这几天,Sora让孩子恐慌了!

文章讨论了公众对人工智能,如Sora的误解,指出其仅是科技进步的一部分,尚未达到通用人工智能。作者强调独立思考和避免过度解读的重要性,提醒人们警惕社交媒体上的误导言论。

昨天晚上,闺女站在客厅里发呆,我问她:你在干嘛呢?

她忧心忡忡地说:人工智能这么厉害,等我毕业的时候,它把那些从事创造性的工作给替换掉了怎么办?

她喜欢画画、写作、编程(写游戏),这些领域AI已经开始入侵了,所以她开始忧虑自己的未来了。

我笑着安慰说:“别担心,AI想干掉创造性的工作,非得实现通用人工智能不可,如果真的实现通用人工智能了,我们的社会会发生巨变,到时候我们也许都不用工作了。”

她作为小学生,都开始焦虑恐慌,主要是被一些不负责任搞流量的自媒体的激进言论带偏了。

这些自媒体看到惊艳的视频效果,立刻一口咬定Sora已经理解了真实世界的物理规律,并由此产生了丰富的联想,认为它可以很快应用到各个领域去,通用人工智能很快就会实现,人类社会将天翻地覆。

这就是过度解读,过度联想。

但是这样的言论新奇,满足大众的猎奇心,启发了大众的传播热情:快看,有一个牛逼的东西要出来了!

赶紧抓住风口,赚钱!

Sora是不是真的理解了物理规律,成为真实世界的模拟器?大众不会深究。

实际上,就连OpenAI的技术报告也只是说:这是一个通往物理世界模拟器的有希望的路径。

图灵奖获得者Yann LeCun认为:仅仅根据 prompt 生成逼真视频并不能代表一个模型理解了物理世界

bb5c3dc1de8cba609035f3b5836bd9e0.png

Keras 之父 François Chollet 认为:

08928cbb39137feaee06e1ee6f889724.png

连真正位于AI一线的行业内部人士都没有确定,还在争议的问题,国内的自媒体就言之凿凿,非常确定地说Sora已经理解物理规律了,通用人工智能即将在一两年内实现!

他们的目的是什么,大家应该可以猜到吧?

更可怕的是,有些超级大V也这么说,这样的言论又非常吸引眼球,说的人越来越多,三人成虎,众口铄金,慢慢地,大众在不断地刷短视频的时候就会接受这件事情了。

不信你过段时间和朋友聚会,在酒局之中肯定有人谆谆教导你说,Sora已经怎么样怎么样了.....

这让我想起《不要挑战人性》中说的:人类正生活在一个激烈的交互记忆时代。我们拥有的不是属于自己的独特记忆,而是通过与无数网民的互动制造出的一种共同产生、共同更新、共同储存的群体性记忆。在这个过程中,我们会自动把从互联网上得到的记忆融合进来,并把自己原有的那份独特记忆覆盖掉,而且可能根本意识不到这个过程。

这叫“记忆社会传染”。

以后再遇到类似的言论,不要被立刻转发的满足感所左右,先感知一下自己的情绪有没有被激发出来,有没有出现“震惊”、“愤怒”,“恐惧”,“焦虑”等情绪,如果有,恭喜,你已经中招。

先放下手机,停止接触,防止无孔不入的推荐系统对你产生的全方位轰炸。

冷静下来,思考这些言论的可信度如何,他的结论是基于什么假设,这个假设是否是成立的?希望大家都能成为独立思考和批判思维的人,至少不要被割韭菜。

回到Sora和人工智能,我也非常期待看到通用人工智能的出现,希望OpenAI这种力大砖飞的风格能出奇迹,但觉得还是要冷静一下。

正如李飞飞所说,人工智能依然处于“前牛顿时代”,我们可能发现了“开普勒三定律”,但那只是经验总结,还没有出现像牛顿力学那样奠基性的理论,还有很多未知,路依然很长。

全文完,觉得不错的话点个或者在看吧!

近期精彩

世界上最流行的数据库,竟然是套壳的 !

欧洲的编程语言三巨头,只剩下一位了!

坏了,我把闺女培养成程序员了

巴西都发明两门流行的编程语言了!

继Linus之后,又一个动辄就“F**k You”的技术天才和营销大师出现了!

世界最强计算机,极少人见过,让程序员高薪工作一辈子!

这个波斯人的名字,成了无数程序员的梦魇!

代码下载链接: https://pan.quark.cn/s/a175d1ef418b 标题部分中的"新建文件夹 (2).zip"暗示这是一个采用ZIP编码方式的压缩文档,这种格式通常用于将多个关联的文件或目录整合进一个压缩单元中。在信息技术领域,ZIP编码格式是一种广泛应用的标准,它支持将多个数据单元压缩成一个独立的压缩文件,从而提升文件传输的便捷性、存储空间的利用效率以及管理的便捷度。ZIP格式的压缩文件可以通过多种解压缩工具进行访问,例如WinRAR软件、7-Zip应用程序或操作系统自带的压缩解压功能。 描述文本里的"shop"字样或许指向这个压缩文档与商业店铺、电子商务平台或网络销售系统存在关联。在Java编程范畴内,这有可能是一个范例项目,用以说明构建电子商务平台相关功能的实现方法,涵盖商品维护、购物车功能以及订单处理等模块。Java语言因其跨平台兼容性、系统稳定性以及完备的库资源支持,经常被选作开发大型企业级应用的技术栈,尤其是电子商务系统。 依据标签"java"的指示,可以推断压缩包内部可能包含了采用Java编程语言编写的源代码片段、系统配置文档、数据库操作脚本及其他辅助性资源。Java程序员一般借助集成开发环境(IDE)如Eclipse、IntelliJ IDEA或NetBeans进行Java代码的编写、编译及执行操作。这些开发工具能够高效地支持ZIP文件中项目结构的导入与管理。 文件命名列表仅列出一个条目"新建文件夹 (2)",这或许意味着压缩文档中包含一个同名的文件夹,该文件夹内可能收纳了一系列子文件及子目录。在实际的Java开发任务中,类似的结构可能包含src目录(存放程序源代码)、lib目录(存放项目依赖的jar库文件)、resou...
内容概要:本文系统研究了基于Kantorovich距离的SBR(Sequential Benefit Replacement)算法在电力系统场景削减中的应用,旨在从大量原始不确定性场景中筛选出最具代表性的典型场景,以降低随机优化问题的计算复杂度。该方法通过引入Kantorovich距离(也称Wasserstein距离)精确量化场景之间的差异性,并结合SBR算法实现场景的逐步合并与削减,有效保留原始场景的概率分布特征。文中提供了完整的Matlab代码实现,便于用户复现算法,特别适用于处理风电出力、负荷波动等具有强随机性和不确定性的多场景优化问题,如微电网调度、电氢耦合系统运行等。; 适合人群:具备一定概率统计、优化理论基础和Matlab编程能力,从事电力系统、新能源并网、能源互联网、随机规划及综合能源系统优化等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于高比例可再生能源接入下的电力系统随机优化调度、微电网能量管理、多能互补系统等需要进行多场景分析与决策的建模场景;②帮助研究人员深入掌握Kantorovich距离的数学原理与计算方法,以及SBR算法的迭代逻辑与实现技巧,提升对不确定性建模、场景生成与削减技术的理解与应用能力; 阅读建议:建议读者结合提供的Matlab代码,重点理解距离矩阵的构建、场景权重的更新规则以及场景合并的判定逻辑,通过调试代码并代入实际风电或负荷数据进行案例测试,以深刻领会算法的核心思想与工程价值。
内容概要:本文围绕电力系统短期负荷预测问题,深入研究了基于极限学习机(ELM)及其智能优化算法的应用方法,提出并实现了白鲸优化算法(BWO)和鹭鹰优化算法(IBOA)对ELM模型的关键参数进行寻优的技术路径。通过Matlab编程实现,优化后的模型有效提升了预测精度,降低了原始ELM因随机初始化带来的不稳定性和误差波动,增强了模型在面对电力负荷不确定性变化时的泛化能力和鲁棒性。研究系统阐述了ELM的基本原理、两种新型群智能优化算法的搜索机制及其在解决非线性参数优化问题上的优势,并通过实验对比验证了优化模型在均方根误差(RMSE)、平均绝对百分比误差(MAPE)等指标上的显著优越性,为电力系统负荷预测提供了高效可靠的解决方案。; 适合人群:具备电力系统分析、人工智能算法理论基础及Matlab编程能力的高校研究生、科研机构研究人员以及电力公司从事负荷预测、电网调度与能源管理的工程技术人员。; 使用场景及目标:①应用于电网调度中心的短期负荷预测业务,提高预测准确性,保障电力供需平衡;②为智能优化算法在电力工程领域的落地应用提供可复现的技术范例;③支撑电力市场出清、发电计划制定、储能系统配置及需求侧响应等关键决策环节; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点理解ELM网络结构搭建、适应度函数设计、优化算法迭代流程及预测结果后处理等关键步骤,通过调整数据集和参数设置,深入掌握模型调优技巧,并尝试将该方法迁移至风电、光伏功率预测等相似时序预测任务中。
内容概要:本文档聚焦于“经济学期刊论文复现:数字化转型能促进企业的高质量发展吗”这一核心命题,系统整合了大量基于Matlab和Python的科研代码资源,涵盖微电网优化调度、电力系统分析、机器学习预测模型、路径规划算法、信号与图像处理、通信技术优化等多个工程技术领域。文档的核心在于通过复现高水平学术论文中的量化模型与实证方法,帮助研究人员深入理解数字化转型对企业高质量发展的理论机制与实际影响,并提供可操作的技术路径进行仿真验证与拓展研究。内容不仅包括数据驱动的建模、优化算法设计与仿真分析,还涉及多学科交叉的应用场景,如能源系统优化、智能制造、智能交通等,旨在为科研工作者提供一套完整的从理论到代码实现的支持体系。; 适合人群:具备一定编程基础和经济学或工科背景的研究生、科研人员及高校教师,尤其适合从事数字化转型、能源经济、企业管理、电力系统优化、智能算法应用等相关领域研究的专业人士。; 使用场景及目标:①用于复现经济学领域关于数字化转型与企业高质量发展的实证研究模型;②支撑科研论文撰写、课题申报与仿真验证工作;③辅助掌握Matlab/Python在经济与工程交叉领域的建模方法、优化技术和数据分析能力,提升科研效率与创新能力。; 阅读建议:建议结合文中提供的代码与网盘资料同步实践操作,优先选择与自身研究方向契合的内容深入学习,注重模型构建逻辑、参数设置与优化过程的理解,同时可关注“荔枝科研社”公众号获取配套讲解、更新资源及技术交流支持。
下载代码方式:https://pan.quark.cn/s/746a98442a86 《数据库课程设计:教材征订管理系统》 教材征订管理系统是一种针对教学管理而开发的信息系统,其目的是提升学校教材征订工作的效率和准确性。该系统的构建过程包含后台数据库的构建和前端应用程序的研制,非常注重数据的一致性、完整性以及较高的安全性。系统不仅能够处理多价格书籍的征订、采购和发行,还支持在货物到达之前更换书目,以及进行大量数据录入和书目检索等操作。 系统的开发选用SQL Server 2000作为数据库平台,PowerBuilder 9.0作为前端开发工具,而数据源则选用了ACCESS 2000。ODBC(开放式数据库连接)用于与数据源建立连接,SQL结构化查询语言则用于实施查询任务。系统的核心关键词有教材征订、面向对象、库存查询和PB9.0,这表明系统设计采用了面向对象的编程理念,并非常重视库存的即时查询。 前言部分提到,由于学生数量的增长和教材种类的多样化,传统的教材征订管理模式已经难以适应,因此迫切需要建立一个与选课制度相匹配的教材征订管理系统。该系统能够自动化处理教材收费和领取流程,包含四个主要的功能模块:教材的入库与出库管理、学生书费管理、系统管理以及综合查询。 系统设计之初需要深入理解相关问题。教材征订管理系统必须具备登录、教材信息管理等功能,支持基础信息的录入、修改和查询,以及复杂的统计分析。涉及的数据信息涵盖教材征订、库存、购买和收款等详细记录。 需求分析是数据库设计的关键环节,包括数据流图和数据字典的构建。数据流图展示了教材从征订到发放的整个流程,数据字典则详细说明了各个数据项的特征。比如,教材编号由七位数字组成,教材管理表单包含了征订号、书名、出版社、作...
标题基于Springboot+Vue的景区推荐系统设计与实现AI更换标题第1章引言介绍景区推荐系统的研究背景、意义、国内外研究现状、论文方法及创新点。1.1研究背景与意义阐述景区推荐系统对旅游业发展的重要性及研究价值。1.2国内外研究现状分析国内外景区推荐系统的研究进展及存在的不足。1.3研究方法及创新点介绍本文的研究方法、技术路线及主要创新点。第2章相关理论总结景区推荐系统相关的理论基础和技术。2.1推荐系统基本理论阐述推荐系统的基本概念、分类及工作原理。2.2Springboot框架技术介绍Springboot框架的特点、优势及其在系统中的应用。2.3Vue前端框架技术介绍Vue框架的特点、优势及其在系统中的应用。2.4数据挖掘与机器学习算法简述数据挖掘与机器学习算法在推荐系统中的应用。第3章系统需求分析与设计详细描述系统的需求分析、架构设计及数据库设计。3.1系统需求分析分析系统的功能需求、性能需求及用户需求。3.2系统架构设计设计系统的整体架构,包括前端、后端及数据库等。3.3数据库设计设计系统的数据库结构,包括表结构、字段及关系等。第4章系统实现与测试介绍系统的实现过程、关键技术及测试方法。4.1系统实现过程详细介绍系统的开发环境、开发工具及实现步骤。4.2关键技术实现阐述系统实现中的关键技术,如推荐算法、前后端交互等。4.3系统测试方法介绍系统的测试方法、测试用例及测试结果分析。第5章系统优化与改进分析系统存在的问题,提出优化与改进方案。5.1系统性能优化针对系统性能瓶颈,提出优化方案,如缓存技术、负载均衡等。5.2推荐算法改进根据用户反馈和数据分析,改进推荐算法,提高推荐准确性。5.3用户体验提升优化系统界面设计,提升用户体验,如增加个性化设置、简化操作流程等。第6章结论与展望总结本文的研究成果,展望未来的研究方向。6.1研究结论概括本文的主要研究成果,包括系
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值