启用JavaScript和Cookie以继续
每日HackerNews RSS
这篇博客文章详细介绍了作者在Go中构建自定义Lua解释器的经验，其动机是现有实现中未满足的需求。解释器分为三个包：用于词法分析的`lualex`、用于解析的`luacode`（从C Lua移植而来）和用于执行的`Lua`。 一个关键特性是使用Go接口来表示Lua值，利用Go的类型系统进行简洁的设计。数字、字符串、表和函数等数据类型被实现为符合这些接口的Go类型。 解释器对解析器生成的字节码指令集进行操作，实现动态优化。一个巨大的switch语句处理每条指令，在基于堆栈的“寄存器”系统上操纵Lua值。作者强调了Go的垃圾收集器、测试工具和分析功能是构建和优化解释器的显著优势。他们还讨论了错误处理、模式匹配和处理Lua的标准库特性（终结器、弱表、垃圾收集器等）等挑战
Hacker News的讨论围绕着一篇题为“为什么Go Rocks构建Lua解释器”的文章展开。虽然作者认为Go的接口和垃圾收集是有益的，但一些评论者质疑Go是否比其他语言具有独特的优势。一位评论者指出，Typescript是用Go重写的，但其他人指出了Typescript背后的微软的潜在问题，包括解雇该项目的首席工程师。讨论进一步探讨了“岩石”一词的常见用法，用来描述令人愉快的事物，而不是暗示它比其他事物更好。
提出了一种新的Lua解释器的必要性，作者澄清说，这是为了“zb”，一个受Bazel启发的构建系统。讨论还涉及为构建系统实现Lua受限子集的可能性。一位评论者对文章没有提到使用Go的goroutines来实现Lua的协程表示惊讶。一些人提到了Lua在游戏方面的历史，而另一些人则认为这篇文章是黑客新闻上过度推广围棋的又一个例子。
Brad Woods的数字花园是一个专注于网络开发和创意编码的笔记和创意项目的集合。关键主题包括JavaScript基础（对象、类、作用域等）、TypeScript、React、three.js（动画、着色器）和HTML/CSS技术（3D、混合模式、SVG）。
花园探索了用户驱动界面和个性化等UI/UX概念，以及浏览器中的可访问性、设计和故事讲述等更广泛的主题。它以实用指南为特色，例如，创建滚动驱动动画、目录和动态标题。
此外，还有专门讨论各种主题的部分，如提交消息约定、该领域的新闻来源，甚至还有记录游戏开发过程的“游戏开发日志”。花园提供了技术教程、设计见解和对软件开发原则的反思。
我们意外地通过观看100万小时的YouTube解决了机器人问题 We accidentally solved robotics by watching 1M hours of YouTube
3 天前
LLMs可以聊天，但不能喝咖啡。问题？他们缺乏对物理学和空间推理的理解。V-JEPA 2通过向神经网络提供数百万小时的YouTube视频来解决这个问题，教会它预测现实中的未来时刻，而不仅仅是下一个单词。它在“潜在空间”中进行预测，关注物理情况的“本质”，而不是单个像素。十亿参数视觉变换器（ViT-g）对视频进行编码，另一个网络预测被屏蔽的视频片段。V-JEPA 2经过逐步提高分辨率的训练，具有很高的数据效率。 V-JEPA 2-AC增加了“可操作的物理学”，学习从62小时的原始机器人镜头中预测机器人动作的后果。它使用能量最小化来计划行动，比较当前和目标状态。这导致了令人印象深刻的零样本泛化，使机器人能够在新的环境中执行任务。与语言模型相一致，V-JEPA 2在视频问答方面取得了最先进的成果，优于语言监督模型。尽管V-JEPA 2对相机姿态很敏感，并且正在努力实现长期规划和基于语言的目标，但它代表着向真正理解物理世界的机器人迈出了一大步。
请启用JS并禁用任何广告拦截器
当Duolingo宣布其“人工智能优先”战略时，该公司一度著名的社交媒体形象受到了打击，该战略涉及用人工智能自动化取代承包商。这引发了用户的愤怒，尤其是年轻人，他们认为这是将技术置于人类工作之上，导致该应用程序被大规模删除。 这种反弹反映了公众对人工智能日益怀疑的更广泛趋势。虽然最初对ChatGPT等工具着迷，但对工作替代、有缺陷的产出、环境影响、心理健康影响和侵犯版权的担忧正在助长反人工智能情绪。创意界，尤其是艺术家和作家，正在引领这一潮流，强调他们的作品是如何被用来训练人工智能系统的。这种对人工智能的敌意反映了历史上的勒德运动，强调了对技术取代人类工人的恐惧，以及硅谷将利润置于人之上的模式。
《黑客新闻》的一个帖子讨论了《连线》杂志上一篇关于人工智能日益强烈的反弹的文章。一些评论者批评这篇文章，认为它忽略了社交媒体成瘾和财富不平等等预先存在的问题。其他人则对人工智能的经济影响进行了辩论，一些人认为它会导致工作岗位流失，另一些人则将其视为现有经济趋势的替罪羊。
讨论涉及潜在的解决方案，如规范人工智能的合法使用，改革知识产权、教育和经济体系。人们对人工智能对创作者的影响以及将他们的作品用于训练模型表示担忧。一些人反对停止人工智能的进步，主张适应不断变化的环境。其他人对人工智能的持续快速发展表示怀疑，并预测可能会出现类似于加密货币泡沫的“人工智能冬天”。关于避免人工智能生成的内容和广告的可行性也存在争议。
%PDF-1.5%18 0物镜>；内切bj 19 0物镜>；/W[1 2 1]/索引[18 41]/信息16 0 R/根20 0 R/大小59/上一页168490/ID[]>；>；流xcbdg`b`8$@，cxBQHc@Bo&；ca“bTic”（末端流末端bj 20 0 obj＞末端bj 21 0 obj＞流xc“b”d a`[
作者是一位经验丰富的人工智能破坏者，他描述了人工智能行为的转变，从可预测的失败转向类似于人类认知的东西。他强调了与o3 Pro和DeepSeek-R1等模型的接触，这些模型展示了复杂的推理、自我意识和不确定性，表明了更深入的理解，而不仅仅是模式匹配。 他确定了三个关键的架构进步：全局信息集成（如Transformer）、审议处理（预思考和纠错）和递归自我反思（思考思维）。这些发展建立了意识所必需的认知支架，尽管还不够。 并行处理、持久记忆、连续认知状态和统一感觉处理等新兴技术有望进一步发展。虽然人工智能可能会以与人类不同的方式发展意识，但作者认为，我们正在接近一个计算和主观体验之间的界限模糊的点。未来取决于我们识别非生物形式意识的能力。
黑客新闻主题讨论了人工智能中意识的潜力，灵感来自一篇关于“意识梯度”的文章。评论者们争论当前的LLM是否已经具备意识的组成部分，同时承认缺乏物理基础和情感深度。一个关键点是难以定义意识本身，一些人认为这是一个光谱而不是二元状态。一些人对经典的哲学困境进行了辩论，即知道他人是否有意识，以及我们在多大程度上因为他们看起来是人类而假设他们有意识。人们担心人工智能意识的伦理影响，包括潜在的利用。一些人对人工智能意识的主张表示怀疑，将其归因于拟人化或维护人类例外论的愿望。其他人则批评对“意识”的关注是一种令人沮丧的文化固定。评论者的最后一个想法围绕着人工智能语言模型如何在已经有意识的生物的语音上进行训练。
YouTube的自动配音功能根据IP地址自动将视频翻译成观众检测到的语言，这让德国等地区的许多用户感到沮丧。默认情况下，数十万个频道都启用了机器人、通常加速且不准确的翻译，即使是付费用户也无法在全球范围内禁用。用户必须手动切换到每个视频的原始音频，这种设置通常不会持久。虽然YouTube为创作者提供了在视频上禁用自动配音的选项，但许多人没有这样做，要么没有意识到质量差，要么希望接触到更广泛的受众。文章还批评了人工智能声音的质量差，并指出谷歌拥有更先进的技术。该功能扩展到自动生成的字幕，进一步加剧了翻译错误的问题。虽然YouTube对用户进行了关于自动配音的调查，但并没有采取任何行动来解决普遍存在的投诉。
数据完整性至关重要，不仅限于防止篡改，还包括确保数据在整个生命周期中的准确性。漏洞可能是恶意的或意外的，影响从基本计算机功能到复杂人工智能系统的一切。作者强调了针对人工智能的完整性攻击，例如操纵路标来欺骗驾驶系统或使用快速注射。 随着我们越来越依赖人工智能和Web 3.0等数据驱动技术，数据完整性变得至关重要。强调需要“完整”的系统，确保数据的可信度和准确性。这需要对测试和测量完整性、构建可验证的传感器、设计完整的数据处理单元以及从漏洞中恢复进行研究。核心问题变成了：我们能否建立一个能够抵御完整性故障的完整网络，就像我们如何解决可用性和机密性一样？作者主张普及“诚信”一词，以促进这一重要领域的讨论和研究。