跳到正文
只看观点#AI分类
10月16日周五
  1. The Verge · AI

    朋友不会让朋友把数据喂给 AI 代理

    【AI 翻译 · 未评分】消费科技领域出现一种趋势：设计用于监视周围一切和所有人的设备，无论其他人是否同意。随着 Meta Muse 等“AI 个人助理”的出现，用户不仅被要求交出个人数据，还被鼓励这样做。

10月15日周四
  2. The Decoder

    谷歌称自我改进AI尚遥远

    【AI 翻译 · 未评分】谷歌工程师Haydn Belfield表示，DeepMind中由AI驱动的AI研究加速没有可测量的迹象。虽然AI编写了超过75%的生产代码，但88%的更改仍需人工监督。内部通用能力指数显示稳步增长，无突然加速，Belfield认为自我改进AI还远未实现。

  3. The Verge · AI

    AI竞赛重回正轨

    【AI 翻译 · 未评分】上周Anthropic和OpenAI凭借日益强大的模型似乎独领风骚，而谷歌看似落后，Meta虽投入数十亿却尚未确立竞争地位。随着最新进展，AI领域的竞争格局再次变得激烈。

  4. Simon Willison

    AI大规模反编译游戏：既 Awesome 又 Scary

    【AI 翻译 · 未评分】独立开发者Popcar讨论AI驱动的游戏反编译浪潮。这促进了旧游戏移植到新硬件（如浏览器WebAssembly）的保护项目，但也引发担忧：任何人可反编译软件，导致付费应用被强制开源或竞争对手窃取技术。此举对游戏保存有利，但对软件版权构成挑战。

10月14日周三
10月13日周二
10月10日周六
10月9日周五
  1. Simon Willison

    引用马修·格林的观点

    【AI 翻译 · 未评分】马修·格林在推特上表示，鉴于AI产生意外发现的速度与人类替换标准（即使有最佳AI辅助）的速度存在数量级差异，他提出最坏情况的可能性：认为我们生活在“Minicrypt”（公钥加密不可能的假设世界）的概率为1%，而现有公钥加密算法失去信任的功能性概率为15%。他强调必须提前做好准备以应对此类意外。

  2. MIT Technology Review · AI

    我们对 AI 说“不”的能力过于信任

    【AI 翻译 · 未评分】自人们首次认真考虑赋予机器类似人类的智能以来，从未怀疑过它们能像人类一样说“不”。科幻经典中充满了机器人违抗的故事，这些故事大多是警示性的。但最近，关于 AI 不应该……的观点引发了讨论。

  3. Simon Willison

    引用 Carson Gross

    【AI 翻译 · 未评分】计算机编程从根本上关乎两件事：使用计算机解决问题；在学习解决这些问题时控制复杂性。很难想象未来知道如何用计算机解决问题以及如何控制解决方案复杂性的价值会降低，因此即使随着 AI 工具的出现，这仍将是可行的职业。—— Carson Gross

10月8日周四
  1. MIT Technology Review · AI

    机器人领域的 AI 突破不会很快改变你的生活

    【AI 翻译 · 未评分】这是 MIT Technology Review 与非营利研究基金会 Aventine 的合作报道。Aventine 致力于创作和支持关于技术和科学如何改变我们生活方式的内容。一个外形似人、白色身体黑色头部的机器人频繁出现在视频流中，或许你见过它跳舞或……

  2. MIT Technology Review · AI

    构建通往自主工业 AI 的更安全路径

    【AI 翻译 · 未评分】工业 AI 正进入新阶段。在数十年的预测分析和其他专业应用之后，基础模型、物理 AI 和代理 AI 的进步使得在工业环境中自动化更复杂的任务成为可能。但与仅在数字世界运行的 AI 不同，工业 AI 可以直接与物理系统交互……

  3. Simon Willison

    引用 Ben Affleck

    【AI 翻译 · 未评分】我从小就喜欢电脑。当电影从模拟胶片转向数字时，我对这方面更感兴趣了。多年来，视觉特效工作流程一直包含机器学习。所以我可以写一些很烂的 Python 脚本等，因为卷积神经网络（Transformer 的前身，能同时进行更多计算）会查看所谓的张量，即视觉图像的数值翻译——如批次号、帧号、每个像素的红绿蓝值。使用卷积神经网络识别其中的模式，揭示边缘检测或特征提取，即识别足够多的模式以知道窗台在哪里，从而更容易移除绿幕图像并替换其他内容。—— Ben Affleck, Pythonista

10月7日周三
  1. Simon Willison

    引用 Jake Boggan 的话

    【AI 翻译 · 未评分】Jake Boggan 分享了他曾痴迷于图论，甚至移居布达佩斯师从名家。他花了24年时间断断续续地研究 Barnette 猜想，去年夏天还曾以为解决了它。现在听说该问题（编号180）已被证明，尽管他投入了数千小时并享受其中，但得知其被解决让他感到一种遥远的悲伤，就像听到前女友突然去世一样。他认为今晚很多人可能都有类似的复杂情绪。

  2. Simon Willison

    EmbeddingGemma 2

    【AI 翻译 · 未评分】作者赞赏 EmbeddingGemma 2 采用 Apache 2.0 许可证。对于嵌入模型，封闭专有模型不合理，因为应用通常需计算并存储数百万向量，若供应商停止服务，用户需付费重新计算。虽然不想自行托管，但希望支付提供商费用时使用托管模型，同时确保若对方停止服务，可运行开源权重或寻找其他供应商。

10月5日周一
  1. MIT Technology Review · AI

    将预测分析带入智能体 AI 时代

    【AI 翻译 · 未评分】2026年，企业 AI 的问题不再是预测模型是否优于统计预测——这一论点已定论。当前大问题是如何使预测系统在不偏离业务意图的情况下自主执行结论。前沿已从预测转向自主决策，差距在于...（原文截断）

  2. MIT Technology Review · AI

    人们真的讨厌 AI，为何又欲罢不能？

    【AI 翻译 · 未评分】作者夏季与 Springboards（一家旨在比主流竞争对手生成更多样化响应的 LLM 初创公司）CEO 交谈。他在通话开始时说的一句话至今萦绕在作者心头：“我们常说自己是自我厌恶的 AI……”

  3. MIT Technology Review · AI

    EmTech Future 2026：当 AI 遇见万物

    【AI 翻译 · 未评分】谷歌研究副总裁兼负责人 Yossi Matias 探讨 AI 如何开始重塑生物学、基础设施、制造业和科学，以及为何其最大影响可能出现在与其他领域交叉时。跟随 MIT Technology Review 编辑团队进入新闻室，获取尖锐分析和未发布的洞察。

10月2日周五
  1. OpenAI News

    永恒的互补性

    【AI 翻译 · 未评分】高级 AI 可能对突破想法背后的常规工作最为重要。探讨执行能力如何塑造下一个经济形态以及进步的速度。

9月23日周三
9月18日周五
9月9日周三
9月8日周二
9月6日周日
8月25日周二
  1. OpenAI News

    支撑丰富智能的全栈技术

    【AI 翻译 · 未评分】OpenAI 首席财务官 Sarah Friar 解释了芯片、算力、模型和产品方面的进步如何相互叠加，从而以更大的规模和更低的成本提供更有用的智能。

8月20日周四
7月17日周五
  1. OpenAI News

    AI 时代的记分卡

    【AI 翻译 · 未评分】OpenAI 首席财务官 Sarah Friar 介绍了一种实用的 AI 记分卡，通过有用工作量、每次成功任务的成本、可靠性和计算回报率来衡量 ROI。

7月7日周二
  1. Berkeley AI Research

    智能免费之后：面向、属于并由代理构建的数据系统

    【AI 翻译 · 未评分】AI成本迅速下降，GPT-4级能力每百万token价格从2023年初的约30美元降至今天低于1美元，部分提供商甚至低于0.10美元。推理价格在基准测试中每年下降9倍至900倍，中位数接近50倍。即使是前沿模型也在逐代大幅降价，开源模型紧随其后。尽管“诺贝尔奖级别”的智能尚未到来，但足以应对绝大多数知识工作的智能已经存在且每月都在变得更便宜。我们即将进入近乎免费的智能时代。这对数据系统意味着什么？作者认为近零推理成本带来三个新挑战与机遇：面向代理的数据系统（代理将成为主导工作负载，需重新设计以适配代理特性）；属于代理的数据系统（需要新的基础架构供数千个代理管理长期任务状态并协调）；以及由代理构建的数据系统。

6月9日周二
  1. OpenAI News

    智能时代的产业政策

    【AI 翻译 · 未评分】探索我们为人工智能时代提出的雄心勃勃、以人为本的产业政策理念——重点在于随着高级智能的发展，扩大机会、共享繁荣并建立有韧性的制度。

6月8日周一
6月4日周四
6月2日周二
5月15日周五
5月6日周三
4月29日周三
4月27日周一