与「師走」相关的搜索结果

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。

日曜日〜！ 師走感？年末感？ 気持ちがとても焦るね😂🌀 こんな時こそ、 呼吸に意識を向けたいところ😌 吸ってー、吐いてー💭どうかしら？

あっという間に12月ですねぇ🎄 アイコン替わったの気づいていただけてますか？🤶 師も走りたくなる忙しさの師走…山下さんはジグザグ走るみたいです💨 #パリした# #オフショムービー# #ゆる走り# #山下美月1st写真集# 2020年1月21日（火）発売 ♦︎amazon

space x星舰项目的华裔女工程师郭璨走红，除了年轻她的随性穿搭、麻花辫、花臂纹身、黄色头发引发大量女网友共振，因为她代表了自由向上的女性力量。 然而这么厉害的女性，女网友们不去探讨她背后付出多少努力，有什么过人的本领，竟然都只都盯着她的花臂和穿搭，花臂和她的能力有什么必然联系？ 她只能代表她自己，不知道那些共享荣誉的人在兴奋什么。 天才工程师可以选择纹和自由穿搭，但你不会因为纹了身染个发穿个吊带就成为天才工程师。

明天會出儀玄師傅去走走💛💛 還沒認到我的 別忘記找我啦 大約11點出沒啦 #絕區零# #ZenlessZoneZero# #絕區零夏日快閃# #絕區零夏日特輯# #HoYoverse#

在日本做了几年独立 AI 工程师,聊几个只有真正在这里干过才知道的事。不是签证、收入、市场分析那些,是日常工作里那些不会出现在任何攻略帖里的细节。 第一个没人告诉你的事:在日本,中国人做 AI 有一个非常奇怪的信用加成。 日本企业对"AI"这件事的认知来源主要是两个:美国和中国。美国代表前沿(OpenAI、Anthropic、Google),中国代表速度(DeepSeek、千问、字节)。你是中国人,天然被归到"速度快、实战经验丰富、见过大场面"这个认知框里。 日本本土的 AI 工程师大多数是从学术界转过来的,理论功底扎实,但生产部署经验偏弱。你跟日本客户说"我在中国的互联网公司做过日均千万级 DAU 的数据系统",他们的反应不是"哦",是"えー、すごいですね(哇好厉害)"。因为日本本土很少有这种体量的实战场景。 这个加成不是永久的,干砸一个项目就没了。但它给了你一个很好的开局:第一次见面时,客户对你的预期天然比对一个日本本地工程师高半格。 第二个没人告诉你的事:日本客户最怕的不是你技术不行,是你"突然消失"。 在日本商业文化里,"飞ぶ"(消失/跑路)是对合作关系最大的恐惧。他们之前遇到过的外国 freelancer 里,有人项目做到一半签证到期走了,有人拿了预付款之后联系不上了,有人说好的交付日期突然说"还需要两周"然后反复延期。 所以日本客户考察你的第一优先级不是"你有多强",是"你靠不靠谱"。靠谱的定义极其具体:说好周五交就周五交,邮件当天回,电话接得到,出了问题第一时间主动说而不是藏着。 我刚来日本的时候不理解这一点,觉得"技术好就够了"。后来才明白,在日本,你交付质量 90 分但每次都准时,比你交付质量 98 分但偶尔迟到一次,在客户心里的评价要高得多。信赖感(信頼感)是日本商业关系的地基,地基不稳什么都白搭。 第三个没人告诉你的事:在日本做 AI 落地,最有效的销售话术不是"AI 能帮你省多少钱",是"不用 AI 你会被同行甩开多远"。 日本企业的决策动机跟中国企业不一样。中国企业决策靠 ROI:"花这些钱能赚回来多少?"算得过来就干。日本企业决策靠"危機感":"不做这件事会不会落后于同行?"同行都在做,我不做,不行。同行都没做,我为什么要第一个冒险? 所以你跟日本客户谈 AI,最有效的切入方式不是给他算 ROI,是告诉他:"你的竞争对手 XX 已经在用 AI 做这件事了。"这句话在日本商业文化里的杀伤力,比任何 ROI 计算表都大。 当然,前提是你说的是真的。日本圈子小,胡说被抓到一次,你在整个行业就废了。 第四个没人告诉你的事:中日英三语是一个被严重低估的壁垒。 表面上看,语言只是沟通工具。实际上,三语能力让我能做到一件几乎没有竞争者能做的事:用英文读 Anthropic 的 system card 和最新的技术文档,用中文跟国内的 AI 社区保持同步,用日语跟客户的业务方和技术方深度沟通。 全球最前沿的 AI 信息首先出现在英文世界,通常晚一到两天出现在中文世界,晚一到两周出现在日文世界。我能在信息出现的第一天就消化它,然后在一周内把它变成日本客户能理解和使用的方案。 这个时间差就是我的定价权。日本本地的 AI 工程师要等日文翻译或解读出来才能跟进,美国的 AI 工程师不会日语进不了日本市场。中间这个位置,人极少。 第五个没人告诉你的事:我交过最贵的学费是"把中国的工作习惯带到日本"。 刚来的时候我犯了几个现在想起来都想扇自己的错误: 给客户发了一个方案,里面直接写"你们现在的做法效率很低,应该换成 XX"。在中国这叫直接、高效。在日本这叫"失礼"。日本的方式是:"贵社目前的方式当然是经过深思熟虑的(先给面子),不过如果考虑未来的扩展性(给台阶),或许可以参考一下这种方法(才提建议)。"同样的意思,包装方式完全不同。我花了大概半年才把这个习惯改过来。 还有一次,客户说"検討します"(我们考虑一下),我以为是真的在考虑,等了两周去跟进。后来才知道这句话在很多场合的真实含义是"我们不打算做,但不好意思当面拒绝你"。在日本,"不"很少被直接说出口,你得学会听懂那些"不是不"的"不"。 还有一次把项目进度做成了飞书文档共享给客户。客户完全不知道飞书是什么,打不开。后来老老实实改用 Excel + 邮件。在日本企业里,Excel 和邮件是永远不会错的选择。你觉得落后,人家觉得稳当。 第六个:最意想不到的获客渠道。 我以为在日本获客要靠 LinkedIn 或者行业展会。实际上我最有效的获客渠道有两个:一个是 X(推特),另一个是日本特有的"勉強会"(学习会/技术分享会)。 日本的技术社区有一种独特的文化:定期办免费的技术分享会,大家轮流讲自己在做的东西。你去讲一次,讲得好,会后有人来跟你换名片(是的,日本还在用纸质名片,而且交换名片有一套完整的礼仪),两周后邮件来了:"之前听了您的分享,我们公司正好有一个类似的课题,方便聊一下吗?" 这种获客方式成本为零,但信任转化率极高,因为对方亲眼见过你讲东西,知道你是真的懂而不是嘴上说说。 最后说一句总结。 在日本做独立 AI 工程师,最核心的能力不是技术,是"翻译"。不是语言翻译,是把全球最前沿的 AI 技术,翻译成日本企业能理解、敢尝试、用了之后能看到结果的东西。技术只是原料,翻译才是手艺。 而这个"翻译"能力是没法被 AI 替代的,因为它的核心不是信息转换,是理解两种完全不同的商业文化各自在怕什么、想要什么、能接受什么。这种理解只能靠在两边都踩过坑才能长出来。 所以如果你问我在日本做 FDE 最大的壁垒是什么,不是技术,不是签证,不是日语,是你愿不愿意花几年时间在一个节奏完全不同的市场里,把那些只有踩过才懂的坑全部踩一遍。 踩完了,壁垒就是你自己。

在淘宝做技术专家那几年,是我职业生涯里成长最猛也最疼的一段。 那时候淘宝的技术氛围有一种很特殊的东西,后来在其他公司再也没遇到过:所有人都觉得自己在做一件前人没做过的事,而且这种感觉是真的,不是老板画的饼。双十一的流量,全世界没有第二个参照系。你不能去 Google 抄答案,因为 Google 没处理过这种规模的交易洪峰。你也不能等着别人先趟路,因为没有别人,你就是那个趟路的。 我记得最清楚的是那种"被逼出来的成长"。不是公司安排你去学什么,是系统扛不住了、数据跑不动了、链路断了,你不解决就没人解决。你今天还在看文档学一个中间件的原理,明天凌晨两点它就在生产环境里出了一个文档里没写过的问题,你得当场想办法。那种压力下学到的东西,跟上课学的完全不是一回事。上课学的是知识,凌晨两点学的是本能。 淘宝教会我的第一课:数据比代码值钱。那个年代大家都在追架构、追框架、追中间件,觉得写出一个高并发高可用的系统是最牛的事。后来我慢慢发现,系统是手段,数据才是资产。系统挂了可以重启,数据丢了或者数据质量烂了,业务决策就是在盲人摸象。我后来转到大数据方向,根子就是在淘宝种下的:你见过一次因为数据口径不统一导致几百万预算打水漂的事,你就再也不会觉得"数据治理"是一个无聊的话题。 第二课:大厂最稀缺的不是技术人才,是能把技术翻译成业务价值的人。淘宝不缺写代码的高手,缺的是能坐在业务方对面,听懂他到底想要什么,然后回来把这个东西变成一个技术方案的人。很多技术做得极好的同学,在这一步上卡住了,不是能力不够,是不愿意"降维"去听那些在他看来很初级的业务问题。后来我发现,这个"翻译"能力才是最值钱的,因为它两头都稀缺:业务方不懂技术,技术方不愿意懂业务,中间那个位置空着,谁站进去谁就有话语权。 第三课:组织比技术变化更快。我在的那几年,组织架构调了好多次,今天你的团队在这个事业部,三个月后可能整体划到另一个 BU,你的汇报线换了、合作方换了、优先级全变了,但手里的活不能停。你得学会一种能力:在组织剧烈变动的时候,保持自己的技术判断不被行政结构带偏。老板换了三个,方向调了四次,可底层该解决的数据问题还是同一个。能看到这一层的人,不管组织怎么变都有位置;看不到的,每次变动都觉得天塌了。 第四课,也是最私人的一课:身体是有极限的,而且它不会提前跟你商量。在淘宝和后来的大厂里,我一直觉得自己扛得住。连续加班、长期高压、睡眠不足,身体偶尔发出的信号都被我当成"扛扛就过去了"。直到 2017 年主动脉裂开,我才明白:身体给你的警告不是商量,是通知。你忽略了它,它不会再发第二次警告,直接执行。 从淘宝出来之后,我又在几家公司做到了大数据总监,管过上百人的团队。再后来到了大阪,一个人做独立 AI 工程师。回头看,淘宝那段经历给我最深的烙印不是某个技术,是一种面对未知问题时"先上手再说"的本能。不等条件完美,不等方案完整,先冲进去,边打边想,错了就调。 这个习惯在大厂有时候会被诟病为"不够严谨"。可出来单干之后才发现,这恰恰是独立工程师最需要的东西。因为没有人给你排期,没有人帮你评审,没有人替你兜底。你就是那个凌晨两点被叫起来的人,也是唯一一个能解决问题的人。 淘宝没教我怎么做一个好员工。它教我怎么在没有路的地方走出一条路来。这个能力,到今天还在用。

我闺蜜被一个交易所老板包养了 她怎么认识的他 我闺蜜去年进的币圈。什么都不懂。人好看，脑子聪明，但对这行一窍不通。 有个朋友带她去了一次行业饭局。深圳，私人会所。十几个人一桌，全是男的。她是唯一的女生。 她跟我说她全程没怎么说话。就是笑，点头，偶尔问一句"这个是什么意思"。 但有个男的从头到尾在看她。 四十多岁。不帅。微胖。但说话的时候全桌安静。所有人都听他讲。她后来才知道，这人开了一家交易所老板，不是币安那种一线的，是二线。但也不小。 散场的时候他没直接找她。是他助理过来的。递了张名片。上面只有一个微信号。没有名字，没有职位。 她加了。 一开始，他们只聊行业。他跟她讲什么是现货什么是合约什么是做市。不带任何暧昧。 她跟我说："姐妹，我觉得他在教我东西。像老师。" 我说："免费的老师最贵。"哈哈😄 第二周，他约她吃饭。人均4000的日料。吃完给她转了个红包。8888U。 她说太多了不能收。他说"认识新朋友的见面礼"。 她收了。 第三周，他说他在香港有套公寓。平时没人住。带她去看看。 她跟我打电话。问我要不要去。 我说："你自己想清楚。去了就不一样了。" 她去了。 海景房。160平。全落地窗。家具全是设计师款。冰箱里满的。洗衣机里有干净的浴袍。 她跟我说："姐妹，那套房子比我见过的任何酒店都好。" 那天晚上他来了。 没有什么浪漫的开头。他进门脱了外套，坐在沙发上看了会儿盘。然后走过来。 她说那天之后，他问了一句话："你愿不愿意住在这里？" 她说愿意。 从那天起，每个月3万U。