#技术变革

中国民主转型研究所(ICDT)

2周前

《中国民主季刊》2025年第二季专论莎拉·克雷普斯、道格·克里纳：人工智能如何威胁民主生成式人工智能的爆炸性崛起，已经在深刻改变新闻、金融和医疗，但它也可能对政治产生扰乱性影响。比如，向聊天机器人咨询如何应对复杂的官僚体系，或请求其协助撰写给民选官员......

#AI乱象：失真、隐私泄露与信任危机· 86 条信息

#人工智能 #民主 #政治影响 #生成式人工智能 #技术变革 #社会影响

徐老猫

2周前

黄仁勋：量子计算不再是20年后的事情了，它只是“几年”的事情。老黄今天可是投放了一个重磅消息。量子计算机即将解决实际问题，是基础计算层面的一次重大变革。量子将加速AGI的进程。这是“改变一切”的时刻。

#量子计算 #技术变革 #基础计算 #AGI #黄仁勋 #重大消息

howie.serious

3周前

paul graham：技术的本质决定了，技术必然改变人类劳动的价值分配，必然造成人与人的差距拉大。石器时代如此，ai 时代也如此。但是，ai 不同于之前的技术，而是最有加速性质技术：脑力劳动的边际成本急剧降低，无限趋零。底部价值归零，顶端价值无限。（最终还是得靠 ubi，靠社会保障制度兜底）身处中位数的人，会有几个典型的思维误区：ai 不过是工具，学点皮毛就够了；ai 会抢我饭碗，于是有防御/敌对情绪；那我就拼时间，拼时长，卷死 ai... 但是， ai 的破坏，不只是“放大差距”，更是在把“重复性中间地带”商品化。凡是可结构化、可迭代、容易被 prompt 化的任务，都在快速贬值；相反，创造稀缺叙事或复杂协作场景的人，正借助 ai 把 1 个人力杠杆到 100 倍产出。 ai 时代以前就有“超级个体”的说法，那个观点的底层原理，不过是互联网的“网络效应”。不能说是错的，但是现实中很难发生。因为个体被有限的认知资源、认知能力限制住了。现在，ai 解放、倍增了个人的认知资源和认知能力。这决定了“超级个体”、“一人公司”等理念，在底层原理上成为可行。就比谁更专注，更死磕 ai 增强了。🤣

#AI时代 #技术变革 #收入差距 #脑力劳动 #社会保障 #基本收入

xushiwei

1个月前

AI虽然是重大技术变革，但也不宜过度解读。这是我去年一个演讲，聊了程序自动化和数据自动化的区别和对未来趋势的判定。

#AI技术 #技术变革 #程序自动化 #数据自动化 #演讲 #未来趋势

新华网-新华每日电讯

1个月前

记者与学者的对话：AI浪潮是文科的暮鼓还是晨钟？

记者与学者的对话：AI浪潮是文科的暮鼓还是晨钟？-"郁建兴：AI对文科教育的冲击不仅体现在教学层面，更引发了高校对文科存续的争议。"

#AI乱象：失真、隐私泄露与信任危机· 86 条信息

#AI #人文科学 #技术变革

江河老于

3个月前

电影《野兽》讲述了新事物带来的冲击。一头野兽无形地蹲在未来的丛林中。技术即将在未经我们同意的情况下，改变甚至消灭人类。时代变迁的代价，从古装剧变成对非自愿独身文化的现代嘲讽。一对恋人穿越1910年前后的巴黎；2010年代的洛杉矶；以及2044年的巴黎。（中文字幕）

#电影野兽 #技术变革 #现代嘲讽 #时代变迁 #未来丛林 #非自愿独身文化

Jimmy Cheung

3个月前

今天情绪非常低落，压力非常大，我不清楚我现在做什么，是从现在开始到将来都还有价值的。比如 GPT-4o 的图像能力，直接干翻了之前很多创业公司的产品，他们花了那么多时间、人力、投资人的钱去调优的算法、工作流、模型，直接被一次大模型的更新就取代了。昨天还在看 SD 教程，今天发现白看了...

#情绪低落 #压力大 #人工智能 #创业 #投资 #大模型更新 #技术变革 #失去价值感 #自动化 #职业竞争

indigo

3个月前

未来的软件工程师将从“写代码”转变到“管理/审阅 AI”，成为想法与需求的提出者。20VC 最新一期播客采访了 Anthropic CPO Mike Krieger，对谈中 Mike 预测差不多一年后，工程师的工作将是你教给 AI 一项任务，当你回头来看时，AI 会告诉你它已经评估了它实现的三种方法，并让不同的 Agent 在浏览器中试用过了，这个效果最好；还让另一个做漏洞测试的 Agent 运行了一下，一切看起来都很好。。。你只需要 Review 一下关键代码，确保它符合要求。 AI 能在编写与调试中处理绝大多数流程，工程师更多需要进行架构设计、需求理解、代码审阅和质量把控，针对安全性、性能或风格做指导。对谈中还有一点印象很深刻，Mike 拿当年在 Instagram 的工作做了类比，他们考虑产品的三点：形态、用户与 Vibe（氛围感）。现在大模型看上去很趋同，但因为各自训练数据品味的区别，在“微观体验”和“特定功能”上会越来越不同，氛围感也因此而凸显。模型要留住用户，需要用这这种懂你的 Vibe来和用户形成长期的“AI 伙伴”关系，这样用户就不会随意替换。在我用过的所有模型之中，Anthropic 的 Claude 氛围感很到位✨

#未来软件工程师 #AI管理 #20VC播客 #Mike Krieger #技术变革 #AI评估

澎湃新闻-澎湃人物

4个月前

一群字幕翻译，想要和旧语言说再见

#字幕翻译 #语言更新 #技术变革

新华网-新华网

4个月前

记者来信：胜负之外——当AI狂潮席卷而来

记者来信：胜负之外——当AI狂潮席卷而来-

#AI #技术变革 #记者来信

宝玉

4个月前

“我们基于目前世界的制约条件来想象它的未来，但其实还有大量新的机会和事物会涌现。所以我觉得，写代码在现在确实非常重要，而且很快就会发生变化。大家需要保持足够的灵活性。我常打的比方是，好比我们是一群会计师，而微软 Excel 刚刚问世。你是想当第一个放下 HP 计算器学 Excel 的人，因为这是更好的工具，还是想做那个死抱着计算尺和 HP 计算器不放，还在那儿说“这帮年轻人只会用 Excel，他们不懂行”的人？虽然这个比方有点粗糙，但我觉得对大多数人来说，这是最好的姿态，就是拥抱变化，尝试这些工具。装上最新的代码助手，比如 0.3 版本什么的，真正去用它写点你本来不想写的代码。你可不想做那个最后才用上 Excel 的会计吧，那样你很可能丢了饭碗。” — Bret Taylor

#未来科技 #编程发展 #技术变革 #计算工具 #灵活性

宝玉

4个月前

收到一位新手算法工程师的来信，咨询我： >“在 AI 时代，既然 AI 能生成高效的算法实现，那么新手该如何有效进行代码的设计和验证？” 这确实是当下新手工程师特别关心的问题。毕竟，AI 现在能轻松产出高质量的实现代码，可新人既缺乏“拆解需求”和“设计方案”的经验，又需要面对迅速变动的技术场景，难免会容易焦虑着急。很多人会设想一种“理想状态”：我们先把需求细分成相对独立且定义明确的模块，然后把接口、数据结构、边界条件等都告诉 AI，AI 再自动完成这个模块的实现。最后，只要进行验证，就大功告成了。但现实中，别说新手，就算是已经有了几年开发经验的工程师而言，要掌握从需求到模块的拆分，再到最后测试和调优，这条链路很长，也很考验“工程能力”。所以我对于 AI 时代的工程师的建议是：： > AI 时代，工程师仍需要掌握两大基础能力：编程技能和工程能力。 --- ** 编程技能：AI 时代仍需“做中学” 很多人会问：既然 AI 能写代码了，那我是不是就不用苦练“自己写”这件事？答案并不绝对。 - 编程是技能就像学游泳或学骑车，如果你从头到尾都不下水，只是在岸上看视频或让别人代替你游，你自己很难真正学会。编程同理，需要动手才能真正理解和掌握。 - AI 帮你加速，但不能完全取代你的动手实践比如，你遇到一个功能需求，不妨先自行思考一下可能的实现思路，然后让 AI 生成一个方案。接着，你可以亲手去改动、调试，甚至故意“手写一遍”看是否顺畅，或者是否能够理解 AI 生成的关键逻辑。只有这样，你才能更熟练地掌握编程能力，真正知道代码在做什么，而不只是“让 AI 代写”。 - 写得快已不再是全部目标过去我们常常追求写代码又快又好，可是在 AI 的帮助下，“写得快”可以部分交给 AI，我们更多精力应投入到结构设计、逻辑思考、验证测试等更具价值的工作上。 --- ** 工程能力：从需求到可持续维护的系统要想真正把需求落地成一套可运行、可维护、可演进的软件系统，工程能力就尤其关键了。它涉及到从需求分析、架构设计、实现编码、验证测试、运维部署到持续迭代的一整个流程，也可以理解为把需求变成可持续维护系统的综合能力。试着想象一下，一个合格的（也可以说是“专业的”）工程师在日常开发中都要做些什么： 1. 需求和场景理解 - 与需求方沟通，确认数据规模、并发量、安全合规要求等，这能避免后续返工或踩坑。 2. 架构设计与技术选型 - 考虑技术栈、模块划分、API 设计等，并兼顾成本、性能、可扩展性，才能保证后面不会“撞墙”。 3. 测试与质量保证 - 包含单元测试、集成测试、端到端测试等，各类测试在不同层面保障质量。 - 通过持续集成（CI），快速发现改动对已有功能的影响。 - 新手尤其要培养“多写单元测试、用测试验证逻辑”的习惯，这对识别 AI 生成代码的缺陷非常有效。 4. 运维与监控 - 上线后如何发现错误、记录日志并快速定位问题，如何保障系统稳定运行，都需要事先规划。 5. 团队协作与项目管理 - 多人协作怎么做 Code Review？版本管理和需求排期如何安排？这些都属于工程能力的一部分，也是让团队高效协作的关键。 --- ** AI 时代下，工程能力的新挑战与机遇虽然 AI 在编程层面突飞猛进，可以生成各种模块、自动化测试脚本，但在以下这些方面依旧需要人类发挥主导作用： 1. 掌控需求到实现的链路 - AI 只能依据你给的描述去生成实现。若需求描述和拆分不到位，AI 写出的代码很可能在后期难以集成或维护。 - 只有具备扎实的工程能力，才能确保需求、设计、实现三位一体。 2. 审阅与调试 AI 生成代码 - AI 写的实现并不总是完善，它可能忽略边界条件，也可能在性能或安全合规上欠考虑。 - 需要工程经验去审阅、调试，并结合单元测试、日志监控等手段，验证代码的正确性和鲁棒性。 3. 架构与模块拆分 - 哪些部分适合让 AI 来生成？哪些部分需资深工程师自己写？ - 整个系统的版本、模块管理如何协调？在这些领域里，工程师对系统全局的把控能力非常重要。 4. 数据与安全合规 - 特别是算法工程师，常常涉及数据管线、数据隐私与合规等复杂场景。 - AI 生成一段跑模型的代码很容易，但若要兼顾隐私合规、合理负载、监控报警，就离不开工程化的思维。 --- ** 如何提升工程能力：实战中历练，持续总结既然工程能力如此重要，该如何让自己成长得更快？以下几点建议可能对你有所帮助： 1. 多动手维护实际项目 - 读书和看文档可以打基础，但实际开发的踩坑和复盘最能帮你快速建立认知。小到个人开源项目，大到公司内部复杂系统，都能让你看到“设计-实现-测试-部署”的全流程。 2. 吸收业界最佳实践 - 去读优秀开源项目的源码，仔细观察他们如何组织目录结构、如何写测试、如何做持续集成；或者在团队里多参与 Code Review，学习他人写码和思考的方式。 3. 熟悉工具链与自动化 - 尝试了解并实践 CI/CD 流程，掌握单元测试框架、配置管理、运维监控工具等。这些在实际工程中都是必不可少的一环。 4. 主动思考架构与性能 - 无论是后端服务的分布式架构，前端的工程化，还是机器学习训练管线等，都有相应的设计模式和性能优化思路。多思考如何在逻辑与工程层面做得更好，而不是单纯依赖 AI 给出的实现。 5. 培养文档与沟通习惯 - 工程并非个人英雄主义。“写在你脑海里”的想法也需要变成清晰的文档、需求说明、接口规范、部署指南，这样不仅帮助团队，也有利于自我总结。 --- 总结一下： - 在 AI 时代，能帮我们写代码的“工具”越来越多，但“如何保证写得对”“如何把需求从无到有构建成高可维护、高可靠的系统”才是人类工程师真正的价值所在。 - 编程技能仍需“做中学”：AI 辅助写代码并不能完全替代亲自动手，不然难以真正掌握技术本质。通过实际项目增强经验：多踩坑、多总结，是积累工程思维的关键。 - 对于新手工程师，首先要在实践中不断提升编程技能，要能理解代码、能手写关键逻辑，另一方面，更要把精力放在工程能力上：需求分析、架构设计、模块拆分、测试与持续集成等。 - AI 不能替你做“架构设计与技术选型”：它只能在给定的框架内去编程，如何拆分、怎么确保安全与性能，依旧仰赖工程师的决策。希望以上这些思路对你有所启发，也祝你能在 AI 时代下，快速成长为一名具备强大工程能力的算法工程师。加油！

#AI #算法工程师 #代码设计 #新手指南 #技术变革 #代码验证

eraera

5个月前

如果技术进步发生的地方不在商业的关键路径上，或者技术进步虽然发生在关键路径，但是对整个商业模式的关键路径没有改变，那么技术变革对这种商业的影响力就是有限的。对于新的技术，我们可以寻找那些关键路径受到技术变革的商业模式，在里面寻找投资机会

#技术进步 #商业模式 #投资机会 #技术变革

勃勃OC

5个月前

原来科技，真的能改变生产力

#科技 #生产力 #科技影响 #技术变革 #创新科技

Basic Apple Guy

5个月前

18 Years Ago: Apple Unveils the iPhone An iPod, a Phone, and an Internet Communicator…

#iPhone发布 #苹果公司 #移动通信 #技术变革 #移动互联网 #消费者电子产品

Poonam Soni

5个月前

It's only been 1 day since CES 2025, and people are going crazy it. This will change the way we use technology forever. 13 most jaw-dropping reveals so far (Don't miss the 5th one)

#CES2025 #技术变革 #产品发布