Think Yourself ,AI DO IT.
Think Yourself ,AI DO IT.
“山歌没有创作，特别自由 没有曲子 就一代一代唱下来的’’ 万事皆有因果。这周忽然想‘人工-智能’，一查Art就是人为，人工-智能，诗歌就是最高的Art，麦迪打球像诗一样，小说写的像诗一样，诗就是最高评价。 Art就是人工寻找智能，天外飞仙，青仙，fairyoung。 三江源大数据，我直接制作的。真正的高手，碰到好的项目都是兴奋而不是忐忑，不管干没干过，随着心里自然的想法都是对的。 你现在想去“采风”，写诗经都没问题，到处都有，人事物都可以。我在学校找书上诗的编了一本【青仙版诗经：世界的花】，花了几年的，从青岛到北京，108篇都凑不齐。南京翻了下诗经，发现该写的都写完了，你所有的忧愁古人也有，他们都唱了，那就是民风，收在诗经。 启功说唐以前诗是用生命长出来的。只是一个各个时期诗歌创作方式特征，其实好诗都是生长出来的。只是获取方式是自己酿造的还是采集的，诗三百就采的风。现在也在无时无刻在采风，最切亲的就是“网络流行词”，那就是当下的风。当下能流传下去的就是以后的诗经。格萨尔王是藏民的红太阳，毛主席就是人民的红太阳，人民的“格萨尔王”。
这二十年我们一直在听一个词，人口红利，耳朵都听出茧子来了。人口红利到底什么意思？ 我的看法是，也不一定对，人口红利特指游牧模式的人口红利。就是一片草地，我不割你就割，大家争着割。 互联网的大发展怎么来的？两个要素。 第一，互联网这个技术从美国来，风险投资制度从美国来。这是前提。 同时有第二，中国做好了大基建，接通了电，接通了互联网，接通了无线基站，无所不在。 然后有一个工业基础，有一个大多数人的基本的收入，所以人买得起电脑和手机，交得起网费，这也是前提。 就是在这样一个庞大的地基上，一旦有个应用冒出来，就可以立刻把14亿人转化成用户，这个就是所谓的人口红利。 这个时间窗口一定会有这么多用户，谁先做，相对做的好，就能收获这些用户，一旦用户全部被转化，这个人口红利就结束了。 所以这么看的话，谁在做农耕？就是做大基建的国企，政府部门，他们在创造人口红利。 谁在做游牧？就是争先恐后抢夺人口红利的互联网公司。生死时速的挣快钱，美其名曰模式创新。 原文：农耕模式才最安全
头回见有人描述这个意念场景： 最后，她给出一个例子，认为未来属于“空间智能”世界，人类可以坐在那里，带上一顶有传感器的EEG帽子，不用张嘴说话，仅靠意念远程告诉机器人：做一顿日式大餐吧。机器人收到意念后，解密意念，即可搞出全套大餐。 记得之前网上说美国军方96年就实现了，意念打字，英文字母。 关于意念，我有个名字就叫“语言仪”，大三给庞老师讲的，这样“心动就输出，想你就知道”，以西方的方式实现心灵感应，同时也能替我们写材料做汇报。 我们也可以认为“具身智能”是“语言仪”。哇塞，怎么才回味过来。 钛媒体App 7月11日消息，AI科学家李飞飞带领的团队日前发布了具身智能最新成果：大模型接入机器人，把复杂指令转化成具体行动规划，人类可以很随意地用自然语言给机器人下达指令，机器人也无需额外数据和训练。李飞飞团队将该系统命名为VoxPoser，相比传统方法需要进行额外的预训练，这个方法用大模型指导机器人如何与环境进行交互，所以直接解决了机器人训练数据稀缺的问题。（科创板日报） 这不要实现了嘛。 如何实现从“看到”到“做到” 所谓“空间智能”，是指人们或机器在三维空间中的感知、理解和交互能力。 这一概念最早由美国心理学家霍华德·加德纳（Howard Gardner）在多元智能理论中提出，让在大脑中形成一个外部空间世界的模式，并能够运用和操作。实际上，空间智能让人有能力以三度空间的方式来思考，使人知觉到外在和内在的影像，也能重现、转变或修饰影像，从而能够在空间中从容地游走，随心所欲地操弄物件的位置，以产生或解读图形的讯息。 从广义上看，空间智能不仅包括对空间方位的感知能力，还包括视觉辨别能力和形象思维能力。而对于机器而言，空间智能则是指其在三维空间中的视觉数据处理能力，能够精准做出预测，并基于这些预测采取行动。这种能力使得机器能够像人类一样在复杂的三维世界中导航、操作和决策，从而超越传统二维视觉的局限。 今年4月举行的TED演讲上，李飞飞坦言，视觉能力引发了寒武纪大爆发，神经系统的进化带来了智能。“我们想要的不仅仅是能看会说的 AI，我们想要的是能做的 AI。” 在李飞飞看来，空间智能是“解决 AI 技术难题的关键法宝”。
看到这个高度自动化很诧异，原来是要“应对失效”，就全自动是能处理所有问题。 我们所说的自动驾驶系统（ADS），通常是在 3～5 层级，随着层级的提高，对系统的要求也随之提高。由于目前自动驾驶的分级，特别是 L3 和 L4 处在还没有大规模应用在实际生活之中，我们对待这个需求就存在着一些认知上的争议。 分类方法：以动态驾驶任务（DDT）、DDT 的任务支援和设计运行范围来区分； DDT（Dynamic driving task）:动态驾驶任务，指汽车在道路上行驶所需的所有实时操作和策略上的功能（决策类的行为），不包括行程安排、目的地和途径地的选择等战略上的功能。 车辆执行：包括通过方向盘来对车辆进行横向运动操作、通过加速和减速来控制车辆； 感知和判断（OEDR，Object and event detection and response,也称为周边监控）：对车辆纵向运动方向操作、通过对物体和事件检测、认知归类和后续响应，达到对车辆周围环境的监测和执行对应操作、车辆运动的计划还有对外信息的传递。 动态驾驶任务支援（DDTFallback）：自动驾驶在设计时候，需要考虑系统性的失效（导致系统不工作的故障）发生或者出现超过系统原有的运行设计范围之外的情况，当这两者发生的时候，需给出最小化风险的解决路径。 设计运行域（OperationalDesign Domain,ODD，也有称为设计适用域 或者设计运行范围）就是一组参数，指自动驾驶系统被设计的起作用的条件及适用范围，把我们知道的天气环境、道路情况（直路、弯路的半径）、车速、车流量等信息作出测定，以确保系统的能力在安全的环境之内。 综合上面的定义和分析，自动驾驶系统（ADS），通常 3～5 层级的定义可以参考下面内容。 其实只是自动化的能力级别： 自动化的能力级别分类是一个重要的概念，尤其在工业自动化、人工智能和机器人技术领域。这种分类通常用来描述系统的自主程度和复杂性。以下是一个常见的自动化能力级别分类框架，从低到高排列： 手动操作 (Manual Operation)完全由人类操作没有自动化元素辅助自动化 (Assisted Automation)人类仍然是主要操作者系统提供一些基本的辅助功能半自动化 (Semi-Automation)部分任务由系统自动完成人类需要进行监督和关键决策条件自动化 (Conditional Automation)系统可以在特定条件下自主运行人类需要随时准备接管控制高度自动化 (High Automation)系统可以处理大多数情况只在极少数情况下需要人类干预完全自动化 (Full Automation)系统可以在所有情况下自主运行不需要人类干预这个框架可以应用于多个领域，例如： 汽车驾驶：从手动驾驶到全自动驾驶工业生产：从手工生产线到全自动化工厂软件开发：从手动编码到自动代码生成客户服务：从人工客服到全自动AI客服系统
