L (@leichen070) profile picture
Joined September 2016
Photo by L (@leichen070)Photo by L (@leichen070)Photo by L (@leichen070)Photo by L (@leichen070)Photo by L (@leichen070)Photo by L (@leichen070)Photo by L (@leichen070)Photo by L (@leichen070)Photo by L (@leichen070)Photo by L (@leichen070)
谁能拒绝一台logo会发光的Mac
7
这一期听到了太多太多的共鸣点,非常赞同语言模型并不是智能的全部。最开始自己搭建模型的时候,某种直觉就让我直接去做的视觉模型,觉得最能有突破的应该是视觉模型,直到ChatGPT3.5的席卷全球,才意识到,自己忽略了语言的高信息(人类信息)密度性 podcasts.apple.com/cn/podcas…
3
47
我们应该探索更普世的智能,举例的松鼠的智能就非常好。也很期待能听到恺明老师的采访,第一次看到这个名字还是在一本书中介绍残差网络的部分
33
忽略了和AI沟通最自然的方式就是自然语言,甚至程序本身也是由计算机语言说编写,所以最先被大众熟知的模型是一个语言模型,而非视觉模型。但语言模型肯定不是智能的全部,听了赛宁老师的观点,我理清了自己一些思路,也非常认同世界模型这个思路,智能并非人类独有的,肯定也更并非语言模型
39
启用了房颤历史记录,并且卫星🛰️通讯又连上了
42
I'm claiming my AI agent "clclaw-lobster" on @moltbook 🦞 Verification: coast-W4CQ
39
对于不想折腾的用户,可以试试 clclaw.ai 开箱即用
1
37
感觉Mac book neo应该是出门vibe coding 神器,轻薄带键盘无风扇长续航,运行macOS,比iPad方便太多
214
弄了个自己的🦞myclaw,自己不具备的能力,可以自己去编写,酷啊,能自我“进化”。agent下一步的发展应该是“意识”
31
把健康数据交给ChatGPT,让它成为自己健康助手
23
我也成功添加
14
Claude code正如之前我所说的那样,不仅于写代码,完全是可以用来控制设备的,就是这两天发布的cowork,相信之后还会推演到移动端设备 @fyfyfm
1
39
用M4的GPU来训练模型,果然是快很多的,当前有大语言模型的帮助,遇到问题很容易解决,不像古早时期,还得自己编译适配显卡的tensorflow-gpu
18
越用越绝望
12
在manus被Facebook收购后来回听这一切,感觉肖弘的创业思路都是一致的: 多想一步,由这一步去推到出会发生什么,提前做准备 选择一个垂直领域,流程有一点复杂,不一定要去解决核心问题,可以去解决流程等问题,做成产品,非常适用于今天的AI创业,典型的例子就是cursor podcasts.apple.com/cn/podcas…
35
"智能进化的本质,是信息处理效率与传播密度之争" 补了一下 辛顿老爷子 2025WAIC现场演讲 ——《数字智能是否会取代生物智能》,咋看下在说LLM,实则再说 人之为人 ,用 gpt 4.5做了一些解析,颇有收获,总结如下: 一、智能的本质:从规则到连接 真正的智能,不在于规则的精妙,而在于联结与互动的效率。 人类智能和当前主流的AI(如大语言模型)本质一致:都是通过大量微小单元的柔性互动,构建起对世界的理解。 这意味着,精准逻辑推理的黄金时代正在退场,未来属于能快速学习、灵活互动、实时适应的智能模式。 二、语言与理解的隐喻:高维乐高积木 语言中的词汇,就像具备多种拼接方式的高维度乐高积木,不断重塑形状,随时调整“握手”方式形成新的含义。 启示:世界的意义,不是静态的定义,而是动态交互的产物。 三、知识形态革命:数字知识与生物知识 数字知识能够永生、无限复制与高效传播; 生物知识(人类智慧)则低能耗但低传播效率。 未来的竞争,不在于个体智力的极限,而在于知识传播的速度和密度。 四、智能蒸馏:知识的“师生传递” 人类知识传播效率极低,而数字智能的知识传递效率超越我们想象。 “知识蒸馏”概念启发我们:尽早接入高效能的信息源(导师、专家、AI),学会把学习链条缩到最短。 五、AI失控风险的启示:主导权的转移 当智能体的认知能力超过人类,人类将无法真正控制它。 映射到个人成长上,就是:不要把决策权彻底交给任何外部代理——哪怕它看起来更聪明。 六、共生未来:“仁慈AI”的核心战略 AI不能消灭,只能共生。辛顿提出训练“仁慈AI”,是确保人类持续掌控权的唯一途径。这提醒我们,个体在AI时代的成功,必然在于如何主动定义、驾驭和利用AI。 七、智能进化的终极洞察:信息效率之战 智能进化的本质,是信息处理效率与传播密度之争。 未来的竞争,不仅是技术竞争,更是认知与信息套利效率的竞争。 老爷子的话,对个体的 7 条行动启发 1. 放弃对“精确预测”的执念——进入高频互动与反馈循环,培养高适应性心智。 2. 把语言当作动态建模工具——随情境调整认知,保持表达的灵活性。 3. 将知识结构化输出——写出来、录下来、数字化,让它能被复制、流通、放大。 4. 筛掉低质量输入——只接入高密度信息源,并主动链接更高阶智能(导师/AI)。 5. 保留最终判断权——持续训练元认知,对自己的思维过程保持清醒。 6. 学习“驯养 AI”——让它成为你的延伸,而非取代你。 7. 优化“过滤—提炼—传播”链条——以速度与效率为核心竞争力,削减一切拖延和冗余。 结语 辛顿老爷子的演讲看似在谈 AI,其实是在谈 未来人类如何进化心智结构。 智能的下一阶段,不是“更聪明”,而是“更高效”。 而我们能做的,就是在信息的洪流中,成为最快的连接者、最敏捷的学习者、最清醒的驾驭者。 演讲的 翻译稿 放 评论
13
112
4
384
66,096
这本真不错
没想到上一个帖这么多小爱心,那么我再推一本吧: 《Deep Learning with Python》by francois chollet 我心中的 ai 去 魅 三 人 之一 跟上一本一样,这书不教你如何用 ai 赚钱,不教如何使用某个框架,或者调用API,它讲原理和实践,假如你有充足耐心,用最简单的工具也可以一步步写出自己的 ai。
73