ginobefun
1个月前
#BestBlogs 胡泳:跨越 30 年,从数字化生存到 AI 化生存 | 腾讯研究院 文章深度剖析了从尼葛洛庞帝的“数字化生存”到当前 AI 浪潮下“AI 化生存”的范式转变,探讨了 AI 对人类创作、身份、教育及人机关系的重塑。 摘要: 文章由北京大学教授胡泳撰写,回顾了尼古拉·尼葛洛庞帝《数字化生存》的预言,分析了其在信息个性化、网络化、比特经济等方面的实现,以及在技术隐形性、智能代理、全球共识等方面的未达预期。在此基础上,文章提出了“AI 化生存”的概念,指出 AI 的崛起标志着技术从媒介性向代理性的跃迁,超越了“数字化生存”的范式。文章从“自我表达”到“内容生成”、“数字身份”到“AI 人格”、“知识传授”到“判断训练”以及“人机协作与主体重构”四个维度,详细阐述了 AI 对人类生存模式的深刻影响和挑战,呼吁社会应以批判现实主义态度,重建“人-技术-社会”的三重关系,培养具备伦理韧性、人文底色和判断力的未来公民。 主要内容: 1. AI 化生存是技术从媒介性向代理性的跃迁,超越了数字化生存范式。 -- 在 AI 化生存中,AI 不仅是工具,更是合作者、竞争者甚至替代者,这标志着人类与技术关系的根本性重构,远超数字化时代的工具性理解。 2. 生成式 AI 重塑创作范式,从“自我表达”转向“人与 AI 协同的内容生成”。 -- 创作不再仅由人类经验驱动,而是被预训练模型和算法所重塑,导致内容原创性、作者性以及创作目的的根本性改变。 3. AI 人格的出现使数字身份向可复制、外包、消费化、去中心化的 AI 人格转化。 -- 个体意识可被程序化、代理化,甚至在物理死亡后仍能“继承”,深刻挑战了传统对人格、记忆和身份延续的认知。 4. AI 时代教育需从“知识传授”转向“判断训练”,强调批判性思维与人文素养。 -- 面对 AI 生成内容的真伪模糊和算法茧房,教育应培养学生识别偏见、理解社会结构、保持人文感知力,而非仅掌握使用 AI 的技巧。 5. AI 发展模糊人机伦理边界,人与技术关系从“单向控制”变为“协同-争议”。 -- AI 拥有决策、学习和适应能力,引发人类认知特权危机和本体危机,迫使人类重新定义自身在技术共治世界中的主体性。 文章链接:
ginobefun
1个月前
#BestBlogs Huberman Lab|如何重塑大脑并加快学习速度 | yikai 的摸鱼笔记 文章深度解析了大脑神经可塑性的终身特性,强调专注、摩擦力与反思在学习中的关键作用,并介绍了迷走神经刺激(VNS)在加速康复中的革命性应用。 摘要: 本文基于 Michael Kilgard 博士的神经可塑性研究,颠覆了大脑可塑性仅限于童年的传统认知,指出大脑是一个持续更新的生命系统。文章强调,真实的、需要努力和互动的经历(即“摩擦力”)比被动接收信息更能有效塑造大脑。同时,专注、事后反思和自我测试被认为是促进有效学习和巩固神经连接的三大支柱。 文中详细阐述了乙酰胆碱、去甲肾上腺素等神经调质在大脑标记重要信息、巩固学习中的关键作用。特别介绍了 Kilgard 博士的核心研究成果——迷走神经刺激(VNS),该技术通过精确调控神经调质的释放,在治疗耳鸣、中风和脊髓损伤等疾病的康复中取得了显著突破。最后,文章展望了未来神经科学治疗将走向设备、药理学、行为训练和心理支持相结合的“组合疗法”时代,对大脑重塑持乐观态度。 主要内容: 1. 大脑可塑性贯穿一生,并非仅限于童年,为终身学习和重塑提供可能。 -- 传统观点认为大脑在成年后变化困难,但 Kilgard 博士的研究表明,大脑是一个持续更新的系统,每时每刻都在建立和调整连接,这为成年人通过经验实现大规模重塑和高效学习奠定了基础。 2. 专注、摩擦力与反思是有效学习和大脑重塑的关键要素。 -- 真实的、需要努力和互动的经历(摩擦力),结合高度专注,并在事后进行积极的反思和自我测试,能有效巩固神经连接,促进大脑以更有益的方式进行结构性改变。 3. 迷走神经刺激(VNS)能精准调控神经调质释放,加速多种神经损伤的康复。 -- VNS 通过在特定行为发生时刺激迷走神经,诱发乙酰胆碱、去甲肾上腺素等神经调质的释放,从而增强大脑可塑性,已在耳鸣、中风、脊髓损伤等疾病的治疗中取得突破性进展。
ginobefun
1个月前
#BestBlogs 从 Prompt 到 Context:为什么 Think Tool 是形式化的必然? | 阿里云开发者 文章从编译原理视角,论证了 AI 工程形式化和可验证性的必然趋势。 摘要: 文章以编译原理为理论基础,深刻阐述了 AI 编程(或 AI 系统开发)中从 Prompt Engineering 到 Context Engineering,再到 Anthropic 的 Think Tool 的演进路径。 作者首先回顾了语言形式化的必要性,并引入乔姆斯基谱系作为衡量语言形式化程度的标尺,指出其在表达能力与可预测性间的权衡,并将其类比到当前 AI 工程师面临的困境。接着,文章详细分析了 Prompt Engineering 的非形式化弱点及 Context Engineering 如何通过结构化上下文提升系统可靠性。最后,重点介绍了 Think Tool 如何通过显式推理实现可验证性和策略遵循,超越了传统的 CoT 范式,预示着 AI 编程将走向更严格的形式化和可验证性,如同编译器正确性证明一般,这对于在高风险、安全攸关的领域部署自主智能体至关重要。 主要内容: 1. AI 工程的演进是软件工程形式化追求的重演 -- AI 编程从 Prompt 到 Context 再到 Think Tool 的转变,本质上是对系统可追踪性、可靠性的追求,与编译原理中语言形式化和可验证性的历史进程异曲同工。 2. Context Engineering 代表向更高形式化的转变 -- 相较于 Prompt Engineering 的非形式化和脆弱性,Context Engineering 通过结构化上下文、工具集成和记忆管理,将 LLM 作为组件,显著提升了系统的可靠性和可扩展性。 3. Think Tool 通过显式推理实现可验证性 -- Anthropic 的 Think Tool 将模型内部的思考过程形式化、结构化,使其行为可审计、可验证,从而增强了高风险 AI 应用的透明度、可调试性和可靠性。 4. Think Tool 通过元认知脚手架超越 CoT 范式,实现自我纠错 -- Think Tool 将推理模块化、形式化,作为独立可检视的步骤,为模型提供了元认知结构,使其能够规划、监控和评估自身思维,并基于结构化日志进行错误分析和恢复。 文章链接: