{"source":{"id":"2051296304740069635","title":"1979年，连深度学习的影子都没有。 全世界搞AI的聪明人全在死磕符号逻辑。 大家认定只要一条条写死规则，就能像造国际象…","url":"https://mubeitech.com/p/2051296304740069635"},"method":"semantic-similarity","count":5,"items":[{"rank":1,"id":"2077414561528029534","account":"mubei","brand":"@mubei","title":"AI 热潮里，真正该补的是底层骨架。去读《深度学习》就够了。 作者不是一个人。 是伊恩·古德费洛、约书亚·本吉奥、亚伦·…","summary":"AI 热潮里，真正该补的是底层骨架。去读《深度学习》就够了。 作者不是一个人。 是伊恩·古德费洛、约书亚·本吉奥、亚伦·库维尔三个人。 其中本吉奥，是AI领域常说的“三巨头”之一。 这本书讲什么？ 神经网络怎么搭起来。 机器为什么能“看见”图像。 机器为什么能“记住”前面的信息。…","body":"AI 热潮里，真正该补的是底层骨架。去读《深度学习》就够了。\n\n作者不是一个人。\n是伊恩·古德费洛、约书亚·本吉奥、亚伦·库维尔三个人。\n其中本吉奥，是AI领域常说的“三巨头”之一。\n\n这本书讲什么？\n神经网络怎么搭起来。\n机器为什么能“看见”图像。\n机器为什么能“记住”前面的信息。\n模型为什么会过拟合。\n还有这一整套东西背后的数学。\n\n翻译成人话：\n它不教你追哪个模型更强。\nIt只讲，为什么这些模型会强。\n\n现在很多人学AI，像盯股票行情。\n今天一个新榜单，明天一个新参数，后天一个新演示。\n看得很热闹，但底层问题绕不开：网络怎么训练，特征怎么学出来，误差怎么传回去，为什么训练集上表现很好，一到真实世界就翻车。\n\n这些东西不性感。\n但可迁移。\n\n模型会换，框架会换，接口会换。\n神经网络、视觉、记忆、过拟合和数学基础，不会因为某家公司开了一场发布会就失效。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2077419133860290767","translated_status_id":"2077419133860290767","published_at":"2026-07-15 15:32:16","created_at":"2026-07-15T17:26:42+02:00","url":"https://mubeitech.com/p/2077414561528029534","markdown_url":"https://mubeitech.com/p/2077414561528029534/markdown"},{"rank":2,"id":"2073481995670462618","account":"mubei","brand":"@mubei","title":"人类花了 70 年想教会机器像人一样思考，结果全输了。 这就是强化学习巨擘 Rich Sutton 写的《苦涩的教训》（…","summary":"人类花了 70 年想教会机器像人一样思考，结果全输了。 这就是强化学习巨擘 Rich Sutton 写的《苦涩的教训》（The Bitter Lesson）。 大家最后发现，最有效的方法是放弃“模仿人”，直接利用最底层的通用计算，让机器自己去演化。 1997 年，深蓝击败了国际象…","body":"人类花了 70 年想教会机器像人一样思考，结果全输了。\n\n这就是强化学习巨擘 Rich Sutton 写的《苦涩的教训》（The Bitter Lesson）。\n\n大家最后发现，最有效的方法是放弃“模仿人”，直接利用最底层的通用计算，让机器自己去演化。\n\n1997 年，深蓝击败了国际象棋世界冠军卡斯帕罗夫。\n当时的大多数电脑象棋专家非但没高兴，反而觉得非常沮丧。\n他们觉得：这不算！\n这只是靠特殊硬件和软件堆出来的“暴力搜索”，根本不是人类下棋的方式。\n这些研究者固执地认为，只有靠人类输入理解才能算真正的胜利。\n\n结果呢？\n二十年后，围棋界迎来了同样的剧本。\n科学家们曾付出极大努力，试图把人类积攒的围棋智慧、定式塞给电脑，好让它“少算一点”。\n但在大规模搜索和自我对弈（Self-play）学习面前，这些人类经验被证明是多余的，成了限制机器进化的杂音。\n\nSutton 指出，AI 历史上的研究者总在犯同一个错误。\n在算力不够的短期内，大家总想走捷径，把人类现成的“行业知识”写死在算法里。\n这在短期内确实能看到立竿见影的效果。\n但只要时间拉长，摩尔定律一发挥作用，算力成本呈指数级下降。\n那些只依赖通用计算、搜索和自我学习的方法，就会像推土机一样，把所有人造规则碾得粉碎。\n\n为什么会这样？\n因为人类的知识太局限了。\n人类大脑的思维模式，只是为了适应几万年前的生存环境而演化出来的。\n你试图教机器像人一样思考，其实是在用人类狭隘的智商上限，生生锁死了机器的进化空间。\n\n这个教训有多苦涩？\n它无情地戳破了人类的虚荣心：\n在真正的计算力面前，人类自以为傲的“智慧”，可能只是由于过去算力不足而产生的一种临时解决方案。\n\n不要教机器怎么做人。\n给它算力，让它自己去算。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2073489961735553214","translated_status_id":"2073489961735553214","published_at":"2026-07-04 19:05:37","created_at":"2026-07-04T21:00:05+02:00","url":"https://mubeitech.com/p/2073481995670462618","markdown_url":"https://mubeitech.com/p/2073481995670462618/markdown"},{"rank":3,"id":"2072402738869330259","account":"mubei","brand":"@mubei","title":"1983年，28岁的乔布斯，就已经把今天AI最核心的困局给看穿了。 那时候连个像样的个人电脑都还没普及，他就指出了一个事…","summary":"1983年，28岁的乔布斯，就已经把今天AI最核心的困局给看穿了。 那时候连个像样的个人电脑都还没普及，他就指出了一个事实。 他说，电脑和人脑，走的是完全相反的两条路。 传统的电脑，是从1940年代的底子发展来的。 它们的设计初衷，是把极度简单的事情，做到绝对精准。 但人脑恰恰相…","body":"1983年，28岁的乔布斯，就已经把今天AI最核心的困局给看穿了。\n\n那时候连个像样的个人电脑都还没普及，他就指出了一个事实。\n他说，电脑和人脑，走的是完全相反的两条路。\n\n传统的电脑，是从1940年代的底子发展来的。\n它们的设计初衷，是把极度简单的事情，做到绝对精准。\n但人脑恰恰相反。\n人脑的计算精度烂得一塌糊涂，连个十几位数的乘法都算不利索，却能极其轻松地处理这个混乱、复杂的真实世界。\n\n怎么破局？\n乔布斯当时就说，得砸掉1940年代的旧图纸，直接去抄人脑的作业。\n去研究非冯·诺依曼架构，去模拟大脑的工作方式。\n\n但这只是技术架构上的模仿，真正的硬骨头在后面。\n也就是那堵至今没人翻过去的墙：自我意识。\n\n乔布斯说，据我们所知，没有任何一台电脑，甚至任何一个高等灵长类动物，曾说过一句：\n“我正在思考（I am thinking）。”\n它们能运算，能做出反应，但它们没有“自我”。\n\n这也引出了AI领域的终极拷问：\n机器能产生自我意识吗？\n或者更诚实、更残酷一点：\n我们人类自己，到底是不是也只是一台极其精密的、高级的生物机器？\n\n这就是为什么无数顶尖天才，愿意把一生中最黄金的时光，砸在这个行业里。\n乔布斯在1983年下了个赌注：\n在我们有生之年，这个终极答案一定会水落石出。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2073041244310077516","translated_status_id":"2073041244310077516","published_at":"2026-07-03 11:47:32","created_at":"2026-07-02T16:56:39+02:00","url":"https://mubeitech.com/p/2072402738869330259","markdown_url":"https://mubeitech.com/p/2072402738869330259/markdown"},{"rank":4,"id":"2045912351690592708","account":"mubei","brand":"@mubei","title":"把一台AI的知识库强行锁死在1911年。 切断一切后续信息。 它能凭空推导出爱因斯坦在1915年发表的广义相对论吗？ D…","summary":"把一台AI的知识库强行锁死在1911年。 切断一切后续信息。 它能凭空推导出爱因斯坦在1915年发表的广义相对论吗？ DeepMind掌门人Demis Hassabis给出了他的终极标准。 能做到，就是真正的AGI。 做不到，就依然只是个高级工具。 他把这称为“爱因斯坦测试”。…","body":"把一台AI的知识库强行锁死在1911年。\n切断一切后续信息。\n它能凭空推导出爱因斯坦在1915年发表的广义相对论吗？\n\nDeepMind掌门人Demis Hassabis给出了他的终极标准。\n能做到，就是真正的AGI。\n做不到，就依然只是个高级工具。\n他把这称为“爱因斯坦测试”。\n\n现在的AI到底什么水平？\n它们能在国际数学奥赛上斩获金牌。\n但换个提问方式，又会在最基础的算术题上跌大跟头。\nHassabis用了一个词来形容这叫“参差不齐的智能”。\n\n真理不会因为换了身衣服就不被认出。\n真正的通用智能，绝对不允许出现如此割裂的智力落差。\n研究了二三十年，Hassabis看得比谁都透。\n人类大脑，依然是目前全宇宙唯一已知的通用智能样本。\n\n距离真正的AGI，现在还差三个硬指标。\n真正的创造力。\n持续学习的能力。\n长期规划的视野。\n\n靠堆算力和海量语料背下所有定理，终究只是在复述历史。\n能在没有前人脚印的黑暗里砸出火花，才叫真正的智能。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2045989375951995161","translated_status_id":"2045989375951995161","published_at":"2026-04-19 22:05:16","created_at":"2026-04-19T23:52:16.238114","url":"https://mubeitech.com/p/2045912351690592708","markdown_url":"https://mubeitech.com/p/2045912351690592708/markdown"},{"rank":5,"id":"2038613197737869457","account":"mubei","brand":"@mubei","title":"现代AI的奠基人刚刚下了一个狠结论。 ChatGPT和Claude全走错路了。 全球大模型公司都在点一棵长歪的科技树。…","summary":"现代AI的奠基人刚刚下了一个狠结论。 ChatGPT和Claude全走错路了。 全球大模型公司都在点一棵长歪的科技树。 发话的是杨立昆。 2018年图灵奖得主。 没有他的神经网络模型就没有今天的AI。 他直接刺破了当前硅谷最大的泡沫。 机器能写会聊，我们就以为它产生了意识。 人类…","body":"现代AI的奠基人刚刚下了一个狠结论。\nChatGPT和Claude全走错路了。\n全球大模型公司都在点一棵长歪的科技树。\n\n发话的是杨立昆。\n2018年图灵奖得主。\n没有他的神经网络模型就没有今天的AI。\n\n他直接刺破了当前硅谷最大的泡沫。\n机器能写会聊，我们就以为它产生了意识。\n人类总是习惯性觉得口才好的人必定聪明。\n这纯粹是错觉。\n语言能力根本不等于底层智能。\n大模型再好用，也只是个像计算机一样的高级工具。\n\n历史总是重复得让人发笑。\n从上世纪五十年代的第一台学习机器开始。\n整整三代AI科学家都以为自己拿到了通往通用智能的门票。\n十年期限喊了一轮又一轮。\n最后全部落空。\n\n杨立昆亲眼见证了这三代人的狂热与破灭。\n当前这一波也不例外。\n靠堆算力和语料永远也喂不出真正的人类智能。\n硅谷现在的万亿估值只是建立在高级文字游戏之上。","category":"其它","score":100,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-04-01 09:49:59","created_at":"2026-04-01T11:45:05.358728","url":"https://mubeitech.com/p/2038613197737869457","markdown_url":"https://mubeitech.com/p/2038613197737869457/markdown"}]}