共 23 篇相关文章

从函数表示一切的信念出发,解析符号主义、连接主义到神经网络的演进路径。用最简单的主线讲清机器学习、深度学习的核心思想,帮你真正理解AI的底层运算逻辑。

从17世纪莱布尼茨的通用符号语言梦想,到今天大语言模型的提示工程,人类用350年探索如何让机器无歧义地理解意图。本文梳理逻辑学、计算科学与AI发展的思想脉络,揭示意图对齐问题的哲学根源。

深入解析论文《LLMs Can't Jump》的核心观点,探讨大语言模型在推理能力上的根本局限——为何LLM擅长插值却难以实现逻辑跳跃,以及这对AGI发展路径意味着什么。

从1960年代到今天,AI取代程序员的预言反复出现却从未兑现。本文回顾60年编程史,分析为何每次技术革新都让程序员更有价值,以及开发者该如何应对AI浪潮。

从Tom Mitchell经典定义的T-P-E框架出发,深入解析机器学习的概率视角,理解随机变量与不确定性决策的数学本质,为系统学习ML打下扎实数学基础。

深入解析机器学习的数学基础,从Tom Mitchell经典定义的三要素(任务T、性能P、经验E)到概率视角下的随机变量与贝叶斯决策理论,帮助初学者建立从概念到严谨数学思维的完整认知框架。

深度解析Google Gemini Robotics ER 2的三大核心突破:视频理解、工具编排与多机器人协作,探讨具身推理如何推动机器人从被动执行走向自主智能。

一文讲透AI大模型的本质原理:从概念层级、Transformer工作机制到概率特性,帮助测试工程师理解大模型的优势与劣势,掌握AI测试的实用思路与方法。

从词向量、词嵌入到RNN、BERT、Transformer,再到ChatGPT与GPT-4——本文系统梳理大语言模型的完整进化脉络,带你读懂AI 2.0时代的技术根基与Prompt范式的确立过程。

微软科普节目《Cozy AI Kitchen》正式收官。本文回顾这档节目如何用「治愈系」风格、实景道具和人文视角,让普通人轻松理解AI——探索技术传播的另一种可能。

深入解析符号搜索与梯度学习的数学本质差异,梳理逻辑与类型论、范畴论、代数几何等核心数学领域,提供一份面向神经符号AI融合的系统学习路径。

当ChatGPT能直接给出答案,检索技术还有存在的价值吗?来自微软、IIT Delhi等机构的六位专家激辩:参数化记忆的局限、BM25为何仍是强基线、以及检索与推理的真实边界在哪里。

机器人学者Ranjay Krishna质疑LLM作为机器人智能基础的合理性:语言是否是感知与行动之间多余的中间层?本文深度解析具身智能的两种路线——语言驱动的VLA模型与端到端感知-动作架构的底层逻辑与现实取舍。

零基础理解AI大模型:厘清人工智能、机器学习、深度学习与大语言模型的关系,梳理从深蓝到ChatGPT、DeepSeek的演进脉络,盘点通义千问、智谱、文心一言等国产大模型竞争格局,助你快速入门大模型应用开发。

系统梳理AI Agent完整学习路径,涵盖基础篇(Agent原理、Prompt工程)、进阶篇(RAG知识库、多Agent协作、工具调用)与实战篇(三大项目实战),帮助零基础学习者告别碎片化教程,真正掌握智能体开发能力。

系统梳理AI Agent开发学习路径,涵盖基础原理、提示工程、工具调用、多智能体协同,以及LangChain、CrewAI、Dify主流框架实战。附企业级项目案例与面试资源,帮助零基础学习者快速建立完整知识体系。
重读古德1965:超智能机器与智能爆炸的思想起源
I.J.古德1965年论文《关于第一台超智能机器的推测》首次提出"智能爆炸"与递归自我改进概念,深刻影响当代AGI安全讨论。本文解析这篇经典文献的核心论点与现实意义。

大语言模型真的具备智能吗?本文深入剖析当前AI的核心局限——模式匹配、幻觉问题、推理缺陷,并探讨推理时计算、神经符号AI、具身智能等下一代人工智能的关键发展方向。