在AI 年代, 大家認為那些技能在學習上更為重要?

加樂爹

不管父母是否仍然抱著多年前什麼AI巨頭說不要給孩子過早接觸平板電腦, 延伸到除了學校要求外, 不給與子女主動去應用電腦, 或是只看到如何禁止電腦影響子女學習, 這都是雙刃刀的情況, 相信在這個混沌時期, 兩者都可以共存, 既然教育界要探索, 學校課程要調整, 就算是跟了向前, 亦只是抱石頭過路, 優及劣點, 什麼是有效方法, 都未有定論.
可能有些家長, 子女能開始涉獵到不同的AI學習, 或是從同學間嗅到AI的氣味....

不要讓AI巨頭告訴你, 不要讓教育局, 學校指示你, 自己先想下什麼的技能更有效在未來學習上?

ANChan59

twhkleung 發表於 26-2-21 16:44
legal同 medical係两坐大山，正常係好难有改动，我都好期代 AI可以帶來一片新天地， 與時並進！
...

其實medical 應用咗好多年，香港創科都超過10年，不過不是open system ，或者用healthcare / medical informatics 這些名稱。

加上美國打壓，我哋盡量用非Al的名稱，無謂俾人借題發揮！

akys

stillgood20 發表於 26-2-23 16:29
我都係吹吓水。靠估。
純熟兒戲。

華爾街有間citrini research 做咗個forecast,；因為AI，2028年美國失業率升超10%，可以Google 嚟睇下。

軟件股俾人洗倉，anthropic 去到邊嗰個行業就大跌，有趣。股市smart money有冇預視能力呢?

stillgood20

akys 發表於 26-2-23 13:47
"现在，AI是跑緊美国国運。"

未算。 而家係大部份大企業攞盈利（以前會用來回購股份）來投資AI， 一唔對路 ...

我都係吹吓水。靠估。
純熟兒戲。

不过，近日見Oracle股价，由去年9月，破300USD.
近日，折半了。

akys

stillgood20 發表於 26-2-21 13:16
有利益衝突。而且，是專業系统的。

自自然然，有限制。

"现在，AI是跑緊美国国運。"

未算。 而家係大部份大企業攞盈利（以前會用來回購股份）來投資AI， 一唔對路呢班友轉身超快，美國佬裁員關閉部門好狠架。

barque

twhkleung 發表於 26-2-21 16:44
legal同 medical係两坐大山，正常係好难有改动，我都好期代 AI可以帶來一片新天地， 與時並進！
...

Delete

twhkleung

stillgood20 發表於 26-2-21 13:16
有利益衝突。而且，是專業系统的。

自自然然，有限制。

ai埋場賭博,如果真係輸咗,恐怕全世界都會suffer一段長時間, 注碼真係下得好大

twhkleung

barque 發表於 26-2-21 12:59
Anthropic 現在顛覆緊傳統軟件開發行業，今年外出法律界的Model，睇吓會唔會顛覆埋法律界
...

legal同 medical係两坐大山，正常係好难有改动，我都好期代 AI可以帶來一片新天地， 與時並進！

barque

stillgood20 發表於 26-2-21 13:16
有利益衝突。而且，是專業系统的。

自自然然，有限制。

AI會係個趨勢，只是過程充滿爆破，破壞重建可能再爆破，沒有人會知道

stillgood20

barque 發表於 26-2-21 12:59
Anthropic 現在顛覆緊傳統軟件開發行業，今年外出法律界的Model，睇吓會唔會顛覆埋法律界
...

有利益衝突。而且，是專業系统的。

自自然然，有限制。

除非，AI連自主權也達成。

世界，到目前，話說AI幾厲害。
仍然是利益(階級專制)。

昨晚，Trump Trump vs 大法官制。
完完全全，是人制。
而且，更是最極端的人制。
1人 vs 9位大法官。

同期，愛潑斯坦案。
也是，人性弱点，和勢利，黑暗互控系统。
人，被威脅控制。

现在，AI是跑緊美国国運。
極度集中资源。
是神話級。

barque

twhkleung 發表於 26-2-19 14:40
Dario Amodei係個聰明人, 更加係一位天才, 但他是一位工程師, 而不是一位學者, 他描述的方法去創造的AGI m ...

Anthropic 現在顛覆緊傳統軟件開發行業，今年外出法律界的Model，睇吓會唔會顛覆埋法律界

barque

twhkleung 發表於 26-2-19 22:54
突然想到一個更加好嘅比喻(因為人有Incubation), 可以好簡單咁描述anthropic佢而家嘅做法.

- 如果一個mod ...

同意，觀察多一陣之後可能又有新的發展

twhkleung

回覆 twhkleung 的帖子

假期有時間, 做咗個有趣嘅分析, 大家分享:

Feature	Hala Point (Intel)	Hala 3 (under development)	全人大腦	小腦	大腦 (大腦皮質)	前額葉皮質 (PFC)	人類視覺皮質 (V1)
Neurons (神經元)	11.5 億	100–200 億	~860 億	~690–1010 億	~160–210 億	~40 億	~11 億
Synapses (突觸)	1,280 億	~1–2 兆	~1,000 兆	~10–20 兆	~150–164 兆	~20–30 兆	~2–4 兆
Power (功耗)	2,600 瓦	< 1,000 瓦	~20 瓦	< 5 瓦	~15 瓦	~2 瓦	~1 瓦
Connectivity (連通性)	~111	~1,000+	~11,000	~1,000	~7,000+	~10,000+	~2,000+
Capacity (功能容量)	感測運動控制	初步邏輯思考	完整意識	運動協調/時序	感知、語言	高階邏輯/決策	僅限視覺處理

Remarks:
- Hala Point (Loihi 2)：目前處於「人類視覺皮質」或「捲尾猴」的規模，主要擅長快速的感測數據處理。
- Hala 3 (Loihi 3)：目標是跨越到「黑猩猩」或「人類大腦皮質」的規模。其關鍵在於透過 3D 晶片堆疊技術 提升 Co (連通性)，試圖彌補矽晶片與生物組織之間巨大的突觸密度差距。

將動物智力與人類年齡進行比較, 根據認知測試，以下是粗略的人類發育對等階段：

- Hala Point 相當於"捲尾猴", 或, 人類幼兒 (18–24 個月)
- Hala 3 相當於"黑猩猩", 或, 人類兒童 (3–5 歲)

(相信我哋有生之年, 都不會見到人工智能, 達到人類智能的水平, 特別係能源使用效率方面, 可以話人腦係超級慳電.)

twhkleung

twhkleung 發表於 26-2-19 14:44
多講一句.
佢而家嘅approach, 係放棄咗學習biological intelligence嘅方向. 而係相信數據越多越代表智慧.
...

突然想到一個更加好嘅比喻(因為人有Incubation), 可以好簡單咁描述anthropic佢而家嘅做法.

- 如果一個model, 有十種能力, anthropic 係努力延續緊現存的十種能力, 變得更加強;
- 而大學研究, 係要將個model, 增加新能力, 將佢由10種變咗11種, 11種, 變做12種;
- 呢個就係foundation research, 同engineering research嘅分別.


短期來說, anthropic係冇錯的, 但問題要根本解決, 係要靠後者嘅基礎研究.
就好似, 站在巨人的肩膊上去開發, 可以短期內賺到錢, 但長遠沒有辦法有根本性的改變.

twhkleung

twhkleung 發表於 26-2-19 14:40
Dario Amodei係個聰明人, 更加係一位天才, 但他是一位工程師, 而不是一位學者, 他描述的方法去創造的AGI mo ...

多講一句.
佢而家嘅approach, 係放棄咗學習biological intelligence嘅方向. 而係相信數據越多越代表智慧.

但, 係大多數大學教授, 係相信越少數據, 而又能形成智慧, 咁先至算係真正嘅Intelligence!

twhkleung

barque 發表於 26-2-19 11:31
本帖最後由 barque 於 26-2-19 12:29 編輯

有時間可以睇吓，學習和啟發在不少

Dario Amodei係個聰明人, 更加係一位天才, 但他是一位工程師, 而不是一位學者, 他描述的方法去創造的AGI model, 將會是一個engineering approach, 而不是一個mathematical approach. 佢係用一啲simulation嘅方法, page-in/out啲knowledge custers, 同個original model一齊用. 但咁樣, 個model就會欠缺咗一個global view. 造成問題係...
如果只需要paged-in一個cluster同個original model一齊用, 咁係ok的. 但如果個input係需要好多個clusters同一時間page-in, 咁個model本身個optimization就會破壞咗, 亦即係話個model唔會準.
依家Anthropic嘅解決方法係用大量嘅hardware搭夠, 錢解決到個問題就唔係問題, 不過錢只可以解決到90%淨返10%定係解決唔到.

問題又返回頭, 用來玩, 或做些非mission critical工作, ok的, 但一講道会影响生命, 又係未得.

重有大半年, 睇下佢重有冇smart既方法, 我都想佢成功 (雖然我係較理論派).

(细節當然还有很多, 我只負責吹下水而已)

barque

twhkleung 發表於 26-2-19 08:48
哈哈, 平常心啦, 從算盤到計數機, 從牛拉車到蒸氣機, 到2g, 3g 4G 5g無線網絡, 到互聯網, 到whatsapp,...   ...

有時間可以睇吓，學習和啟發在不少

https://youtu.be/n1E9IZfvGMA

twhkleung

akys 發表於 26-1-26 13:04
哈哈，突然諗起小學時有個老師教用算盤時講過冇咗計數機啲人點計數。幾十年嘅記憶突然跳出來。
...

哈哈, 平常心啦, 從算盤到計數機, 從牛拉車到蒸氣機, 到2g, 3g 4G 5g無線網絡, 到互聯網, 到whatsapp,...  我以前讀書嘅時候, 打長途電話返去畀阿爸阿媽, 一個月都要千幾蚊, 依家有咗whatsapp一毫子都唔使.

科技發展, 只會有我哋想像唔到, 而唔會有佢做唔到!

twhkleung

加樂爹 發表於 26-1-27 10:31
你的20多種思考方法, 是否人類都有相似的思考程序?今日見到呢段新聞, 待你參考下給大家意見.

大 ...

恭喜發財, 祝大家馬年行大運! 心想事成! 身體健康!

坦白, 講你之前的問題, 是相當艱深的, 不要說我, 就算是當代最頂尖的幾位ai教授, 恐怕也沒法畀出答案, 因為你這幾條問題, 其實仍然是目前最active的research topics. 但有部分仍可以大家分享討論.


1. 關於20種reasonings.
這20種reasonings, 其實已經應用在我們會一個人, 每一日的生活當中, 只是大家可能並不知道, 而通常受過訓練或學習過的, 他才會知道自己原來是用緊某一條的reasoning. 相反, ai到今日為止的最新模型, 90%仍然主要依賴Inductive Reasoning.


2. 人類的四種特殊能力, 暫時ai仍然做不到的包括:
a. Partial Understanding: 人類只要學懂一部分規則, 就可以開始運作, 例如, 好似捉象棋/圍棋, 我們其實並不需要學識所有的規則, 但已經可以開始玩.
b. Intent Clarification: 當別人問我問題, 如果我唔明白佢問乜嘢, 我會不斷追問, 澄清, 直到我明白為止, 才開始作答. 但ai無論你講到幾深入, 或者幾淺, 佢唔會同你澄清, 而直接作答. 咁當然, 如果你畀嘅問題唔清晰, 佢嘅答案, 就會不對題.
c. Incubation: 當我們在學習新的知識是, 往往我們不能馬上明白, 但很神奇, 我們可能將這不明白的東西放下, 去一去洗手間, 飲杯咖啡, 或者瞓過覺, 一覺醒來, 突然之間, 一切都明白了. 為什麼? 因為人有五種腦電波, 當我們正在集中精神學習時, 主要是高頻的Gamma/Beta waves主導著我們的腦部運作, 也阻止了我們腦部各個部分的合作; 當我們take a break, 注意力開始放鬆, 腦部也從之前的waves, 改為低頻的 Theta/Delta waves, 主要是令我們的腦部開始進入知識的consolidation狀態, 將我們的腦神經網絡重組, 當時機成熟, 新重組的網絡神經, 便能明白到剛剛不明白的知識. ai 到目前為止, 係完全冇這種能力.
d. Serendipitous Analogy: 這個和(c)有些相似, 但, 這次神經網絡在重組過程, 需要外部新資訊, 令網絡重組出一個全新的架構, 從而明白剛剛不明白知識. 所以我們成日講, 和某某吹完水之後,  突然之間就明白了某些道理. 同樣, ai到目前為止, 係完全沒有這能力.

3. 關於這段news, 因為是轉載, 沒有原文, 我不敢說這位學者的意見是正確與否, 但, 這news的轉載解釋, 與真實情況相差頗遠.
- "Goldstein 與同事示範，步驟會依序展開，與 AI 模型處理語言步驟呼應。"
這點應該反轉來說, 是ai模型像人類的步驟, 而不是人類像ai的步驟.
- "人類大腦活動也是相同模式：早期神經訊號對應 AI 模型較淺層處理階段，較晚期大腦反應對應模型較深處理層。時間對應在較高階語言區域（如布若卡氏區）特別明顯；反應出現較晚，卻與 AI 模型較深層表徵最吻合。"
需要更多資料補充, 但從表面上看, 如果你問一位Brain Sci的學者, 如只看這幾句, 大機會他會說是錯的. 人的腦部非常複雜, 不論從解剖學, 或Neuronscience角度, 目前的ai模型, 只是人腦裏面的其中一個模塊, 而並不是整個人的腦部.
- "Goldstein 博士表示：「最驚訝的是，大腦逐步展開意義的方式，竟然這麼接近大型語言模型轉換序列的步驟。儘管兩者構造完全不同，但似乎都朝相似、一步步建立理解的過程靠近。」"
這句恐怕也是要反轉來看了, 是大語言模型相似人腦部的部分運作, 而不是人腦似大語型模型.


科技發展迅速, 大語言模型在不到十年間 (從Self-Attention開始算起), 由零開始到現在, 已差不多走到盡頭. 目前的大模型主要只能是部分的效能提升, 真正的technology breakthrough, 大家方向, 已從transformer轉為neuro-symbolic AI模型.


"LLM development is experiencing a significant "scaling wall" as increasing model size, data, and compute yield diminishing performance gains. The era of easy gains from scaling is stalling, with evidence suggesting that current architectures are approaching their limits in reasoning and data consumption."

我也很期待, 未來新一代的ai模型, 能帶給我們更像人類的智慧!

poonseelai

加樂爹 發表於 26-2-6 14:22
我理解twobirds 既意思係:
道德操守原來一直只係比我地凡人去守.
而到了AI年代, 會被越揭越多, 去到上面班 ...

近日 Epstein 個case, 不用去到AI也揭露到