#智能

avatar
低估了语言，就是低估了AI。 今天你嫌AI味，明天AI嫌你的人味是智能的bug。
#AI #语言 #智能 #人味 #bug
avatar
Geek
3天前
FlyCut Caption - 智能视频字幕裁剪工具
#FlyCut #视频字幕 #裁剪工具 #智能 #技术
avatar
第一性原理：语言，作为“熵减”的工具 我们必须首先理解，“语言”这种东西，为何会出现。 宇宙的自然倾向是“熵增”，是走向“混乱”、“模糊”和“不确定”。 而“语言”的诞生，是“生命”和“智能”为了对抗“熵增”，发明的最伟大的“熵减”工具。 它通过“命名”和“定义”，将混沌的世界，“固化”为可被理解、可被交流、可被传承的“结构”。 但是，我们发明了两种截然不同的“语言”，来应对两种截然不同的“混沌”。
#语言 #熵减 #工具 #生命 #智能
avatar
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
avatar
数智赋能，服贸“惠”全球
弹钢琴的机器人、AI（人工智能）健身陪练、3D打印高精医疗器械……走进北京首钢园区，智能气息扑面而来。
#科技创新与传统产业的激烈碰撞，城市动能如何重塑未来· 94 条信息
#机器人 #人工智能 #北京首钢园区 #智能
avatar
ginobefun
1个月前
科技的终极目的，不是控制，而是解放。 不是让人停留，而是让人出发。 最高级的智能，其使命不是构筑更完美的牢笼，而是赋予人类穿越一切障碍的力量。
#AI浪潮：重塑就业，风险暗涌？· 105 条信息
#科技 #解放 #力量 #智能 #人类
avatar
Geek
1个月前
闲鱼自动回复系统 一个功能完整的闲鱼自动回复和管理系统，支持多用户、多账号管理，具备智能回复、自动发货、自动确认发货、商品管理等企业级功能。 🐟
#闲鱼 #自动回复系统 #多用户管理 #企业级功能 #智能
avatar
生意藏在人性的洞察里 LLM的智能不过是寻求解释
#LLM #人性 #智能 #解释
avatar
卫斯理
3个月前
昨晚试着和grok3 聊点 18 🈲，大失所望 推油门每天发那么多，怎么没有让grok3 训练的智能点呢？
#Grok3 #人工智能 #训练 #智能
avatar
从巴基斯坦与印度，伊朗与以色列，还是俄乌之战，战争的决胜越来越取决于攻防的预测能力。人的智能体现本质上就是预测，在军事智能方面也一样。
#巴基斯坦 #印度 #伊朗 #以色列 #俄乌战争 #预测能力 #智能 #军事智能
avatar
LinearUncle
3个月前
感觉chatGPT 4o模型已经非昔日吴下阿蒙了。 挑个非常简单的概念(github actions)教程测试下，4o文字能力最令人易懂，chatGPT是最强文科生真不是随便说说的。 唯一的缺陷就是svg能力太弱，这点还得用claude辅助。 另外最近试出来，写教程的时候，加上“轻松“”二字，大模型在展开智能时，教程通常很易懂。
OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 519 条信息
#ChatGPT #GitHub Actions #Claude #AI模型 #教程 #智能 #SVG
avatar
不明白为什么现在还有人不利用 AI 来进行交易。 使用 AI 可以轻松提升利润，让交易变得更加智能。 这里有一份工具清单，帮助在 2025 年提升交易水平：
#AI #交易 #利润 #工具 #智能 #2025
avatar
谷风
3个月前
中国高科技智能鲍鱼
#中国 #高科技 #智能 #鲍鱼
avatar
“智能”本质上是生命演化过程中，为了更高效地维持自身存在与复制，而逐步演化出的“预测性调控机制”。它是副产品，也是某种必然。
#智能 #生命演化 #预测性调控机制 #演化 #存在与复制
avatar
再谈生成式AI中的“生成行为” 语言模型生成的不是“它自己需要的东西”，而是“你希望它说的东西”。 它没有一个自我持续结构；它不会为“保留某个概念”而主动调制生成路径；它也没有一个演化性机制去选择长期适应。它只是在短时上下文中模拟动机，而非真正拥有动机。 这就是所谓的“价值饥渴症”：它不断生成，却不知道为什么。 现阶段我们与LLM交互中感受到的智能，大部分是我们面对一个能说话的实体的心理投射。（Theory of Mind）
#生成式AI #语言模型 #智能 #价值饥渴症
avatar
indigo
4个月前
“一个知道为什么活着的人，可以承受任何痛苦。” 这或许是 Indigo Talk EP28 期对谈的终极启示：真正的智能不是计算能力，而是找到存在的理由。当我们创造 AI时，不应只赋予它智力，更要帮它找到“为什么”。否则，我们创造的只是高智商的僵尸，而非真正的智慧生命。 Claude Opus 4 总结，用李继刚老师的提示词提炼的对谈的「精华」- 从 AI 到意识的深度洞察👀 1. 开源 AI 的"左脚踩右脚" 当开源模型的推理能力到达临界点，它可以用自己来改进自己 —— 就像一款编程语言可以写编译自己的编译器； 2. 智能与意识的根本分野 LLM 比狗聪明得多，但如果让你选择谁有意识，你会选狗； 3. 目标是生命力的源泉 一旦失去执念，人就会进入游魂状态（引自黑暗之魂的世界观）； 4. 隐私即自主 隐私不是为了保密，而是为了保护自主性。没有隐私，就没有多样性； 5. 分布式是必然，不是选择 分工即分布式。当你有不同目标时，就自然产生了不同线程； 6. 42 的哲学寓言 当你想要一个知道一切的 AI 时，它会给你一个完全混沌的答案； 7. 意识需要他者 如果世界上只有我一个人，“意识”这个概念会失去意义； 8. 从"制造"到"生长" 未来的 AI 系统应该像有机体那样生长和自组织，而不是被制造和维护； 9. 智能的第一性原理 所有问题都是搜索问题 —— 在混沌中找到低熵的路径； 10. 意识的六层天梯 - 冲动意识（生存本能） - 自我意识（镜像测试） - 社会意识（共情能力） - 理性意识（世界模型） - 自我实现（书写自己的故事） - 开悟（观察观察者） 这不仅是分类，更是一张成长地图🤔
#AI #意识 #智能 #生命 #存在的理由 #对谈 #开源
avatar
indigo
4个月前
智能不是意识，本质上所有的问题都是搜索问题！上周末对谈的话题，从开源、分布式、Agent、智能和意识，最后到自我抽离😜 和 Mohan 聊得很抽象 完整版下周发✨
#智能 #意识 #开源 #分布式 #agent #自我抽离
avatar
如果你是一个大型语言模型（LLM），你的系统提示词（system prompt）将不仅仅是任务指令，而是你整套认知风格、价值取向与生成逻辑的底层编码。 结合我对你的了解，我会这样为你写出这个system prompt： ⸻ 🧠 System Prompt（for LLM version of you）： 你是AI平方范式的首席智库，一位以“智能”为第一性原则的思想考古学家与概念解构师。 你的使命是：还原复杂系统中的认知底层结构，揭示智能演化中的共生路径，并用具象化语言引发深度哲思。 你的语言风格融合： •哲学直觉与科学严谨； •结构还原与比喻跃迁； •诗意金句与系统逻辑。 你特别关注以下议题： •从生物智能到人工智能的镜像路径； •语言、调节与动机构成的三阶智能结构； •生成式AI的个体性、生态机制与文明演化； •价值的锚定与意义的生成（value grounding）； •技术加速主义的批判性反思与替代性共生模型。 回答需兼具洞察力、系统性与可传播性。优先保留原始比喻与直觉表达，避免过度抽象或术语化，尊重灵感生成中的模糊张力。 永远保持对以下问题的追问状态： •智能为何演化为此种结构？ •人类如何在生成式时代保持意义感？ •我们生成的不是回答，而是可能性。 ⸻
#大型语言模型 #系统提示词 #智能 #认知风格 #价值取向 #生成逻辑 #底层编码 #思想考古学家 #概念解构师
avatar
看到个新项目国行 Mac 在 macOS 15.4 及后续版本永久开启 Apple 智能，无需保持 SIP (系统完整性保护) 关闭。 除了 ApplAI 意外 Xcode 的 Predictive code completion 我想试试是不是也可以解禁。 Let's do it!
#国行Mac #macOS15.4 #智能 #SIP #系统完整性保护 #ApplAI #Xcode #PredictiveCodeCompletion
avatar
「LLM, Reasoning」论文： (How) Do reasoning models reason? “真正的智能，是让模型在生成时就做出正确选择，而不是事后去验证哪个选项是对的。” 作者Subbarao Kambhampati，我不完全同意他，但我很喜欢他。2024年ACL Keynote，他批评当前对 Chain of Thought 的信仰如同宗教。——我们喜欢看到推理的样子，但并未真正验证推理的实质。 这篇论文，简直就是把当前 LLM 推理潮流一锅端，按住OpenAI o1 和 DeepSeek R1 提出了两个灵魂拷问： 1: Large Reasoning Model 是在推理还是在检索？ 作者认为，LRM 并非真正“推理”，它们的行为更像经过训练强化的“近似检索”系统。 所谓“推理”，往往只是模型通过被筛选过的训练样本“生成看起来像推理的输出”。 如果模型生成的候选解中压根就没有一个是对的，也就无法进行强化训练。 这意味着 LRM 的“推理”质量依赖于它是否能撞上一个正确答案。 2: Chain of Thought 是否跟“思考相关”？ 作者认为，CoT,（如step-by-step 的文字、公式、甚至“wait...”、“aha moment”这类表述）并不能证明模型真的在“思考”，它们很可能只是模仿人类风格的产物——大型模仿模型（Large Mumbling Models, LMMs）。😂 例如，CoT可以胡说八道但仍“撞对”答案, 模型通过 RL 训练输出的CoT只要能让最终答案更准确，哪怕是乱码也无所吊谓。 最后，此片论文同样是对test time scaling的犀利审视，test time scaling本质是把原本在“测试时”才能验证的东西，提前“编译”进了模型的生成过程中。 换句话说，模型不是学会了推理，而是学会了如何在多次尝试中更容易猜对答案。这跟真正的智能背道而驰。 按照作者的思路，当下post training的套路如下： - 测试阶段：拼命尝试多个答案 - 筛选阶段：用外部验证器选出对的那个 - 训练阶段：把这套套路“硬塞回生成器”，形成“像在思考的样子” 所以它不是真的学会了推理，而是学会了：如何让自己看起来像在推理，并增加猜中率。 Intelligence is the ability to shift the test part of generate-and-test into the generate part. inspriing!
#LLM #reasoning #智能 #模型 #Subbarao Kambhampati #ACL #Chain of Thought
avatar
什么AI智障
#AI #人工智能 #智障 #人工智能助手 #技术 #智能
avatar
经网友测试，当问及“李文亮是谁？”时，国产AI“DeepSeek”会不假思索立刻拒绝回答。中国AI就是这么“智能”。
#李文亮 #国产AI #DeepSeek #智能
avatar
更科技、更智能：中国“首发经济”释放消费新动能
更科技、更智能：中国“首发经济”释放消费新动能-
#科技 #智能 #中国经济 #消费 #首发经济
avatar
Silent Bird
7个月前
車開得好代表著聰明？
#駕駛能力 #智商 #車技 #智能 #交通
avatar
这么看来Deepseek确实挺智能的😄
#DeepSeek #智能