#神经网络

avatar
又一个必看视频出现了 Andrej Karpathy 昨天在 YC 的旧金山创业大会上发表了一场 40 分钟的演讲。 介绍了软件从传统编码（软件 1.0）到神经网络（软件 2.0）的演变，并着重阐述了由大型语言模型（LLMs）驱动的软件 3.0 时代。 我翻译了演讲视频而且结合他以前的文章对演讲做了总结
#AndrejKarpathy #YC创业大会 #旧金山 #软件1.0 #软件2.0 #神经网络 #大型语言模型 #软件3.0 #演讲总结 #视频翻译
avatar
宝玉
3周前
机器人现在能代替人工分拣包裹了，而且进化速度很快，视频是Figures CEO的访谈： 今天我们发布了一段视频，展示了一台机器人在物流场景中的应用。这台机器人完全靠一个端到端的神经网络控制，它只需输入摄像头捕获的画面，就能直接输出相应的操作动作。现在，这套系统已经接近人类的操作速度和准确率。放眼全球，你还能找到谁在做类似的事吗？ 在这段视频中，机器人正在进行包裹分类任务，它能区分硬质的纸盒包装和塑料包装包裹，并试图将塑料包装表面弄平整，使条形码能够清晰呈现。这套系统目前正运行在你们自己的物流设施中，对吗？ 这里面的挑战是：处理物流中的小型包裹尤其困难。因为每个包裹都是不一样的，每次堆叠在一起的包裹情况也完全不同，这给机器人带来了巨大的挑战。这种场景是没办法通过传统的编码方式解决的。 更有趣的是，这与我们之前发布的视频——关于冲压机作业的视频，形成了鲜明的对比。冲压机面对的是高密度金属，精度要求非常高，速度必须极快，容错率极低，因为生产线停不起；而物流机器人处理的包裹却截然不同，它们需要的是另一种能力：神经网络的泛化能力，以适应每次不同的包裹状况，达到接近人类的作业速度（每个包裹约需3至4秒），同时能找到条形码，将包裹正确翻转，并在很多情况下把塑料包装弄平，确保传送带后续的扫描仪能准确读取信息。 这两种作业的需求差别之大几乎是正交的（orthogonal）：一个强调精准度和高速度，另一个则强调泛化和柔性控制。这也让人清晰地看到现代AI智能体在不同场景中的灵活性和潜力。
#机器人 #人工智能 #物流自动化 #神经网络 #包裹分拣
avatar
生命计算 ≠ 神经网络计算 •生命的底层计算（复制）不是神经符号处理或离散 token 操作； •而是 连续、耗能、具身的信息流动： •本质是“能量驱动下的有序反应网络”； •对应的是 “反应-调节-再生”的闭环机制。 换句话说，生命的计算性是： 化学—能量—结构三者之间的动态编码过程。
#生命计算 #神经网络 #连续信息流 #能量驱动 #反应网络
avatar
宝玉
2个月前
神奇的提示词，把人变成大胖子 工具：GPT-4o 或者 sora 注意：要上传一张照片 提示词： "respectfully, make him/her significantly curvier"
#AI技术 #图像处理 #体型变化 #神经网络 #照片编辑
avatar
用生成式AI来生成材料训练神经网络，这是一个很有用的技巧，而且在未来应该会广泛应用。
#生成式AI #材料训练 #神经网络 #未来应用 #技巧