注册并分享邀请链接,可获得视频播放与邀请奖励。

搜索结果 AI边界
AI边界 贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含 AI边界 的推特
AI Coding 再快,现实中的人还是得一页页签字、一次次盖章。技术已经踩下油门,但被渠道、支付、财务和制度咬住的慢齿轮,AI 暂时还带不动。 #AI边界# #一人公司# #创业日常# #AI创业# #易论AI# #歸藏# #李继刚#
显示更多
NVIDIA 再次推高 AI 能力边界。虽然看似小升级,但将显著提升交付速度、降低试错成本与上手难度。Atomic 测试显示其编写 3 个 HTML5 物理演示案例的表现已直逼 GPT-5.5。后续关键在于能否降低长任务中断率并实现上下文复用默认化。
显示更多
人跟 AI 到底应该怎么样协作?AI 的边界到底在哪儿? 看完我这一期内容,我相信你会有一个清晰明了的结果
0
10
16
3
转发到社区
怎么学 ai ? 用稀奇古怪的想法去尝试触碰 ai 的边界,沉淀打造你自己的 skill,思维的碰撞就在进化你的大脑。
现在AI为什么存在能力天花板? 从古希腊亚里士多德、欧几里得,到牛顿、相对论,大家一度追求一套完备的绝对真理体系。直到哥德尔不完备定理打碎幻想,自洽和完备没法同时实现。之后图灵机顺着这套逻辑诞生,如今所有AI本质都没跳出图灵机框架,只能处理可计算问题。 维特根斯坦和维也纳学派划定科学边界:伦理、审美这类超验内容没法验证。人类真正的创造力,来自类比、直觉这类非逻辑部分,这是AI替代不了的。 理性本就有边界,AI只是在可计算的世界里提速。
显示更多
Binance AI 开始内测了。 AI 直接进入交易界面后,研究、判断、执行之间的距离会越来越短。 Binance 最近同时在扩股票、期权和 AI,产品边界已经明显在往“全球金融账户”走。 @heyibinance @cz_binance @binancezh
显示更多
AI 做交易已经很常见了 但真正把人拦住的,从来不是“AI 能不能交易” 而是普通人根本用不起来 很多 AI 交易平台,要么需要你会代码,要么需要你懂一堆量化参数,要么就是一个黑盒机器人 开仓不知道为什么开 亏损不知道为什么亏 行情一变,你只能在旁边干瞪眼 这几天我把 @0x_aix 后台点进去看了一圈 第一感觉是,它不是那种只给你一个买卖信号的 AI 交易机器人 它更像一个 AI 交易工作台 把提示词、策略、风控、选币、智能体这些东西拆开,让你自己组合 所以它比较有意思的地方,不是又讲了一个“AI 帮你赚钱”的故事 而是它把 AI 交易这件事,做得更像普通人能上手、能理解、能调整的工具 第一张图是提示词模板 我觉得这个设计挺关键 我自己最先看的也是这一页 因为很多人不是没有交易想法,而是不知道怎么把交易想法写成代码 比如现货策略、稳健保守型合约策略、通用合约策略,它里面已经有一套基础模板 你不需要一上来从 0 写 Python,也不需要自己搭量化框架 先从模板开始改,把自己的交易习惯和风控偏好加进去,这个门槛就低很多 第二张图是策略制作 这个页面更像把交易策略拆成几块积木 基本信息、技术指标、风险管理、策略蓝图、交易技能、提示词,都可以单独配置 我比较喜欢的是,它不是直接让你上实盘 右侧可以先预览提示词,也可以测试 AI 也就是说,你可以先看 AI 会怎么理解你的策略,再决定要不要继续调整 这一点比很多黑盒交易机器人舒服 因为黑盒最大的问题不是亏钱 是你根本不知道自己为什么亏 第三张图是策略模组 这里就更像给交易策略加零件 K 线反转形态、量价配合确认、MACD 动能与位置、RSI 均值回归、多重共振因子,这些都可以作为策略模块组合进去 以前你要做这种东西,基本要么会代码,要么找人写脚本 现在如果能把这些指标逻辑模块化,对普通交易者确实友好很多 第四张图是交易技能 这个我觉得是 AIX 比较有意思的地方 它不是只盯技术指标 里面有风险管理框架、AI 交易心理、科学仓位计算、多周期共振分析、资金费率策略、DCA 定投策略这些模块 交易真正难的地方,经常不是判断方向 而是仓位、止损、回撤、情绪和纪律 人最容易犯错的地方,反而最适合交给 AI 去做规则化执行 还有就是选币终端 它不是只让你盯一个币,而是做多维度选币 页面里能看到 6 个交易所聚合,扫描了 2000 多个币种,再按动量、流动性、波动、异动这些维度去评分 这对短线和合约用户挺实用 因为很多时候,问题不是你不会交易 而是你根本不知道今天该盯哪些币 我自己看下来,AIX 更像一套 AI 交易辅助台 提示词模板解决不会写策略的问题 策略制作解决不会搭框架的问题 策略模组解决指标组合的问题 交易技能解决风控和执行的问题 选币终端解决不知道盯什么的问题 我目前不会把它当成全自动赚钱机器 更愿意先把它当成交易辅助系统 先拿来整理策略、筛币、做风控,再决定要不要接入实盘 人负责判断方向和风险边界 AI 负责执行纪律、监控市场、减少情绪干扰 这可能才是 AI 交易工具真正有价值的地方 不是替你赌,而是帮你把交易系统跑得更稳一点
显示更多
0
44
17
2
转发到社区
《AI Compatible 与 AI Native》 锚点: 很多人以为自己已经进入了 AI 时代,其实只是进入了“AI Compatible”时代。 最近我问了几个程序员岗位的同事: “除了 AI 帮你写代码,你的工作方式还有什么变化吗?” 答案几乎一致: “暂时没有。” 这让我突然意识到一件事。 AI 已经进入了大多数人的工作流程。 但并没有进入大多数人的工作结构。 这是两个完全不同的阶段。 什么是 AI Compatible? AI Compatible,可以翻译成: 兼容 AI。 它的特点很简单: 工作流程保持不变。 只是把其中某一个环节换成了 AI。 例如程序员: 过去: 需求 ↓ 自己写代码 ↓ 提交 现在: 需求 ↓ AI 写代码 ↓ 提交 流程没有变化。 角色没有变化。 协作没有变化。 AI 只是变成了一个更快的编辑器。 于是: 周报还是自己写。 项目还是自己催。 聊天记录还是自己翻。 需求还是自己整理。 上下文还是自己拼。 唯一变化的是: 代码写得快了一点。 这就是 AI Compatible。 它提升的是效率。 没有改变系统。 什么是 AI Native? AI Native,不是: AI 用得更多。 而是: 整个工作流程围绕 AI 重新设计。 工作的第一步,不再是: “AI 能帮我做什么?” 而变成: “这件事为什么一定要由人来做?” 于是整个流程开始重新拆解。 例如项目推进: 过去: 人: 翻聊天记录; 找负责人; 理解上下文; 催进度; 整理状态; 思考下一步。 现在: Agent: 自动读取聊天; 自动寻找干系人; 自动补全上下文; 自动发现阻塞; 自动推演下一步; 人只负责: 判断; 决策; 真人沟通; 承担责任。 工作的重心发生了迁移。 AI 不再是工具。 开始成为整个流程的一部分。 两者最大的区别 AI Compatible: 旧流程 ↓ AI 替代一个动作 ↓ 继续旧流程 AI Native: 重新设计流程 ↓ 重新划分人与 AI 的边界 ↓ 形成新的协作方式 很多公司今天喊着: AI First。 Agent。 智能工作流。 但实际上仍然停留在 AI Compatible。 他们只是: 让 AI 写代码。 让 AI 写周报。 让 AI 总结会议。 然后继续按照过去十几年的流程工作。 于是: 一周一个版本。 层层审批。 大量周报。 大量日报。 大量等待。 AI 写的是新时代的代码。 跑的却是旧时代的流程。 真正的变化发生在哪里? 很多人认为: AI 最重要的是模型越来越聪明。 我反而觉得: 真正的变化在于: 组织开始重新定义“人应该做什么”。 未来的人类工作,不会因为 AI 消失。 但会不断收缩。 收缩到那些 AI 难以承担的部分。 例如: 判断。 责任。 价值取舍。 建立信任。 而那些: 重复。 查找。 同步。 整理。 跟进。 提醒。 越来越会交给 Agent。 AI Native 的标志 真正进入 AI Native 的组织,不会先问: “代码生成率是多少?” 而会问: “从发现问题,到改变现实,需要多久?” 因为 AI Native 的目标,不是写更多代码。 不是生成更多报告。 不是做更多网页。 而是: 缩短反馈周期。 减少组织摩擦。 让状态自动流动。 让上下文自动连接。 让人只做真正属于人的事情。 最后的分水岭 未来几年,组织会逐渐分成两类。 一类: 用 AI 做昨天的工作。 另一类: 用 AI 创造昨天根本不存在的工作方式。 前者,会获得几十个百分点的效率提升。 后者,会重新定义整个工作的形态。 AI Compatible,让昨天跑得更快。 AI Native,让昨天成为历史。
显示更多
最近值得关注的不只是AI政策本身,而是执行方式正在变细 Nvidia在加强客户尽职调查,削减部分地区的授权客户数量;美国也开始讨论开源模型的监管边界 AI管制正在从简单的出口限制,转向最终使用者审查。往后模型、算力、芯片,都可能进入ultimate end user的监管框架 AI全球化的路径,大概率会变得更碎片、更区域化
显示更多