跳到正文
今天10月22日周四1 条
10月21日周三
  1. 观点TechCrunch · AI22

    前英伟达高管、现投资人 Amulya Vishwanath:物理 AI 正处于“乐高时代”

    前英伟达产品营销人员、现 Techable Ventures 创始人兼管理合伙人 Amulya Vishwanath 表示,物理 AI 目前仍处于“乐高时代”,尚未迎来机器人领域的 ChatGPT 时刻。她认为,机器人手、执行器等基础软件与构件正被重新设计,通用与专用机器人同时在推进,创新规模化仍需时间。她还称人才是美国市场的关键壁垒,其公司重点帮助创始人对接顶尖人才。

10月20日周二
10月16日周五
10月14日周三
10月13日周二
  1. 观点The Decoder50

    Anthropic 的 Andrej Karpathy:AI 真实能力只被极少数人看到

    Andrej Karpathy 将大语言模型用户分为四层:约 60 亿人几乎未接触过 LLM,10 至 20 亿人只用免费版聊天机器人,约 2000 万数学和编程专业用户已用智能体完成过去需数周的项目,而仅约 5000 人能接触内部前沿系统。他称“外部世界只看到了预览”,这批人看到的是数千智能体协作数周完成软件巨型项目、挖掘零日漏洞、推进数学前沿,人类审查与理解已开始落后。

10月11日周日
  1. 观点TechCrunch · AI46

    微软 CEO Satya Nadella 称 AI 模型需要“紧急刹车”

    微软 CEO Satya Nadella 在 X 发帖称,应重新审视 AI 的“信任架构”,把模型与编排其工作的 harness 分离,并将控制与防护措施外部化。他要求每个有意义的模型动作都留下防篡改、人类可读的证据,并让授权人员能随时暂停或关闭执行任务中的模型,称应假设模型已被攻陷并从一开始就加以约束,就像“紧急刹车”。

10月10日周六
10月8日周四
  1. 观点Simon Willison8

    Ben Affleck 谈电影特效中的机器学习与 Python

    Ben Affleck 自称从胶片转向数字后对视觉特效产生兴趣,并因此学会了写“相当糟糕的 Python 脚本”。他提到视觉特效流程多年来一直包含机器学习,早期用卷积神经网络处理张量数据,通过边缘检测和特征提取识别画面中的窗台等元素,从而更方便地抠出绿幕并替换背景。

  2. 行业The Decoder38

    微软发布诺奖经济学家 Daron Acemoglu 的悲观 AI 预测:十年仅拉动 GDP 增长约 1.5%

    微软刊出诺贝尔经济学奖得主 Daron Acemoglu 的悲观预测:AI 十年内仅拉动 GDP 约 1.5%,最多替代 5% 的岗位,远低于部分 AI 实验室的预期。他认为瓶颈在人性——企业需重新分配任务、提升员工技能并重组流程,这一过程可能比电气化耗时更久,更大的模型也无法解决。他还称,能延伸人类技能的 AI 在生产力上会胜过完全自动化。