跳到正文
10月8日周四
  1. 科技媒体 RSS12

    Luma AI 谈洛杉矶创作社区

    Luma AI 分享了洛杉矶创作社区的观察:新技艺由一起摸索的人们共同打造,当地每一句“我搞懂了怎么做这个”都会成为别人的起点。

  2. Simon Willison12

    Ben Affleck 谈机器学习与视觉特效中的卷积神经网络

    Ben Affleck 表示自己从胶片转向数字后对视觉特效产生兴趣,并因此会写一些"很烂的 Python 脚本"。他解释视觉特效流程多年来一直包含机器学习:用卷积神经网络处理张量(每帧每像素 RGB 值等数值化图像),实现边缘检测与特征提取,从而更容易抠出绿幕并替换背景。他称卷积神经网络是 Transformer 的前身,区别在于后者能同时进行更多计算。

  3. 科技媒体 RSS8

    Ben Affleck 谈机器学习与视觉特效工作流

    Ben Affleck 表示自己从小对计算机感兴趣,在电影从模拟胶片转向数字后更加关注这一领域。他指出视觉特效工作流多年来已包含机器学习,并称自己会写一些 Python 脚本,因为卷积神经网络——Transformer 的前身——能同时进行更多计算,可处理张量这类视觉图像的数值化表示。

  4. 科技媒体 RSS12

    Ben Affleck 谈机器学习与视觉特效工作流中的 Python

    Ben Affleck 表示自己从胶片转向数字电影时期开始对计算机产生兴趣,会写"相当糟糕的 Python 脚本"。他提到视觉特效工作流多年来已包含机器学习,卷积神经网络作为 Transformer 的前身,可处理 tensor 并实现边缘检测与特征提取,从而更轻松地抠出绿幕画面并替换背景。

  5. 科技媒体 RSS78

    Ethan Mollick 转述数学家阅读 OpenAI 数百个 AI 证明的体验

    Ethan Mollick 转发 Scott Aaronson 博客内容,汇集数学家阅读 OpenAI 发布的数百个大型 AI 证明的第一手体验,称其为遭遇狭窄超人类智能的早期记录。其中 Dana Moshkovitz 描述 UGC 相关证明写作混乱、几乎无法在没有 AI 帮助的情况下读懂,部分 372 项突破性结果附有 Lean 证书,但尚无人类理解其中多数证明。

    推荐理由:汇集数学家阅读 OpenAI 数百个 AI 证明的第一手体验,呈现人类理解与 AI 产出之间的落差。

  6. 科技媒体 RSS62

    Ethan Mollick 谈 ChatGPT Intelligent UI:界面正按问题按需生成

    Ethan Mollick 表示自己早期体验了 OpenAI 在 ChatGPT 全量推出的 GPT-6 与 Intelligent UI,认为它相比成段文字是不错的改变。他判断未来会越来越多地看到针对当前问题按需生成的界面。OpenAI 称 Intelligent UI 能提供快速、可交互的回答,让日常问题更直观、复杂主题更易理解,并即时提供与任务匹配的交互工具。

  7. MIT News · AI10

    MIT Concourse 项目如何让学生在人文学科中思考 AI 时代"何以为人"

    MIT 的 Concourse 项目自 1970 年起为一年级学生提供"MIT 内的迷你文理学院"式人文教育,每年招收 50 名学生,与数学、科学课程并行。资深讲师 Linda Rabieh 认为,AI 让学生更迫切地追问"何以为人":智能是否只是数学能力或信息聚合。政治学 Ford 讲席教授 Lily Tsai 近日接任项目主任,接替任职 14 年的 Anne McCants。

  8. 科技媒体 RSS29

    Lauren Tan 提出用"重写时间"(ttr)衡量代码库对 AI 智能体的适配度

    Lauren Tan 提出用"time to rewrite"(ttr)作为粗略启发式,估算代码库为 AI 智能体准备好的程度,即假设用不同语言、框架或架构重写代码,单个工程师需要多久。她强调 ttr 数值本身不重要,关键是它引出验证能力、重写质量、性能是否退化、代码是否易删易扩展等方向性问题,且这只是思维实验,尚未成形。

  9. 科技媒体 RSS17

    Cindy.app:AI 时代拼的是审美与品位

    开发者 Dash 推出 Cindy.app,认为 AI 时代软件功能已无门槛,关键在于怎么做,产品力求在每个细节上趋向完美。他邀请有品位的朋友通过提需求或直接提 PR 共同打磨。Kevin 称 Cindy 用 SSH agent 解决了 Raft 中机器资源与 Agent 分配难以对应的问题。

  10. 科技媒体 RSS12

    AI 时代百万个小奇点将至

    文章提出,世界大部分运作基于"未来与过去相似"的假设,而"奇点"的本义正是这种关系断裂的时刻。作者不确定是否会出现一个大奇点,但认为各个领域出现一百万个小的奇点似乎不可避免。

  11. 科技媒体 RSS22

    1名工程师用AI打造全平台应用

    一家初创公司创始人的分享显示,1名工程师在6个月内用AI构建了网页、桌面、iOS和Android应用,且并非粗糙原型,而是精致、设计良好、可靠的应用程序。该案例被用来佐证AI正把10x工程师变成100x工程师,而这在去年还不可能。

  12. 科技媒体 RSS26

    Sam Altman 谈被误读为 AI 反派

    Sam Altman 表示,公众把他误读为 AI 的反派,就像他当年误读 Mark Zuckerberg 一样:新技术带来快速变化时,人们会把恐惧投射到看似掌握最大权力的人身上。他承认在 Meta 早期也对 Zuckerberg 抱有类似看法,而当时并不认识对方本人。

10月7日周三
  1. 科技媒体 RSS34

    “iPod 之父”法德尔分析 Rabbit R1、Humane AI Pin 等初代 AI 设备为何失败

    “iPod 之父”托尼·法德尔在首届麻省理工未来节上分析 Rabbit R1、Humane AI Pin 和 Limitless Pendant 三款初代 AI 设备失败的原因:它们没能真正满足任何实际需求,普通用户觉得酷但与生活无关。他指出大多数人从未拥有过助理,不知道如何使用“机器人助理”,与 AI 建立信任比真人更难,并认为目前唯一可能做到这一点的公司也许是苹果。

  2. Simon Willison8

    Michael Lynch 谈软件博客写作的反模式

    Michael Lynch 撰文列举软件博客写作的常见反模式,包括冗长开场、误判读者已有知识、假设读者读过旧文、过度正式,以及用链接代替术语解释。他建议文章即使读者不点任何链接也应读得通,并用自己的口吻写作。在开发者纷纷把写作交给 AI 的当下,软件博客正变得平淡同质,读者渴望有个人风格的文字。

  3. 科技媒体 RSS12

    Ben Affleck 解释 Transformer AI 与传统计算差异

    两届奥斯卡得主 Ben Affleck 解释了基于 Transformer 的 AI 与传统计算的区别:传统软件是确定性的,而这类模型通过"将信息跑过注意力层"并推断输出来生成答案。完整视频发布在"One More Question and GQ"YouTube 频道。