• 使用架构思维解决以客户为中心的商业问题的创新技术(设计+行政管理)。 架构方面,我们是如何处理?并将设计思维嵌入到这个过程中: 初步阶段:界定企业的范围 界定并建立一个针对组织的EA框架
  • 语言本质上是一个由语法规则支配的复杂、错综复杂的人类表达系统。它对开发能够理解和掌握语言的人工智能算法提出了重大挑战。 作为一种主要的方法,语言建模在过去20年里被广泛研究,用于语言理解和生成,从统计语言模型发展到神经语言模型。
  • 套利(Arbitrage)是指同时购买和出售一项资产,以从价格的不平衡中获利。它是一种通过利用不同市场或不同形式的相同或类似金融工具的价格差异而获利的交易。 套利是在不同市场同时买卖相同或相似的资产,以便从资产标价的微小差异中获利。它利用不同市场或 icon
  • 像我这样的架构师(被亲切地称为“脾气暴躁的老人”)已经见证了几代编程抽象的来来去去: 也许最成功的抽象是编译器, CASE 工具在 1990 年代受到广泛关注 其次是2000 年代初期的模型驱动架构和可执行 UML 。 几年后并延伸到 2010 年代初 icon
  • 过程思维的10条戒律(由ChatGPT生成):一.你应该认识到一切都是一个过程,没有任何事物,只有过程。 二.你应该承认一切都是相互联系和相互依存的。 三.你应该认识到,一切都在不断改变和适应。< icon
  • 对于本科生来说,科学是唯物主义的同义词,而唯物主义是确定性的同义词。认识到不确定性是宇宙的一个基本特征让他们感到困惑。 首先,我不是质疑事物是否存在,而是质疑事物能够被了解的程度,以及我们可以在多大程度上谈论事物,而不是以它们呈现给我们的方 icon
  • 科学史上发展起来的三种主要建模范式: 第一种:结构范式"结构范式"的关键思想是认为世界上的事物是由某种简单的描述元素--比如说几何物体--构成的,然后用类似于逻辑推理的方式来计算它们会发生什么。 < icon
  • 特斯勒定律(Tesler's Law)也称为复杂性守恒定律,或或水床理论,是人机交互中的一句格言,指出每个应用程序都有固有的复杂性,无法删除或隐藏。相反,必须在产品开发或用户交互中处理它。 在 20 世纪 80 年 icon
  • 当你建立一个计算机系统的时候,一些小事情就开始出现了: 也许一个数据库查询对于你正在建立的功能来说是尴尬的, 或者你发现你的服务器在传输数千兆字节的十六进制ASCII数据时陷入困境, 或者你的应用程序为成千上万的独立用户即时翻译成日语。 这些都是你的 icon
  • 涌现emergent :定义为一种能力“不存在于小模型中,但......存在于大模型中。” 在大型语 icon
  • “人类认知的最大成就可能主要是涌现现象(Emergence )。” - 詹姆斯湖麦克莱兰 对人类智力的研究曾经被符号方法所主导,但在过去的30年里,出现了另一种方法:涌现Emergence  从涌现Eme icon
  • 设计思维是一种以客户为中心,从客户的需求、问题、习惯和实践出发,解决问题和设计产品的方法。对于业务分析师而言,设计思维可以证明是一种有价值的分析和设计方法,可通过以下实践开发创新解决方案: 了解用户需求, 问题定义, 构 icon
  • 这场灾难有可能是由Byrne Hobart的时事通讯自媒体引起的蝴蝶效应: 1)Byrne Hobart发表一篇文章/推特,揭露硅谷银行SVB的风险。 2)几乎所有VC都会阅读这篇通讯 3) 他们都开始非常、非常密切地关注SVB的盈利情况 4) SVB icon
  • 这是一位人工智能研究人员和神经科学家的总结: 你可能还记得,有一件事在Twitter上传了好一阵子:谷歌的一名低级工程师Blake Lemoine发表了一份声明,表达了他的观点,即谷歌最新的聊天机器人,一个名为LaMDA的系统,是 "有意识的"。< icon
  • James Lewis是ThoughtWorks的总监,也是微服务架构的先驱者。 在这一集里,我们回到了记忆的长河,回到了James第一次提出并普及微服务架构的时候。詹姆斯描述了他对微服务的定义和它的重要特征。他还分享了最近的微服务演变,包括微服务 icon
  • 遍历性ergodicity:在我们观察它的时间里,个体系统是否探索了所有可能的东西,对个体的研究是否会导致对集体的理解? 而复杂性的特征通常是“整体大于部分之和”复杂性是遍历性断裂的时候,复杂性问题其实也是遍历性问题。 icon
  • 数字孪生在制造业、工业和航空业中很常见,但对人的数字模拟却很罕见。 几周前,我们分享了研究人员如何以数字孪生的形式开发人体的精确数字模拟,这有可能拯救和延长生命。现在我们分享更多关于数字孪生如何帮助个性化医疗,预测疾病、饮食和生活方式的改变,以及使 icon
  • 基于 Transformer 的大型语言模型在机器学习研究领域发展迅速,应用范围涵盖自然语言、生物学、化学和计算机编程。从人类反馈中进行极端缩放和强化学习显着提高了生成文本的质量,使这些模型能够执行各种任务并推理他们的选择。 在本文中,我们提出了一 icon