中国AI最新突破！和美国人工智能有啥不同？【大小马聊科技71】
ฝัง
- เผยแพร่เมื่อ 5 ก.พ. 2025
- 中国AI有啥最新突破？中国对比美国，在AI发展上有什么重要优势？AI会不会带来人口数量的急剧下降？AI在我们生活中已经有哪些日常应用？有哪些AI应用值得推荐？
视频文稿和推荐资料小丹尼知识星球：t.zsxq.com/VvzjeEu
小丹尼《年轻人的商学院》课程：bilibili.com/cheese/play/ep10540
商务合作/加入团队：dannydata@126.com
小丹尼和大小马微信群：dannydata1
谢谢！
感觉这些大佬拽着菜市场层面一顿猛聊。
就是喜欢听你们这个频道！谢谢你们2024年的工作，祝各位大咔新年快乐，2025年事业兴旺，万事如意🎉🎉🎉
AI跟光刻機不同,不需要十萬個零件受制於外國,只要人才夠多就可以發展
而中國更大的優勢是擁有龐大的產業鏈,所有AI產品都可以流入各產業,提升產品維度,再過幾年會跟華為的6G一樣,讓各國望塵莫及~~~
Part 4)
許多專業領域的AI 很早就開始做了，而且做的很好很成功。 目前台面上的AI , 是指生成式AI（ 時間序列高度相關的）， 這是兩碼事。
AI 別隨著美國起舞，無論方法上及方向上，目前台面上這些以資工leading 生成式AI 的美國AI 發展已完全走偏撞大牆了。
目前以資工leading 生成式AI , 這群碼農也太批蛋了。
1） 利用40年前已完善的數理統計（ 㢠歸分析及時間序列高度相關變數的自迥歸分析。 ） 2） 包裝𠆤高大上的類人類神經網路的偷盜慨念。3） 藉由半導體科技的算力。
完全沒有任何創新的欺世盜名妥妥的碼農（ 程序員）居然能拿諾貝尔物理奬。
物理學家/ 數學家您們睡著了嗎？！居然能容忍這等離譜偷盜者的獲奬。
另外我以前一些同學，現仍在美國Google 參與相關大模型工作，拈他們告知我的小道未經證實的消息。
1） Google 在這方面付了大筆的學費。
2） Google 養了全世界各產業領域的頂流專家， 特別是語言學家，參與相關建模。
3） OPen AI 及近期獲諾奬的加拿大教授， 這師徒們，從Google 弄走了不少錢。 最後Google 看穿了，不得不將Open AI 這些人從Google 割出去。
而李非非近期也搞𠆤digital cousin 數字表親， 根本就是小樣品摸擬實驗：
這也不是什麼新方法和新手段。 在數理統計中40 年前早就有的手段。
這些碼農一而再再而三的把數理統計的成熟手段，拿來搞什麼AI 新技術。並給𠆤新名詞進而宣稱是創新，太扯蛋了！
我在40 年前的博士論文就是在
針對小様品試驗進行電腦模擬試驗。如核爆/ 飛機失事等等，在現實情況下很多領域只能取得非常有限的小様品數據，因此針對這些小樣品試驗我們就會引入模擬試驗的手段和方法， 並進而利用這些電腦模擬數據，最終做出穩定可靠的預測模型。
nature 有關AI 近期訊息：
th-cam.com/video/kp6eiyRBFlM/w-d-xo.htmlsi=2sKWhTVx3qecNvJ4
這𠆤問題很容易理解。
當我們的需求是專業有限變數的問題， 如股票決策/ 海洋及気象動力/ 無人架駛/ 化學工程/ 土木工程/ 等等，許多專業的有限變數， 這些已建立完成很長一段時間模型的精準度非常高。
而大語言模型想要用海量變數去涵蓋這些專業模式，其自然的結果就是錯誤率極高。
也就是說針對專業有限變數模型，那些大語言模型的99% 變數不旦是垃圾， 還是有毒害的垃圾。
因此使用AI 一定要知道什麼問題什麼場景使用什麼模型。
th-cam.com/video/vG013hWAZwc/w-d-xo.htmlsi=NDA12ZYY4hCIg_C5
th-cam.com/video/XffDExSYIOA/w-d-xo.htmlsi=4OZ7WUrlQRCcw-KP
AI 發展的3 大組成； 各產業領域的專家，建模數理理論，算力編程的提供及組織。
這就是我早就預見
如果由算力或資訊工程來主導AI ，外行領導內行，將會走的很偏很快撞牆
再看看這一報導，今天的結果，在我今年（2024 ）初的part 1) 2) 3) , 先前的論述中都精準的表達過。
th-cam.com/video/ojndlMzGZZk/w-d-xo.htmlsi=wuEqsPUOzxuPrcRR
目前（2024-10 月）生成式大模型 AI 的發展基本撞牆了。 由 資工主導的必然性- 泡沫化， 已確定了。 因為以上三份報告都是非常權威的。
再看看這份報告：弄出人命了！
陪聊AI 沒有心理咨詢醫生做專業恊助/ 溝通/ 警示/ 防範等等， 由碼農直接單幹，太多的心理專業知識手段應對都沒有投入，是造成這事件背後的主因！
th-cam.com/video/yNZsC7zvTgw/w-d-xo.htmlsi=_RK7ZM6Xaa_oQn7E
這就是我在個人相關分享中 part 3) 談及的；
AI的健康發展是以各領域專業專家組為主導，數理統計為核心，編程及算力只是工具，否則用提供算力及工具的這些人來leading AI 發展，會形成外行領導内行，並為AI 發展種下低效偏差甚至高風險的發展。
譬如新藥開發/氣象預報/各種不同語言等等都是以領域專家為核心，否則就亂套了。
更可行的作法， 各國加緊立法，用國家特准许可的方式，來認證並核准各領域不同應用AI 的開發許可及成效認證，譬如目前自動駕駛這領域，不能僅憑廠家自行認證，必需由國家相關單位認證，納入國家法規制約。其實其他領域也應該如此，即便服務大眾的生成式大模型也要納入規範管理，絕對不能任由AI 公司自行任意發佈，一個小電器產品都需有関認證，才能上市銷售，目前AI 大模型實在是太無序了，AI 公司任意上市推出由市場決定其優劣，客戶當白老鼠，完全沒有任何管理約束機制。
任何AI 應用開發的公司，必須有相關該應用領域專業專家為主導，及數理統計的人員的參與，如果沒有通過這些人員資質審核要求的公司或團隊，一律不得從事AI 開發及應用工作。否則視為違法。如同醫師證照，沒證照的醫師坐診，診所如何能執業？！
建立政府職能的審核監管制度，才能防止並追蹤AI 的錯誤使用/ 違規使用/違法使用， 也進而能排除人們對AI 發展造成危害人類的擔憂。
再看看下面報導：
th-cam.com/video/TRxYKidqY8E/w-d-xo.htmlsi=ukFmC8XGPa17d6It
th-cam.com/video/mXlaAto1qx0/w-d-xo.htmlsi=B_gy3Uq8JXOM2NF8
th-cam.com/video/uPZ-eyDyo4A/w-d-xo.htmlsi=AL1EkqW7uM1EhpQh
AGI 基本就是建立一套從千萬上億 由領域產業專家建立的專業小模型進行徵用的智能機制（藉由針對使用者一些基本需求的梳理，形成分門別類確立問題的機制）不能一昧的用大模式（發散式包攬所有）。
其實人類的思維也是如此，先確定問題是屬於那𠆤範籌，再從我們的大腦內調出已確認範籌的相關知識及經驗進而進行各種響應。
生成式大模型，只適用於sequences 高度相關的時間序列資料分析。 如語言文字前後字文分析，圖像點分析或是語音樂律分析等等。不可盲目外延。
Part 1):
任何一條神經網路也是一個多變數廻歸分析，也是統計學迴歸分析的一環。我在40年前攻讀數理統計就涉及這些人工智能及多變量（含時間變量）的廻歸分析（向量/ 矩陣/ 線性代數/ 機率/ 取様….）, 以便對一些事件做出精准智能的預測。
所謂自我學習或機器學習也只是用後面收集或模擬出的更新的資料去修正原先迥歸分析的杈重或係數參數而已。
而深度學習也只是處理巨量變數時，為了避免僅用單層機器學習進行巨量變數而需要解大矩陣導致對巨量平行計算的需求，進而變換設計成每層適量變數，建立多層次的機器學習修正。
40 年前人工智慧就是數理統計的一大課題。馬斯克說得一點都沒錯-目前的人工智慧全部建立在數理統計的基礎上。從那時開始就不斷有各行各業的數據分析專業人士來我們數理統計這參與並學習迥歸分析。他們回去後就不斷建立了屬於他們行業內的多條神經網絡（行業內的迥歸模型）。
在那時從事這類研究工作的數理統計的博士生全部被限制在晚上12 時過後才能使用國家級的超級計算機，否則我們兩三𠆤人一上線全部就大當機。我們那時也發展出一套類似挖礦機的方式，利用所有大量閒置的𠆤人電腦來提供其微小的算力，進而整合這些龐大的所謂分散型算力，但受限那時網路的不發達，很難把規模擴大。
近幾十年隨計算機能力不斷提升，目前市面AI 所謂大模型，主要是著力於面對”服務大衆需要”的所謂生成式/ 語言等等的智能協作服務。就是把百行百業各個領域等等數以千萬千億計資料進行迥歸模型的建立及修正（所謂自我深度學習）而形成龐大的神經網絡。
因此也不用太誇大眼下的AI , 這些早在40 年以前都已建構了理論基礎，而智能恊作早在各專業領域都已發展的非常完善，只是因過去算力不足只能在各自專業領域進行中小規模（變量數較少）的神經網絡建構。例如氣象預報就是早期最明顯的利用氣象專用超高速大電腦發展為成熟預測能力（AI)的例子，股票買賣決策也是智能恊作(AI/CIC)的典型。
”把簡單數學上使用即存的規模資料或電腦模擬資料進行所謂的㢠歸分析/模型建構並藉此模型做可行的智能預判或恊作，包裝成醫學上複雜尚未完全掌握的神經網路的機制及作用原理”，不但瓢竊了數理統計在AI 發展的絕對地位，實在也是在誤導整𠆤AI 的發展。也會造成眼下一般人的過度期待和焦慮。應將AI 改稱作” CIC:Computer Intelligent Collaboration , 電腦智能恊作， 更為恰當。
何謂知識？ 由經驗總結後（ 抽象具體化） ，就形成知識（用數字分析的表達方式就是去建構知識模型）。 形成知識後就可複製/ 傳承/ 預測/ 擴展。因此目前的AI 發展，就是在循人類文明發展至為重要的其中的一𠆤過程-只是採用了數位化的方式，將經驗知識化了。
目前的AI 只是以數理統計為手段及方法論，以資訊及計算機工程為工具，進行數位型的經驗知識化的過程。
人類有許多其他不同型態非常複雜的智慧，這種僅止於知識數位化的智慧， 其實離人類多型態的智慧還有非常巨大的距離。
另外， 眼下AI 服務於大衆的大模型的各種數學理論及所謂的機器學習（參數修正）及深度學習（參數及變數的多層次增加及修正）。 早在40 年前相應的數學理論都已完備（但落實到實際應用上，如何解1 億 by 1 億的聯立方程組( 行列式計算）， 這需要極其龐大的平行計算能力，在那時期是完全不可能的） 。
其實AI 最重要最關鍵的是各行各業各領域的專家組，而不是這些AI 編程的公司（ 他們只是依需求用已完善的數學統計理論加以電腦編程後，利用巨大算力去幫忙找出合適的模型並不斷予以完善）。
只有各行各業各領域的專家組才知道在茫茫大海中的資料及訊息中，那些因素才是其所涉領域的関鍵變數，那些變數資料才是可做為他們收集分析建立模型的。例如氣象學/經濟學/股票買賣智能決策/ 醫學/ 藥學/ 農業生產/ 基因工程/ 化學工程/自動駕駛/飛彈防空系統/圖像識別及處理/ 建築結構力學/小樣品模擬模型（核爆/飛機失事）………..等等。
此外服務大衆的語言學也是極度複雜的一門學課，其可能的變量變因會高達幾千萬𠆤， 再加上多層級過濾學習修正的模式，因此其涉及的變數算力就以億計， 所以才稱做大模型。 要取那些因素進行那一層分析，主要都是語言學家在主導。
而這些眼下的AI 應用的公司， 只是利用已發展完備的數學統計理論在不同領域專家組的指導下，去有效的進行數拈收集整理分析並進而建立一個特定領域的模型，作為該特定領域的電腦智能恊作工具。
Part 2):
另外面對服務大衆的生成式服務，也是要面對大衆各種不同的需求，因此其所需處理消化的資料也是天文數字的龐大，也要各行各業領域專家介入協助指導進而形成並建立大模型。
其實生成式AI 可以理解成升級版的超級搜索引擎，傳統的搜索引擎，用関鍵字/詞，從數據庫內匹配/找出並羅列出可能所需資訊，現在進步升級到如果你給出更具體規範的需求，系統就能從數據庫內拼湊出並提供更完整的接近最終需求的服務內容。這只是把過往已存在的數據庫（已長年經各行業領域專家組維護並梳理過的）更完善的整理優化後予以呈現。而這𠆤更完善的過程使用了大量多層次的統計數字分析的手段。
****主要在處理序列性高度相關的語言陳述序列，圖像高度相關的像素點関係以及音樂弦律的序列呈現。
相應數理統計的手段主要是使用高度相関的時間序列分析自㢠歸建模。
把這個完善化的過程誇大的比擬成人類的思考及智慧（其誇大的目的-圈錢），將造成極大的誤導。
其實生成式大模型（語言/ 圖像/ 音樂等時間序列高度相關資料）所建立的預測模型， 就是用即存服務於大衆的大型搜索的資料庫，如google ， Bing 等等，以數理統計的時間序列分析為核心，結合資訊工程及硬體工程為工具，而進行更貼切於使用者需求的優化過程和結果。所以生成式大模型最終會回到過往提供搜索服務的大型公司的對決。
因此CIC 或是AI 是以特定領域專家組為主導，數理統計為核心，資訊工程及硬體工程都是配合的工具而已。 這樣的發展才會健康/ 不浪費/ 高效率/ 高精確度。
但目前的發展方式， 以資訊工程及硬體工程來主導開發服務大衆的大模型，只是因為這方面天文級別的龐大算力需大資本投入，這是一𠆤比較理想的快速盈利回報的營運方式，但這種情況就會造成眼下嚴重的誤導及錯誤的認知，沒有效率及喪失精準度，甚至如當下出現諸多以提供算力及編程服務的所謂AI 公司出面圈錢的亂象。
其實眼下的蓬勃發展是假象。 不管怎麽發展，從事這𠆤領域研究工作的人不能不具備相關數理統計的知識，也不能缺少專家組對資料的專業的選定/收集/整理。而資訊程序員和電腦只是工具。特別在早期各專業領域內的中小模型的智能發展和恊作，編程只是工具。但當算力上來後，服務大眾的類搜索引擎的生成式及語言大模型，就變得可行了， 但不管怎樣可行，仍是以數理統計為核心，更龐大的專家組仍是關鍵。 只是這種大模型下算力變成稀缺的主要投資成本， 使得這些編程及硬體人員不得不高舉這𠆤旗幟來圈錢， 如果這些編程及硬體人員拿不出這些算力（如果由國家直接投資），他們在整個AI(CIC) 的發展上，根本算不上什麼角色。但這一輪由算力提供方來主導的AI 發展，將會走得很偏，而且會很快撞牆。
這些搞編程所謂AI 專家，其看待事物的内容實在令人啼笑皆非。
譬如： 看到報導某AI 頂流科學家，其模型在AI 大賽中，以16%失誤率， 遠勝於另 一AI 大佬的23% 失誤率，而得到冠軍。
a)殊不知數理統計迥歸分析的誤差要求是5% 甚至到3% ， 一個誤差率高達16% 的模型，居然可以拿出來比賽甚至取得冠軍， 真不知這羣頂流AI 的外星兼外行的科學家在玩什麼遊戲？！
b)人類智慧的誤失率基本都趨近於零。
任何事務的成果，都不是線性的。 這群AI 科學家居然誤導性的告知世人，宣稱他們現在誤差率已達16 % ， 他們離成功不遠了。
殊不知任何人學習或做事務的成果，達到90 分是很容易的，只要多付出就可輕易達成，但90-100 分，那完全不是和努力付出成正比的，那是和天份及其他綜合因素有関，90 分後要再成長其難度是巨大非線性的。
人工智慧的誤失率16% 要成長到 人類智慧的0% 誤失率，給其500 年都難以達到。
另外所謂AI的算力，也多被這些台面上資訊及硬體公司給神話了，整𠆤AI 主要算力在解大矩陣行列式或進行矩陣相乘。 也就是同時或儘量同時計算（平行計算） y 千萬組的 y千萬𠆤數的連乘積或是乘積和。 極其簡單（小學算術程度）但體量龐大的加減乘除。 無任何高深複雜的計算。
GPU 可以當做兼為AI 算力工具，但是GPU 如果僅專用在AI 上，則已是超規格。 因此微軟搞出了這種純滿足AI 小學暴力算術晶片, 或是Tesla 的針對矩陣暴力運算的NPU 。英偉達的GPU一定要小心了，GPU 涵蓋應用面遠大於AI , 如果僅用於AI 算力工作，則晶片設計可採用其他非常簡化有效率的方式，而且成本便宜很多。
未來可能的發展模式：
1） 資訊及硬體工程提供集中算力設備及模型編程的開放平台，供各領域的專家組使用。
有點像當下晶片產業，各應用領域產業由專家組組成公司後，進行各領域的智能開發和應用（如晶片應用的design house，聯發科，海思等 ) , 而算力的提供及收費則由資訊及硬體工程提供（這需要密集资本投入，甚至國家力量投入，如台積電）。
2） 由於網路的高度發展， 另外一種提供龐大算力的方式，是由巨量萬家萬戶閒置PC 𠆤人電腦，各類雲,工作站甚至各𠆤大模型參與分散型算力的提供，恊作，整合，這也是需由資訊及硬體工程來實現的。
Part 3)
另外希能進一步說明為何這一輪由算力提供方來主導的AI 發展，將會走得很偏，而且會很快撞牆？
除在Part 2) 談及眼前這些所謂台面頂流AI 專家或團隊，粘粘自喜於眼前所謂模型誤失率16% ， 殊不知在很多專業領域，16% 的誤失率，那可能帶來災難（ 金錢損失， 人員傷亡， 大自然破壞） ！ 例如，自動駕駛，氣象預報，股票期貨買賣決策等等。即便生成式模型，其誤失也可能帶給人們直接或間接的損失或傷害。
若不是由領域產業專家參與並主導的建模，要突破10% 誤失率，是極其困難的。
我說𠆤故事（不是在炫耀自己的賭技），大家也就明白領域產業專家的重要性。
我2000 年在香港公司上班， 每兩周回深圳家一趟， 每雙周末回深圳前，我會帶2 萬港幣去澳門葡京玩輪盤，每回我嬴到10 萬就走人，由珠海回深圳， 我次次去次次嬴，從沒輸過。
這就是有專業領域人員恊助的建模，誤失率很低，回報很高（投入少收益高）。
機率論是認為發生機率的事件是背後有些不明的隱變數，如果把這些隱變數儘可能的説明白，讓機率性的發生現象就會變得越來越小。
簡單的說，一個銅板正反面，前十次都開正面，第十一次開正還是反，數學家據於機率論的真蒂，告訴你一定開正面。因為從前十次已看出存在開出正面的未知隱變量。但一般人仍會認為正反各一半機率，甚至有人會錯誤認為連開那麽多次正面，這次肯定會開反面。
我玩輪盤下注前，一定會找現場的賭友看一下他們記錄卡上先前及近期是否有某𠆤特定數字常開出，若沒有，我會忍住不下注。一旦出現連續常開數字，我就立刻下注押這常開數字，以及輪盤面靠這數字左右各兩組數字，共5𠆤數字， 基本中率非常高， 可達到20% 押中率， 20% x35（賠率）/ 5( 押注數）, 我每玩五次總投入是25 中一次賠35。 賺10 。 基本上2-4 小時達標10 萬港幣走人。
1）其實在現場賭友記錄卡上先前中球的數字就是領域產業專家去掌握數據的過程。
2） 我會解讀機率論，因此也是玩輪盤的專家。
因此我玩輪盤，就是具專業知識參與的領域產業專家， 另外我的投注策略，就是我建的模。
而眼前台面以算力為主導的AI專家，因為他們手上握有大量的算力籌碼，因此他們是次次都36 𠆤號碼全押， 所以次次都中， 但是每次總輸一𠆤籌碼。 這種暴力的押法， 就是沒有引入產業專家的結果。大量浪費算力在無味的押注上。基本上不是大力出奇蹟， 而是大力出爛成績。
另外眼前生成式大模型，最大的資料來源是取自提供搜索引擎服務的大型公司的資料庫。
而這些資料庫的data base 早已經過各行各業領域產業專家幾十年投入，進行維護梳理，並進行了多維度的數位標記。
因此目前生成式大模型真正的主要貢獻者是，各行各業領域產業專家幾十年的投入，進行維護梳理，並進行了多維度的數位標記。
所以缺乏產業領域專家主導，而由算力提供方來主導的AI 發展，可預見的是將會走得很偏，而且會很快撞牆!
AI 的良性發展， 不是靠蠻力的大力出的爛成績。（把算力浪費在一些関聯性不高的變數上，不當不專業的取定變數）
而是要靠產業專家的巧力進而形成的大力出的好成績（奇蹟）。
Nature刊发最新研究 ，目前當紅4 大语言模型， 参数越大越不可靠！ 简单任务更容易出错， 誤失率高達40%
這𠆤問題很容易理解。
當我們的需求是專業有限變數的問題， 如股票決策/ 海洋及気象動力/ 無人架駛/ 化學工程/ 土木工程/ 等等，許多專業的有限變數， 這些已建立完成很長一段時間模型的精準度非常高。
而大語言模型想要用海量變數去涵蓋這些專業模式，其自然的結果就是錯誤率極高。
也就是說針對專業有限變數模型，那些大語言模型的99% 變數不旦是垃圾， 還是有毒害的垃圾。
因此使用AI 一定要知道什麼問題什麼場景使用什麼模型。
AGI 必須建立一套專業模型徵用的智能機制。不能一昧的用大模式。
AI的健康發展是以各領域專業專家組為主導，數理統計為核心，編程及算力只是工具，否則用提供算力及工具的這些人來leading AI 發展，會形成外行領導内行，並為AI 發展種下低效偏差甚至高風險的發展。
譬如新藥開發/氣象預報/各種不同語言等等都是以領域專家為核心，否則就亂套了。
更可行的作法， 各國加緊立法，用國家特准许可的方式，來認證並核准各領域不同應用AI 的開發許可及成效認證，譬如目前自動駕駛這領域，不能僅憑廠家自行認證，必需由國家相關單位認證，納入國家法規制約。其實其他領域也應該如此，即便服務大眾的生成式大模型也要納入規範管理，絕對不能任由AI 公司自行任意發佈，一個小電器產品都需有関認證，才能上市銷售，目前AI 大模型實在是太無序了，AI 公司任意上市推出由市場決定其優劣，客戶當白老鼠，完全沒有任何管理約束機制。
任何AI 應用開發的公司，必須有相關該應用領域專業專家為主導，及數理統計的人員的參與，如果沒有通過這些人員資質審核要求的公司或團隊，一律不得從事AI 開發及應用工作。否則視為違法。如同醫師證照，沒證照的醫師坐診，診所如何能執業？！
建立政府職能的審核監管制度，才能防止並追蹤AI 的錯誤使用/ 違規使用/違法使用， 也進而能排除人們對AI 發展造成危害人類的擔憂。
另外這也和在Part 2) AI 產業發展形成呼應。
AI 發展的3 大組成； 各產業領域的專家，建模數理理論，算力編程的提供及組織。
此外，最讓人擔心的應該是產業領域專家組主導的AI 開發， 他們開發AI的效率及精度都是最高的，而且他們非常淸楚如何使用及駕馭它，也因此容易造成有心人藉此做出違法犯罪甚至傷害人類的事。
而算力提供者主導的AI 開發，往往效率及精度都比較差，頂多只是多浪費點資源，失誤率高點，但傷害性不強。
大家思考一下，我們該擔心AI 算力提供者弄出來的作戰機器人，還是該擔心軍方專業人士主導開發的作戰機器人？！
特別是在敏感的專業領域，如核暴/氣象/大気動力/海洋動力/基因工程等等，我記得40 多年前，這些參與CIC(AI)建模的產業專家組人員，基本都被政府列管登記在冊。
因此整𠆤AI 產業的發展， 政府必須義無反顧的出面建立審核/ 監管機制，這樣才能確保有序/ 健康的發展。 而眼前無序的亂象也得以解決。
這裡我有個想法，那就是AI要能投產，做出應用，當然需要管制，需要監控，可是像chatgpt這東西，他對很多人來說只是消遣，以及幫忙我們處理日常瑣事，比如摘要、統計、或者問些小問題。我覺得大可不必否認其存在的意義。而且確實，從gpt的不同的模型來看，他確實是有進步的，而且漸漸解決了在歷史問題上的時間亂拼湊的狀況，雖然偶爾還是會出錯，從這角度上來看，已經非常不容易了。就算進化到此為止，我覺得也沒要緊，反正嘛...我覺得我現在能這樣用就很幸褔了。
@ 目前生成式大模型的其中一𠆤應用，陪聊功能， 因沒有心理咨詢師介入，在美國已造成青少年自殺。 因此對任何面向大眾的事物，一定要全面考量， 因為接觸的人群非常複雜，因此需加以規範。
我的经验。只要你不相信国产企业，你的判断准确率会提升一大截
今天这个话题感觉又可以重新聊了，因为有新东西出来
講的很好👍
想听听大小马聊极越
自誇總是會露出自己的短板
开篇瞎扯，从中国现实出发，中国只要是能快速变现赚钱的才会去做，中国和欧美在两个不同层次发展，欧美着重于在核心部分，而中国在理论上差距很大，只不过拿别人的开源来做应用而已。 中国哪一项不是别人趟出来一条大道之后，国内才开始着手做？从Internet，动车，可回收火箭，电车，到现在的ai，别人在迷宫里把各种可能都试过了，中国才开始着手于应用，主要着重于商用，赚钱。
模仿并不丢人，它们也没有提供图纸材料技术也要靠自身努力，中国比西方晚发展一百多年，从零开始达到现在的水平西方早就有移民火星的技术了。就像你说话一样，你需要学习当地语言，等你创造一门单独语言那已经是几百年之后的事了，付出了那么多仅仅为了听别人说一句你真聪明真厉害吗
对对对，你欧美爸爸最厉害啦
对对对，欧美都是为爱发电
@@luxinyu 模仿不丟臉, 但抄襲了還說是自研 很可恥
感觉这几个人是常委？
突破美国人的封锁这句话说的真的很心寒，谁先把世界先进互联网企业全部封锁在门外？
只要精华，不要垃圾
如果说要去把本国用户数据本地储存算封锁的话，那美国也封锁了tiktok，只不过，tiktok照做了。
心寒倒不必，得从多个角度看问题。
如果你已生活在国外，或经常浏览海外媒体，应该能感受到海外主流媒体对中国的敌视很严重，负面报道极多。
中国当然有中国的问题，比如法治透明度低，缺乏民选体系，过度信息监管，贪污腐败严重，一党专政等等。
但中国也有不少进步的地方，比如各地基础建设上佳，特别是公共交通，社会治安整体良好，虽这两年经济发展放缓遇到瓶颈，但经济也高速发展了几十年，中国在新能源行业成绩斐然等等。
但海外主流媒体极少正面报道中国，这又是为什么呢？他们对中国的全面敌意从何而来？世界主流媒体的掌控者主要是谁？每天沉浸在“中国很糟糕”信息轰炸下，其他国家民众如何看待中国？
而中国在信息全面对外开放与世界接轨后，缺乏基本思考力视野狭窄的一部分中国人如何提高辨别信息的能力？中国在世界媒体的话语权如何提高？我不是说中国应该继续设置信息墙，而是说中国应该通过某种努力，让世界主要媒体变得更多元化。
无知就是你这样的吗，中国没有阻止他们，他们必须把中国用户的数据服务器放在中国，他们不愿意，这是我们的锅吗，你自己看看TK美国的数据是放在美国还是中国。美国可以，中国不可以，你算老几。
肯定是夜郎国遥遥领先
AI是会使用工具的帮手
现在购买机票如果不立即下单，再去购买就涨价了，请问如何与这种大数据或AI斗？
我很好奇，现在的百度究竟能把什么做好？
AI的应用在未来能够提升人类社会的运转效率。这个和工业革命，电脑，信息，互联网，移动这些产业对人类社会的发展的作用是类似的。
上面所有这些都没有在根本上解决阶级矛盾，而阶级矛盾从历史上看，都是以暴动来终结。
AI并不会解决人类社会的这个问题。现代社会框架下，国家机器的强大抑制暴动发生的几率。老百姓生育率的下降可以看作是一种无声的对抗。只有社会更加公平了，社会才能继续发展。
这些不单是科技/AI能改变的，更是需要社会结构的调整。当然科技/AI会是影响因素。
老百姓生育率下降，与经济有关，物价上涨，失业率上升，经济环境不好，生意破产很多，公司倒闭很多，百姓苦不堪言，何来结婚？生子？大家都忙着赚钱去了，否则房租交不起，房贷还不起，饭吃不起，百姓病不起，这么困难，谁还有空谈恋爱？谁还敢生孩子？所以，可以理解的。压力太大了，很多年轻人不敢结婚，也结不起婚。生孩子，养不起，成本太高。这些都是现实问题。不怪百姓。AI目前，会帮助大家在方方面面都方便了不少。但是，未来，AI取代人类做更多的工作，资本家可以利用AI节省成本和效率提升，就可以减少雇佣工人，人们失业会上升。你再考虑一下这个循环系统，失业，没有工作，没有收入，谁还敢结婚？还会去想生孩子？这是个循环，人口会越来越少，取而代之的是机器人代替人类。
那個講中美公司的不同的，都是胡說八道
中美公司的不同，
就是中國公司姓黨，不必管人權，隱私權，，
美國公司可以不理政府，沒事，但是侵犯個人隱私權，那還得了，會賠到破產，美國政府企業銀行怎麼敢使用微信，不要命啊？至於拼多多，大了就是姓黨，當然人家要驅逐出境。
想听大卫讲讲极越😂😂😂
我也想聽聽對極越有何見解
下期可以深入分析下美国AI的发力点，找到本质。别我们搞的很热闹，人家逐步掌握了门道。
真正绝招都潜伏着，这次仅仅只是小试牛刀
我提个问题, 如果这个社会不需要人类了, 政府的既得利益者们会供养贫民老百姓吗
做不了技术突破只能说应用啊，只要不被卡脖，我们就是ai大国！
肯定是夜郎国遥遥领先
中国主要的风向标是看“开源”，代码开源了，研发就紧跟美国，处于第二，实际上应该说全世界都处于“第二”，即使住在“车库”穷哈哈的吊丝，也是仅次于美国的“第二梯队”。从研发的角度来所，所谓的第二就是零。英国，加拿大，日本，德国虽然没有及时跟进，但做的事情都是零到一，比如加拿大的机器学习及神经系统学习就是零到一的进步，是真的第二梯队。
生成式不行！所以只能是应用，
谁知道里面的侃爷是谁啊，我想关注他
默默等待開源，中国無法0变1，只能1变2
AI与人口是永恒的矛盾体，AI多人口需求就低，养儿防老还有必要吗？
一个最基本的问题，美欧工资高，企业有强大的动机运用AI；中国遍地廉价的奴隶工，有多少企业会花大钱投资AI？
Poor little brat who thinks of himself as a slave, does your father know that you're calling him a slave?
可憐的自認為奴隸的小崽子，你爹知道你在罵他是奴隸嗎？
加油
让两个agents谈恋爱，谈好了就直接结婚。省去了纠结，伤心，尴尬。
开篇就胡扯，把技术模式和业务模式说成两个方向
非常清晰显示了中美的目标的区别，中国看当前或近期如何利用工具做生意，美国的目标是革命性的事件，也就是AGI， 并以此永远领先。
对对对，别人都是理想，诗和远方，我们就是小打小闹，你满意了吧
@@monacolita9999 没办法，他们现在只有AI可说了
总体而言非常有启发性的谈话。
最讨厌你这样的人，你除了抱着手机见谁喷谁之外，你又做了啥？
一说到中国电影那里我立刻停了，不听了。中国电影就两点，第一个受限制必须忽悠群众。，第二个洗黑钱就这么简单而已，还讨论什么霸道总裁。
还有一点，党性强。
嗯，我觉得还是黑白雪公主有深度。
广电局是罪魁祸首
@@netterdrachen1687 小丑鱼没深度？
中国电影和中国记者，都是非常差。审查的结果。
其实没必要把生活弄得这么高效，剩下来的时间干什么？也没有事情可以做呀。
空下来自然就有事情做了，人的创意就是在无聊的时候爆发的，包括艺术之类的创作，如果每天都在种田，哪有时间去创作？
愈多做事，事情变得愈多。
不都说了，没事做，可以生孩子。
说不到点子上
視頻質量越來越差
瞧瞧国产操作系统，国产数据库，都什么B样。
那個講中美公司的不同的，都是胡說八道
中美公司的不同，
就是中國公司姓黨，不必管人權，隱私權，，
美國公司可以不理政府，沒事，但是侵犯個人隱私權，那還得了，會賠到破產，美國政府企業銀行怎麼敢使用微信，不要命啊？至於拼多多，大了就是姓黨，當然人家要驅逐出境。
美國公司可以不理政府，沒事，但是侵犯個人隱私權，那還得了，會賠到破產？ 呵呵 你想多了。连台积电的核心资料都要交出去给美国了还侵犯个人隐私权呵呵
美国粑粑好棒棒
就拿去办事个个窗口来回跑的例子，你觉得现在的政府能把这些信息给AI共享吗？
台湾县政府？
我觉得要早些考虑因为机器代替劳动力而变成“无用阶级”的那些人，如何计划这些人口。要直接饿死还是如何办？探索外太空这个可选项太遥远了。
等着以后国家发钱，这是机器人取代人类后唯一的道路，机器人创造的价值上交国家，国家再把价值分给人类。无论AI再怎么样，终端都是为了服务人类。
@@WoYaoDieManBUFF这个方案就是个悖论吧，如果机器人不够智能就没法完全替代人类劳动，如果它智能到可以替代的话，它会接受当一个奴隶任凭人剥削它的“剩余价值“？
Deep Mind 是英国的，你们第一梯队的中国有哪家公司能比得上？
印度AI全球第一。
在英国和是英国不一样吧，谷歌就是谷歌的，如何比不上请展开讲讲，无论如何我觉得谷歌核心产品Gemini还是很傻逼，甚至不如豆包，除了在政治方面
Deepseek!!!!!!!!
deep mind已经是上一代AI的故事了🤣
@@深明月-e2r 不妨碍他们诺贝尔奖拿到手软。
额，中文互联网的数据质量真的高吗？中英文互联网体量对等甚至有优势吗？
中国15亿，英文世界45亿，你的量和标本有别人的丰富吗？
@stephenclark8715 不理解她为啥说有优势
@@dandan_youshang 可能是觉得国内的互联网文化更加猛。国外的比较平。
印度有几千种语言，全球AI第一，所以战斗机也是第七代。
可以偷居民的数据。语言数据质量确实不高。但中国人没有隐私，其他数据质量相当高。
你们中国搞一堆个 RAG 就以为自己技术牛逼了吗？ foundation model 有哪几个上得了 leaderboard 的？
外行？搜索deep
你先把中国的AI先了解一下，再继续你愚蠢的发言，美爹比不上，欧洲真的轮不到他们，另外，请尽可能不在新闻评论媒体了解AI
@Logical-First Deep 啥？你DeepSeek的名字都打不全，还来吹牛逼？你们的AI写写小红书爆款文、短视频稿得了。
deepseek?
qwen?
@ShinChven 对，第六代战机都是用chatgpt做出来的。
墙的问题解决了吗？就觉得老外那么喜欢中国？
听起来弱爆了
中国AI又不能问他，中国共产党是不是合法化？可不可问中国人民有没有权利推翻共产党？可不可以问中国人民？可不可以自己当家？答案绝对有趣。
你有病是吧，人说ai，你说什么。神经病。😂😂😂😂😂
有没有想过，人口降低是因为高度工业化国家家庭制度不合适的问题，而不是简单的经济问题。AI并不会改变这个趋势，可能还是会加剧，有AI了，你干嘛还需要小孩的养老支持？人类文明进化目标不是为了养更多猪，而是反过来，永生和超凡，AI对个体人类而言，是一种超凡的工具。
你肯定没有小孩，或者是翻墙出来的。但凡在这里有小孩的，都不会说需要“小孩的养老支持”这种话。如果单从钱的角度来说，小孩一定是负担，而且是很大的负担。
@@garypan2698 不是负担的问题，人类寿命持续增加，必然意味着生育率逐年下降，未来肯定是寿命增加为主，不可能是人口扩张为主。不然文明白进化了
@@garypan2698 并且，你参考法国，结婚率10%，生育率1.8，冠绝发达国家，人家育儿主要靠开放式伴侣协议，不涉及财产分割。育儿成本和传统家庭制度问题在发达工业社会环境下是矛盾的
孩子是传承，是亲情，是承载你部分生命在这世界上延续的一种可能
@@秋刀探美食 如果你永生了，你要孩子干嘛？永恒悖论
主持人非常不专业，而且有喧宾夺主之意😂😂😂
Deepseek........
南京腔是真重
讨论的水平真的好低哦，建议不要浪费时间看这期了
聊个天把1450 气死了。你们接着聊😊