预测癫痫发作这件事,神经网络可能比医生更早“看见”信号
直到20年前,医学界还在争论一件事:癫痫发作到底能不能被预测?在 OpenAI Scholars Demo Day 上,一位神经科学出身的研究者用深度学习给出了一个并不完美、却足够震撼的答案——不仅能,而且很可能正是神经网络最擅长的那类问题。
直到20年前,医学界还在争论一件事:癫痫发作到底能不能被预测?在 OpenAI Scholars Demo Day 上,一位神经科学出身的研究者用深度学习给出了一个并不完美、却足够震撼的答案——不仅能,而且很可能正是神经网络最擅长的那类问题。
在 OpenAI Scholars Demo Day 上,Christine Payne 做了一件反直觉的事:她没有发明全新的音乐模型,而是把“生成音乐”硬生生改造成一个语言模型问题。结果令人震惊——很多人已经分不清 AI 和人类作曲。但真正的挑战,才刚刚开始。
大多数AI绘画在学“风格”,但Holly Grimm反其道而行:她把人类艺术课上的构图原则,直接塞进了CycleGAN的训练目标里。结果不是更像某位大师,而是第一次让模型“听懂”什么叫色彩和谐、纹理变化与构图控制。
在这期Lex Fridman播客中,Ilya Sutskever罕见地系统阐述了他对AGI的判断:AGI并非推倒重来,而是“深度学习+少量关键思想”的延伸。其中,自我博弈、模拟到现实迁移、以及“愿意被人类控制的AI”构成了他理解通用智能的核心路径。
这是一场罕见的、偏向思想源头的对话。Ilya Sutskever回顾了深度学习崛起的关键节点,解释他为何信任经验主义与损失函数,并坦诚讨论大模型、通用人工智能与意识等终极问题。读完本文,你将理解今天AI路线背后的核心直觉。
在这段对话中,Alexa首席科学家Rohit Prasad直言:深度学习仍然强大,但无法独自解决“推理”这一终极难题。他结合Alexa的真实场景,解释了为什么下一代AI必须跨越预测,走向更接近人类目标理解的推理能力。
很多人只记得 OpenAI Five 在 Dota 2 里赢过职业战队,但在这场决赛收官时,OpenAI 做了一个更激进的决定:把已经“训练完成”的 AI,直接开放给全世界挑战。这不是炫技,而是一场关于 AI 如何走向现实世界的公开实验。
一场看似“普通”的Dota对局,却让无数AI研究者反复回看。不是因为OpenAI Five又赢了,而是因为它第一次被放进了一个极不完美的环境:和人类做队友。这场比赛,意外揭示了当AI不再单打独斗,真正的难题才刚刚开始。
2019年,OpenAI Five在舞台上用一局不到20分钟的比赛击败OG。真正震撼的不是“AI赢了职业选手”,而是它赢的方式:几乎没有个人秀,只有冷静、残酷、近乎机械的团队协作。这一局,成了AI从业者必须反复观看的样本。
2019年,OpenAI Five在Dota 2总决赛中拿下OG的第一局。很多人只记住了“AI赢了职业冠军”,但真正值得反复观看的,是这局比赛里暴露出的AI决策方式:冷静、残酷,而且几乎不受人类直觉影响。这不是一场表演赛,而是一堂给所有AI从业者上的公开课。