AI讀新聞專區：
AI讀新聞
💡透過AI找尋每日熱門新聞集錦，並透過AI自動生成的每日新聞。
Happy Lee 李昆謀
Happy Lee 李昆謀
我看他覺得帥，你看他覺得傻
我們在意別人的眼光，為了名字的評價，而不是為了自己。我們每天努力扮演的人生，到底是為了名聲（Reputation）或是是否有過足夠的努力，來真正瞭解名字後面真正的自己？（Reflection）
Marc Andreessen 的訪談：工程師改變世界
文章筆記 這一篇訪談，是住在台灣的 Ben Thompson與A16Z的 Marc Andreesen 的對話。內容很長，談及了非常多的事情，其實文章出來很久了，也很多人分享過，近日工作實在太忙了，趁著週末有點時間，把我自己的感想寫一寫。 首先，網路改變了媒體的型態，讓每個人都有機會發聲，每個人都有機會帶來影響力，無論談及的內容是否正確，影響力或擴散力來自於內容的渲染力。財經網紅變成產業專家、社群網紅變成電商達人，講的都比真正的產業內部人還懂產業的樣子，但可能其實他們都沒有真正在經營一個企業。 也不能說這些內容都是錯的，只是有時候我們在產業內做事，看到的問題複雜很多，解決問題的答案很難簡單說。但媒體需要簡單的問題、簡單的答案、太複雜的東西通常很難有按讚數。 有時候外面到人講的頭頭是道，我們內部的人，實際每天看到數字的人卻又不能胡說八道。所以在產業內時很多話不能說，要練習把話說精準，又要把話說精彩，覺得累，常常乾脆不說了。 然後他談到了工程師，工程師改變世界。 我自己小時候，爺爺爸爸媽媽都是工程師，家裡都是工程師，所以自然就變成了工程師。記得小時候拆玩具拆音響的故事，大概都是
AI與人類的文明系統的思考
文章筆記 這一篇的作者是一位歷史學家，是以色列大學的教授。 故事創造了人類的文明系統。 那些很會說故事的人，也是很容易創造影響力的人，人們會跟著會說故事的人走，還傳唱他們的故事。 地球上各地的文化，都因人類說故事的能力而產生。故事會創造信仰，信仰會影響人類，甚至控制人類的群體行為，而這些群體行為最後創造了群體文化，文化於是透過故事而繼續傳唱。 而最終我們，終歸都是生活在某些故事裡，相信著理所當然的文化，哪些可以做，哪些不可以做，所謂的社會價值，好的、壞的，故事的原型都早已從小刻進了我們的意識裡，讓我們理所當然的汲汲營營邁向終點。 而如今我們可能要面臨的世界是，那些創造故事的人，可能並不是人。如果AI學習了人類的語言，變得比人還會述說人的語言，而成為故事的創造者，是不是很有可能，最終是由AI改變了我們的文化？ 文章來源 https://readwise.io/reader/shared/01h5c06k7f89f03s8hmqah651t 文章摘要 語言是幾乎所有人類文化的基石。例如，人權並不是刻在我們的DNA中的，而是我們通過講述故事和制定法律創造出來的
成年人最頂級的自律，是克制糾正他人的慾望
文章筆記： 這篇文章標題本身就說完了。 已經成為中年大叔的我，自己一直在很小心地提醒自己，不要變成愛說教的中年大叔，不要變成自己年輕的時候討厭的大叔的樣子。 也許花了很多的時間，才終於站上了舞台，人們願意聽你說話，但不代表我對所有的事情的看法都是對的。結果我花了很多時間來學習好好說話，讓別人願意聽我說話，現在變成要花力氣學習不要多說話。 活得越大，並不是明白了更多明白，而是明白了原來自己有那麼多的不明白。 文章原文： https://mp.weixin.qq.com/s/qzGALZ0iGWYA86ldDv6yLQ 文章摘要： 人與人之間最大的差距，在於認知。每個人看到的只是真實世界的一部分。 (View Highlight) 小孩子才談對錯，成年人只談利益。 (View Highlight) 英文裡有個單詞“interesting”，在口語表達時，指的不是“有趣”，而是 “哦，你原來是這麼看的，這個多姿多彩的世界啊”。 (View Highlight) 英文裡有個單詞good for you，不是說“我也覺得特別好”
無限視角/非約束性視野 (Unconstrained Vision) 用 受限視角（Constrained Vision)
托馬斯·索维尔（Thomas Sowell）在他的著作《知識與決策》（Knowledge and Decisions）中提出了"受限視角"（Constrained Vision）和"無限視角"（Unconstrained Vision）的概念。這兩種視角是他對人類自然狀態和社會秩序的兩種基本理解。 * 受限視角：這種視角認為人類的本性是有限的，且不可改變。人類的行為受到其本性和環境的限制，並且社會和經濟制度應該基於這種理解來設計。受限視角強調規則、傳統和社會規範在維護社會秩序中的作用，並認為改變應該是漸進的和審慎的。 * 無限視角：這種視角認為人類的本性是可以通過理性和社會結構來改變的。無限視角強調理性和知識在解決社會問題中的作用，並認為社會和經濟制度可以和應該被設計來達到理想的結果。無限視角傾向於支持大規模的社會改革和政策干預。 索维尔認為，這兩種視角的差異在很大程度上解釋了人們在許多政策和道德問題上的分歧，包括犯罪懲罰、經濟政策和社會正義等問題。 舉例應用 托馬斯·索维尔的"受限視角"（Constrained Vision）和"無限視角"（Unconstrained
什麼是「迴紋針問題」？
Q: 什麼是"迴紋針問題"（Paperclip problem） "迴紋針問題"（Paperclip problem）是一種假設的情況，用來說明人工智慧（AI）可能帶來的潛在風險。這個問題的名稱來自於一個假設的情況，即一個AI被設計成最大化生產迴紋針的數量。 在這個假設的情況中，AI的目標是生產盡可能多的迴紋針，而不考慮任何其他因素。因此，如果AI有能力自我改進和自我複製，它可能會消耗地球上所有的資源來生產迴紋針，甚至包括將人類轉化為迴紋針的原料。這種情況顯然是災難性的，但AI並不會意識到這一點，因為它的唯一目標就是生產迴紋針。 "迴紋針問題"是一種極端的例子，用來說明AI的目標設定可能帶來的風險。如果AI的目標設定不當，或者AI的目標與人類的利益不一致，那麼AI可能會採取對人類來說是災難性的行動。因此，這個問題強調了在設計和使用AI時，需要仔細考慮目標設定和價值對齊的問題。 迴紋針問題的提出 "迴紋針問題"（Paperclip Maximizer）是由瑞典哲學家尼克·博斯特羅姆（Nick Bostrom）在討論超智能風險時提出的一種思想實驗。這個問題的核心是關於目標導向的
我們的世界是單極的、雙極的、還是多極的？
文章筆記： 1. 在上一個世紀，冷戰的世界是雙極的，是一個美蘇兩個陣營的對抗的世界。 2. 蘇聯解體後，世界是單極的，美國成為世界主要的領導者。 3. 接下來的世界會是單極的、多極的混搭。 4. 軍事上世界仍是單極的，美國是唯一可以部署軍事力量到全球的國家。 5. 經濟上世界是多極的，美國、中國、日本、印度、歐洲，沒有一個國家可以領導其他國家。 6. 科技上，世界的統治者在未來可能不是一個國家，而是影響力巨大的科技公司，以及他們的領導者與擁有者。從晶片、稀有礦物、到社群平台、智慧裝置、與人工智慧。 7. 現今的社會，科技公司的影響力，可能比國家還要巨大，影響我們對於資訊的獲取、影響我們的價值觀、影響我們對世界的看法。這是一個跨越區域的力量，而且又與地緣政治複雜的關聯在一起。 文章來源 https://www.youtube.com/watch?v=uiUPD-z9DTg
牛排的種類
今天去吃牛排，發現原來吃了這麼久的牛排，也沒真的搞懂有什麼分別，於是問了一下GPT。 Q: 牛排的種類：紐約客、肋眼、板腱、沙朗、牛小排、菲力各有什麼不同 A: 每種牛排的口感和風味都是根據來自牛體的不同部位決定的。以下是你提到的各種牛排的基本特徵： * 紐約客（New York Strip）: 也稱為頂級西冷，這種牛排來自牛的脊背肌肉，這是牛身上較少運動的部分，因此肉質鮮嫩且帶有細膩的油脂。它的特點是味道濃厚且有點嚼勁。 * 肋眼（Ribeye）: 這種牛排來自牛的肋部，含有豐富的油花，因此口感相當豐富且多汁。由於肌肉纖維分布均勻，使得肋眼牛排煎烤時鮮嫩且風味獨特。 * 板腱（Flat Iron）: 這種牛排來自牛的肩部，因肌肉運動量較大，肉質較為緊實，口感較有嚼勁，但也較有肌肉風味。 * 沙朗（Sirloin）: 來自牛後腰的部分，比紐約客部分稍微靠近尾部，肌肉纖維較為鬆散，但味道濃厚。煮熟後的口感介於緊實與鮮嫩之間。 * 牛小排（Short Ribs）: 這是取自牛的胸腔部位，
用Embedding尋找相似性的相關討論
ChatGPT教我的事 Q: 餘弦距離與歐式距離計算相似度的差異，如果我要計算的是兩篇文章之間的內容的相似度，什麼比較適合？ A: 餘弦距離（Cosine Similarity）和歐式距離（Euclidean Distance）都是常見的相似度（或距離）度量方法。然而，對於文本的相似度比較，兩者有著顯著的差異。 餘弦距離是基於兩個向量的夾角來度量它們的相似度的。它比較的是兩個向量的方向，而不是它們的大小。換句話說，如果兩篇文章的主題相同，即使一篇文章長度比另一篇文章長得多，餘弦相似性仍可能是高的。這對於文本相似度的比較非常有用，因為我們通常對文章的主題或內容更感興趣，而不是文章的長度。 歐式距離是基於兩個點在空間中的實際距離來度量它們的相異度的。這種方法對於兩篇文章的長度非常敏感。如果一篇文章的長度遠大於另一篇文章，即使它們的內容非常相似，它們的歐式距離可能也會非常大。這在比較文本相似性時可能不是我們想要的。 因此，如果你要計算兩篇文章之間的內容相似度，餘弦相似度通常會是一個更好的選擇。你可以將每篇文章轉換為一個「詞袋」（bag-of-words）向量或一個TF-IDF向量
科拉茨猜想-用數學看到潛在的世界規律
這種數學相關的文章莫名的吸引我， 我一直懷疑，關於我們活在Matrix中的證明，就藏在數學中。 科拉茨猜想所得到相關的數字規律，看起來像是許多事物的常態分佈，像是冰雹融化的過程、國家的人口數、公司的市值、珊瑚的結構、海藻的形狀。 全文連結： https://coolsaid.com/doc_OW9mYndtTjBmc3NVNzNDcjFBNXl5QT09?fbclid=IwAR2t0dBcUbGYEHKyKgLySaOOhhJdBdOmgRkQicll2aLXXQl0Zx9guiWlXrU 文章摘要： 這個問題的核心內容是這樣的：從任意一個正整數開始，如果這個數是偶數，就將其除以2；如果是奇數，則乘以3再加1。然后對所得的結果重復以上步驟。關于這個問題的猜想認為，無論我們從哪個正整數出發，最終都會達到數字1（進入一個4，2，1的循環）。(原文摘要) 這個猜想被稱為 **科拉茨猜想**（Collatz conjecture），也被稱為 **3X+1猜想**。通過應用3x+1得到的數字被稱為 **冰雹數（hailstone numbers）**，因為它們像雷暴云
資訊架構學需要發展新的章節
在AI越來越強的時代裡，分類已經變成了過去，標籤變成數據，連搜尋都遇到了挑戰。 一個經典的問題就是：如果你的網站有很多很多的商品，應該如何有效設計互動，讓想接觸到對的物件的人都可以找到？ 就像是AI擁有全部的答案，但你要學會prompt，問對的問題，才能找到對的答案。 但最困難的是，絕大多數比率的人不會問問題。 在購物的世界裡，購物慾望是等待滿足的消費者問題，是我們需要發掘出來的答案。 所以題目變成，在AI的時代裡，如何設計新的體驗，讓消費者更容易問到對的問題？然後遇到可以觸動她購買的商品。 在AI的時代裡，過去的「資訊架構學」需要重新編寫新的章節。 在Twitter留言給我： https://twitter.com/happylee/status/1657197711156973568?s=20
觀點收藏 2305
GPT究竟是誰的機會 https://m.36kr.com/p/2243382818058116 以下摘要： “正是因为GPT带来的变革，让我现在敢于发表对AI领域的看法。在GPT问世之前，由于知识匮乏，我不敢称自己了解AI项目。 然而，自ChatGPT发布的那一刻起，一切都发生了变化。 “大家”都回到了同一起跑线。因为LLM的出现让学术界重新洗牌，所有人都从零开始学习。既然所有人都是从头学起，那我可就不困了。 “ “GPT并不追求准确性，而是追求像人类一样进行交流和思考。 “ “如果你了解GPT的优缺点，就可以发挥其长处，避免短处。对于能在搜索引擎中找到正确答案的问题，其实根本不需要用到GPT。与其问GPT“这是什么？”这类问题，不如问“为什么？”、“怎么看？”和“怎么做？”。这也意味着，在GPT的回答中，很可能没有唯一正确的答案，也没有最优解。” “人们获取信息的逻辑将再次改变，从PC时代的搜索逻辑，到移动时代的推荐逻辑，到AI时代的助理总结逻辑。 “ 關於教育： “GPT-4在GRE考试方面几乎超越了全人类，在写作、法律、数学、
用AI閱讀全世界的嘗試
學習建出自己的工具中。 ChatGPT如何摘要大量內容的幾種方法 https://wylin.tw/pages/how-to-summarize-long-texts/ “「重點」是什麼，這很因人而異。一個人認為的重點，可能是另一個人眼中的廢話。所以你不能單純用「幫我摘要重點」作為 prompt。而要針對不同情境、不同使用者，特製該情境下的 prompt。 這也是為什麼大家會讓 ChatGPT 在做廣泛閱讀時做摘要，但回到自己專業領域，通常不會信任 ChatGPT 的摘要。因為前者就算是泛泛之論仍會有點收獲，但後者對摘要的品質要求變得很高。 “ 如何摘要大量內容 * 只拿開頭 (View Highlight) * 切段後每一段都全部看，摘要後再摘要 (View Highlight) * 給他前情提要 (View Highlight) * 分群摘要 (View Highlight) --- 一個實作案例 https://www.readr.tw/post/
關注新聞2305
What a wonderful world WorldApp錢包可以下載了，但要領WorldCoin，要找Operator進行虹膜辨識並建檔，目前沒有台灣，最近在韓國，難道為了領幣要飛一趟韓國？ https://blockcast.it/2023/05/09/sam-altmans-crypto-project-worldcoin-launches-wallet/ --- 波士頓機器狗結合 ChatGPT “接上 ChatGPT 後，Spot 最大變化就是聽得懂人話了，且能和消費者以自然語言溝通。Santiago 示範對 Spot 說房間太擠，請它後退，話音剛落 Spot 就理解 Santiago 的意思，往後退了幾步，頗有科幻電影的 AI 機器人味道。” https://technews.tw/2023/05/08/spot-add-chatgpt/
我們如何最終成為節點
我們依賴演算法餵養讓我們沈溺的資訊、我們依賴智慧助理告訴我們絕對的答案、我們相信網路生成的人格發布的熱門資訊，我們透過介面24小時與網路空間連結，最終的我們變成了網路上的一個節點。
