• 对于复杂性，人们总是想消灭它（有为），而不是去消化接受它（无为），其实，无为胜有为。 1、传统教条以下是人们面对复杂性实施的教条方法： #敏捷 听上去很好，但是可能回避复杂性，因为敏捷这个词
  • 肖恩·麦克卢尔是NonTrivial 播客的主持人，从事构建人工智能软件，研究复杂性，以下是他的一些智慧洞察： 1、现实是非线性的，涉及的维度比任何简单的统计技术都可以正确建模的维度更高。如果你想对现实进行建模，你需要使用能够充分近似复杂性的高维方
  • 这是来自phrack的《召集所有黑客》一文： 我是 cts，也称为 gf_256、ephemeral 或其他一些 icon
  • 亨利·庞加莱（Henri Poincaré）是一位法国数学家、理论物理学家和科学哲学家，生活于1854年至1912年。他作出了重大贡献的各个领域，包括数学，天体力学，拓扑学和科学哲学。 在天体力学方面，庞加莱对“三体问题”做出了杰出的贡献。三体问题是指三个 icon
  • 非好即坏、非黑即白、非正即负、非1即0的简单二元论、二分法，是一种直觉思维，代表了个人认知偏见。 这种思维方式类似二极管，要么通、要么不通。 二极管是一种电子元器件，它允许电流只在一个方向上流动，通常用于整流电路中。 它有一个正极（ icon
  • 该文章讨论了降维方法在解释高维数据时的局限性。主成分分析（PCA）是一种常用的降维技术，但它可能会错过数据中存在的结构或产生幻觉的结构。作者通过示例说明了当应用PCA于时间或空间平滑信号时可能出现的振荡情况。文章强调了直观和简单的解释并不总是最好的选择。 icon
  • 这篇文章讨论了在项目开发中，人们通常关注时间节点，但作者认为应该更关注项目的结构。 文章指出，项目的结构和复杂度对于解决问题至关重要，而人们往往忽视了这一点。 作者提出了 icon
  • 《不可简化：意识、生命、计算机和人性》讲述了科学和技术发展的非凡历史，包括计算技术从欧几里得到量子计算、人工智能和其他前沿技术的逐步发展。在这本新书中，费德里科·法金提出了关于意识和自由意志本质的新假设，他认为这些是存 icon
  • 大语言模型GPT-4、Claude 3和Google Gemini 1.5 pro都采用了“专家混合”架构，可能与一种子代理人的想法类似，这是朝着正确方向迈出的一步，人的大脑大概有数百万个代理人。 1、如何 icon
  • 这篇文章介绍了复杂自适应系统（简称CAS）的定义和特征。 什么是复杂自适应系统CAS？ 复杂自适应系统CAS的定义：包括多个相互连接和相互依赖的交互代理，并具有非线性行为。 复杂自适应系统的 icon
  • 这篇文章（点击标题）介绍了计算机科学家 Ellie Pavlick 的工作，她正在尝试将哲学概念（如“意义”）转化为具体且可测试的想法。 Pavlick 在布朗大学和 Google DeepMind 研究语言模型， icon
  • 谷歌的Griffin论文完美地展示了缩放定律。由于参数扩展了 7 倍，任务性能提高了大约 10%。全部都使用相同的 3000 亿代币数据进行训练。当您跨参数 icon
  • AIMS 方法可在行为体和相互作用的情况下发生变化，并配备监测器，以检测早期出现的扩大或抑制迹象。 "Aims" 是缩写，代表 "Actants, Interactions, Monitors, and Scaffolding"（行动者、互动、监控和脚手架 icon
  • 关于计算形式化和表征方法的局限性，我们应该从休伯特·德雷福斯那里读到什么？ 休伯特·德雷福斯是谁？德雷福斯的工作对于理解人类认知、行为和技能的本质，以及人工智能的局限性都产生了深远的影响。 icon
  • 点击图片 完整视频 icon
  • AnthropicAI可解释性团队今天发表了一份漂亮报告：目前大语言模型的可解释性方法可能只是触及神经网络内部的表面，而具有罕见特征的大量“暗物质”和复杂的叠加现象仍然无法理解。 Chris Olah和Adam Jermyn提出了一个观点：尽管他们训练了一 icon
  • 2024年诺贝尔物理学奖授予了两位在机器学习领域作出重大贡献的科学家：美国普林斯顿大学的约翰·J·霍普菲尔德（John J. Hopfield）和加拿大多伦多大学的杰弗里·E·辛顿（Geoffrey E. Hinton）。以表彰他们 icon
  • 最近亿万富翁抗衰明星约翰逊布莱恩（Bryan Johnson ）长寿实验受到了各种流派的批评，其中最主要的是Ray Peat粉丝团。 生物标志物1：低体温布莱恩的饮食/补充剂和生活方式的选择导致他的体温在三 icon