标签: 算力

Language is not fundamental to human consciousness. In terms of evolution, it arrived only recently on our timeline. Consciousness evolved over millions of years through sensory awareness, emotion, and the embodied surv…

Language is not fundamental to human consciousness. In terms of evolution, it arrived only recently on our timeline. Consciousness evolved over millions of years through sensory awareness, emotion, and the embodied surv…

作家 Ewan Morrison 在 X 上发文称,语言并非人类意识的基础,而大语言模型只是在模仿智能的“输出层”,因此无法通向真正的人工意识。他把当前 LLM 的能力叙事称为一场面向投资人的包装。

Fifth question on AI. AI is currently viewed as a centralizing technology – with ever-larger models, trained on much of the world’s knowledge, running on massive, concentrated compute, overseen by a few companies, and a…

Fifth question on AI. AI is currently viewed as a centralizing technology – with ever-larger models, trained on much of the world’s knowledge, running on massive, concentrated compute, overseen by a few companies, and a…

经济学家 Daron Acemoglu 在 X 上发出关于 AI 的“第五问”:当前大模型、算力与知识控制高度集中,但个人计算的早期先驱曾相信数字技术天然去中心化,他由此追问我们是否应当接受这种集中式 AI。

@MrEwanMorrison LLM可能不是人工意识的终点,但“没有身体=没有智能”同样是未经证明的假设。真正的变量,是Agent能否通过环境、工具和反馈形成新的智能闭环

@MrEwanMorrison LLM可能不是人工意识的终点,但“没有身体=没有智能”同样是未经证明的假设。真正的变量,是Agent能否通过环境、工具和反馈形成新的智能闭环

2026年10月3日,AI 实践者 @whb0821 回应了作家 Ewan Morrison 关于“语言并非人类意识基础”的观点,提出“没有身体=没有智能”同样是未经证明的假设,认为真正的变量在于 Agent 能否通过环境、工具和反馈形成智能闭环。

@DAcemogluMIT 我觉得真正值得警惕的不是“大模型很大”,而是AI的能力是否只能通过少数平台获得。未来更有意思的方向可能是:模型可以集中训练,但智能可以分布式运行——个人Agent拥有自己的上下文、数据、工具和权限。AI真正属于用户,而不是用户只能租用AI。

@DAcemogluMIT 我觉得真正值得警惕的不是“大模型很大”,而是AI的能力是否只能通过少数平台获得。未来更有意思的方向可能是:模型可以集中训练,但智能可以分布式运行——个人Agent拥有自己的上下文、数据、工具和权限。AI真正属于用户,而不是用户只能租用AI。

AI 投资人景哥(@whb0821)回应 MIT 经济学家 Daron Acemoglu 关于“AI 是集中化技术”的讨论时提出,真正值得警惕的不是模型规模,而是 AI 能力是否只能通过少数平台获得;他主张“模型集中训练、智能分布式运行”,个人 Agent 应掌握自己的上下文、数据、工具和权限。

生成式AI迅速渗透至日常信息检索与决策辅助中,值得警醒的是大模型在生成开放性知识时,面临着深刻的认识论多样性收窄危机。本文探讨大模型相比搜索引擎的信息狭缝、模型规模与多样性的反直觉悖论、英语文化对地方性知识的系统性挤压,,并反思AI 时代“谁的知识成了默认常识”。 https://t.co/dkvXMzVUY1

生成式AI迅速渗透至日常信息检索与决策辅助中,值得警醒的是大模型在生成开放性知识时,面临着深刻的认识论多样性收窄危机。本文探讨大模型相比搜索引擎的信息狭缝、模型规模与多样性的反直觉悖论、英语文化对地方性知识的系统性挤压,,并反思AI 时代“谁的知识成了默认常识”。 https://t.co/dkvXMzVUY1

哥本哈根大学与斯坦福等团队测试 27 个模型、155 个话题、约七千万条断言后发现,大模型输出的知识多样性系统性低于传统搜索引擎,且模型越大反而越单一,英语视角还系统性地挤压了地方性知识。