即刻App年轻人的同好社区
下载
App内打开
白一喵
2k关注7k被关注73夸夸
⭐️COACH
👨‍🎓2018年至今的一人公司
🌈男,单身,爱好男
❤️我的分享是表达对你的爱
置顶
白一喵
4年前
坐标深圳的OD从业者们,欢迎来约咖啡交流~

我的数字分身: m.okjike.com

以书单交友:m.okjike.com

我的播客:
1⃣️教练谈 www.xiaoyuzhoufm.com
教练谈选题库,请您帮我扩充它~您放选题,我来找人聊m.okjike.com
2⃣️空无一物 www.xiaoyuzhoufm.com

我的公众号:
1⃣白一喵
2⃣增长潘多拉

我的核心课题:
executive coaching
derailment
learning agility
measure of entrepreneurial competency
measure of leadership
psychometrics
neuroleadership/neuroscience
organization climate/culture

我师从的对象:
Robert Eichinger
Roger Pearman
Robert Dilts
Philippe Rosinski
Dave Ulrich
2232
白一喵
1天前
出门一抬头…
10
白一喵
1天前
需求,供应,供需连接,成本-收益平衡取舍

airb.ai: 什么是业务?

00
白一喵
2天前
前情提要:我告诉朋友b站上有易立竞对话孙杨,评论区个个小嘴淬了毒

朋友观后感⬇️
中文系的可人儿们真是…嘶🚬
31
白一喵
3天前
和我聊完天,@余一.Dev 这样了⬇️

随机话疗效果卓群(bushi
20
白一喵
3天前
从“污名化”到“浪漫化”,我们离真正的尊重还有多远?
b23.tv
00
白一喵
4天前
已经过了 谢谢
22
白一喵
5天前
只要产品足够好,其他方面可以为所欲为(bushi⬇️
00
白一喵
8天前
不中用啊不中用。
00
白一喵
12天前
纯乱写⬇️

2026 5 1
今天买了最贵一档。我要使劲儿烧token!狂加提客户价值,加倍赚回来!劳动人民最光荣!

2026 5 2
今天烧了好多token!好的开始是成功的一半!

2026 5 3
好累哦。要撑住啊!

2026 5 4
新社会的人好青年一定要学会休息。今天没有烧token。

2026 5 5
今天再休息一天吧。

2026 5 6
今天打德扑输了。心情不好。休息。

2026 5 7
不可以浪费钱!token不烧白不烧!

2026 5 8
人存在的意义是什么?

FogHorn: 如果列夫托尔斯泰在此刻,那么应该是: 2026 年 5 月 7 日 很愉快。决定了,应当 Vibe coding、应当猛猛烧 token!就这样。 2026 年 5 月 8 日 很累。不想 coding 了,也不想烧 token 了。

11
白一喵
12天前
【来自文学界的视角】金爱烂:人类和AI的不同点在于:犹豫 b23.tv

莫唯书Mark: AGI 之路,可能从一开始就走错了 你有没有观察过一个小孩是怎么学会“把积木堆高”这件事的?他拿起一块红色的放上去,再拿一块蓝色的放在旁边。积木倒下来,他皱眉,再试一次。这次把大的放在下面,又倒,他看看你,然后把所有积木推散,重新开始。他就在那个小小的地毯上,试错、观察、调整、再试。一个下午之后,他就能稳稳地搭出一座歪歪扭扭但不会倒的积木塔。 这个过程在今天的人工智能里几乎完全不存在,我们给模型看了几百万张堆好的积木塔,它学会了什么样的形状看起来像一座塔。但你让它亲手搭一次,它连第一块都放不稳。因为它不知道重力是什么,不知道摩擦系数,不知道大块在下面更稳。它只知道在它看过的那些图片里,塔的底部通常比顶部宽,这是一种惊人的模式识别能力,但它不是智能。 我越来越觉得,我们在通往通用人工智能的路上,可能从一开始就走错了方向。这并非算力不够的问题,也不是数据太少,我们用最暴力的方法把全互联网的文本喂给一个模型,让它预测下一个词,然后惊讶地发现它居然能聊天、写诗、通过考试。很多人以为看见了曙光,但我担心的是我们只是在一座名为“统计重复”的错误山峰上插了面旗帜,而真正的智能在对面那座名为“因果理解”的更高山峰上。 如果我们只是想要一个更好的搜索引擎、一个自动补全工具、一个语音助手,这条路完全走得通。但问题在于,我们在把它当作通往通用人工智能的圣杯。我们假设只要模型足够大、数据足够多、算力足够强,那些缺失的因果推理能力就会奇迹般地涌现出来。但这个假设没有找到任何依据,就好像你把一本百科全书翻烂了,也不会因此学会骑自行车。 一个很危险的信号是,这些模型都患有一种我称之为“病态自信”的毛病。你问它任何问题,它都会给一个确定的答案,语气笃定得像在宣读真理。它从来不会说“我不确定,我猜可能是这样,但你别全信”,也不会说“这个问题我需要更多信息”,更不会说“等一下,我发现我刚才说的一句话和你之前提供的事实矛盾了,我需要重新看一下”。 这种主动的、坦诚的不确定性表达,我至今没有发现任何一个大语言模型能做到。而任何一个有基本智能的个体,不管是人类还是动物,都必须具备这个能力。因为你如果不清楚自己知道什么、不知道什么,你怎么决定下一步该学什么?你怎么判断什么时候该相信自己的判断,什么时候该去求助? 这就是为什么我说路可能走错了,我们把所有精力都押注在“无脑扩大规模”上,而几乎没有人认真研究“如何让一个系统知道自己不知道”。我们把大量的钱砸在训练更大的模型上,却很少有人去设计那种能主动问你“你的需求到底是A还是B”的交互。我们被模型的流畅性迷惑,误以为流畅就等于理解,这是一个集体的认知偏差。 我并不是说大语言模型没有价值,它改变了很多人工作、生活的方式,包括我自己。我只是想说,如果这是我们通往AGI的唯一地图,我们大概率会走向一个死胡同。在路的尽头你会碰到一面墙,墙对面就是那些它永远不会拥有的能力,比如因果推理、反事实想象、主动的不确定性声明、目标的自我修正。这些能力不是靠多看几万亿个词就能长出来的,它们需要的是一种完全不同的架构,一种从设计之初就把“自我认识”和“对世界的因果模型”嵌在骨头里的架构。 那么,正确的路应该是什么样的?想象你要去一个陌生的城市出差三天,你有两个AI助手可以选择。 第一个助手是目前市面上最常见的那种,你告诉它:“帮我安排一下行程。”几秒后,它就为你呈现了一份详细的计划:第一天上午九点开会,十一点拜访客户,下午两点参观工厂,晚上七点推荐你吃火锅,第二天八点出发去另一个区……每一个时间点都精确到分钟,每一个建议都斩钉截铁。你问它:“火锅店为什么要选这家?”它说:“因为这家评分最高。”你再问:“我其实不太能吃辣,你考虑过吗?”它顿了顿,然后重新生成一份计划,把火锅换成了粤菜,其他纹丝不动。你总觉得哪里不对,但说不上来。你只能自己打开地图,重新查一遍交通时间、会议地址、餐厅评价,然后把它的计划一页一页推翻。你发现,你花在纠正它上的时间,可能比自己从头做一遍还长。 第二个助手完全不同,你告诉它:“帮我安排一下行程。”它没有马上给你答案,而是先问:“你这个出差,最重要的目标是什么?是拜访客户,参加展会,还是处理内部事务?”你说是拜访客户。它又问:“你倾向于白天把正事集中处理完,晚上留时间自己逛逛,还是愿意把正事分散开,保持每天节奏轻松?”你说前者。它再问:“你对饮食有什么忌口吗?”你说不太能吃辣。问完这三句,它才生成一份计划,计划里每一个推荐旁边都标注了置信度:“这家餐厅距离你下午的会议步行八分钟,我有九成把握你会顺路,但它的招牌菜微辣,你可能需要注意,这一项我只敢说有七成把握。”如果你问它“为什么要选这家火锅店”,它不会只说“评分高”,而是把推理链条摊开:“因为你之前告诉我你喜欢吃牛肉,这家店的牛肉在本地排前三,但我注意到你后来又补充说不吃辣,所以这个推荐的基础已经动摇了,要不要我换一家不辣的牛肉馆?”你同意之后,它不只是换掉餐厅名字,还重新检查了整个行程,比如交通时间是否还合理,晚饭后的安排是否要微调。它会告诉你:“我把火锅换成粤菜后,发现这家粤菜馆旁边恰好有一个你很感兴趣的博物馆夜场,要不要顺路加上?” 这两个助手,哪一个更接近你想要的AGI?显然是第二个,但第二个助手所需要的能力,恰恰是目前所有大语言模型都不具备的,这些能力不会从更大的模型里长出来,它们需要被当成核心目标来设计。 一个真正智能的系统,应该像那个合格的旅行助手一样,在它不懂的时候问清楚,在它不确定的时候说清楚,在它犯错的时候改清楚。它不会让你觉得“哇,它什么都知道”,而是让你觉得“嗯,它知道它知道什么,也知道它不知道什么,我可以放心跟它合作”。 与其在错误的斜坡上继续加速,我们还有一个机会重新选择,停下来思考下我们到底想要什么样的智能?是一个从不出错、从不犹豫、永远正确的神?还是一个会犯错、会学习、会承认自己不知道,但因为坦诚而值得你信任的伙伴? 至少我会选后者,因为神不需要我们,而伙伴需要。

01