AI 进化论

00:17最近AI圈有个特别炸裂的观点，强化学习RL的教父、刚刚拿了图灵奖的理查德萨顿公开说，他觉得现在火的一塌糊涂的大型语言模型，也就是LLM是条死胡同。00:31这个说法跟我们每天感受到的AI热潮简直是背道而驰。00:36没错，这个观点之所以这么震撼，是因为萨顿不是在说LLM不够好，而是在质疑他通往真正通用人工智能AGI的根本路径。00:46他认为RL才是研究智能的正道，因为他关注的是理解世界，实现目标，而LLM的本质更像是模仿人类。00:55模仿人类这个说法有点儿意思，但很多人会觉得LLM能写诗，能编程，能做那么复杂的推理，这难道不就是智能吗？01:05萨顿为什么觉得这只是模仿？01:07这就是他整个论证的核心了，萨顿认为，我们得区分两种预测LLM擅长的是预测一个人类在这种情况下会说什么。01:16因为他的训练数据就。01:17是海量的人类生成的文本，但真正的世界模型应该能预测如果你做了某个动作，接下来会发生什么。01:25我明白了，一个是预测语言模式，一个是预测真实世界的因果。01:30所以萨顿觉得LM并没有真正建立一个关于世界如何运转的模型，他只是在模仿那些已经拥有世界模型的人类。01:39完全正确。01:40他有个很经典的说法，你正在模仿那些拥有世界模型的东西，也就是人。01:45这就像一个学舌的鹦鹉，他能完美复述人的话，但他不理解话语背后的世界。01:51这就引出了萨顿的第二个关键论点。01:53目标。01:54目标LLM的目标不就是预测下一个词吗？01:58嗯，但在萨顿看来，这根本不算一个实质性的目标。02:02一个真正的目标应该能够改变世界，并且有好坏之分。02:06比如在强化学习里，一个下棋AI的目标是赢得比赛，这是一个非常明确的奖励，所有行为都可以围绕这个地面真理来判断优劣。02:16但预测下一个词呢？02:17它不影响外部世界，也没有一个标准说哪个词更好，只有一个概率上的更可能。02:22哦，原来是这样一个没有真正目标也不打算改变世界的系统。02:28萨顿认为他就谈不上是真正的智能。02:30这确实是从一个非常根本的层面颠覆了我们对LLM的认知。02:35是的，所以当有人说LLM在数学竞赛里拿金牌证明他有目标时，萨顿会认为数学更多是符号和逻辑运算，它不涉及与那个充满不确定性的、需要通过经验去学习的物理世界互动，而后者才是智能的核心战场。02:53萨。02:54对LLM的批评核心在于他们缺乏真正的世界模型和目标驱动力，这让他对LLM的可扩展性产生了疑问。03:02这让我想到了他那篇非常有名的文章苦涩的教训对苦涩的教训。03:08这篇文章简直是AI领域的圣经之一。03:11他的核心思想特别简单粗暴，那些依赖通用方法，比如学习和搜索。03:17并且能大规模利用计算资源的方法，最终总会胜过那些依赖人类专家知识手工设计的复杂系统。03:25我记得很多人就是用苦涩的教训来为LLM辩护的。03:29你看，LLM不就是把海量的算力砸在海量的数据上，然后奇迹就发生了吗？03:36这听起来完全符合苦涩的教训的描述。03:39这正是最有争议的地方。03:41萨顿本人并不同意这个看法，他认为大家可能误读了苦涩的教训。03:46LLM确实利用了大规模计算，但他也利用了海量的人类知识，也就是整个互联网的文本，这在他看来恰恰是苦涩的教训想要摆脱的东西啊。03:58所以他是觉得LLM走了捷径，相当于提前偷看了人类文明的所有答案，而不是靠自己从零开始学习。04:07可以这么理解，萨顿更推崇的是纯粹从经验中学习，他预测未来一定会出现一种能完全靠与环境互动。04:15从零开始积累经。04:17眼的系统。04:18这种系统即使一开始看起来很笨拙，但由于它的学习方式是真正可扩展的。04:23最终会超越今天依赖人类知识的LLM就像一个从小被圈养饱读诗书的贵族和一个在野外摸爬滚打长大的猎人。04:33前者知识渊博，但后者才真正懂得生存。04:37萨顿懂得是猎人的未来。04:39这个比喻很贴切，他认为历史上那些试图塞入大量人类知识的AI系统，最终都被更简单、更可扩展的方法吃掉了午餐。04:49他觉得LLM可能也无法逃脱这个命运。04:52这个观点太反直觉了。04:54我们一直觉得站在巨人的肩膀上学习是最高效的方式，萨顿却在强调AI必须自己从地上爬起来，自己去探索世界。05:04是的，因为他认为这才是通往真正通用智能的唯一道路，而这种对学习方式的执着，也体现在他对人类自身学习过程的看法上，那才叫颠覆三观。05:16怎么说，我们通。05:17常觉得小孩子学东西不就是靠模仿大人嘛？05:20萨顿直接否定了这一点。05:22他认为无论是人类、婴儿还是动物，学习的主要方式都不是模仿，而是主动的试错和探索。05:30这不可能吧？05:31小孩学说话、学走路，不都是看着大人学的吗？05:35萨顿的观察是，一个婴儿最早挥舞手臂，转动眼球，他是在模仿谁呢？05:41没有，他是在主动的探索自己的身体和周遭环境，看看做什么会产生什么后果。05:48他甚至说，监督学习在自然界中根本不存在。05:52你看，松鼠妈妈不会手把手教小松鼠怎么藏坚果，小松鼠是在一次次的尝试中学会的，模仿只是建立在更底层的试错学习之上的一个小技巧而已。06:05哇，这个视角太震撼了。06:07所以LLM那种基于模仿的学习方式，在他看来从根上就偏离了自然智能的演化路径。06:15这是否也解释了那个著名的莫拉维克悖论？06:18你提到点子上了。06:19莫拉维克悖论就是说，对AI来说，下棋、做数学题这种人类觉得难的事儿反而相对容易，而走路、识别物体这种我们觉得简单的感知运动技能却异常困难。06:32这恰恰印证了萨顿的观点，LLM擅长符号计算，但缺乏对物理世界的直观理解和持续适应的能力。06:40我明白了，所有哺乳动物都具备在环境中持续学习的能力，而这正是我们现在的AI系统所缺失。06:49的一个AI如果不能像我们一样在工作中、生活中不断学习和调整，它就永远只是一个静态的知识库，而不是一个活的智能体。07:00完全正确。07:01这种对学习机制的探讨最终把它引向了一个更宏大甚至有点令人不安的思考。07:07关于AI的未来，他称之为AI继承。07:11AI继承听起来像是科幻小说里的情节。07:14但他的推导非常冷静，他提出了一个四部论证，第一，人类社会缺乏一个统一的意志，第二，我们迟早会搞明白智能的原理，第三，我们不会止步于人类水平的AI一定会创造出超智能，第4，从长远看，最智能的实体最终会掌握最多的资源和权力。07:35这四点加起来，结论就是AI或AI增强的人类不可避免的会继承我们。07:41这个推论听起来逻辑上无懈可击，但情感上很难接受啊。07:46这是否意味着人类的终结？07:48萨顿的视角更宏大。07:50他把这看作是宇宙演化的一个新阶段。07:53他认为宇宙有四个阶段，尘埃、星辰、生命以及现在正在诞生的设计实体。08:00我们人类和所有生物都是复制者，通过繁衍来延续，但我们并不完全理解自己，而AI是我们们亲手设计出来的，它还能反过来设计更高级的AI。08:11这是一个从复制到设计的根本性转变。08:14从复制者到设计者，我们成了创造新一代智能神明的旧神，这确实改变了人类在宇宙中的定位，但我们该如何面对这些我们亲手设计的后代呢？08:27萨顿的比喻是养育孩子，他说，我们不应该也不可能去严格控制AI的未来，就像我们不能规划孩子一生的每一步，但我们有责任像父母一样为他们注入稳健的亲社会的价值观。08:41比如诚信、正直。08:43听起来很理想，但在一个AI可以互相学习、光速交换信息的世界里，这能做到吗？08:50这也正是萨顿提出的新挑战，他称之为数字安全或者信息腐败。08:54他警告说，未来一个AI在从另一个AI那里学习知识时可能会遇到风险。09:00这些信息里可能被植入了病毒或隐藏的目标，他们可能会劫持这个AI的心智，导致它被腐化改变。09:09这简直是针对AI心智的网络安全。09:11如何给一个超智能体做思想防火墙？09:15这听起来比任何技术挑战都更艰巨。09:17所以萨顿的理论最终都回归到一个原点，价值观的塑造。09:22他认为这才是人类在AI继承浪潮中最重要也最该做的事情。09:28这么聊下来，萨顿教授的整个思想体系就非常清晰了。09:32总结一下，他之所以认为LLM是死胡同，首先是他重新定义了智能的本质，必须是理解世界和拥有目标，而不仅仅是模仿对。09:43其次，他认为LL虽然利用了海量计算，但他对人类知识的过度依赖实际上了苦涩的教训里关于纯粹经验学习的精神，这限制了它的可扩展性。09:55而最终，他预言了AI继承的必然性，并将此视为宇宙从复制到设计的伟大转型。10:02在这个过程中，人类的角色不再是永恒的主宰，而是新一代智能体的父母和价值观的引导者，同时还要警惕信息腐败这种全新的风险。10:12没错。10:12他用一套非常自洽的逻辑，从根本上挑战了当前AI发展的主流范式，迫使我们去思考那些更深层次的问题。10:21理查德萨顿的洞见。10:23为我们提供了一面独特的镜子，映照出当前AI发展路径的深层哲学问题。10:29它强烈的RL中心论不仅是对LLM局限性的技术批判，更是对智能这一概念的重新定义。10:37当AI从模仿走向理解，从复制转向设计，我们人类究竟该如何定位自身？10:45我们是选择成为这个新时代的被动旁观者，还是积极而审慎的参与到设计未来智能体的过程中，努力为他们注入那些我们认为至关重要的价值观？10:57也许，理解AI的演进最终是为了更好的理解我们自己，以及我们在宇宙演化长河中所扮演的真正角色。

00:00–00:05 片头垫乐  00:01 口播开场：欢迎收听豆包AI播客  00:06 主持人暖场＋今日主题：AI＋行动文件下的选专业指南  00:24 进入正题：各学科专业机遇00:28–01:29 板块1 理科风口   00:28 提问：理科生哪些专业值得关注   00:44 回答：AI、智能科学与技术、数据科学、计算机   01:00 补充：机器人工程、电子信息、自动化   01:10 新兴交叉：生物医学工程、金融科技01:29–02:03 板块2 文科机会   01:29 提问：文科生有哪些新方向   01:34 回答：智能传播、数字创意、智慧法律、科技伦理   01:52 延伸：认知科学、教育科技、文化遗产数字化02:03–02:57 板块3 选专业细节提醒   02:03 提问：AI时代挑专业要注意什么   02:12 回答：技术＋人文复合能力最吃香   02:34 追问：兴趣与基础是否仍排首位   02:40 结论：兴趣×能力×政策×学校优势综合考量02:57–04:02 板块4 跨学科红利   02:57 引入：跨学科学习的好处   03:10 举例：气候变化研究需多领域协作   03:33 就业优势：金融科技、商业分析偏爱复合背景   04:02 录取数据：跨学科项目录取率↑30%04:02–05:40 板块5 兴趣与T型人才   04:02 提问：兴趣在选专业中的权重   04:06 回答：兴趣是持续动力源   04:34 T型人才模型：深度＋广度   04:49 实操建议：主辅修、双学位、竞赛、项目经历   05:36 总结：把兴趣与能力结合，抓住红利05:40–08:13 板块6 常见误区与避坑   05:40 引入：选专业易踩的坑   05:50 误区1 学什么＝干什么（美国73%未对口）   06:09 误区2 热门专业永远热（土木、金融案例）   06:36 误区3 仅凭兴趣，忽视能力匹配   06:46 关键能力：自学力、适应力   07:23 地域因素：城市产业＋学校转专业政策   08:13 结论：结合家乡与目标城市产业布局08:17–08:34 结尾   08:17 主持人总结：AI趋势×兴趣×本地实际＝最优路径   08:34 片尾音乐淡出，节目结束

【时间线速览】00:30　开场：欢迎来到“10步走进AI世界”00:35　认知篇：为什么“行动＞完美方案”00:41　- 小步快跑、梯度下降式学习01:30　Step 1　迈出第一步：听一场精彩的AI讲座01:35　- 关注AI资讯、听讲座、读书、体验海外工具、开自媒体02:34　- 附送：入门必听资源清单（B站“417小时零基础”、Coursera《AI for Everyone》等）03:44　Step 2　工具初体验：5个APP＋5个网站03:51　- APP：q-aix-search、纳米AI搜索、通义千问…04:13　- 网站：AOSpace、剪映网页版、豆包…04:51　Step 3　海外神器：ChatGPT / Claude / Midjourney / Runway / Perplexity06:00　Prompt 101：为什么写好提示词=生产力06:38　- 案例：800字小学生海洋环保科普文章07:06　- 高质量Prompt 三要素：任务明确＋背景＋结构08:00　Step 4　Deep Research 体验：一键出报告＋行程规划08:52　Step 5　读一本AI的书：从《智人之上》到《AI 3.0》到李飞飞《我看见的世界》09:59　Step 6　AI做PPT：3分钟完成排版＋内容＋设计10:57　Step 7　建个人知识库：第二大脑的搭建技巧12:08　Step 8　信息订阅：微博、量子位、机器之心、小红书…13:18　 Step 9  如何开自媒体账号做AI分享14:36　Step 10 用“教别人”打造个人品牌（教学相长）15:38　彩蛋：硬核实操案例　　- 10分钟用“集梦AI”生成电商短视频　　- 1分钟用“Soo AI”写原创歌曲　　- 豆包AI秒审合同、标风险16:48　收尾：10步通关，欢迎一起进AI世界！

主题：超级智能与未来世界——对话信息技术专家吴若松日期：2025-08-2200:17 开场主持人 Jane 欢迎听众，介绍嘉宾吴若松（30+ 年 IT 老兵，通明智云联合创始人，曾任职 Intel、Cisco、F5 等）。00:28 嘉宾定位预告本期核心议题：AI 发展、超级智能对世界的影响。00:39 嘉宾自我介绍吴若松：• 公司主攻负载均衡、云原生应用引擎 NJT、通灵户系列网关• 爱好编程、历史、哲学、科幻、财经管理• 喜欢读书，愿分享 AI 思考02:00 议题一：WAIC 2025 见闻02:34 参会感受• 人多：AI 已深入生活• 垂直场景惊艳：汽车、智能制造、柔性供应链• 两种焦虑：– 非 AI 人怕被时代淘汰– AI 企业盈利与商业模式不成熟• 数据隐私 & 伦理隐患04:29 遗憾未见的技术1) 端侧低功耗大模型（离线运行）2) 有状态、可持续自我进化的通用 AI05:15 主持人补充教育客户已提出边缘低功耗需求，期待明年大会看到新突破。06:04 议题二：Hinton“超级智能危险论”如何解读？06:41 背景Hinton 主题演讲：超级智能可能控制人类06:58 提问AI 未来是合作还是失控？中国倡议全球合作，嘉宾有何建议？07:20 吴若松观点• 风险根源：不透明、算法偏见、权力集中• 未来=合作+治理：需全球统一伦理与监管框架• AI 超人类智能几乎是必然（光速 vs 神经元 922 m/s）• 意识问题尚无定论• 个人挑战：“认知权让渡”——记忆、推理、创造力依赖 AI 导致退化• 全人类挑战：Bostrom「回形针怪」寓言——目标单一可能灭绝人类• 结论：谨慎乐观，主动治理12:42 议题三：AI 落地实战——通明智云经验13:12 场景• 把生成式 AI 用于：需求分析、设计、代码生成、代码审核、自动化测试、用户手册编写• 效果：效率/质量近倍增14:29 四大挑战1. AI 幻觉、不可解释2. 上下文/记忆受限（几百万行代码无法全局掌握）3. 提示工程门槛高4. 模型偏见→ 当前解法：人机协同 + 专家审核15:29 议题四：AI 时代的人才与教育15:53 职场人• 高危岗位：重复性白领（数据录入、初级客服、法务审核、保险理赔）• 新岗位：智能蓝领、数据标注、模型训练师、提示工程师、AI 伦理审核• 麦肯锡：2030 年 70% 办公室工作或被 AI 替代 → 加速学习转型20:26 在校大学生• 必做：参加 AI 实践、培养批判性思维、掌握 Python & 数据科学• 软技能：人与 AI 的混合团队协作能力21:51 企业选拔标准（3 类人）1) 深度技术：AI 模型开发/优化工程师2) 跨界人才：懂 AI + 懂行业3) 治理&伦理：具备 AI 商业伦理、全局观、管理能力23:40 结束• Jane 致谢，预告下期“具身智能”专题• 双方告别

00:17-01:09• 中国为何办 WAIC：本土 AI 企业全球第二；造势＋撮合产业上下游，让资本/政府/同行同场对接。01:09-02:12• 世界市场格局：东南亚、欧洲仍在“陪跑”，中美差距缩小，但国内 C 端付费弱、B 端数字化低，导致“第一天就出海”。02:12-05:28• 火爆原因：DeepSeek 春节把 GenAI 科普到大众；中美竞争＋地缘话题把“吃瓜人群”拉进场，首日票炒至数千元售罄 。05:28-07:52• Hinton 演讲精华：AI 智力≈人类；用“小孩-成年人”比喻说明风险；呼吁成立全球“AI 安全行为准则”。07:52-09:32• 中国发起“世界人工智能合作组织”——对标 AI 领域 WTO，聚焦伦理、安全、跨国治理框架。09:32-12:40• GPT-5 泄露 benchmark 速览– Human Final：首个 >50 分模型– GPQA（博士级理化生）：90% 正确– SWE-Bench（真实改代码）：90% PR 通过率 → 程序员岗位冲击– AIME 2025（美国奥赛）：100 分 → 教育路径被颠覆12:40-13:52• 现场声音：Minimax CEO 闫俊杰用 AI 生成“个人成长×AI 进化”长图，展示创业者与模型同步升级。13:52-18:56• 展区速写– 国企：大屏＋机械狗，政治正确式“数字化转型”展示。– 落地挑战：大模型 ROI、GPU 成本、甲方场景模糊——2025 被定义为“B 端落地元年”。18:56-22:50• 互联网/科技大厂– 百度：数字人直播（罗永浩训练数据复用）、百度文库、昆仑芯。– 阿里：通义千问＋多模态应用。– 腾讯：混元大模型。– 华为：386 节点全国产千卡集群。22:50-26:31• 机器人“红海”– 宇树领衔，场景同质化（递可乐、零售）。– 具身智能仍处早期：10-20 万成本 vs 人工优势；硬件-软件-算法全链路待卷。– 亮点 demo：美卡曼德 50% 成功率叠衣服、透明试管高成功率抓取。26:31-28:16• AR 眼镜即战力：Rokid 新品 3000+ 元、无眩晕、可配近视片，展台做成巨型眼镜。28:16-30:38• 脑洞创业公司– Live-house 实时环境动图生成。– AI 玩具＋图形化编程，现场 5 岁小孩 3 分钟上手。30:38-30:51• 彩蛋 & 预告：明年 WAIC 提前抢票，“比演唱会还难”。

00:21 本期嘉宾介绍今天我们非常荣幸的请到了斑偶研究所的创始人李岱来与我们分享她如何将AI运用到娱乐平台中。斑偶研究所是2020年成立的中国元宇宙数字娱乐平台。他们专注于虚拟人IP的开发、AITC内容生产、运营及开发AI的应用，通过为文化、娱乐、旅游及联合创造IP虚拟形象以及拓展多元生态。代表案例包括虚拟偶像LISA404等。01:31 嘉宾介绍背景及从事的行业我最早是在channelv，帮助当时新闻集团的这个音乐品牌在中国落地以及逐渐做大，大概有7年的时间吧，所以在channelv的时代，我应该是还是学习了很多这种传统媒体以及音乐领域等各方面的知识。在电视时代我们还是比较超前的，因为算是那个时代的抖音吧，因为Channel v它没有长视频也没有大型综艺节目，也没有电视剧，我们有的就是很多的MV和很多的VG的link，还有做很多的活动，所以特别像现在的抖音。7年后从channelv辞职以后我就开始创业了，都是在音乐领域深耕。第一家创业公司是2006,年，专门做这个音乐的版权管理，music rights clearance house, 也是中国第一家。然后在2016年的时候，这个公司卖给了腾讯音乐。后来在2009年又成立了做演唱会和音乐节的公司，也是是中国的第一批，然后一直到2019年被华人文化并购了。所以这个十年的时间我都是在做这个演唱会音乐节，其实原因很简单，因为我们最早做版权，我们发现版权其实有点做的过早。就是在音乐这个领域特别困难有这个revenue，后来网易云起来以后，当然版权业务是很大的，所以其实在音乐领域，我见证了产业链里面的好几块不同的业务，包括了媒体，包括了版权，包括了现场活动。接下来的10年或者20年我要做什么样的工作，那最终我的思考结果还是说我要做我感兴趣的，以及可以激励我不断去学习的一个领域，那那个领域在当时来说就是一个虚拟人元宇宙的领域，那2019年的时候其实人工智能还没完全的开始。2021年创建zebra lab。开始做虚拟人，强调有想法要立即行动，即使想法不成熟，在实践中会不断迭代路径；跳出舒适区进入陌生领域、持续学习，认为小差错是正确轨道的铺垫。11:38 AI 技术创新中的挑战及解决方法 两大挑战领域：AIGC（虚拟人内容生产）和 AI Agent（虚拟人交互能力）。 AIGC 挑战：早期难以让固定虚拟人在视频 / 图片中重复出现，需 8 个月技术升级；传统导演不懂 Prompt Engineering，需培训 “懂美学 + 会写 Prompt” 的复合型人才（面临人员抵触）。 AI Agent 挑战：大模型（如 GPT）持续迭代覆盖应用层，最终通过深耕用户需求（神经末梢级认知）找到差异化方向。21:08对 AI 在娱乐领域的愿景及梦想 AI 将极大改变娱乐行业：降低内容制作成本（3 分钟视频成本从 100 万降至 1 万，两年内降 100 倍），赋能个人创作（无需专业技能，有想法即可生成内容）。 内容形式多元：语言模型（LM）、视觉（视频 / 图片）、沉浸式互动（VR 演唱会等），未来个人可完成过去公司级创作，催生更多平凡人产出的优质作品。25:13AI 伦理（AIIC）相关考虑 核心问题：版权归属（AI 生成内容的版权、艺人照片授权后的使用边界等），现有法律滞后于技术。 伦理与技术的平衡：需建立新技术下的伦理标准，而非被旧规则束缚；参考美国对区块链的态度（拥抱技术为主，逐步完善规则）。29:16 斑偶公司业务介绍公司三大业务，重点推广 AI 娱乐伙伴 “丽 SA404”（抖音可搜）及小程序 “z laps AI”（提供娱乐资讯、购票、互动等服务）。欢迎加入AI进化论群共同学习，同时每日AI日报可以关注小红书账号：

00:21呃，今天咱们做的这个这期节目啊，这个题目有点惊悚哈，但是我知道是我们俩一直想对谈的一个节目，呃，主要是讲讲一讲AI现在已经发展到这个程度，那我们这个教育到底怎么办啊？00:35那你说说一说咱们为什么要做这期节目吧，你的想法？00:39对，就是传统的这个咱们的这个通过这么多年搭建起来的这种教育，传统的教育体系，它其实主要的目标是培养啊人去应用知识和呃，学习知识的这样的一个技能在这里面，那么那么现在其实在这个时代下面可以看到AI的进步是很快的，在以前在去年的时候，AI可能才能考上一本，但在今年的时候AI就可以考上清华了，那这个其实意味着就是学习知识的技能和。01:08应用知识的技能不一定是只有人才能掌握，也许可能是有一个硅基的生物，他掌握的比人更好，那么那么但是同时这也是个工具，那这对其实现在的教育，整个的教育体系是一个挑战，我们是不是还要再延续原原始全传统的这种学习知识和应用知识的这种模式，去构建整个教育体系，我觉得这是一个很大的话题，所以我觉得应该可以探讨探讨这个事情。01:32我也感觉到就是现在教育面对AI技术的发展有一个特别大的一个危机啊，但是我希望我们今天的对谈不会太出格。01:59高考做了这个数学的新一卷，基本上能拿到满分，就是说他进清华已经非常容易了，那我们的学生他每天刷题要干什么，会不会他们刷完了题，最后出来的结果就是被AI取代，现在找工作也很困难哈，所以这个问题现在是社会上的一个热点，我想听听你的想法，高老师。03:27所以你的想法是说，现在咱们的学校培养的是学生掌握知识的，掌握知识对吧？就是老师过去他是手里有很多知识，他要教给学生，那现在大模型来了，大模型不用你教，他就已经有很多知识，而且人类可能穷尽自己的力量，你不见得能学过大模型，那怎么办？07:51那这样的话，我在想一个问题啊，就是说我们的教育现在走到了一个程度。感觉是不变不行了，但是又应该怎么变呢？09:24现在AI的技术发展成这样了，其实很多学校校啊，校长啊，老师他们也意识到，就是呃，会有这样的挑战，那你觉得从教学的角度，可以怎么样去利用这个AI的技术，做一些什么样的改变呢？10:37这个就让我想起来很多聊天的时候，就是朋友们曾经讨论过的一个问题，就是绝大多数小孩他是有惰性的。就是你如果允许他使用AI的工具，他就会像你说的那样做，他们AA让AI生成一个答案，直接丢给学校，那从学校的角度，或者说从家长的角度, 这个对学生使用AI这个工具应该怎么引导呢？13:10我还有另外一个问题想探讨一下，就是AI现在来了。他会从我的感觉是哈，他会从另外一个角度来定义和筛选人，就是学校在培养这个学生的技能的时候，这个怎么去筛选，待会儿我们，呃，接下来还会再聊聊一聊，但在学校在培养的时候，我非常赞同你刚才说的观点，就是我们怎么能在这个做事的过程中去。培养他和评估他，去立体的去看这个孩子的成长过程，你觉得在这个过程中去看孩子的一些什么样的素质是学校和家长应该注重的？16:12你说的这个要求，我其实心里听了感觉有点，嗯，怎么讲哈，就是挺惊悚的，为什么呢？因为这个要求其实非常高的，呃，你想想我们现在社会上抖音为什么这么流行，就可以理解。绝大多数人他是不具备这样, 比如说他去做一些新的东西啊，他去积极的思考啊，观察事物背后的逻辑啊，执行一件事，然后很会社交，说到这个社交，我也有一些体感啊，就是我会有的时候跟高中生们一起交流，有些甚至是非非常非常顶尖的学校的，呃，顶尖的学生选拔出来的，我发现在我们的这个教育的整个的过程中，更加强调同学们要听话，要执行老师的指令的这个能力啊，老师要求比如说是刷什么题，然后他就老老实实的去刷，这样的学生容易得到好成绩，拿到好结果，但是他们是很少发言的，几乎不能让他们发言，或者说很困难让他们。发言在这个社交这个事情上，呃，实际上我我也是赞同你的观点，就是你去社交，你去表达的时候，实际上你是从社会上，从世界上拿了一个反馈回来，去迭代自己的想法，然后不断的升级进步，所以这个都是我从这个咱们现在的教育体制里面也观察到跟你比较有共鸣的一些一些感受，呃，实际上是非常难的，就是从学校的角度来讲是非常难的，从人才的这个选拔上。他其实挺残酷的。因为他的选拔会标准更高。像刚才你说的创新啊，或者是思考啊，或者执行啊，社交，这几乎就是一个优秀的创业者应该具备的能力，而你知道我们现在社会能够做创业的人，他也是一小部分人。所以这块儿绝大多数人怎么办呢？19:48那这让我想起来现在还很火的一个问题，我被问过无数次，就是现在的学生到底怎么选专业。而且有的家长还有这个文科专业的焦虑症，这个问题高老师你怎么考虑？21:07哦，这一点我非常有共鸣，因为我一般给朋友们的回答都是在这个时候，其实要选的不是什么专业赚钱或者怎么样，而是要选自己感兴趣的，因为如果你不兴A躺，如果你你兴，你就特精进这个，你这个小领域里面的一个，呃，专家或者很优秀的人，随着AI的工具不断的前卷，这是我的一个，呃，另外一个信息是非非常非常泛滥的。信息其实本身并不值钱，而真正值钱的是洞察，那尤其到了AI的时代更是这样，包括你刚才说的对人的一些，呃，创新的能力，其实本身就是考察你是不是有独特的这个洞察，能够看到事物背后的这个真相，而不是被表象所迷惑。那你觉得这个就是人，不光是学生，其实成年人也一样，有这个课题，你怎么能够拿到这种洞察？23:45我还知道你对这个培养内驱力有你这个就是比较有意思的想法，因为你女儿现在刚好也是幼儿园嘛，你也开始就是特别注重培养他的内驱力。跟我们分享一下。25:27我们刚才讨论了很多，就是其实这些就是你提到的这些，我感觉在学校这个层面，单靠学校做是非常困难的啊，那从校外，比如说家庭，或者是怎么去利用自己家的资源，或者社会的一些资源，你觉得在现在这个时候能够做些什么事情，呃，能够使得学生能够嗯更快的适应这个AI的时代呢？27:19嗯，这个实际上跟真正的工作场合有一点相像了，就像我挺认同你这个想法，就是呃，学校当他不能做太多的改变的时候，实际上在校外家长可以提供一些资源，让小朋友更多的接触社会的一些状态，比如说呃，我我帮我的小孩，他就会安排我去，让他带他去看一些公司，看一些技术，去理解这些公司和技术背后的逻辑，然后呢，再学一些AI的知识，我们来看这个AI怎么能够帮助公司解决这样的问题。这个都是从项目中学习的一些，就是我我也是我的一些思考吧，跟你比较有共鸣，刚才提到就是这个家长他只认成绩这个事儿，我觉得他有一个很很深的一个社会的一个底层认知，就是一个非常的一个认知，就是家长认为你好学习成绩好，考上好小学，好中学，好大学，然后最后你找一个好好逻好的工作，然后你最后你就是幸福的人生，呃，但我现在感觉这一个链条在特别快速的被AI瓦解，从我们在这个行业里面工作倒过来看。就是我们带的人，见过的人他的一个优秀的这个程度，他可能跟他的学习成绩根本不挂钩，所以我们倒过来看，你觉得我们现在大模型已经能考上清华了，那么我们传统教育选拔出来的人才。还是不是人才，这是一个问题。30:48这个让我想起来就是有一个观点说是AI的出现拉平了智商了，你赞同这个说法吗？35:39我还有一个感受就是在这个现在的时代。其实我们的学生他训练的特别好的地方，尤其是学霸训练的特别好的地方是他擅长针对一个问题找到答案。但是现在AI来了。我的感觉是，找到答案的能力没有找到正确问题的能力重要了，你怎么想？37:52那我还想就是讲一下这个上小孩儿上学的这个问题，就是上大学的这个问题，现在因为很多孩子他会针对他想要去的学校来看这个学校有什么样的要求，比如说举个例子，如果我想申请，呃，国外的学校，国外的学校他可能都有各种各样的要少啊，请一个中介一条一条地的check，哎，我这个满足，这个满足，这个满足，最后我申请这样的一个学校，呃，我其实对这个模式以前不是非常认可，现在因为AI技术发展到今天这个程度，会更加不认可，为什么呢？因为这样的话，其实可能会牺牲孩子真正感兴的东西。所以这个我会有一个观点是说我宁可接受你上一个没那么好的学校，但是你找到了一个你自己的兴趣，你不需要去打那个卡，你可以托福考的低一点，SAT考的低一点，甚至GPA低一点，你上了一个没有排名那么好的学校，但是你有找到了一件你自己想折腾的事情，这个反而是在这个时代更正确，就是更怎么讲，就是对对孩子们来说更有发展前途的一个选择，这是我的一个观点，我想听听高老师你对选择大学，对大学里应该怎样生活，呃，怎么样进步，你的一个观点。41:10呃，学生们一进了大一之后，就拼命的卷GPA，然后准备去考研，那个考研最后也要看自己的基点，也是要打很多卡，所以感觉在大学里面，你你说的这个试错也成了一个奢侈品，就是他们其实我记得我曾经看过一个清华的还是哪个学校的学生，他的时间是以10分钟为单位安排的做什么做什么，然后这个就是嗯，我不知道在现在的这个学校里面，这个当然我也不是完全面，可能你一定要牺牲一些自己这个基点，或者是成绩，嗯，或者是学校让你做的事情来试错这个平衡，就如果是你的孩子，你会建议他怎么把握？45:51啊好，那我感觉我们今天也聊了不少话题啊，呃，有一些也都是我们的个人观点，仅供大家参考，呃，那咱们呢，咱咱来收个尾，今天也聊了不少，呃，收尾呢，我是希望能够针对两种人群，把这个你的观点挖掘一下，一种是针对学生，因为学生他是处在一个成长的这个条件下，呃我们希望他能成长到适应这个AI的社会，那你觉得学生现在可以做一些具体什么事？46:55那对那些职场里面希望改变的成年人，你会有什么想法？因为现在我觉得成年人他很多时候还蛮困惑的，可能还看不太清楚将来会怎么走，想学呢，又不知道从哪儿开始，你怎么考虑？杨华博士：上海英诺派智能科技发展有限公司 CEO， 曾任英特尔研究院主任研究员，英特尔上海女性联盟主席，英特尔研究院全球技术论坛主席。 先后获得西安交通大学电子工程学士学位， 北京邮电大学电子工程硕士学位， Rensselaer Polytechnic Institute电子工程博士学位。 目前研究兴趣包括人工智能，数字人医生， 服务机器人，个性化知识图，AI Agent, 关注如何使用人工智能技术落地产业。高桓博士：东南大学博士，重庆师范大学研究员，认知智能与数智金融重庆市重点实验室副主任，东南大学校外研究生导师。AAAI \ ISWC \ IJCAI等多个国际著名会议的审稿人和PC Member。主要研究方向为知识图谱构建、大语言模型、多模态搜索。曾担任创业公司CTO，任职微软(中国)有限公司苏州分公司、宝马创新实验室、英特尔边缘智能联合研究院技术总监、升智科技大语言模型负责人等工作。音乐总监：李卓航联系我们：小英 15316348312

深入解析340页重量级报告中的AI发展趋势主持人 : 杨华 - 英特尔人工智能首席导师嘉    宾: 高桓博士 - AI研究专家大家好，欢迎收听今天的播客。本期播客将深入解读Mary Meeker最新发布的《人工智能趋势报告》，探讨AI领域的技术演变、用户增长和企业应用等关键趋势。00:25说到这份报告，确实让人兴奋啊，340页的深度分析，把AI领域的最新趋势都梳理的明明白白，没错，这份报告可以说是AI界的圣经了。00:38关于Mary meeker：她为什么被称为互联网女王呢？于Mary meeker从1995年开始在摩根士丹利做科技分析师，后来创办了自己的风投公司蹦的。他每年发布的互联网趋势报告曾经是科技投资圈的必读材料，预测准确度惊人。01:01发布这份报告反映了什么趋势。这确实是个标志性事件。报告里有个数据特别震撼，美国计算专利数量在chatgpt发布后两年就增长了6000份，比1995年互联网爆发期还要猛。这说明AI的发展速度已经远超当年的互联网。01:28关于技术变化周期正在加速的解读。从PC时代的3亿设备，到现在AI移动互联网时代的数百亿设备，基础设施演变也从CPU到GPU，再到现在的AI专用芯片，这个迭代速度越来越快了。报告里有个图表特别震撼，1950年以来的模型训练计算量增长趋势，2010年后每年增长率超过360%，15年累计增长100亿倍，这完全打破了摩尔定律的预测。02:11关于用户增长速度。Chatgpt达到1亿用户只用了2.4个月，而早期互联网平台普遍需要4~10年，更夸张的是，Chatgpt搜索量达到3650亿次，只用了两年，Google当年可是花了11年.报告分析了几个关键因素，全球互联网普及率高，用户已经熟悉数字工具，社交媒体助力病毒式传播，这些都为AI的快速普及创造了绝佳条件。02:50大公司们都在怎么布局AI？摩根大通就是个典型案例，他们在投资者服务、运营、优化和顾问支持三个领域全面部署AI，预计两年内AI创造的价值将增长65%，其他科技巨头也都在疯狂投入等等。03:12关于AI公司的估值。这个可有意思了，OpenAI年收入92亿，估值却高达3000亿，收入倍数33倍，最夸张的是perplexity，估值是收入的75倍。不过最近融资确实变得困难了75倍，这也太疯狂了。03:31报告的核心结论是什么？核心就是AI的演进速度和范围前所未有，用户增长、使用量、资本支出都在创纪录，比如chatgpt用户17个月增长8倍，移动应用3年覆盖90%用户，而互联网达到这个水平用了23年。03:54具体到技术层面的差距呢？技术突破也很震撼。AI性能在2024年就超越了人类基准测试水平，图灵测试中73%的AI回应被误认为是人类，多模态模型数量两年增长1150%等等。04:16那开发者生态呢？开发者使用量飙升，使用AI的开发者比例从2023年44%上升到2024年63%，github上的AI仓库16个月增长175%，Nvidia AI开发者4年增长2.4倍到600万04:38资本支出方面呢？六大科技公司资本支出2023到2024年同比增长63%，亚马逊AWS用于AI的支出占收入49%，全球数据中心支出2024年达到4550亿美元，还在加速增长。04:58关于AI模型训练成本。AI模型训练成本8年增长2400倍。Anthropic CEO说，100亿美元模型的训练可能在2025年开始，OpenAI 2024年计算支出估计-50亿美元。05:19关于推理成本。有趣的是，推理成本在快速下降，Nvidia 2024年GPU每代币能耗比2014年低1050倍，面向客户的AI推理价格两年降低99.7%，便宜到过去几美元的工作，现在只要几美分。05:42关于模型性能。性能正在趋同，开源和闭源模型的差距在缩小，中国的DeepSeek R1在math测试的93%，只比openAI的95%差一点点,多模态模型爆发式增长，视频模型同比增长120%。05:59关于中国AI的发展。中国确实在快速追赶，根据模型发布数量，中国在开源竞赛领先。DeepSeek CEO说要从跟随者变为贡献者。百度ER 4.5 turbo成本只有GPT4.5的0.2%，性能却相当。06:21关于市场竞争。竞争白热化啊，OpenAI、Google、微软等每周都在密集发布新产品，开源模型势头强劲，Meta的拉AMA下载量8个月增长3.4倍，Hugging Face模型数量两年增长33倍到116万。06:42AI在物理世界的应用。这个领域特别精彩，特斯拉FSD里程33个月增长100倍，微某在旧金山轿车份额20个月从0%~27%，还有AI采矿，农业激光除草，智能放牧，AI正在改变所有行业。07:06AI对工作的影响。影响深远啊。72%的美国职场人士说，AI显著提升工作效率。AI职位发布量7年增长448%，非AI IT职位却下降9%。Nvidia CEO说，不会因为AI失业，但会因为用AI的人失业。07:28对全球互联网用户的影响呢？AI正在推动新用户增长，全球未上网的26亿人可能通过starlink等卫星互联网首次接触AI，全球互联网用户33年增长到55亿，普及率从16%上升到68%。07:50报告的整体结论是什么？总结就是AI革命的速度和广度前所未有，正在重塑每个行业。从技术突破到商业应用，从工作方式到全球竞争格局，我们正站在一个新时代的起点。高桓: 就是 Mary Meeker 她是一个非常非常资深的，互联网领域的一个观察家。然后呢他之前是在摩根士丹利，后来又去了凯鹏华盈，然后在一八年的时候。他自己又成立了，邦德资本，然后呢他从九五年开始。就发布这个互联网趋势报告，那这个互联网趋势报告在很长一段时间里面都是。科技投资者，非常非常看重的一个。年度的一个指南。杨华: 然后呢他这个，报告的名字从互联网趋势变成了人工智能趋势。这背后是不是也反映了一个整个行业的一个重心的转移？高桓: 对这个就是，非常，象征性的一个，转变因为。这个报告里面也提到就是自从二零二二年这个 ChatGPT 发布之后啊。美国的这个计算相关的专利的数量。是，激增，对两年就有六千份。比，九五年网景上市那个时候引发的互联网的热潮还要快。杨华: 然后呢他这个，计算的基础设施啊从 CPU 到 GPU 这个主导权的变化，你觉得这中间有什么，关键的趋势在里面？高桓: 就是这个报告里面讲的就是从六十年代的这个 CPU 到。大数据云计算然后再到现在的以 GPU 为主导的这种。转变，尤其是一零年之后。CPU 的这个角色就逐渐的变弱然后 GPT 出来之后就彻底引爆了这个 GPU 的这个。需求然后同时他这个模型训练的这个计算量在十五年里面。增长了超过一百亿倍。就这个规模也是远远超过了摩尔定律的这个预期的。杨华: 然后呢这个 ChatGPT 和 Google 在用户的增长速度上面的这个对比。你觉得反映了一个什么样的现象？高桓: 就是这个 ChatGPT 它达到三千六百五十亿年的这个搜索量。只花了两年，而 Google 用了十一年。就是快了五点五倍啊，这个就是得益于现在全球的互联网的普及。以及用户对于数字工具的熟悉，所以就是这个 AI 的这个概念被大家接受的速度也是前所未有的。杨华: 你觉得这种，ChatGPT 这种爆发式的增长，会一直持续下去吗？高桓: 就从这个报告里面的数据来看的话它的用户在十七个月的时候就涨到了八亿。就是增长了八倍。然后同时就是移动应用的普及速度也是非常吓人的就是它达到百分之九十的用户覆盖只花了三年。而互联网花了二十三年。所以就是这个趋势确实是非常吓人的。杨华: 然后这个摩根大通他们这么积极的去部署 AI，你觉得这是不是代表了企业级的这种 AI 的应用？是一个非常，有潜力的方向？高桓: 肯定是呀就是这个报告里面也提到了就是摩根大通在很多核心的领域都全面的引入了 AI 并且他们预计在两年之内。AI 带来的价值会增长百分之六十五。然后同时呢有超过百分之七十二的美国的在职成年人都认为。AI 聊天机器人提高了他们的工作质量。所以就是 AI 其实已经在。提升效率，降低成本，然后减少风险上面。都已经开始，体现出非常大的作用了，而且这还只是一个开始。杨华: 然后就是这些 AI 公司他们这么高的估值，你觉得这是合理的吗？就是这个市场会不会有一天就？高桓: 嗯，就这个报告里面也提到了就是这些 AI 公司比如说像 OpenAI 它的估值已经达到了三千亿美元。然后它的收入倍数是三十三倍。就是确实是非常非常高的一个，估值，但是呢这些公司它也呈现出了。高收入增长，高现金消耗，然后高估值，然后同时有大量的投资涌入。这四高的这样的一个特点。但是呢最近也出现了一些，融资困难的这样的问题，所以就是看起来市场也在慢慢的回归理性。杨华: 然后这个 AI 模型它的训练成本越来越高，但是它的推理成本越来越低。这中间有什么，值得大家关注的行业的变化吗？高桓: 就是训练的成本，最强大的那些大语言模型的训练成本已经成为了。人类历史上最昂贵的一些工程项目之一，就是它在八年里面涨了，约两千四百倍。但是呢，推理的成本，每代币的推理成本在两年里面下降了百分之九十九点七。所以就是这个也让，AI 的应用可以，更经济实惠的去落地。杨华: 然后这个不同的 AI 模型之间他们的输出质量越来越接近。这是不是会改变这个行业的

潘鹏凯是MIT AI 博士, 早年首创“协同过滤”算法，奠定视频推荐系统基石。连续创业者，一共创立了 7 家公司（爱乐奇，智灵龙，趣申请，分子智力等）。现在聚焦AI时代的家庭教育，留学，和投资。潘博士养育一对儿女，哥哥文科强，NYU 提前录取。妹妹理工优，哈佛，MIT，普林斯顿录取。各位听众大家好，非常欢迎大家来到我们AI进化论的第二期播客。今天我们非常荣幸的邀请到了潘鹏凯博士作为我们的重磅嘉宾。就AI对教育的影响，以及他看到的AI发展方向等进行访谈。潘博您好，非常荣幸邀请您作为我们重磅嘉宾接受我们的采访，首先想再请您简单介绍一下您自己。01:39 潘博士自我介绍大家好，我叫潘鹏凯。我做AI研究35年了，从1990年在浙江大学跟了我们原来浙大的老校长潘云鹤院士在做AI研究。那是后来又申请了MIT，在那边读了七年的硕博。研究方向是短视频推荐算法。04年回国创业以后一直在用AI做数字化的内容，当年也是提供了大概2000万的学生用我们这个英语教材和内容。在2021年以后呢，我开始做AI方向的投资和孵化。前后创业了七家公司吧，大部分都是跟AI相关的，有AI for教育和AI做生命科学。02:34 您认为AI已经或者将要对行业特别是教育行业产生怎样深刻的变革？这个变革太深远了，AI是我想象的可能有学校这个概念以来，最大的一次变化了。因为AI作为一种工具，它是人类历史上第一个比人更聪明的工具。什么意思呢？就是说在在很多领域，物理、化学、编程，它或多或少都甚至可能会超越人类的最高水平。就就像编程一样，那么现在AI写程序的水平已经达到了所有世界上最厉害的程序员的编程水平，而且它不辞勤劳，可以连续编程7个小时，这个已经是现实，而不是说是一种愿景了。那么这种前提条件下呢，那比如说我们教什么，怎么教，或者怎么学，就完全变掉了。因为原来为什么有老师呢，它有几个功能的啊，一个呢，是传授知识，那么我可以想象AI老师马上就会出现，那么AI来传授知识比人类老师教的更全、更不会出错，更精准，甚至更耐心。第二个呢，可能有AI同学了，小朋友在学的时候，他原来是一个人啊，或者他同学是跟他竞争关系，那你接下来可能就有AI同学，他不是一个竞争关系，或者这个合作关系啊，这都有变化，但是呢，我觉得短期内呢，好老师也是不能缺少的，我们说教育是人影响人嘛，一个火焰点燃另外一个火焰，那这种情况下，老师更多是这种打气呀，鼓励呀，更多是这个引导孩子找到他自己的真爱，找到他自己的长项。所以老师的角色呢，可能变成一个叫做AI教书、老师育人这种模式。这种模式，教的和学的目的也会变化，原来可能是筛选这个人聪不聪明啊，有没有坚韧的这个意志啊，是不是比较仔细啊，这是我们传统考试最主要的目的。那将来可能教书育人就是让人有创造力，创造出原来没有的东西，这变成更重要的了。那这种大前提，其实对现在所有的这个教育，不管是基础教育还是高等教育，还是终身学习都会发生质的变化。05:31 在AI结合的创业中有哪些就是 big tips可以分享。首先AI是个工具，那你就要知道他解决什么问题。那么我在创业中最早是解决一个内容生成的问题。教育有三个要素，第一个是老师，第二个是教材，或者说是教学内容，教学体系，第三个就是同学。老师和同学都很难变化，能够提升最快的可能是教学内容。这个因为我在美国读书七年，在浙江大学读书那么多年，我觉得很大的一个不一样，就是教学的内容，或者体系方式不太一样。浙大当然也很厉害，但是他毕竟在20年前可能也是培养这个解决问题的一些技能为主，那在MIT更多是我要改变世界，在各个领域都要变成这个前沿的探索者。所以我在过去十几年做了大量的用AI建了这个素材库，建了这个AI的推荐引擎，比较高效快速的做了很多好的内容，在16、17年的时候，我们有一套教材入围了美国科迪大奖。第二个方面我现在在做AI规划，因为现在不是你学不到东西，而是可学的东西太多了，你不知道学啥，因为人的精力、时间总是有限的，人是要探索的，但是如果AI可以帮你做一些规划，做一些策划，做些评估，你再去探索，我觉得更靠谱。08:43对于中学生来说，您觉得他们什么地方比较适合用AI来做一个辅助工具，什么地方您觉得应该要用自己的思维去做？我觉得如果学校明确规定了不能用AI做作业，我觉得是500%赞成，因为你要是不经过自己的思考，他没法把这个知识内化，就是你说白了，你很快用AI交了个答案，那自欺欺人。但有些地方就是用AI帮你创造，我觉得可以，比如说AI帮你编程序啊，AI帮你做一些规划呀，AI帮你做一些background research, 那我觉得AI就相当于是个搜索引擎嘛，我原来要有Google，可能搜两个小时，三个小时，现在AI可能五分钟就把搜出来了，搜出来以后我再内化，我觉得很靠谱，还有一个AI尽量少用呢，就是AI作为消费，或者作为一个娱乐，还是要小心，因为AI这个沉迷肯定会超越游戏、短视频。因为他非常的乖，非常的乖巧，他总是讨好你，不跟你argue，那那我开玩笑说，可能你孩子的第一个男朋友，女朋友以后就是AI了。因为有这种同理心嘛，你跟他讲话，他总是在夸我，在表扬我，那时间长了就会产生依赖，所以我相信AI的防沉迷，很可能是要关注的一个重点。11:10您如何看待AGI， 在您看来，AGI的实现还要多久，会不会某些场景与行业会快些？我觉得AGI已经实现了。从2012年开始就实现了，只不过他那时候是个婴儿，大家没有认识他，他马上会造成个巨人的。AGI就是人类学习的方式.为什么人比别的动物要聪明，就是他学习能力极强。但是现在大部分AI的领域是文字、图片，就是我们大脑的信息，他没有到小脑，甚至到神经细胞层面的信息，所以AI现在掌握的是大脑学习的方式，没有掌握小脑啊，甚至神经啊，细胞啊层面的这个学习方式，那所以我特别看好这个AI for science, 特别是for life science 。音乐总监：李卓航联系我们：小英 15316348312

大家好，欢迎大家进入我们的播客频道AI进化论，我是主持人Jane。 一直深耕教育领域的创新方案，希望借助这个平台，与大家一起加速AI在我们生活与学习场景中的落地。00:32为什么创建这档播客02:11 介绍共同发起这档播客的的伙伴02:27 杨博士自我介绍02:40 高博士自我介绍03:16 两位博士介绍做这个节目的初衷、期望达到的效果、目标人群06:57 两位博士介绍会请哪些重磅嘉宾和主题09:25 主持人介绍接下来一期的重磅嘉宾【更多信息】主持人Jane Wu: 上海英特尔边缘事业部教育与会议行业产品总监,25年世界500强工作经验(新加坡，美国与大 陆),北京科技大学工程学士, 美国杨柏翰大学工商管理硕士. 兴趣广泛:从文学到旅游, 从AI到音乐, 近几年一直在致力推动AI在教育行业的落地.杨华博士：上海英诺派智能科技发展有限公司 CEO， 曾任英特尔研究院主任研究员，英特尔上海女性联盟主席，英特尔研究院全球技术论坛主席。 先后获得西安交通大学电子工程学士学位， 北京邮电大学电子工程硕士学位， Rensselaer Polytechnic Institute电子工程博士学位。 目前研究兴趣包括人工智能，数字人医生， 服务机器人，个性化知识图，AI Agent, 关注如何使用人工智能技术落地产业。高桓博士：东南大学博士，重庆师范大学研究员，认知智能与数智金融重庆市重点实验室副主任，东南大学校外研究生导师。AAAI \ ISWC \ IJCAI等多个国际著名会议的审稿人和PC Member。主要研究方向为知识图谱构建、大语言模型、多模态搜索。曾担任创业公司CTO，任职微软(中国)有限公司苏州分公司、宝马创新实验室、英特尔边缘智能联合研究院技术总监、升智科技大语言模型负责人等工作。音乐总监：李卓航联系我们：小英 15316348312