善于总结、不断反思做更好的自己 认知系列1:认知是什么 认知系列2:认知半径 认知系列3: 说说我们研发的认知思维方式 一、认知半径 美国气象学家J·马歇尔·谢博德(J. Marshall Shepherd)就在TED的舞台上,提出一个“认知半径”原理,把人的认知范围比作一个圆圈,认知半径越大,人的认知范围也就越广,也就是对事物的认识更清晰,掌握事物的本质更深入。 误区三:认知失调 二、认知半径,决定了一个人能力的大小 认知半径,决定了一个人能力的大小。 那么,应该如何扩大自己的认知半径? 2、评估信息来源 每一次从外界接受到一个信息,不要先急着认同这个信息,而是先问一下自己,这个信息从何而来的?这些信息的来源,到底有没有权威性? 对应的是“认知半径” 那在外面呢?
一、认知半 美国气象学家J·马歇尔·谢博德(J. Marshall Shepherd)就在TED的舞台上,提出一个“认知半径”原理,把人的认知范围比作一个圆圈,认知半径越大,人的认知范围也就越广,也就是对事物的认识更清晰,掌握事物的本质更深入。 误区三:认知失调 二、认知半径,决定了一个人能力的大小 认知半径,决定了一个人能力的大小。 那么,应该如何扩大自己的认知半径? 2、评估信息来源 每一次从外界接受到一个信息,不要先急着认同这个信息,而是先问一下自己,这个信息从何而来的?这些信息的来源,到底有没有权威性? 对应的是“认知半径” 那在外面呢?
善于总结、不断反思做更好的自己 认知系列1:认知是什么 认知系列2:认知半径 认知系列3: 说说我们研发的认知思维方式 认知是近几年很火的一个词汇,特别是罗振宇们的贩卖焦虑后,认知升级频繁被各种鸡汤提到 一、认知是什么:信息加工的工程 百度名词解释是这样说: 认知指通过思维活动(如形成概念、知觉、判断或想象)获取知识。习惯上将认知与情感、意志相对应。认知是个体认识客观世界的信息加工活动。 2、信息:是以有意义的形式加以排列和处理的数据(有意义的数据) 3、知识:当人们有了大量的信息的时候,我们对信息再进行总结归纳,将其体系化,就形成了知识,写在了书本上。 三、知识和认知的区别 1、知识是别人的,认知是自己的。 2、知识都是语言文字,认知还有形象体验。 3、知识不能转化为认知,知识就无效。认知不能形成为体系,行为就混乱。 知识只是认知形成的工具:只是事实的语言文字表述方式,不要误以为知识就是认知。
通过分析包括进化算法、物质智能、稳态调节和多尺度整合在内的趋同路径,我们提出了一项旨在弥合这一进化鸿沟的研究计划。 最后,我们提出了一条弥合这一演化鸿沟的路径(Witkowski et al., 2023 ; Seth, 2021),即提出“自创生认知”(aitiopoietic cognition)——源自希腊语“ 我们在表 2中总结了我们的讨论。 4.2 物质体现和因果推理的改进 在自组织系统中,因果推理能力的提升源于对日益复杂目标的物理具象化。 ., 2009);(2)用于表征起源生成的测量框架——通过协调物质和信息处理之间的相互作用来操作化目标导向性。 7 结论 人工智能的未来或许在于那些既非完全机器也非完全生命体,而是通过新型的具身化、自我维持的认知形式来弥合进化鸿沟的系统。基于此,我们建议开展一项旨在实现“自创生认知”的研究计划。
昨天刚好有个朋友在微信问了我一个问题,他说随着AI、人工智能和GPT的出现,究竟是拉平了大部分人的认知差距,还是进一步加剧了认知的鸿沟? 我思考了一下这个问题,最终的结论就是AI、人工智能的出现,不仅仅是加剧了大家的认知的鸿沟,同时也进一步加剧了整个阶层的割裂。
原作 David Kelnar MMC投资研究中心老大 Root 编译自 MMC Venture 量子位 出品 | 公众号 QbitAI AI技术今年所获得媒体、资本极度的关注,短时间内已经给民众带来认知上剧烈的冲击 其中有三个点最值得关注: 1)AI技术需求方对AI依然存在认知鸿沟,在不了解技术本质的情况下,没办法结合自己行业的关键问题找到见效的解决方案; 2)不同行业加码AI技术之后,会产生什么样新的商业模式,对社会产生什么积极的作用 1.填补AI技术方面的认知鸿沟 2016年1月的时候,人工智能都没能进入市场研究机构Gartner的前100关注词名单,到2017年5月就跃到第七了。 不过,现在大家需要做的功课是想办法弥补自己的认知差距。 已经意识到AI的重要性的企业家们,很焦虑地想解锁AI技术的价值,并快速把AI技术大面积地铺开来。 2.AI会产生哪些深远的影响 AI的影响主要是四个方面: 1)新的产品和服务; 2)业务上会有更高的效率和更好的表现; 3)极快缩短生产周期; 4)突破人手限制,大大降低规模扩大的成本。 ?
许多团队将智能问数简化为“NL2SQL”的技术挑战。但企业真正需要的,远不止于此。其核心目标是解决长期存在的“数据语义鸿沟”。什么是“数据语义鸿沟”?在理想模型中,业务语言与数据语言应该是一一对应的。 这条鸿沟体现在三个层面:语义割裂:同一个业务术语,在不同部门、不同系统中有不同的定义。销售部的“GMV”可能包含所有已支付订单,而财务部的“GMV”则必须剔除退款和内部测试订单。 它的目标是重建企业的数据认知体系,实现:认知标准化:让全组织对“什么是 GMV ”等核心指标达成唯一、可执行的统一理解。 2. 那些能够率先构建起完善数据认知体系的企业,将在数据驱动的竞争中占据显著优势。
Embodied Cognition and Radical Embodied Cognition(2) 具身认知与激进具身认知 https://uberty.org/wp-content/uploads RECS 解释: 借用Tuller等人的势场模型(V(x)=x4/4+kx2/2),以: 集体变量 V(x):表征系统稳定性; 控制参数 k=f(当前棍长,前次棍长,前次反应) → 成功预测并解释: ✓ 2 身体认知与激进的身体认知 我刚刚提到,从哲学上反对科学方法是从未令人信服的。因此,与大多数哲学作品不同,我不会在这本书中论证为激进的身体认知科学腾出空间。 激进具身认知,主张2:具身认知应通过某一特定工具集 T加以解释,该工具集包含动力系统理论等。 因此,剩下来需要关注的是主张2与主张3。这两项主张共同构成了激进具身认知科学(radical embodied cognitive science)——即关于激进具身认知的科学。
【python-布尔类型】 bool 布尔类型,值有2个: True False 使用场景: 1.做判断条件 2.类型转换,转换规则 bool(xx) 转换结果为False的:0 、"" 。 2.=表示赋值;==表示判断是否相等。 list_data = [0, 1, 2, 3, 4] list_data = ["北京", "上海", "广州", "深圳"] range_data = range(5) # [0, 1, 2, 3, 4] range_data2 = range(1, 6) # [1, 2, 3, 4, 5] 3.range(m,n):前取后不取 range(m,n,step):前取后不取,step:表示步长。 range(1, 6, 2)表示:[1, 3, 5]
善于总结、不断反思做更好的自己 认知系列1:认知是什么 认知系列2:认知半径 认知系列3: 说说我们研发的认知思维方式 同一个世界,同一个问题,每个人站到的角度不一样,看到的东西不一样,得出的结论不一样 2、线性思维(主管)管理一个团队。 3、面状思维(总监)能够同时带领多条业务线或者多个团队共同协作的时候 4、立体思维(CTO/老板)把握整体,考虑商业模式,如何赚钱。 环境 除了自身以外的人,事,物,时间,地点,等一切外界事物 2. 行为 在环境中我们所做的行动:在上面的情况下,我有没有采取具体的行动,有没有具体的计划?第一步做什么? 3. 2.初级工程师能查找自身问题的行动派: : “这事我要学。” 首先从自身查找问题原因,然后立即制订并实施解决问题的办法 3.中级/高级工程师彻底解决问题的能力派。:"这事我来做!",“这事我搞定!”
就在本月,随着JEPA 2论文的发布,它出色的效果总算为杨立昆扳回了一局。 因此,他们设计了一个工具,可以作为“认知效率计分器”去衡量不同智能间的认知效率。这个计分器的任务是评估任何一个智能系统(无论是人类大脑还是AI)在组织信息时的“工作质量”。 而人类的认知数据,则得到了显著更高的L分数,在这个纯粹的统计效率竞赛中“惨败”。 在详尽地剖析了这项研究所揭示的人机智能之间的深刻鸿沟之后,一个不可避免的问题浮现在我们面前:这是否意味着当前以GPT系列为代表的大型语言模型,其技术路线已被宣判“死刑”?答案或许是否定的。 它的整个设计,更可能实现人类认知所拥有的那一整套“更广泛的功能性需求”。最后一条路径,就是杨立昆自己的世界模型之路。
善于总结、不断反思做更好的自己 认知系列1:认知是什么 认知系列2:认知半径 认知系列3: 说说我们研发的认知思维方式 在互联网混迹了11年,我已经坚持写技术博客有十多年。 我想如果每个人都有自己对这三个问题有足够的认知,就能清楚: 我为什么是现在的我? 我现在之所以要过这种生活而不是那种生活? 我之所以会这么想而不会那么想? 我思考良久,我觉得最本质就是原生家庭。 作为一个从农村出来的孩子,自己觉得做得已经很不错了,北京有个绿卡和落脚的地方,但原生家庭的束缚依然没有突破,想跨越这巨大的鸿沟,走向更大的人生格局,只能不断的提升自己: 第一, 不断地读书和学习,持续精进 如果没有足够的认知水平,思维没有跟上,即使中了彩票几千万,也有可能很快就败光,更别提什么财富增值的可能。 第二,不断地经历和上进 读万卷书不如行万里路,行万里路不如阅人无数。 2、白领人的圈子(安全、社交需要),谈的是国事,赚的是薪酬,图的是前途。 3、生意人的圈子(尊重),谈的是项目,赚的是利润,图的是面子。
【新智元导读】环球时报刊登了新智元创始人杨静的评论文章《人工智能鸿沟或将割裂世界》。 文章指出,人工智能技术不仅将颠覆世界经济、军事、政治的既有格局,也会在智能化国家与非智能化国家之间拉开越来越难以追赶的鸿沟,特别值得引起战略全局关注。 今天,环球时报刊登了新智元创始人杨静的评论文章《人工智能鸿沟或将割裂世界》。 人工智能技术不仅将颠覆世界经济、军事、政治的既有格局,也会在智能化国家与非智能化国家之间拉开越来越难以追赶的鸿沟,特别值得引起战略全局关注。 互联网+时代所造成的信息鸿沟,可能将急剧裂变为人工智能+时代的AI鸿沟,结果可能不仅是隔绝的大陆,而是几个技术天堂和大面积充斥“无用阶层”的地狱。
作为一名在音视频领域摸爬滚打多年的老兵,见证了行业的不断发展与变化,其中感触最深的是随着基础的不断改善,很多以前不可逾越的鸿沟都已经变成了坦途,张光说到。 其中让我感触最深的就是随着基础的不断改善,很多以前不可逾越的鸿沟都已经变成了坦途。
图2D展示了主动推理智能体在驾驶任务中所经历的认知冲突程度 。 模拟 2 的结果 在此部分,我们使用带有(简单)元认知控制 的主动推理模型来模拟驾驶任务。模拟结果如图4所示。 模拟 2 的总结 总之,模拟2表明,在出现认知冲突时,通过启用认知控制来提高精度 γ ,是一种克服强习惯的有效策略。 因此,模拟2中的模型有助于解释认知控制是如何被启用的 ,但无法说明何时 以及在多大程度上 启用认知控制。 为了简化起见,我们在这里假设这是一个单位矩阵 (identity matrix),即当元认知层级控制器所选择的动作分别是“自身动作为1”、“自身动作为2”和“自身动作为3”时,对应的模型 M1、M2 和
2个标准差之间占95.4%。3个标准差之间占99.8%。 2)鸿沟理论 说回《跨越鸿沟》这本书。 图2 技术采用-目标客户正态分布图 我看到目前很多SaaS公司都在这个鸿沟里爬不起来,月度业绩迟迟不能突破500万元或1000万元的关口,年度业绩增速从200%放缓到20%......要知道很多美国SaaS 如果在销售业绩减速的大背景下,频繁出现以上现象中的2~3个,就可以基本判断我们面前出现了一道“鸿沟”。 应对鸿沟 那么,如何应对这样的鸿沟呢? 大家回想一下,按照我提出的“SaaS创业路线图”,其实在第2个阶段创业公司已经“验证”过产品符合客户需求,也验证过销售打法的有效性。那么问题出在哪里? 这时候很多公司的销售布局大概是这样的:除了总部,也在一线城市有2~3个分支机构。一般情况下,总部所在城市的市场经营时间最长、渗透率也最高。如果这里出现了“鸿沟”问题,其他区域将来也会遇到。
游戏开发成本认知鸿沟:从民间臆测到3A现实的残酷距离-优雅草卓伊凡一、民间估价与行业现实的荒诞对比1.1 网络问答中的”欢乐”估价当卓伊凡在论坛上看到”开发《塞尔达传说:王国之泪》这样的小游戏要多少钱” /网络基础设施10%多平台在线服务支持二、任天堂顶级IP的真实研发图谱2.1 《塞尔达传说:王国之泪》的代价作为游戏工业的巅峰之作,《王国之泪》的开发绝非”小游戏”三个字可以概括:时间维度:前期策划:2年 三、认知偏差的根源剖析3.1 外行常见的六大误解通过对数百名非从业者的访谈,卓伊凡总结出游戏成本认知的典型误区:技术低估:认为”Unity免费版就能做”不了解物理引擎、AI行为树等专业模块人力误判:混淆 ”程序员”与”游戏开发者”不知道需要技术美术、关卡策划等特殊岗位时间错觉:觉得”有创意就能快速实现”不理解3年开发周期中2年都在打磨细节内容无知:认为”素材网上都能下载”不清楚原创美术资源的生产成本质量混淆 demo申请Epic MegaGrants等资助商业实践期(5年+):先做AA级产品验证全流程逐步扩充团队规模6.3 给爱好者的认知升级普通玩家可以通过以下方式建立正确认知:开发纪录片:观看《塞尔达传说
平时有自己私下特别留意了关于赚钱和找机会创业这方面的信息,也付费进入到一些感兴趣的垂直社区看了很多别人的经验。有一点感慨。随便写写。不感兴趣的右上角叉掉。
IBM DSE 风险控制加速器中的认知技术使我们能够构建风险控制、推荐以自然语言表述的风险控制、识别控制中的重叠以及分析控制的质量。 该加速器提供了一个认知控制分析应用程序,该应用程序集成了已开发的模型并将其应用于非结构化风险控制内容。 使用 IBM Cloud Pak for Data 实施认知风险控制 从逻辑上讲,认知风险控制加速器包含几个组件: 第一个是所谓的认知助手——它是一个应用 ML 模型来促进内容处理的应用程序,例如,通过识别风险控制优先级 作为产品化的一部分,认知助理成为企业信息系统的一部分。 结论 本文介绍了机器学习在当代商业中不断增长的应用领域之一——认知风险控制。访问我们的加速器目录,了解有关认知控制加速器的更多信息。
互联互通的进步加大了数字鸿沟,使许多中低收入美国人面临进一步被抛弃的风险。 随着智慧城市的实现,农村和城市市场之间在互联生活方面的数据鸿沟可能会进一步扩大。 然而,经过仔细考虑,物联网市场可以促使所有人口统计方法的成熟,并且可能缓和今天由连接差距而恶化的损害。 智能城市的崛起可能是数据鸿沟中物联网最令人担忧的威胁。农村居民缺乏城市居民好的资源,包括LinkNYC等早期项目。纽约将现有的电信基础设施转换为无线便利设施(即用Wi-Fi集线器代替付费电话)。 Loon项目为物联网跨越数据鸿沟提供了一个充满希望的例子。该系列产品的部署是为了帮助波多黎各实现网络连通。因为波多黎各的所有连接都被一系列的自然灾害所破坏。 消费者对小蜂窝的消费也有助于缓和日益扩大的数据鸿沟。Spint公司最近发布了一个经济实惠的全无限小型蜂窝数据产品,“Magic Box”。