#视觉系统

avatar
howie.serious
1周前
人类学习闭环中的“编码”环节 quanta杂志的这篇文章，讲的是科学家如何通过llm来更好地理解人类大脑的运作机制，用人工神经网络来理解人类的大脑神经网络。 我的笔记（只提取了一点🤣）： - 人脑的语言系统和视觉系统，都可以视为一种“特征编码器”（feature encoder），即能够对输入的信息（无论是视觉图像还是语言符号）进行处理并提取出特征。 - 语言系统不是简单地存储单词或句子，而是对语言材料进行编码，将语言输入信息转换成特定的神经表征（neural representations）。 - 就如同视觉系统接收外部世界的光学信号并将之转化为神经信号，从而在大脑中形成视觉特征表征一样，语言系统将单词、句子或概念转换为抽象的、能够在脑内被“解读”和“理解”的编码模式。 - 语言与视觉等认知功能共享类似的神经编码原理，这种认识打开了理解人类智能本质及AI与人脑深层次互动的大门。 在我的学习方法论（小能熊版费曼学习法）中，“编码”是学习闭环的关键环节。也就是说，一切输入，必须通过大脑积极主动、深度加工（关键是特征提取，和llm一样），encode为特定的心理表征（概念、模型等心理符号、知识砖块）。 这些表征，最好是用logseq、obsidian的砖块笔记，显式展现，结构化呈现，便于巩固、迭代（以及供llm+MCP来打通、调用、思想综合）。 结论就是：记录。尽可能多记录，多写笔记。并且，用符合大脑/llm认知原理的方式记笔记（而非随心所欲、经验主义乱记录）🤣
#人类学习 #编码环节 #LLM #大脑运作机制 #人工神经网络 #人脑神经网络 #语言系统 #视觉系统 #特征编码 #信息处理
avatar
勃勃OC
6个月前
刚才又开了一次FSD——其实我最近出门都不自己开车了，等于是给自己找了一个Uber司机，$99一个月，可能有点贵吧。 这一次出行有一点让我很惊艳，很显然是只有AI+视觉系统才能实现的效果 情况是这样的。我在一个十字路口红灯处右转，这是不受保护的右转，而且有车不断从我的左边开过来，很明显我需要等待。 这时，刚好有车从我的右侧（和我所在车道垂直的车道）左转进入我的车道（但和我反向），这导致原本左侧奔涌而来的车流出现暂停 神奇的事情发生了。就当这辆车开始左转时，FSD预判左侧车流会避让，直接踩个油门，趁着间隙完成了右转。对时机的把握和油门力道，超过绝大部分老司机。 Birdview + AI的“推理”能力，很显然在这里起到了很大作用 大量的训练数据，更大的模型，正确的信号（光学）是关键。这也是我认为端到端FSD必将成功的原因。 不论如何，2025年TSLA 650+的目标价我是不会动了。一月份可能会有回调，1/2出交付数据，一月FOMC肯定不降息，懂王上台会出很多新政策。 买Leap + 卖 Call hedge, 或者清仓等一月底再抄底都是可行的策略 但要注意的是，如果清仓，missing out风险自负～
#自动驾驶 #AI技术 #视觉系统