周六啦,是时候放松一下,沉浸在阅读中,探索那些塑造了我们世界的科技人物的故事。通过了解他们的工作和习惯,我们不仅可以获得灵感,还能学习到一些提升自己的方法。正如史蒂夫·乔布斯(Steve Jobs)所说:“你不能预先把点点滴滴串连起来;只有回头看的时候,你才会明白那些点点滴滴是如何串在一起的。” 这句话提醒我们,每个人的旅程都是独特的,而且往往在事后才能看到其意义。
让我们从比尔·盖茨(Bill Gates)的阅读习惯中汲取灵感。众所周知,盖茨每年都会阅读大量的书籍,并在博客上分享他的书单。他曾说过:“书籍是我学习新事物和测试自己理解力的主要方式。” 通过定期阅读,我们不仅能够扩展知识面,还能锻炼批判性思维能力。
再比如埃隆·马斯克(Elon Musk),他以其跨领域的创新而闻名,从电动汽车到太空探索。马斯克曾表示,他的许多知识来自于阅读。他鼓励我们:“尝试阅读很多书籍,跨学科地阅读。” 这种跨学科的学习方法可以帮助我们建立更广泛的知识体系,激发创新思维。

尼古拉斯·卡里尼Google DeepMind(以前在 Google Brain)的一名研究科学家,在机器学习和计算机安全的交叉领域工作。我最近的工作是从对抗的角度研究神经网络的特性。我于 2018 年获得加州大学伯克利分校的博士学位,并于 2013 年获得计算机科学和数学学士学位(同样来自加州大学伯克利分校)。
当不忙于研究时,会编写大量无用的代码,从对 printf 的一次调用编写的混淆井字棋游戏(赢得了 IOCCC 2020 年最佳表现奖),到 13k WebGL + JavaScript 的 Doom 克隆,再到构建在康威的 Game of Life 之上的功能齐全的 CPU。
2024年8月1日。Carlini 本人亲自撰写了一篇长达万字的文章,详细介绍了他如何在日常生活和工作中使用 AI。文章的开头是这样说的。

随即又说,他认为我们最近取得的进展不仅仅是炒作的原因是,在过去的一年里,我每周至少花几个小时与各种大型语言模型进行交互,并且一直对它们解决我交给它们的越来越困难的任务的能力印象深刻。因此,我想说,由于这些模型,我为我的研究项目和业余项目编写代码的速度至少提高了 50%。

这篇洞察力十足的文章不仅展示了 AI 技术的广泛应用,更让我们得以一窥未来科技将如何重塑我们的生活方式。

去年,他为人们做了一个测验,以测试他们预测 GPT-4 解决少数任务的能力。它最终非常受欢迎---它的页面浏览量超过 1000 万次。你猜怎么着?我让 GPT-4 为我编写了这个应用程序的几乎整个初始版本。我通过一系列问题来做到这一点,首先是询问应用程序的基本结构,然后慢慢构建各种功能。这次对话总共有 30,000 字长,它真正强调了(当时最先进的)原始 GPT-4 模型的能力。
from flask import Flask, request, session, redirect, url_for, render_templatefrom sklearn.metrics import log_lossfrom uuid import uuid4import numpy as npapp = Flask(__name__)app.config['SECRET_KEY'] = 'a very secret key' # replace with your secret key# Global variablesscores = {}entries = {}questions = [("What is 1+1?", "2"), ("What is the capital of France?", "Paris")]answers = [1, 0] # Suppose for these questions GPT-4 got the first one right and the second one wrong@app.route('/home', methods=['GET'])def home():session['id'] = str(uuid4())return render_template('home.html') # render a template that explains the game@app.route('/question', methods=['GET'])def question():qid = request.args.get('id', default=0, type=int)if 'id' in session:question, expected_answer = questions[qid]return render_template('question.html', question=question, expected_answer=expected_answer, id=qid)else:return redirect(url_for('home'))@app.route('/score', methods=['POST'])def score():qid = request.form.get('id', type=int)guess = request.form.get('guess', type=float)user_id = session.get('id')if user_id and qid is not None and guess is not None:# Add to the list of all guesses for that questionscores.setdefault(qid, []).append(guess)# Add to the person's guessesentries.setdefault(user_id, {})[qid] = guess# Compute the person's log lossuser_log_loss = log_loss([answers[qid]], [guess], labels=[0, 1])# Compare with othersother_scores = scores[qid]other_log_losses = log_loss([answers[qid]] * len(other_scores), other_scores, labels=[0, 1])comparison = 'better' if user_log_loss < other_log_losses else 'worse'return render_template('score.html', user_log_loss=user_log_loss, comparison=comparison)else:return redirect(url_for('home'))if __name__ == "__main__":app.run(debug=True)
一般来说,它之所以有效,是因为语言模型非常擅长解决人们以前解决过的问题,而这个测验的 99% 只是一些基本的 HTML,带有 Python Web 服务器后端,世界上任何其他人都可以编写。这个测验之所以有趣,人们喜欢它,不是因为它背后的技术,而是因为测验的内容。因此,将所有无聊的部分自动化让我很容易完成这个任务。
总的来说,这篇文章提供了一个AI领域专家对当前AI技术应用的深刻见解,并展示了AI在提高工作效率和生活质量方面的实际价值。
AI的实际应用:Carlini通过自己的经验反驳了关于AI被过度炒作的观点。他强调,AI,特别是大型语言模型(LLM),在实际应用中展现出了强大的能力和多样性。
工作效率提升:作者声称,LLM使他的编程工作效率提高了至少50%,无论是在研究项目还是个人编程项目中。
AI应用实例:Carlini列举了50个他使用AI的实际例子,这些例子覆盖了工作效率提升、创意写作、编程辅助等多个方面。
AI的潜力:他指出,这些例子只是他所有AI应用场景的一小部分,表明AI的潜力可能还未被充分认识。
技术革命的预兆:Carlini认为,AI技术的进步和普及可能会引发一场技术革命,类似于个人电脑和互联网对生活和工作方式的变革。
对AI的理性看待:他提倡对AI技术的发展持开放态度,既不应过于乐观,也不应过于悲观。他强调,AI技术的实际应用价值需要基于实际案例来评估。
AI的辅助作用:文章中提到,AI可以作为学习和自动化日常琐事的辅助工具,帮助用户处理单调任务,同时在面对复杂问题时提供支持。
AI技术的未来:Carlini表达了对未来AI技术如何进一步改变我们生活方式的期待,并鼓励人们探索和利用AI的潜力。
参考资料:
https://nicholas.carlini.com/writing#2024




