#交互

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

5天前

理解LLM，得综合AI工程（iwl）、交互（icl）和语言哲学（符号）一起才能厘清点眉目

#LLM #AI工程 #交互 #语言哲学 #符号

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

3周前

不是"先有意义（表征），后有交互（使用）" 而是"在交互中，意义被构建"

#交互 #意义构建 #表征 #使用

4周前

伪装成word的小说阅读器你随意打字，它显示小说这交互简直神了第一次用明白的时候鸡皮疙瘩都出来了

#小说阅读器 #伪装 #交互 #神器 #鸡皮疙瘩

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

1个月前

交互即智能，内化即进化🧬

#交互 #智能 #进化

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

1个月前

语言源自交互用于交互，智能必然也如是。 Interact as Intelligence

#交互 #智能 #语言 #Interact #intelligence

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

1个月前

LLM从来不是通用智能，而是语言智能，或者说是基于语言的认知智能；语言在人类智能中是什么，LLM在人工智能中就是什么。而获取这种智能的方式就是交互。 𝕀²·ℙarad𝕚g𝕞的具身经验本体交互范式就是这种交互的agentic cognition OS。

#LLM #语言智能 #认知智能 #交互 #具身经验

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

1个月前

如果把agent也看成是一种交互，而语言本身就是人的社会外在的交互媒介，那一切就豁然了

#多智能体之争：Anthropic生态VS单智能体· 77 条信息

#agent #交互 #语言 #社会 #媒介

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

1个月前

智能，不是一种“属性”，而是一种“现象”。它不内在于人，也不内在于机器。智能，只涌现于高质量交互所形成的“张力场”之中。

#智能 #交互 #张力场

1个月前

这个Gem做的挺好的，上传照片，选择贴纸风格，生成一系列表情的贴纸。交互和生成效果都不错。使用地址：

#Gem #贴纸 #表情 #交互 #生成效果好

2个月前

花了一天时间，基于开源画布产品，加上了nano Banana的生成处理。无限画布类产品很适合做图片生成交互。

#开源画布产品 #nano banana #图片生成 #交互 #积极

2个月前

今天开始做六边形地图上的交互了，下决心把地图坐标换成了 axial coordinate 。之前还是偷懒，按着桌游说明书上标注的来。

#六边形地图 #交互 #axial coordinate #桌游 #技术

2个月前

又丰富了不少。我发现最花时间的还是做交互。

#交互 #时间 #丰富

2个月前

cursor虽然被吐槽，但交互做得真不错，现在可以在聊天区域可视化流程图之类的东西了，也可以交互。这对于我去理解代码来说非常关键！

AI编程工具激战：Claude Code、Gemini Cli崛起· 1155 条信息

#Cursor #交互 #流程图 #代码理解 #积极

2个月前

倒反天罡了，现在都是cursor 把HTML的图给我设计好，我在截图去PS里面调整。关键是这些设计天然就带交互和动态的~感觉HTML的春天又要来了~

#HTML #设计 #交互 #动态 #春天

2个月前

距离上次支持者空投已经过去3个月了，6月~9月累积恰饭约7500U，因此本季度照例拿出10%用于进行空投；具体分配及打分逻辑之前有提到过，但也不限于此，总之如果你知道怎么撸画师，那么最好自己保密。总之就是一个标准，常交互，常浏览，因为广告而影响阅读体验的粉丝。

#支持者空投 #撸画师 #粉丝 #广告 #交互

4个月前

Stream-Omni：多模态聊天框架实现的效果类似GPT-4o，支持文本、图片、语音输入，同时输出文本和语音，不是原生多模态模型，而是把视觉和语音跟文本对齐，成本更低，适合自研多模态交互时使用。 Github：

#多模态 #GPT-4o #文本 #图片 #语音 #视觉 #自研 #交互

5个月前

10 分钟把任意的 n8n workflow 变成一个可交互的网站 🚀 具体做法： - 导出 n8n workflow JSON - 复制粘贴到 Devv Code 中 - Prompt 中指定 Devv 基于这个 n8n workflow 创建一个前端的页面 Example ↓

#n8n #Devv Code #Workflow #网站 #自动化 #前端 #交互

10个月前

文明发展一定是朝着信息自由流通阻碍越小的方向行进，每一次信息流通门槛大幅降低，就会带来一次新科技革命从信息流通门槛底层逻辑,看LLM这一波浪潮能走多远，想清楚这一点，是我2024年最大收获之一 LLM在信息流视角上实现了两个历史第一次: 人和信息流交互做到双向互动用token统一了多维度信息 ----------------------------------------------- 信息流通门槛大幅降低，主要从两个视角来看 ----------------------------------------------- 第一个视角：科技的发展换一个视角来说，本质上是人和信息流的交互方式的进化 ----------------------------------- 电脑(操作系统OS)革命，互联网革命，移动互联网革命，从更高抽象层都是对于人和信息流交互的革命电脑革命，也就是操作系统革命，是人机交互最早的形态。比尔盖茨最初的愿景就是创建一个图形界面GUI，windows就是一种抽象层，让人可以忽略底层的硬件资源管理，构建一个虚幻的可以任意使用硬件的幻觉，用图形化的方式让人们更容易操控硬件(电脑)，和电子数据/信息流交互而人机交互界面本质上是人和信息流交互界面的具象化互联网革命让地域上的信息交流在物理距离上和成本接近零，大幅降低了人和人创造出的信息流交互的门槛移动互联网本质上是人机交互界面的迭代，UI的易用性，使用门槛，使用场景渗透，即时性和笨重的电脑比都得到了大幅增强移动互联网在形式上更方便，比如触摸屏，碎片化时间利用率大幅提升以及视频/音频/LBS的随处采集，再一次降低了人和信息流的交互门槛为什么所有的公司都需要app？本质上是因为要适应于这个新的UI(人和信息流)交互模式为什么AR被寄予厚望？就是因为这可能是比手机更高效易用的UI(人和信息流)交互模式 ------------------------------------ 解释了这个视角之后，再来看LLM在这个视角下的历史进程地位科技历史上看，从人和信息流的有限固定交互（书籍/电脑或静态网页），到人主动去定向低效捞取信息(搜索引擎)，到推荐系统去猜人的心思推送信息流方式的交互（社交网站，Twitter），再到人可以主动高效和信息流双向互动(LLM)。 LLM让信息流第一次有了“生命”，有基本的模拟推理能力，agent flow让信息流可以和人进行双向互动(互相启发思考)，信息流对人的理解能力，反馈精度提高了太多。任何历史上人类创造的方法/经验，编程方式，都以“活的信息流”和人互动的方式大幅降低了信息流的获取难度甚至在此基础上信息流的“拟人化”模仿人类调用外部工具处理/分析信息，更贴近理解人的上层意图，让自动化范围更广，本质上是把人交互信息流的抽象层又抬高了一层这种主动贴近人类意图(agent flow)的像是有生命的拟人化信息流，也是历史上第一次出现如果说web1.0到web2.0，从静态网页单向展示，变成了人和人之间有了互动，那么AI1.0和AI2.0的区别，就是从推送系统信息流个性化单向展示，变成了人和信息流双向互动 ----------------------------------------------------- 那么AI3.0在信息流视角的下一步加强会是什么？也许就是人和多个独特信息流的多向互动每个人都是自身独特人生经历所过拟合函数的产物，只有过拟合才能保持作为人的独特优势，人和人的交流之所以有价值，正是因为能取得自己的过拟合函数所无法取得的视角，信息以及方法论，从而修正自身人 = 过拟合函数群体智慧不仅仅只是广度互补，更重要的是各个过拟合函数之间，会有新的组合火花碰撞出来，对新组合的价值评估也更为容易和准确，因为A和B排列出来的新组合的价值很可能是在第三个过拟合函数C眼里才得以闪光而新组合得到价值超于预期的验证之后，就会正式成为创新所以多个独特过拟合的信息流和人交流，会碰撞出比单个"全拟合"平庸的LLM信息流多的多的灵感 AI4.0在AI3.0基础上的下一步加强是什么？多人(包括数字分身)和多个独特信息流的多向互动加入多人在实际世界中的经历之后，带来的碰撞和消除信息差会效果更好，因为人作为消费者的视角和实时反馈，可能是会比信息流更新的信息数字分身是一个非常好的解决方式：从人类历史信息获取门槛的角度，印刷从10万门槛降低到1万，交通发展从1万降低到1千，互联网/搜索从1千降低到100，在线教育从100变成50，chatGPT把门槛50变成了5，数字分身则把门槛进一步降低，打通了历史上信息流通最大的障碍：人与人之间1v1低效的交流，以及场合所限的物理隔阂功利的信息交流角度，这是一种高效打通人和人之间信息流通的渠道，现在非常多信息和机会其实是很需要人和人之间的互动交流的，这样的1V1互动交流其实是很低效而浪费时间的。而有了这种新的方式，你去调研一群人的想法，以后不需要一个一个走访了，大家的数字分身交谈完了，来个总结就行 --------------------- 比如未来的AI/agent scale的方向，很可能就是复制人类的文明史：分工带来更好的过拟合结果，执行层和管理层分离带来更高效率，不同领域过拟合的个体交流碰撞才能出来更多的组合火花 ------------------------------------------------- 第二个视角：在历史上第一次，LLM打通了不同维度信息之间流动的障碍，把所有的信息，从视觉，听觉，文字，图表用同一个格式统一了起来：token 信息流动门槛在多个维度的大幅降低，为什么会带来无数组合的机会？（组合=创新） 1.互联网上不同信息流的互联快捷性以及易用性，打破学科/产业之间的隔阂更容易，让更多不常见组合成为了可能性，创新的速度更快了起来就像一种“化学反应”：原本看似不相关或难以结合的元素，如今能被灵活地拆分、重构、重组。每一次的组合都是对社会、商业和技术形态的一次新探索，因而能够催生出数量级增长的创新与应用机会 2. 不同维度，不同格式的信息流之间，拥有了一个通用超级接口信息流之间理解力强，降低了interface接口精确性要求（一般接口种类繁多，各有自家定义，格式严格精确性要求高，还要考虑兼容，做到通用性不容易），大大提高了接口的通用性相当于把各种接口一统江湖，降低了各个子领域技术组合的门槛当信息可以用统一的方式（token）进行处理，各种原本分散、隔阂或需要大量人工解析的内容就能够更顺畅地打通。不同学科、不同产业之间的数据、知识更容易被整合、交叉引用、自动调用。比如说，视觉、听觉、文本、图表等都能以统一的“token”形式表示和处理，也让机器人，或者具身智能，成为了可能性：通用信息流有了"生命"，自身的“理解”/“推理”能力，让视觉、听觉、文本信息流之间障碍减少几个数量级，可以在同一套系统中对多模态信号进行综合判断。不仅降低了对各模块“精确接口对接”的依赖，在数据训练上scale up效果也非常好，甚至能接入游戏GPU生成数据scale up 特斯拉的自动驾驶是另外一个证明，端到端的自动驾驶策略在scale up效果上，充分发挥了统一各种信息流的优势 --------------------------------------------- 从这两个视角来看，LLM在信息自由流通门槛上大幅下降，没有任何疑问 LLM在这个视角下的历史进程地位，有没有达到了和互联网革命相似的水平？2024年的chatbot水平也许还没有，但在可预见的未来是很有希望能达到的。就像Sam今天发的那样，未来有更长的context，有更好的memory，造就出更好的agents，也就是更有生命力更拟人(能在open ended task有更好表现)的信息流。那么这两个视角的信息自由流通门槛的下降，与人交互信息流的抽象层提高程度，未来不是梦不需要纠结LLM像不像理想化中的完全替代人的AI，不需要纠结LLM不像人类那样有0-shot的推理能力，只要能达到信息自由流通门槛的大幅下降，已经足够引发一轮类似互联网革命的科技浪潮了。还是那句话，科技的发展，甚至文明的发展，一定是向着信息流的networking交互越来越多，交互门槛越来越低的方向前进，因为这才是探索新组合(也就是创新)更高效的方式，最后活的更好的一定是信息流自由交互门槛更低的文明，这是必然的趋势。

#LLM #信息流 #交互 #创新 #科技革命