AI Is Now Evolving on Its Own

你对新的 Atlas 机器人有什么看法？等等，不，不，不。这一定是人工智能。好吧，算了。算了。我想那是人工智能。那不是真的。它本可以。几乎是。比如，哥们，这就是我们现在所处的这个世界，对吧？那不可能是真的。不，那现在还不可能是真的。即将到来。再过六个月。艾伦对AGI的保守倒计时仍为97%，但他有一个引人入胜的新更新要谈。深入研究谷歌声称他们在所有平台上处理了1.3千万亿月度令牌的真正含义。然后，我将用一些同样引人入胜的数据来跟进，介绍ChatGPT如何迅速成为一个怪物般的成功，包括他们作为一个整体与它进行的对话类型。我将分享威尔·洛克特的观点，即SpaceX和XAI的合并是一个巨大的危险信号。触及凯蒂·福尔斯关于“人工智能军备竞赛的风险导致人类灭绝”的文章，沃伦的顶级计算专家。我们将探讨自动化机制设计对机械工程意味着什么。比如，当人工智能介入时，它确实会彻底改变那个行业。我们将讨论一种新的、升级的CRISPR基因编辑器，它可以在你的体内像病毒一样复制和传播。我认为从技术上讲这是一件好事，但可以想象它可能会失控。但是，嘿，如果你在编辑基因，谁不想获得“编辑效率提高”呢？听着，你不能整天坐着，而你在编辑我的DNA。你知道，我还有事要做。开始吧。好吧，让我们看看超快纳米激光器如何模仿大脑想象世界中看不见的部分。这一个会让你大吃一惊。而且它确实与这只兔子有关。本周，一个人工智能还创造了一个人造动物，随着时间的推移，它在没有任何指示的情况下发展出了视觉能力。没错。最令人惊讶的是，这家公司的眼睛以与真实生物在历史上发展的方式相同的方式发展。太疯狂了。我们将提出一个问题，即人工智能模型是否能够阅读社交媒体语言来标记心理健康风险，并且它们能否准确、安全地做到这一点，并以一种真正帮助世界的方式。我们将深入探讨，可以说，世界上顶尖的人工智能研究机构是如何通过使用自己最先进的人工智能来监控自己的工程师来打击员工泄露信息的。看看它比平均水平做得好多少。我已经获得了13000次观看。这远远超出了我的正常预期。看看那个。比平时多62%的观看次数。65美元。实实在在的现金。喜欢它。看，甚至一些65岁以上的老年人也在参与其中，跟上人工智能新闻。看看你们。精神上如此年轻。好吧，那么我猜我还是会为你播放这个。但很清楚，那不是真的。虽然我要说，当我把它列为一个要展示给你的话题时，我以为我只是在浏览我的社交媒体信息流，然后我说，“哦，我敢肯定这是Atlas的更新。”但是，是的，我可以看到它在这里有点摇摇晃晃，而且不是真的。但你知道，那很容易就是Atlas。再给它六个月，一年。只需要软体机器人的关节跟上。但我敢肯定，模拟模型可以做到如此流畅。接下来，我过来看看艾伦对AGI的保守倒计时，因为我们只剩下3%了，如果我错过了，你知道，我想在它发生的那一刻就抓住它。我需要某种更新或什么东西，某种推送通知。但即使我没有，我也检查得够多了。我确实看到他为他的97%的论点发布了一个有趣的更新。我想把它分解一下。简而言之，他只是指出了人工智能文本输出的增长速度。而且这是惊人的。2021年，这似乎并不久远。我的意思是，我现在老了，但在我的一生中，这并不长。GPT3每天生成约45亿个单词。虽然这听起来是个大数字，但它只是个开始。到2024年，GPT40每天处理超过2000亿个令牌。2025年末，据估计，前沿人工智能系统每天生成约10万亿个令牌。所以，为了让这件事具体化，纽约公共图书馆，我认为它是世界上最大的图书馆，或者非常接近。那里有1200万本书。如果你把这些书中的文字分解成令牌，那大约等于1.6万亿个令牌。所以，人工智能的产出从每年相当于一个纽约公共图书馆，变成了每天多个图书馆。据估计，80亿人的总人类写作量约为每天213万亿个令牌。你在这里看到了什么？谷歌处理了1.3千万亿个令牌。我的意思是，对于ChatGPT来说，情况可能也差不多，对吧？付费的Anthropic可能只有那个的四分之一或五分之一。所以，我猜我在这里会完全猜测，但每月可能有大约2.3千万亿个令牌。这只是开始。很快就会变得更加激烈。好吧，既然我们正在谈论这个话题，让我给你看几个统计数据，让你了解一下我们现在的情况。在2026年2月19日，Fabio Dart在explodingtopics.com上整理了这些数据。这里有一些有趣的事情。42%的ChatGPT用户年龄在25岁以下。18%是美国人。47%的社交媒体流量来自YouTube。我没想到这一点。像我这样的人会把人们引向ChatGPT。我想是的。我的意思是，我们确实谈论了很多。每天有25亿次提示。我们获得了一些早期的广告数据。所以每千次展示60美元，伙计。而且每天有25亿次提示，而且我想绝大多数人都不付费，所以至少有，你知道，几十亿次可能可以展示。这太疯狂了。我想知道有多少钱，我想我们可以计算出来。是的，我想广告收入将相当可观。如果有足够的广告商来填补所有这些提示，我就退出了。顺便说一句，我正在转向Anthropic的模型。我不是在做广告。这是一个缓慢的转变，但在接下来的几个月里。还有Gemini。我也很喜欢Gemini。实际上，64%是男性。35%是女性。个人任务，人们主要使用ChatGPT。83%。哦，但是这些百分比加起来不到100%。但谷歌搜索中也有AI模式。是的，这经常出现，因为我们正在谷歌搜索，你知道。然后直接进入Gemini，然后使用Meta AI，然后在Windows或Microsoft中，Deepseek，Claude，Grok，Claude Code，GitHub，Copilot，沿着堆栈向下。是的，你可以看到大多数人将其用于写作。然后是实用指南，寻求信息。我觉得对我来说，这稍微高一点，但我确实用它来写作。也许我不是那么实用。这个对我来说肯定更小。是的，10%的技术帮助。这似乎是正确的。多媒体，比如娱乐。把它放在背景下。ChatGPT比几乎任何东西都更快地达到了百万用户。Threads实际上超过了它，但那是唯一的。我的天哪，Threads在2023年只花了1个小时就达到了百万用户。这太疯狂了。那个东西有一段时间真的很火。我的意思是，我仍然有一个，我想，但我不太活跃。但公平地说，我并没有像我应该的那样经常使用X，因为我总是看到Wes和其他所有人工智能方面的家伙都在那里。好了，让我们来看看威尔·洛克特的观点，即SpaceX和XAI的合并是一个危险信号。好了，他的论点是，SpaceX和XAI合并的真正原因可能不是关于金钱，而是关于重力。现在，表面上的论点是，我们应该在太空中建立数据中心，而SpaceX在这方面做得很好，而XAI需要大量的服务器。这种交叉点确实有些道理，但我认为这并非全部故事。所以，如果你像我一样相信ASI，那么XAI具有巨大的长期潜力，但它现在正在损失数十亿美元。他们拥有地球上最大的数据中心建设。SpaceX可能正在考虑超过万亿美元的IPO。所以，简单的故事是SpaceX正在资助XAI。但这篇文章认为那不是真正的玩法。他认为轨道数据中心在财务上没有意义，但它们在法律上有意义。马斯克声称，太空数据中心将更便宜，拥有免费的太阳能，没有土地成本，没有建筑延误，在太空中没有官僚主义。我之前没有真正考虑过这一点，但数字很棘手。为100吉瓦的太阳能电池板发射足够多的太阳能电池板。每五年更换一次可能需要花费数万亿美元。所以，即使分析师估计每年需要高达5万亿美元来维持所有这些东西在太空中。我的意思是，成本会下降，技术，你知道，就像你滑向的冰球一样。但行业领导者表示，这个想法目前离现实还很远。那么他为什么推行它呢？因为监管机构可以搜查办公室，可以罚款公司，可以制定法律，但他们真的不能搜查轨道上的服务器。文章建议，通过合并XAI X和SpaceX并将人工智能基础设施移至太空，马斯克可以保护他的人工智能系统免受国家监管。我只是没想过这个论点。我并不完全相信这一切，但它很迷人。这不是垂直整合。这是管辖区逃离，就像逃离整个地球一样。想象一下地球上的官僚主义如此糟糕，以至于有意义的是去月球、太空和火星，只是为了摆脱它。向上。让我们看看凯特·福斯特关于人工智能军备竞赛的看法，它如何冒着人类灭绝的风险。她指出了我经常思考的一个问题，如果你看这个频道，你可能也经常思考。但以防万一它没有一直让你觉得有道理，她认为人工智能军备竞赛中最可怕的部分不是机器或力量，甚至不是它们被用于军事形式。而是制造它们的人说他们停不下来，对吧？这是竞赛条件。就像公共地悲剧一样，最终会毁了我们，这很可悲，因为这在人类历史上总是个问题，当你从一种自私的角度出发，明知对手也从一种自私的角度出发时，你就无法达成对每个人都有利的结果。所以，那些正在制造超智能人工智能的首席执行官可能想放慢速度。比如，如果达里奥·阿马代、德伊斯·哈比布斯、萨姆·奥尔特曼和埃隆·马斯克有时会坐下来说，“伙计，我希望有更多时间来考虑安全和护栏，但我不能，对吧？如果我不这样做，别人就会这样做。”所以，计算机科学家斯图尔特·罗素警告说，各国政府正让私营公司拿人类的生命玩俄罗斯轮盘赌。他认为，一些人工智能领导者认识到这些系统有一天可能会超越人类的风险，而危险不仅仅是失业或网络滥用。这些是可能失控的人工智能系统，人类文明将成为附带损害。然而，根据罗素的说法，即使首席执行官想解除武装，他们也无法独自做到。投资者会取代他们。所以，他们被困住了。公开峰会产生了一些自愿的承诺。目前看来还不够。与此同时，各国正在向耗能巨大的数据中心投入数千亿美元。仅在印度，官员们预计未来几年将有超过2000亿美元的人工智能投资。与此同时，人工智能工具已经威胁到客户服务和技术支持工作。罗素声称，这些系统是人类模仿者。如果你制造一个模仿人类思维的机器，显而易见的使用就是取代人类。所以，真正的风险不是失控的机器单独行动。而是全球竞争，没有人觉得能够踩刹车。这让我个人感到沮丧，因为我知道，在这项技术背后，是我们能够梦想的一切。比如，我真的认为20年后，如果我们齐心协力，非常小心地、非常安全地、非常专注于好处并尽量减少拥有如此强大的东西的缺点，那可能是结束，你知道，饥饿，甚至可能死亡。比如，我觉得寿命可能会得到解决。我可以看到人类想要的一切，为地球上我们想要的所有80亿、100亿、200亿人。而且它会很棒，对吧？我们只需要避免在竞争环境中做短期利益的事情，这可能会给我们带来麻烦，而是做长期正确的事情。所以希望我们能以某种方式专注于这一点。不知道怎么做。现在看不到它发生。是的，这就是我们在这件事上的进展。所以，让我们换个话题，谈谈机械工程。那个领域发生了一些有趣的人工智能事情。所以，人工智能能制造出能画出心脏的机器吗？这是怎么回事？你在这里看到的是一个新的人工智能，它正在学习设计机械装置。当被提示画出心脏的形状时，它会设计出你在这里看到的装置。然后，当建造了该设计的物理副本时，该装置在右侧描绘出了心脏的形状。所以，这就像学徒制，但对人工智能来说是在现实世界中。一个非常迷人的想法。也许设计机器更多的是观看视频，而不是数学，就像人类一样，对吧？当然，很多人认为人工智能是通过计算方程来工作的，但事实并非如此。人工智能是不同的。它学习，它适应，它使用启发式方法。它学习的现实性更接近于学徒的学习方式，而不是一个被编程来做某事的系统。所以，哥伦比亚大学的研究人员创建了超过一百万个随机机构。他们模拟了每一个，然后扔掉了不好的。剩下的约有40万个平稳工作的机器。然后，他们训练人工智能观看这些机器移动的数小时。没有蓝图，没有公式，只有运动。从中，它学会了连杆和关节如何创造形状。然后，他们给它一个简单的提示。你能做一个有心脏形状的东西吗？当然，像所有人工智能一样，它一开始并不聪明。起初，它失败了。有些设计甚至无法建造。但每次犯错时，它都会得到反馈。它在模拟中测试了那些想法。然后，当它变成现实时，它看到了什么坏了。仅仅几天后，它就准备好创造出心脏的形状了。最奇怪的部分是，当人工智能不知道该做什么时。它给出了一个模糊的设计，这真的很糟糕，因为我们谈论的是机械工程。你不能只是打印一个模糊的物体，因为真实的物体不是模糊的。而且研究人员在一段时间内无法完全理解原因，但他们将其比作人工智能正在发展一种直觉。对于那些真正从事工程工作的人来说，这会引发这样的想法，你知道，像列奥纳多·达·芬奇或某个机械师一样，你对应该建造什么有一种直觉，然后你开始以同样的方式制作和打磨它，还是你真的在建造它之前就完全可视化了那个装置的样子？你知道，我想对于人类来说，他们可能也有直觉，然后它就发生了。但现在它已经到了只能设计具有简单旋转关节的平面2D机构的地步了。但更大的转变不是复杂性。而是他们将对此进行多少次迭代。我有一种感觉，我们正在看到一些在不久的将来，机械工程师在考虑在现实世界中建造什么时可能会认真对待的东西。好了。现在让我们留在现实世界，看看人工智能如何应用于CRISPR，但变得小得多。让我们谈谈基因、DNA、CRISPR、CAS9复合物、詹妮弗·达纳，世界上一些最有趣、最有趣的事情。我们正在学习如何切割和改变我们自己的DNA，这真是太神奇了。但让我们稍微升级一下，因为有一些更新。自传播CRISPR。它是一种新工具，与旧版本相比，它的编辑效率提高了约三倍。那么，如果基因编辑器不仅仅是修复几个细胞，而是将这些细胞变成能够自行传播修复的工厂呢？所以，基因编辑有一个隐藏的问题。这是一个数字游戏。要治疗一种疾病，你不需要编辑每一个细胞，但你需要做足够多的细胞。像数十亿和数万亿这样的词确实需要用到。而目前的CRISPR工具只在它们最初进入的细胞中起作用。这意味着医生经常不得不提高剂量，这可能会引发对不需要的编辑的免疫反应。而由诺贝尔奖得主詹妮弗·达纳领导的一个团队。你应该，顺便说一句，你应该读这本书。沃尔特·艾萨克森在她写了关于埃隆·马斯克的事情之前和史蒂夫·乔布斯之后写的。就像我想起我听过的所有有声读物一样，我的Audible账户里有很多非虚构的有声读物。也许有上千本，肯定有800、700本左右。有几次我只是坐在那里思考和学习，十年前雷·库兹韦尔的书做到了这一点，詹妮弗·达纳的书也做到了。总之，回到主题。但她的团队所做的不是，他们有点颠倒了逻辑，而不是在CRISPR基因上加大力度，而是让CRISPR能够传播。他们建立了一个新系统。它被称为Nanite，它将CRISPR机械装置打包到一个病毒状的外壳中。所以，当一个被治疗的细胞制造出这个包裹时，它就会脱落，然后像病毒在你的身体里传播一样，进入附近的细胞。然后，这些新细胞开始制造并向旁边的细胞发送编辑器，然后你就开始了，对吧？就像一种半受控的涟漪效应。好吧，是什么阻止了这个东西失控？因为它在某种程度上是受控的。它不会随机或永远发生，但它在某种程度上是受控的，因为它只能从邻近的细胞传播到邻近的细胞。所以，它不能转移，也许这个词用错了，但不能脱落并进入身体的其他部位。它不像真正的病毒那样是自我维持的感染，而且它 supposed to 不会继续变异以无限期传播。而且它依赖于最初的组织递送。所以，与其用巨大的剂量轰击整个器官，不如从小处着手。第一个被编辑的细胞就像一个小的中心，从中生长。接下来，我知道你们都在等待什么。纳米激光器以及大脑如何想象世界中看不见的部分。有什么联系？网络尖峰，模仿大脑功能以想象我们无法直接感知的事物的关键原则，通过从世界内部模型中采样。好吧，也许这里有一些关于我的想象力如何运作的线索。我会，我是一个，这听起来很迷人。好吧。所以，闪烁的激光现在可以像你的大脑一样想象它们所看到的东西。例如，如果你看到一个游泳者，你只能看到头部和肩膀，对吧？也许就像在奥运会上在水上游泳什么的。但你的大脑可以填补水下的隐藏身体。你知道人体是如何工作的。你知道他们为什么那样移动。但这一切都是自动发生的，对吧？就像有人在游泳。你知道整个身体都在水下。但你的大脑不会一次性持有所有选项。它一次只采样一个可能的身体姿势。这个过程叫做贝叶斯推理。这意味着根据你看到的东西和你已经知道的东西来猜测隐藏的东西。所以，这里变得很疯狂。研究人员决定，好吧，为什么我们不制造纳米激光器来做同样的事情呢？这些微小的半导体激光器可以尖峰，你知道，像大脑中的神经元放电一样“尖峰”，但它们不是用电脉冲，而是用光闪烁。这些闪烁引导纳米激光器网络学习概率世界模型。然后，它们一次只采样一个可能性。好吧。所以，你可能见过这个著名的鸭兔幻觉。如果你以某种方式看它，你会看到一只朝右看的兔子。如果你以不同的方式看它，你会看到一只朝左看的鸭子。在微观层面，这种采样行为与神经元如何通信密切相关。新皮质中的神经元没有连续的输出。它们会发出动作电位，短的电闪烁会传播到它们的邻居，因为视觉皮层是地形组织的。尖峰神经元群可以字面地描绘出图像形状，例如游泳者水下腿部的轮廓，一次一个姿势，或者一只兔子或一只鸭子。所以，那些光闪烁就像基本上建立了一个纳米激光器网络，它可以学习概率世界模型。然后，它们一次只采样一个可能性。在测试中，系统只看到了手写数字的一部分。然后它完成了缺失的像素，没有现实的数字。当没有输入时，它基本上是自由地“梦想”数字。它只是猜测，对吧？就像我们一样，就像我们的大脑一样，就像我们的大脑工作方式一样。但我们的大脑，无论它有多快，都有电信号。它有动作电位。神经元之间有小间隙。我们有离子进出细胞。这一切都发生得相当快，但不是激光速度。这些激光尖峰，它们以皮秒运行。我的意思是，比我大脑想象的快数亿倍。比如，我需要多少个月或多少年才能有1亿次想象中的想法，而这一切都发生在同一时刻？我不知道。这只是为什么有些东西感觉更像是外星人出现，而不是人工智能像人类一样进化。好了，让我们来谈谈人工智能和进化。所以，人工智能创造了一个人造动物，随着时间的推移，它在没有任何指示的情况下发展出了功能性的视觉系统。它只是出现了。正如文章所说，最令人惊讶的是，这台计算机的眼睛的发展方式与真实生物的发展方式相同。所以，是的，事实证明进化可能比我们想象的更可预测。即使它在计算机内部。所以，瑞典的研究人员在计算机中构建了一个虚假的世界。然后，他们放入了一个简单的虚拟动物，它看不见。所以，没有眼睛的指示，没有眼睛的设计，只有生存任务。它可以四处移动。它可以避开障碍物。它可以找到食物。然后一代又一代，这个动物开始出现微小的变化。现在有很多不同版本的动物，经历着不同的进化历史。有些学会了朝向光源，随着时间的推移，简单的光敏点慢慢变成了真正的眼睛，并出现了一个功能性的眼睛。这很疯狂。眼睛似乎不是随机地以新的方式进化。它们以相同的三个方式一次又一次地进化。而且它们与我们在大自然中今天看到的方式相似。有分散的光传感器类型反应器。有相机式眼睛。还有复眼。与我们在生物世界中看到的情况非常相似。即使数字世界很简单，进化也遵循了它通常的路径。你对此有什么看法？我很想听听你是否有评论。我不知道。这是否有点奇怪，它进化得如此接近于现实世界现在的方式，而它本不必如此？这让我觉得这一切都遵循着，你知道，宇宙的某种规则或模式，我们将一遍又一遍地看到。但是的，一步一步地，那些光传感器连接到基本的大脑，他们说“大脑”，可以处理它们看到的东西。所以，眼睛开始连接到大脑，就像我们有连接到大脑的眼睛一样。没有人告诉系统建造眼睛，它自己发现了它们。这表明进化不仅仅是混乱的，而且它可能受到深层约束的指导，将生命一次又一次地推向某些解决方案。但我不知道这在简化的计算机世界中是否真实。所以，它在那里发生也很奇怪。所以，它可能对生命无处不在都适用。如果宇宙中有外星人，也许它们有眼睛，并且学会了将它们连接到大脑。无论是数字的还是生物的，似乎都不重要。好了，让我们来谈谈一些人工智能模型，它们可以阅读社交媒体语言并标记心理健康风险。David Bradley在Tech Explorer上写了这篇文章。所以，人工智能在理解人类心理健康方面发生的事情很有趣的是，人工智能实际上不需要问我们感觉如何来评估我们的心理健康。它可以只是观察我们，对吧？特别是它可以去社交媒体阅读你的写作方式。这意味着记忆差距、污名化和有限的医生接触，这些都阻碍了诊断人们，现在都消失了。研究人员正在构建跳过所有这些问卷的系统。他们研究你在网上的日常写作。该模型会查看社交媒体帖子和论坛评论。它分析情绪，这仅仅意味着情感基调，并跟踪词语选择，甚至是你写作文本中非常小的行为线索。而且情感信号不仅仅在于词语本身。还在于词语如何相互连接，以及你如何将这些词语与其他用户连接起来。心理健康分析使用的是一种叫做FASA优化。这是一种过滤掉不相关语言并只保留与痛苦相关的特征的方法，比如某些短语或情感标记。然后，它使用图神经网络，并将这些特征映射为节点到一个网络中，并研究一切如何相互作用。所以，而不是只发现一个悲伤的词或检测一个简单的模式，比如重复的情感和行为组合，当它被训练成抑醛、焦虑、压力、双相情感障碍、自杀念头和人格障碍等类别时，并将它们映射到一个图中，然后分析该图，它在特质预测方面可以达到近99%的准确率。这种精确度可以帮助筛选大群体并标记少数需要跟进的人。不是通过询问人们的感觉，而是人工智能悄悄地理解你在社交媒体上的写作方式。显然，当这个工具用于帮助有心理健康问题的人时，它是一个很好的工具。但同样，你可以想象这个工具如何被用于各种关于你在网上留下的模式的预测。而且认为没有人会将其用于广告和其他目的，那就太傻了。所以，请注意，这种技术无论好坏都存在。好了。所以，OpenAI有一个有趣的用例。他们显然在为客户构建工具，但他们也在使用自己的人工智能来观察自己的员工并追踪泄密者。所以，如果你现在在OpenAI工作，并且你一直在泄露信息，就像苹果公司泄密一样，有时人们就是找不到是谁，那么现在你在一家人工智能公司工作，他们有工具来观察你在做什么，并可能追踪到你。所以，大多数人认为ChatGPT只是一个你输入的工具。但在OpenAI内部，有一个私有版本的模型正在做一些非常不同的事情。当一篇新闻报道出来，包含秘密公司细节时，OpenAI内部的安全团队正在运行一个内部版本的ChatGPT，用于追踪泄密者。这个版本的ChatGPT可以访问公司文件、Slack消息和员工电子邮件。它扫描文章。然后，它在内部文件中搜索匹配的语言或想法。当它找到原始文件或消息时，它会显示哪些员工可以访问它。它是一个人工智能，它不仅能找到泄露的信息，还能映射出谁可能看到它，并缩小可能的泄密者名单。现在，根据The Informant的这篇帖子，目前还不清楚是否有人真的被这样抓住了，但OpenAI过去曾因涉嫌泄露信息而解雇研究人员。这家科技公司已经担心竞争对手窃取知识产权。随着对中国竞争对手获得敏感人工智能工作成果的担忧日益加剧，提高这类工具的压力更大，并更严格地追踪员工。当然，OpenAI可以担心泄露。但那是我们所有人使用的、用于理解语言的相同人工智能。而且它可以以一种不明显甚至有点反乌托邦的方式将语言追溯到其来源。所以，这很棘手，因为我可以理解一家公司有信托责任，不泄露信息，我也可以理解为什么这很重要，但如果那是一个试图，你知道，敲响警钟的人呢？你知道，就像一个需要被揭露的举报情况。我们怎么知道他们是出于正当理由使用它呢？是否有人在监控安全团队如何使用它，何时使用它，以及是否出于正当理由以诚信的方式使用它？这就是它变得非常棘手的地方。但至少我们知道这样的工具存在，并且可以工作，而且准确性会越来越高。好了，让我们再进一步，问问当一个人工智能系统开始大规模地与其他系统连接时会发生什么。所以，有点像是建立在整个概念之上，我们上周看到的关于Moltbook和Openclaw的所有戏剧性事件。让我们来谈谈人工智能分类法，因为当它们都在互联网上大规模地相互交谈时，我们需要一个操作框架来精确地进行人工智能话语。好了。所以，现在大多数最有趣的人工智能产品之所以强大，不仅仅是因为使用了单个模型。它们之所以强大，是因为它们背后的堆栈。当你花几分钟思考这一点时，你就会意识到人工智能本身并不是一个独立的事物。它是一系列不同的工作。在这篇文章中，作者Narin Jashimal将其分为六个功能类别。我们有分析型人工智能，它可以预测、分类、评分、优化。语义人工智能，它可以理解意义、查找关系、基础、上下文。生成型人工智能，它创建新内容，文本、图像、代码、媒体。代理型人工智能，它计划、推理、使用工具、执行多步工作流。感知型人工智能，其中一个更有趣的，解释感官输入，视觉、语音、文档，以及物理人工智能，将智能应用于物理执行器、空间、机器人，所有这些东西。现在，了解这些类别是好的，但即使在那之后，你还需要考虑它们与其他代理的交互方式，好吧？>>对吧？它是一个看不见的人工智能吗？它是否完全在后台运行，用户看到结果但看不到人工智能本身？它是一个辅助人工智能，为人类决策或批准提供建议或草稿吗？它是一个生成式用户界面吗，一个仅为单个用户、单个意图自我构建的界面？还是它是基于对话的、回合制的聊天或语音交互，你知道，然后还有功能层。如果它是分析型人工智能，那么它可能在评分。如果它是语义的，那么它可能在使用基础上下文、客户历史、意图、关系。可能是生成个性化消息，一些创意或代理，协调多步优化循环。基本上，一些人工智能决定，一些理解，一些创造，一些行动，一些感知，一些移动。而真正的人工智能优势不在于任何一个类别。它在于你和其他人如何决定将它们结合起来以达到自己的目的。所以，如果有人说他们在使用人工智能，你应该问一个更深入的问题。你们是如何组合这些人工智能的？你们是否构建了一个决定性的系统？它会记住吗？它会创造吗？它会行动吗？它会一起做所有这些事情，就像某种管弦乐队一样来解决问题吗？因为当我们进入人工智能的未来时，力量将不在于模型本身。它将在于编排。所以，我认为我们应该开始进行这种对话。请记住，如果你在互联网上看到那个视频，那不是真正的Atlas。那是人工智能生成的Atlas。机器人现在还做不到。还做不到。