当模型学会“分裂人格”:OpenAI Scholar教你精准操控AI行为模式
如果你以为“多专家数据喂给模型,它自然就会学会分清谁是谁”,那这场 OpenAI Scholars Demo Day 的分享会直接打脸。Tyna Eloundou 用一个看似优雅、实则极具野心的框架,展示了:我们不仅能让模型学到多种行为,还能在需要时精准切换它们。
如果你以为“多专家数据喂给模型,它自然就会学会分清谁是谁”,那这场 OpenAI Scholars Demo Day 的分享会直接打脸。Tyna Eloundou 用一个看似优雅、实则极具野心的框架,展示了:我们不仅能让模型学到多种行为,还能在需要时精准切换它们。
很多人以为模型一旦训练完,推理阶段只能“照章办事”。但在这场 OpenAI Scholars Demo Day 的分享里,研究者直接挑战了这个假设:在图结构问题上,测试时多给一点计算,模型真的会变聪明,而且不只是玄学提升。
这是一场横跨半导体、工程哲学与人工智能未来的对话。Jim Keller以其横扫多家顶级公司的工程经验,讲述理论与工程的真实关系、Intel兴衰的底层逻辑,以及他如何看待AI、神经网络和人类意识的极限。
在这期Lex Fridman播客中,物理学家Max Tegmark回顾了他与AI研究的交集,从神经网络的“黑箱”问题谈到AI如何反过来推动物理学。他分享了对可解释智能、科学谦逊以及人类如何与未来AI共处的深刻思考。
在这期Lex Fridman播客中,计算生物学家Dmitry Korkin从蛋白质进化谈到病毒、生命复杂性,再延伸至神经网络与AlphaFold等AI突破,提出一个贯穿生命与人工智能的核心观点:复杂性不是偶然,而是由可重用的模块逐步堆叠而来。
这是一场横跨机器学习本质、神经网络实践、教育哲学与AI未来想象的深度对谈。Charles Isbell 与 Michael Littman 结合数十年的研究与教学经验,讨论了“机器学习是不是统计学”“编程正在如何变化”,以及为什么真正的学习离不开痛苦与希望。
这是一场来自 YC Gaming Tech Talks 的真实创业分享:Spellbrush 如何用 GAN 把角色设计从“昂贵且难以扩展”的人力密集型工作,变成可规模化的 AI 流程。文章不仅解释技术原理,还揭示了数据偏差、算力成本和艺术创作边界这些更少被谈及的关键问题。
这是一场看似轻松的“编程梗图评审”,却意外暴露了George Hotz对编程、机器学习、测试工程和互联网产品的深刻理解。通过吐槽、段子和真实经历,他展示了一套极度工程师化、反直觉但高效的技术世界观。
在这期Lex Fridman播客中,计算机视觉奠基者之一Jitendra Malik回顾了该领域半个多世纪的曲折发展,从1966年的“夏季视觉计划”谈到自动驾驶、神经网络与AI安全。他反复强调:视觉不是识别图片,而是为行动服务的预测系统,这也是当下AI最被低估的难题。
Lex Fridman 通过 TensorFlow Playground 的可视化实验,展示了神经网络在不同结构与超参数下,如何逐步学会(或学不会)复杂数据分布。短短几分钟的视频,揭示了模型容量、特征工程与直觉理解之间的深刻联系。