Peter Norvig谈AI三十年:从算法崇拜到信任与责任
在这期Lex Fridman播客中,Peter Norvig回顾了人工智能数十年的演进,从早期对算法与理论的迷恋,转向对“效用、偏见与信任”的关注。对AI研究者、工程师和普通技术爱好者而言,这是一次理解AI成熟之路的难得窗口。
在这期Lex Fridman播客中,Peter Norvig回顾了人工智能数十年的演进,从早期对算法与理论的迷恋,转向对“效用、偏见与信任”的关注。对AI研究者、工程师和普通技术爱好者而言,这是一次理解AI成熟之路的难得窗口。
这是YC总裁Geoff Ralston在Startup School结束时给创始人的告别演讲。他用自己横跨HP、Yahoo、Apple与YC的经历,讲清楚创业最重要的不是追风口,而是在混乱中找到属于自己的路径,并在一次次失败中保持行动力与善意。
在这场 Stripe Sessions 的对谈里,a16z 合伙人 Jeff Jordan 抛出了一个反直觉观点:决定一个 marketplace 生死的,往往不是增长速度,而是更早出现的“财务信号”。这不仅颠覆了很多创业者的直觉,也给所有做平台、做 AI 产品的人提了个醒。
在这段与Lex Fridman的对话中,François Chollet重新审视了“智能”的定义。他提出一个反直觉却极具启发性的观点:所有智能本质上都是高度专门化的,包括人类智能。通过对人类、文明和分布式系统的讨论,他为理解AI能力的边界提供了一个全新的尺度视角。
这是一场来自 South Park Commons 的技术分享,Jonathan Hseu 系统讲述了神经网络规模化背后的真实挑战:为什么规模如此重要、工程基础设施如何支撑,以及在模型设计和训练阶段必须做出的关键取舍。文章还原了一线实践中的方法论,而不只是抽象结论。
这是一场来自 Google Brain 的分享,主题不是更强的模型,而是如何把机器学习变成艺术家和设计师真正愿意用的创意工具。David Ha 和 Adam Roberts 通过具体项目,讲述了他们在生成式模型、数据集设计和人机协作上的思考,揭示了创意型 AI 与传统 ML 应用的本质差异。
这场由Dave Patterson等人参与的AI硬件圆桌,回顾了摩尔定律失效后的关键转折点,深入讨论了模型训练与推理的本质差异、GPU与专用芯片的演化路径,以及Google等公司在真实工程约束下做出的取舍。
这场在 South Park Commons 的分享中,Elad Gil 结合自己投资和辅导高速增长公司的经验,系统拆解了创业者最容易做错的几类关键决策:要不要创业、要不要融资、联合创始人如何分权、以及公司在不同规模阶段该如何管理和扩张。
这是一场围绕职业路径与创业判断的深度对谈。前Dropbox工程师Aston Motes回顾了自己在大公司与创业之间的选择,讨论了“加入一家成熟公司”与“亲手做点新东西”的本质差异,并提出了他对“创始人与市场匹配度”的重要洞见。
在这段与Lex Fridman的对话中,fast.ai创始人Jeremy Howard给出了与主流路径截然不同的深度学习学习建议:不要停留在看论文或跑推理,而是亲手训练、微调大量模型,并且始终围绕你真正关心的真实问题。