人的标准对AI的发展至关重要
粉丝186.5万获赞7430.2万
相关视频
02:16查看AI文稿AI文稿在职场，业务做的越踏实，你可能被淘汰的就越快。我一直觉得只要活干的漂亮就是真本事。但是我这两天被一个实习生狠狠的打了脸，他是一个很普通的文科生，不是名校简历，也没什么亮点。来我们部门的时候，我一直没当回事，心想无非就是打个杂跑个腿。 但是上周我们科室要汇总几十个部门报来的数据，格式乱七八糟，有漏填的，有填错的，就这活，我们以前手工整合至少要熬个两三天。我正头疼的时候，他凑过来说，姐，要不我来试试？ 我心里想，你能干啥呀？那你试就试吧。结果人家打开电脑敲了几行代码，不到一个小时，几十个乱七八糟的表格居然自动全部整理成一张干净的总表啊！ 更离谱的是，他还自动地标注了哪些部门的数据有问题，哪些部门填错了，哪里格式不对，修改方向按部门群列好了，直接让他们对着改就行了，连逐个检查的时间都省了。 我当时真的愣了好几秒，我说你学过编程吗？他说没有，他就是自学了一些 python， 然后让 ai 帮他生成代码，稍微改一改就能用了。 我就问他，你咋学的呀？他说很简单，是在夜曲编程上学的，他是交互式的学习，有专门的学习卡片，一步一步的引导，哪里不懂还能够直接问老师，碎片时间刷刷手机就学会了。那一刻我蒙了。 我之前一直觉得 ai 啊编程啊离我很遥远，心底也非常的排斥，觉得无非就是年轻人走捷径的野路子，哪有扎实干活来得靠谱啊。但是我错了，不是 ai 跟我没有关系，是我压根就没想到他可以融进我们具体每一项工作中。 你以为你是在扎实的干业务，但是别人已经用工具把你三天的活一小时搞定了，你的扎实在人家眼里就是低效。我后来也试着在夜曲编程上学了学，发现他在线就能敲代码练习，不用搭载环境。概念解释也是通俗易懂的， 比如变量，他是编程语言中能够储存各种数据的一个抽象概念，把变量比作水杯，能够存放不同的饮料。这么一说立刻就懂了，没有我想的那么复杂。 所以说 ai 早就不是高精尖人群的专利， python 也不是马龙的专属，而且现在会这个技能的人凤毛麟角，你学会了就是稀缺。工作稳定是可以保护你，但是他只能保护那个不需要进步的你。被人超越不可怕，可怕的是你都不知道自己已经落后了。
683闲姐聊职场
02:22查看AI文稿AI文稿明智的家长啊，从来都不止盯着这个分数，而是看政策调方向，早早的做规划。很多家长呢，还在死磕试卷，埋头刷题，却不知道呢，这个教育的风向早就悄悄的大变了。最近咱们教育局的怀部长啊，在世界数字教育大会上直接就定掉了 ai 加教育已经上升成为国家长期的战略，更是在二零三五年要建成教育强国的核心路径。那么直白跟大家说个大实话啊，以后咱们孩子这个课程设置也好， 考试模式也好，还是人才选拔的标准，全部都要重构，如果还在抱着传统的老观念，只盯着分数死刷题，那很容易把这个孩子的路线给规划窄， 耽误他的未来。那么真正聪明有远见的家长，其实都是以中为始，做教育规划，紧跟着政策的方向，提前布局，不盲目内卷。我再把这个部长重点强调的未来孩子必须具备的四大核心能力，用比较浅显的话给大家说明白啊，第一就是自驱力， 不靠催不靠逼，让孩子发自内心的愿意学，把兴趣变成一生的志向。第二就是判断力， ai 随手能够给出一个标准的答案，但是未来最值钱的，它不是死记硬背，而是孩子会甄别信息，看懂趋势，不盲从。 第三就是创造力， ai 只会整理现成的答案，从零到一，提出新的问题，提出新的想法的，创新的能力，它是无法永远被替代的。第四就是超越 ai 的 底层能力， 那么这个真正拉开孩子差距的，其实他就是四样东西，会提好的问题，能跨领域去整合知识，有自驱力，能够人际协助，那么这些都是机器，永远复刻不了的。 还有一个重磅的信号，一定要记住，教育局首次提出主体归人的教育论理。科技再发达，教育的核心永远都是人，它不是分数，也不是机器。所以给所有家长几句非常实在的建议啊，放下为分数论重点，培养 ai 替代不了的能力， 保护好孩子的好奇心，鼓励他独立的思考，紧跟政策，更新家长自己的认知，提前做好这个长远的教育规划。那么这场教育的变呢？他不是在将来，他就在现在，已经在落地。 普通的家长，他可能只盯着分数，而明智的家长，看政策，看风向，以中为始，提前布局才是给孩子最好的底气。
01:05查看AI文稿AI文稿比如说很典型的，我们抛弃了所有传统的 o a， 我 们现在在协商的方式都是我们的赫自己搭建的一套 content 体系，大家自己去上面拉取上下文，然后甚至我们的赫之间会通信， 然后现在我们试着去再研究，说要不要给他们搭一个云端，让他们自己去收发。任务就变成以前是说， 呃，最开始的时候是我有一个呵，你有一个呵，然后我作为人起心动念，认为有个任务要完成，于是我拉起我的呵，说，来，咱俩一起把这个任务给他搞定，搞定了之后或者搞一半的时候，我发现，哎，我一个人的力量不够。我拉着你来，说来，你跟你的呵一起加入进来，我们四个一起搞。 这是这其实不是 a n t 或者说半 n t 的 状态吧？但是现在的状态已经变成说我的呵自己发现我要有一个任务要去做，因为他知道我们终极的目标是什么， 于是他在这里发起一个我未曾想设想过的任务，说这个事儿咱们得干，不然的话就会出问题了。于是由于他对所有人的 contacts 熟悉，他还会自己点兵点将，说，那要是干的话，我觉得你得拉高高和素媛来一起干，而且需要他俩的搭档一起来，我们得六个人一起干。
202易论AI
04:29查看AI文稿AI文稿大家好，今天 openai 公布了一个很震撼的消息，他们内部的一个通用推理模型推翻了一个困扰数学界近八十年的猜想。这个问题叫做平面单位距离问题，是数学家阿尔德时在一九四六年就提出来的。它听起来其实很简单，就是在一个平面上放 n 个点， 最多能有多少对点，之间的距离刚好等于一啊。这听起来像一个小学几何问题，但是如果把这个点数从几百对几千对到一个几百万对到无限对啊，这是一个挺复杂的问题了。然后数学家已经研究了近八十年，我们接下来看一下 openmi 官方发布的一个视频，看看他们是怎么解释这次突破的。 a pretty well known unsolved math problem this is the first mathematical breakthrough due to an ai， it's it's been described as the most well known problem with computational geometry so for for a whole sub field of mathematics it's like maybe the best known problem there is so i remember seeing an initial version of the model output， i sort of didn't really believe it it took quite a while sort of reading over trying to figure out roughly what was happening i was like you cannot be serious i mean this sounds like too good to be true and we turned it to a few of the error question that many many people are interested in and to our surprise it came back with a solution to one of the most important elder's questions this problem is about points in a plane， it's a completely elementary geometric problem， but the solution involves really deep tools from algebra theory it was believed that the construction was basically best possible， but what our model did was show that this construction could actually be improved by quite a bit humans were not able to execute this approach it was just too delicate there were too many decisions to make along the way of a proof and the ai has been able to explore all of these possibilities much more comprehensively and doing that it found a path it found a way to the solution yeah， i really couldn't believe it i had trouble sleeping for the first couple of nights i was just really blown away， oh， it's very hard to sleep man what's interesting uh you know like i was expecting ai to do something like this， but i think that my timeline got shortened a lot by this revolution and so what this tells us is that ai is able to make breakthroughs in science and can enable breakthroughs not only in mathematics but in engineering in physics in biology in medicine， this result is showing glimmers of a golden era for mathematics i think this result is a big step up from what we've had before and well， i think it'll be looked back on a very very important moment in the history of mathematics。 看完这个视频，我觉得还是很让我震撼的，就过去一年，其实我们也看到过很多次这种 ai 解决阿尔德氏问题的新闻哈，但是其中有些问题确实比较小众啊，可能没有那么多人去持续研究啊，或者有些问题是可能人类已经发表过相关结论，但是大家没有注意到 啊，但这次不太一样，就是第一就是这个单位具体问题是一个被数学家研究了近八十年的问题啊，而且他在离散体合里面其实是很核心的问题。第二是这次他们用的是一个通用推理模型，不是专门为这个数学题或者解决数学而训练出来的模型。 第三个也是最关键的一点，就是它 ai 不是 沿着人类最直观的这种几何路线去暴力尝试，而是找到了一条新的路，它把这个平面这种白点的问题连接到了代数的数论，也就是说，它不只是给了一个答案，而是给了数学家一个新的方向 啊。这期的让我想起当年的 alpha go 的 第三十七首，就是那一步让很多人第一次意识到， ai 不 只是模仿人类下棋，它可能在人类非常擅长的领域里面走出一种我们没有优先考虑过的新路子啊。这一次这种单位具体问题也有点类似 啊，它可能提醒我们， ai 已经进入了真正的科学发现过程啊，未来的科研啊， 可能会是人类提出重要问题啊，判断什么方向值得研究啊？ ai 去真正做这个研究啊，提出一些路线或者一些啊探索的一些办法，最后再由人类专家去验证，去解释啊，去去简化等等。 嗯，但是这只是一种可能性，谁又不知道未来真正的科研会变成什么样子啊，其中有无限的想象力吧啊，但至少这一次我觉得他告诉我们的事情就是这个事情已经在发生，而且应该会越来越。
02:07查看AI文稿AI文稿今天发改委的新闻发布会，给火热的人工智能行业又添了一把干柴。很多人可能没意识到这句话的分量， 正在谋划出台加快人工智能加落地的配套文件，进一步加大要素保障。这标志着中国 ai 产业的逻辑发生了根本性转变，从百魔大战的技术炫技，正式迈入修路搭桥的产业深耕期。我帮大家划一下重点，这背后的机会比你想的更大。 一、以前叫画饼，现在叫发施工图。国务院早在去年八月就发布了人工智能加行动意见，那是蓝图，而现在的配套文件就是具体的施工图纸。 以后不会再有那种为了 ai 而 ai 的 空洞项目了，政策会精确到医疗、制造、金融每一个细分领域该怎么干， 特别是对于中小企业，国家要开始帮你解决看不懂、用不起的问题了。二、要素保障是真正的王炸。什么是要素？算力？数据？钱、场景？算力不再贵， 以后会有更多普惠的算力云服务，甚至像发消费券一样，发人工智能券，直接给企业减负数据，不再估公共数据，要依法合规开放了。这是一座巨大的金矿， 场景不再虚央，国企要带头开放高价值场景。这意味着，如果你有技术，国家直接给你送订单、送试验。田三、告别方言，讲普通话。以前各个大模型之间互不兼容，就像各地方言。 这次配套文件重点提到统一标准，未来的 ai 应用将像现在的 app 一 样即插即用，这对于开发者来说，是巨大的生态红利。 ai 的 上半场是拼参数、拼显卡，那是巨头们的游戏， ai 的 下半场是拼落地、拼应用、拼谁更懂行业？国家亲自下场扫清障碍，这意味着，属于应用开发者的黄金时代真的来了。 别再只盯着 check gpt 了，看看你所在的行业怎么加上 ai 这双翅膀，这才是未来三年的财富密码。你对哪个具体行业的 ai 加落地最感兴趣？我可以为你深度解析该领域的潜在机遇。
139新生代
05:21查看AI文稿AI文稿各位董事长，今天我们聊 ai 训练，直击 c 道真正核心龙头。首先咱们先说整个 ai 行业最核心的根基，也就是 ai 训练芯片，这是整个人工智能产业的算力心脏。放眼全球市场，稳居顶端位置的就是英伟达， 长期占据绝大部分主流市场份额，最新一代高端芯片性能实现大幅升级，能够轻松支撑超大规模参数大模型训练。目前旗下主力芯片产品市场供不应求， 海内外顶尖科技企业全都在排队拿货。说完海外龙头，再来聊聊咱们国产自主替代赛道里的实力派企业。 海光信息是国内为数不多同时具备高端通用芯片和 ai 加速芯片量产能力的企业， 产品实测性能已经贴近国际主流水准，还能适配主流使用生态落地场景覆盖政务、金融、本土智算中心等多个核心领域， 还有韩五 g 纯正本土云端 ai 芯片。核心企业自研高端芯片实力出众，适配多款国产自研大模型， 在分布式训练场景里优势十分突出，合作客户覆盖各大头部互联网平台。有了核心算力芯片，接下来就要说到承载芯片运行的 ai 服务器。国内本土市场里，浪潮信息稳居行业前排，市场占有率更是多家头部互联网企业的核心供货方， 企业手握海量在手订单，预收款向大幅上涨，订单排期十分饱满。如今主动缩减低利润，普通设备业务 全力主攻高利润 ai 算力服务器放眼全球代工领域，工业复联实力无人能及。作为头部芯片企业核心合作代工厂，多款核心算力模组实现独家供货，全球范围内出货量规模庞大，合作客户遍布海内外各大科技巨头，订单储备十分充足， 产能持续满负荷运转，靠着稳定的供货渠道和庞大产能，稳稳吃尽全球算力扩张带来的行业红利。除此之外，中科曙光同样不容小觑， 这家企业深耕超算领域多年，自主研发的液冷散热技术行业领先，能够极大降低算力中心能耗损耗，各项节能指标做到行业顶尖水平。 企业背靠深厚科研资源，频频拿下国家级智算中心建设项目，硬件搭建完成之后，连接所有算力设备的高速光模块 行业绝对龙头。当属中继续创，长期深耕高速光模块领域，深度绑定海内外一众顶尖大客户，主流高速型号产品市场销量稳居全球第一，新一代更高规格产品已经顺利批量首发交付 海外，国内双线市场同步发力，行业地位难以撼动。新益盛也是赛道内优质实力派，主打海外出口市场，海外合作客户资源十分优质，产品结构布局合理， 高端高速产品占比持续提升。企业紧跟行业技术迭代节奏，不断推进新品研发落地， 季度经营数据持续向好，凭借均衡的客户结构和过硬产品实力，稳稳占据行业第二梯队核心位置，后续增长潜力十足，硬件设施全部配齐。想要完成优质大模型训练，还离不开最重要的核心原料，也就是 ai 训练数据， 优质精准的数据就是大模型不断进化升级的核心燃料。这条细分赛道里，海天瑞生是公认的行业龙头，深耕训练数据行业多年，手握上千项自主知识产权，标准化数据集品类覆盖文本、语音、图像等多种主流类型， 近期新增合作订单涨幅十分明显，早早提前布局智能机器人相关配套数据业务，数据要素的商业价值正在持续快速释放。最后咱们再聊算力租赁服务，不用自建厂房，设备直接租用现成高端算力。润泽科技是第三方叶冷智算运营领域的领头羊， 旗下运营的大型算力中心布局广泛，设备上架使用率极高，整体运营管理经验十分成熟。企业签下大量长期租用订单，合作周期跨度极长，合作客户包含大模型研发企业、金融机构以及各类科技公司， 算力出租率长期居高不下，依靠稳定的租赁业务实现持续稳定盈利。鸿博股份则主打高端稀缺算力资源，运营深度贴合头部算力生态体系，早早布局市面上紧俏的高端算力集群。 当下高端训练算力资源一卡难求，市场缺口巨大。企业手握优质稀缺资源，线下智算中心运营稳定， 算力租赁业务逐步成为核心主营板块，业务盈利状态持续向好，精准吃到高端算力紧缺带来的市场红利。最后给大家做一个简单总结，真正能长久站稳 ai 训练赛道的龙头企业，全都具备三大共性特点，首先，拥有别人模仿不来的技术壁垒或者独家行业生态。 其次，手握充足，长期在手订单。最后，合作客户都是行业内顶尖优质资源，人工智能训练赛道的发展浪潮还在持续推进。 整条产业链从上游核心芯片到中游硬件设备，再到下游数据服务、算力租赁，每一个核心细分领域的头部企业都能持续吃到行业发展红利。 ai 训练这个赛道，你最看好谁？评论区聊聊 以上内容不构成投资建议，点赞收藏不迷路！关注我，拆解更多产业链干货，各位董事长下期见！
147全链情报局
02:17
00:44
01:00查看AI文稿AI文稿收拾东西走吧，智能清扫车比你扫的干净，还不要工钱。检测到违规翻找行为，已自动拍照取证，请立刻离开清扫区域。没事哈，大娘，我送你回家，不哭啊！公司上 ai 分 拣了，从明天起你们不用来了，我这后台一键搞定，省人工取件码验证通过。 爷，您住几楼，我给你扛上去。六楼，没电梯，没事，正好锻炼。下方无生命迹象，存活概率百分之零点一。建议转移速度选不会错的，给我上烟检，下面肯定有人。 ai 全自动无海化降解，耗时短，效率提升百分之四百。检测到操作受阻超时，系统将强制执 行收纳流程。大爷，别怕，机器不懂得，不赶时间，我们人工来，咱梳理的漂漂亮亮的，再送它走。检测到乘客生命体征异常，已呼叫急救中心，车辆将在路边停靠等待救援。预计救援到达时间八分钟，再坚持一下，马上到医院。 请确认支付方式，本机支持扫码刷脸、 nfc， 请使用。推荐支付方式，现金支付请前往服务台，距离你一百五十米，没事，闺女，谢谢你啊！
1.8万AI抽象龙
00:25查看AI文稿AI文稿你用 ai 操控电脑，得先接 a p i 连插件配接口，非常麻烦。那这个项目你一定要了解一下，它是一个纯视觉 g u i 操作模型， 不接任何接口。 ai 能够直接看屏幕，看懂了就动手，点按钮输文字戳窗口，跟你一样，用眼睛去操控电脑，任何界面，零配置就能上手。在多个平台评测排名前列，准确度百分之五十八，超过第二名百分之十三。最关键的是，本地运行数据不输电脑。未来操作电脑的 ai 不 用接口，而是用眼睛。
633程序员少北晨
00:25查看AI文稿AI文稿不再依赖网络算长大吗？试算 ai 太有用了，以前没网完全就是抓虾，啥都干不了。但联想在十九号的北京发布会上正式宣布， ai 直接进入断网时代。告诉你，联想天玑 pro 才是真正的不吃压力啊， 用本地算力实现离线运行，能做到同声传译，这下真的是出国旅游突然断网也不怕了。最支持 ai 的 一期啊，已经开始期待产品上线的那一天了。
1187仙人掌娱乐
03:28查看AI文稿AI文稿怎么样让 ai 写出来的内容像是你自己写的？现在我们其实都离不开 ai 去帮我们写一些东西了，但问题是如果你的 ai 没有经过任何的调整，那他写出来的东西很难直接去用，会 ai 感很重， 语气比较生硬。那么怎么样让 ai 用我们的口气来帮我们写内容呢？我今天就从让 ai 写出来的实习日记这个场景出发，跟大家分享一下我是怎么做的让 ai 写出来的实习日记去写的，那么大家可以借鉴一下里面的一些思路， 它整体的流程是分为五步，第一步，我会给 ai 为一些我历史写的素材，比如说我写过的十七手记公众号文章，就是以我自己的风格去写的，我会给 ai 投喂进去。那第二步，我需要 ai 帮我拆解 我是怎么说话的，怎么组织的，怎么思考的。那第三步，我会和 ai 沟通，哪些内容是可以写的，哪些内容是不可以写的，就是你写什么不写什么，这个其实是需要我来定的。 那第四步，就是他需要先生成一个出稿给我来验证，如果我有问题，那我就反馈给他，然后他进行迭代，就是在这个不断的沟通过程中，他写出来的最满意的 那一版本，我要按照这个让他去帮我做自动化的，也就是每天跑一个定时任务，然后生成出稿推给我。那这样下来他整体上就会比没有经过任何培训的 ai 好 很多很多。 那可能拿到的东西，当然我还是需要再改一下啊，可能我稍微变动一下，我就可以直接用了。这样说起来大家会听着比较笼统，我有一个文档，我给大家从头到尾看一遍，然后这个文档呢，我也会像以往一样发在群里，大家进群就可以拿比较全面了。写的 流程就是我刚才跟大家分享的那收集素材，你要收集大致几篇，我当时是用了九篇，然后日制的类型，基本上要什么都有，因为你的素材越丰富， ai 才能总结的越好， 如果你只为一种类型的素材给他，那么他就只会一种哭泣。第二步是特别重要的， ai 要怎么去帮你做拆解，它分为了五个层次，逐层递进，你的语言层是怎么说话的，你的结构层，你是怎么组织内容的， 你的思维层你是怎么思考的，你看这里都很详细。第四层，反特征层，你不写什么，就比如像我写东西，我可能就不煽情，不排比、不鸡汤，然后不传播焦虑，因为我觉得这个反特征其实特别重要，这个一定要好好设置。第五个就是这个语言模式的切换， 你不同的内容要有不同的风格，这个是我的设置，他具体怎么操作，具体的一个操作步骤就先把这个素材位给，然后他拆解，拆解之后你要展示视力，然后生成一份完整的这个风格文档给我，看到了之后，我要给你定一下这个提取规则， 这绝对不写的一些东西，这这都是我定的，这都是我在跟他的过程中我定的，只是说他把我输入的大白话，他总结的，可能总结个表格总结的比较好，这个大家就不用看了，这个是我让他帮我写日记的一些规则，就是我用什么规则让他帮我把这个日记总总结出来，那 六点之后你就不用再写了，六点之前我们讨论的，你写出来就行，必须，然后按键详情必须脱敏。大家要参考的其实就是第二步， 怎么拿你写的东西去做这个风格的建模，这个是非常重要的，就是我给大家这个视例啊，是拿我写时期日制这个场景作为切入，但实际上这里面最有参考价值的就是我文档中的第二步，如何去做你的风格建模，这个它是最重要的，因为这个它直接能够 决定这个 ai 到底能不能向你的语气去说话，去写东西。这个文档我会发在群里给大家。那如果说你没有写实习日记的这个需求，你就重点看第二步就够了，那大家可以去试一试，那就这样，拜拜。
352进阶的喵绿
02:24查看AI文稿AI文稿第十三期，工具决定论，华大的坚守和爱生活学的根本的前提。要知道，没有工具，没有数据，那一切的模型都是零。我刚才讲到的所有的讨论都建立在了一个根本的前提上，我们已经有了完倍的数据，而数据的获取本质上还是个工具的问题。 这正是华大数十年以来一直一贯制的核心理念。我们叫工具决定论。从华大成立之初，这个理念就深植于华大的基因。 生命科学的每一次重大的突破，本质上也都是由工具的进步所驱动。比如说低成本决定规模，当测序的成本从数亿美元降到数百美元，那么万基因组、百万基因组乃至人人基因组的计划才能成为可能。 高通量决定覆盖单细胞、测序、空间转录走等技术，扩展了生物学的观测的维度，从一维序列到二维空间，三维组织、四维时间。高质量决定了精度，数据的质量决定了模型的上限。 如果噪音过多、偏差过大的数据，那就是 garbage in， garbage out， 即使规模再大，也只能训练出泛化能力有限的模型。我们今天看到，不管是 gnos、 果蝇连接组、四 d 虚拟细胞、 echoja， 包括 e、 s、 m， 那 每一个突破的背后，它都是工具的进步。 没有工具就没有数据，没有数据，那一切模型都是零。工具决定了我们能看见什么，能看见什么就决定了我们能建模什么。所以工具是模型的眼睛， 没有眼睛，再聪明的大脑可能也是盲目的。所以工具和模型是 ai 生物学的双义，缺一不可。但你非让我给你排个顺序的话，那肯定是工具永远在线。没有工具提供的观测能力，模型连学什么都不知道。 就像没有望远镜，那天文学家，很多人就会怀疑你是疯子，又没看见，你怎么知道没有显微镜？那微生物到今天我们都不会认识。 上帝降罪，鬼神作祟，不就这么来的吗？同理，如果没有测取一生命的天书，那就是供在神坛上的圣经。工具不是科学的仆人，工具是科学的眼睛。没有眼睛，我想我们的科学就只能在黑暗当中去摸索。 这个就是我加入滑道二十多年来体会的工具决定论的深刻之处。它并不是要贬低我们模型的价值，而是在强调一个好模型的前提。 模型我们可以争论架构，争论范式，争论哪个更本质，但如果没有数据，没有高质量的数据，这一切争论都是空中楼阁。数据的获取最终要回到工具，回归到我们能否以更低的成本、更高的通量、更好的质量，去测量生命的每一个维度、每一个层次、每一个瞬间。
157尹烨
