- 综合排序
- 最热优先
- 最新优先
- 来自专栏量化投资与机器学习
AI的思考
在过去几年中，Journal和arXiv提交的内容增加了约5倍。如果你考虑的是未以学术论文形式发表其结果的从业者，从事与AI相关的工作的人数可能会增加10-25倍。 5 Bug 在传统软件工程中，错误通常很明显。你的程序崩溃或产生意外的输出。在实施复杂的深度学习模型时，错误会更加微妙。有时它们是看不见的。 8 把研究作为艺术 在更多地讨论激励措施之前，让我们退后一步，思考一下研究的内容。我们所讨论的大多数问题都是针对以基准为基础的经验研究。 科学中重要的事情不是获得新事实而是发现新的思考方式。〜William Bragg爵士 可复制性和可重复性既不是影响研究的充分条件，也不是必要条件。 同样，由于每个人都在努力使NNs超越现在的最新基准，因此我们可能忽略了AI其他领域的巨大潜力，这些潜力可以利用我们为深度学习创建的庞大数据集和新基础架构。
59810发布于 2020-07-08 AI时代的思考模式-从内思考到外思考
AI和大模型时代-我们应该如何保持独立思考的能力？ 这篇文章其实重点强调了独立思考能力实际跟是否AI时代没有任何关系，同时提到了在AI时代知识的广度比深度更加重要。 解决问题过程中采用什么样的方法工具技术，这个是内思考的过程。在AI时代到来后，人大部分的思考重心都应该转入到外思考，而内思考则逐步被AI大模型能力替代。 即AI时代独立思考能力的提升是将外思考和内思考分离，将面向问题域的思考和面向解决问题的思考分离，然后将内思考转移到AI。个人思考重心转移到外思考。 AI自己会完成问题分解，集成，深度思考和推理过程。包括现在AI大模型的深度思考能力，思维链和推理能力。 对于问题分析和解决原来属于慢思考里面的深度思考和推理过程，那么在AI时代大家要注意，这个应该由AI辅助来完成并逐步被AI替代。
61510编辑于 2025-07-21AI 真的“会思考”吗？
你跟 AI 聊天，问它"今天吃什么好"，它认真给你分析了天气、你最近的运动量、附近餐厅评分，像极了一个贴心的营养师。 你心里是不是冒出一个念头：它真的在思考？ 不是的。今天用大白话把这个事讲清楚。 你可能要说："可是 AI 能做数学题、能写代码、能分析问题，这不就是在思考吗？" 再讲一个例子。 你教一个小孩子做数学题，做了 100 万道，背下来了所有答案。 AI 也是这样。 它做数学题，是见过类似的推导步骤；它写代码，是见过类似的代码结构；它分析问题，是见过类似的问题被怎么拆解。 它的"聪明"来自见过的多，不来自会思考。 那 AI 和人到底有什么区别？ 人的思考 懂 → 能用到新地方 理解原因和原理 真正明白"为什么" AI 的"思考" 见过 → 能模仿回答 不知道"为什么" 可能"一本正经胡说八道" 所以 AI 有时候会说一些听起来很专业、但完全不对的话 明白了 AI 不会思考，你就能用得更聪明： 第一，别让它做需要真正理解的事。你问它"你觉得哪个方案更好"，它能给出一堆理由——但这些理由是"看起来像样的"，不一定是真的对。
14810编辑于 2026-09-15VTJ.PRO正式接入 GPT‑5 —— AI 低代码迈入「思考时代」
现在，加上 GPT‑5 的大脑，低代码的速度与自由正在被彻底改写。 过去的低代码，有速度没自由？ 拖拽组件固然很快，但遇到复杂业务逻辑时，调整和维护依旧费力自动生成的代码质量参差不齐，往往需要人工大量「擦屁股」才能投入生产AI 辅助生成在过去受限于理解与推理能力，经常出现「牛头不对马嘴」的生成结果 新时代来了：GPT‑5 × VTJ.PRO 完整融合2025 年 8 月，OpenAI 发布的 GPT‑5 被誉为「首个通用超智 AI」—— 它不仅理解视觉、语言、代码，还能在跨领域任务中进行深度推理 VTJ.PRO 是一款 AI驱动的革命性低代码开发平台，专注于提升前端开发效率，尤其深度适配 Vue3 技术栈。它通过融合可视化设计、AI智能引擎与源码级自由编辑能力，重新定义了高效开发的工作流。 源码仓库：https://gitee.com/newgateway/vtj 官方限时开放抢先体验从即日起，注册 VTJ.PRO 即可解锁 GPT‑5 极速构建模式让 AI 写代码已是昨天的故事，今天，AI
44710编辑于 2025-08-11- 来自专栏AI系统
【AI系统】从 CUDA 对 AI 芯片思考
本文将主要从流水编排、SIMT 前端、分支预测和交互方式等方面进行分析，同时对比 DSA 架构，思考可以从英伟达 CUDA 中借鉴的要点。 英伟达生态的思考点从软件和硬件架构的角度出发，CUDA 和 SIMT 之间存在一定的关系，而目前 AI 芯片采用的 DSA 架构在编程模型和硬件执行模型上还处于较为早期的状态，英伟达强大的生态同样离不开 面对新的 AI 芯片，在流水隐藏方面，实现架构层面的隐藏流水编排机制，提出一个形式上与 SPMD 没有关系的编程模式，而且易用性堪比 CUDA 的软件是可能的。 编程模型上缺乏统一的标准，因此需要专门搭建编译器和编程体系，硬件主要以 AI 加速芯片（TPU、NPU 等）为主。 借鉴与思考点流水编排在指令流水线编排方面，最重要的是从硬件设计上解决 SIMD data path 流水编排问题。
73710编辑于 2024-11-27 - 来自专栏Chasays
AI测试的思考与探索
然而，由于AI是一种新的编程范式，无论是学术界还是工业界，对于AI测试的研究还刚刚起步。 AI测试及挑战 AI 作为一项变革性的技术已经渗透到了各行各业，随着AI在各行各业的应用日益广泛，对AI系统测试的需求也与日俱增。 （5）AI系统的性能依赖于数据。模型训练的数据规模、数据质量、数据类别的平衡性都会影响AI系统的性能。而且，在验证阶段性能好的模型，未必在真实测试环境中也表现出好的性能。 AI测试从流程上来分大致可以分为5个步骤，分别为测试需求分析、测试环境准备、测试数据准备与验证、AI测试执行与分析、模型上线与监控。 结语 AI是一种新的编程范式，需要测试人员具备机器学习、统计学、大数据分析等综合知识和能力，因此AI测试人员的稀缺将成为AI企业的现实问题。
1.3K40发布于 2019-08-18 - 来自专栏联远智维
AI大模型的基本思考
背景介绍 2023年5月底的中关村论坛汇聚了一大批学术界和产业界的大佬，展示了人工智能、生命科学和清洁能源等前沿领域的最新成果。 过去几个月里，基于AI大模型的各种应用层出不穷，例如：AI能够接入微信客服，能够帮人写一篇新闻稿，能够帮人们编写代码等。 在这个背景下，我们重新审视了AI大模型在工业元宇宙、数字孪生以及物联网等前沿领域的应用潜力，探讨了其可能为我们带来的益处~，在本推文中展示一些个人看法~图片ChatGPT的应用场景 相信很多人都体验过 物联网技术社区的运行维护；2.数据的理解及后处理等；下边展示了一些基本的工作：实现方式 我们采用gradio 框架，做了一些基本的 AI 应用，通过定义 predict 函数，输入输出参数， 大模型，学习了chatgpt_academic项目，后续在此基础上进行了修改，添加了一些自己的ai 应用（后续非常适合将不同的按钮集成为专门的 AI 模型），具体如下：图片附件：附1：希望国内早早做出优异的大模型
71540编辑于 2023-06-02 - 来自专栏测试技术圈
面向AI应用的测试思考
“ 人工智能（AI）已无处不在，AI正在为各行各业赋能，并以前所未有的速度全方位地改变着我们的生活。 然而，由于AI是一种新的编程范式，无论在学术界还是工业界，对于AI测试的研究和实践尚处于起步阶段。” AI引导了新一轮的产业变革，随着AI在各行各业的应用日益广泛，对AI应用测试的需求也与日俱增。 由此可见，对于AI应用的质量保障显得愈发重要。 1 AI测试面临挑战 关于AI应用（系统）的组成，通常是由软件工程和机器学习模型结合。 对于AI产品业务的测试，可以从两个方面着手，数据验证测试和AI应用测试。 2 AI测试的主要策略 基于数据验证的测试：验证数据集，消除数据偏差。 总之，对于AI/ML模型的测试问题与传统软件测试问题有较大不同，且存在着诸多技术挑战。但伴随着业界越来越多地使用AI技术来构建其系统和应用程序，对AI应用的测试方法和实践将在未来迅速发展和逐步完善。
2K51发布于 2020-09-08 - 来自专栏张师傅的博客
AI 编码的探索与思考
本文由 gemini 自动整理自 2026 年 1 月 16 日做的《AI 编码的探索与思考》分享的文字稿。 引言：打破刻板印象 AI 编码领域的变化可谓“一日千里”。 结论： 如果没有强力的人类干预进行重构，AI 编码系统倾向于加速系统的热寂（Heat Death）——代码库迅速膨胀，直到没有任何人能理解，维护成本趋于无穷大。 5. 当人类产生“Review 疲劳”时，对 AI 代码的检查会变得肤浅。 5. 二阶控制论：观察者的观察 二阶控制论关注的是“观察系统的观察者”。 它会将大需求拆解为 2-5 分钟的微任务，并生成详细的文件路径规划。 这种“小步快跑”的交互模式，能显著降低 Token 消耗并提高准确率。 不要验证偏见：不要因为试了 5 分钟觉得 AI 很蠢就放弃。请给自己几周时间，用 AI 真正从头到一个完整项目。只有在复杂的真实场景中，你才能体会到它的颠覆性。
28910编辑于 2026-06-22 - 来自专栏程序员阿常
日更写作 5 | 关于加班的思考
日更写作 日更第 5/30 天 | 阿常 日更主题 : 关于加班的思考 大家好，我是乐天派阿常，一个外表文静，内心却想释放一亿热情的软件测试员。 想更多了解阿常，可看自我介绍篇 今天给大家分享的内容是 : 关于加班的思考。 今天这次加班，阿常发现我们的测试思路没有很好的被打开，导致定位问题的链路最大化了，没有从最小集的角度去思考解决方案。 今后如果想要避免加班，可以优化的方向，阿常给出自己的思考: 1、执行测试之前制定好测试策略。 今天加班最主要的原因是老板热切期盼着任务进展，担任鼓励师的角色，否则我们也先溜了，捂脸，哈哈~ 今天的加班对阿常来说也是一种新的体验，让我获得了一些新的思考，比如思考怎样才能不加班。
48130编辑于 2022-07-01 - 来自专栏老张的求知思考世界
近期对AI的几点思考
找到应用场景并构建能解决具体问题的AI应用，会是今年AI领域竞争的核心。 虽然目前还未出现出圈爆火的AI应用，但按照前面三年AI技术的发展，今年下半年大概率会出现出圈的AI应用。 AI工具在当前阶段最大的作用，就是让人摆脱对信息的存储、检索和浅加工，转为深度思考和创作。 我个人认为，当前阶段我们和AI的关系，更像一个“合作互补型”的关系。 我们提出核心原则和思考(问题和方向)，AI负责解析我们提出的问题(以prompt的形式)并进行信息遍历和加工处理，这个过程中双方不断的互动(训练调优)。 提示词会是我们学习掌握AI的第一道门槛，想象力以及基于此的产品设计和执行能力是能否很好应用AI的第二道门槛。 4、AI并不会取代所有工作，但标准化的执行岗位注定会被AI取代。 当你的工作有标准化的工作流程和评判标准，当你的工作只是执行任务，而非思考并落地解决方案的话(很多互联网大厂有大量类似的岗位和工作)，那么很容易被AI替代。
38710编辑于 2025-05-19 - 来自专栏企鹅号快讯
ai量化系统架构的思考
ai量化系统架构的思考 背景 现在很多群体，尤其是有点金融背景或兴趣的程序员群体，“大量”进入量化交易这个领域。 以quantopian为蓝本，做出to c的quant平台。 就是在买点上，认为1个月内，会有较大概率上涨至自己的期望，比如5%。这里选股与择时就合一了。 或者做组合，就小市值轮动。这里择时与选股也合一了。 所以，回测本身不那么关键，重点是如何辅助发现策略。 偏爱python，深度关注互联网趋势，人工智能，AI金融量化。致力于使用最前沿的认知技术去理解这个复杂的世界。
1.7K70发布于 2018-01-16 - 来自专栏老张的求知思考世界
关于GPT-5，我的几点思考
稍微值得一提的是，本次发布后GPT只提供两种模型，分别是：GPT-5旗舰模型，以及GPT-5 Thinking模型(深度思考和推理)。 聊完了GPT-5的发布内容，下面是一些我个人近几个月对AI的一些思考。 1、大家对人工智能的能力预期一直是AGI，但没人能预测什么时候我们会迎来它。 如果将大模型看作AI时代的技术设施(水电煤)，那么智能体就是支撑AI应用创建的底座，而智能体平台则会成为全新的分发渠道和创作平台，其中蕴含着很多新的机会。 未来的内容创作领域，信息检索、加工和整理，都可以交给AI来执行。内容创作者要做的事情，就是基于自己的独特视角，不断提出更新的、值得令人深入思考的观点。 AI时代蕴含着很多的机会，如果你决定投身于此开始创业，那你从一开始就需要思考该如何盈利的问题。 找到盈利模式的路径大致有三种：成本、市场、资源。
43410编辑于 2025-08-12 转载：【AI系统】从 CUDA 对 AI 芯片思考
本文将主要从流水编排、SIMT 前端、分支预测和交互方式等方面进行分析，同时对比 DSA 架构，思考可以从英伟达 CUDA 中借鉴的要点。 英伟达生态的思考点从软件和硬件架构的角度出发，CUDA 和 SIMT 之间存在一定的关系，而目前 AI 芯片采用的 DSA 架构在编程模型和硬件执行模型上还处于较为早期的状态，英伟达强大的生态同样离不开 面对新的 AI 芯片，在流水隐藏方面，实现架构层面的隐藏流水编排机制，提出一个形式上与 SPMD 没有关系的编程模式，而且易用性堪比 CUDA 的软件是可能的。 编程模型上缺乏统一的标准，因此需要专门搭建编译器和编程体系，硬件主要以 AI 加速芯片（TPU、NPU 等）为主。 借鉴与思考点流水编排在指令流水线编排方面，最重要的是从硬件设计上解决 SIMD data path 流水编排问题。
65010编辑于 2024-12-11- 来自专栏算力游民
AI 对组织架构变革的思考
真正值得问的是：当企业把思考、讨论、复核、决策、执行拆成多个 AI 角色时，组织结构、权力、责任、学习和员工身份会怎么变？ AI 又没有责任主体。 第三，把 AI 反对意见制度化。 否则 AI 组织会变成混乱的模型市场。 第五，把员工从 AI 使用者训练成 AI 组织者。 未来的关键能力不在 prompt 写得好不好。 真正的组织变革命题 AI 进入组织改变六件事：注意力、知识整合、异议、决策权、责任、学习；真正稀缺的是人—AI 复合组织能力 站在组织行为学和管理学的角度，Sakana AI 和 Hermes MoA
29400编辑于 2026-06-30 - 来自专栏边缘计算
关于5G 的十点思考
除中国外，目前已经开始5G商用的其他国家的运营商都基于非独立组网（NSA）方式起步，即沿用4G核心网，仅增加了5G 基站。5G终端从而可获得比4G更高的宽带能力。 （8）车联网是5G 全新的应用场景。为此，5G 专门在无线接入和核心网两个方面都考虑保证低时延的措施。 5G 将工业互联网应用视为己命，企业可以利用5G 作为企业内网或广域网的传输手段，5G 运营商可为企业提供网络切片，但运营商的5G 网络主要是面向公众用户而设计的。 另外，从管理和安全角度考虑，大企业希望建设5G 专网，频率主管部门需要为企业建设5G 专网划出专用频率。 综上所述，建设SA网络和开发SA应用可以说是5G新一轮创新的起点。 中国率先走SA之路会面临试错的风险，也有很多值得思考的问题。5G创新之路还很长。 参考文献 [1] 中华人民共和国工业和信息化部.
75621发布于 2020-02-19 - 来自专栏深度学习与python
AI原生数据库的思考
为了更准确描述这一能力，我们把它称为 AI 原生混合搜索（AI native search）。 现代数据架构 从一体化架构开始，OceanBase 一直在思考现代数据架构。 可以预见，AI 数据库将从“AI Ready”逐步演进到“AI Native”。 基于这些思考，我们在 OceanBase 中逐步增加 AI 数据库能力，并基于 Apache 2.0 协议开源了 AI 原生数据库 seekdb。 接下来的几个部分会深入探讨 AI 数据库的思考，包括： <<从向量搜索到 AI 原生混合搜索>>：介绍 AI native search 背后的思考。 <<AI Ready的现代数据架构>>：介绍现代数据架构的设计逻辑。 <<从 AI Ready 到 AI Native>>：介绍数据和模型融合背后的思考。
90010编辑于 2025-12-24 - 来自专栏Dance with GenAI
AI图书下载：智能机器如何思考？
这本书名为《智能机器如何思考》（How Smart Machines Think），作者是肖恩·格里什，由张羿翻译，中信出版集团出版。 作者肖恩·格里什介绍了自己对人工智能和机器学习的好奇，以及写作本书的初衷，即分享他在研究中学到的知识，帮助读者理解智能机器的思考方式。 5网飞和推荐引擎的挑战：分析了网飞如何使用机器学习来构建推荐引擎，以及背后的技术和挑战。 6团队融合：网飞奖的赢家：讲述了网飞奖的竞争过程，以及如何通过团队合作和模型混合赢得比赛。 我个人的信念是，人类也是机器，我们是模拟机器，如果我们相信人类 可以思考，那么就没有什么能阻止我们有朝一日设计出可以思考的数字计算机。 我们的机器总有一天会思考，这是大势所趋，它们会产生情感、观点和自我保护的愿望，这些总有一天会与我们人类发生冲突。
41510编辑于 2024-11-14 - 来自专栏SDNLAB
5G开放之路：理想、现实与思考
近几年我的主要工作精力在SDN/NFV以及网络云化与智能化转型方面，在网络转型研究和实践中促使我一直在思考网络开放与通信行业发展相关问题。 本文中我将梳理一下自己对“开放”这一话题的思考，首先申明这些文字仅代表我作为一名研究人员的个人认识，不能代表我所供职单位的观点。 5G不是单独的存在，5G只是提供了高带宽、低时延和大连接的网络环境，5G的作用需要与人工智能、云计算、大数据、区块链、边缘计算等新一代信息技术相结合，也需要依托底层光纤网络，也就是5G+ABCDEF（AI 05 5G开放之路的思考 5G的大幕已拉开，5G应该是一个开放的大舞台，下一步就看戏谁来演？戏如何演？5G不只是电信运营商的5G，而是全社会的5G，是信息社会开放创新的大平台。 如何集合社会创新力量共同推动5G发展，如何通过开放生态激活电信行业自身的改革动力和创新活力，值得思考。“开放”是一个很大的话题，从不同角度和维度有不同的理解，这里仅从如下几个方面谈谈个人的粗浅看法。
97920发布于 2020-03-06 AI大模型：当机器学会“思考”的方式，却依然不懂“思考”
2026年的今天，我们已经习惯了与AI对话、让它写诗、画图甚至辅助诊断。但若退后一步，问一个朴素的问题：大模型究竟在做什么？ 答案或许比“它在思考”更惊人，也比“它只是统计”更微妙。 链式思考（CoT）与自我一致性 鼓励模型显式输出推理步骤，并通过多次采样投票，提高复杂问题的正确率。而更具野心的方向是将大模型与形式验证结合——让模型生成代码或数学证明，再由符号系统自动检验。 那时，AI将不仅“猜”，还能“保证”。也许十年后回头看，2026年的大模型就像蒸汽机时代的早期原型：笨重、低效、充满安全隐患，但已燃起了范式转移的火种。
20810编辑于 2026-08-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号