{"source":{"id":"2070628394342195460","title":"“宣称 AI 将让智力变得免费，是极其不负责任的。” 写出 ImageNet、开启上一轮视觉革命的 AI 教母 Fei-…","url":"https://mubeitech.com/p/2070628394342195460"},"method":"semantic-similarity","count":5,"items":[{"rank":1,"id":"2070673764828979595","account":"mubei","brand":"@mubei","title":"为什么 AI 能帮你写出几千行的复杂代码，却至今没办法帮你叠好一件衣服？ 这并非段子，这是当下 AI 行业最大的一堵墙。…","summary":"为什么 AI 能帮你写出几千行的复杂代码，却至今没办法帮你叠好一件衣服？ 这并非段子，这是当下 AI 行业最大的一堵墙。 用李飞飞（Fei-Fei Li）的话来说，因为我们严重低估了“空间智能”的难度。 在生物进化史上，动物演化出“空间智能”整整花了 5 亿年，而语言的出现只是最…","body":"为什么 AI 能帮你写出几千行的复杂代码，却至今没办法帮你叠好一件衣服？\n这并非段子，这是当下 AI 行业最大的一堵墙。\n用李飞飞（Fei-Fei Li）的话来说，因为我们严重低估了“空间智能”的难度。\n\n在生物进化史上，动物演化出“空间智能”整整花了 5 亿年，而语言的出现只是最后的一瞬间。\n对大脑而言，说话、聊天和写代码，其实是某种“投机取巧”的符号游戏。\n而面对一个被重力、摩擦力、遮挡和三维几何支配的现实物理世界，才是真正的挑战。\n\n李飞飞把“空间智能”拆成了四个部分。\n第一，理解（Understanding）。\n你能看懂这个三维甚至四维的环境，分得清设备、家具和人。\n\n第二，推理（Reasoning）。\n你想去冰箱拿瓶水，你得在脑子里规划：怎么绕开障碍、怎么走过楼梯、怎么找到冰箱。\n\n第三，生成（Generation）。\n闭上眼睛，你脑海里能凭空想象出一个客厅的三维画面。\n现在 AI 的 2D 生成已经很强了，但在 3D 生成上，也就是像 World Labs 这类公司正在做的，才是通往机器人和真实物理设计的核心。\n\n第四，也是最难的：交互（Interaction）。\n这就是为什么 AI 叠不好衣服。\n一件衣服是柔软的，有无数种褶皱、摩擦力和形变可能。\n每一次抓取、折叠，都需要机器实时根据物理反馈去调整。\n这不是靠背诵几万亿个文本词汇就能解决的。\n\n这就像投篮。\n你站在球场上，脑子里想“这一球进了，我们就能赢”，这是语言与逻辑智能在运转。\n但你看着防守球员的位置，瞄准篮筐的距离和角度，这是空间智能。\n最后，你起跳、滞空、把球精准投出去，这是物理智能。\n\n以前人类总觉得，能写文章、会聊天就是最高级的智慧。\n现在 AI 用实际行动证明了：在虚拟的符号世界里，所谓的“高智商”其实挺便宜的。\n而能在现实世界里体面地走两步、叠件衣服，才是进化最昂贵的奇迹。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2070676121322942740","translated_status_id":"2070676121322942740","published_at":"2026-06-27 01:07:05","created_at":"2026-06-27T03:01:11+02:00","url":"https://mubeitech.com/p/2070673764828979595","markdown_url":"https://mubeitech.com/p/2070673764828979595/markdown"},{"rank":2,"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"},{"rank":3,"id":"2081379723834184049","account":"mubei","brand":"@mubei","title":"全球的AI实验室烧掉几百亿美元，到底在追什么？ 不只是算力。 他们都在死磕一个老问题：怎么把大自然压缩成机器能算的东西。…","summary":"全球的AI实验室烧掉几百亿美元，到底在追什么？ 不只是算力。 他们都在死磕一个老问题：怎么把大自然压缩成机器能算的东西。 1964年，物理学家理查德·费曼拿起一根粉笔，把这个根本困境讲透了。 他当年没谈AI，但今天大模型想构建“世界模型”的死穴，全在里面。 来，我们试着用大白话，…","body":"全球的AI实验室烧掉几百亿美元，到底在追什么？\n不只是算力。\n他们都在死磕一个老问题：怎么把大自然压缩成机器能算的东西。\n\n1964年，物理学家理查德·费曼拿起一根粉笔，把这个根本困境讲透了。\n他当年没谈AI，但今天大模型想构建“世界模型”的死穴，全在里面。\n\n来，我们试着用大白话，建一个不用复杂数学的引力模型。\n假设宇宙里充满了看不见的微粒，从四面八方撞击地球。\n因为太阳挡在中间，从太阳方向撞过来的微粒变少了。\n地球另一边的微粒，就会把地球往太阳的方向推。\n完美。\n把复杂的引力公式全绕过去了，普通人一秒就能听懂。\n\n但这套模型一跑起来，立刻崩溃。\n为什么？\n因为地球在轨道上飞。\n想象你在大雨里狂奔，是不是迎面砸在脸上的雨水，永远比落后脑勺的雨水多？\n微粒也一样。\n地球往前飞，迎面撞上的微粒就会多于背后的微粒。\n这会产生一个极其强烈的侧向阻力。\n如果这套简单的理论成立，地球早就停转了，根本撑不过它绕着太阳转过的这三四十亿年。\n\n这就是费曼的暴击：任何一套你想出来的模型，都必须能承受所有后果的推演。\n你可以为了好懂把规则简化，但它最后一定会跑出一个虚假的现实。\n\n今天搞大模型仿真的公司，面对的是同一个地狱。\n想让AI理解物理世界？想预测未来？\n大自然有一个极其难伺候的“毛病”：它的法则，只用一种方式给出答案，那就是极其复杂深奥的数学。\n数学不仅仅是一门语言。\n数学是语言加上逻辑，是人类唯一能把大自然的无数种表象缝合在一起，推演一万步还不穿帮的工具。\n\n想用单纯的自然语言或是简单的经验法则去重构世界？\n大自然连商量的余地都不会给。\n\n这才是今天AI大逃杀的底色。\n巨头们砸下几百亿，不单是在买显卡。\n他们是在替机器补交那笔最昂贵、也最不可能绕开的数学翻译费。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2081554689540145377","translated_status_id":"2081554689540145377","published_at":"2026-07-26 19:36:18","created_at":"2026-07-26T21:28:03+02:00","url":"https://mubeitech.com/p/2081379723834184049","markdown_url":"https://mubeitech.com/p/2081379723834184049/markdown"},{"rank":4,"id":"2045484064585728489","account":"mubei","brand":"@mubei","title":"Andrej Karpathy揭开了一个反直觉的行业真相。 现在的AI模型动辄上万亿参数，根本不需要这么大的“脑容量”。…","summary":"Andrej Karpathy揭开了一个反直觉的行业真相。 现在的AI模型动辄上万亿参数，根本不需要这么大的“脑容量”。 撑大体积的罪魁祸首，是劣质的训练数据。 你以为模型每天在贪婪地阅读《华尔街日报》和严谨的学术文章？ 现实极其惨淡。 前沿实验室随机抽查的预训练语料，全是残破的…","body":"Andrej Karpathy揭开了一个反直觉的行业真相。\n现在的AI模型动辄上万亿参数，根本不需要这么大的“脑容量”。\n撑大体积的罪魁祸首，是劣质的训练数据。\n\n你以为模型每天在贪婪地阅读《华尔街日报》和严谨的学术文章？\n现实极其惨淡。\n前沿实验室随机抽查的预训练语料，全是残破的HTML代码、股票代码和杂乱无章的乱码。\n人类积累的高质量文本在互联网海洋里极其稀缺。\n\n巨大的信息噪音带来了灾难性的压缩效率。\nLlama 3对训练数据的压缩率低到只有0.07比特每token。\n这意味着模型对自己啃过的大部分内容，仅仅留存了极度模糊的印象。\n庞大的万亿参数，绝大部分并没有参与“认知推理”。\n它们变成了臃肿的记忆库，被迫死记硬背互联网倾泻而下的赛博垃圾。\n\nKarpathy开出的解法极其干脆。\n彻底分离思考与记忆。\n剥离百科全书式的死记硬背，只留下纯粹负责推理和解题的算法逻辑。\n这就是真正的“认知核心”。\n一旦遇到事实盲区，让模型主动去调用外部数据库。\n\n如果只喂极其干净的高质量数据，这个“认知核心”需要多大体积？\n十亿参数。\n回看今天的主流旗舰模型，参数规模在2000亿到1.8万亿之间摇摆。\n超高比例的算力都在替数据的脏乱差买单。\n\n现实数据正在印证这条新路径。\n仅仅两千亿参数的GPT-4o，早就全方位碾压了1.8万亿参数的初代GPT-4。\n过去两年间，跑通GPT-3.5性能的推理成本暴降了足足280倍。\n推动这一切的核心引擎，全部来自更小、更干净、更精巧的模型架构。\n\n当前挡在AI面前的那堵墙，早就不是算力。\n算力匮乏不过是替低劣数据背锅的挡箭牌。\n下一轮大洗牌的唯一筹码是高纯度的数据源。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2045726431263515003","translated_status_id":"2045726431263515003","published_at":"2026-04-19 04:36:24","created_at":"2026-04-19T06:31:10.029346","url":"https://mubeitech.com/p/2045484064585728489","markdown_url":"https://mubeitech.com/p/2045484064585728489/markdown"},{"rank":5,"id":"2073572608466194838","account":"mubei","brand":"@mubei","title":"那些坐在旧金山喝着拿铁的 AI 天才们，根本不知道真实的物理世界有多脏、多乱、多玩命。 CNBC 记者问 Palanti…","summary":"那些坐在旧金山喝着拿铁的 AI 天才们，根本不知道真实的物理世界有多脏、多乱、多玩命。 CNBC 记者问 Palantir 的 CEO Alex Karp：现在大模型这么猛，OpenAI 和 Anthropic 随时能写代码，你们这些做数据服务的会不会被轻易替代？ Karp 直接…","body":"那些坐在旧金山喝着拿铁的 AI 天才们，根本不知道真实的物理世界有多脏、多乱、多玩命。\n\nCNBC 记者问 Palantir 的 CEO Alex Karp：现在大模型这么猛，OpenAI 和 Anthropic 随时能写代码，你们这些做数据服务的会不会被轻易替代？\nKarp 直接嗤之以鼻。\n在他看来，只有华尔街那帮盯着短期利益、不懂技术的投资人，才会得这种焦虑症。\n真正的工业和国防客户，一个都不慌。\n\n为什么大模型替代不了他们？\n因为目前主流的 AI 依然是概率模型。\n做投资或者写文案，准确率能达到 51% 就算好用，因为有容错空间。\n但在真实的硬核世界里，概率游戏是要人命的。\n\n你想制造一辆汽车，少一个特定的零件都无法出厂。\n你想把火箭送上月球，容错率是绝对的零。\n你想把导弹精准砸在敌人头上，保障前线士兵安全回家，你敢用一个“大概率有用”的系统吗？\n这种高精尖的硬核现场，根本容不下半点概率偏差。\n\n硅谷的顶级工程师们确实聪明，但他们和真实的产业现场完全脱节。\n他们有一种近乎宗教式的傲慢。\n你去旧金山找他们，他们的态度通常是：我今天不需要解决你这个具体而脏乱差的现实问题，因为明天我们的 AI 就会自动进化，到时候一切都会迎刃而解。\n他们指望用一个一键部署的软件，去替代在泥潭里摸爬滚打的现场工程，这完全是一场滑稽的戏码。\n\n企业 AI 的真正护城河，在于你能不能进得去那些最混乱、最昂贵、容错率极低的组织现场，并有能力把手弄脏，去解决那些恶心的细节。\n拼模型参数大小或写代码能力，根本解决不了这些问题。\n大模型可以生成完美的 PDF，但物理世界的逻辑，依然在工厂、车间 and 战场上。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2073749794225377372","translated_status_id":"2073749794225377372","published_at":"2026-07-05 10:41:09","created_at":"2026-07-05T12:35:42+02:00","url":"https://mubeitech.com/p/2073572608466194838","markdown_url":"https://mubeitech.com/p/2073572608466194838/markdown"}]}