ฝัง
- เผยแพร่เมื่อ 10 ก.ย. 2024
- 一位来自清华的人工智能博士生，日常思索和科普。
An artificial intelligence doctoral student from Tsinghua University who likes to delve into thinking and science popularization.
喜欢我的内容欢迎订阅、评论、点赞^_^
Welcome to subscribe, like, and leave comments under my videos^_^
打开小铃铛🔔获取频道最新动态
Turn on the little bell🔔 to receive my latest updates
--------------------------------------------------------------------------------------
#科学 #科普 #知识 #物理 #数学
思路清晰，语言组织很有逻辑，听这样的科普视频如沐春风。
關於伊辛模型有一個有趣的地方，就是一維的伊辛模型沒有鐵磁性，也就是說不論溫度多低，一維的磁鐵都無法產生自發穩定的磁性。
很多東西一維都沒有chaotic behaviour，一到二維就有了
mandelbrot set之類的iteration好像也是的
应了一句俗语：熟读唐诗三百首，不会做作诗也会装。所以，书读多了，不表示聪明，而是学会装了。按量子理论，不是质变了，而是接受者接收的信息被掩盖了。就像现实中，大多数人不是认知统一了，而是被代表了。
对，同你的观点一致。
蛤不懂
已知圈越大，未知圈就越大，我們人會越來越發現自己的無知，無知者，怎麼裝？
@@JackJack-zo9xu 當然是在已知的部分裡面裝
毛澤東也說過「知識越多越反動」
「許多所謂知識分子，其實是比較地最無知識的。工農分子的知識有時倒比他們多一點。」
當你飲料放冷凍想快點冰好
隔天：
我覺得單純把模型堆大可能是一種內捲，就像爪哇島的農民一樣不斷投入人力資源，不斷的模型越做越大。
還是需要打開想像力，探索AI的更多可能方向。
有想象力的ai ,这不是哲学悖论2么
感觉这个问题的延展是可以的，只是，把这个延展到AI运算上面，感觉不合适。原因是，如果只是不断的去投喂大量的数据导致给AI程序加了太多的框框，让它失去了有创意性的模型的训练，最后会沦为搜索引擎去数据库提取数库的形式，也就失去的意义。感觉最好的方式是：把所有人类的公式都交给AI，然后给它提供少量最基础的样本数据，让AI自己去训练模型，人类只是在外围修剪出错的枝桠即可，虽然训练模型的效率变慢了，但它最终会迎来AI技术的较大飞跃。
现在对于有创意这件事有什么明确可量化的定义和测试吗，好奇请教
我相信規模夠大什麼事都可以解決 但問題是到底要多"大"
如果是一個現今科技還難以企及的天文數字
再說,這也不代表一昧地追求大沒其他事能做了
也許算法的些許變動就可以把所需的規模縮小到原本的百分之一以下也說不定呢
理論上跟大腦神經元數量一樣就可以了？
同意樓主說的，量大是解決問題的根本，但人類能否達到該數量都還是個未知，就像一個不知道盡頭的賽跑，走是一定能走到，但如果我們能發展出更多更快更便捷的移動手段，或許更有可能在人類有生之年窺視到那個盡頭
维持系统也是一样的。看起来只是一些小的gray fault, 没啥大不了的，但累积起来突然会发现，几乎趋近于失控了。
估计这个和GPT的计算方式全部是线性计算有关，求定解不同自由度的矩阵所需要的方程组数量和维度相关，而结集只是一个线性范围，GPT想要突然作对所有的题就必须满足方程组的量。这和大脑的思维好像并不一样，但最终LLM会自己告诉我们这点，然后我们对人的思维又更进一步了解。
很好奇 靜摩擦力 的極限也是這樣嗎？
@@Bryan-bo2kg 非常对，静摩擦力也是一种涌现，也跟热力学有关
@@manshi_math請問該怎麼找關鍵字？網上都是些籠統像chatgpt的回答，不管是知乎、百度還是維基百科
对涌向的解释真的好!
我個人認為還是要尋找新的架構，更好的架構代表有更好的效率。畢竟是可以把卷積模型攤平成密集模型的，只是參數量會超大，反過來看如果我有超大的密集模型是不是可以做的跟卷積模型一樣好。這放到大語言模型上也是一樣的
好奇水結冰的那個圖表 斜率是多少 趨近於1？
指数让线性变成非线性算不算是涌现的原因
只要模型大到足以完美的模擬這個宇宙……
非常牛逼的一期节目
老實說，自然界有一個量大產生分析能力質變的例子，就是人腦。
准确来说是动物的大脑。
人类也是动物，而且人类不同于其它有着足够规模神经元数量的动物的地方在于，我们有足够方便的身体作为大脑的工具来完成很多想法。
其它动物的身体都过于针对单一任务特化了。
我怀疑视频中的例子主要是因为影以面积有关：即成二次方关系
所以，大模型的方向应该是存算一体。现有的技术无法支撑足够规模的神经网络的计算。
聽起來確實厲害😂
最近想搞个关于#麦克斯韦妖#生命#压缩#涌现 的数学研究。有没有人有兴趣加入。我已经预谋很久了,得麦克斯韦妖者 得AGI.
目前还没有什么模型能比较好解释AGI涌现.
伊辛模型对磁涌现的意义
相当于
麦克斯韦妖模型对AGI涌现的意义
真的假的
人工智能解答完全没有看懂。只感觉exp自然对数函数真的很神奇。按照播主的启发，感觉自然对数函数增长和减少应该和概率统计有密切关系。
雖然知道是為了要說ai統計的部分，但前面相變似乎沒那麼精確的得到討論，不過也確實是科學發展較早期的想法
關於物質的相變有一個叫做Gibbs function 的函數可以解釋，當這個函數出現不可微分點時，就表示系統在那個點發生相變。
有趣的是，這個函數在實驗上有拐點，但是在理論上是沒有的。
所以，你們知道物理學家們在這件事上幹了什麼有趣的事嗎？
在物理上看起来拐了就是拐了。但是在数学上必须严格按照定义才算。
話不要說一半
其實也沒什麼，就是統計物理學家開了一個會，討論理論中該不該有相變這回事，並且因為無法下定結論，所以投票表決，而以一票之差否決了相變的存在。
至於事後有位華裔諾貝爾物理學獎得主，路過說了一句話，從此世界有了相變，這又是另一件故事了。
@@蔡秉諺-f5g 你這麼會話說一半的人，不去做ｙｔ影片真的是浪費人才
聽起來挺有趣的，不知道能不能用到我的研究論問中(研究V2NCl2的磁性理論研究)
我起雞皮疙瘩了
那宇宙大爆炸结束时候发生的相变又是咋回事呢？
还有真空衰变？
曾經靈魂出竅的氣功修煉者路過
這個模型是有問題的 磁鐵本身就自帶南北極性 什麼叫加熱磁性回反轉 那不用加熱直接折斷磁鐵 磁鐵磁性會立刻相反 你這模型不能闡述磁鐵
傳統UP主一直炎上，他的吸引力會突然消失
一力降十會也是這道理嗎？
這就是一次相變和二次相變
只聽懂現象，但沒聽懂現象後的道理。
股票就没这么好解释了，庄家做局，大股东减持，你拦都拦不住
你都說莊家做局了，代表莊家就是控制溫度的那方啊，加熱降溫自己決定，莊家資金越大代表越能加熱或降溫，那結果就會越趨近你想要的答案呀～
散戶不團結就湧現不了呀
玩原玩的 1:45
錯了，AI自始至終都沒變。
是人類自變。
好有趣的研究，不懂下面的酸民是不懂還是遠遠懂得更多?
說句外行話，地水火風已經是後天物質，所謂相變就是在四者之間的變化。我看史威登堡描寫的天堂，也只有在最高天堂的最高地位的天使才會住精金的宮殿，庭院裡有金銀的樹木，海奧華預言同樣表述，只有在宇宙中做出巨大貢獻的“偉人”死後的陵墓才會是金子做的，所以在本宇宙注定有些貴重金屬合成不來，不能大規模生產，否則人類肯定可以用於航天，走出去，越獄😅
自古以來，中國人就懂得修煉和冶煉。
😅
抢个沙发~~
废话太多了。。。。。
為什麼沒人和我捉i😢
为了坳一个观点而无数次重复一个形容词也是挺逗的
形容词的水平代表了你这个观点的水平，而形容词是你小学掌握的，所以这就推理除了滑稽
但也可能是為了讓沒學過的人聽懂吧
@@user-mo5wl6gm4o 没可能，就是一个感受，他感觉很突然，感觉这肯定是个道理，然后对这个道理也不自信，就无数次重复这个感受壮胆，推理逻辑就是突然这事很奇怪因为奇怪所以就是质变
太有意思了 退訂了
退訂就退訂 少在那邊廢話 沒人有興趣你退不退訂 把自己在那邊裝b 還故弄玄虛講個什麼太有意思了
現在的人 看節目什麼錢都沒付 還真把自己當大爺了 以為自己要退訂就能嚇唬誰 別人要來跪求他不要退訂 跟之前上海大媽一樣 點了杯咖啡就真把自己當上帝了
😊