文章

全部 AI应用 AI Agent 生成式AI 大语言模型 OpenAI Google ChatGPT AI安全模型训练 Sam Altman 代码生成对话AI 多模态开源模型提示工程

从物理学到心智：John Hopfield谈神经网络的本质

在这期 Lex Fridman 播客中，神经网络奠基者 John Hopfield 以物理学家的视角，回顾生物神经网络与人工神经网络的差异与联系，探讨学习、表征、鲁棒性与意识等核心问题，展示了一种不同于工程直觉的理解路径。

2020年，Figma创始人Dylan Field在Config大会上讲了一场看似温和、实则激进的演讲。他没有发布“炸裂参数”，却抛出了一个更危险的命题：设计工具不该再属于个人，而应该成为真正的“协作系统”。这件事，对今天的AI从业者影响比你想象得更大。

很多设计师和 AI 产品经理都默认：远程可用性测试“效果打折”。但 NPR 的一次实践恰恰相反——没有实验室、没有面对面观察，却让用户把原型当成真实产品在用。这场来自 Figma Config 的分享，讲清了一件反直觉的事：真正决定测试质量的，从来不是距离，而是细节。

三天三次部署、工程师在 Uber 里写代码、设计流程被彻底打碎——这是 Figma 团队亲口承认的“灾难现场”。但正是这种不体面的混乱，做出了 Community 和 Design System Analytics 两个关键产品。这场分享，几乎颠覆了我们对“好产品=好流程”的想象。

在这场 Figma Config 的演讲里，May Li Khoe 抛出一个反直觉的主张：真正有力量的创新，不是激进对抗系统，而是“joyfully subvert the status quo”。这不是鸡汤，而是一套关于设计、组织与技术变革的可执行方法论，对 AI 从业者尤其刺耳又清醒。

大多数人以为性能和可访问性是工程问题，但这场来自 Figma Config 的分享给了一个反直觉答案：真正决定用户体验上限的，是设计系统的“地基”。更意外的是，设计师随手选的颜色、字体和组件复用策略，可能比你写的模型代码更影响用户是否留下。

在 Figma Config 的这场演讲里，Zen Lara 抛出一个反直觉的观点：设计系统失败，几乎从来不是因为组件，而是因为关系。更狠的是，她直接把婚姻咨询里的方法，搬进了设计系统协作里。这套逻辑，对今天被模型、工具和流程压得喘不过气的 AI 团队，意外地好用。

在所有人都鼓吹“设计师要走向管理”的年代，Etsy 的 Michael Yap 却拼命逃离管理岗位。更反直觉的是，正是这段逃离经历，让他在被迫接手 30 人设计团队时，提出了一套比 OKR 更底层、也更适合 AI 时代的领导模型。

Marcus Hutter 在 Lex Fridman 的播客中，用奥卡姆剃刀、Solomonoff 归纳和 Kolmogorov 复杂度，串起一个核心问题：为什么简单的模型不仅更美，而且更有预测力？这篇文章带你理解科学为何本质上是一场“压缩竞赛”。

这期对话中，Marcus Hutter从“什么是智能”这一根本问题出发，串联起奥卡姆剃刀、所罗门诺夫归纳和AIXI模型，勾勒出一种极端但清晰的通用人工智能理论蓝图。文章提炼其中最有价值的思想，让你理解为何“压缩”可能是理解智能的核心钥匙。

AI产品训练营核心群

付费群测试2

付费群测试3

付费群测试4

付费社群测试5

测试快讯1

2 月，2 周前