Keep on to blur preview images; turn off to show them clearly
When I hear people talk about drones with regard to the Nigerian security issue, I just don't take them seriously. Do people understand how big Nigeria is? For context, the Sambisa Forest is larger than the 5 states in the Southeast combined. Do you understand how huge that is? Can you drone the entire Southeast? Do we understand how big our country is?
Founder | Author | Speaker Building @beltstripe. Healtech/EdTech/Agric I'm Not The Man Of Your Dreams. Your Imagination Wasn't This Great.
“for AIMO2 we never had a single jump larger than 3 points. Now only the hard problems are left. This is on day 9 of the competition only, many more months left.” 38/50 now. 1st prize is $262K. Overall winner: $1.5M. What is bro cooking
We're in a race. It's not USA vs China but humans and AGIs vs ape power centralization. @deepseek_ai stan #1, 2023–Deep Time «C’est la guerre.» ®1
重新看了一遍 Andrej Karpathy 和 Ilya Sutskever 两位的播客，再借助 Gemini 3 和 NotebookLM 的梳理，对两位的访谈有了基础的感受： Andrej - “工程落地派” Ilya - “科学探索派” # Andrej Karpathy 的“渐进主义”与“动物构建论” https://t.co/D3g7Tr1JRx 核心主题：从“唤醒幽灵”到“建造动物”，AI Agent 的落地之路漫长而艰难。 Andrej Karpathy 在访谈中展现了他作为顶级工程师和教育者的务实视角。他没有过度渲染 AGI 的即刻降临，而是给当前的 AI 热潮泼了一盆极其有价值的冷水——或者说是“清醒剂”。 1. “唤醒幽灵” vs “建造动物” 这是 Andrej 提出的一个极具洞察力的比喻。他认为我们目前的训练方式只是在“唤醒幽灵”。大模型学到了人类所有的知识及模式，它像一个无所不知的幽灵，但它缺乏“实体”和“自主性”。 目前的挑战在于，我们不仅要唤醒这个幽灵，还要为它“建造一个动物的躯体”。这意味着要通过强化学习、记忆模块、工具使用能力，让这个幽灵能够像动物一样在物理或数字世界中持续生存、行动和解决问题。 2. Agent 的“十年长跑” 和外界“明年就有 AGI”的狂热不同，Andrej 认为构建真正可用的 Agent 是一个极其困难的系统工程问题。他甚至给出了“可能需要十年”的预期。 他指出，虽然模型很聪明，但在长时间跨度的任务中，一旦某一步出错，整个任务就会崩溃（误差累积）。目前的模型缺乏人类那种“自我纠错”和“在动态环境中持续学习”的能力。 3. 经济影响的“平滑曲线” Andrej 倾向于认为 AI 对经济的影响将是渐进的，而非阶跃式的。他认为 AI 会像过去的自动化技术一样，逐渐渗透到各个行业中，慢慢提升效率，而不是一夜之间彻底颠覆所有工作。 # Ilya Sutskever 的“范式转移”与“顿悟时刻” https://t.co/uu3JR4mEoy 核心主题：Scaling Law 的边际效应递减，AI 进入“探索与顿悟”的新时代。 Ilya Sutskever 的视角则完全不同，他站在科学探索的最前沿，宣告了“旧时代”的结束。作为曾经 Scaling Law 的最坚定信徒，他的转向不仅令人震惊，更指明了未来的方向。 1. Scaling Law 的终结（或质变） Ilya 明确表示，单纯靠堆算力、堆数据来扩大模型规模的时代已经过去了。虽然扩大规模仍有帮助，但边际效益正在急剧下降。换句话说，2010年代那种“越大越好”的暴力美学已经撞上了天花板。 2. 从“10万小时学生”到“100小时学生” Ilya 提出了一个深刻的区别：目前的预训练模型像是一个“读了10万小时书”的学生，它记住了所有知识，但缺乏真正的理解。而人类通常只需要“100小时”的学习就能掌握一个技能，因为人类具备“顿悟”和“举一反三”的能力。 Ilya 认为，下一个阶段的关键不在于让模型读更多的书（因为数据也快用完了），而在于让模型学会“思考”，从海量数据中提炼出真正的“价值”和“逻辑”，实现从“记忆”到“推理”的跃迁。 3. 安全即能力（Safety is Capability） 作为 SSI 的创始人，Ilya 强调安全不仅仅是给 AI 加护栏，它是构建超智能的基石。一个不稳定的、不仅能理解指令还能理解“价值观”的 AI，才是通往 AGI 的唯一路径。 # 深度对比：Andrej 与 Ilya 的观点碰撞 如果说 Andrej 是在“修路”，那么 Ilya 是在“造火箭”。两者的核心分歧和互补之处如下： 1. 对“瓶颈”的认知不同 · Andrej (工程瓶颈)： 认为瓶颈在于系统集成和可靠性。模型已经够聪明了，现在的问题是怎么把这个聪明的“大脑”装进一个能干活的“身体”里，让它别老犯错。通过更好的工具链、内存管理和强化学习微调来解决问题。 · Ilya (科学瓶颈)： 认为瓶颈在于数据效率和底层范式。目前的训练方法太笨了，还是在靠死记硬背。如果不改变底层的“学习范式”（从预测下一个词转变为真正的逻辑推理和价值判断），光靠堆算力是产生不了真正的超级智能的。 2. 对“扩展（Scaling）”的态度 · Andrej： 接受现有的 Scaling 成果，关注如何通过后训练阶段的强化学习来榨取模型的剩余价值。他认为我们还没完全利用好现有的模型能力。 · Ilya： 认为预训练的 Scaling 已经到头了。必须开启一个新的“Scaling”，即“推理侧的 Scaling”，让模型在输出前花更多时间思考，这才是未来的增长点。 3. 对未来的预期 · Andrej (渐进悲观/务实)： “大家冷静点，这就是个工具，好用但也难伺候。” 他看到的是大量的脏活累活要干，认为 AGI 融入社会是一个漫长的磨合过程。 · Ilya (终极理想/紧迫)： “旧路已死，新王当立。” 他关注的是如何突破天花板，创造出在本质上超越人类学习效率的全新智能体。他的紧迫感来源于对“质变”的追求，而非“量变”的积累。 # 总体感受 我们正处在一个从“大力出奇迹”向“精细化探索”转型的十字路口。 · 听 Andrej，你会明白为什么你的 AI Agent 总是做不好工作，以及作为开发者当下应该专注于哪些具体的工程细节（如数据质量、强化学习环境设计）。 · 听 Ilya，你会看清未来 3-5 年的技术风向，明白为什么所有巨头都在疯狂布局“推理模型”，以及为什么“数据”不再是唯一的壁垒，“思考的质量”才是。
邵猛，中年失业程序员 😂 专注 - Context Engineering, AI Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴
So. Painfully. True. Part of the reason why I left full-time work ~10 years ago, as soon as I found my freelancer (and later course creator) path. More comments in the original Reddit thread: https://t.co/hjiXcac5CH
~20 yrs in web-dev, now mostly Laravel. My Laravel courses: https://t.co/HRUAJdMRZL My Youtube channel: https://t.co/qPQAkaov2F
last 30 days btw
curious guy creating things @ https://t.co/HXWladhJaA - up and coming wife guy
Levelsio 应该到深圳走走 😂 走在路上随时都能遇到随地吐痰的人，每次旁边的人开始清嗓子，我就一脸厌恶快走，印象最深刻的一次是骑自行车，前面的人单手骑自行车，右手拿手机回微信消息，头突然左转吐了口痰
程序员，开发过 2 个 iOS App，几个不知名的浏览器插件，几个小程序。喜欢看动画、漫画、轻小说和网文。希望早日成为自宅警備員。