如何应对数据中心困境

88小时抵一个人思考4000年！OpenAI核心研究员：除了自我进化，更可怕的是AI正学会“隐藏自己”

AI正在把过去需要数千年完成的认知劳动压缩到数天。真正的问题已经不只是模型能否变得更聪明，而是实验能否跟上、人类能否在模型继续自我改进前确认它仍然安全。 近日，在Dwarkesh Podcast的一场长篇访谈中，主持人Dwarkesh Patel与OpenAI研究员Noam Brown围绕多智能体、递归式自我改进（RSI）和AI对齐展开讨论。访谈的直接背景，是OpenAI让约1万个AI智能体连续运

我们的AI问题

十年前,当Facebook和Uber处于鼎盛时期,硅谷的走廊上刻着两句大言不闻的口号:“快速行动,打破一切”和“寻求宽恕,而非许可”。这些原则并没有经得起时间的考验,这些公司也仍未获得原谅,因为他们似乎打破了许多事情。随着行业重心转移到AI领域,出现了一种更加平易近人的新口号:“你可以只做事情”。像OpenAI和Anthropic这样的前沿实验室的业务是出售个人能动性。ChatGPT和Claude

如何阻止Meta使用你的Muse数据进行训练

Meta的Muse AI助手正在科技界引起广泛关注。由于许多人都在使用这款热门的AI助手，因此用户可以轻松地选择不让自己的数据被用于改进Meta的AI模型。具体操作方法如下：点击侧边栏底部的按钮，再点击“设置”（Settings），然后进入“数据控制”（Data Controls）选项，最后将“帮助改进我们的AI模型”（Help improve our AI models）这个选项的开关关闭即可。

人工智能时代的四种驱动力与大分化

使用AI，与拥有可被AI放大的知识、声誉、客户关系和数据，前者可以抬高所有人的下限，后者才决定谁能持续分享规模化所创造的收益。 人们寄望AI的发展能够普惠各层级的能力。事实上，AI一方面正在让普通能力趋同，另一方面正在拔高卓越能力的上限。能力的下限正在抬升，而能力的上限却正在消失。 四种驱动力正在加速这一转变。首先，AI造成的大压缩效应改变了培训基本胜任水平的成本。其次，一些任务的大分拆改变了不少

AI时代，不再被需要的年轻人和替他们干活的“中登”

2023年初，大模型问世，至今为止三年有余。三年多来，大模型到底会带来什么，已然有极多讨论。包括但不限于以下话题——是创造机会还是替代就业？是如虎添翼还是技能平权？利好年轻人还是利好中老登？但是，在今天，我们更需要知道，大模型实际带来了什么？ 今天，使用7.4亿条截至2026年8月的招聘数据，我们发现了几个在现实世界中已经出现的重要变化。 1.能够通过使用大模型在单位时间内完成更多任务的岗位，确实

北大、复旦校长，接连发出警告

这一开学季，北大、复旦等多所高校的校长提醒新生警惕对AI的过度依赖，避免“认知卸载”和“虚假掌握”，增加貌似学懂的假象。今年8月，远在大洋彼岸的麻省理工学院发布了一份评估AI在该校使用情况的报告，认为“许多AI使用方式正在剥夺学生学习的机会”。提醒固然必要，但接下来该回答的是：如果课堂、作业和考核仍旧照常运转，能挡住“思维外包”吗？大学不能一边拥抱AI，一边把学习是否真正发生的责任，全部推给学生。

人工智能削弱我们思维的另一种方式

突然间，这项技术正以一种新的方式削弱人们的注意力，而仅仅拒绝使用人工智能并不能解决这个问题。 人工智能侵蚀我们注意力的倾向早已显而易见。让人工智能承担思考的重担，会使我们维持脑力劳动的能力逐渐萎缩。在我教过的本科生身上，我时常见到这种现象。我对他们的建议是：拥抱费力思考，让我们的认知肌肉保持活跃。但突然间，人工智能开始以一种新的方式消耗人们的注意力，这种方式似乎更难应对。 在过去一周里，无论是浏览

Coworker.ai推出OM2，一个组织记忆层，宣称可将企业AI的token消耗削减9倍

每当典型的企业AI代理启动以回答内部问题时，它都会带着严重的失忆症醒来。 为了让AI发挥作用，企业被迫进行昂贵且重复的抓取——扫描数千份文档、Slack线程和CRM条目，并将它们强行塞入提示窗口以提供上下文。这是一种蛮力[...]