分类目录归档:日志

2025-10-12|AI Review 及高质量工作流

AI review

今天尝试了一下用 cc 写代码、设计。再用 cx review,发现的问题再给 cc 优化,效果确实不错。cx 的优势在于准确可控,致力于给出最标准的答案,因此创造性略差,做出的东西准确但呆板。cc 做的东西更容易给人眼前一亮的感觉,但有时不够准确,修改面积过大,随之会带来一些风险和漏洞。结合两者优势,共同使用,扬长避短,效果还不错。

Vibe Coding - unsplash

就是真跑起来 token 消耗惊人,一直使用大约 3h cc 的 20💲套餐就限流了。

要是真的要发挥ai的效能,还是需要人类自主选择合适的工具和流程,之后再监督执行,发现错误及时纠正,避免在错误的道路上进入token消耗死循环。

另外在其他地方看到的一个思路,用 cx 来调用 cc 执行,这样说不定真的可以做到自主运行。有合适的场景可以试一下。用 ai 的方式调用 ai ,自举了。

vibe coding 高质量软件项目

做稍微复杂一些项目时,先跟ai一起设计、检查、微调、循环往复。直到生成接近完美的设计文档。再按照路线图,同样的流程一步步实现功能。这样更能够长期维护迭代使用的软件。

2025-10-11 | 人生阶段

或许到一定程度,就需要换个思维考虑问题。不同的阶段,需匹配不同的思维方式才可。

Penguin - unsplash

今天在听腾讯发展的一个播客,讲到腾讯早期什么都做,各种抄袭,最后发展成很坏的风评,最终引发 3Q 大战。Pony Ma 在那时候进行深刻反思,觉得自己只是一心想要做好产品,但是为什么会到这个结果呢,经过深刻反思,后面的做事方式也发生了深刻的改变。

之前听到这个故事还不觉得有什么,现在突然又有了一些心得体会。当发展到一定程度,已经具备相应的规模和实力,就不要在跟那些“初创公司”抢饭碗了。应该做的是在自己足够大的客群下深耕。做深场景,做好口碑。看到有其他好的公司项目,就可以用收购或持股的形式来支持。

绝不应该在已经找到自己方向且取得一些成果之后,还不断的分精力去尝试自己不擅长的方向。在许多事情上都是如此。

寻找,验证,直到取得成果,再深耕。不要在走到第三步的时候,还在想着重复前面的事情。要瞄着更远大的目标。

refs: No.169 腾讯与 QQ:你的灰色头像 还在跳动吗|中国互联网故事|半拿铁|商业沉浮录

2025-10-10 | AI Logo | 远程操控 AI

远程操控 AI

用了一下 happy,还挺震惊的。

https://github.com/slopus/happy

服务器上装上这个,手机扫码,就可以远程操控 Claude Code/Codex 写代码了。有点强。

图文无关

AI LOGO 生成

最近在做的一个小项目logo实在头疼,用了好几个之前觉得好用的 logo 工具,又新发掘了几个,再结合了下面这些工具后,终于生成了一个自己满意的:

下面是最近的战况:

2025-10-09 | 去班味|银杏|域名

去班味

去了一个跟自己生活地方气质完全不同的地方,回想起来才感觉是一种累但得到休息的感觉。假期去香港转了两天,走过深圳就能感受到一种气质迅速的转变。回过头来才意识到,这种感受不一样风格的生活和空气,可以让人短暂的从高压神经状态下抽离,得到一定程度放松。后面也可逐渐尝试这种方式,让自己放松。

注册域名

注册域名,一些我能想到的、能搜到的,感觉意思非常好的词,基本 .com 都被注册了,而且买的特别高。稍微好一点的词都得几百几千甚至上万刀,而全新注册一个 .com 域名年费是 10 刀左右,这可真是一门好生意。 找到合适的域名,真挺不容易的。

中国的国树是银杏

银杏 - unsplash

著名国学大师、“新儒学”八大代表人物之一的冯友兰先生,在他的《三松堂自序》中曾说过:“我国家以世界之古国,居东亚之天府,本应绍汉唐之遗烈,作并世之先进。将来建国完成,比与世界历史,居独特之地位。盖并世列强,虽新而不古;希腊、罗马有古而无今。唯我国家,亘古亘今,亦新亦旧,斯所谓‘周虽旧邦,其命维新’者也。”

银杏是地球上为数不多的“孑遗树种”、“活化石植物”之一。早在1.5亿至2亿年前,银杏就在地球上出现了,并广泛分布于世界各地。大约300万年前的新生代第四纪冰川时期,与银杏同门的其它植物全部灭绝,只有银杏幸存了下来,而且仅在中国浙皖两省交界处的天目山余脉长兴地区保存了些许“根苗”。

银杏后来逐渐传遍全国,宋代传入日本。欧洲人于1691年第一次在一个日本佛庙花园里见到银杏树种。1712年,一名德国医生才把它引种到欧洲,后来又传到美洲和世界各地。换句话说,现在世界各地栽种的银杏,都是源自中国,所以,选择银杏作为国树,符合本国原产的条件。

银杏作为中国国树,在北方很常见。在郑州上学的时候学校里面到处可见银杏树,人民公园里还有一个百年银杏,秋天的时候美极了。但是到了南方,似乎因为树种、绿化策略还有气候等原因,很少见银杏,有点可惜。

Refs

2025-10-08

MS 卡

收了一台旧相机,发现用的存储卡是索尼的 Memory Stick Pro Duo,简称 MS 卡,查了一下资料:

Memory Stick,简称为MS卡、MS记忆卡、记忆棒等,它是一种可移除式快闪存储卡格式,并由索尼公司制造,于1998年10月推出市场。现因SD卡等存储介质较为通用,仅索尼产品使用MS卡。

很神奇,为此专门买了一个读卡器,可以读取 SD Card, TF Card, CF Card, MS Card,看什么时候可以接触到 CF 卡。

多个知名模型在国庆前后更新

多个知名 AI 模型在国庆黄金周前后发布。

  • DeepSeek-V3.2-Exp 于 2025-09-29 发布: https://api-docs.deepseek.com/zh-cn/news/news250929
  • Claude Sonnet 4.5 于 2025-09-30 发布:https://www.anthropic.com/news/claude-sonnet-4-5
  • Sora 2 于 2025-09-30 发布:https://openai.com/index/sora-2/
  • 腾讯混元图像 3.0 于 2025-10-05 登顶 LMArena 竞技场最新的文生图榜单: https://lmarena.ai/leaderboard/text-to-image
  • OpenAI 于 2025-10-06 发布了AgentKit:https://openai.com/index/introducing-agentkit/ 摘一段新闻:

    2025年国庆期间,腾讯、阿里、DeepSeek、智谱、蚂蚁等多家科技企业密集发布大模型新进展。腾讯混元图像3.0登顶LMArena榜单,成为最佳开源文生图模型;阿里发布通义Qwen3-Max,性能跻身全球前三;DeepSeek推出V3.2-Exp并大幅降价API费用;智谱发布GLM-4.6,蚂蚁开源万亿参数推理模型Ring-1T-preview。各企业聚焦多模态、智能体与端云协同,争夺下一代操作系统生态主导权。专家认为,2026年或迎端侧AI爆发,国产算力需求将持续攀升。 refs: https://www.donews.com/news/detail/8/6164277.html 每天打开社交媒体就看到这些新闻,难免产生焦虑。DeepSeek 和 Claude Sonnet 的更新似乎聚焦在降低成本,或许这也是未来模型的迭代方向。与此同时,AI 的 Agent 能力从年初的预测,到今年年底逐渐成熟。OpenAI 也推出了 Agent 平台,不知道会不会直接影响到 Dify/Coze,或许这也是下一个大公司必争之地。对于普通人来说更要聚焦行业,探索究竟如何为自己带来价值。

扩展链接:

CCD 和 CMOS

CCD 在大约 2010 年前后开始不再是主流,并在此后的几年里被CMOS 传感器所取代,主要原因是CMOS 传感器在低成本、低功耗、高速度以及更小的尺寸等方面具有显著优势,特别是在 智能手机的快速发展和需求增长的推动下。

假期出去玩逛到旧相机市场,突然被 SONY T7 这个 2005年推出的卡片相机所吸引,设计简洁,操作简单直接,主要是被它优雅轻便的设计所吸引。今天的相机再也不会有这样轻巧的产品,就算有大概也不会有人为它买单。因为人们需要更强的性能和参数。

查了一下自己的第一台相机, Canon PowerShot SX280HS,2013年推出的产品,传感器也是 CMOS。我用这台相机拍摄了很多记忆中的画面,为我留下了珍贵的记忆。

今天看到的这款 Sony Cybershot DSCT7 上市于 2005年,仅有 5.1MP 像素和 3x 光学变焦,传感器是 CCD ,这样的数码古董,真是很有意思。

中秋灯笼

NAS 更新与选择

群晖 Nas 自带的备份软件适配鸿蒙 Next 应该是无望了,在想是不是换极空间。不想折腾,只想稳定存储即可。

看了一下现在的 HDD 价格,比五年前贵了几百块。Nas 本体价格倒是降下来了。

2025-10-07

期待一下 Figma 的 AI 助力

试了一下 Figma make,感觉效果比 v0 好一些。做出的页面更精致一些,布局、交互更合理。输出结果还是给出 tex 源码,要是能直接出 figma 设计稿就好了。期待一下。

Git 洁癖

git 洁癖。感觉自己有 git 洁癖,代码一定要放在 git 中,终端用 zsh 看到 x 就浑身难受。工作结束后一定要检查一下所有改动的 git 目录都是干净的,才舒服。

2025-10-06

中秋快乐

祝大家中秋快乐,愿团圆美好,所愿皆所得,越来越好。

岭南印象园 - 打铁花

尝试降低心智负担

发现自己的心智负担好重。

记笔记,都要担心同步问题、发布问题、隐私问题。想的太多让我好累。

想写一些程序,但就会自然而然联想到在哪里运行,如何同步。很累。

有没有一个地方,可以实现很好的处理位置信息,且支持共享协作。

路径规划的最优解是人脑吗?

每次需要跟家人一起规划路线,都需要在两个手机上一起搜索,人工合并,要是能有一个地方能够共同编辑,且能够很好的将路线跳转到地铁一键导航,还能够多路径一键规划就好了。

一直在想想这样一个场景。

过度设计

总是会担心过度设计。有一个想记录出行地方的需求,就想有这样一款软件。然后还要能够共享和协作。

做下来感觉用的地方也很少。能用上一次就值回票价了。如果做的太复杂就不愿意用,太简洁又需要花费大量的时间做调研和取舍,感觉很复杂。

每次这样就在想是不是,笔记,或是记事本,才是最优解。

2025-10-05

文字表达能力

今天看到这个 帖子 ,很有感触。现在很多工作为了快,都是先用 AI 打个底稿,再人工优化。久而久之写作水平就下降了。 此前一直想要多写点东西,但总是拘泥于形式不敢下手。现在看来再不下手就晚了,敢在自己写作水平下降之前多写点东西。无所谓什么,写就是了。

探索手机发送公众号的工作流

先用最简单的方式跑通,比如今天这个。

《我看见的世界:李飞飞自传》

阅读感悟

暂略

阅读摘录

《我看见的世界:李飞飞自传》

[美]李飞飞 82个笔记

03 鸿沟渐窄

◆ 1956年,他们将好奇心编撰成文,提出了现在广为人知的《达特茅斯人工智能夏季研究项目提案》,“人工智能”一词就是在这份提案中诞生的

◆ 最著名的例子是麻省理工学院博士生特里·威诺格拉德(Terry Winograd)开发的一个程序,用户可以用简单的英语命令来操控一组虚拟的彩色方块。有段对话格外令人难忘,以下是部分摘录:用户:找一块比你手中的方块更高的方块,把它放进盒子里。计算机:我想,你说的“它”是指比我手中的方块更高的方块。计算机:好的。用户:盒子里装了什么?计算机:蓝色三角锥和蓝色方块。用户:三角锥是由什么支撑的?计算机:盒子。用户:有多少个方块不在盒子里?计算机:四个。

◆ 费根鲍姆的创新开启了后来被称为“知识工程”(knowledge engineering)的全新子领域。在这个子领域中,有关特定领域(医学、制药、金融或几乎其他任何领域)的事实被整理成数据库。机器可以读取相关数据,像威诺格拉德的几何形状一样进行分析,并以自然流畅的书面问答形式提供答案,实现了媲美咨询人类专家的自动化体验。这些程序被称为“专家系统”(expert systems)。

◆ 美国孩子似乎普遍比较吵闹粗暴,对老师似乎也缺乏尊重

◆ 师生之间的互动常常是对抗性的,但也充满了俏皮和温暖。在这原本令我生畏的第一天,我立刻确定了一件事:我会喜欢美国的老师

◆ 此前的几代人试图用规则详尽描述智能,算法相对僵化,这种人工智能通常被称为“符号人工智能”(symbolic AI);20世纪80年代末到90年代初,潮流开始转向更自然的方法

◆ 杨立昆的成果就预示着一个大胆的未来。随着时间的推移,行业研究重点从“通过明确编程来解决问题”转变为“从示例中发现模式”。

◆ 换言之,算法不是被告知该做什么,而是去学习该做什么。研究人员给它起了一个贴切的名字:“机器学习”(machine learning)。

◆ 1950年,图灵发表了一篇题为《计算机器与智能》的论文,简要对比了“基于规则的人工智能”(rule-based AI)和机器学习

◆ 基于规则的人工智能是指从零开始构建具有智能行为能力的完整体,而机器学习指的是允许智能体自主发展。图灵问道:“与其努力打造程序来模拟成人的思维,为何不尝试用程序模拟儿童的思维呢?”

◆ 大脑可以被看作由简单元素组成的大型网络,元素之间的联系可以随着时间的推移而改变;通过将复杂的行为分布于网络中,我们几乎可以完成无限的任务,并且可以不断学习新的任务,即使到了晚年也可以。

◆ 人类大脑的复杂性远远超越已知宇宙中的任何其他事物,但其构造又极其优雅,几乎把复杂性全部掩藏

◆ 汽车或手机都是由清晰区分的零件组装而成,这是人类设计师认为直观的形式。但大脑的构造与此不同,它是由近1000亿个神经元构成的巨大网络,其中的神经元就是一个个互相连接的微小单元,可以在电化学传输中精细聚焦

◆ 大脑在最初在子宫内形成后的很长时间里,才通过学习形成了(或者至少是逐渐完善了)这些网络结构。这就是为什么尽管我们的灰质在解剖学上看起来并无二致,但每个人的个性、技能和记忆都是独一无二的。

◆ 休伯尔和威塞尔的研究发现,感知不是发生在单个神经元层次上,而是通过由多层神经元组成的层次结构进行的

◆ 由于大脑的网络结构允许无数步骤同时进行,我们的感知体验是连续不断、充满活力的

◆ 福岛邦彦将这一成果称为“新认知机”(neocognitron)。新认知机对输入数据的异常具有很高的复原力和容忍度,因此在准确辨认笔迹方面取得了突破性的进展

◆ 随着网络接触到越来越多的实例(如照片或音频波形集),神经元之间的连接就会因所见所闻而被重塑,留下越来越详细的印记。就像流淌几百年的河水雕刻出的峡谷壁一样,在经过一定的训练后,神经网络会逐渐呈现出特定的特征。经过多年的努力,神经网络突然开始以前所未有的规模进行学习,并达到了前所未有的精确度,这预示着真正的转折点即将到来

◆ 这是父亲真正的天赋所在——不是工程学,不是相机修理,甚至不是文字游戏,而是在任何情况下,哪怕再平淡无奇,都可以发现幸福和快乐。

04 心智探索

◆ 母亲出生在一个国民党家庭,她的出身属于敌对的阵营,因而一直戴着精神枷锁做人。而现在,她在这新泽西州的干洗店里变得春风扑面、笑口常开

◆ 物理学为我学习计算机打下了坚实的基础。我开始学习一门新的语言——一种简称为C的编程语言。与英语不同,C语言以一种前所未有的方式赋予我力量。它的清晰度和精确度都堪称完美,让我能够以复杂、抽象的方式进行计算,而且计算规模之大是我以前无法想象的

◆ 学习一门新语言,就像打开了一扇通往新世界的大门

◆ 当神经元以千亿计的数量级复制,当它们之间的连接达到10的11次方时,质变就发生了

◆ 物质变成了思维,产生了爱、喜悦、悲伤、愤怒、恐惧和欢笑,也造就了我们在科学、艺术、音乐和数学等方面的能力

05 第一道光

◆ 我们的远古祖先形态简单,考虑到当时的环境,这也是很自然的事。它们居住的水下空间生物稀少,无须为了食物相互竞争。在三叶虫出现之前,生物捕获猎物主要靠运气,而猎物也采取了同样漫无目的的方式来躲避捕食者,双方均靠运气生存。只有当食物近在咫尺、无须付出任何主动努力时,生物才会进食。

◆ 他认为,引发寒武纪生命大爆发的导火线是一种能力的出现:光敏感性,这也是现代眼睛形成的基础

◆ 对光的感知迅速发展,其核心在于一类被称为“视蛋白”的蛋白质。这种蛋白质具有独特的性质,比如在吸收光子时会改变形状(本质上是对光的物理反应),并连接成一种叫作“离子通道”的链条,将这种反应转化为生物电信号,传输到身体的其他部位

◆ 在进化过程中,神经网络虽然原始,却是与竞争日益激烈的外部世界保持同步的权宜之计,即使今天也依然存在,尤其是在水生生物中,例如某些种类的水母

◆ 大脑并不是内部某种神秘的智力火花的产物,而是对外部世界的反应。

◆ 当时的我还不知道,视觉研究是人工智能本身的产物

06 北极星

◆ 通过进一步研究,索普精确地指出,大脑中的识别时刻是在图像出现后仅仅150毫秒(大概相当于眨眼的一瞬间)

◆ 我们的视觉基础在于识别定义明确的类别,也就是对事物的识别

◆ 视知觉依赖于分类

◆ 我们的视觉系统就像是某个神秘巨人以极大的耐心精雕细琢出的发条装置,而我们的研究工作像是其逆向工程。虽然发条装置的小齿轮在我们面前嘀嗒作响,但其神秘面纱仍然未被揭开,距离完全理解视觉原理还有很长一段路要走,但我们已经窥得一些非凡的东西

◆ 生物进化是宇宙中唯一能够从零开始创造真正智能的力量,我觉得我们正在复原其线路图,或者至少是其中的一些片段

◆ 作为人类,我们天生就有一种神奇的本领,那就是可以仅凭对陌生事物的一瞥,再次遇到时就能认出来,不管是一样新的乐器、一种我们从未见过的动物,还是一位新当选的政治家

◆ 即使面对全新的事物,无论多么新奇,我们也会借助一生的经验来加以理解。我们所看到的几乎一切都深深地融入了过往的经验——轮廓、光影、纹理和图案等熟悉的细节,以至我们很难想象能真正孤立地看到任何东西。

◆ 我们选择的机器学习算法的数学核心是“贝叶斯网络”(Bayesian network),这是一种概率技术

◆ 数据被公然视为一种惰性商品,只在算法需要时才重要,虽然这种观点并不稀奇,但我开始意识到,有一些重要的东西一直都被低估了。

◆ 我欣赏他勇于冒险的精神,但也不得不考虑现实情况。我知道收集、标记和组织图像的实际工作将会落在我身上,所以我总是尽力平衡我们的研究需求和日常生活的实际问题。

◆ 我比以往任何时候都更加确信,分类是连接一切研究的核心思想

◆ 我们的算法出现了数据科学中所说的过拟合现象(overfitting)。

◆ 也就是说,无论算法设计得多么巧妙(我们探索了所有能找到的算法),即使是那些在测试中表现最好的算法,在遇到新的刺激时,也会很快出现问题

◆ 那些看似经过有效训练的算法,却无法将它们所学到的知识,或者说它们本应学到的知识,应用于现实世界

◆ 从本质上讲,这与人类的感知能力恰恰相反

◆ 人类的感知能力是由泛化能力决定的,泛化能力增强了我们的灵活性和适应性,甚至让我们富有创造力,让我们能够随时利用新想法的力量锐意进取,而不是停留在过去的经验中止步不前

◆ 任何缺乏泛化能力的生物都会很快被自然界的不可预测性击垮,因此这种能力是生物进化思维的关键特征。然而,对机器来说,泛化在很大程度上仍然是遥不可及的

◆ 单词在帮助我们对所见事物进行分类方面发挥着基础性的作用,因此他推断,对所有离散且可量化的事物的单词(即英文中的可数名词)进行计数,将是一个很好的起点

07 一个假设

◆ ImageNet不仅是一个数据集,它是一个假设、一个赌注,即实现真正机器智能的第一步,是沉浸在完整的视觉世界中

◆ 视觉不仅仅是一种“感觉”,至少不是那种可以用温度计或盖革计数器测量的“感觉”,而是一种体验的催化剂

◆ WordNet是心理学和认知科学领域的传奇人物乔治·阿米蒂奇·米勒(George Armitage Miller)的杰作

◆ 他想通过WordNet以极其庞大的规模绘制出语言结构图

◆ 例如,我们不因为拼写接近而把“apple”(苹果)这个词与“appliance”(器具)进行关联,而是将它与“food”(食物)、“fruit”(水果)、“tree”(树)等一系列相关的词汇进行集群配对。这样形成的词汇数据库就像一张地图,将人类所珍视的一切(也就是我们用词汇描述的一切)排列在一个相连的空间里。简而言之,这就是WordNet

◆ 1985年启动以来,WordNet已经发展到极其庞大的规模,收录了超过14万个英文单词,并迅速扩展到新的语言

◆ 首先是WordNet,一个目标无比宏大的词汇数据库,几乎捕捉了世界上所有的概念,并以人类意义的自然层次组织起来。然后是ImageNet,它致力于为每个概念配上一张图片

◆ 深深地陷进椅子里,缓缓地呼出一口气。我简直不敢相信自己即将说出口的话。“你对干洗了解多少?”

◆ 在线平台可以将任务分配和结果收集过程自动化,有效组织远程的临时工作团队,规模小到个人,大到数百万人的团队。“如果你感兴趣的话,亚马逊就在提供这种服务,叫作‘土耳其机器人’。”

◆ 这个名字很妙,源于18世纪的一种会下国际象棋的自动机器“土耳其机器人”。当时,这个机器人在世界各地巡回展出,被视为一个工程奇迹。它棋艺高超,就连国际象棋高手也甘拜下风。但实际上这个装置纯属骗局:在机器人底座里就藏着一个人类国际象棋大师,正是这个人在操控机器,让观众既兴奋又困惑

◆ 几个世纪后,新兴的众包实践基于同样的理念:真正的智能自动化仍然最适合由人类来完成。亚马逊土耳其机器人(Amazon Mechanical Turk, AMT)围绕这个概念建立了一个市场,“请求者”可以发布“人类智能任务”,由贡献者完成,这些贡献者被称为“土耳其人”(Turker),他们可能来自世界上的任何地方。从理论上讲,这个模式很合理,似乎可以提供我们想要的一切:既有人工标注图片带来的智慧成分,又有与自动化相当的速度与规模。有趣的是,亚马逊称之为“人工人工智能”,这个名字相当贴切。

◆ 我还开始不定期地前往旧金山湾区,拜访斯坦福大学的机器学习和计算机视觉先驱,其中包括吴恩达(Andrew Ng)、达夫妮·科勒(Daphne Koller)和塞巴斯蒂安·特龙(Sebastian Thrun)

08 实验验证

◆ 我不由得笑了起来。一个21世纪的学生用“老古董”这个词来形容几十年前的工作,足以证明我们的领域是多么年轻(可能也证明我正在变老——我选择无视这种可能性)

◆ 神经网络是由生物学启发、层次分明的相互连接的决策单元阵列。由于计算机视觉领域的迅速发展,到了21世纪初,我们中的大多数人已经把神经网络看成是尘封已久的艺术品,包裹在玻璃罩中,四周用天鹅绒绳索保护,闲人勿近。

◆ 冠军算法名为AlexNet,是向这项技术和项目的主要作者、多伦多大学研究员亚历克斯·克里热夫斯基(Alex Krizhevsky)致敬。

◆ 这就像是听说一辆本田思域以每小时160千米的速度差打破了陆地速度的纪录。根本不可思议。进步不应该是这样的。

◆ AlexNet是卷积神经网络(Convolutional Neural Network, CNN)的一个实例

◆ 卷积神经网络的叫法源于图形卷积过程。在这个过程中,一系列滤波器在图像上扫过,寻找与网络所识别事物相对应的特征

◆ 这是一种独特的有机设计,灵感来自休伯尔和威塞尔对哺乳动物视觉系统的观察,即视觉处理在多个层次上进行。就像在自然界中一样,卷积神经网络的每一层都会逐渐整合更多的细节信息,从而形成越来越高层次的感知,最终将真实世界的物体完整地呈现在我们的视野中

◆ 最终,经过各层过滤后,仅剩下少数几个信号被融合成识别对象的详细图像,进入网络的最后阶段:识别阶段

◆ 当然,这些并不是什么新的创意。自从贝尔实验室成功将卷积神经网络应用于手写邮编,杨立昆多年来一直对卷积神经网络保持着惊人的忠诚。在AlexNet诞生时,他已经花了20年时间坚持不懈地完善算法、发表研究成果,但一直没有必要的资源来充分实现这些成果。

◆ 事实上,在ImageNet的帮助下,AlexNet焕发生机,它贪婪地吸收着ImageNet的内容,在ImageNet规模和多样性的土壤中生根发芽,茁壮成长

◆ 现实世界中幽灵般的碎片,以恰到好处的方式组织起来,供算法来查看

09 万物以外是什么

◆ 几十年来,曾经大胆自称“人工智能”的领域已经分裂成许多细分的学科,其中许多学科的命名抛却了其认知根源,转而使用更机械化的术语,比如模式识别(pattern recognition)和自然语言处理(natural language processing)。在这个过程中,对中心实验室的需求逐渐消失

◆ 另一个则是长期兼顾教育和硅谷领导职务的吴恩达,他卸任了斯坦福大学人工智能实验室的主任一职。在许多资深同事的支持下,我接任了实验室的第七任主任,也是首位担任这一职务的女性

10 似易实难

◆ 然后,她又想了一会儿,找到了背后的原因。“我一点儿尊严都没有了。彻底丧失了。在那样的时刻……”她似乎有些语无伦次。我正想鼓励她继续说下去,她就接着说完了:“甚至健康都不重要了。”

◆ 个体的尊严是至高无上的——这是任何数据集都无法解释、任何算法都无法优化的变量

11 无人可控

◆ AGI指的是“通用人工智能”(artificial general intelligence),是一种极其复杂、灵活的人工智能,

◆ 请大家不要每天只从arXiv下载最新的预印本作品了。去读一读拉塞尔和诺维格的著作,去读明斯基、麦卡锡和威诺格拉德的书,读哈特利和西塞曼的作品,读一读帕尔默写的东西。不要因为这些材料距离现在时间久就忽略它们。我们就是要多读一些以前的东西,他们的理念经得起时间的考验,依然非常重要。”

12 下一颗北极星

◆ 那是2019年的春天,是“CS231n:卷积神经网络视觉识别”课程开设的第三年

◆ 原来我们都是彻头彻尾的普通人。我们也许略有成就,但依然有弱点,依然会犯错,而犯错的方式是学生时代的我无法想象的。

◆ 人工智能如何才能尊重人的尊严呢?这个问题是一切研究工作的立足点

◆ 伦理、社会与编写代码之类的工作有什么关系呢?”

译后记

◆ 《我看见的世界》是李飞飞博士的自传。她是美国三院院士,是计算机科学家,是人本主义者,是母亲、女儿、妻子,是曾短暂涉足商界的学术人士。

— 来自微信读书

名侦探柯南贝尔摩德出场集数

贝尔摩德,《名侦探柯南》原作漫画及其衍生作品中登场的角色。黑衣组织成员,在组织中深受BOSS乌丸莲耶的喜爱。擅长易容变装,被称作千面魔女。表面身份是已息影的著名影星克丽丝·温亚德,另一个身份是过世的著名影星莎朗·温亚德,克丽丝的母亲、黑羽盗一的徒弟及工藤有希子的好友。知晓江户川柯南和灰原哀的真实身份却没有报告组织,将柯南视为一发就能击溃组织的“银色子弹”。其真实年龄、过往经历等诸多信息至今处于谜团之中。

Tables

编号 标题 推出日期 登场形式 备注
TV176(190) 与黑衣组织的再会(灰原篇) 2000/01/17 登场
TV177(191) 与黑衣组织的再会(柯南篇) 2000/01/24 登场
TV178(192) 与黑衣组织的再会(解决篇) 2000/01/31 登场
TV191(206) 危命的复活 黑衣骑士 2000/05/22 登场 登场存在争议,详见Case.72#新出医生的真实身份或新出智明#存疑内容
TV227(246) 格斗游戏的陷阱(后篇) 2001/03/05 提及
TV230(249) 神秘乘客(前篇) 2001/04/16 登场/远影
TV231(250) 神秘乘客(后篇) 2001/04/23 登场/远影
TV233(252) 未消失的证据(前篇) 2001/05/14 提及
TV253(272) 本厅刑警恋爱物语4(前篇) 2001/10/15 登场
TV254(273) 本厅刑警恋爱物语4(后篇) 2001/10/22 登场
TV270(292) 犯罪的遗物(后篇) 2002/03/04 提及
TV272(294) 遮挡与匆忙省略(后篇) 2002/03/18 登场
TV274(296) 幽灵屋的真相(前篇) 2002/04/15 登场
TV277(299) 英语教师VS关西名侦探(前篇) 2002/05/13 远影/提及
TV278(300) 英语教师VS关西名侦探(后篇) 2002/05/20 远影
TV279(301) 足球流氓谜案(前篇) 2002/05/27 新回忆/远影
TV284(306) 中华街 雨中的似曾相识(前篇) 2002/07/01 新回忆/远影
TV285(307) 中华街 雨中的似曾相识(后篇) 2002/07/08 新回忆
TV286(308) 工藤新一纽约事件(事件篇) 2002/07/15 登场
TV287(309) 工藤新一纽约事件(推理篇) 2002/07/22 登场
TV288(310) 工藤新一纽约事件(解决篇) 2002/07/29 登场
TV309(334) 与黑衣组织的接触(交涉篇) 2003/02/10 旧回忆/远影
TV329(354) 金钱买不到的友情(前篇) 2003/07/28 远影/提及
TV339(364) 4台保时捷(后篇) 2003/10/27 登场
TV340(365) 厕所里隐藏的秘密(前篇) 2003/11/03 登场
TV341(366) 厕所里隐藏的秘密(后篇) 2003/11/10 登场
TV343(369) 便利店的陷阱(前篇) 2003/12/01 新回忆
TV344(370) 便利店的陷阱(后篇) 2003/12/08 新回忆/远影
TV345(371-375) 与黑衣组织正面对决 满月之夜的双重谜案 2004/01/05 登场/远影
TV346(376) 去寻找屁股上的印记(前篇) 2004/01/12 旧回忆/远影
TV350(380) 被遗忘的手机(前篇) 2004/02/09 旧回忆
TV361(392) 帝丹高中学校怪谈(前篇) 2004/05/24 旧回忆/远影
TV362(393) 帝丹高中学校怪谈(后篇) 2004/05/31 旧回忆/远影
TV371(402) 沉默的航线(前篇) 2004/08/23 旧回忆
TV385(419) 斯特拉迪瓦里小提琴的不协和音(前奏曲) 2005/01/24 旧回忆/远影
TV394(428) 奇异屋宇大冒险(封印篇) 2005/04/18 旧回忆
TV398(432) 奇怪一家的委托(前篇) 2005/05/16 远影
TV418(452) 米花町阁楼之家 2005/10/31 远影
TV425(459-463) 黑色冲击!组织的魔爪伸来的瞬间 2006/01/09 登场
TV427(465) 超秘密的上学路(前篇) 2006/01/23 远影
TV428(466) 超秘密的上学路(后篇) 2006/01/30 远影
TV429(467) 再也回不去的二人(前篇) 2006/02/06 远影
TV435(473) 侦探团的特别采访(前篇) 2006/04/17 远影
TV462(502) 黑衣组织之影 年幼的目击者 2007/01/29 远影
TV464(504) 黑衣组织之影 谜之高额报酬 2007/02/12 新回忆/远影
TV465(505) 黑衣组织之影 珍珠流星 2007/02/19 远影
TV466(506) 坚不可摧的雪人(前篇) 2007/02/26 远影
TV479(519-522) 与服部平次共度的3天 2007/07/16 远影
SPTV1 BLACK HISTORY 与黑衣组织对决的历史 2007/12/17 登场 仅在《神秘乘客(前篇)》《与黑衣组织的再会》《与黑衣组织正面对决 满月之夜的双重谜案》《黑色冲击!组织的魔爪伸来的瞬间》部分登场;在《工藤新一纽约事件》部分以回忆形式登场;在《黑衣组织之影 年幼的目击者》部分出现其远影
TV495(542) 红与黑的碰撞 昏睡 2008/02/11 远影
TV497(544) 红与黑的碰撞 觉醒 2008/02/25 登场/远影
TV499(546) 红与黑的碰撞 伪装 2008/03/10 登场
TV500(547) 红与黑的碰撞 遗言 2008/03/17 登场
TV501(548) 红与黑的碰撞 嫌疑 2008/04/14 登场
TV502(549) 红与黑的碰撞 清白 2008/04/28 旧回忆
TV504(551) 红与黑的碰撞 殉职 2008/05/19 登场/旧回忆
M13 漆黑的追踪者 2009/04/18 登场/开场白 易容成男性警察潜入警方的搜查会议;易容成女性路人故意被挟为人质;告诉柯南组织参与案件的理由,以及代号为爱尔兰的组织成员
TV557(605) 与危险的二人同行 2009/11/28 远影
TV580(631) 逼近的黑色时限 2010/07/10 提及
TV581(632) 摇摆的红色准星 2010/07/17 登场
TV656(708) 博士的视频网站(前篇) 2012/05/19 远影
TV674(726) 侦探们的夜想曲(波本) 2012/10/27 登场
TV701(753) 漆黑的特快列车(发车) 2013/07/13 登场/旧回忆
TV702(754) 漆黑的特快列车(隧道) 2013/07/20 登场
TV703(755) 漆黑的特快列车(交叉) 2013/07/27 登场/远影
TV704(756) 漆黑的特快列车(终点) 2013/08/03 登场
TV705(757) 密室中的柯南 2013/08/10 提及
TV706(758) 解谜的波本 2013/08/17 登场
TV724(776) 怪盗基德与赤面人鱼(前篇) 2014/01/04 旧回忆 世良回忆火伤赤井
TV734(786-787) 茱蒂的追忆与赏花的陷阱 2014/03/29 登场
TV739(792) 小五郎在酒吧里(后篇) 2014/05/17 远影
TV740(793) 小兰也倒在浴室里了(前篇) 2014/05/31 远影
TV779(832) 绯色的序章 2015/05/30 登场
TV781(834) 绯色的交错 2015/06/13 登场
TV783(836) 绯色的真相 2015/06/27 登场
TV813(868) 悄然接近安室的黑影 2016/04/16 登场/远影 M20联动剧集
M20 纯黑的噩梦 2016/04/16 登场/开场白 寻找失踪的库拉索,发现库拉索失去记忆;在清理卧底的行动中,接听基安蒂和科恩的汇报,挟持波本至废弃仓库;协助琴酒带回库拉索的行动;曾要杀死记住对组织不利的情报的库拉索,被朗姆制止
SPTV6 第”1″集 变小的名侦探 2016/12/09 登场 以纽约杀人魔的形象登场于片头;以本人形象登场于片尾原创片段
TV863(918) 灵魂侦探遇害事件(前篇) 2017/06/17 远影
TV866(921) 背叛的舞台(前篇) 2017/07/15 登场
TV867(922) 背叛的舞台(后篇) 2017/07/22 登场
TV872(927) 柯南与平次的鵺传说(鸣声篇) 2017/09/09 提及
TV942(999) 寻找玛利亚!(后篇) 2019/06/08 远影
SPM2 绯色的不在场证明 2021/02/11 登场 仅在《黑色13的暗示》《绯色篇》部分登场
TV1018(1075) 藏不住的古董盘(前篇) 2021/09/11 远影
TV1035(1092) 太阁名人的将棋盘(王手篇) 2022/01/22 远影
SPTV7 本厅刑警恋爱物语~结婚前夜~ 2022/04/15 登场 仅在《本厅刑警恋爱物语4》部分以新出智明的形象登场
TV1045(1102) 天罚降临的生日派对(前篇) 2022/06/04 登场
TV1046(1103) 天罚降临的生日派对(后篇) 2022/06/11 登场
SPM3 灰原哀物语~黑铁的神秘列车~ 2023/01/06 登场 仅在《漆黑的特快列车》部分登场
TV1071(1128) 工藤优作的推理秀(前篇) 2023/01/28 登场
TV1072(1129) 工藤优作的推理秀(后篇) 2023/02/04 登场/远影
TV1077(1135) 黑衣组织的谋略(狩猎) 2023/03/25 登场
TV1078(1136) 黑衣组织的谋略(登陆) 2023/04/01 登场
TV1079(1137) 黑衣组织的谋略(真身) 2023/04/08 登场
M26 黑铁的鱼影 2023/04/14 登场/开场白/提及 安室在电话中向柯南提及(末尾彩蛋)

References