筛选结果
20 篇排序
31:39EN → 简体中文
No Priors: AI, Machine Learning, Tech, & Startups· 2026年8月20日播客 · 2 人对谈头骨早已是那只缸：Max Hodak 谈恢复视力主持 Sarah Guo, Elad Gil黄斑变性导致失明的患者戴上激光投影眼镜，能读书，也能做数独，因为视网膜下的一块芯片正把视觉信号送回大脑。
4:18:22EN → 简体中文
Lex Fridman· 2026年5月6日播客 · 2 人对谈每个周期都重要：解码几乎全网视频的志愿者们嘉宾 FFmpeg · 主持 Lex FridmanLex Fridman 与 Jean-Baptiste Kempf、Kieran Kunhya 谈 FFmpeg、VLC、手写汇编，以及 YouTube、Netflix 和火星车背后那群没有报酬的人。
35:47EN → 简体中文No Priors: AI, Machine Learning, Tech, & Startups· 2025年6月5日播客 · 2 人对谈李飞飞的新赌注：没有空间智能，AI 就不完整主持 Sarah Guo, Elad Gil这位 ImageNet 先驱向 Sarah Guo 和 Elad Gil 讲述了 World Labs 为何要打造三维生成式基础模型，以及为什么语言只是拼图中的一块。
25:56EN → 简体中文No Priors: AI, Machine Learning, Tech, & Startups· 2024年7月11日播客 · 2 人对谈提示词装不下好设计：2024 年年中的六位 AI 从业者主持 Sarah Guo, Elad GilSarah Guo 和 Elad Gil 把 Stripe、Figma、Figure、OpenAI 的 Sora 团队、Cognition 和 Scale 的访谈片段剪在一起，拼出半年的光景：真正在做 AI 产品的人，愿意把话说到什么程度。
27:26EN → 简体中文No Priors: AI, Machine Learning, Tech, & Startups· 2024年6月20日播客 · 2 人对谈一家 40 人公司、4 万付费客户，想用 AI 替代摄像机主持 Sarah Guo, Elad GilHeyGen 的 CEO Joshua Xu 向 Sarah Guo 和 Elad Gil 讲述，数字人、本地化，以及按组件拆分的视频技术栈，如何让摄像机退出内容制作。
31:24EN → 简体中文No Priors: AI, Machine Learning, Tech, & Startups· 2024年4月25日播客 · 2 人对谈Sora 团队负责人：一分钟高清视频，不过是视频模型的 GPT-1主持 Sarah Guo, Elad GilAditya Ramesh、Tim Brooks 和 Bill Peebles 在 No Priors 上讲述：文生视频（text-to-video）为什么处在通用人工智能（AGI）的路径上，他们为什么没有扩展图像生成器而是从零开始，以及为什么至今仍没有产品的发布日期。
24:32EN → 简体中文No Priors: AI, Machine Learning, Tech, & Startups· 2024年4月18日播客 · 2 人对谈图像生成还是开盲盒，Suhail Doshi 想让像素规模化主持 Sarah Guo, Elad GilPlayground AI 创始人在 No Priors 节目里讲了他为什么跳过语言模型、一个噪声采样技巧怎样修好了 SDXL 整体发闷的亮度，以及大型视觉模型究竟能做什么。
1:55:10EN → 简体中文Lex Fridman· 2024年3月18日播客 · 2 人对谈Sam Altman 预计，通往 AGI 的路将是一场权力斗争嘉宾 Sam Altman · 主持 Lex Fridman2023 年 11 月的一个周五下午，OpenAI 董事会解雇了它的 CEO。四天半后他回来了，依然拒绝超级投票权控制。
39:50EN → 简体中文No Priors: AI, Machine Learning, Tech, & Startups· 2023年7月20日播客 · 2 人对谈为什么 AI 视频还是四秒钟的柯基主持 Sarah Guo, Elad GilMeta 研究总监 Devi Parikh 解释了文生视频（text-to-video）为什么还停留在短动画图片上，以及要突破这一平台期需要什么。
48:52EN → 简体中文No Priors: AI, Machine Learning, Tech, & Startups· 2023年2月9日播客 · 2 人对谈用户要的是更好的画笔，Runway 却做出了一键绿幕抠像主持 Sarah Guo, Elad GilRunway 首席执行官 Cristobal Valenzuela 谈为什么模型不等于产品，为什么电影人会去折腾一个每秒只能处理四帧的工具，以及在没人会因此丧命的场景里，为什么 80% 就够用。
2:36:21EN → 简体中文Lex Fridman· 2022年9月21日播客 · 2 人对谈笑容不等于快乐：Rana el Kaliouby 谈情感 AI 与共情危机嘉宾 Rana el Kaliouby · 主持 Lex FridmanAffectiva 创始人、Smart Eye 副 CEO 与 Lex Fridman 聊到，如何教机器读懂人脸、感知车内的驾驶员，以及她最自豪的是公司培养出来的人。
2:30:30EN → 简体中文Lex Fridman· 2021年7月31日播客 · 2 人对谈成功第一步的谬误嘉宾 Ishan Misra · 主持 Lex Fridman伯克利的 Jitendra Malik 解释了计算机视觉为何仍然看起来很简单、全自动驾驶为何还遥遥无期，以及孩子知道而今天的网络不知道的是什么。
2:10:06EN → 简体中文Lex Fridman· 2020年8月14日播客 · 2 人对谈要理解字母 A，你可能得先理解整个世界嘉宾 Dileep George · 主持 Lex FridmanDileep George 谈递归皮层网络，为什么五岁的孩子能读懂任何新出现的验证码（CAPTCHA），以及莱特兄弟到底从鸟身上学到了什么。
1:41:37EN → 简体中文Lex Fridman· 2020年7月21日播客 · 2 人对谈成功第一步的谬误：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。
1:37:31EN → 简体中文Lex Fridman· 2020年7月14日播客 · 2 人对谈送啤酒的机器人，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。
2:12:36EN → 简体中文Lex Fridman· 2020年5月12日播客 · 2 人对谈攻击一路往上爬，最终落到人身上嘉宾 Dawn Song · 主持 Lex FridmanDawn Song 与 Lex Fridman 谈下一场安全危机为何落在人身上、一张贴纸怎样改写停车标志，以及数据至今为何没有产权。
1:17:29EN → 简体中文Lex Fridman· 2019年9月23日播客 · 2 人对谈算法已经更好，诊所却还在用 1967 年的标准嘉宾 Regina Barzilay · 主持 Lex FridmanMIT 的 Regina Barzilay 讲，深度学习（deep learning）为什么已经胜过乳腺癌的“密度”评分，而数据、法律责任和激励机制为什么仍然推不动改变。
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。
1:59:37EN → 简体中文Lex Fridman· 2019年8月5日播客 · 2 人对谈车道居中，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）。
24:22ENLex Fridman播客 · 2 人对谈Craftsmanship, First Principles and the Road to Self-Driving: Jim Keller on Working with Elon Musk嘉宾 Jim Keller · 主持 Lex FridmanThe veteran chip architect explains why he thinks autonomous driving is a tractable engineering problem, how Tesla's cost constraints shaped its hardware, and what he took from Musk's way of thinking.