筆者一直認(rèn)為,社交媒體實(shí)際上是社交“自我”媒體。因此它的存在似乎只是一種傳播媒介,表達(dá)我們天生的、極度渴望的自我陶醉。
然而,巴拉克•奧巴馬(Barack Obama)總統(tǒng)卻認(rèn)為社交媒體還扮演著其他角色。在民主黨在紐約舉辦的一次籌款活動(dòng)上,奧巴馬試圖能讓人們相信,如今的世界要比20年前安全很多。只是數(shù)字化的擴(kuò)張讓我們感覺(jué)當(dāng)今的世界更不安全。
他說(shuō)道:“事情的真相是,世界一直都是混亂的。我們?nèi)缃癫艅倓傄庾R(shí)到這一點(diǎn)的原因,從某種程度上而言,源于社交媒體和我們現(xiàn)有的能力,能夠讓我們看到人們正在經(jīng)歷的艱難困苦細(xì)節(jié)。”
在Twitter出現(xiàn)之前,我們真的注意不到世界的混亂嗎?難道官方媒體沒(méi)有為我們呈現(xiàn)出那些承載著痛苦和災(zāi)難的照片,讓我們銘記在心嗎?
或許正是社會(huì)媒體的即時(shí)回饋令我們更快地了解到了俄羅斯正在入侵烏克蘭,而塔利班現(xiàn)在仍舊是塔利班這些新聞。
但是,這讓我們更加擔(dān)心,甚至讓我們更加煩惱了嗎?
快速更新的Twitter資訊或許正為我們展示一些媒體及政治傾向更多的成員,他們自己對(duì)世界彼端正在遭受苦難人民的擔(dān)心和憤怒。此外,它是否還展示了普通民眾所表達(dá)的震驚和采取行動(dòng)的必要性呢?筆者不太確定。但相比居住在像頓涅茨克或摩蘇爾這些城市的人們的日常生活,電視上的明星個(gè)人生活秀似乎更加有趣。
社交媒體的擴(kuò)張甚至于還可能扮演著一種類似贊安諾(Xanax)這種藥物的特殊作用。因而無(wú)論我們處于怎樣的心情狀態(tài),我們都能夠找到一個(gè)會(huì)使自己感覺(jué)好一些的一片網(wǎng)絡(luò)空間。
世界上大部分的快樂(lè)、煩惱和憂慮都潛伏在Twitter、Facebook和其他社交媒體的某個(gè)地方。世界上所有的秘密、絕望、驚喜和建議都在自己的小天地里,等待著被發(fā)現(xiàn)和分享。
社交媒體的存在真的令我們更加關(guān)心人們的艱難困苦了嗎?或許在某些時(shí)候是這樣,但一般來(lái)說(shuō),筆者不敢肯定。
我們的焦慮往往與我們個(gè)人對(duì)現(xiàn)在和未來(lái)的感受息息相關(guān)。盡管人們?cè)谏缃幻襟w上確實(shí)看到了很多戰(zhàn)爭(zhēng)或其他圖片,但我們很難相信普京對(duì)烏克蘭的入侵對(duì)他們而言真的很重要。
不過(guò),奧巴馬總統(tǒng)還說(shuō)道:“這令我想到了,人們焦慮的最終原因,就是華盛頓不再運(yùn)作。”
通過(guò)社交媒體,我們真的學(xué)到這些了嗎?
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問(wèn)題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問(wèn)題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過(guò)"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問(wèn)題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競(jìng)賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長(zhǎng)度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過(guò)滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長(zhǎng)視頻生成中的錯(cuò)誤累積問(wèn)題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過(guò)讓AI模型學(xué)習(xí)解決幾何問(wèn)題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測(cè)試基準(zhǔn)上都帶來(lái)顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績(jī)。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。