Complex Simon

@hokokun
107 Followers
47 Following
629 Posts
见习轻小说作家,欢迎任何批评意见
频道 严肃轻小说 https://t.me/hoko_place
blog: maopaoa.github.io/

Shonen Jump publisher disqualifies AI-generated manga after it ranked no. 1 in rookie contest ranking

https://automaton-media.com/en/news/shonen-jump-publisher-disqualifies-ai-generated-manga-after-it-ranked-no-1-in-rookie-contest-ranking/

Shonen Jump publisher disqualifies AI-generated manga after it ranked no. 1 in rookie contest ranking  - AUTOMATON WEST

After rising to the top of a monthly popularity vote, an AI-generated manga has been disqualified by Shueisha.

AUTOMATON WEST

“萨丕尔—沃尔夫假说有两种形式。其强版本(即“语言决定论”)认为,一个人所使用的语言决定了他能够产生何种思想。这个观点在当代语言学中早已不再流行——多数语言学家更倾向于接受其弱版本——但在一种真正可控、并且能够直接检视内部表征的系统中,它其实从未被以经验方式严格证伪过。

大型语言模型恰恰提供了这样一种可控系统。而答案也颇为醒目:在模型中那些真正发生推理的层里,其内部表征的组织方式并不是以语言为基础的。占主导地位的是内容本身。语言身份与语义身份之间,几乎彼此正交。”

https://dnhkng.github.io/posts/universal/

Do LLMs Break the Sapir-Whorf Hypothesis?

ML, Biotech, Hardware, and Coordination Problems. Sometimes I write about hard problems and how to solve them.

David Noel Ng
哦卖完了
https://ukiyoe-takei.com/items/675bbe4f758861044a75bacf 这种浮世绘都不要钱的吗?(快递费1500日元)
右田年英(悟斎)「名誉十八番 紅葉狩」明治31年【浮世絵】

【絵師】右田年英 Migita Toshihide 【題名】名誉十八番 紅葉狩 【時代】明治32年(1899) 【技法】木版 【状態】2枚続貼り・裏打ち 【サイズ】約335mm×477mm 商品番号 2411-21

右田年英(悟斎)「名誉十八番 紅葉狩」明治31年【浮世絵】
歌川芳艶「川中島大合戦組討尽 山県三郎兵衛 渡邊越中守」安政4年【浮世絵】
字节为了训练模型居然雇了一个团的艺术家打标...
gpt 现在是咋了,做这种图十几分钟给了个空白,claude秒出

认知的提升会让绝大部分人的观点对你而言变得只是噪音。不是因为别人愚蠢,而是因为他们的表达对你已经不再构成有效梯度。能真正推动你修正自己的内容,会越来越稀疏,越来越昂贵。认知提升也变得越来越困难。你必须变成一个工程师,自己去设计采样机制,为自己制造高质量的误差。你需要去找那些和你认知相近、但目标函数不同的人;去读那些你看得懂、却本能抗拒的书;去看失败案例和反常样本,识别错误似乎总是比记忆正确更能为泛化性留足空间,不过这个猜想跟AI现状正好相反。

这也是为什么芒格和巴菲特总是强调跨领域阅读。表面上看是一种对“思维舒适圈”的逃离;其实是在主动破坏局部最优里的平滑性。人的认知也需要一直成长,这种成长远比专业领域更为困难和无聊,跨领域不是为了浪漫地“博学”(虽然很多人就是为了这样),而是为了把自己扔进陌生结构中,再次暴露出认知的摩擦、迟钝与盲区。一个领域里的成熟,常常会在另一个领域里重新变得笨拙;这种笨拙,恰恰珍贵,因为它说明你又重新获得了梯度。

能帮助人改善认知的信号会随着你的成长而越发稀疏。现实世界的天然梯度在衰减,而专业系统又并不自动通向更高的智慧。另一种取巧式的方法便是主动接触错误。童年的成长更多依赖正样本,成年人越来越需要借助负样本来校正边界。并不是所有错误都有价值。错得太明显,只会强化你的自满;半对半错的东西混沌、低效,污染注意力。有价值的错误因人而异,往往极其刁钻:它在局部上像对的,甚至带着经验、修辞与洞察,能短暂地撬动你的信念,却又在更深的层面埋着错误的因果、抽象方式与权重配比。这样的错最难识别,也最值得学习,它逼你检查自己的模型,而不是给你一个轻松的胜利。

人懵懂时对世界的拟合很差,几乎任何东西都能成为学习的材料。远房亲戚寒暄时的语气,黄昏里光的散射,狗舌头粗糙而潮湿的质感,上课时老师拿粉笔敲击黑板时的乐感,都会改变你的神经元。那时神经的模型还很粗糙,世界的一切细节都带着改变你的梯度。这个拟合不断完善的过程是成长的一部分。你的神经元在反复的刺激中逐渐收敛,简单重复的素材越来越难以干涉既有结构,世界不再像童年时处处发光,生活只是被快速识别、解释、存储,思维不受影响。

或许这也是为什么,成年人最终总会“被迫”走向专业。不是因为专业知识本身更“难/有挑战性”,而是因为认知模式的空间过于广袤、平坦,几个相邻的局部最优之间差异有限,长大的你很难从中继续获得童年般强烈的反馈。相比之下,专业领域像是域外险峻,有更明确的目标函数,更细密的评价体系,更稳定的正反馈来源。人在其中能重新获得童年般的刺激,体验神经层面“进步”的快感。这种专业的快感是可以与整体世界观解耦的。一个人可以在局部知识系统里越来越锋利,却在现实的理解与德性的认知上没有同步成长。对工作中的纳粹科学家而言,孩提时帮母亲洗碗的经历在神经层面留下的刻印都会比执行大屠杀本身要更深。