語言模型的自我修正能力：從推理過程、工作流程到參數訓練
引言：語言模型能不能自己發現錯誤、自己修正？ 今天的大型語言模型非常厲害，它可以根據人類給予的回饋來修正自己的行為——你給它一個輸入，它產生一個輸出，然後你告訴它「你做錯了」、指出錯在哪裡，語言模型往…
AI
人工智慧能不能夠做到自我成長？
一、人類最後的發明 早在 1965 年，統計學家 John Good 就提出了一個發人深省的想法。他把這個想法稱為「人類最後的發明」。他說，有一天，假設人類能夠創造出一個 AI，這個 AI 厲害到它能…
Stanford CS230 | Autumn 2025 | Lecture 9: Career Advice in AI
這部由史丹佛大學工程學院（Stanford Engineering）製作的影片，由人工智慧大師吳恩達（Andrew Ng）與 ARM 的 AI 主管 Laurence Moroney 共同主講。影片內…
Dario Amodei《技術的青春期：直面並克服強大 AI 的風險》
Dario Amodei 技術的青春期 直面並克服強大 AI 的風險 2026 年 1 月 在卡爾·薩根的小說《接觸》的電影版中，有一幕是這樣的：主角，一位探測到來自外星文明第一個無線電…
《人工智慧時代：與人類未來》（四）：人類身份的重塑與未來倫理
本書的第四個也是最後一個核心論點，聚焦於「人類身份的本質、教育的變革以及我們共同未來的倫理抉擇」。這部分是全書最具人文關懷與哲學深度的部分，探討當 AI 不僅是工具，而成為人類的伴侶、導師與代決者時，…
《人工智慧時代：與人類未來》（三）
本書的第三個主要論點聚焦於國家安全、全球秩序與新型衝突的本質。這部分內容深受亨利·季辛吉的地緣政治思維影響，探討了當人工智慧進入軍事與戰略領域時，人類傳承數百年的戰爭理論、威懾邏輯以及國際權力平衡將如…
《人工智慧時代：與人類未來》（二）
論點二：全球網絡平台、資訊環境的重塑與人類自主權的侵蝕 在《人工智慧時代》中，三位作者提出了一個極具警示性的觀點：人工智慧並非以一種孤立的工具形式存在，而是透過「全球網絡平台」（Global Netw…
《人工智慧時代：與人類未來》（一）：知識的重新定義
這本書《人工智慧時代：與人類未來》（The Age of AI: And Our Human Future）是由外交家亨利·季辛吉（Henry A. Kissinger）、前 Google 執行長艾瑞…
《Reshuffle》（三）：工作的解構與重組
這是針對 Sangeet Paul Choudary 新書《Reshuffle》的第三次深度解讀。在前兩部分，我們探討了 AI 作為「協調科技」如何重塑經濟系統，以及它如何迫使我們重新思考「工作」的本…
《Reshuffle》（二）：工作的解構與重組
在前一部分，我們探討了 AI 如何作為「協調科技」重塑經濟系統。這一次，我們將深入分析 AI 如何改變「工作」的本質。這不是一個關於機器取代人類的老掉牙故事，而是一個關於工作邏輯如何被徹底改寫的新篇章…
《Reshuffle》（一）：AI 超越自動化的迷思
本書《Reshuffle: Who wins when AI restacks the deck》由 Sangeet Paul Choudary 所著，挑戰了當前主流對於人工智慧（AI）的看法。作者並…
《AI 地圖集：人工智慧的權力、政治與地球成本》（一）：人工智慧的物質性
凱特·克勞福德（Kate Crawford）在《AI 地圖集：人工智慧的權力、政治與地球成本》（Atlas of AI: Power, Politics, and the Planetary Cost…
《AI 地圖集：人工智慧的權力、政治與地球成本》（二）：隱藏的勞動與自動化的假象
這是《AI 地圖集》第二個核心論點的詳細解說。承接第一章關於自然資源的討論，凱特·克勞福德將目光轉向了維持 AI 運作的另一個關鍵要素：人類勞動。 第二部分：隱藏的勞動與自動化的假象——AI 系統中的…
《AI 地圖集：人工智慧的權力、政治與地球成本》（三）：數據的政治經濟學
這是《AI 地圖集》第三個核心論點的詳細解說。在探討了 AI 的物質基礎與勞動剝削後，凱特·克勞福德深入剖析了人工智慧運作的燃料——數據（Data），並挑戰了「數據即石油」這個流行但極具誤導性的比喻。…
Nick Montfort《Generating Reports, Fiction, and Text That Sounds Good》
這份由 Nick Montfort 撰寫的文章主要探討了自然語言生成（NLG）的三個不同面向：大型語言模型（LLMs）、自動化報告系統（Automated Reporting）以及故事生成系統（Sto…
Epoch AI《2030 年的人工智慧：推斷當前趨勢》(1)
人工智慧的進步主要由「運算規模擴展」（Compute Scaling）驅動，且此趨勢將持續至 2030 年 這份報告開宗明義地指出，過去十幾年人工智慧（AI）能力之所以能有驚人的飛躍，最根本、最核心的…
Epoch AI《2030 年的人工智慧：推斷當前趨勢》(2)
至 2030 年，持續的運算規模擴展將需要數千億美元等級的極端投資，而這種投資的可行性，建立在 AI 將創造數兆美元經濟價值的預期之上 如果說第一個論點描繪了 AI 發展的「藍圖」（持續擴展運算規模）…
Epoch AI《2030 年的人工智慧：推斷當前趨勢》(3)
到 2030 年，持續的規模擴展將使 AI 在科學研發等知識密集型領域，從輔助工具進化為高能力的合作夥伴，能夠自主解決複雜的、定義明確的任務 這個論點描繪了一幅具體的未來圖景。報告認為，AI 的能力進…
The Anthropic Economic Index report (1): 從協作者轉變為代理人
AI 的使用模式正在迅速演化，從協作者轉變為代理人 使用者與 AI 的互動模式並非靜態的，而是在短短幾個月內就發生了根本性的轉變。這個轉變可以從兩個維度來理解：使用者「要求 AI 做什麼」以及「如…
The Anthropic Economic Index report (2)
AI 的地理採用呈現極端不均，可能加劇全球經濟鴻溝 這份報告的第二個核心發現，是將 AI 採用的視角從「時間的演變」擴展到「空間的分佈」。其結論極為鮮明：AI 的浪潮並未均勻地拍打在世界的每一個角落，…