筛选结果
9 篇排序
22:17EN → 简体中文
Matthew Berman· 2024年3月21日Q* 传闻、能量模型与推理研究Matthew Berman, Yann Lecun · Forward FutureMatthew Berman 审视一份未经证实的匿名 Q* 描述，并将其中的想法与训练语言模型进行推理的已发表研究作比较。
12:34EN → 简体中文Matthew Berman· 2024年3月14日Figure 01 与更强大机器人的发展之路Matthew Berman, Lex Fridman, Yann Lecun · Forward FutureMatthew Berman 盘点人形机器人和其他机器人演示，并分享 Yann LeCun 对通用机器人仍需突破的问题的看法。
2:47:17EN → 简体中文
Lex Fridman· 2024年3月7日播客 · 2 人对谈想做出人类水平的 AI，就该放弃生成式模型嘉宾 Yann Lecun · 主持 Lex FridmanYann LeCun 在与 Lex Fridman 的对话中说明，为什么自回归大语言模型（LLM）无法规划、记忆或理解物理世界，以及为什么开源是唯一民主的答案。
33:23EN
20VC with Harry Stebbings· 2023年11月24日播客 · 11 人对谈AI Leaders Debate Open Models, Pricing and the Future of Search嘉宾 Emad Mostaque, Des Traynor, Jeff Seibert, Yann Lecun, Richard Socher, Cris Valenzuela, Douwe Kiela, Tomasz Tunguz, Miles Grimshaw, Christian Lanng · 主持 Harry StebbingsA compilation of separate interviews brings together competing 2023 predictions about model economics, assistants and the largest technology companies.
1:06:02EN → 简体中文20VC with Harry Stebbings· 2023年5月15日播客 · 2 人对谈Yann LeCun 谈开放 AI 模型、安全与研究的未来嘉宾 Yann Lecun · 主持 Harry StebbingsMeta 首席 AI 科学家讨论语言模型、研究重点，以及他对 AI 风险和就业的争议性看法。
2:45:10EN → 简体中文Lex Fridman· 2022年1月22日播客 · 2 人对谈青少年二十小时学会开车，汽车却还学不会嘉宾 Yann Lecun · 主持 Lex FridmanYann LeCun 在 Lex Fridman 的播客里讲明白：自监督世界模型（self-supervised world models）为什么是智能缺失的“暗物质”，以及机器为什么还没到家猫的水平。
1:15:58EN → 简体中文Lex Fridman· 2019年8月31日播客 · 2 人对谈人类智能只是窄得离谱的一小片嘉宾 Yann Lecun · 主持 Lex FridmanYann LeCun 向 Lex Fridman 解释：为什么巨型神经网络加上梯度下降推翻了教科书，为什么“AGI”是个用错的词，以及为什么下一次飞跃是像婴儿那样学习的世界模型。
11:11ENLex Fridman播客 · 2 人对谈Yann LeCun on Benchmarks, Interactive Environments, and Why Human Intelligence Is Not General嘉宾 Yann Lecun · 主持 Lex FridmanIn a 2019 clip, LeCun defends benchmarks as a test of AI claims, explains why interactive environments break the usual train-test protocol, and argues that "general intelligence" is a misnomer.
10:16ENLex Fridman播客 · 2 人对谈Reasoning Without Logic: Yann LeCun on Teaching Neural Networks to Think嘉宾 Yann Lecun · 主持 Lex FridmanYann LeCun explains why he believes neural networks can reason, and what memory, recurrence and continuous representations would need to look like.