与「花吹詩音」相关的搜索结果

#SODGROUP# #PR# 【‼️本日配信スタート‼️】 ⚠️本日配信作品 ⚠️売上げ本数順 5位(04/19) この夏こそビキニが着たい！小さい胸が恥ずかしくて豊胸エステを... #新村あかり# #市川りく# #花吹詩音# #望月つぼみ# @niimura_akari @ichikawa_riku @hanabuki_shion @Tsubomi_Mochi

˗ˋˏ 😘💋 ˎˊ˗ #新妻不倫# 劇中ではなんとも複雑な関係の 明花（#矢吹奈子）と真弓（##小林涼子）ですが、# オフの時間はとってもラブラブ… 🫣💖 カメラへのラブラブアピールを いただきました 😆❤️‍🔥 第5話 #ABCテレビ# 11月12日(日)よる11:55~ #テレビ朝日# 11月11日(土)深夜3:00~ #18歳新妻不倫します#

Cloudflare CEO Matthew Prince 在《华尔街日报》发了一篇专栏，标题是：《我是怎么选择用 AI 替换哪些员工的》 Cloudflare 刚裁掉约 1100 人，占全员五分之一，是这家公司 16 年来第一次大规模裁员。然后Cloudflare 今年招了 1111 名实习生，基本上和裁员的人数相当，等于是腾笼换鸟了。 而且夸张的是， Cloudflare 今年收到了将近 100 万份实习申请，录取率只有千分之一，就业环境可见一斑，也难怪毕业典礼上 CEO 们吹 AI 下面嘘声一片！ 至于裁员的理由，当然是归结为 AI 了。为了说清楚裁员的理由，Prince 搬出了管理学家彼得·德鲁克 1954 年的《管理的实践》，把公司里的人分成三类： 1. 建造者（builder） 2. 销售者（seller） 3. 以及“度量者”（measurer），负责其余一切，包括财务、审计、法务、合规、中层管理、运营、市场。 AI 不动前两类。工程师效率翻十倍，他说有多少招多少；销售也安全，因为掏钱的是人，人愿意跟懂自己需求的人打交道。 会被 AI 顶掉的是第三类“度量者”，因为他们做的统计业绩、出报表、跑审计，正是结构化、可重复、AI 最擅长的活。这次裁的，绝大多数就是这批人。 他举了几个具体例子：Cloudflare 的内部审计以前每个季度只能抽查几个业务风险领域，现在转向全业务持续审计；财务关账更快了，错误更少了；中层管理者被大幅裁减，因为 AI 让每个经理可以直接管更多人。 而且用来替代这些人的实习生，Matthew Prince 的话来说：是天生的 AI 原生代。他们无一例外，全都是“建造者”或者“销售者”。 财报和裁员一起公布后，Cloudflare 股价一度跌掉二十多个百分点；公司这一季其实还亏了 6200 万美元，光遣散和重组就要花 1.4 到 1.5 亿美元。一边说不是省钱，一边背着上亿重组开支，投资人显然没全买账。

Dario Amodei（Anthropic CEO）说要花1万亿$买算力， 很多人都在转他这个豪言壮语，但没人告诉你他后半句说了啥， 我觉得这根本不是什么雄心壮志， 更像是整个AI行业最绝望的生存宣言🤔 他原话是这么说的👇 如果2027年底营收不到一万亿， 地球上没有任何力量能阻止我破产， 有了一万亿营收，我才能买五万亿的算力。 更可怕的是他后面的补充： “我脑子里有一部分在怀疑， 增长还能不能继续保持十倍， 2027年我可能根本买不起每年一万亿的算力” 给我的感觉是像在演示一个极端脆弱的生存方程， 如果营收必须每年十倍爆炸， 那么只要差一点或者晚一年， 整个模型都得直接崩盘🤯 仔细研究了下，这就是缩放定律最残酷的经济学体现， 也就是技术可行不等于经济可行，如果现在每一代前沿模型的成本已经到了一个非常高的天文数字， 那么你必须赌指数级增长，要不然只能出局🥺 按目前的趋势， 2027年显然不是又一个普通的大模型年，大概率是整个行业的生死线， 要么成为像电力一样的通用基础设施，要么集体破产，没有中间态， 最讽刺的是很多人都把Dario的破产警示，剪成了励志金句， 用来制造FOMO，用来吹算力就是新石油， 没人愿意听那个藏在豪言背后的颤抖的声音， 感觉现在整个AI行业都在玩同一个俄罗斯轮盘赌， 所有人都必须一直扣扳机， 谁先停就谁先死， 但没人知道枪里到底有没有子弹 #AI# #Anthropic# #大模型#

Meta花20亿美元收购中国背景AI公司Manus，这事从去年吹到现在，最终被中国监管明确拦下 核心就一句话：中国养大的AI，不能简单换个新加坡壳就卖给美国巨头 此外Tiktok至今出售未决，估计五月会面之后有结果！ 其实会面不定数太多了，这俩人都太个性鲜明，只能上帝保佑我们都吃饱饭！

这段时间挺不顺的，一直在亏钱，人都有点被搞得抑郁了 今天干脆不想那么多了，出门走了一圈，吹了吹风，感受了一下久违的正常生活。 晚上又跑去夜市，一顿放开吃。刚好白天刷到一个地方，临时起意就过去了。 结果还真没白去。 那种感觉，很难形容，就像走进了动画里的世界一样，特别不真实。 都说是绿野仙踪，但我今天更像是进了花野仙踪。 突然就有点想通了 搞钱确实重要，但身心状态更重要。 回头想想，之前为了做合约，能熬几十个小时不睡，现在看其实很不值得。

美剧《Billions》里面的那个男主角 Axe，就是在 911 之前即将被合伙人炒掉的，然而恐怖袭击让公司除了他以外的其他合伙人全部遇难，Axe 成了唯一幸存合伙人。 第一次看的时候我还笑话编剧呢，说怎么能这样瞎几把编。 现在才知道，人家编剧早就知道卢特尼克是什么操行，一早就写进艺术创作里了。 以前卢特尼克这种人因为有美国清教徒立国的道德高地后遗症强力压制，闷声黑钱超规模了会被起诉，必须花大代价和解，争取不被刑事定罪留案底。 现如今，这种脏逼已经堂而皇之在美国联邦政府里身居高位，足以说明该国的堕落不是一星半点。 华丽的袍子下面多半是密密麻麻的虱子。从阿刁到川普，从雷军到卢特尼克，牛逼吹得越响，形象塑造得越高大，就越要把它们丫的想得越不堪。 一个人、任何人，无论是美国的还是厉国的，不能审视权势人物，只会跟着叙事走，甚至还粉饰洗地唱赞歌，在洒家看来都是有认知和道德双重缺陷的可怜人。

⊹ ࣪˖ ┈┈ ˖ ࣪⊹ ┈┈⊹ ࣪˖ ┈┈˖ ࣪⊹ ┈┈⊹ ࣪˖ 2/20(金)までの #コサツ# 情報公開📚️ 販売は明日正午から⋆͛📢 ⊹ ࣪˖ ┈┈ ˖ ࣪⊹ ┈┈⊹ ࣪˖ ┈┈˖ ࣪⊹ ┈┈⊹ ࣪˖ 2/16(月) 📍フレッシュサンガイstudio 璃音(@rior_05) ゎぃ(@06yx_x) かみやまや(@maya_kamiya_) 泡沫ちなつ(@same_89021) 芽吹メイメ(@mebukimeime) ⇢ 2/17(火) 📍フレッシュサンガイstudio 榛名うい(@ui_haruna) なく(@079_en7619) 大城かえ(@oshiro_kae) 芽吹メイメ(@mebukimeime) ⇢ 2/18(水) 📍フレッシュサンガイstudio 桜花舞衣(@SFS_mai) 幕内里奈(@rina_m17) Aqua(@asanndesu0430) 天使ほまれ(@amahoma65sweet) 星導りえ(@riehoshirube) 田中菜々(@ramennana7) 月森なな(@tsukimori_nana_) ⇢ 2/19(木) 📍フレッシュロッカイstudio 天音鈴菜(@Suzuna_cherry) 佐藤ひより(@7740u0) 星奈希空(@noa_Phonitune) ⇢ 2/20(金) 📍フレッシュロッカイstudio ゎぃ(@06yx_x) 星宮楓佳(@hoshimiya_fuuka) 花宮ゆりえ(@yu__rie35) 梅田桃子(@umeda_momoko) 月宮みさと(@misato_0506rin) ⇢ その他日程出演モデルさん一覧はこちら🧡 #フレッシュ撮影会#

媳妇加上年终奖比我挣的还多，我心里挺难受的，媳妇安慰我，媳妇说，她的钱不是就我的钱吗？再说，一个女人能挣钱心爱的男人花，这不就是一个女人最开心的事情吗？一个女人每天能把老公亲醒，能给老公烤羊腿，能吹凉喂老公，这不就是一个女人最大的福分吗？

今天看了篇文章，叫：《AI 与自动化的讽刺》，内容跟当前 AI 的发展很应景。 1983年，一位认知心理学家 Lisanne Bainbridge 写了篇论文，题目叫《自动化的讽刺》。四十多年后的今天，这篇论文上预言的问题，正一字一句地在 AI Agent 身上应验。 当年她研究的是工厂自动化：机器干活，人类监督。 今天我们面对的是AI Agent自动化：AI干活，人类监督。场景变了，但底层逻辑一模一样。而她当时在论文中指出的那些问题，又重新来了一遍。 论文中都提到了哪些问题呢？ 1. 技能退化困境：不用就会忘，专家变监工后技能会萎缩 用进废退，这四个字我们都懂。但放到AI时代，它有个更残酷的版本。 以前你是某个领域的专家，天天做这件事，手到擒来。现在公司说，让AI Agent来做吧，你负责盯着它，出了问题再介入。 听起来很美好对不对？从打工升级成监工，岂不是更轻松？ 问题来了：你不做这件事了，但你的技能不止不会进步，甚至还会退化。 像我这样天天用 AI 写代码的，我能感觉得到这两年是没啥进步，而且对 AI 有依赖，很多以前信手拈来随手就可以写出来的代码，现在没有 AI 就啥都不想干了。 真的是有点用进废退了。 无论是 OpenAI 还是 Anthropic 都在吹他们的 Coding Agent 多厉害，他们的员工只要验证 AI 写的结果就好了，但是他们故意没提的是，这些人都是万里挑一的高手，他们有足够的经验判断AI对不对。但如果他们接下来几年都只是验证 AI 做的对不对，那么他们的技能会慢慢倒退。 像我们这一代老程序员还好，更要命的是下一代。 今天的老程序员们好歹是从实战中成长起来的。明天的程序员呢？他们从入行第一天就在盯AI，没怎么亲手做过。他们既没有技能，也没有机会学。那他们怎么判断AI对不对？ 论文原话是： > 当前这代自动化系统，正在吃老一代操作员的技能老本。下一代操作员不可能有这些技能。 这个问题今天看不出来，三五年后可能就会凸显出来了。 2. 记忆提取困境：不常用的知识，调取速度也会变慢 还有个问题就是相关技能的记忆也会退化。 想想我们高中时哪些滚瓜烂熟的公式，现在还能想起来几个了。放到 AI 监督的场景，随着 AI 能力越来越强，大部分时候都是对的，这意味着大多数时候不需要用到你的知识，随着你的知识越用越少，相关的记忆就会退化。 3. 实践悖论：理论培训没用，必须实战才能学会，但AI在干活人没机会练 这时候你可能会想：那培训是不是有用？ 但是《自动化的讽刺》论文中的结论是：培训并没有太大用。 因为专业技能不是听课听出来的，是在真实场景里靠实战锻炼出来的。课堂上学的理论，如果没有配套的实战练习，你很可能听不懂，因为没有相应的经验框架。就算当时懂了，很快也会忘，因为没有和真实任务绑定的记忆提取路径。 要保持监督AI的能力，你得定期亲自干活。但如果公司追求的是让 AI 自动化运转以提升效率，那人就没多少机会练手。 这是个死循环。 就像论文里面说的： > 我们训练操作员按指令行事，然后把他们放进系统，指望他们提供智慧。 你不能指望平时不需要怎么思考和练习的人类，在关键时刻能想出什么好办法。 4. 监控疲劳：人类无法长时间对"很少出错"的系统保持警觉 心理学研究早就发现，人类无法对一个很少出问题的目标保持长时间警觉，半小时是极限。这不是意志力的问题，这是生理结构决定的。 从进化角度看，这其实是个生存优势：如果你盯着一个地方什么都没发生，大脑会自动降低警觉，把注意力资源省下来应对真正的威胁。但放到监控场景里，这就成了问题。 AI Agent大部分时候是对的，偶尔会犯错。这恰好是最难监控的模式。如果它经常出错，你会保持警惕。如果它从不出错，你不用监控。但它很少出错这种情况，正好落在人类注意力的盲区里。 更糟的是，AI Agent犯错的方式特别隐蔽。它不会说"我不确定"，它会用一种极其自信的语气告诉你它的计划，洋洋洒洒几十上百行。错误可能藏在第87行的一个小前提里，比如"因为2大于3，所以我们应该……"。被那么多看起来正确的内容包裹着，被那种自信满满的语气麻痹着，你很难注意到。 那加个自动报警系统呢？ 论文说：谁来监控报警系统？如果报警系统本身出了问题，操作员不会注意到，因为报警系统已经正常运转了很久。 那让人做记录呢？ 论文说：人可以机械地抄数字而完全没注意数字是什么。 所有试图对抗监控疲劳的手段，都会撞上同一堵墙：人类的注意力就是无法长时间锁定在一个很少出事的目标上。这是硬件限制，不是软件问题。 5. 地位问题：从专家降级为监工，心理冲击和社会地位下降 你曾经是专家，公司里有什么难题找你，同事尊重你，你自己也有职业认同感。现在你是AI的看门人。 技能层面的损失是一回事，心理层面的冲击是另一回事。从专家降级为监工，从创造者变成审核员，从被需要变成备胎。这种转变对很多人来说是很难接受的。 论文里说，被这样降级的人会出现各种复杂的应对反应，有些看起来甚至是自相矛盾的。这部分内容展开讲太长，有兴趣的可以去读原论文。 6. 糟糕的UI：当前AI Agent界面是最差的监控设计 工业自动化领域花了几十年时间优化控制室设计：显示屏怎么布局能让操作员最快发现异常，急停按钮为什么是红色的、为什么那么大、为什么放在那个位置。每一个细节都是用事故和教训换来的。 现在看看AI Agent的界面？ 一堆自信满满的长文本，一个接一个的多步骤计划，几十上百行洋洋洒洒的解释。你要在这些文字里找出那个藏着的错误。 这大概是人类设计过的最糟糕的异常检测界面。 7. 训练悖论：越成功的自动化系统，越需要投资培训人类 论文中谈到自动化带来的训练问题： > 如果不能让操作员定期接管工作亲自干，就得用模拟器训练。但模拟器有个根本问题：你只能模拟你能预见的故障。未知的故障模拟不出来，已知但没经历过的故障也很难准确模拟。 那怎么办？ > 只能培训通用策略而不是具体应对方法。但这又带来新问题：你不能指望操作员光靠查操作手册来应对异常，因为手册不可能涵盖所有情况。 > 越是成功的自动化系统，越少需要人工干预，反而越需要在人员培训上投入巨资。 因为干预越少，人的技能退化越快，应对罕见异常的能力越弱，每次培训的成本就越高。 决策者想用AI省钱，但省下的人力成本可能得加倍投入到培训成本里。 8. 领导力困境：监督AI不只是被动看，还要主动"领导"它们 监督AI Agent不只是被动地盯着看，还得主动地指挥它们。告诉它们做什么、不做什么、分几步做、怎么调整方向。 这其实是一种领导技能。 为什么LinkedIn上夸AI Agent最起劲的往往是管理者？因为他们本来就习惯间接工作：设定目标、分配任务、给反馈、调方向，但不亲自动手。对他们来说，指挥AI Agent和指挥下属没有本质区别。 但对于一直亲自干活的执行者来说，这是一个巨大的角色转换。你得从一个做事的人，变成一个让别人做事的人。这不是改几条 prompt就能解决的，这是一整套技能体系的重建。 公司会给新晋经理做领导力培训。但有谁见过公司给AI监督者做领导力培训？ 四十年前那篇论文的结尾是这样的： > 没有时间压力时，人类可以是令人印象深刻的问题解决者。困难在于，一旦有时间压力，效率就会大打折扣。我希望这篇论文说清楚了两件事：第一，自动化不一定会消除困难，这是讽刺所在；第二，解决这些问题需要的技术创造力，可能比自动化本身还要大。 四十年后，我们换了个场景，但面对的是同一组问题。 AI Agent的能力在进步，但人类的认知结构没变。监控疲劳还是半小时，技能退化还是用进废退，注意力盲区还在那里。这些是硬件限制，不是软件更新能解决的。 推荐阅读原文： 《Ironies of Automation》： 《AI and the ironies of automation - Part 1》 《AI and the ironies of automation - Part 2》