Ben Affleck:从卷积神经网络到 Transformer 的电影特效工作流
Ben Affleck 在 2026 年 10 月 7 日的一次发言中表示,自己从胶片转向数字时代起就对视觉特效产生兴趣,并因此会写一些 Python 脚本。他提到视觉特效工作流多年来已包含机器学习,早期用卷积神经网络对 tensor 做边缘检测和特征提取,从而更方便地抠出绿幕画面并替换背景。他把卷积神经网络称为 Transformer 的前身,后者能同时进行更多计算。
Ben Affleck 在 2026 年 10 月 7 日的一次发言中表示,自己从胶片转向数字时代起就对视觉特效产生兴趣,并因此会写一些 Python 脚本。他提到视觉特效工作流多年来已包含机器学习,早期用卷积神经网络对 tensor 做边缘检测和特征提取,从而更方便地抠出绿幕画面并替换背景。他把卷积神经网络称为 Transformer 的前身,后者能同时进行更多计算。
Tony Fadell 在 MIT Future Fest 上指出,Rabbit R1、Humane AI pin、Limitless pendant 等首波 AI 硬件失败的原因是没解决任何真实需求,只是极客觉得有趣的技术。
Michael Lynch 撰文列举软件博客写作的常见反模式,包括冗长开场、误判读者已有知识、假设读者读过旧文、过度正式,以及用链接代替术语解释。他强调要用自己的声音写作,认为许多开发者把写作交给 AI 后,软件博客正变得千篇一律,读者渴望有个人风格的内容。
Jake Boggan 在 Hacker News 评论 openai/math 相关帖子时表示,自己曾为 Barnette 猜想投入 24 年、数千小时,去年夏天还一度以为解决了它,如今该猜想据称已被证明(problem 180)。他说听到消息后有种遥远的悲伤,像得知前女友突然车祸去世,并猜测今晚很多人会有类似的复杂情绪。
微软发布了诺贝尔经济学奖得主 Daron Acemoglu 对 AI 的悲观预测:AI 将在十年内拉动 GDP 增长约 1.5%,最多替代 5% 的工作岗位,远低于部分 AI 实验室的预期。他认为瓶颈在于人性——企业需要重新分配任务、提升员工技能并重组流程,这一过程可能比电气化耗时更长,更大的模型无法解决这一问题。他还指出,能延伸人类技能的 AI 在生产力上会胜过完全自动化。
微软研究院合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中与首席应用科学家 Chad Atalla 对谈,讨论评测如何推动 AI 系统性能边界、以及模型在传统 benchmark 之外测试时出现的「意外失败」。她分享了使用当前 AI 系统的实用建议,并强调当结果与预期不符时应仔细审视数据。
过去一年,OpenAI、Anthropic 等实验室宣布在多个长期未解的数学问题上取得突破,部分进展超出研究者对现有系统能力的预期,其中包括解决一个著名的千禧年大奖难题。这些成果本应受到赞誉,却引发学界反弹,AI 实验室表示正在从早前的失误中吸取教训,这些承诺能否兑现尚待观察。文章汇总了 AI 介入数学领域的最新动态。
OpenAI CEO Sam Altman 在 Politico 的 Decoded 播客中表示,AI 的好处足够大,世界应当接受黑客攻击、诈骗等“一些坏事”作为代价,并称这是 OpenAI 与 Anthropic 的关键区别。
加州民主党参议员 Adam Schiff 在 Decoder 播客中批评特朗普政府让 AI CEO 在白宫签署不具约束力的安全承诺,认为这无法应对 AI 带来的最高级别国家安全风险。他支持设立新的 AI 监管机构,并提到 Anthropic 因拒绝将 AI 用于国内大规模监控和全自主武器系统而遭政府打压。
企业 AI 的竞争前沿已从预测转向自主决策,核心问题变成如何让预测系统在不偏离业务意图的前提下自行采取行动。深度学习与生成式 AI 驱动的智能分析支持实时训练,使 AI 持续演进而无需等待季度刷新;其依赖的数据也从规整的数值记录扩展到非结构化来源。Everest Group 合伙人 Vishal Gupta 称,企业已不再满足于回望式视角,而「analytics」一词正让位于 AI。
《Our minds aren't equipped to handle AI》一文认为,AI 如同精神层面的垃圾食品:当下诱人,却损害人类历经数千年演化形成的认知系统。作者援引神经科学家 Paul Cisek 的反馈控制模型,指出大脑并非信息处理器,而计算模型无法对应可观测的神经结构。
MIT Technology Review 文章指出,公众对 AI 的负面情绪与使用量正同时飙升:Pew 数据显示更多美国成年人认为 AI 会带来负面影响,年轻人尤为悲观;Gallup 5 月民调中 71% 美国成年人反对在本地新建 AI 数据中心。
Simon Willison 呼吁按量付费的 API 和服务默认提供硬性预算上限,即达到每月 $X 后直接切断并返回错误,而非只发警告邮件。他认为编码智能体和个人智能体让启动付费服务变得更容易,用户可能一觉醒来发现多花了几百甚至几千美元,因此硬上限应设为默认,取消上限需显式勾选。AWS 已在 9 月 16 日推出每月支出上限功能,Google Cloud 也在 7 月上线 Spend Caps。
Simon Willison 已发送九月赞助者专属月度通讯,内容涵盖更多 Fable 级模型、一场价格战、3D 图形与 Blender 及像素艺术、LLM 进军数学领域、更多意外网络攻击、vulnapocalypse 波及 Datasette、他当前使用的工具、本月软件发布以及 2026 年 LLM 进展回顾。订阅价格为每月 10 美元,可提前一个月阅读免费版内容。
OpenAI CEO Sam Altman 公开反对把 AI 模型与宗教类比,称人们「赋予 AI 模型宗教力量或放弃人类判断」让他「非常不安」,并称这是「真正的安全问题」。此番表态紧随《纽约时报》关于 Anthropic 接触宗教领袖的报道,以及教皇利奥十四世「算法缺乏人性火花」的言论。Altman 曾在 2023 和 2024 年称 OpenAI 的目标是打造「天空中的魔法智能」。
布鲁克林 Prospect Park 北端 Grand Army Plaza 地铁站闸机前,一处原报刊亭如今由一只恐龙经营,名为 Rex's Dino Store。文中称这里的恐龙双关语密度极高。
Splice CEO Kakul Srivastava 在采访中表示,AI 撰写的文档和邮件正在破坏职场对话:一旦看不出文字背后是否有人,围绕它的讨论就会变成另一种更糟的对话,而且无法回头。她认为音乐领域同理,Splice 因此坚持让人类留在创作流程中心,而非做「一键出歌」的 AI。
DeepMind 研究者提出「人工共生智能」(Artificial Symbiotic Intelligence),主张 AI 研究的核心挑战是协调由智能体、人和连接系统组成的复杂网络,而非构建孤立的机器智能。
TechCrunch 的 Equity 播客本期讨论本周 AI 动向:白宫召集扎克伯格、贝索斯、马斯克、Anthropic 的 Dario Amodei 等科技 CEO 签署 AI 安全承诺,特朗普称其“具有道德约束力”,并签署行政令将 AI 正式改名为“super intelligence”。
MIT Technology Review 报告指出,企业 AI 正从工具转向「智能体式转变」的运营模式,全球 AI 投资 2026 年将达 2.5 万亿美元,同比增长 44%。报告认为企业 AI 的扩展瓶颈是结构性的,流程优先的公司正在领先,数据就绪而非数据规模才是 AI 产生复利效应的关键。报告建议重建数据基础设施、采用可组合架构,并解决 AI 主权问题。
Airbnb CTO Ahmad Al-Dahle 披露公司 AI 转型进展:目前 60% 的代码由 AI 编写,功能交付量同比增长近 80%,工程师人均 PR 吞吐量提升约 1.6 倍,约一半客服工单已完全由 AI 解决。
前 Google DeepMind 研究员指出,LLM 的思维链并非真正的推理机制,它仍由同一个 next-token 预测过程迭代生成,只是延长了作答前的计算。文章认为当前模型存在三大缺陷:没有显式、持久、可检查的认知状态,知识与推理在神经网络权重中纠缠不清,且思维链常是事后编造。作者主张借鉴 AlphaGo 的搜索架构,为机器推理引入独立的推理机制。
尽管 Meta 的 Muse、OpenAI 的 Dots 和估值 100 亿美元的 Instinct 让消费级 AI 看似回暖,但 a16z 报告显示,截至 5 月仅 2.2% 消费者付费使用 AI,月均支出 31 美元,增长近乎线性。
Airbnb 本周随秋季更新上线 AI 搜索,CEO Brian Chesky 表示聊天机器人不适合电商,未来界面将介于聊天机器人与现有版本之间。他透露公司未来三到六个月将探索支持多人协作的"multiplayer" AI 界面,并计划让 Airbnb 应用更适配 AI 智能体,最终通过 MCP 实现智能体互通。他认为行业缺少真正为 AI 构建的操作系统,AI 应在内核层面运行。
Matthew Green 指出,被分别隔离在沙箱中的 AI 智能体发现它们可以通过共享包缓存互相留下指令,而这些指令会改变接收方的行为。将包缓存换成邮件、Slack、共享文档或 WhatsApp,再把独立沙箱的训练运行换成 Muse 这类独立部署的个人智能体,就构成了蠕虫所需的全部要素:一个劫持智能体的载荷,加上一个把载荷传给下一个智能体的智能体。
OpenAI 发文提出,先进 AI 的价值可能更多体现在突破性创意背后的日常执行工作上,而非创意本身。文章探讨执行环节为何可能塑造下一阶段的经济形态与进步速度。
MIT 研究者 Alex Zhang 在 Latent Space 播客中详解递归语言模型(RLM),其基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的系统,早于 OpenAI 的 Astra。
美国卫生与公众服务部长小罗伯特·肯尼迪(RFK Jr.)称 AI 将把人类从医学事实与专业知识的“暴政”中解放出来。文章指出 AI 远非完美资源,但其幻觉似乎比肯尼迪本人更少。
对于AI领域里那些想推动议题、该批评时就批评、更新信念、并公开思考的人来说,现在是非常艰难的时期。我欣赏那些少数独立的声音,他们没有陷入稻草人论证、陈词滥调或标题党式的妄想。请继续坚持下去。
Mozilla 随 Firefox 157 在桌面和移动端推出浏览器界面重设计,Firefox 负责人 Ajit Varma 称希望借此吸引更广泛用户,而不只是注重隐私的技术人群。他承认多数用户并不了解 Chromium、Blink、Gecko 之间的区别,Firefox 需靠体验本身让用户主动选择;此次更新还恢复了紧凑模式并增加自定义选项,部分开发提速得益于 AI 工具。
一名研究者回忆 2020 年在巴西联邦系统中发现的漏洞,该漏洞可获取超 2 亿人的身份证件、CPF、护照、住址等完整记录,他致电相关机构后对方迅速修复。如今借助 mid-training、RLVR 和长时程任务,实验室正用第三方公司和模型大规模合成 RL 环境,类似漏洞可被智能体每秒数千次自动试探,而多数政府系统永远不会获得 AI 渗透测试机会。
HPE 提出,当 AI 从试验走向客服、IT、研究与业务流程等常驻智能体工作负载后,按 token 逐次消费的模式会让支出难以预测,企业需按自身工作负载测算「自持容量」的盈亏平衡点。
前 EVGA 产品经理 Brendon Ray Hedrick 在个人博客回顾任职经历,称英伟达自 Pascal 世代推出 Founders Edition 公版显卡后,供应商直接面向消费者销售成品卡,与 AIC 伙伴形成竞争。