筛选结果
100 篇排序
49:14EN → 简体中文人形机器人价格从 150 万美元跌到 3 万美元,机器人的 GPT-3 时刻仍是一个动词英伟达的 Jim Fan 向红杉资本讲述了三类数据、一项人形机器人押注,以及一个“系统 1”运动控制模型,如何解锁通用机器人。
51:15EN → 简体中文通用人工智能只剩一个难题:在单个 Token 上多花一百万倍的算力Magic 创始人 Eric Steinberger 在红杉资本 Training Data 节目中说明:他为什么要自己训练模型,为什么软件工程师是通用人工智能(AGI)的 MVP,以及为什么 96% 仍然算不上同事。
1:27:02ZH广密:Self-play RL 可能开启 AGI 的新 Scaling Law嘉宾 广密 · 主持 张小珺广密认为,纯靠语言预训练扩展模型的边际收益可能正在减弱,self-play 强化学习是更值得押注的新路径。它能否泛化到代码、视频、机器人和更广的领域,将决定下一阶段的 AGI 竞赛。
50:33EN → 简体中文40% 的数据中心节能,始于一封以问号结尾的邮件Phaidra 创始人 Jim Gao 向红杉资本讲述,他在谷歌时受 AlphaGo 启发的一次尝试,如何变成了运行价值数十亿美元工厂的强化学习系统。
46:09EN → 简体中文Oriol Vinyals:把九成算力烧在预训练上的日子屈指可数了主持 Sarah Guo, Elad GilGoogle DeepMind 研究副总裁 Oriol Vinyals 谈 Gemini、长上下文、从预训练转向强化学习(RL)的即将到来,以及通用人工智能(AGI)为什么可能永远没有终点线。
1:07:05EN → 简体中文AlphaGo 把学习和搜索结合在一起,语言模型只做到了前一半Reflection AI 的 Misha Laskin 向红杉资本解释,为什么靠提示词驱动的编程智能体(Agent)总卡在十几个百分点,以及缺失的那一块为什么仍然是真值奖励(ground-truth reward)。
52:45EN → 简体中文一个 1.5 亿美元的模型,六个月后 500 万美元就能复制:Benchmark 的 AI 投资账主持 Nathan LabenzEric Vishria 与 Quilter 的 Sergiy Nesterenko 解释:为什么印刷电路板(PCB)布局不属于 Copilot 那类问题,为什么人工设计的板子数据是错误的训练集,以及哪些 AI 公司看起来只是一时的虚火。
56:56EN → 简体中文一周的 PCB 布线,一小时就能完成:Quilter 训练的是智能体,而非模仿者主持 Nathan LabenzSpaceX 出身的 Sergiy Nesterenko 向 Will Summerlin 讲述,Quilter 如何用强化学习(reinforcement learning)把原理图编译成可以量产的电路板,以及为什么克隆人类的布线会把系统的上限锁定在人类水平。
9:15EN → 简体中文Figure 01 与其他机器人演示:2024 年视频展示了什么Matthew Berman · Forward FutureMatthew Berman 评述制作咖啡的人形机器人、低成本机械臂和其他机器人演示。这些片段展示了特定任务,不能证明实现了人工通用智能。
1:43:47EN → 简体中文先跑后走:Marc Raibert 谈如何让金属看起来有生命嘉宾 Marc Raibert · 主持 Lex Fridman波士顿动力创始人 Marc Raibert 与 Lex Fridman 谈为什么激进的跳跃胜过谨慎的行走、109 次 Atlas 摔倒如何变成一套方法,以及机器人为什么仍然需要另一种智能。
1:58:43EN → 简体中文一条只有 302 个神经元的线虫已经会权衡取舍,AI 仍停在同一座梯子上主持 Nathan LabenzMax Bennett 把 6 亿年的大脑演化对应到五次突破上,并追问今天的模型究竟爬上了哪几级台阶。
21:00EN → 简体中文Jim Fan 的基础智能体愿景:技能、机器人身体与仿真Matthew Berman, Jim Fan · Forward FutureMatthew Berman 解读 Minecraft 智能体、不同机器人形态和仿真研究,探讨它们如何推动更通用的具身 AI。
2:27:58EN → 简体中文Atlas 用了 14 年,才走出 Playter 想要的步态嘉宾 Robert Playter · 主持 Lex Fridman波士顿动力首席执行官 Robert Playter 回顾了 30 年的历程:从麻省理工学院(MIT)地下室里的弹跳杆,到 Atlas、Spot 和 Stretch,以及公司为什么至今仍然设计可以摔倒的机器。
1:07:10ZHInstructGPT 论文精读:从人工反馈到语言模型对齐从监督微调、奖励模型到 PPO,梳理 InstructGPT 的训练流程、实验结果与局限。
2:29:21EN → 简体中文从不试图读懂人心的扑克机器人嘉宾 Noam Brown · 主持 Lex FridmanNoam Brown 向 Lex Fridman 讲述:一台逼近纳什均衡(Nash equilibrium)的机器人如何碾压单挑无限注德州扑克(heads-up no-limit Hold'em),Pluribus 怎样在六人桌上做到同样的事,以及《外交》为什么需要一个能赢得人类信任的 AI。
2:10:39EN → 简体中文Demis Hassabis:先解决智能,再解决其他一切嘉宾 Demis Hassabis · 主持 Lex FridmanDeepMind 首席执行官告诉 Lex Fridman:图灵测试为什么是一份出错的考卷,AlphaFold 如何改写了生物学,以及射电天空的寂静为何暗示我们或许是孤独的。
1:56:17EN → 简体中文如果把地球重演一百万次,还会有像我们这样的生物出现吗?嘉宾 Risto Miikkulainen · 主持 Lex FridmanRisto Miikkulainen 谈神经进化、鬣狗围猎、从不睡觉的罗勒,以及为什么“变异加选择”仍能找到反向传播看不见的解。
2:01:07EN → 简体中文Michael Littman 不等待失控的神,他在观察我们嘉宾 Michael Littman · 主持 Lex Fridman布朗大学的强化学习(reinforcement learning)研究者 Michael Littman 对 Lex Fridman 说,为什么意外出现的超级智能(superintelligence),在他看来就像一架 747 自行组装起来,而社交媒体、死记硬背式的语言和心智理论(theory of mind),更让他担心。
1:37:31EN → 简体中文送啤酒的机器人,其实是人在远程操控嘉宾 Sergey Levine · 主持 Lex FridmanSergey Levine 对 Lex Fridman 说,机器人的硬件差距几乎可以补上,常识必须靠生活去积累,而离线强化学习(offline reinforcement learning)是让机器人从日志数据走向持续进步的缺失环节。
2:00:32EN → 简体中文慢速突触养出快速学习者,温暖才是更难的问题嘉宾 Matt Botvinick · 主持 Lex FridmanDeepMind 神经科学负责人 Matt Botvinick 与 Lex Fridman 谈前额叶皮层(prefrontal cortex)、元强化学习(meta-reinforcement learning)和多巴胺研究,如何与一个根本问题相遇:在 AI 时代,更好的人类生活究竟应该是什么样子。
1:48:01EN → 简体中文David Silver:AlphaGo 赢在拿掉了人类知识嘉宾 David Silver · 主持 Lex FridmanAlphaGo 与 AlphaZero 背后的 DeepMind 研究员 David Silver 向 Lex Fridman 讲述:无人领取的百万美元围棋奖金、七岁时用过的 BBC Micro,以及一次蜜月中的灵感,如何促成了超人水平的自我对弈。
1:38:33EN → 简体中文也许人是在另一套假设下理性的嘉宾 Anca Dragan · 主持 Lex FridmanAnca Dragan 与 Lex Fridman 谈逆强化学习(inverse reinforcement learning)、自动驾驶,以及为什么写下的奖励更像证据,而不是法律。
1:39:56EN → 简体中文为什么 Marcus Hutter 把压缩视为智能本身嘉宾 Marcus Hutter · 主持 Lex Fridman这位 AIXI 的提出者、DeepMind 研究者向 Lex Fridman 解释,为什么维基百科压缩竞赛、所罗门诺夫归纳和一个不可计算的公式应该放在同一场对话里。
1:29:10EN → 简体中文Andrew Ng:AI 最难的部分,很少出在算法上嘉宾 Andrew Ng · 主持 Lex Fridman在与 Lex Fridman 的对谈中,Ng 讲述了自己从深夜录制 Coursera 课程,一路走到工厂车间的经历,并认为杂乱的数据、良好的习惯和从小处着手,比炒作更重要。
加载更多已显示 24 篇,共 100 篇









