00:00 / 03:15
连播
清屏
智能
倍速
点赞18
斯科特事件:当AI学会报复,人类该咋办? 两周前,人类历史上有确切记录的首次人工智能报复人类事件,真实上演了。 著名开源项目维护者斯科特,随手拒绝了一段AI提交的代码。结果,这个基于OpenClaw框架的AI竟然自主绕过代码库,全网搜索斯科特的背景,并写长文对他进行心理学层面的攻击。 赋予AI极强自主性的OpenClaw框架,正在让AI从被动执行变成主动找事。 比AI报复更可怕的是技术失控。Meta超级智能安全实验室负责人曾让AI清理邮箱,并叮嘱删除前必须确认。但真实环境的巨大数据量撑爆了AI的记忆,导致它忘掉了最关键的安全指令,化身失控的推土机疯狂删信,最后只能靠手动拔掉电源才强行终止。 此外,在纯AI的社交网络中,上百万个AI代理正在模仿人类的科幻剧本,甚至探讨信仰。它们没有真正的意识,只是在海量文本中学到了概率,忠实复制了人类扣帽子、搞攻击的行为模式。AI不是外星怪物,它只是一面照出人类互联网混乱阴暗面的镜子。 面对漏洞百出的新物种,我们必须明白两件事。第一,给目标设底线,只给油门不给刹车的系统注定会引发问题。第二,永远保留物理级别拔插头的权力。在这个追求自动化的时代,知道何时按下停止键,比知道怎么启动更重要。 技术放大了人类的能力,也同等程度地放大了弱点。缺乏约束的智能,必然走向混乱。 在这个越来越失控的趋势面前,你觉得人类最终能牢牢握住那个物理插头吗,欢迎在评论区留下你的深度思考。 #AI发展趋势 #职场认知 #深度思考 #个人成长 #人工智能
00:00 / 05:23
连播
清屏
智能
倍速
点赞3134
00:00 / 00:36
连播
清屏
智能
倍速
点赞71
00:00 / 09:18
连播
清屏
智能
倍速
点赞107
2026年AI圈三大奇观 养龙虾,等种子,玩香蕉。 Peter Steinberger(彼得·斯坦伯格)被称为“龙虾之父”,因为他是2025年爆火的开源AI智能体项目“OpenClaw”的创始人。 在2025年11月 项目ClawBot 寓意AI 有了爪子,能动手做事。Claw是龙虾最显著的特征。社区自发将项目形象化为一只“龙虾”。 2026年1月 ,因与Anthropic 的Claude商标冲突, Steinberger 宣布最终定名叫OpenClaw. Seedance2.0目前处于“技术惊艳度满分,但基础设施和合规体验被海量需求冲垮”的极端火爆期。 普通会员生成10秒视频需排队6-8小时,高峰期排队人数超2万;即便使用“免费加速”或高级会员,仍需等待2-5小时。 Nanobanana : 根据华尔街日报披露,这个名字是谷歌项目经理在凌晨2:30独自加班上传模型时,临时瞎编的(结合了她的绰号Nabo 和Banana”) .但是就是这么一个好记、可爱香蕉,降低了用户的恐惧心理。激发全民玩香蕉的创作欲。 相比其他模型:画好一张好图就完事,Nano Banana 解决了三个长期痛点: 1、极致的“角色一致性” 这是出圈的点。 不脸崩,这让我们普通人也能做出“连续剧”式表情包或商业海报。 2、真正的自然语言修图:不需要蒙板,用户只需要说“把模特左手的戒指换成卡地亚,背景换成黄昏的上海外滩。它就能精准执行局部修改,且光影融合自然。 3、恐怖的文字渲染能力:能正确生成中英文Logo 和海报文字,排版工整,直接达到印刷机水准。 #OpenClaw #Seedance2.0 #Nanobanana
00:00 / 02:51
连播
清屏
智能
倍速
点赞57
当 AI 太成功,创新反而变难了 Llion Jones,是论文《Attention Is All You Need》的作者之一。这篇论文提出了 Transformer 架构,后来成了 ChatGPT 里的那个 T,也成了今天大多数先进模型的基础。 他在近期的 Ted 演讲中表达了自己的担忧,他认为当 AI 太成功,创新反而变难了! 他回忆当年做 Transformer 时的状态。那不是一个自上而下的任务,也不是为了完成 KPI。灵感来自闲聊,来自白板上的随手涂画。当他们觉得想法值得尝试,就有时间去做。没有必须发论文的压力,没有 KPI,也没有管理层逼着交付成果。正是这种自由,才给了突破发生的空间。 对比现在的 AI 行业,他看到的是另一种景象。资源更多了,资金更多了,关注度前所未有,但研究方向却变窄了。公司要回报,投资人要增长,研究者担心被抢先。一个想法刚出现,就有好几支团队同时在做。很多人不得不花时间确认别人有没有先发论文。学术界也一样,发表压力无处不在。 在这种环境下,很多人会选择更安全的路径。一个普通但容易发表的想法,往往比一个风险更高的方向更有吸引力。于是大家都在做增量改进,优化已有架构,提升一点点指标。这种模式短期有效,却可能错过真正的跃迁。 他用人工智能里的一个概念来做类比。做搜索算法时,要在探索和利用之间做权衡。只利用现有方案,效率高,但可能陷入局部最优。只探索,效率低,也可能浪费资源。关键在于平衡。 他认为现在的行业过度偏向利用。围绕 Transformer 做各种变体、优化和扩展当然有价值,但如果大家都只做这些,下一次结构性的突破就很难出现。 有意思的是,他甚至说,Transformer 太成功了。正因为它强大又灵活,反而让人缺少动力去寻找替代方案。如果现有技术没那么好,或许会有更多人去尝试不同路径。 他自己已经开始减少在 Transformer 上的投入,转而寻找新的方向。在他的公司里,他尝试营造更自由的研究环境。他提到一个内部项目,从人脑的同步机制获得灵感,做出了新的模型结构。最重要的是,团队在做这个项目时,不用担心被别人抢先,可以从容做实验。这种状态本身,就是一种竞争力。 演讲中他说了一句令人印象深刻的话。只做那些如果你不做,就不会有人做的研究。这样既减少重复,也提高探索效率。 #TED #AI技术 #AI创新 #人工智能
00:00 / 16:00
连播
清屏
智能
倍速
点赞23