SPEA向泰国大学捐赠测试设备
06-06
来吧，对话GenAI时代最前沿的创业者 | 【奇绩潜空间】第二季开始报名 LLM SPACE LLM SPACE微信 IDgh_b16e6f76关于每周专题 优质人工智能资讯 06-07 10:52 天津 以下文章来自奇绩创造论坛 作者 奇绩创造论坛 奇绩创造论坛。
我们会像联合创始人一样，一步步和你一起创业。
奇绩论坛成立于2001年，其使命是从源头最大化创新。
其核心产品是创业营，每年举办两次。
陆奇博士和合伙人投入三个月时间，加速对创业营的投入，并提供长期帮助。
。
为了给创业者提供交流、学习、合作的平台，奇绩论坛建立了科研/创业人才社区【奇绩潜空间】，找到了一批GenAI时代成长最快的创业者/研究员群体，让希望我的个人经历和感悟能够为所有创业者和GenAI时代的实践者提供参考和可复制的经验。
继第一季分享Kimi智能助理开发者——Moonshot AI创始人杨志霖、刘子明（MIT KAN）、吴毅（前沿科技创始人）、赵子豪（ALOHA）之后，耀明空间的第二季是即将开始，我们邀请到了姚舜宇、陆成、尤阳、蔡天乐等嘉宾，他们将继续为大家带来精彩的闭门分享。
【第一期嘉宾预览】姚舜宇 - 博士普林斯顿大学计算机科学博士，ReAct 和 Thinking Tree 框架的提出者，Agent 智能领域最早的探索者之一。
在本次分享中，姚舜宇将带来更多关于Agent的理论挖掘和未来判断。
【第二期嘉宾预告】陆程——最火AI硬件Rabbit-R1创始人，陆程将在本次分享中分享Rabbit R1产品的最新进展，还将带来关于跨代AI的独特知识和见解硬件。
深入思考。
图为陆成创立的AI硬件Rabbit-R1【第3期嘉宾预告】尤阳——新加坡国立大学校长杨教授。
他创造了Imagenet、Bert等多项世界训练速度记录。
他曾就职于谷歌、微软、英伟达等国际公司。
知名厂家。
现任绿辰科技创始人。
尤阳将分享大语言模型训练的分布式计算技术。
【第四期嘉宾预告】蔡天乐——普林斯顿“小天才”，美杜莎推理优化论文作者，曾就职于谷歌、TogetherAI、MyShell模型核心贡献者、创业者、天使投资人。
蔡天乐将分享大模型推理。
不仅如此，本次活动还新增专题【合伙人联合创始人配对】，为您提供与创业者及研究者深入交流的机会。
报名通道现已开放，请扫描下方海报二维码报名！ 【耀明空间】第一季内容回顾 【内容回顾】杨志林（Kimi智能助理开发者-Moonshot AI创始人）潜伏空间第一季第一期嘉宾关键词：多模态早期壁垒杨志林分享了解Moonshot的创立历程人工智能以及与数百名候选人和投资者沟通的经验。
他认为，大模型产品的难点在于加深人类对AI的信任，这需要更稳健的模型。
他将产品视为一个环境，允许许多用户输入反馈并进行交互，模型在动态数据集中不断探索以获得训练结果。
能够超越尺度定律预测并更有效地获得稳健的模型。
与文本数据相比，视频数据具有更大的数据量，但学习它的难点在于从图像本身学习并根据图像序列预测下一张图像。
有必要寻找更有效的技术手段来捕捉和理解图像中的内容。
高信息含量，实现对复杂视觉内容的深度学习和预测，甚至学习不以文字表达但存在于图像和现实世界中的规则。
【核心观点摘录】“效率的提升和效果的提升本质上是同一件事。
【较小的模型有相同的效果】和【相同的模型有更好的效果】。
这两句话是等价的。
GPT- 4o的发布表明OpenAI模型的能力和效果有了很大的提升，多模态建模的能力和效率/效果有了显着的提升。
”创业者需要更加注重数据的微调。
有句话说“数据就是产品”。
产品）。
你希望你的产品是什么样子，你想要获得什么样的体验——然后你收集与这个产品或者这个产品体验一致的数据。
这是尽早建立障碍的好方法。
“在通用人工智能时代，你的产品本质上是在创造新的GDP——大部分GDP是由智能创造的。
以前智能只能在一个地方产生，但现在突然有了新的地方可以产生——所以本质上我们是从GDP增量中抽取佣金。
》【内容回顾】刘子明（MIT）潜伏空间第1季第2期嘉宾关键词：KAN、AI+物理刘子明来自MIT，做过Kolmogorov-Arnold Networks方面的工作，他在多篇文章中从学术角度介绍了KAN可以有效简化多层神经网络需要解决的高维函数逼近问题，将其转化为更容易处理的一维函数，不仅提高了模型的效率，而且表明在科学发现领域，KAN 被视为一种潜在的人工智能与科学相结合的“语言”模型，让科学家通过调整模型结构并以函数作为沟通媒介与模型进行交互，从而嵌入学科知识，总体而言，KAN是AI+物理领域的一次有趣的尝试和有效的探索，启发我们像理解物理一样理解AI（AI的物理）；使用数学定律和模型设计更好的人工智能（人工智能的物理学）；利用AI物理学家帮助人类物理学家做出科学发现（AI forPhysics）【核心思想摘录】“我们目前对尺度定律的理解更像是地心阶段。
我们仍然需要付出更多努力来理解更高维度的问题，例如新的数学视角。
对于少体问题，我们可以通过经典物理力学来解决。
对于多体问题（10的23次方），我们使用统计物理学来理解它们，但今天的大型模型问题介于少体和多体问题之间。
“在人工智能的发展过程中，符号主义和联结主义有交替占上风的趋势。
KAN作为神经网络的一种，具有连续性的特点，而且由于KAN更容易被简化和符号化，因此在某种意义上也与符号化有关。
》【内容点评】吴毅（前沿科技创始人）潜伏空间第一季第三期客座关键词：强化学习游戏常识推理吴毅以《狼人杀》游戏为例验证通用人工智能在游戏中的作用复杂推理游戏的超人表现 在游戏中，AI需要不断观察和推理言论的可信度，熟练地完成不同身份下的虚张声势、合作、对抗等行为的书面表达。
经过实验发现，由于训练方法和数据收集的问题，大语言模型在复杂场景下的学习偏差仍然显着，大语言模型和强化学习的结合显示出巨大的潜力——尽管大语言模型已经单独做决定时表现不佳。
虽然存在偏见，但通过引入分层设计，大语言模型为强化学习的常识、推理和交流提供了坚实的基础。
强化学习的策略训练让AI在游戏中展现出卓越的决策能力，最终超越人类。
揭示了人工智能与人类合作互动的广阔前景。
【核心观点摘录】“强化学习的概念正在发生变化。
过去，人们认为需要一个明确的奖励或一个可模拟的场景，但ChatGPT的出现表明奖励模型是可以学习的。
然而，试图找到一个完美的奖励模型是不可能的，不可能仅仅从离线数据集创建一个超准确的奖励函数，所以在线反馈至关重要。
“最近LeCun说，如果你是学生，想做AGI，现在就不要读LLM，而是去读LLM以外的东西。
我觉得LeCun是??对的，如果你想获得图灵奖，就去读LLM吧。
”现在读LLM不太可能得到，但是对于学生来说，你可以在保留理想的同时做好一些工作。
让大家了解你，然后做一些基础研究。
” 【内容回顾】赵子豪（ALOHA项目）潜伏空间第1期第四期嘉宾关键词：机器人具身智能数据集在最后的活动中，ALOHA项目的创始人赵子豪深入探讨了他所倡导的机器人发展之路。
模仿学习为机器人提供了相对稳健的学习路径，在大规模模仿学习之后，如果能够与强化学习相结合，通过有针对性的目标优化，可以显着提高模型或机器人的性能及其环境适应性。
机器人学习的一个关键挑战是缺乏现成的数据集，因此，探索一种可扩展且具有成本效益的数据收集方法非常重要，以便开发能够准确捕获细粒度操作数据的模型。
子豪强调，只要有强大的精细操作模型支撑，即使是简单的双爪也能灵活高效地完成很多任务。
ALOHA项目的最终目标是让那些对硬件和机器人技术不太了解的人能够轻松上手，使用仅花费35,000的硬件就可以实现远远超出当前水平的性能。
【核心观点摘录】“机器人类似于大型语言模型。
他们更需要解决数据问题而不是算法问题。
当时人们预计该模型需要非常复杂的设计，但最终发现其实不需要做任何事情。
只要数据量足够大，模型足够大，模型就会有内在的理解，自己解决问题。
具体来说，可能需要对数据进行一些过滤，但模型架构和损失函数不需要特殊处理。
“相比数据和算力，数据瓶颈更大。
事实上，实体智能的数据远未达到算力成为瓶颈的阶段。
关于体现数据，我认为由于模拟软件的限制，最好在现实生活中收集数据。
生活中有一些任务，比如折纸、做饭。
如果在仿真环境下进行仿真，精度和速度都较低，离实际应用还很远。
》第一季参与者反馈。
第一季活动吸引了大量来自顶尖高校和知名科技公司的从业者，如OpenAI、特斯拉、月之暗面、致远、百度、字节、百川等、清华、交上等，我们还收集了以往参与者的真实反馈：“Latent Space分享的内容非常‘dry’（干货），我有机会听到最前沿研究人员的声音借用嘉宾杨志林的一句话，视频数据是熵含量特别高的数据，我认为潜在空间也是熵含量特别高的活动。
”——左宁F23校友 “我参加了两次会议，主要是听报告，但听完就走了，所以没有参加后续的活动。
我参加的两次会议都是吴毅和托尼的，确实是。
做得非常好，邀请的人都很年轻，有思想，奇绩给嘉宾留下了很多和观众交流的时间，非常有收获。
”——杨金宇 F23 校友 “奇绩的 Latent Space 是一个很好的学习机会，尤其是在高质量的学术环境中学习最先进的前沿技术方向，比如 KAN 和无损压缩，也是一种学习的方式。
结识志同道合的新伙伴。
良机。
”——奥斯汀S24校友“在奇绩主办的Embodied Intelligence活动上，我有幸聆听了赵托尼的精彩报告，从中获得了丰富的机器人领域经验以及对未来发展方向的深刻洞察。
会后，我还与现场同事进行了深入交流，分享了彼此的专业经验。
这些互动无疑加深了我对具身智能领域的理解，并启发了我对未来研究的新思路。
。
”——博士。
清华预习期间无法点击吴标签。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-06
06-18
06-21
06-17
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态