博文
- 单纯的AI+教育或解决不了教育的根本问题
- 热度 1
- 当生成式 AI 在教育领域掀起新一轮技术革命，从智能教辅工具到自动化教案生成，从个性化学习推荐到学术论文辅助，AI 技术正以不可逆转之势渗透教、学、管、评、研全链条。联合国教科文组织数据显示，78% 的高校已部署人工智能教学系统，九部门联合印发的《关于加快推进教育数字化的意见》也明确提出 “全面推进智能化，促 ...
- 腾冲科学家论坛系列报道｜科学家圆桌对话：人工智能、可持续发展与知识产权的未来之问
- 新华网客户端 81.0万 · 12月9日 17:11 编者按：12月5日至7日，由云南省人民政府和中国科学技术协会共同主办的2025腾冲科学家论坛在腾冲举行。新华网融媒体未来研究院受主办方邀请主持腾冲科学家论坛南亚东南亚国际知识产权创新合作研讨会的圆桌论坛。同时，围绕人工智能时代“超学科”融 ...
-
如何安全地使用不安全的智能系统？
- 许多智能系统本质上是不安全的，主要原因是由于其自身技术特点和应用场景的复杂性所决定的。首先是模型算法存在缺陷，深度学习模型结构复杂，参数众多，决策过程难以理解和解释，如医疗诊断AI可能无法清晰说明判断依据。而且模型鲁棒性不强，容易受到对抗样本攻击，比如在“停止”标志上贴特定贴纸，自动驾驶系统就可能误 ...
-
对人类而言，语言并非世界
- 热度 1
- 在“万有引力”、“相对论”、“量子力学”出来之前，人们对此是无法用语言进行描述的（但并不妨碍人们的认识）。对人类而言，语言并不是世界的全部，尤其是对于那些浩瀚的未知世界。维特根斯坦提出的语言即世界命题，本质上揭示了语言对认知的建构作用，但当代跨学科研究正从多个维度解构这一命题的绝对性。 ...
-
大模型与人类的本质区别
- Transformer是理解大语言模型的核心：它不是“记住句子”，而是在高维空间里重构语义关系图。而人类则是能够在低维空间里构造语义关系。 一、Transformer：高维空间中的语义重构 1. 高维分布式表示 Transformer将每个词/句子映射为高维向量（如768维、4096维等），这些向量的每个维度并非人类可解释的特征， ...
-
人机交互中的“意图-涌现悖论”
- 热度 1
- 在物理领域，波粒二象性悖论的核心在于，一个量子客体（如光子）似乎同时展现出两种互斥的属性：波（扩展、干涉、不确定路径）和粒子（局域、有确定路径、无干涉）。关键在于，根据互补性原理，我们无法在同一实验设置下同时观测到这两种属性。观测其中一种，就必然牺牲另一种的信息。爱因斯坦试图挑战这一点，设计一个实 ...
-
消除AI泡沫的核心在于构建人机环境系统智能体系
- 当前关于AI泡沫的不同看法主要集中在技术价值、投资规模、市场估值以及产业应用落地等方面。乐观派认为AI作为通用技术将引发深层次的生产力革命，其对中低技能生产效率的提升作用已初步显现，并且正加速渗透至各行业，长期有望重塑经济结构。此外，当前AI投资有稳固的基本面支撑，无论是海外的ONO（甲骨文、英伟达、OpenAI ...
-
为什么人机融合比机器智能更重要？
- 感性是智能的“动机系统”，人类的学习、决策、创造，往往不是纯粹理性的，而是受情绪、欲望、直觉、身体经验驱动的。 婴儿学习语言，是因为想与人连接，不是优化目标函数。科学家做研究，往往出于好奇、敬畏、美感，而非单纯最大化准确率。AI 没有“想”的欲望，它只是在执行目标函数，没有内在驱动力去“理解”或“关心 ...
-
算计：计与算的边界
- 计算与算计的关系既对立又统一。计算是理性的基石，以数据、逻辑和确定性为内核，通过算法模型解构客观世界的运行规律（如数学推导、物理仿真），追求“复”的精确性；算计则是价值的引擎，以经验、情境和可能性为脉络，通过辩证思维重构主观目标的实现路径（如战略博弈、伦理抉择），处理“杂”的模糊性。二者在动态中形 ...
-
态势感知与OODA的异同
- 态势感知是对周围环境信息的全面收集、分析和理解，以识别潜在威胁和机会，通常涉及实时数据监测和情境分析，为决策提供准确信息基础。OODA循环是由观察（Observe）、判断（Orient）、决策（Decide）和行动（Act）组成的迭代决策模型，强调在动态环境中快速循环决策，通过不断调整行动以适应变化，获取竞争优势。 “态 ...
