AI 正在毁掉下一个辛顿

多年以后，面对诺贝尔奖杯，Geoffrey Hinton 也许会回想起 1986 年那篇没什么人看好的论文，以及几个年轻人愿意陪他一起写代码跑实验的那个下午。 今天，这样的年轻人正在消失。 1986 年，Hinton 发表了反向传播算法的关键论文。当时他是一个年轻的认知科学研究者，做的方向没什么人看好，神经网络在学术界是边缘话题。他有的东西很少：一个职位不高的学术岗位、一群愿意跟他一起写代码跑实验的初级研究者，以及足够的试错空间。 现在，这三样东西都在被 AI 吃掉。

算法真的让我们更愤怒了吗？

当牛津大学出版社将“愤怒诱饵”（Rage Bait）选为2025年的年度词汇时，一种集体性的受害者叙事正变得越来越广泛。 这个词所隐含的图景，是大众被描绘成一群在数字海洋中游弋的无辜鱼群，被某种看不见的险恶力量用精心设计的钩子钓起。媒体的解读大多遵循这一路径，将矛头指向平台的流量原罪。这种清晰划分善恶的方式让人感到舒适，好像我们都是清醒的，只是被技术蒙蔽了双眼。

撕裂社会的，从来不是算法

算法会加剧社会分裂吗？这种“技术决定论”叙事在经验证据上是薄弱的。算法的核心是商业性的“参与度优化”，而非意识形态灌输。更关键的是，国外的研究发现，极化主要由政治精英、党派媒体和深层社会经济结构驱动，强迫人们走出茧房、接触对立观点，非但不能促进理解，反而会使其立场变得更加极端。 早在“算法”成为热词之前，瓦尔特·李普曼（Walter Lippmann）就对“舆论”的形成提出了深刻的质疑。

中国超过50所人工智能学院，北大为何押注“科学智能”？

过去几年，“人工智能学院”在中国高校中迅速铺开，据不完全统计，已经有超50所高校开设了“人工智能学院”。在这一波浪潮中，北京大学深圳研究生院选择了建立一所面向“科学智能”（AI for Science）的学院，把人工智能的重心放在基础科学问题上。 传统的AI教育更多是培养算法和工程人才，而 AI for Science 的目标，则是用AI去重塑和加速基础科学的发现过程。

人工智能时代，我们需要什么样的哲学？

在过去十年里，人工智能的发展经历了一次前所未有的跃迁。从最初在棋盘上击败人类的算法，到如今能写诗、绘画、对答如流的语言模型，人工智能正以前所未有的速度渗透进我们生活的每一个角落。而当它不再只是“藏在云端的程序”，而是附着于一个能行动、能互动、能表达情绪的“身体”中时，它也就真正成为了“具身智能” 一种既能理解世界、也能参与世界的智能体。它将是站在工厂流水线上的机械臂，也将是陪伴独居老人的社交机器人；它将是执行高空巡检的无人机，也将是在教室中讲故事的拟人老师。

2025展望：我们到底处在AI发展的哪个历史节点上？

我们正身处一场技术革命的历史开端，以ChatGPT为标志的这轮AI科技浪潮是算法和软件诞生以来人类科技最重要的技术变革，由此开启了以智能为核心的第四次工业革命。这次AI变革是由以Scaling law为底层逻辑的基础模型驱动，其整体的发展脉络由基础模型的技术逻辑主导。 进入2025年，我们清晰地看到，Scaling law本身仍然成立，但以堆算力以及一味追求扩大模型尺寸的迭代路径已经被打破。同时，基础模型本身的迭代趋于阶段性收敛，Transformer-like逐渐成为统一的底层架构。

互联网公司为什么热衷于大数据杀熟？

口述 | 胡一竑 整理 | 李璐 李珊珊 关于大数据杀熟的讨论不是第一次了，然而，2024年年末，关于“年轻人反向驯化大数据”的话题又一次成为了热点。然而，亦有人指出，伪装、哭穷式的“反向驯化”开始时也许会有点效果，在愈加聪明的算法面前，最终，所有这些终将会被归入大数据，作为商家用来推测消费者意图的参数之一。在这个算法的世界，作为普通消费者，究竟该如何自处？我们这个日渐数字化的社会，如何才能避免大数据的滥用？

这个团队的研究，为何入选联合国AI案例？

责编 | 苏惟楚 最近闭幕的联合国气候变化大会上，数字化与人工智能成为一个关键话题。 今年11月中下旬在阿塞拜疆举行的联合国气候变化大会，即《联合国气候变化框架公约》缔约方会议第二十九次会议（简称“COP29”），设立数字化主题日。中国多家研究机构和科技企业的研究人员，也带来了AI在助力应对气候变化方面的最新进展。 其中，阿里巴巴达摩院决策智能实验室资深算法专家孙亮，分享了AI驱动的天气预报和新能源预测应用。达摩院在“八观”气象大模型等基础上，推出可再生能源预测平台eForecaster。

诺贝尔物理学奖得主辛顿：旧的想法也是新的

2024年诺贝尔物理学奖得主杰弗里·辛顿是神经网络研究的先锋。20世纪80年代，辛顿在麻省理工学院展示了一种新的神经网络模型“玻尔兹曼机”，试图解决感知机的缺陷。 “旧的想法也是新的”，这是辛顿常常说的一句话。他认为科学家永远不应该放弃一个想法，除非有人证明了它行不通。尽管外界对他的想法反应冷淡，辛顿坚持自己的研究方向，并将反向传播算法引入多层神经网络训练，最终开启了机器学习的爆炸式发展。 [美] 凯德·梅茨 | 撰文 2024年诺贝尔物理学奖得主辛顿。

短视频里的全民社会实践：算法如何推动知识普惠？

两个月前，一颗长蘑菇的苹果在抖音上走红。 6000多万网友围观了这场全民博物知识接力，见证了算法对于知识传播的独特魅力。 故事的起因是，一位浙江网友在黄梅天里发现家里苹果长出了蘑菇，于是她把这一奇观放在平台上与大家分享。很快这一信息被喜欢在平台上观看采蘑菇视频的中国科学院昆明植物研究所许博士注意到，许博士惊讶地发现这种蘑菇以前从未在苹果中出现，便与原作者取得联系，希望买下做研究。拿到样本后，许博士马不停蹄开展了研究，并在抖音上向网友实时汇报进度。