文章、回答、视频、播客和访谈的统一归档 · 知乎 · AI 与未来 · 86 条 · 第 3 / 3 页
2024
Human Learning Engineer 人类学习工程师
GenAI 这么火，我们这么擅长帮助机器来学习，机器学习工程师 Machine Learning Engineer 也一直是最火的职位。如果我们用类似的想法，利用工程师的思维，把受众从机器变成人类，帮助人类来学习，大概是怎么样的呢？ 机器学习工程师 Machine Learning Engineer vs. 人类学习工...
GPT时代,知识产品的快消品化时代已经到来
在这个GPT技术日益发达的时代,知识的生产和传播正在经历一场巨大的变革。GPT模型强大的自然语言处理能力,使得高质量的知识内容可以批量生产,知识的生产成本被大幅降低。这一变化,正在将知识产品推向快消品化的趋势。 传统的知识产品,比如图书、课程、咨询等,其生产成本相对较高,定价也较为昂贵。而在GPT时代,海量的知识内容可...
怎么看待全球首位AI工程师Devin？
一线的员工毕竟要做事，做了事要负责，搞不好 AI 优先淘汰的是一线的 Manager。 毕竟很多基层和中层管理岗位的主要工作，如信息收集、汇总分析、排班、绩效考核、答疑解惑等,都有望被AI所取代。一方面，AI可以7x24小时不知疲倦地工作，处理海量信息，生成实时报表和洞见，很多方面已经超越了人类的能力。另一方面,自然语...
谁来颠覆低频刚需?
这篇文章是我2017年写的草稿但一直没有发布，那时候 Google 刚刚提到 AI First 的战略，互联网的迭代重点还是以推荐系统和深度学习为核心。时至今日 LLM 的出现让这个问题有了些许答案，想了想还是把文章发布出来。 推荐系统的胜利 过去五年,机器学习在推荐系统领域的研究,给高科技企业带来了巨大的收益。我们在...
程序员的未来也是手工耿：从AGI到行业工程师的发展观察
GPT-4 Prompt: 以“程序员的未来也是手工耿”为题写一篇知乎的文章，结合最近AGI发展的趋势和各个行业的工程师（土木、电子、机械，etc）的历史发展 在过去的几十年里，技术的飞速发展彻底改变了我们的工作和生活方式。特别是在人工智能（AI）领域，从早期的简单自动化到今日的高级智能（AGI），每一步的进展都引起了...
2023
没有主业，没有副业，只有自己
生活太复杂，GPT 发展太快。多专多能的超级人类慢慢出现：陈然：一主业+多副业，以前的多副业仅仅是多一份体力劳动，比如扫大街、送外卖。现在的多职业甚至能同时兼备多几份智力密集型的不同方向。 没见过的人会问：到底哪个是你的主业，哪个是你的副业呢？ 这当然是一个很难的问题。 什么是主业呢？是我花的时间最多？花的精力最多？赚...
一主业+多副业
前几天听播客，关于硅基生命和碳基生命的，嘉宾提到了一个概念：普通人 vs 超级人。大意就是随着类似于 ChatGPT 之类的生产力极强的服务普及，部分熟练使用最新工具的人类的生产力会大大超过普通人类。这两种人类因为生产力在数量级上巨大的差距，会导致生活方式等等各个方面都产生巨大的差别。 虽然话题是围绕着最近最热的 Ch...
被 Empower 的感觉
“Empower”的中文直译叫做“赋能”，这本来是一个充满激情充满未来想象力的词，但因为常常与各种互联网黑话并列，“赋能”似乎也带有了些贬义，我暂且用 Empower 来代替吧。 想聊这个是因为今天有幸去听了一位优秀妈妈的线下讲座。她们夫妻二人是一代移民，没有什么特殊的技能，在人才济济的湾区也只能做一些非常普通的工作，...
2022
2022 还可以吧
又到年底了，这时间一年年地过的也太快了。17，18年写过感悟[1][2]，现在回头看还是有很多有意思的观点被写下来了，19，20，21年没写，有些遗憾。我写东西有个问题，总是想把事情想清楚了再写下来，所以经常草稿打了一半，觉得没啥意思，就算了。但看到那些草稿，其实也有不少有意思的观点，哪怕是不完整的，分享出来，也是写东...
聊天感想 2022/4/17
在上次发出感叹之后，又遇见了不少有意思的同学。有相互认识但是多年没有怎么说过话的朋友，有湾区的创业者，也有刚入职场的打工人。聊天的内容也是天南地北，不尽相同，真的是非常有意思的体验。 聊天图个啥，真的要喝咖啡吗 这可能真的是标题党了，因为其实我现在并不喝咖啡。 疫情前在办公室工作的时候，每天确实至少要喝两大杯咖啡，还只...
2020
2019
2018
2017
如何评价 DeepMind 在星际中的失利，以及 OpenAI 在 Dota 上的成功？
谢邀 两者都很成功，但是 OpenAI 更擅长宣传。 星际哪怕最简单的 1v1 都需要同时控制大量单位，这与 dota 中 1v1 只需要控制一个单位难度差别很大。两者都证明了在复杂游戏中人工智能已经可以完成相对简单的任务，但暂时还无法完成整个游戏：DeepMind 在星际中已经精通挖矿，建造，控兵，但无法正常比赛。O...
人类害怕人工智能的哪一点？
人类的心里，都觉得我们这个物种，与世间的万物，是不一样的。 我们有灵魂，我们有感知，我们会思考，我们喜欢想象，我们擅长制造，我们非常特殊。哪怕说着万物平等，我们的内心中，也其实觉得人类是“神”，至少与地上的那块石头，是不一样的。 聪明的我们，正在创造另外一种“智能”，我们吃惊地发现，这一种智能也能完成我们能够完成的一切...
如何看待媒体报道称「Facebook将关闭人工智能系统：因AI已经发明语言」？
谢邀 大家可能对于程序开发的发展不太了解，这种事情其实在我们日常的开发中已经很常见了。 我的程序也经常会出现一些我难以理解的行为，抛出一些我难以理解的语言。每当遇到此事，我都心烦意乱，浑身难受，毕竟这是我亲手写出来的逻辑，怎么会这么不顺从我的思路呢，而且它试图跟我交流的语言，我怎么就看不懂呢…？有时候程序的行为过于荒谬...
如何评价王垠的文章《我为什么不在乎人工智能》？
机器学习对世界的改变之大，是不能忽视的。 但人们却容易低估已经被创造出来的东西的智能程度。要是十年前说自动驾驶，一定觉得那是人类智慧集大成才能发明的东西，说电脑围棋打败人类，一定是机器的掌握了一种极为先进的学习方法。突然间这些我们都做到了，但是突然间大家都觉得这些成就是 Trivial 的了。自动驾驶仅仅是图像识别的进...
如果有第谷的数据，现在的机器学习，深度学习有办法学出开普勒三定律吗？
简单来说是不能，但只是不能明确表达出这种形式，但我们并不知道它是不是已经学会了。因为现在机器学习的主流方向主要是解决明确的问题，比如人脸识别、机器翻译、推荐系统等等，在如何理解模型的方面的研究并不足够火热。倘若有一天这些问题人类都解决了，下一步的大热研究方向，可能就是去理解，机器学习到底学习了什么。 对于机器智能一直有...
这一波人工智能泡沫将会怎么破灭？
谢邀 泡沫的破灭是商业周期的变化，是人类金融社会机制的正常现象，但泡沫的出现与否都不能掩盖机器智能快速发展的事实。因此，与其关注金融现象，不如多思考如何理解机器智能发展的规律，加以利用，把握先机。 人类对于机器智能的发展，有一个非常大的局限性，就是把人类的思考方式，作为衡量是否智能的标准，导致容易错误地估计机器智能的发...
2016
如何评价谷歌的「人工智能先行」（AI First）战略？
谷歌提出 AI First 是一个非常有魄力的决定，我非常认同这个大战略。 虽然 AI 的定义非常模糊，但是广义来讲，也包括各种流行词汇，比如 Big Data, Machine Learning, Data Mining, Deep Learning 等等。无论是对内应用各类 AI 算法，还是对外提供基于 AI 的服...
2016~20 年硅谷需求量最大的是什么方向的技术人才？
谢邀 可以说任何时代，最需要的人，都一样，就是那些既懂得最新的技术，也懂得现在的商业环境，并且有能力把最新的技术应用到目前的市场上的人。每个时代大潮的技术不同，但是这样的趋势是没有变化的。 曾经的“互联网、信息高速公路”时代塑造了一批优秀企业，带来了一个全新的产业；一个充满“云计算、移动互联网”改变了不少企业的经营模式...
截至 2016 年 3 月，机器学习、数据挖掘、计算机视觉等的泡沫有多大？
谢邀 现在，2016年6月，机器学习、数据挖掘、计算机视觉等应用毫无泡沫，甚至远远没有发挥算法应有的潜力。 从我在 Trulia: Real Estate Listings, Homes For Sale, Housing Data 工作的经验来看，公司几乎每一个产品线都有可以算法化的地方。同时，不少新的算法可以带来全...
如何看待人工智能律师的诞生，类似Ross的人工智能律师在中国是否可行？
谢邀 我在CMU硕士毕业的时候的毕业设计，做的是AI&Law相关的研究，之前也写过一点内容： AI and Law, 人工智能与法律（一）：欢迎围观 - Hello 陈然！ - 知乎专栏 希望大家看看，督促我继续写下去。 总体上我是认同 @梅林 的答案的，由于现在技术的局限性，我们关注的更多的是如何使用技术帮助律师（或...