当深度学习走进肿瘤科:Regina Barzilay的科学方法与人生转折
MIT教授Regina Barzilay在这期Lex Fridman播客中,讲述了她如何将深度学习引入癌症诊断与治疗,并分享了自己罹患乳腺癌后的视角转变。这不仅是一场关于机器学习的技术对话,更是一段关于科学、数据与人类生命复杂性的真实故事。
MIT教授Regina Barzilay在这期Lex Fridman播客中,讲述了她如何将深度学习引入癌症诊断与治疗,并分享了自己罹患乳腺癌后的视角转变。这不仅是一场关于机器学习的技术对话,更是一段关于科学、数据与人类生命复杂性的真实故事。
这场来自 South Park Commons 的演讲,讲述了一个核心难题:在最需要数据的可持续发展领域,恰恰最缺乏高质量数据。演讲者分享了他们如何借助机器学习、遥感影像和迁移学习,在贫困、发展与公共政策研究中打开新的可能性。
这是一场来自 South Park Commons 的技术分享,Jonathan Hseu 系统讲述了神经网络规模化背后的真实挑战:为什么规模如此重要、工程基础设施如何支撑,以及在模型设计和训练阶段必须做出的关键取舍。文章还原了一线实践中的方法论,而不只是抽象结论。
在这场演讲中,Been Kim系统阐述了她对可解释与交互式机器学习的核心理念:不是让模型更聪明,而是让人和模型协作得更好。她通过原型样本、案例推理和真实教学系统,展示了如何把人类的领域知识重新引入机器学习闭环。
这是一场发生在2019年的对话,却精准击中了今天仍在争论的核心问题:为什么必须严肃对待AI风险?Dario Amodei与Daniel Dewey从历史类比、技术细节到个人经历,系统讲述了AI如何可能改变文明轨迹,以及安全研究为何必须与能力进展并行。
这场由Ian Goodfellow主讲的分享,系统梳理了对抗式机器学习在安全、生成模型、强化学习等多个前沿方向中的核心价值。演讲不仅回顾了技术爆发的背景,也坦率指出当前方法的局限,为理解“不可靠AI”的根源提供了难得的一手视角。
这是一场来自 Google Brain 的分享,主题不是更强的模型,而是如何把机器学习变成艺术家和设计师真正愿意用的创意工具。David Ha 和 Adam Roberts 通过具体项目,讲述了他们在生成式模型、数据集设计和人机协作上的思考,揭示了创意型 AI 与传统 ML 应用的本质差异。
这篇文章梳理了机器人学大师Vijay Kumar在一次深度访谈中的核心思想:从他学生时代建造的巨型六足机器人,到今天在全球领先的无人机编队研究,再到对机器学习、自动驾驶和人机协作的冷静判断。你将看到一个工程师如何理解“美”、规模化,以及机器人真正走向现实世界的难题。
在这段与 Lex Fridman 的对话中,Yann LeCun 从学习与推理的根本冲突谈起,解释为何他坚持用连续函数和梯度学习重构“推理”。他借助人脑记忆结构、能量最小化与世界模型,描绘了一条不同于符号主义AI的长期路线。
这期Lex Fridman播客中,George Hotz罕见地系统讲述了他对AI、自动驾驶和程序员成长路径的看法。从“我们是否活在模拟中”的哲学问题,到OpenPilot背后的工程取舍,他不断挑战主流叙事,展示了一种极度工程化、反精英化的技术世界观。