我的 X 阅读

我的关注 科学物理人工智能 神奇小子 动物世界

科学物理人工智能 · 3000 / 3000 条

已同步 74 个列表成员 · 当前内容涉及 65 位作者

更新 10-10 22:12

重置

3000 条 · 第 46/200 页 · 刷新

AYi @AYi_AInotes
10-07 22:22 · 原帖
把 Alexandr Wang 访谈里关于企业级观感塑造(Perception Engineering)的核心逻辑整理在这,方便大家学习参考: 1. Dropbox 时代的反思(The Speak-for-itself Fallacy): 好产品自己会说话是技术团队最大的误区;当你默默迭代功能时,善于操纵市场预期的对手仅凭前置宣讲就能夺走客户的注意力心智。 2. 观感比现实更真实的心理机制: 政企与大企业内部充斥着复杂的官僚风险与利益纠缠,决策者本能地回避暴露系统内部丑陋低效的真实面貌,倾向于采购能够提供高阶叙事、合规背书与安全感的方案。 3. ToB 商业的双轮驱动法则: → 轮子一(现实层):扎实打磨产品底层价值,确保交付与可用性(底线); → 轮子二(观感层):建立剧团级的专业气场与话语体系,用压倒性的高维观感肃清市场上的低质竞品。
AYi @AYi_AInotes
10-07 22:22 · 原帖
千亿帝国 Palantir 为什么长期给新员工发表演书? 身价百亿、前 Scale AI 创始人兼现任 Meta 首席 AI 官、muse负责人的 Alexandr,给出深度拆解: 不是教你搞诈骗,而是在复杂的企业级市场里,用顶级剧团的气场把好产品的价值放大十倍, 这也几乎讲透了企业级商业最残酷的一句大实话: https://t.co/I4dHaqdhmW
Google @Google
10-07 22:12 · 原帖
自 2023 年首次推出 SynthID 以来,我们已为超过 1800 亿张图像和视频添加了水印,同时还有 24 万年的音频内容。 这款工具加入了我们在 Search、@GeminiApp 和 @GoogleChrome 中的内置验证功能,这些功能现在每天定期处理超过 100 万个验证请求。 SynthID Detector 平台是我们持续努力的一部分,旨在为您提供更多关于您在网上看到的媒体的背景信息,以便您能够自信地浏览网络。 了解更多 ↓ https://t.co/ftcZtLw3vC
Google @Google
10-07 22:12 · 原帖
想要检查图像、视频或音频文件是否使用 AI 生成?这是方法: 1 访问 https://t.co/lh6ir7uFl2 并上传图像、视频或音频文件 2 该门户会扫描媒体以检测文件是否包含来自 Google 或我们合作伙伴的 SynthID 水印
Google @Google
10-07 22:12 · 原帖
今天,我们与 @OpenAI、@NVIDIA、Kakao 合作推出 SynthID Detector 的扩展版,很快还将与 @Apple 合作,这是行业范围内为使 AI 生成内容更加透明所做努力的一部分。 我们的验证门户现已在全球以英语提供,让您可以检查媒体是否由 AI 生成
AYi @AYi_AInotes
10-07 21:59 · 原帖
https://t.co/p6WmWbeWgx 引用:https://t.co/8MpCmuL0k0
AYi @AYi_AInotes
10-07 21:42 · 原帖
补充本·阿弗莱克访谈里关于 AI 与影视制作的核心细节: → 计算机与视觉特效背景: 在胶片转向数字化时代开始自学编程,能编写基础 Python 脚本; 在成立 Artists Equity 之前创立过专注机器学习与视觉特效的小型后期公司,长期使用 GPU 工作站。 → 他眼中的张量(Tensor)大白话定义: 图像在数字维度的数值翻译,包含批次编号(Batch ID)、帧编号(Frame ID)以及每个像素对应的 R、G、B 色彩数值矩阵。 → 算法代际演进: 早期利用卷积神经网络(CNN)提取边缘轮廓与几何特征(如识别窗台以辅助绿幕抠像); 后演进为利用 Transformer 架构实现跨帧的高并发注意力计算与全局视效生成。 → 商业落地成果: 他创立的 16 人 AI 后期制作团队 InterPositive,在 2026 年 3 月被 Netflix 以 5.87 亿美元现金全资收购。
AYi @AYi_AInotes
10-07 21:42 · 原帖
好莱坞顶级明星本·阿弗莱克在访谈里聊起 AI 技术,一开口就把全场科技圈的人给听愣了: 他不仅自己会写 Python 脚本,懂卷积神经网络,常年亲自用 GPU 跑视觉特效, 当年甚至直接利用奥斯卡巨星的身份,给 Google 和 OpenAI 高层打电话刷脸,提前跑到内部去参观他们还没发布的底层视频模型。 大家以为他只是个演蝙蝠侠的当红演员, 但很多人不知道,他在成立制作公司之前,自己就开过一家深耕视效和机器学习的后期工作室。 在视频里,他用两分钟大白话把高深的算法讲得比很多技术博主还要通透: 他说图像在计算机眼里就是一串叫张量的数字, 包含批次编号、帧编号,以及画面里每一个像素的红绿蓝 RGB 数值; 以前好莱坞抠绿幕、换背景,靠卷积神经网络去识别窗台或边缘特征, 而现在的 Transformer 架构,能一口气把这些计算并行跑在成千上万个张量上。 当团队告诉他 Google 和 OpenAI 开始用 Transformer 做视频生成时, 他抄起电话打过去说:嗨,我是本·阿弗莱克,我能去你们实验室看看你们在做什么吗? 两家顶级巨头当场开门放行,让他直接看到了最机密的内部研发进程。 这不仅是一段名人探班的趣闻,更点出了顶级创作者在技术浪潮里最核心的壁垒: 懂一线电影工业的真实痛点,懂底层代码和张量的物理限制, 再加上无可替代的顶级人脉资源, 这正是为什么他带队的 16 人后期 AI 团队,后来能被 Netflix 以 5.87 亿美元现金全资收购。 懂技术的极客不懂电影,懂电影的导演不懂代码, 而当一个手握奥斯卡奖杯的导演开始亲自写 Python 时,整个行业的代际差距就被瞬间拉开了。 在各行各业里,你都见过哪位跨界大牛对新技术的理解深度,曾彻底打破过你的刻板印象呢? https://t.co/YMER7DETUX 引用:Ben Affleck reveals he writes Python, understands convolutional neural networks, worked extensively with GPUs, and used his celebrity status to get private looks at Google and OpenAI’s video models “I’ve always been kind of into computers since I was young. Then, when film started to move from analog film to digital, I became more interested in that aspect of it. The visual-effects workflow for many years has included machine learning, so I can write pretty shitty Python scripts and stuff like that. “With convolutional neural networks, which were the precursors to what the transformer can do, which is much more computation simultaneously, you would do things like look at what’s called a tensor. That’s the numerical translation of a visual image in numbers, like the batch number, the frame number and the red, green and blue values of each pixel in each frame. It’s just that simple. That numeric is called a tensor. “You’d use a convolutional neural network to identify patterns that reveal what’s called edge detection or feature extraction, which is identifying patterns well enough to know, this is where the window ledge is, so we can more easily take the green-screen image out and replace it with something. “That was familiar to me early on because, prior to Artists Equity, I had a small visual-effects company. I’ve worked with GPUs a lot too. The visual-effects guys said, ‘Hey, you should see. There are a couple: Google and this other company, OpenAI, are doing really interesting stuff with transformers in video.’ “I’ve learned that I can actually just call up and go, ‘Hey, it’s Ben Affleck. Can I come see what you’re doing?’ Sometimes people say yes, to my astonishment.”
DAIR.AI @dair_ai
10-07 21:40 · 原帖
使用我们全新的 MCP 工具探索本周顶级 AI 论文。 将其连接到 Codex、Claude Code 或 Grok Bot。 引用:介绍 @dair_ai 的 MCP 工具。 将 MCP 连接到你的 Codex/Claude/Grok Bot,以发现和探索顶级 AI 论文。 我们精心策划了这些论文,因此你可以期待大多是重磅内容。 该索引包含了过去几年我在 X 上推荐的所有论文。 开始使用:https://t.co/Sg7OaryRY5 > 查找并总结精彩论文 > 探索我们的 harness 工程合集 > 找到新的实验方法 > 查找 AI 主题的 SOTA 结果 > 生成文献综述/调查 > 构建你的个人收藏 > 可视化论文 > 以及更多 演示展示了如何安装它,包括受 @karpathy 启发的可视化论文的一些想法。 我们才刚刚开始。如果你有反馈,请联系我们。我们将在未来几周内发布一些基准测试,并将定期推出新增功能和改进。敬请期待!
Wonder of Science @wonderofscience
10-07 21:40 · 原帖
暮光光束,也称为上帝光束,是阳光穿过树木、云层或其他物体间隙射出的光束,形成了可见的光柱,这些光柱被阴影区域分隔开来。
elvis @omarsar0
10-07 21:39 · 原帖
隆重推出适用于 @dair_ai 的 MCP 工具。 将 MCP 连接到您的 Codex/Claude/Grok Bot,即可发现并探索顶尖的 AI 论文。 我们精心挑选论文,因此您可以期待看到大量精品。 该索引收录了我过去几年在 X 上推荐的所有论文。https://t.co/Q8krnKQW9B
Derya Unutmaz, MD @DeryaTR_
10-07 21:29 · 原帖
这是我等待了几十年的时刻,自从我梦想有一个时代,我们可以用 AI 在硅上创造虚拟细胞并完全模拟生物学。 正如我一再所说,虚拟生物学以及最终的数字孪生是治愈所有疾病和衰老的关键。是时候加速了! 引用:一个通用的细胞预测模型将极大地加速科学发展,使生物学家能够以数字方式进行实验。今天,我们宣布与美国能源部(DOE)和国立卫生研究院(NIH)建立一项重大合作伙伴关系。该伙伴关系的目标是生成构建人工智能准确细胞模型所需的数据。 Isomorphic、Google DeepMind 和 Meta 作为 Virtual Biology Initiative 的创始合作伙伴加入我们。这是大规模协调努力的开端,旨在绘制细胞生物学地图,以推动生命数字模型的开发。其他领先的科学机构和联盟,包括 Allen Institute、Broad Institute、Gladstone Institutes、人类细胞图谱(Human Cell Atlas)、人类蛋白质图谱(Human Protein Atlas)、Wellcome Sanger Institute,以及 NVIDIA,正作为这一国际科学项目的一部分共同努力。 创建细胞预测模型是未来十年科学面临的最重要挑战之一。从中获得的洞见可能解锁对疾病的更深刻理解,并开辟治愈新途径。 我们邀请全球科学界和其他资助者加入这一努力。
Markus J. Buehler @ProfBuehlerMIT
10-07 21:29 · 原帖
这是一项意义非凡的计划——构建细胞预测模型。 引用:通用的细胞预测模型将极大地加速科学发展,使生物学家能够以数字化方式开展实验。今天,我们宣布与美国能源部 (DOE) 和美国国立卫生研究院 (NIH) 建立一项重要的合作伙伴关系。此次合作的目标是生成构建精确的细胞模型所需的数据,该模型将利用人工智能技术实现。 Isomorphic、Google DeepMind 和 Meta 将作为创始合作伙伴加入我们,共同推进虚拟生物学计划 (Virtual Biology Initiative)。这标志着一项大规模协同工作的开始,旨在绘制细胞生物学图谱,从而推动生命数字模型的开发。其他领先的科研机构和联盟,包括艾伦研究所、博德研究所、格莱斯顿研究所、人类细胞图谱、人类蛋白质图谱、维康桑格研究所和英伟达 (NVIDIA),也正在参与这项国际科学项目。 构建细胞预测模型是未来十年科学面临的最重要挑战之一。由此获得的洞见有望加深我们对疾病的理解,并为疾病的治愈开辟新的途径。 我们诚邀全球科学界及其他资助机构加入我们,共同推进这项工作。
Chetaslua @chetaslua
10-07 21:26 · 原帖
OpenAI 发布了 722 篇数学论文,而你还没读它们, 这个 4 分钟的流行说唱神曲解释了他们解决了什么以及为什么重要 至少看一次吧,这值得,我发誓里面有彩蛋 引用:我们正在发布一款内部前沿模型产生的大量新数学成果。 我们一直在与高级研究所的独立数学与人工智能顾问小组进行磋商,并借鉴了他们的建议和公开推荐,来指导我们如何发布这些成果。 https://t.co/7N6TPlft1P
AYi @AYi_AInotes
10-07 21:20 · 原帖
转帖:Damn! 老马牛逼,Grok bot才是@SpaceXAI 的太子啊, 马斯克刚刚发布了一条足以改写 AI 格局,甚至震撼整个 AI 行业的的重磅声明:Grok Bot 不再绑死自家模型, 未来在处理任何具体任务时,系统将直接调度全网最顶级的后端模型,包括 Anthropic 的 Claude Opus 5.5、Midjourney、Suno 以及其他领先的 API。 唯一考核的标准只有一句话:怎么做最能给用户交付最好的结果。 这条以 SpaceX 官方名义发出的推文,在短短几小时内席卷了两千多万曝光, 很多人第一反应以为这是马斯克在变相承认自家模型的短板, 但只要看懂这背后的商业重构,你会发现这其实是一场极其冷酷的升维降击: 大模型打到底层,模型层正在退化为廉价的电力,而真正的超级霸主,正在疯狂抢夺总插座和电表的垄断权。 马斯克这次点名的三家,精准踩中了目前通用大模型依然无法完全吃下的三个顶级专科: 写复杂代码与长程 Agent,直接调度口碑最好的 Claude Opus 5.5; 做高审美视觉设计,直接调用统治力依然稳固的 Midjourney; 生成音乐与音频,直接挂载完成度最高的 Suno。 这背后撕开了未来 AI 竞争最值钱的四个底层真相: 第一,护城河从我们模型最聪明,彻底变成了我们最知道该叫谁。 底层的模型权重每隔六个月就会迭代一次,天天跟同行卷跑分是无休止的军备消耗; 但只要用户的任务历史、工具授权、记忆上下文和订阅入口全部沉淀在 Grok Bot 这个壳子里, 底下换谁的脑子,用户根本不在乎,马斯克依然稳稳收走所有的月费和流量。 第二,专科模型没有死,但生存形态彻底变了。 马斯克愿意花钱为画图和写歌单独接外部 API,说明垂直工具在极致审美上依然有壁垒; 但未来垂直工具的终极宿命,不再是逼用户单独下载一个新 App,而是变成顶级路由平台随时调用的一行接口。 第三,代理层比模型层更接近终极收费点。 模型可以月月换代,价格可以被开源打到脚脖子, 但那个能帮你自动规划步骤、记住你的习惯、管理几十个工具权限并在后台默默把成品交回来的主控智能体,才是谁也偷不走的刚需资产。 第四,这也是一场算力与分发的隐秘对冲。 今年 5 月 Anthropic 刚刚签下了使用 SpaceX 旗下 Colossus 超级算力集群的协议; 在前端把流量路由给 Claude,在后端卖算力给 Anthropic, 这根本不是单向的认输,而是一场把算力、分发与模型三方利益吃干抹净的平台级阳谋。 这其实给所有做产品、做内容的朋友提了个极其清醒的原则: 以后别再盲目死磕某一家大模型的单向崇拜了。 聪明人的工作流早已按任务彻底解耦: 写代码挂 Claude,做图挂 Midjourney,整理挂本地, 把你的忠诚度留给最终的交付结果,而不是任何一个具体的模型厂牌。 大家平时用 AI 时,是习惯死守一个工具用到底,还是已经学会了根据任务把不同模型组合起来用了,欢迎分享交流鸭!