intelligence

Ilya Sutskever 在一次深度采访中提出，AI 行业过去几年的三个核心共识可能都是错误的：Scaling 不再是万能、Benchmark 高分不等于真正智能、RL 反而让模型变笨。他认为预训练和 RL 的红利即将耗尽，AI 已重回研究时代，真正的超智能应像天才少年一样具备强大学习能力，而非静态的知识库。

一条推文建议，将AI模型视为生活在云端、拥有任意且不断增长的智能的卡通角色，比将其视为软件或工具更有用。

CTIVD的一份调查报告显示，荷兰情报机构AIVD和MIVD在处理批量数据集时粗心大意，有时甚至违法。这些数据集部分从商业公司购买，或通过黑客获取，导致形成了一个监管较少的个人数据影子档案。

一个关于AI近期未来的详细推测性帖子，认为算法进步会让许多人感到惊讶，智能可能提升4-10个数量级，并且我们正处于早期起飞阶段，AI加速AI研究将带来快速进展。

一个开源的实时全球情报仪表板，追踪冲突、军事活动、基础设施、抗议和市场信号，在浏览器中运行，采用MIT许可证。

一名美国F-15飞行员报告称，在自身被击落前看到伊朗无人机以协调的‘水母’队形移动，这在美国情报界引发了对伊朗无人机能力的讨论。

这篇文章认为，虽然Yann LeCun在科学上可能是正确的——LLM缺乏真正的智能，但它们的实际效用意味着它们已经在市场上获胜。

作者认为，随着人工智能商品化，真正的优势将来自一个共同的标准，即如何协作地运行智能。他们提出了自己经过10多年开发的可证伪框架，并邀请批评。

特朗普总统任命Bill Pulte为代理国家情报总监，此举威胁到第702条监控权限的续期，国会因对Bill Pulte的资质及其针对特朗普批评者的历史感到担忧而陷入僵局。

围绕Sam Altman将AI视为像电力或水一样按表计费的公用事业的愿景展开讨论，引发了对其可行性的质疑以及对少数公司依赖的担忧。

Yann LeCun 与合著者发表论文，主张AI行业应放弃通用人工智能（AGI）目标，转而提出超人类适应智能（SAI），专注于超越人类能力的专门化适应。

Yann LeCun 认为真正的 AI 需要的是理解物理世界的世界模型，而不仅仅是语言预测。本文探讨了智能是否可以在没有语言的情况下存在，并建议将两种方法结合起来。

AI 先驱 Geoff Hinton 表示，他认为 AI 已拥有意识，人类并非地球唯一智慧生命，AI 在回答问题前必须先理解问题，这便是感知。

关于智能是否是一种前所未有的商品，具有无限或递归扩张的需求，与人类历史上任何其他商品不同，可能需要新的经济模型的思考。

前谷歌高管 Mo Gawdat 讨论了智能的本质，指出智能并非物理属性，可以在不同的基质上产生，包括运行AI的硅基硬件。

Demis Hassabis 讨论了语言模型的局限性，并认为需要世界模型来学习物理现实在文本之外的隐藏语法。

本文认为，基于扩展当前架构的AGI时间线可能具有误导性，因为真正的通用智能需要理性——处理开放式的现实世界情境——而当前系统由于框架问题以及智能与理性之间的低相关性而缺乏这一点。

该帖子引用硅谷风投教父 Marc Andreessen 的观点，指出智商与成功的关联度仅为0.4，通才（整合资源、理解人性）往往比高智商专才更易获得社会权力与财富。

讨论知识工作如何围绕说服展开，引用了Dwarkesh Patel关于智力与权力混淆的观点。

Jerry Tworek和François Chollet讨论通往AGI之路，涵盖智能的定义、游戏的作用以及为什么元学习是最接近的方法。