细分场景原声馆
#大模型與 AGI
围绕「大模型與 AGI」从 2 亿+ 原声数据中提炼的精选纪录片。也可以在下方输入更具体的问题,30 秒现剪新片。

開源權重,閉源高牆:誰在爭奪AI的未來?
開源 AI 重新分配責任,並未取消責任。Clem Delangue 和 Yann LeCun 把開放視為對權力集中的制衡,CNBC 的一種聲音則警告,擴大開放模型規模很危險。NVIDIA 的機器人演示顯示,使用者在系統部署後繼續訓練;OpenAI 的 PBC 與失控智慧體報道說明,封閉實驗室仍要面對直接問責,Jerry Murdock 則談到市場生存壓力。

AI 2027:如果超級智慧預言成真,我們準備好了嗎
這份檔案追蹤一份把超級智慧放在 2027 年的預測:從博斯特羅姆的基本定義,到 AI Futures Project 的研究。評論頻道承諾拆解炒作,也提醒智慧體的侷限;蒂姆·費里斯和薩姆·奧爾特曼則呈現這場競賽的文化與人的代價。現有證據足以支援一場嚴肅的預測辯論,但時間點、可靠性和制度壓力仍是未解問題。

AI會有“自我”嗎?五個聲音追問通用人工智慧的邊界
發言者一致認為,AGI,即在各項任務中達到人類認知水平的機器,仍屬假設,但他們在時間線和風險上存在分歧。本·格策爾強調其跨學科性質,而埃裡克·施密特堅持精確的定義。書面記錄證實了AGI在定義上的模糊性,並將其與全球安全關切聯絡起來,表明人工智慧的未來既關乎語言和治理,也關乎程式碼。

肌肉,才是你衰老方式的底層規則
在這些訪談中,Andy Galpin 把肌纖維訓練當作可落地的生物學:費力的大重量工作能募集肌纖維,空腹運動可以承受,力量則保護日常動作。Radák 的肌纖維型別生理學與 Kupchak 的飛行疊加訓練損傷資料,為這些說法提供了框架。幾位講述者在生物學上的分歧不大,分歧更多在於普通訓練者能從中安全獲得多少實際收益。

Moderna癌症疫苗洩露:被提前揭開的試驗
Moderna這件事,與其說是一個單獨結果,不如說是披露方式、公眾信任和一項早於新冠疫情的研究思路撞在一起。一份被洩露的摘要把試驗推到臺前;BBC和CNBC的節選顯示,疫苗新聞如何變成公共資訊。與此同時,研究者和甚至狗主人都把mRNA癌症工作描述為一個逐步推進的治療專案,並非奇蹟。

AI教父的22字滅絕警告,從何而來
傑弗裡·辛頓的公開警告,出現在一場關於AI起源、能力與安全的更長久爭論之中。2023年5月的滅絕宣告把這場爭論壓縮成22個詞,而工程師和政策聲音把程式碼規模、信任與問責描述為具體的執行風險。這份檔案把辛頓的說法與圍繞他形成的機構合唱區分開來,用發言者自己的話和那份簽署宣告作為證據。

過了50歲,蛋白質到底怎麼吃才長肌肉?
Alan Aragon 和 Andy Galpin 把蛋白質劑量當成一個實際問題,FoundMyFitness 與 Gabrielle Lyon 則把肌肉蛋白合成與代謝和衰老聯絡起來。Jeremy Ethier 的全蛋對比和 2009 年的運動綜述表明,食物形態和訓練背景都會影響結果。關於萎縮與機械敏感性的文獻還提醒:衰老既改變推薦數字,也改變肌肉的反應。

只靠攝像頭:特斯拉純視覺自動駕駛的硬仗
安德烈·卡帕西早期關於共享殘差連線的計算機視覺研究,與特斯拉公開的自動駕駛主張相距很遠,但兩者都依賴可擴充套件的視覺學習。這些錄音把技術解釋、讚譽、程式設計師的焦慮和 Robotaxi 評論混在一起。特斯拉自己對 ADAS 的定義和 Dojo 訓練相關表述讓討論保持落地:純視覺自動駕駛是一項工程計劃,還不是成品。

一個位元如何丈量不確定性,還讓AI取名Claude
夏農的後繼者並不把資訊只當比喻。3Blue1Brown 用位元計算 Wordle 的熵;牛津數學講座直面編碼缺口;MIT 把吉布斯佯謬與夏農熵連在一起。Computerphile 強調真實字串並不隨機。Gary Explains 追溯 Anthropic 的 Claude 之名到夏農,另一場 MIT 講座則回顧了一樁夏農爭議。IEEE 夏農獎說明,這個領域仍在衡量他的影響。

AI開始吃自己產出的資料,越學越傻
這份檔案聽取研究者、創業者和批評者的說法,他們既把合成數據視為加速劑,也視為風險源。斯坦福醫學院提到一週內搭建系統;20VC把資料描述為萬億美元市場;Keating轉述一種對機器思維的哲學反對。書面材料提供技術主線:模型崩潰、合成數據定義、CollapseTracker的代際證據,以及Gharesifard的預防研究。它保留髮言者的主張,同時點明警告背後的證據。

Atlas 能搬冰箱了,波士頓動力為什麼還在被賣?
波士頓動力的 Atlas 演示看起來毫不費力,但 CEO 羅伯特·普萊特描述了背後多年的步態工程。評論頻道放大奇觀,CNBC 和彭博則記錄 Alphabet 的削減成本與該部門的出售。這份檔案把控制工作與收購噪音分開,用普萊特的原話和經核實的公司歷史,說明這臺機器人真正解決了什麼,以及市場對它提出了什麼要求。

能裝進卡車的核反應堆,能救核電嗎?
SMR的論據建立在模組化和更小的機組規模上,目前還沒有一條被驗證的成本曲線。MIT的講座把一座SMR大致描述為完整電廠的三分之一,Ben Miles則指出核電在可負擔性上反覆受阻。泰國的公眾諮詢和羅爾斯·羅伊斯在英國的設計顯示出推進勢頭,但Pannier的燃料成本比較讓賬目問題仍然懸著。

花幾千塊買的長壽檢測,到底測出了什麼?
這份專題材料沿著長壽研究的宣稱與診所現場展開。斯坦福警告說,直接面向消費者的基因檢測不能混為一談;FoundMyFitness 的一段影片承認,對一項直接試驗仍有不確定。達特茅斯獲得的 1180 萬美元 NIH 資助把農村屬性變成資產,Peter Attia 則回到醫學院時代關於心血管病理的問題。圍繞谷胱甘肽和女性公共衛生的評論,展示了衰老標誌如何進入補充劑和篩查。

Claude的憲法:AI威脅早已進門
Anthropic的憲法路徑把價值觀寫成書面指令,再用這些指令測試Claude。這些片段展示圍繞文本展開的工作:Ray Dalio的AI原則、斯坦福的第一性原理框架、Anthropic的威脅情報、月度業務回顧,以及模型預測研究。Amanda Askell的人格對齊角色和Anthropic的公共利益結構,讓這些規則獲得機構層面的分量。這個背景很重要,因為單靠原則擋不住網路犯罪,也解釋不了模型行為。

辛頓的異端:六次改寫規則的時刻
傑弗裡·辛頓以人工神經網路聞名,反向傳播至今仍是訓練這類網路的標準梯度方法。他提出的前向-前向方案要檢驗:學習能否在沒有反向傳播的情況下推進。六段錄音摘錄中,forward 一詞另有所指:期貨市場、大躍進、減重手術後的韌性、領導力、創作時間,以及網路發帖。這份檔案保留原話,讓技術問題與這些聲音並置。

當對話不再按劇本走
文字記錄為邁克爾·斯通布雷克理出一條清晰主線:關係型系統、流處理,以及他與 NoSQL 的公開交鋒。口述錄音沒有直接帶來他本人,反而記下另外幾位邁克爾談音樂、銀行牌照和真實性。這讓這份檔案變成一次關於檔案鄰近關係的觀察,也解釋了資料庫爭論為何比訪談形式活得更久。

清醒夢無比真實,科學卻仍說不清
腦成像為夢研究提供了一套可測量的語彙,但口述記錄仍不斷回到第一人稱報告。Big Think 把夢描述為表徵或重演,Thomas Brophy 追問清醒夢練習能教什麼,斯坦福醫學院則借偏頭痛治療來談成像。從基本的夢定義到 LaBerge 的著述,文字記錄都確認:神經學與主觀體驗仍是兩套不同的工具。

楊立昆的機器人現實檢查:世界模型到底在哪?
Yann LeCun 把推理看作關於先驗結構的工程問題。在影片片段中,他和合作者描述潛空間搜尋與樣本高效的世界模型,評論則追問機器人主張、安全與智慧體產品。書面材料補充了 2026 年《AI Magazine》論文和 ACM 峰會論文集,讓這場爭論帶上技術與機構層面的分量。它沒有解決結構與學習之間的核心取捨。

虛擬電廠:電網正藏在你沒看見的地方
虛擬電廠聚合把分散的資源變成單一的電網參與者。口述片段展示了資產範圍和規模:藻類作為光合作用的先驅,65吉瓦的資料中心,另有413吉瓦計劃中,以及中國接入電網的飛艇。書面定義給出了機制:運營者協調分散式能源資源,以平衡供需。

新冠疫苗只是開場:mRNA和AI正改寫醫學的下一個十年
CNBC梳理了mRNA從大流行規模生產到莫德納HIV疫苗研究的路徑。史蒂夫·奎克解釋AI為何適合處理複雜的細胞生物學,斯坦福的臨床醫生和Inbal Shani則討論裝置、算力以及現有模型之外還有什麼。Big Think的預防主張、自擴增RNA研究和Feng在2024年的綜述指向更便宜的基因組和可自我複製的劑量,但遞送、安全性和可及性仍未解決。

藏在血液裡的衰老風險
這份材料把hs-CRP視為可測量的急性期蛋白,並不把它當成對衰老的判決。來自NAD研究、疫苗安全、幹細胞生物學和心臟健康領域的講者,展示了炎症說法如何從實驗室標誌物走向公眾建議。紀錄片追問:證據在哪裡強,在哪裡薄,以及臨床醫生為什麼仍對風險判斷存在分歧。

AI 素養的關鍵,不是提示詞,而是知道什麼該留給自己
“苦澀的教訓”認為,隨著算力增長,通用方法往往勝出。這份檔案用實踐者的經歷檢驗這一判斷:一位風險投資合夥人把遞迴稱為下一條擴充套件定律,臨床醫生在護理中擴充套件 AI,一位運營者權衡平臺替換成本,還有講師在教任務委派。這裡的模式並非簡單加速。每位講述者都描述了算力與結果之間的不同瓶頸。

5比1:婚姻裡最殘酷也最溫柔的比例
戈特曼夫婦把正面互動與負面互動五比一的比例,當作幸福伴侶和離婚伴侶之間的一條臨床分界線。評論者反覆把這個數字稱作神奇比例,弗恩·德克森則把知識和行動分開。SAGE關於戈特曼方法伴侶治療的條目,以及卡斯滕森關於年齡與情緒的研究,把這個說法放回治療與生命歷程的語境中;問題在於,這個數字在流傳之後還保留了什麼。

太空雷射與夜空爭奪戰
雷射星間鏈路把衛星連成地球上方的一層網路,光學終端在航天器之間傳輸資料。星鏈工程師介紹在軌交叉鏈路測試,天文學家卻要等上好幾個月才能拿到望遠鏡觀測時間,監管機構則援引1967年《外層空間條約》。關於光學終端和雷射調變的研究確認了技術潛力,但軌道交通、天空亮度和星座規模仍未解決。

拒絕的引擎:AI如何學會不靠人類直覺
David Silver 把機器推理框定為輸入、動作與搜尋。YC 的論文俱樂部把目光轉向語言模型中的自我博弈,bycloud 則指出拒絕取樣仍然依賴人類直覺。一篇 2026 年的論文認為,只有當合成流程帶來可學習的資訊增益時,自我博弈才會提升模型。這份檔案追問:模型學到了什麼,篩選了什麼,初始判斷又由誰提供。

NAD抗衰熱:是神藥還是昂貴輸液?
帕特里克把 NAD 引入討論,稱它是衰老研究中一個重新變得重要的分子。辛克萊用直白的話講清路徑:NR 變成 NMN,NMN 變成 NAD。凱伯萊因指出一個尚未被檢驗的組織終點,阿克斯和尼古拉則把前體看成可選或補充手段。文獻確認 NAD 是代謝的核心,NMN 是中間產物,但針對人類的抗衰老宣稱仍比產品標籤更窄。

2030年代上火星?加來道雄說物理不是障礙
加來道雄把人類登陸火星的時間放在2030年代。CNBC在猶他州找到一處設施,那裡演練的是每天如何維持生存;PBS Space Time和Astrum則爭論火星是否曾經有過生命。生命保障系統和SpaceX可自我維持定居目標的現有公開資料,把這個差距擺得很具體:抵達只是一個里程碑,讓人活下來是另一個里程碑。這份檔案按這條線索展開。

達里奧·阿莫代伊的兩年警告:AGI已近在眼前
這份檔案追蹤達里奧·阿莫代伊在企業爐邊談話、聯合國簡報會、彭博採訪和達沃斯反應中的言行。它把他的信念,即部署有能力模型,與批評者稱其時間表不切實際的說法並置,也對照Anthropic將公司5%投入公共利益的承諾。圍繞存在性風險、Brautigan詩歌、South Park以及Sam Altman在峰會上的尷尬時刻的文本引用,勾勒出議題的分量,卻沒有給出答案。

人形機器人搶不走你的工作,卻想住進你家
這些訪談片段顯示,這個領域一邊是能力演示,一邊是生產現實。OceanOneK 的定位來自 ROV 做不到的事;Meta 已推進到第二個人形原型;Sophia 則引出公關層面的疑問。病毒式釋出與批評者的吐槽暴露出同一個缺口:工廠機器人需要可重複的自主能力,光有表演不夠。

什麼都別信:零信任安全現場拆解
John Savill 稱零信任為聖盃;Microsoft Mechanics 將其簡化為“永不假設信任,始終驗證”。學術論文將該模型推向分段和機器學習,而 Garrett Lord 的標註討論和 Computerphile 的 TCP/IP 解釋則揭示了安全宣告之下的實際依賴。這些片段混合了高管框架、AI 代理驗證和普通網路管道,讓觀眾既聽到承諾,也聽到缺失的實施細節。

最難的不是抓取,而是鬆手
Playter 描述了一隻帶有電機、執行器、感測器和掌心攝像頭的手。BBC 的報道顯示,一種假肢手設計可以從人體使用場景轉到工業機械臂或人形機器人手臂上。谷歌的 Gemini Robotics 2 又提出更難的問題:任務何時完成。學術界的機械手設計則在追求自適應和可負擔。

沒人看得懂的模型,誰來驗證?
這份檔案把 AI 辯論視為一種監督方法:兩個模型互相辯論,一名評判者或更弱的模型作評估,研究者希望這套安排能擴充套件到人工審查之外。克里斯蒂亞諾與歐文提供了技術脈絡。口述片段顯示出這種方法與常規治理之間的落差:BCG 呼籲自主能力,座談中的閒談與創始人訪談則暴露出一種不確定,人類究竟還能驗證什麼。

GRPO的隱藏賬單:教AI推理到底多貴
Lex Fridman 追問深度強化學習能走多遠,sentdex 搭建環境,Computerphile 給通勤計時,StatQuest 在 Squashes 和 Norm's 之間做選擇。PyData 在真實 GPU 預算下從 SFT 走向 GRPO,Caleb Writes Code 則談到從業者的疲憊。S-GRPO 和 GRPO-LEAD 展示了關於提前退出和難度感知的簡潔推理的研究,但談話記錄最終仍回到獎勵設計、搭建成本和評估壓力。

AlphaGo對陣李世石:那場讓AI相信自己會贏的棋局
David Silver講述瞭如何評估AlphaGo的水平並安排與李世石的對局。DeepMind的十年回顧把首爾這場比賽稱為AI發展的關鍵轉折點,Physics Today記錄了對局結果。PLOS ONE研究了事件前後社交網路上的推斷。若干無關影片顯示,“match”一詞在媒體中如何隨意流轉,這讓來源核驗變得必要。可靠記錄把這五局比賽與關鍵詞噪聲區分開來。

作弊的基因:基因驅動如何改寫種群規則
珍妮弗·杜德納描述了一個實驗室基因驅動如何把一種性狀傳遍果蠅,而基礎群體遺傳學解釋了基因頻率通常為何能保持穩定。哈迪-溫伯格給出基線;基因驅動建模要問的是,釋放閾值、適合度代價和交配規則在什麼時候會讓這條基線推向種群替換或崩潰。書面材料提供了定義和閾值模型,口述片段則落在實驗室演示與政策測算之間。

一針疫苗,為什麼能在體內自我複製?
RNA疫苗把一個一度頑固的想法變成製造平臺。拉卡涅洛回憶當年的意外;CNBC追蹤莫德納和輝瑞;CrashCourse解釋免疫訓練。自我擴增RNA在細胞內加入複製能力,有望帶來更強的蛋白表達和更低劑量,也引出控制、安全以及公眾如何分辨差異的問題。文獻把saRNA定義為在宿主細胞內自我複製的工程化mRNA,可提高抗原產量。

釋出還是封存?誰來決定AI何時已經太危險
Anthropic的聯合創始人把負責任擴充套件政策說成一本分階段的安全規則手冊,並非口號。達里奧·阿莫代伊把部署與模型能否端到端完成工作掛鉤;本·曼直截了當地定義RSP;評論者關注ASL閾值和合規成本。美國國防部的爭議給這類承諾增加了一場現實檢驗:在軍事和政治壓力下,它們能否站得住。

AI縮放定律不是宇宙法則:一場關於測量與信念的賭局
神經縮放定律屬於經驗擬合,不能等同於物理定律。麻省理工學院的講者把縮放損失當作課堂內容來講。Hugging Face和AI Explained都提到冪律擬合,也提到“誤稱”問題。AMD工程師把縮放變成基礎設施問題,Brandon Dawson則把規模用於業務增長。書面參考材料確認效能會隨規模變化,但講者們對於這能帶來多少類似定律的確定性,意見並不一致。

你每天都在做貝葉斯推理:從汽車到健康,選擇如何被改寫
BBC Ideas 把貝葉斯推理看作聽取建議後的普通更新。NVIDIA 的 Alpamayo 演示描述一輛車不斷評估自身處境,Google TechTalks 則把規避風險的決策放在預算約束下討論。決策論提供期望效用和機率,貝葉斯機器學習把更新規則與科學選擇、日常選擇連起來。Jim Kwik 問哪四個日常決定會改變大腦;Hayes 博士把覺察和日常決定與壽命聯絡起來。

火星直達:現在出發,真是最便宜的一張票?
祖布林的火星直達是一套硬體先行的主張:直接發射,利用就地資源,避開月球繞行。影片片段展示了反向壓力:準備就緒的說法、星艦加油機數量,以及粉絲圍繞直達的爭論。書面材料把爭論錨定在 1991 年的架構和 2000 年《科學美國人》的案例上,不止於發射日口號。發言者在時間表、成本以及月球是前提還是干擾上意見不一。

第37手:一步被所有高手判錯的棋
主敘述裡,一位職業圍棋手坐在講述者身旁,看著一個角部變化展開;書面記錄把背景釘住:首爾,五局棋,李世石對DeepMind的AlphaGo。其餘摘錄讓“Lee”和“move”散落到不相干的故事裡,提醒人們檔案標籤也會誤導。聲音保持貼近,比賽仍有據可查。

推理模型的幻覺:想得越久,不代表越聰明
這份檔案追蹤推理語言模型,也就是為多步任務訓練的系統,建造者和懷疑者都在測試它們的極限。黃仁勳把這一熱潮與能源約束聯絡起來。IndyDevDan 把功勞歸於提示鏈,蘋果的複雜性測試和 Eli the Computer Guy 則提出失敗與安全問題。書面記錄定義了這些模型,卻把過程獎勵模型留作一個未決的訓練問題。

你的魔法數字,可能從一開始就算錯了
六段節選都繞著魔法數字打轉,沒有落到 SaaS 銷售效率上:一位稅務規劃師許諾財務獨立,Numberphile 為 3,440 叫好,一段聽力測試問起軟體銷售。書面材料補充了雲端計算、企業法律管理和 SaaS 定價的背景,因此這份材料彙編把一種常見的銷售簡寫與影片裡鬆散的數值談論區分開來。

無人機蜂群,最早竟藏在汽車安全氣囊裡
維賈伊·庫馬爾的講述從測量單元和DARPA資助開始,那是飛行機器人背後不起眼的感測器工作。後面的片段從建築藍圖轉向軍事探測與本土安全擔憂。2024年美國的目擊事件說明,蜂群行為為何在實驗室之外也重要:許多小型機器可能看起來像一個系統,決策者必須把好奇與威脅區分開來。

誰最先買單?S形曲線背後的2.5%冒險者
羅傑斯的擴散模型給推廣團隊一套詞彙,並不能提供預測。Sprouts 給出約 2.5% 的創新者門檻;微軟的 Copilot 課程把採用變成提示詞培訓和清單工作;哈佛的專題小組警告,過度承諾可能帶來有問題的採用;造船業則推動軍民兩用商業化。J 形曲線和累積採用文獻補充了關於時機與測量的提醒。

宇宙被調到剛好,大模型也要微調:兩場精細調節有多像?
這份檔案追蹤一次詞義碰撞。MIT 和 codebasics 把微調描述為權重更新,Alex O'Connor 則把這個說法用於宇宙常數和人擇原理。Hugging Face 和 sentdex 展示了機器學習中的其他控制手段和資料集工作。書面記錄印證了宇宙學假說:常數稍有變化就可能排除生命,於是觀測選擇進入論證。

芭芭拉·利斯科夫的低調革命:資料抽象如何撐起現代軟體
芭芭拉·利斯科夫的抽象資料型別和1987年的替換原則,為這部紀錄片提供了證據。訪談片段從吉姆·凱勒關於從零搭建計算機的問題,轉到PyData的語義表示、Udacity的資料建模,以及安什·蘭巴在資料湖之上談表。每個聲音都在描述一條邊界:它隱藏機器細節,同時要求使用者信任可預期的行為。

塔勒布的警告:越追求安全,越容易不堪一擊
在這些片段裡,塔勒布更多充當參照點,很少直接出鏡解釋。蒂姆·費里斯把反脆弱與變得更聰明、更強壯聯絡起來;Mindplicit 稱它是一種引擎;埃文·卡邁克爾把《黑天鵝》與風險掛鉤;布賴恩·克拉斯追問黑天鵝究竟是什麼。書面材料則確認,塔勒布關注罕見事件、隨機性,以及能夠吸收衝擊的系統。