正在检查您的浏览器...需要启用 Javascript
每日HackerNews RSS
这篇 Hacker News 讨论聚焦于 Terence Tao 博客上 Amit Sahai 的一篇客座文章。文章认为，随着人工智能开始生成高度复杂且影响深远的科学设计（如核聚变电站），人类将需要进化为一种“可部署的智力储备”，以具备解释、验证和维护这些系统监督的能力。
辩论的关键主题包括：
* **“认知投降”：** 参与者讨论人类是否正变得过分依赖 AI 生成的成果，并随着模型准确性的提高，从审查代码转变为“认知投降”。
* **专业知识的目的：** 争论的焦点在于将数学/科学视为“商品生产”还是“思想转化”。一些人认为 AI 自动化使人类学习这些学科的努力变得过时；而另一些人则坚持认为，学习过程对于人类意义、能动性以及安全管理 AI 系统的能力至关重要。
* **经济风险与生存风险：** 参与者对于 AI 代表的是一场将人类推向“创意经济”的新工业革命，还是一场会导致大规模经济冗余和“贫民窟式”不平等的生存威胁，存在分歧。
* **AI 的局限性：** 持怀疑态度的人指出，大语言模型（LLM）本质上仍然是容易产生隐蔽错误的非确定性“垃圾信息”生成器，并认为它们与编译器等确定性工具存在根本区别。
联邦通信客户端 *Conversations* 始于 2014 年的一个学生项目，此后逐渐发展为一项可持续的业务。十多年来，该开发者通过定制开发、咨询服务、补助金和应用商店销售等多种方式维持运营。
然而，该开发者与 Google 之间的关系却极其恶劣。由于 Google 频繁且武断地拒绝应用上架、缺乏人工支持，以及安全更新的延迟带来的严重风险，开发者对该平台深感失望。在服务如此糟糕的情况下，仍需向 Google 支付 15% 的佣金（每年超过 1000 欧元），这已变得难以接受。
随着长期补助金为收入提供了多元化保障，开发者在财务上不再依赖应用商店。因此，他们决定彻底放弃 Google Play，将重心转向以 F-Droid 作为主要分发渠道。在与 Google 的平台限制抗争多年后，开发者正式结束了与该平台的合作关系。
关于“Conversations”应用转为免费一事，Hacker News 上的讨论凸显了人们对 Google Play 商店生态系统的强烈不满。开发者及许多评论者认为，虽然 15% 的平台费用在托管和税务服务方面尚可接受，但 Google 缺乏支持、不透明的自动化决策以及高门槛的开发者要求，已使该商店成为一个不可持续的环境。
评论者将当前“大型科技公司”的应用商店描述为“敲诈勒索”或寄生行为，指出它们实质上是强制性的垄断机构，在未提供相应价值的情况下榨取“租金”。许多用户认为 Google 将开发者视为“牲畜”，在不提供任何人工支持的同时，强迫开发者遵守死板且往往荒谬的规则。
尽管一些参与者认为这些平台提供了必要的基础设施和安全性，但另一些人则认为这种“垄断权力”是蓄意设计的，旨在阻碍竞争。讨论最后达成了一种强烈的共识：开发者不应试图安抚这些守门人，而应专注于替代分发渠道、PWA（渐进式 Web 应用），或彻底摆脱对中心化寻租平台的依赖。许多人认为当前的格局是市场竞争的失败，需要迫切的监管干预。
作者分享了自己成为“AI 牧羊人”的工作经历——即利用编程智能体来生成、提交和解释代码，以及这种方式对其技术能力的负面影响。起初，AI 似乎是提高生产力的捷径，但很快就导致了自满、对技术掌控力的丧失，以及深重而疲惫的“语境切换”负担。 作者发现，AI 非但没有节省时间，反而迫使他们陷入了“照看”代码、审查平庸代码以及管理复杂智能体工作流的循环，最终阻碍了真正的进展。他们最终意识到，自己变成了一个更差劲、更生疏的开发者，甚至无法完全理解自己交付的代码。 在一次因同事指出 AI 生成的合并请求（PR）中存在基础错误而感到羞愧后，作者彻底停止了使用 AI。回归手动测试驱动开发（TDD）和直接编程的过程，不仅恢复了他们的信心，加深了其对架构的理解，还重新点燃了他们对编程的热爱。作者警告称，过度依赖 AI 会导致关键工程技能退化，并敦促开发者重拾自主权，认为真正的价值来自于亲手解决问题，而非自动化编码过程。
这段 Hacker News 上的讨论反映了资深软件工程师群体对于使用 AI 编程工具所持的对立观点。
**批评意见：**
许多开发者认为 AI 工具如同“随机药物”。他们指出，虽然 AI 承诺能提高生产力，但往往会导致：
* **失去控制：** 开发者不再理解自己的代码库，导致系统变得臃肿、过度工程化且难以维护，形成“靠感觉编程”的局面。
* **技能退化：** 对 AI 的持续依赖使工程师无法保持高质量架构设计和故障排查所需的深层底层专业知识。
* **审查疲劳：** AI 代码生成的速度造成了瓶颈，开发者花费在“照看”和纠正 AI 幻觉上的时间，往往比手动编写代码所需的时间更多。
**辩护意见：**
支持者认为，如果使用得当，AI 是强大的效率倍增器。他们建议：
* **正确使用：** AI 在处理样板代码、单元测试或作为交互式研究助手时表现出色，而不是作为盲目的代码生成器。
* **任务管理：** 成功的关键在于将任务分解为细小、可验证的模块，并保持严格的防护措施。
* **演进趋势：** 许多人认为“手动编码”正在成为一种遗留技能，类似于汇编语言，而未来属于那些精通高阶系统设计和 AI 编排的人。
2011年，苹果推出了“Cards”应用。这是一个由史蒂夫·乔布斯构思的宏大项目，允许用户发送高质量的凸版印刷定制卡片。该计划代号为“极速赛车”（Speed Racer），但对于负责实现乔布斯完美主义愿景的生产合作伙伴来说，这却是一场运营噩梦。
苹果要求提供高端功能，如100%纯棉纸张、厚重的压凹效果，以及为了不破坏美感而采用的肉眼不可见、仅能通过紫外线扫描的条形码。这些要求需要复杂的、多阶段的印刷工艺，并要求邮政部门进行前所未有的配合。该项目因管理不善而臭名昭著，导致了严重的洲际物流混乱，并引来了苹果公司“紧急级别”的审查。
尽管在重压之下上线，但该应用推出后的市场需求并不理想，无法证明其巨大的物流投入是合理的。虽然在乔布斯于2011年10月去世后，苹果内部团队出于对他的敬意坚持了一段时间，但该应用最终还是在2013年被停用。这个项目至今仍是一个警示故事，反映了苹果不妥协的设计理念与大规模市场制造和交付现实之间的冲突。
这篇链接文章及随后的 Hacker News 讨论回顾了苹果公司 2011 年推出的“Cards”应用，该应用允许用户直接通过 iPhone 发送实体的凸版印刷贺卡。
该领域的前竞争对手们回顾了苹果进入市场时那种被“Sherlocked”（被苹果原生功能取代）的感觉。尽管苹果带来了高端的设计，例如为了保持信封整洁而定制的紫外线隐形条码，但该产品在可靠性上表现挣扎，且缺乏主流吸引力。讨论强调了史蒂夫·乔布斯时代“经典”的产品开发模式：即对那些他人认为不必要的“疯狂”审美细节——如隐藏条码或监管标记——有着无情且往往显得生硬的执着。
评论者对这种理念看法不一。一些人将其视为苹果高端品质和追求完美的标志，并将其比作“范·海伦乐队的棕色 M&M 豆”——这是衡量运营能力的一个先行指标。另一些人则批评这是一种傲慢的、由创始人驱动的“脑抽”行为，将虚荣心置于用户需求之上，往往以牺牲员工福祉和实际的产品市场契合度为代价。最终，该应用因需求不足而停用，这也提醒人们：即使是苹果最精心打造的项目，如果缺乏足够的实用性，也同样会失败。
抱歉。
抱歉。
新墨西哥州陪审团裁定，Facebook（Meta）在隐私保护方面误导用户，需承担法律责任。此案主要涉及“剑桥分析”丑闻，当时约 8700 万个个人资料的数据被非法收集并用于政治精准投放。陪审团认为，该公司未能保护用户数据，影响了新墨西哥州超过 200 万的全体民众。 此前，该案经过了为期两周的审理。检方成功指出，该平台在数据泄露事件以及随后针对数据经纪人的调查中误导了公众。由于该公司被认定存在超过 200 万次违规行为，法官将裁定最终罚款金额，州政府寻求每项违规处以最高 5000 美元的罚款。 Meta 表示将提出上诉，理由是援引宪法第一修正案权利，并称州政府提供的证据已过时。这一裁决对新墨西哥州而言是一次重大胜利，在其他各州达成广泛和解协议后，该州坚持独立推进此案。今年早些时候，该州还获得了另一项重大法律胜利，当时 Meta 因其平台上的儿童安全保护问题被判处近 10 亿美元罚款。总检察长劳尔·托雷斯（Raúl Torrez）称赞该裁决是追究大型科技公司责任的历史性一步。
新墨西哥州陪审团裁定 Meta（Facebook）在剑桥分析公司丑闻中欺骗用户罪名成立。由于其他大多数州此前已达成和解，这次裁决标志着一次罕见的法律胜利。
Hacker News 上的讨论反映了人们对于企业监管有效性的严重分歧。该裁决的批评者认为，此类法律行动往往只是走过场，和解金被视为“经营成本”而非有效的威慑手段。许多用户表示，与 Meta 的营收相比，罚款微不足道；且诉讼过程过于缓慢，以至于判决下达时已显得意义不大。
相反，一些评论者认为，各州在此案中的法律工作建立了一套宝贵的“法律先例”，可供数千起针对 Meta 的私人诉讼的原告利用。辩论还触及了监管机构与科技公司之间的“旋转门”现象，许多参与者对现有体系是否能够真正追究大型企业责任持怀疑态度。另有一些人则对剑桥分析公司丑闻本身提出质疑，怀疑该公司的数据收集手段对政治结果的影响是否如外界所描述的那样严重。
本文详述了一项关于训练“世界模型”——即**联合嵌入预测架构 (JEPA)**——来游玩 1996 年版《宝可梦：红》的实验。
实验目标是打造一个能够在不依赖显性奖励的情况下，控制角色在宝可梦大木博士的研究所内走动并选择初始宝可梦的 AI。该模型并未直接预测原始像素，而是利用编码器将游戏截图映射到潜在的“嵌入空间”中，并通过按钮输入来学习预测未来的状态。为防止“潜在崩溃”（即模型将所有输入映射为相同的值），作者采用了 **SIGReg** 正则化技术，强制嵌入遵循标准正态分布。
虽然最初的规划尝试因长序列中的累积误差而失败，但作者通过在“预演”（即模型基于自身先前的预测而非真实数据来推演后续步骤的序列）上对预测器进行微调，成功提升了性能。最终模型在 52% 的尝试中成功获得了初始宝可梦。尽管该项目的应用范围有限，但它证明了世界模型能够有效地学习环境动态，并在复杂的、无奖励机制的模拟环境中规划目标导向的行为。
这个 Hacker News 帖子讨论了用户“stmonty”名为“教世界模型玩宝可梦”的项目，该项目探索了如何利用 JEPA 架构让 AI 玩这款经典游戏。
讨论主要涵盖三个方面：
1. **技术可行性：** 作者探讨了扩展此类模型的挑战。他们指出，虽然当前技术可以学习基本的交互，但要完成整个游戏——这需要管理像收集徽章这样复杂的顺序目标——很可能不仅仅依靠扩展现有网络就能实现。
2. **社区背景：** 该帖发布时恰逢另一个类似项目（“Jev 玩宝可梦红版”）出现，引发了关于这些主题是否冗余的简短讨论。随后澄清了这是两个独立的实验。
3. **哲学辩论：** 帖子中包含了一场关于 AI 项目“本质”的激烈争论。一位用户认为，使用 AI 自动化游戏是对原游戏开发者不尊重，且缺乏艺术固有的“生命时间”。其他人则反驳说，该项目是对机器学习的技术探索，类似于教动物表演杂技，并非旨在贬低原始素材的创作价值。