乎没有人不会用。有一次我20岁时，遇到一个老先生，他说：“我不会用电视遥控器。”我一愣，后来才明白，这是“默认技术背景”的差异。他生在一个没有遥控器的时代，它对他不是直觉。但如果你从小就出生在有图标、有菜单、有遥控器的时代，那些操作根本不需要学，你会“天然地会”。这就是 GUI 的意义所在：它不是让人学会如何使用计算机，而是让计算机学会如何被人使用。好，我们再绕回来——终端。那个黑洞洞的东西，很多非技术人看到就发怵。别怕，我用的是苹果系统，我的终端是白洞洞的（笑）。但作为 ZSH 粉丝，这一天我太兴奋了：我们即将迈向下一个范式——ACI，Agent-Computer Interaction。接下来是什么？不是App，是Agent。未来终有一天，你买来的电脑打开来不会再有桌面图标，不再有App列表，不需要你手动装IDE、PS、VS Code、写Markdown。这一切都变成了即时生成。开机后，你面前可能就只有一个 Input Bar，一个你可以对它说话、对它发出任务的界面。你说：“我想要一个商品管理后台。” 它不是给你代码，也不是弹出开发工具，而是直接根据你的意图生成一个运行中的、可交互的后台系统界面。零配置，零点击，全自动。这，就是我们从 HCI 迈向 ACI 的关键跨越。为什么中间还需要一步“嵌入式AI终端”？很简单，现在你还没完全准备好把所有交互都交给AI。我们大多数人还是习惯输入一点、点一点、有反馈、有确认。这就是为什么我们需要一个过渡形态。嵌入式AI终端，就是在黑洞洞的CLI里植入一个Agent，让它变得有人格、有记忆、有理解能力。这不是终点，是中间站。它就像当年从打孔纸带跳到键盘命令，再到图形桌面那样，是计算范式从“人配合机器”向“机器配合人”的一个必经阶段。哲学视角：计算机不再是工具，而是伙伴从小你就被教育：“计算机是工具。” 但这一套，在A时代逐渐要失效了。最早的图灵机/CLI，是完全的工具，一锤一锤敲命令，毫无对话性。后来的GUI，加了一点互动性：窗口、菜单、状态栏，它开始“回馈你”。 Siri、Copilot、ChatGPT呢？它开始“对你说话”。现在的 ACI，我们不满足于它“听懂”，我们要它“懂你”，变成你精神的数字延伸。是不是有点玄了？别急，我们再退回一点。那么，大模型在哪？本地又存了啥？这其实是另一个核心问题。大模型不是在你机器里。它太大、太重、太贵。它在云端，在OpenAI、Anthropic、Mistral这样的“超级脑工厂”里。但它只是“公共大脑”，没有个性、没有记忆、没有你。而你的本地，储存的是什么？你的“灵魂”。你过往的任务你的文件、日记、项目你的语气、喜好、语境偏好你过去对AI说的每句话，它的每次响应这些数据，才是构成你数字人格的材料。而 Agent，就是用这些材料不断磨合，逐步从一个“聊天助手”变成你的数字替身。所以，不要焦虑“我现在还不理解”，你要理解的是“趋势” 我们正处在从 GUI → ACI → LLM OS 的跃迁阶段。不要纠结每一个小功能怎么用，不要拘泥“这不是终极AGI”，你要看到方向感：终有一天，你面前只有一个对话框，而那之后，是一个能与你协作、理解你意图、自动生成你所需的系统。没有安装过程，没有拖拉点击，只有即时生成的数字现实。我们可以用一句话总结这场范式革命： GUI 让计算机可视化，ACI 让计算机人格化。

#图灵机 #计算机历史 #一台笔记本 #图形用户界面 #人机交互 #计算范式

4个月前

勃勃那1%的精华内容，真的是值得反复读、反复思考的，厉害得让我佩服。但遗憾的是，他剩下99%几乎都是情绪化的发癫和碎碎念。他发推特别勤快，有时候一天几十条，刷屏级别。但我也不觉得这种“发癫”有什么问题。毕竟，推特本质上就是一个匿名树洞，是个允许人表达情绪的地方。强求所有内容都要理性、高质量，本身就是一种不近人情。只是让我无奈的是，推特算法偏偏老是只推给我他那99%的发癫片段，而把那1%的高能洞见埋了下去。每次错过，都觉得可惜。

#推特 #情绪表达 #算法推荐 #内容质量

5个月前

Vibe coding 最恰当的翻译是？

#Vibe Coding #翻译 #编程 #技术

5个月前

这不仅仅是嘴炮的问题。这个给所有中文区的理工人一个警醒，就是制造业的产业链有多么重要，绝对不能外包，绝对不能离岸。美国人也这么想的，他们从小到大，没见过工厂什么模样。但是我在电子厂长大，我知道，见过，整条产业链工程契合的困难，不是剽窃个点子就能办成的。说个是个人都能理解的，图画错了，你车缝个衣服的两块布片都拼不上。跟别说精度更高的了，发生mean shift你仪器没检测出来，一大批货全部报废，下面的工序全体合不上了。总的来说，就是人无法想象，自己没见过，没体验过的东西。

#制造业 #产业链 #外包 #离岸 #理工人 #美国 #工厂 #电子厂 #工程 #图纸 #精度 #mean shift #仪器 #报废

5个月前

200刀这个在简中圈，包括我朋友圈里没见到多少人买这个事情，实在是太让我想不通。

#200刀 #简中圈 #购买情况 #朋友圈

6个月前

分享个人生哲学。对于女生来说可能更有用，因为我也不是男的。我妈说做人要“细水长流”。意思就是，有实力和资源要慢慢用，不要一下把事情做尽。如果想要什么，没有资源，耸耸肩，没有就没有咯。有时候幸运就如回旋刀，一下打中你。结果她作为一个来自西南边陲最小城市中下层家庭家里还有五个女儿的排中间的，一路顺风走大运还上了大学到了一线城市当工程师。有钱人大把，留学的创业的买房的，家里几百万几千万的花。不要羡慕他们，个人有个人的命，专注自己，狗屎运就来了。长寿也是一种幸运，健康的活着。焦虑是耗运的，尽量舒缓神经。这几天我要去泡澡，200刀这个太消耗我了。

#人生哲学 #细水长流 #个人发展 #幸运 #焦虑

6个月前

2 个prompt把太阳系做出来了，还带mouse motion。你们去玩吧，我要去喝两杯。

#太阳系 #mouse motion #喝酒 #做游戏 #Prompt #人工智能

6个月前

Dave's Garage对于Deepseek 的评价，10个小时破百万。他还是不错的，算是我的硬核博主单。 Title: Deepseek R1 Explained by a Retired Microsoft Engineer Author: Dave's Garage Upload Date: 2025-01-28T02:47:25Z URL: Let me help break this detailed technical presentation into time blocks, providing context for each section to help build a comprehensive understanding: 0:00-2:30 Introduction and Context Setting Dave Plumber, a retired Microsoft engineer from the MS-DOS and Windows 95 era, introduces Deep Seek R1 as a "Sputnik moment" in AI development. He frames this Chinese open-source AI model as a significant technological milestone that's challenging Western assumptions about AI dominance. 2:30-5:00 Economic Impact and Market Significance A critical discussion of how Deep Seek R1's reported $6 million development cost has rattled the tech industry, particularly affecting Nvidia and Microsoft stock prices. The presenter draws an apt analogy: it's like building a Ferrari in your garage using Chevy parts, which challenges the entire premium AI development ecosystem. 5:00-8:30 Technical Architecture Explanation Details Deep Seek R1's fundamental architecture as a distilled language model. Dave explains how it leverages larger AI models like GPT-4 or Meta's Llama as scaffolding, using an insightful apprenticeship analogy to explain model distillation - where a smaller model learns from larger ones without needing to replicate their entire knowledge base. 8:30-12:00 Training Methodology Deep Dive Explores how Deep Seek R1 combines insights from multiple AI architectures, comparing it to assembling a panel of experts to train one exceptional student. This section includes practical demonstrations of the model's capabilities, including its handling of sensitive topics like Tiananmen Square. 12:00-15:30 Hardware Requirements and Accessibility Detailed discussion of running Deep Seek R1 on various hardware configurations, from high-end AMD Threadrippers to consumer-grade MacBooks and even $249 Ora Nano systems. This section emphasizes the model's accessibility compared to traditional AI infrastructure requirements. 15:30-19:00 Limitations and Trade-offs Thoughtful analysis of the model's potential drawbacks, including increased likelihood of hallucinations and limitations in specialized knowledge domains. Dave draws parallels to the early personal computing era, suggesting Deep Seek R1 might represent a similar democratizing force in AI. 19:00-22:30 Global Implications and Competition Examines how Deep Seek R1's release affects the global AI landscape, particularly its impact on American tech companies and their business models. Discusses the potential democratization of AI access worldwide. 22:30-25:00 Critical Analysis and Skepticism Addresses skepticism about Deep Seek's development claims, including the possibility of undisclosed state-level support and strategic implications for global AI competition. 25:00-27:00 Conclusion and Channel Information Wraps up with final thoughts on Deep Seek R1's significance and includes standard YouTube engagement requests and information about Dave's other content, including his book on autism spectrum experiences. This timeline breakdown reveals how Dave skillfully builds from basic concepts to complex implications, helping viewers understand both the technical and strategic significance of Deep Seek R1 in the evolving AI landscape.

#DeepSeek #Dave's Garage #硬核博主 #科技评论 #软件评测

7个月前

蛋小黄是搞金融的。其实他说的一点在于：金融，房地产，互联网，传统广告媒体这几个失业主要的行业房地产其实是最容易想通的，就是“建完了”。经济下行是一部分，最主要的是经济结构正在转变。所以不应该期望去重新找到一样的工作。这点我和几个朋友还是挺认同的。 NLP会成为如office 这样的存在。NLP的实质是什么？非结构化数据转为结构化数据：分析，计算深度语义分析和生成能力，在用接近人类语言的方式实现互动。打个比方，蛋小黄的金融业。绝大部份80%的从业员，不是将非结构化数据转化为结构数据，比如银行的柜台，保险的填单，包括银行后台交易中的一些审计核对。要么就是语义分析和生成，比如客户关系经理。想通这个其实就好分析了。人类工业化以来，出现科技范式转移，是不会因为人情回头的。因为这些技术你不用你的竞争对手会用。

#金融 #房地产 #经济结构转变 #经济下行 #失业 #NLP #办公工具

7个月前

提高认知最便宜，最直接，最快能入手的一项“教育”不是自学，而是反思性写作Reflective Writing。我几个月前密集的说过，再继续说。你有没有发现很多知乎/微博大v越写越厉害，认知越来越高的样子。我们的语文教育真的有问题，现在要补上这一课，靠反思性写作。目前北美的至少50%的大学将此并入大学日常教纲。

#认知提升 #反思性写作 #教育改革 #语文教育问题 #北美大学教育

7个月前

昨天宝玉老师说这个先用克劳德artifacts实现，再慢慢考虑自己搭环境这件事情，我感觉很靠谱。很符合快乐学习的原理。

#克劳德artifacts #自己搭环境 #快乐学习

7个月前

这个问题我其实最同意初码的看法。原因是我也是在贴片厂周围长大的人，中国已经把这个做成一个呼吸一般的生态。人才，产业链，知识，所有的配套，如呼吸一样。尤其是住在深圳的人，感受最深。以前我住华强北，就我那个那么小的一个包，开车去南山盐田，就是顺路就给朋友带几个配套器件，下楼吃个饭的功夫。这种事情其实扩大到几千万人，难道不就是生态吗？软件的，硬件的，知识的。

#初码 #贴片厂 #生态 #深圳 #华强北 #南山 #盐田 #产业链