blog
各种红色的多肉-第一百一十四期
趁着假期去逛了花卉市场，看到各种各样的植物很治愈，而且这个花卉市场还有飞虫走兽，好多小朋友喜欢小鸟呀，大城市里养小鸟，一看就是会飞走，哈哈哈
技术类分享
Transformer 架构的工作原理
https://poloclub.github.io/transformer-explainer/
这是一个交互式可视化工具，用于直观解释 Transformer 架构的工作原理。基于 GPT-2（small，1.24 亿参数）模型，详细展示了文本生成 Transformer 的三大核心组件：Embedding（将文本分词并转为向量表示）、Transformer Block（包含自注意力机制和 MLP 层）、以及输出概率层。用户可以在网页上实时观察 token 如何经过各层处理，是学习 Transformer 原理的优质教育资源。
AI的三种机制
https://w4g1.dev/blog/models-are-getting-dumber-on-purpose
AI 为什么能够回答我们的提问，它怎么会知道答案？
你可以找到很多这方面的论文和书籍，详细解释大模型的运作，通常非常难懂。但是，对于非专业人士，只要简单知道 AI 的三个机制，就可以了。
（1）参数机制
在宏观层面，所有大模型都是对人类知识的建模。它建立了一个数学模型，用来描述所有的人类知识。
怎么描述呢？它使用的是一种参数机制，将知识分解成一个个”词元”（token），然后计算所有词元之间的数学关系。这个过程称为”训练”。
这种数学关系使用无数个参数来表示。举例来说，大模型 GLM 5.3 有7440亿个参数，这些参数用来构建所有词元之间的关系（也就是权重）。所谓”训练”，其实就是找出这个7440亿个权重，描述人类知识的构成，也就是所有词元之间的关联。
一旦训练完成，我们向大模型提问时，它就会根据这些权重，找出最可能的词元，从而生成符合概率的答案。
所以，大模型本质上是一种”压缩-生成”机制，将人类知识抽象在无数参数之中，后期再生成出来。
（2）推理机制
不难理解，参数越多，模型的效果越好。因为更多的参数意味着，可以更精确地描述各种知识，从而可以更准确地将其还原出来。
但是，一方面，参数不可能无限增加，训练和使用成本将直线上升，使用时的运算时间也会变长。
另一方面，也没有必要包含所有的知识，很多知识不需要包含在参数之中，完全可以通过逻辑推理获得。
举例来说，只需要知道某个城市的人口出生率和死亡率，就马上知道了人口的净增长率。这不需要记忆，可以通过推理得到。
大模型就依靠推理机制，根据参数包含的知识，从逻辑规则出发，推断出那些它没有包含的知识。
（3）联网机制
不管模型有再多的参数、再强的推理，它不可能包含所有的知识，总有一些问题它回答不了。
比如，你问大模型，今天股票的收盘指数是多少，它就回答不了。参数里面不包含这个知识，也无法推理得到。
这时，模型就要依靠 Agent 或应用框架提供的联网机制，自动去互联网搜索那些它不知道的知识。
（4）总结
正是有了以上三种机制，AI 才能正确回答我们的问题。
首先，参数机制提供了大模型的基本知识；其次，推理机制产生通过推理得到的知识；最后，联网机制用来获取前两种机制都无法得到的知识。
动荡的人工智能时代已经到来
比尔盖茨本周发表了一篇文章，提出 AI 有风险，应该减缓发展速度。
但是，他在20023年发表过一篇完全相反的文章《AI 的风险是可控的》。
到底为什么，三年的时间，改变了他的观点。不过，不管他怎么想，AI 的发展只可能加速，不可能慢下来。
非技术类分享
AI挤占了一切空间
https://news.ycombinator.com/item?id=49340340
当前 AI 热潮的一大问题是，它挤占了所有其他讨论的空间。
大家以前都在讨论编程语言、协议、算法、架构…现在这些话题都去哪儿了？我们甚至都不确定它们是否还有意义。
事实上，大家可能在心里怀疑它们已经不是那么有用了，所以才懒得去讨论。
AI 似乎把所有其他成就的价值都贬低了。如果我在工作中有什么想法，这些想法现在都会因为 AI 而得不到应有的认可。
即使你的想法可能真的不错，但我们已经被 AI 生成的想法淹没了。每次你向 AI 提问，它都会告诉你几十个可以改进的地方。谁又能说哪个才真正重要呢？这些想法真的还有意义吗？为什么别人要在意那些轻而易举就能得到的东西呢？
公开演讲的窍门
https://blog.guillheu.dev/articles/first-time-speaker/
（1）成功的演讲，内容只占30%，表演技巧占70%。
你要知道，演讲是一场秀，你要充分利用语气、动作、表情、手势等等，去吸引听众的注意力，内容其实不是决定性的。
（2）提前做好充分准备。
演讲稿、幻灯片、笑话、语调、节奏，所有细节最好都反复练习过。你无法预知上台时会发生什么，反复练习能让你沿着预设的轨道，顺利进行下去。
（3）如果涉及具体技术细节，你最好多讲”为什么”（why），让听众明白为什么应该关注这些。
至于”如何做”，略微讲一讲大致思路和一般概念即可，具体操作和实现可以全部跳过，因为没人想听你背诵文档。
（4）紧张是正常的。
但是，如果你做了充分准备，把稿子背得滚瓜烂熟，上台后一旦进入状态，你很快就会把紧张忘记。
（5）不管讲得好与坏，你一定要自信。如果你自己都对所讲的内容有迟疑，就很难让听众信服。
公开演讲的成功者，都是自信的人，而不是能力强的人。很多槽糕的管理者和骗子，都发表过成功的演讲，这说明内容绝非登上讲台的必要条件。
（6）只要你渴望谈论某个话题，你就绝对有登上讲台的条件。
奇怪的谷歌搜索
https://sancho.bearblog.dev/google-weird/
搜索的本质是找到历史相关的记录，确实不需要ai进行总结或者分析，然后还将ai的分析放于最上方，这个设计有点不如人意，希望Google很快能进行修正。