13:51François Chollet@fcholletFrançois Chollet提出自主性不是无需人类监督的行动能力。他认为自主性是学习能力而不依赖人类瓶颈。系统完全依赖人类训练数据和RL环境只是人类知识的印迹。这定义了真正的自主性。行业François Chollet自主性人类训练数据强化学习推荐理由:他说自主性不是单干,而是自己学,不用人类一步步教。对比常见误解,这个定义很清晰。原文
13:50François Chollet@fchollet精选François Chollet 指出,如果基准测试依赖静态数据集或训练时已知的静态分布,那么它本质上衡量的是记忆/检索,而非智能。他以 ARC 挑战为例,说明现有基准容易因数据泄露而失效,并强调真正智能需要应对未知变化。Chollet 呼吁社区设计更能体现泛化能力的测试,如基于动态环境的评估。行业François Chollet基准测试智能测评记忆检索ARC推荐理由:Chollet 点破了基准测试的痛点:很多高分模型只是背答案,不是真聪明。做评测的值得看看。原文
13:50François Chollet@fcholletFrançois Chollet(Keras创建者)在推文中指出编程不是关于代码,而是通过抽象层管理复杂性的艺术。他认为编程的核心在于构建函数、类等抽象层来降低认知负荷。AI在这一框架下仅是一种新的抽象工具,不应被过度神化。这一观点提醒程序员更关注架构设计而非语法细节。技巧François CholletKeras抽象层编程思想推荐理由:Chollet一句话点醒你:编程不是写代码,是搭抽象层。别把AI太当回事。原文
13:50François Chollet@fcholletFrançois Chollet 指出当前 AI 技术栈存在 3-4 个数量级的数据效率低下和 4-5 个数量级的计算效率低下。他预测 2040 年的 AI 将更接近最优,而符号学习(symbolic learning)是实现这一目标的关键路径。Chollet 认为现有深度学习架构在数据和算力利用上远未达到理论极限。行业François Chollet符号学习深度学习效率AI趋势推荐理由:AI 大神 Chollet 直言现在的深度学习数据效率差 1000 倍、算力差 10000 倍,未来要靠符号学习翻盘。原文
10:03François Chollet@fcholletKeras 创始人 François Chollet 在 X 上发文指出,将 AI 视为现有工作流程的效率提升工具是错误的。他认为,正如计算机化和软件化的前几波浪潮一样,AI 是一种让你以新方式做新事物的工具。这一观点挑战了当前主流的企业 AI 应用思路,即用 AI 优化现有流程。Chollet 强调,真正的价值在于探索 AI 带来的全新可能性,而非简单替代人力。行业AI 认知François Chollet产品思维行业观点创新框架推荐理由:Chollet 点破了当前 AI 应用的最大误区——别只想着用 AI 加速旧流程,做产品/战略的团队值得停下来想想:AI 能让你做什么以前做不到的事?原文
02:40François Chollet@fcholletFrançois Chollet 指出,大多数人类任务并非马尔可夫过程,即最优下一步不能仅由当前状态决定,而严重依赖于过去的轨迹、原始意图和上下文约束。他认为,一个无法以绝对保真度压缩和追踪其过去轨迹的智能体,其有用性可能只有能做到这一点的智能体的 20%。这一观点强调了记忆和历史追踪在构建真正有用的人工智能系统中的核心重要性。论文智能体马尔可夫过程历史追踪François Chollet强化学习推荐理由:做智能体或强化学习的开发者会意识到,当前很多模型忽略了历史轨迹的精确追踪,Chollet 的观点直指智能体实用性的关键瓶颈,值得深入思考。原文