与「将棋無双」相关的搜索结果

\#将棋ヴァンパイア# ダイジェスト動画解禁！！📣/ 本日千穐楽となります🧛 12時からと16時から。 お席まだどちらもございますので当日駆け込みも大歓迎！ 全13名のキャストの生き様。 是非お待ちしております🙇 💻特設サイト💻 #将棋無双#

Demis Hassabis 神级天才的思维脉络 在人工智能与科学交汇的前沿，Demis Hassabis 提出了一条极具颠覆性的路径。他认为，自然界并非我们表象中那般混乱无序，而是隐藏着深层次的结构性秩序。理解世界，不必总是从演绎推理和方程建立起步，而应从感知数据中压缩出可调度的结构，借此进行预测和推演，进而反向建构理论。这一主张不仅重塑了科学研究的技术路径，更触动了我们对知识建构本身的认知方式。 一、结构压缩优先：从 Veo 看理解的重定义 Demis 的这一认知在 DeepMind 的视频生成模型 Veo 上得到了直观体现。Veo 模型并未学习任何显式的物理方程，却能够凭借观察大量自然视频数据，在没有编程预设规则的前提下，生成逼真且具有高度物理一致性的动态画面，例如汽车驶过积水时水花飞溅、玻璃破碎后的细节反馈。这是一种典型的“现象压缩式理解”路径：AI 通过在高熵视频流中提取出稳定可复用的结构压痕，实现对物理现象的预测能力。 我们由此必须追问：如果一个模型能够在不知晓动量守恒的前提下准确预测水花的下一帧状态，它是否“理解了物理”？Demis 的回答是明确的——理解的核心，不在于是否掌握方程，而在于是否能压缩现象为结构，并借此形成调度性强的预测路径。 二、信息先于物质：可学习宇宙假说 在这一架构下，Demis 提出了他的核心哲学命题：信息先于物质。即，物理世界的本质是一种信息性结构，而非能量或粒子。我们所观察到的规律，其底层机制是信息的组织方式。 他进一步提出“可学习宇宙假说”：任何自然界中反复出现的模式，都存在一个可被经典图灵机有效压缩与学习的结构路径。这意味着，我们无需总是从第一性原理出发建构模型，而可以通过 AI 对大量数据的结构化吸收，形成一种预测优先的认知框架。 三、自然流形：结构稀疏的低维空间 AlphaFold 的成功证明了这一哲学判断的工程可行性。蛋白质的理论构象空间高达 10^300，传统方法根本无法穷举。然而自然界中，蛋白质往往能在毫秒级自动完成折叠，说明它们并不是随机地在空间中漂移，而是沿着一条被“压缩演化”的低维流形展开。 Demis 将这种现象称作“自然偏好的低维结构空间”，也就是流形（manifold）。AI 的任务不再是模拟所有路径，而是在数据中采集这一稀疏、稳定、可导航的结构区域。这使得 AI 不必理解所有机制，便能通过结构导航完成预测，从而以压缩路径替代穷举机制。 四、AI First Science：新范式的科研工作流 在 2024 年诺贝尔奖演讲中，Demis 明确提出了“AI First Science”的科研范式：不再从理论建模出发，而是先训练模型，让其学习压缩结构；接着由这些结构驱动调度，再反向解释形成机制。 他提出的科学工作流如下：训练 → 压缩 → 调度 → 解释。此路径彻底颠覆了过去数百年“建模—推导—验证”的科学流程，转而采用“预测—拟合—反演”的演化方法。 在这个范式中，梯度的含义也发生转变。它不再是传统微积分中的导数，而是指数据中隐含的可学习方向信号。这种梯度可能是离散的、统计的、甚至语义的，但它们都构成了一种“方向向量场”，AI 可以在其中找到“走了会变好”的结构路径。 五、结构提出者：AI 从解答者变为猜想引擎 更为震撼的是，Demis 不满足于让 AI 解题，而是要它成为结构猜想的提出者。AlphaGo 的第 37 手，是这一目标的原点：一手无人类预期的棋步，首次展现 AI 提出结构创新的能力。从那一刻起，Demis 开始布局他的“结构发现引擎”路线图。 这一进化路径包括 AlphaGo、AlphaZero、AlphaFold、AlphaTensor、AlphaDev、AlphaGeometry、AlphaProof，每一个系统都试图在不同领域内自动识别高维结构中的压缩路径，并从中提出新的结构问题、优化路径甚至定理猜想。 Demis 将这种 AI 的猜想能力界定为“sweet spot”——即 AI 所提出的结构刚好超出人类直觉边界，但仍在可理解、可验证的范围内。这是 AI 与人类协作的最佳认知区：AI 提出、预测、压缩，人类验证、解释、整合。 六、结构文明的起点：聪明的普通人可及 更令人欣慰的是，Demis 并未将这场科学革命锁死在象牙塔，而是以开源的方式将这些结构性工具逐步释放至公众。AlphaFold 的结构数据库向全球开放，AlphaDev 的算法进入 LLVM 编译器，AlphaProof 与 Lean 数学社区共同构建定理验证系统，这一切都在昭示一个转折点的到来：提出问题，人人可为。 这也意味着，科学创意将首次脱离“天才垄断”，进入“结构协作”。未来的科研者不再需要天赋异禀或名校背书，而是要具备三种能力：理解结构、调度工具、表达路径。Demis 本人就是这种跨界结构型认知者的代表——他从游戏设计师走来，用压缩思维与策略构建，引领科学认知系统的结构重构。 今天的科学，不再是“高不可攀的圣殿”，而是“结构化的工作流”。理解 Demis 的思维路径，就是提前参与这场认知文明的革命。从 Move 37 到 Conjecture Engine，从图灵机到猜想母体，我们已抵达一个时代的起点——在这个时代里，结构就是语言，猜想就是代码，科学的未来，属于会调度结构的你。

カッコいい🥲素敵な動画🥲🥲 ついに明後日から始まりますね…どきどき… 【山崎隆之八段 覚悟の挑戦】第95期ヒューリック杯棋聖戦 五番勝負│ABEMA将棋 @YouTubeより

现在 PerpDEX 越来越卷 但很多人判断一个交易所好不好用，还是只看手续费 其实这很片面，真实交易成本，不只是手续费 还包括滑点、挂单深度、资金费率、清算透明度 这几个加起来，才是你真正付出去的钱 Decibel 直接将这几个数据对比实时上线了看板： 方便大家做对比，也可以让AI 开发一个套利监控BOT 相比于Hype 和币安，Decibel 成本和滑点更低，清算信息链上也更透明！ @DecibelTrade 背景大部分人都了解，由 Decibel 基金會与 @AptosLabs 合作开发 基本可以是认为Aptos 基金会孵化的项目，倾力支持 看上去更像是Aptos想以Decibel为基本锚，吸引资金到链上进行流动性激活，是一步大棋 最近中文界面也上线了，对华语用户友好很多 还做了个宝可梦 Pokemon TCG 活动，为期八周 新用户交易额达到1000美元就可拿到抽奖券： 之后每增加5万美元交易额，可再得一张，每周最多可获得20张抽奖券 相当于每周交易100万美元，即可拿满所有抽奖 直达链接： #aptos# #apt# #Decibel#

任天堂闪电公布 NS2 版《星际火狐》重制版（真的闪电，早上发推说十分钟后有星际火狐直面会，然后直接公布游戏实机预告外加发售日），详情总结如下： - 基于 N64 版《星际火狐 64》进行重制，画面完全重绘，增加新的过场剧情动画； - 游戏剧情模式有三种难度可以选择； - 游戏挑战模式可选择已通过的关卡进行更多条件要求的挑战，并有两种难度； - 游戏多人模式支持最大 4v4 组队竞技，并有直接 PvP 的狗斗玩法； - 支持 NS2 手柄的鼠标模式进行射击操作； - 支持 NS2 摄像头对玩家头部动作和脸部表情进行捕捉，并呈现在游戏中玩家的 Avatar 上； - 支持复刻版 N64 手柄操作； - 游戏将于 2026 年 6 月 25 日发售，并有数字版和实体版，数字版售价为 49.99 美元，实体版售价（可能）为 59.99 美元（非 KeyCard）。 看来《超级马力欧银河大电影》里星际火狐不是白登场的，这盘棋大概从上一部电影结束后就开始布局了吧：确定重制计划→植入电影剧本→同步推进游戏和电影制作→完成游戏制作→电影上映预热→公布游戏发售日，老任是真的能沉得住气啊…… #STARFOX# #SuperMarioGalaxyTheMovie# #StarFox64# #NintendoSwitch2#

在最新的采访中，Hyperliquid 创始人 Jeff 谈到了他的母亲： 她独自一人将 Jeff 和他的妹妹抚养长大，最常说一句来自中国的谚语：人外有人，天外有天。 Jeff 三年级时候父母离婚，母亲是一名普通的会计。 高二时 Jeff 发现费曼的讲义，像追剧一样一口气看完，然后获得了世界物理奥林匹克金牌。 哈佛大学承担了他所有学费。 Jeff 说：在国际象棋中，你的水平越高，就能预判越多的棋步。而在围棋中，可能性太多了。重点在于培养对下一步棋的直觉，而不是试图解读整个棋谱。

华尔街日报最新发了一篇长文《How Google Got Its Groove Back and Edged Ahead of OpenAI》，讲的是 Google 在 AI 竞赛中如何从落后到反超的故事。 2025 年 8 月的一个凌晨两点半，Google 的一位 AI 项目经理 Naina Raisinghani 正在上传 DeepMind 实验室的最新成果，一个超快的图像生成器。她需要给它取个名字才能提交到 LM Arena 排名平台，但这个点没人在线。 于是她随手用朋友给她起的两个外号拼了一个：Nano Banana🍌。 几天后，Nano Banana 冲上排名榜首，在 X 上成为热门话题，用量远超 Google 预期。到 9 月，Gemini App 成了苹果应用商店下载量第一。11 月，Google 发布了迄今最强的 Gemini 模型，在多项指标上超越 ChatGPT，股价大涨。 OpenAI 内部随即发出 Code Red。 时间拨回 2015 年，Pichai 刚接任 Google CEO，那时候 AI 还只是学术圈的事。2016 年他发了一篇博客，说过去十年是智能手机的时代，未来十年将是 AI 优先的时代。 其实 Google 早就在布局。2011 年成立了 Google Brain，联合创始人 Jeff Dean 参与开发了神经网络技术，这是今天大语言模型的基础。后来又收购了伦敦的 DeepMind，创始人 Demis Hassabis 是个国际象棋神童，后来因为 AlphaFold 拿了诺贝尔奖。 还有一步棋当时不太引人注目：Google 开始自研 AI 芯片。他们认为语音识别这类应用会需要大量算力，于是设计了 TPU（张量处理单元），比传统 CPU 和 GPU 更省电。这步棋后来被证明是关键。 不过 Google 一开始对聊天机器人很谨慎。一些高管和研究员担心安全问题，早期模型很容易被诱导出种族歧视或性别歧视的回答。前 Google Brain 员工 Julia Winn 说，Google 对这类风险看得比她待过的任何公司都重。 这种谨慎让一些研究员很沮丧，有的选择了离开。 2022 年 8 月，Google 发布了一个叫 LaMDA 的聊天模型，只开放给少数人测试。测试 App 叫 AI Test Kitchen，有三个功能：想象它、列出它、聊狗。对，第三个功能只能聊狗。 三个月后，OpenAI 发布了 ChatGPT。五天内，一百万人注册。用户没有太多限制，想聊什么聊什么。 Google 内部一些在 AI 上耕耘多年的员工气坏了。分析师和投资者开始质疑：Google 是不是要错过科技史上的下一波大浪？ 2023 年 1 月，Jeff Dean、Demis Hassabis 和新加入的机器人专家 James Manyika 向董事会汇报了打造最强模型的计划。 但 Google 等不及了，需要先推一个产品出来。2 月，他们匆忙发布了基于 LaMDA 的 Bard。 发布会翻车了。宣传视频里，Bard 被问到韦伯望远镜的问题，回答说它拍了第一张系外行星照片。这是错的。Alphabet 股价当天跌了 8%。 差不多同一时间，已经退休的联合创始人 Sergey Brin 在一个派对上碰到了 OpenAI 的研究员 Daniel Selsam。Selsam 问他：ChatGPT 这么厉害，作为计算机科学家你不心动吗？怎么不回来全职搞 AI？ Brin 觉得他说得有道理，于是回归了。 2023 年大部分时间，Google 都在努力整合内部的 AI 力量。Google Brain 偏研究，DeepMind 偏产品，两边文化不同，合并后产生了不少摩擦。 不过 Google 有一个巨大优势：OpenAI 需要融资，Google 可以从自己几百亿的利润里拿钱做研发。 但 Google 还有一个难题：怎么在拥抱生成式 AI 的同时，不把自己的摇钱树给弄死？Google 占了网页搜索市场 90% 的份额，这是广告业务的根基。 为了弄清楚 AI 搜索应该长什么样，Google 启动了一个叫 Project Magi 的多团队项目，由后来成为搜索副总裁的 Liz Reid 牵头。 Reid 说，难点在于当答案不在单个网页上时，怎么让搜索快速给出清晰的回答。人们不只是在用搜索，而是在依赖搜索。搞砸了的话，你妈、你朋友、你孩子都会来找你算账。 2023 年底，Google 发布了第一版 Gemini。OpenAI 的 ChatGPT 主要用文本训练，Google 的 Gemini 从一开始就用文本、代码、音频、图像和视频一起训练。这是技术野心更大的方案，虽然开发时间更长，但后来证明是值得的。 2024 年 5 月，Google 推出了 AI Overviews，在搜索结果顶部显示 AI 生成的摘要。用户开始进行更复杂的搜索。随后 Google 开发了 AI Mode，一种聊天机器人式的搜索选项。 Reid 说，经过无数次迭代，团队开始发现自己不再只是为了测试而用它，而是真的想用它。 Brin 回来后做的很多工作是帮 Gemini 挑毛病。他还促成了一笔 27 亿美元的收购，把两位离开 Google 创业的 AI 研究员 Daniel De Freitas 和 Noam Shazeer 带了回来。这两人后来参与领导 Gemini 的开发。 2024 年 8 月，Nano Banana 爆火。负责 Gemini App 和 Google Labs 的 Josh Woodward 把这次发布称为成功的灾难：全球用户生成了数十亿张图片，Google 一度找不到足够的算力，只能紧急借用服务器。 到 10 月，Gemini 月活用户从 7 月的 4.5 亿涨到了 6.5 亿。 11 月 Gemini 3 发布又造成算力瓶颈。但 Google 十多年前就在准备这一天了。他们自研的 AI 芯片成了竞争优势，最新的 Ironwood 芯片大幅降低了 AI 模型的运行成本。 11 月底传出消息，Google 正在和 Meta 谈判，要卖给他们价值数十亿美元的芯片。这个消息让 Nvidia 股价当天跌了 7%。 Pichai 在 12 月的内部备忘录里写道：我们以很棒的姿态结束了 2025 年。想想一年前我们在什么位置，这个进步令人难以置信。 Google 用了十多年的积累，经历了 ChatGPT 的冲击和 Bard 的翻车，整合了内部资源，最终在 2025 年底完成逆袭。当然，OpenAI 后来也发布了更强的 ChatGPT，用户量仍然远超 Gemini。这场 AI 竞赛远没有结束。

今天我开始教小朋友玩这个对抗类贴纸游戏。相比贴纸五子棋，它显然更有趣，因为不仅可以“吃子”，还可以“反转局面”，带来了更多策略和变化。我的整体设想是，从这种连四岁小孩都能轻松理解的“元游戏组”开始，逐步展开。所谓“元游戏”，就是那些机制简单但可以高度扩展的基础游戏架构。等基础玩法成熟，我就可以开始构建相应的 Minimax AI 代理模型，将这些元游戏发展为一系列可控的电脑游戏或者桌面游戏。 我特别关注的一点是：游戏的难度并不是固定的，而是取决于两个变量——棋子的分配方式与棋盘的结构。这两个维度直接决定了游戏的复杂性、策略深度、AI 推理的难度，以及玩家在不同阶段的体验曲线。只要设计得当，这种游戏既可以让三岁的孩子轻松上手，也能让十五岁的少年玩出深度；不仅可被人类控制，还能对接AI系统进行智能对弈。 我之所以有这个构想，是因为我相信所谓“元游戏”其实总数并不多。但每一个元游戏都可以千变万化，演化出无数种形态。只需搭配不同的贴纸机制、棋盘结构、主题包装，再结合 3D 打印、模块化棋盘设计，就可以构建出一整套可组合、可演化、可训练的游戏宇宙。这一方向，既是亲子娱乐，也是AI启蒙；既是教学工具，也可以是策略博弈平台。 @Hardison0910

#本周热读# 凭借大批量生产卫星与快速发射火箭的能力，加上在五角大楼内部的巧妙周旋，这家由马斯克领导的公司已将多项高价值协议收入囊中。这些协议正将SpaceX置于美国军方和情报机构太空计划的核心位置。