筛选结果
40 篇排序
3:28:47EN → 简体中文Karpathy 称训练好的神经网络是复杂的外星造物嘉宾 Andrej Karpathy · 主持 Lex Fridman在 Lex Fridman 的播客上,Andrej Karpathy 拒绝用大脑来做类比,借助 Nick Lane 的化学研究梳理费米悖论(Fermi paradox),并把 Transformer 视为一台通用的可微分计算机。
1:09:10EN → 简体中文飞上火星的骁龙,同样跑在 Galaxy 手机里嘉宾 Cristiano Amon · 主持 Lex Fridman高通(Qualcomm)CEO Cristiano Amon 与 Lex Fridman 聊 5G、骁龙、汽车、芯片短缺,以及如何找到自己能力的边界。
2:31:48EN → 简体中文不能自动驾驶的汽车,将跟马差不多有用嘉宾 Elon Musk · 主持 Lex Fridman在一场围绕特斯拉 Autopilot 展开的 Lex Fridman 对谈中,马斯克提出:驾驶员的每一次操作都是一种错误;今天的硬件已经足以支撑全自动驾驶;而与其盯着人看,不如让系统比人更安全,这件事很快就会变得不那么重要。
3:14:14EN → 简体中文四个关节,八万磅:Boris Sofman 谈 Cozmo 与 Waymo嘉宾 Boris Sofman · 主持 Lex FridmanAnki 联合创始人谈如何把少数几个表达通道推到极致,一家深受喜爱的机器人公司为何仍然倒闭,以及同样的约束思路如今如何支撑 Waymo 的卡车。
3:12:17EN → 简体中文你最好已经拥有了你想要的一切嘉宾 Steve Viscelli · 主持 Lex Fridman一位前长途卡车司机、如今任教于宾夕法尼亚大学的社会学家,和 Lex Fridman 梳理卡车运输如何从黄金时代的行当,沦为不得已而为之的最后选择,以及机器人可能以六种方式接手这份工作。
2:23:10EN → 简体中文造司机,不造副驾:Waymo 首席技术官 Dmitri Dolgov 谈全无人驾驶汽车嘉宾 Dmitri Dolgov · 主持 Lex Fridman从斯坦福一个凌晨三点的停车场规划器,到凤凰城一辆公开载客的无人驾驶出租车,Dolgov 向 Lex Fridman 讲述了为什么驾驶辅助(driver assist)和真正的司机是两种不同的产品。
1:44:47EN → 简体中文Erik Brynjolfsson:指数级错配如何重塑工作与政治嘉宾 Erik Brynjolfsson · 主持 Lex Fridman斯坦福经济学家对 Lex Fridman 说,新冠疫情、人工智能和社交网络都在惩罚线性直觉;只有大家共享繁荣,“把蛋糕做大”这套说法才站得住。
3:12:55EN → 简体中文毁灭世界所需的智商,每年降低一分嘉宾 George Hotz · 主持 Lex FridmanGeorge Hotz 谈费米悖论、破解模拟世界,以及用神经网络教汽车开车。
1:41:37EN → 简体中文成功第一步的谬误:Jitendra Malik 谈视觉为何仍未被解决嘉宾 Jitendra Malik · 主持 Lex Fridman伯克利的 Jitendra Malik 向 Lex Fridman 说明,计算机视觉为何总是低估自己,完全自动驾驶为何仍需要认知(cognition)能力,以及为何视觉是语言的母体。
1:22:51EN → 简体中文看密度,不看演示:Sertac Karaman 谈会飞、会开车的机器人嘉宾 Sertac Karaman · 主持 Lex FridmanMIT 机器人学家、Optimus Ride 联合创始人讲述,为什么与人共享空间比造出机器本身更难,以及在交通规模上飞行仍是更难的问题。
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。
1:34:44EN → 简体中文摩尔定律四十年来一直“快要死了”嘉宾 Jim Keller · 主持 Lex Fridman芯片架构师 Jim Keller 向 Lex Fridman 解释:为什么一连串收益递减的曲线合起来仍像指数增长,为什么每 5 年就要重写一次 CPU,以及为什么开车并不是一个超级难的问题。
1:18:41EN → 简体中文抱过一个犹太男孩的党卫军士兵,以及仍会骗过我们的那些系统嘉宾 Daniel Kahneman · 主持 Lex FridmanDaniel Kahneman 谈系统 1、不知道自己在说什么的深度学习,以及为什么一台必须呼叫人类的机器,几乎和一台永远不需要人类的机器一样难做。
1:18:35EN → 简体中文Sebastian Thrun 最不想接的工作,是他已经做得很好的那一种嘉宾 Sebastian Thrun · 主持 Lex FridmanLex Fridman 与 Sebastian Thrun 对谈,聊学习、安全,以及为什么堵车是一种选择。Thrun 是 Stanley(谷歌的自动驾驶汽车)、Udacity 和 Kitty Hawk 背后的机器人学家。
56:47EN → 简体中文Vijay Kumar 为什么不肯把它们叫作“无人机”嘉宾 Vijay Kumar · 主持 Lex Fridman宾夕法尼亚大学(Penn)机器人学家谈蜂群设计、真正的自主,以及为什么限制天空的仍是电池而不是算法。
1:59:37EN → 简体中文车道居中,是唯一已经有用的自动驾驶功能嘉宾 George Hotz · 主持 Lex Fridmancomma.ai 创始人 George Hotz 对 Lex Fridman 讲述,为什么保持在车道内胜过 5 级(Level 5)自动驾驶的承诺,以及无人驾驶出租车(robotaxi)技术栈为什么依然没有网络效应(network effect)。
44:48EN → 简体中文Chris Urmson:无人驾驶之路,与能让你打个盹的那条路分道扬镳嘉宾 Chris Urmson · 主持 Lex FridmanLex Fridman 与 Aurora CEO Chris Urmson 聊了 DARPA 挑战赛、为什么激光雷达(lidar)是工具而非拐杖,以及 L2 辅助驾驶的经济账为什么长不成真正的自动驾驶。
32:45EN → 简体中文马斯克:驾驶员的每一次操作都是错误,特斯拉 Autopilot 必须消除嘉宾 Elon Musk · 主持 Lex FridmanMIT 发表了一项关于驾驶员使用 Autopilot 时功能性警觉的研究后,Lex Fridman 与马斯克坐下来,讨论车内摄像头、车队数据,以及人是否还应该留在驾驶回路里。
55:24EN → 简体中文Kyle Vogt 做出高速公路改装套件,还没卖出一台就砍掉了嘉宾 Kyle Vogt · 主持 Lex FridmanCruise 总裁兼首席技术官 Kyle Vogt 对 Lex Fridman 讲述:这位玩着 BattleBots 长大的堪萨斯少年,为什么放弃了一款能用的产品,转而与通用汽车合作,并在 2019 年把原型一步步推向量产。
1:26:21EN → 简体中文机器绝不该把自己的目标奉为圭臬嘉宾 Stuart Russell · 主持 Lex FridmanStuart Russell 与 Lex Fridman 谈元推理(metareasoning)、自动驾驶的可靠性,以及为什么对人类目标的不确定性是控制问题(control problem)的核心。
1:00:38ENThe Race Car and the Rulebook: Chris Gerdes on Automated Vehicle Safety主持 Lex FridmanA Stanford engineer and former DOT innovation chief explains how autonomous racing, voluntary safety guidance, and data sharing could shape safer self-driving cars.
54:33ENVision or Lidar, Human or Machine: Lex Fridman's 2019 Map of the Self-Driving Race嘉宾 Self-Driving Cars · 主持 Lex FridmanThe opening lecture of MIT's 6.S094 course surveys 2018's milestones, the industry's optimistic predictions, and the beliefs about driving and humans that will decide who wins.
58:46ENCaging the Neural Network: How Aptiv Thinks About Safe Self-Driving主持 Lex FridmanAptiv Autonomous Mobility's Karl Iagnemma and Oscar Beijbom explain why end-to-end learning is hard to trust in cars, and show how PointPillars and nuScenes push lidar perception forward.
1:15:59ENSteering Through Time: How Recurrent Networks and LSTMs Learn from Sequences主持 Lex FridmanLex Fridman's MIT 6.S094 lecture walks from backpropagation basics to LSTMs and the way they are used to predict steering in self-driving cars.
加载更多已显示 24 篇,共 40 篇









