与「書道，平面設計，ai音樂，攝影。」相关的搜索结果

個展開催します！！！！ 「Living with art 第3弾　竹内朱莉書道展　煌々舞踊　縁　-en- 2025年10月31日(金)〜11月16日(日) 場所は、明治安田ビレッジ１F 明治安田ギャラリーです！！ 今までとまた少し違った作品が沢山出来ました！👏👏 自信作だらけなので是非見に来てください！！！ #煌々舞踊#

竹内朱莉 書道展 「煌々舞踊」東京 Finalビジュアル衣装スタイリングをさせていただきました。 いよいよファイナル！ いつ行こうかな🍵 会期 : 令和6年 1月12日（金）～ 1月21日（日） 会場：AQspace 表参道（東京） 東京都港区北青山 3-6-19 パイナリー北青山 2F #煌々舞踊#

なんと、1月12日〜煌々舞踊東京Finalを開催する事が決まりました👏👏 4月に煌々舞踊がスタートし、遂にラストを迎えます！！ また東京に戻ってこれて嬉しいな😌✨ 是非遊びに来て下さい😁✌️ 福岡も26日まで開催してますので、ぜひ！！！ #煌々舞踊# #書道展#

竹内朱莉書道展『煌々舞踊　福岡』 2023年11月18日(土)～11月26日(日) 会場：〒810-0041 福岡県福岡市中央区大名１丁目１−３ 石井ビル 2ＦUNIONSODA ＃煌々舞踊 ＃福岡 ＃竹内朱莉

いよいよ今日15時から 大阪府立江之島文化芸術創造センターにて始まる ＃竹内朱莉　書道展 ＃煌々舞踊　＃大阪 東京展とはまた異なり、圧巻！のひとことです 一回ではとても､､､という充実ぶり 教授の新たな世界観、すごいです(語彙が) 今後グッズなども紹介していきますね ＃一粒万倍日

✨ 茵蒂克丝唯美舞蹈 英国清教“必要之恶教会”的修女，拥有储存十万三千本魔道书的特殊能力，被称为“禁书目录”。外表天真可爱，却背负着庞大的魔法知识与沉重命运，在学园都市的各种事件中与上条当麻相遇，共同经历奇妙的冒险 📖 #茵蒂克丝# #魔法禁书目录# #禁书目录# #学园都市# #魔法# #动漫# #二次元#

韓國所謂歷史《三國遺事》中最搞笑的一段——「《魏書》說道：從現在算起兩千年前，有一位名叫檀君王儉的人，在阿斯達建立國家，名稱叫做朝鮮，與高（堯）是同一時代。」 今編檢中國的《魏書》，無之。韓國人的解釋：那是你們自己弄丟了，我們看到的是有的😆

此《镌像古本西游证道书》由明末清初的汪象旭笺评、黄太鸿印正，是一部《西游记》的删节笺评本。全书共一百回，始于：灵根孕育源流出，心性修持大道生。终于：回东土，五圣成真。目录后附仙诗绣像十六幅。此为清康熙时期西陵汪氏蜩寄刊本，正文每回有回前评。介绍下载：

川普访华，黄仁勋阿拉斯加追机，整件事来龙去脉就全对上了！ 美国总统昨天刚在白宫记者面前说“我那时候没听说过这事”，不到 24 小时，他在空军一号机舱里听过的绝密简报，就被人原封不动捅到了报纸上。 风暴中心的男主角，还是英伟达（Nvidia）CEO 黄仁勋（Jensen Huang）。 两天前（11 月 8 日），这位执掌四万亿美元算力帝国的掌门人刚给全公司发信，承认自己有过一段婚外情，向结婚 40 多年的妻子和孩子们公开认错。 英伟达董事会也在同一天宣布，启动独立调查。 昨天（11 月 9 日），记者在白宫堵住川普，追问他今年 5 月带黄仁勋去北京做国事访问时，知不知道这段婚外情的女方被美国情报部门认定是中国间谍？ 川普当场把事情轻轻拨开了：“不，我那时候没听说过这事。” 提到国务卿兼国家安全顾问鲁比奥（Marco Rubio）今年春天督办的那份绝密备忘录，川普也只是淡淡地说： “也许有人提过，但肯定没给我留下什么印象。” 结果今天（11 月 10 日），《纽约时报》直接甩出了一段此前从未公开的机舱内幕： 今年 5 月空军一号飞往北京途中，就在飞机降落阿拉斯加州安克雷奇加油、接黄仁勋登机的前夕，鲁比奥专门在机舱里向川普当面通报了这份反情报评估。 等等，既然是跟着总统去北京访问，黄仁勋为什么没从华盛顿直接登机？ 怎么还要在冰天雪地的阿拉斯加半路“拼机”？ 把今年 5 月那趟专机的起落还原出来，整件事的来龙去脉就全对上了。 今年春季，在川普访华前夕，鲁比奥督办了一份仅限极少数国安高层传阅的绝密备忘录。 备忘录的核心人物叫黄乐（Alice Huang），中国公民，与黄仁勋同姓但无亲属关系。 她的公开身份，是新加坡数据中心公司 Megaspeed 的前董事总经理。 这家从中国页游公司“第七大道”海外业务分拆出来的 Megaspeed，在 2024 年 6 月至 2026 年 2 月间，一口气买走了 48 亿美元的英伟达高端芯片（相关商业网络累计采购规模更被估算高达 75 亿美元）。 因为涉嫌向中国大陆违规转运受控算力卡，它早就被美国商务部工业与安全局（BIS）和司法部盯上了。 美国情报机构对黄乐进行了长达一年多的电子监控，认定她已被中国国家安全部招募。 她的任务，就是贴近黄仁勋，摸清美国 AI 芯片动向，并设法影响华盛顿的出口管制政策。 正是因为手里捏着这份备忘录，白宫国安团队在拟定 5 月随总统访华的商界代表团名单时，悄悄把黄仁勋划掉了。 那黄仁勋是怎么重新爬上空军一号舷梯的？ 白宫随访名单一公布，媒体立刻发现不对劲： 去北京谈经贸，美国市值最高、手里握着全球 AI 算力命门的黄仁勋居然不在飞机上？ 川普看到报道后亲自介入，一个电话打给黄仁勋，邀他半路入团。 双方约好，让黄仁勋自己飞到阿拉斯加州安克雷奇机场等着，趁空军一号经停加油时登机同行。 就在空军一号飞往安克雷奇的万米高空上，鲁比奥走进机舱，向川普当面通报了黄仁勋与黄乐的机密情报。 听完鲁比奥的汇报，川普改主意了吗？ 没有。 空军一号在安克雷奇落地加油，舱门照常为黄仁勋打开；川普随后还在社交媒体上公开夸他是“伟大的黄仁勋”。 哪怕到了昨天，当着全白宫记者的面，川普依然替他挡了一句： “我亲自问过他：‘你当时知道她是间谍吗？’他说：‘我完全不知道她是间谍。’我真的相信他。” 很多人看到今天《纽约时报》的爆料，第一反应是看热闹： 鲁比奥明明在飞机上汇报过了，川普昨天为什么要对着麦克风装糊涂？ 你把自己放到总统谈判桌和白宫发布厅的约束条件里算一算，就会明白为什么换谁当总统都只能这么答。 先看公开场合。 难道一位在任美国总统，能站在白宫草坪的麦克风前向全世界宣布： “对，半年前在空军一号上，我的国家安全顾问刚告诉我英伟达 CEO 正在跟中国国安部的特工谈恋爱，然后我还是接他上飞机去了”？ 这话一旦从总统嘴里说出来，等于在电视直播里亲口证实尚未解密的外国情报监听档案。 一家四万亿美元的美国 AI 支柱企业，当场就得被炸下悬崖。 再看 5 月安克雷奇登机前后的实际动作。 北京方面费尽心机通过新加坡机房买卡、派人接近黄仁勋，想要无非两样东西： 一是保住东南亚的芯片转运通道，二是游说华盛顿放开顶级芯片禁令。 川普把黄仁勋接上空军一号带去北京，给对手让出这两样东西了吗？ 寸步未让。 在最核心的红线上，川普政府把英伟达旗舰级 Blackwell 系列芯片的对华出口禁令锁得死死的。 只对降规版商用芯片（如 H20 与受控放行的 H200）留出逐案审批窗口，前提是把全球开发者继续绑在美国的软件生态里，而且每卖出一笔要向美国国库上缴 25% 的分成。 至于 Megaspeed 在马来西亚和新加坡仓库里那些没拆封的显卡，商务部、司法部国家安全司和联邦调查局（FBI）照查不误。 在飞往北京的半路上把自家头号科技巨头留给媒体围剿，那是自废筹码； 把人接上专机撑住美国科技的场子，同时把 Blackwell 禁令和司法部调查攥在手里，这叫桌面上拿住牌、桌子下守住门。 看懂了总统为什么在镜头前轻描淡写，真正让人起一身冷汗的问题才刚刚浮出水面： 那份连空军一号机舱一对一谈话都能精准还原的绝密情报，到底是怎么来的？ 又是被谁像连发导弹一样喂给《纽约时报》的？ 这就得拆开美国反情报体系里两道截然相反的程序：“去掩码”和“防御性简报”。 先看“去掩码”。 按美国《外国情报监视法》（FISA）第 702 条款等框架，情报机构可以在没有传统法院搜查令的情况下，直接对身处海外的外国目标（比如黄乐）实施电子监控。 但法律严禁情报机构借此直接监控美国公民。 当黄乐的电话或通讯被拦截时，如果那头连着一位美国公民，原始报告里必须把这位美国人的真名抹掉，只写“美国人甲”。 只有当拥有高级权限的官员专门发起“去掩码”申请、一层层审批揭开黑涂之后，底下的真名才会露出来： 黄仁勋。 问题就在揭开名字的这一刻出现了。 按照美国反间谍工作的标准规程，当你通过“去掩码”发现本国最核心的算力掌门人被外国情报机关的“美人计”盯上，而当事人自己很可能还蒙在鼓里，第一标准动作是什么？ 是由 FBI 特工立刻上门，把当事人请进保密室，做一次“防御性简报”。 把监控到的对方身份底牌亮给他看，让他当场切断联系、排查公司隐患。 如果目标真是为了保住美国的 AI 芯片机密、防止北京通过枕边风摸清华盛顿的底牌，早一天给黄仁勋做防御性简报，这条外泄的管子就早一天被掐断。 结果呢？ 美国情报机构从 2024 年底到 2025 年盯上了黄乐，一年前就完成了对黄仁勋的“去掩码”识别。 可在整整一年多时间里，他们从来没有给黄仁勋或英伟达做过哪怕一次防御性简报。 为什么捂着不提醒当事人？ 这两天，华盛顿情报圈给出的教科书式解释只有八个字：保护信源与监听手段。 按他们的逻辑，一旦 FBI 找黄仁勋做防御性简报，黄仁勋肯定会立刻跟黄乐断绝往来。 黄乐察觉异常，中国国安部就会知道她的通讯已经被美国截获，这条耗时一年多布下的监控线就废了。 听着挺严密对吧？ 可只要拿这套“为了保密所以不能告诉黄仁勋”的说辞，去对照一下过去十二天里这批手握绝密权限的人干了什么，整套逻辑当场就碎了： 10 月 29 日，匿名官员第一次向《纽约时报》泄密，把对黄乐的电子监控和黄仁勋被“去掩码”的底牌捅给全世界； 看到英伟达公关还在用“正常客户往来”硬撑，11 月 7 日至 8 日，泄密者直接把鲁比奥春季绝密备忘录里的“浪漫关系”喂给媒体，逼出黄仁勋的全员认错信、董事会独立调查，以及众议院三个委员会限期 11 月 18 日闭门质询的传票； 昨天（11 月 9 日）川普刚在白宫记者面前替黄仁勋缓颊了一句“我那时候没听说过”，不到 24 小时，今天（11 月 10 日），连鲁比奥今年 5 月在空军一号万米高空机舱里跟总统说的私密简报，都带着阿拉斯加加油站的坐标，原封不动印在了《纽约时报》的版面上。 这就实在太荒诞了。 面对被外国间谍围猎的本国科技掌门人，反情报官僚死死捂住“防御性简报”整整一年，理由是绝密监控一旦走漏就会打草惊蛇、危及国家安全。 可一旦总统不按这套官僚系统的剧本把科技巨头当众祭旗，昨天在白宫草坪上刚说了一句软话，今天连空军一号机舱里的绝密一对一谈话，就能在 24 小时内送到报社编辑部，让北京和全世界一起免费围观。 借新加坡机房买走 48 亿美元显卡、派特工用地下情套住硅谷算力守门人，这是北京针对美国科技命门发起的真实渗透，FBI 的调查与 11 月 18 日的国会质询一寸都不该停。 只是当一套情报系统对本国受害者讳莫如深，对《纽约时报》却有求必应、连总统专机机舱里的底牌都能隔夜掀翻时，他们手里攥着不放的那份绝密档案，防的到底是大洋彼岸的间谍，还是坐在空军一号前舱里的那位总统？

如何利用AI自学一切？？ 我是写美股的，日常要读财报、盯宏观，碰上完全陌生的新行业也得从头摸。以前这些最费工夫，翻资料、找人问，一轮下来大半天就没了。 这一年多用上 AI Agent，最先变的是我学东西的方式。 1、兴趣和动力是一切的基础 这是不是普遍适用，我不能确定，但起码对我来说，自发的好奇和自驱力能让我坚持更久。或者说我不能用"坚持"这个词，因为我是自然而然地享受这个过程，不需要任何意志力，只是单纯地想学。 如果是外界推着我学，比如考试、比如工作，DDL 一结束我就会迅速放弃，甚至在过程中也只能勉强做到平均线，抱着得过且过的心态。 当然，有兴趣和自驱力不代表万事大吉，也不会一开始就如有神助。学不会的东西本来就学得很慢，但慢慢来，反而会比较快。 2、建立一个正反馈的环境机制 正反馈能让你保持兴趣和动力，不断的小 reward 会给你情绪价值。这时候就该让 AI 来帮忙了，因为 AI 的反馈非常非常快。 比如我想探索一个知识，它可能和 tech 有关，也可能和商业有关，这些都是我完全没在学校受过训练的领域。但是 AI 受过呀。 我可以一遍一遍地说：这个太难了，我不理解，我要举例子，要图解，要通俗易懂，从最最简单的讲起。AI 非常适合干这个。 在现实生活中，其实很难让一个人一遍一遍地给你重复讲同一个东西，但对 AI，我们完全不会有这种顾虑。遇到不懂的，如果没有 AI，就只能等懂行的人给我讲，或者自己慢慢搜。这种极致快速的正反馈，只有 AI 才能给。 而当我让它出题，用自己的话再讲一遍的时候，我就能清楚地知道哪里我没理解、哪些我理解得很好。这时候 AI 也会充分地鼓励我，给我非常多的正反馈。学习的循环就这么建立起来了。 3、所以具体到底怎么利用AI呢？下面我按从简单到进阶，拆解一下具体的方法。 简单版：一个聊天窗口就够了 免费的聊天机器人已经足够强大，只要稍微改改自己的 prompt，就能得到很好的结果。 假设我对某个领域、某个概念完全不了解，比如"什么是 Agent？Agent 有什么用？为什么别人都在用？我能拿它做什么？"，这些就是我第一次接触一个新概念时，脑子里会自然冒出来的问题。 第一，我一般会按"why - what - how"的结构去拆。 第二，一次只问一个问题，不要一下子丢好几个。拿这个例子来说，可以先从"为什么 Agent 这么火"开始。这个问题的答案很简单易懂，你会看到一些有趣的现象，然后再引出 what，也就是它到底是什么。 第三，告诉 AI 你的个人背景。免费的聊天机器人完全不知道你对这个领域了解多少，你让它讲解时，它的回答不会是个性化的，也不会考虑你的背景。所以你要在 prompt 里讲明：我完全不了解，希望讲得通俗易懂，等等。 第四，你同样可以让 AI 用费曼学习法给你出题：根据刚刚讲过的内容出几道题，让你用自己的话再讲一遍。 进阶版：先要一张地图，再把资料喂给 AI 过了简单的关卡，如果我想学得深入一点、系统一点，开始之前我会先让 AI 给我画一张这个领域的"知识树"：主干是什么，分支有哪些，我现在要学的东西长在哪一枝上。 如果这个领域陌生到连树都搭不起来，我就让它从历史讲起。一个东西刚诞生的时候总是简单的，顺着它一步步变复杂的过程往下看，现在的样子也就好懂了。 有了地图，我会让AI去找高质量的书或者视频来探索。在学的过程中，我还会把这些资料喂给它，让它有充分的 context，这样我随时提问，就能随时得到答案。 深度版：搭一个自己的学习系统 我会高强度地把 Agent 工具和 Obsidian（一个个人笔记软件）连在一起用。我有一份写自己个人背景的 markdown 文件，还有一份 Tutor SOP 文件，里面写明我喜欢的教学方式。 每次我要求它讲解某些内容，AI 都会自己去读这些文件、补充上下文，用我最喜欢的方式来教我。 这份 SOP 里的规则，都是一次次"学不下去"之后加进去的。挑几条：第一条就是：keep me motivated, keep me going, increase the curiosity. 一节课最多两个概念。第三个留到下一节，在好奇心还在往上涨的时候结束。还有比较基础的，例如多用例子和图解等等。 当我感兴趣、想深入了解时，我也会让它读取费曼学习法的 Skill 来给我出题。 我还会用 Matt Pocock 写的 teach skill，让它通过写 HTML 代码的方式做网页课。我会 customize 更多的交互、课后习题、课后阅读等等。 它会把一个主题拆成几节课，组成一个小小的 set，比如 4–5 节，学完一整套也非常有成就感。 我曾经有遇到一篇讲AI的论文，可以说我自己几乎看不懂，但神奇的是AI一直鼓励我说我可以，我刚好看见有一段讲到是如何把 Out-of-Distribution（分布外）的东西拆解变成 In-Distribution（分布内）的东西。我心想这不就是现在，我让AI把这一篇完全在我知识分布外的东西通过一步步拆解，变成我可以理解的分布内的东西。 拆了十几轮吧，说实话那篇论文到底讲了什么，我已经要忘记了，但这种去拆解那些我不会的知识，然后一步一步把它们内化的方法论我却一直记得。 总结一下：其实核心很简单，你要喜欢、要有兴趣，利用AI工具，不会就问，不断接受正反馈。自然而然，我们就可以学习任何事情了！ 一段可以直接复制的 prompt： 我是[你的背景，比如：完全没学过编程]，想了解[概念]。请按下面的顺序讲，每次只讲一步，讲完停下来等我回复： 1、为什么：它为什么最近这么火，解决了什么问题 2、是什么：用一个生活里的例子讲，不要术语和公式 3、怎么用：像我这样的人能拿它做什么 如果我说「没懂」，请换一个例子，不要只换个说法。 三步讲完后，出 2 道题让我用自己的话回答，并指出我哪里理解错了。