{"source":{"id":"2077414561528029534","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·…","url":"https://mubeitech.com/p/2077414561528029534"},"method":"semantic-similarity","count":6,"items":[{"rank":1,"id":"2051296304740069635","account":"mubei","brand":"@mubei","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…","summary":"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，就能像造国际象棋引擎一样拼凑出大脑。 霍夫斯塔特断言这条路走不通。 心智无法通过自上而下的规则被制造。 它只能从极度复杂的底层机制中自发涌现出来。 真正的智能必须具备一种能力…","body":"1979年，连深度学习的影子都没有。\n全世界搞AI的聪明人全在死磕符号逻辑。\n大家认定只要一条条写死规则，就能像造国际象棋引擎一样拼凑出大脑。\n霍夫斯塔特断言这条路走不通。\n\n心智无法通过自上而下的规则被制造。\n它只能从极度复杂的底层机制中自发涌现出来。\n真正的智能必须具备一种能力，叫递归的自我建模。\n他专门造了一个词，怪圈。\n现在的神经网络底层密码完全印证了他的直觉。\n\n把这些洞见写下来，他弄出了一本800页的怪物。\n书名叫《哥德尔、埃舍尔、巴赫》，简称 GEB。\n全球几乎所有顶尖 AI 科学家，都是因为看了它才入坑。\n比尔·盖茨把它列入人生书单，乔布斯也是它的老读者。\n\n去翻翻就知道这书有多折磨人。\n想消化里面的数学推导，你甚至得开着最新的大模型在旁边当助教。\n绝大多数人买回家就是放在书架上落灰。\n但这完全没关系。\n只要随便挑出50页硬啃下来，你思考问题的方式就会发生物理层面的改变。\n\n有意思的是预言家本人现在的反应。\n50年前他放弃物理学，一头扎进对智能的追问。\n现在面对满地跑的 LLM，老爷子自己也开始怀疑人生。\n他坦诚，这些机器证明了他的类比理论是对的，却彻底摧毁了他对意识的定义。\n\n这本在真正 AI 诞生前就解释了 AI 的神作一直摆在那里。\n绝大部分人永远都不会去翻开。\n敢去碰一碰的人，下半辈子注定会用另一双眼睛看世界。","category":"其它","score":100,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-05 08:21:29","created_at":"2026-05-05T10:20:26.071960","url":"https://mubeitech.com/p/2051296304740069635","markdown_url":"https://mubeitech.com/p/2051296304740069635/markdown"},{"rank":2,"id":"16106690","account":"mubei","brand":"@mubei","title":"一个拿过两次全球第一的机器学习大神，看了一眼大学里教 AI 的方式，觉得这帮教授全搞反了。 大学教 AI，喜欢先筑基：…","summary":"一个拿过两次全球第一的机器学习大神，看了一眼大学里教 AI 的方式，觉得这帮教授全搞反了。 大学教 AI，喜欢先筑基： 微积分、线性代数、概率论，一啃就是一两年。 等学生终于见到真正的神经网络时，脑子早就被公式格式化了。 至于怎么把模型部署到服务器上？ 对不起，那是工程问题，学校…","body":"一个拿过两次全球第一的机器学习大神，看了一眼大学里教 AI 的方式，觉得这帮教授全搞反了。\n\n大学教 AI，喜欢先筑基：\n微积分、线性代数、概率论，一啃就是一两年。\n等学生终于见到真正的神经网络时，脑子早就被公式格式化了。\n至于怎么把模型部署到服务器上？\n对不起，那是工程问题，学校不教。\n\n这位大神觉得，这就像学棒球先学三年流体力学，纯属折腾人。\n学 AI，应该像学写代码或者学骑车：\n先跨上去，把车骑走，摔倒了，再来琢磨重心在哪。\n\n于是，他做了一门完全免费的课程：fast.ai（《Practical Deep Learning for Coders》）。\n没有任何学院派的花架子。\n它不设繁琐的高数门槛，只要你有一点最基础的编程经验，就能开始。\n\n它的授课逻辑是“自顶向下”。\n第一节课，不推公式，直接教你用 PyTorch、fastai 和 Hugging Face 跑通一个图像分类模型，并且部署上线。\n先让你看到：这东西不仅能用，而且我也能做出来。\n\n有了这个正向反馈，再往深了刨：\n神经网络底层是怎么进行矩阵乘法的？\nStable Diffusion 到底是怎么一步步降噪生成图片的？\n反向传播（Backpropagation）又是怎么更新权重的？\n\n看一眼他们的教学大纲就知道有多务实：\n第一部分，全是实战，连“数据伦理”和“模型部署”这种学校里极少提、但工作里天天踩坑的细节都包进去了。\n第二部分，才是带你硬核手撕底层，从零手写 Stable Diffusion。\n\n在这个人人都想靠卖 AI 课割韭菜的时代，fast.ai 始终免费，没有广告。\n这不只是一门课，这是一场对学术精英主义的“物理超度”。\n它向所有人证明了：在 AI 时代，动手构建并交付产品的能力，永远比那一纸名校的学术头衔更管用。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2072377595253948755","translated_status_id":"2072377595253948755","published_at":"2026-07-01 08:56:52","created_at":"2026-07-01T10:52:28+02:00","url":"https://mubeitech.com/p/16106690","markdown_url":"https://mubeitech.com/p/16106690/markdown"},{"rank":3,"id":"2059986678262235405","account":"mubei","brand":"@mubei","title":"Anthropic CEO Dario Amodei 最意外的事，是公众还没意识到 AI 指数曲线快跑到最后一段了。 他…","summary":"Anthropic CEO Dario Amodei 最意外的事，是公众还没意识到 AI 指数曲线快跑到最后一段了。 他说，过去三年，底层技术大体按他的预期前进。 模型从聪明高中生，走到聪明大学生，再走到开始做 PhD 和专业工作的水平。 在代码领域，甚至已经越过这个线。 真正让…","body":"Anthropic CEO Dario Amodei 最意外的事，是公众还没意识到 AI 指数曲线快跑到最后一段了。\n\n他说，过去三年，底层技术大体按他的预期前进。\n模型从聪明高中生，走到聪明大学生，再走到开始做 PhD 和专业工作的水平。\n在代码领域，甚至已经越过这个线。\n\n真正让他惊讶的，是外面的人还在吵同一批旧政治议题。\n新剧集。\n新表情包。\n明星互撕。\n选举新闻。\n人类历史级别的生产力迁移，反而像背景噪音一样被滑过去。\n\n他的底层判断很朴素。\n早在 2017 年，GPT-1 刚出来时，他写过一个想法，叫 Big Blob of Compute Hypothesis。\n大意是，别太迷信聪明技巧。\n真正长期起作用的，是几件笨东西。\n\n原始算力有多少。\n数据量有多少。\n数据分布够不够广。\n训练时间够不够长。\n目标函数能不能一路扩展。\n数值稳定性能不能撑住那团巨大的计算流。\n\n这套逻辑，后来在预训练 scaling law 里跑通了。\n现在 Anthropic 看到，RL 也在走类似路线。\n先在数学竞赛题上训练。\n再扩到代码。\n再扩到更多任务。\n模型能力会随着训练时间呈现近似对数线性提升。\n\n有人质疑，这不像人类学习。\n人类不用看几万亿个 token，也不用烧掉几十亿美元算力，才会用 Excel、PowerPoint、浏览器。\n如果 AI 真有人的学习核心，为什么还要建这么多强化学习环境？\n\nDario 的回答有意思。\n这个谜题存在，但可能没那么致命。\n人脑出生时已经带着进化给的先验。\n语言模型从随机权重开始，像一张更空的白纸。\n\n所以预训练和 RL，更像夹在人类进化与人类学习之间的一层东西。\n模型先用天量数据长出先验。\n再靠长上下文，在具体任务里快速适应。\n当上下文长度到一百万级别时，推理成本成了主要阻碍，学习能力本身已经开始显形。\n\n这就是很多人低估 AI 的地方。\n他们以为差距在于知道哪个工具火。\n真正的差距在于，谁已经把工具嵌进工作流，谁还把它当搜索框、玩具、聊天窗口。\n\n大多数人只用了 10%。\n少数人正在把 100% 的工作方式重写一遍。\n\n下一轮阶层分化，未必先发生在公司估值表里。\n它会先发生在同一间办公室里，发生在两个看似职位相同的人之间。\n一个人在操作软件。\n另一个人在调度计算。","category":"其它","score":100,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-28 16:01:27","created_at":"2026-05-28T17:58:23.017496","url":"https://mubeitech.com/p/2059986678262235405","markdown_url":"https://mubeitech.com/p/2059986678262235405/markdown"},{"rank":4,"id":"2070628394342195460","account":"mubei","brand":"@mubei","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-…","summary":"“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-Fei Li 公开泼了盆冷水。 人类的智力太深邃了。 语言只是其中的冰山一角。 用文字你可以教人写代码、做推论，但你没办法用文字教会一台机器开车，更没法用文字教…","body":"“宣称 AI 将让智力变得免费，是极其不负责任的。”\n写出 ImageNet、开启上一轮视觉革命的 AI 教母 Fei-Fei Li 公开泼了盆冷水。\n\n人类的智力太深邃了。\n语言只是其中的冰山一角。\n用文字你可以教人写代码、做推论，但你没办法用文字教会一台机器开车，更没法用文字教会它投篮。\n这中间存在着巨大的“信息损耗”。\n只靠会聊天的语言模型，AI 永远无法真正理解这个复杂的物理世界。\n\n所以，她直接攒了一个估值超过 10 亿美元的新局，去死磕当前模型根本搞不定的方向：\n空间智能（Spatial Intelligence）。\n\n当年，她用 ImageNet 给模型喂出了视觉革命；\n现在，她要把战场从“会说话的黑盒子”，带向“能理解物理规律的世界模型”。\nAI 革命远没有结束，它才刚到 V1 版本。\n\n工业革命没有消灭劳动力，它让劳动变得更高效。\nAI 也不会让智力免费，它要把“下一种稀缺”狠狠地暴露出来。\n当文字和代码变得越来越便宜，真正高门槛的稀缺资产，将变成那些能感知空间、理解物理规则、并在现实中做出精准动作的实体系统。\n\n别被廉价的口号蒙蔽了。\n当潮水退去，真正的科技护城河，永远在硬碰硬 of 物理世界里。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2070636570558771281","translated_status_id":"2070636570558771281","published_at":"2026-06-26 22:04:26","created_at":"2026-06-27T00:00:54+02:00","url":"https://mubeitech.com/p/2070628394342195460","markdown_url":"https://mubeitech.com/p/2070628394342195460/markdown"},{"rank":5,"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":6,"id":"2056365603867251075","account":"mubei","brand":"@mubei","title":"OpenAI 联合创始人、现代 AI 架构的奠基人之一 Andrej Karpathy，最近差点突发心脏病。 原因很可笑…","summary":"OpenAI 联合创始人、现代 AI 架构的奠基人之一 Andrej Karpathy，最近差点突发心脏病。 原因很可笑。 他去看了眼 AI 写的底层代码。 听听这位顶级大佬有多矛盾。 他刚在会上满面春风地分享自己的“高效秘诀”。 原话是：“我已经彻底放弃检查 AI 输出的代码了…","body":"OpenAI 联合创始人、现代 AI 架构的奠基人之一 Andrej Karpathy，最近差点突发心脏病。\n原因很可笑。\n他去看了眼 AI 写的底层代码。\n\n听听这位顶级大佬有多矛盾。\n他刚在会上满面春风地分享自己的“高效秘诀”。\n原话是：“我已经彻底放弃检查 AI 输出的代码了。”\n像是在传授终极生产力魔法。\n结果下一秒，他自己掀了底裤。\n\n他承认，偶尔扫一眼这些代码，心跳都会骤停。\n满屏全是极其臃肿的垃圾代码。\n到处是粗暴的复制粘贴，逻辑抽象生硬得像玻璃一样脆。\n它确实能跑，但极其恶心。\n你让 AI 简化一下试试。\n它根本做不到。\n\n最滑稽的画面出现了。\n这套系统能一口气重构十万行代码。\n但你问它“Strawberry”里有几个 R，它直接死机。\nKarpathy 居然摊着手问台下：这到底怎么回事？\n老哥，你是发明这套技术栈的人，你问我们？\n\n这就是当下 AI 编程的真实前沿。\n也是底层工程师拼命向 CEO 隐瞒的秘密。\n代码烂到让人心梗，但大家都在装作一切顺利。\n以后的软件公司，光有咖啡机不够了。\n得在工位旁边配个心脏除颤仪，外加一个待命的心内科医生。\n以后早会的画风就是：昨天做了什么？今天做什么？有人胸痛吗？\n\n这背后的技术硬伤在哪？\nKarpathy  。\nAI 根本没有内在逻辑。\n它本质上是一个极度复杂的自动补全工具。\n如果你的具体任务没出现在它的基础训练数据，或者强化学习的题库里。\n没有任何力量能让它把正确代码吐出来。\n\n既然这样，程序员还要怎么混？\n刷 LeetCode 和解算法题的套路没用了。\n以后的面试只考一样东西：写 Spec 的能力。\n面试官会直接让你用 AI 建一个推特的克隆版。\n如果你没私下练过，AI 马上就会在 Token、Cookie 过期、密码修改机制上全面崩溃。\n未来的核心竞争力，变成了用极度精准的英语，把所有边缘情况一次性定义死。\n争取用一个 Prompt 拿到结果。\n\n连 Karpathy 这种制定规则的大佬，都在对行业的黑盒发懵。\n普通人感到迷茫就对了。\n资本还在用全知全能的幻觉炒作估值。\n工程师则在用这种幻觉糊弄不懂技术的老板。\n所谓的狂飙突进，靠的全是不敢掀开的遮羞布。","category":"其它","score":100,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-18 17:02:49","created_at":"2026-05-18T19:00:33.853734","url":"https://mubeitech.com/p/2056365603867251075","markdown_url":"https://mubeitech.com/p/2056365603867251075/markdown"}]}