我最喜欢的播客 2024 – 大重置

📅 ০৫ নভেম্বর ২০২৫ | ⏱️ ~1 মিনিট পড়া কখনও একটি প্রযুক্তিগত সমস্যার সমাধানের জন্য অনুসন্ধান করেছেন, শুধুমাত্র একটি 1,000 শব্দ রচনা পেতে জিনিস কি? হ্যাঁ, আমিও। আপনি ড্রিল জানেন. আপনি Google “কীভাবে একটি গিট দ্বন্দ্ব ঠিক করবেন”এবং প্রতিটি ফলাফল গিট কি তা ব্যাখ্যা করে পাঁচটি অনুচ্ছেদ ব্যয় করে। সাথী, আমি এখানে আছি কারণ আমি…

scosman/pelicans_riding_bicycles I firmly approve of Steve Cosman’s efforts to pollute the training set of pelicans riding bicycles. (To be fair, most of the examples I’ve published count as poisoning too.) Via Hacker News comment Tags: ai, generative-ai, llms, training-data, pelican-riding-a-bicycle Source link

Novemba 2019 Ukigundua jambo jipya, kuna uwezekano mkubwa kwamba utashutumiwa kwa aina fulani ya uzushi. Ili kugundua mambo mapya, unapaswa kufanyia kazi mawazo ambayo ni mazuri lakini yasiyo dhahiri; ikiwa wazo ni zuri, labda watu wengine tayari wanalifanyia kazi. Njia moja ya kawaida ya wazo zuri kutokuwa dhahiri ni kwa kufichwa kwenye kivuli cha dhana…

哇，我们已经完成一半了吗？哇啊，生活在 S 曲线中 有一张著名的新冠疫情时期图表，我一直在努力寻找，它显示了在经历 S 曲线的过程中估计 S 曲线是多么困难。在早期，一切似乎都在呈指数爆炸式增长，你总是会收到一些炒作文章，说你，你这个笨蛋，不理解指数，让我解释一下。然后，当事情触及无形的渐近线时，那些写病毒式文章的同样响亮的声音奇怪地转向了其他事情。 不管怎样，下面的推文图片并不能体现这一点，你应该观看视频版本：https://vimeo.com/408599958 或 https://x.com/clcrozier/status/1251148890595708938 作者是康斯坦斯·克罗泽 (Constance Crozier)，她还撰写了一篇博文。这是 googlebots 的完整内容： S 曲线（或 S 型函数）通常用于模拟社会或生物系统随时间的演变 (1)。这些函数从指数增长开始，然后线性增长，最后趋于平稳（因此最终看起来像一个不稳定的 s）。我们认为指数函数的许多东西实际上都遵循 S 曲线（否则系统将达到无穷大）。一个著名的例子是采用新技术。下图显示了随着时间的推移拥有智能手机的美国成年人的百分比，顶部有一条最适合的 S 曲线。在这种情况下，由于宣传和供应的推出方式，出现了指数增长。然而，潜在消费者数量有限（其中一些人永远不会拥有智能手机），因此增长逐渐放缓至零。 美国智能手机拥有量 (2) 另一个例子，也是这些曲线重新出现在新闻中的原因是疾病的传播。在这种情况下，当病毒是新病毒时，就会出现指数增长，因此大多数遇到它的人不会产生免疫力。之所以出现平稳，是因为病毒不再遇到没有免疫力的人（由于“群体免疫”或感染者的隔离）。下图显示了 2003 年 SARS 爆发期间中国的死亡人数，同样采用最佳拟合 S 曲线。 中国因非典死亡人数(3) S 曲线只有三个参数，因此它们如此适合各种系统，这也许令人印象深刻。概括地说，这三个参数描述了初始增长率、稳定率以及稳定值。因此，如果你能估计这三个数字，那么你就得到了趋势曲线。我们中的许多人都会在学校学到，如果要找到三个参数，则需要三个数据点来定义函数。这表明您可以仅根据三个观察结果完美地预测稳定点（剧透：您不能）。 实际上，虽然我们可以说数据的总体趋势可能符合某些 S 曲线，但各个点不会全部位于该曲线上。这可以在前面的两个例子中看到。这种差异通常被描述为“建模误差”，其中包括数据测量中的误差以及 S 曲线模型根本上错误的事实。引用乔治·博克斯的话：“所有模型都是错误的，但有些模型是有用的”。 直观上，从早期数据预测曲线是不可能的，这是有道理的。假设这一点意味着相信我们无法影响结果。然而，根据我的经验，“直觉”和“数学”往往很难调和。因此，我决定调查随着更多数据的出现，“最佳拟合 S 曲线”会发生多大变化。下面是我随机选择的 S 曲线。显示的点是“噪声观测值”——这是数学上表示“施加随机误差量的曲线上的点”的方式。 在这种情况下，S 曲线模型非常适合——我实际上是从 S 曲线生成数据的。这意味着如果误差为零，那么我们只需要三个点即可找到曲线。综上所述，这个例子是理想化的——现实中不太可能有一条曲线与数据如此吻合。下面的动画显示了随着更多数据的可用，最佳拟合 S 曲线（使用最小二乘优化找到）。 毫不奇怪，在指数增长阶段，估计非常糟糕，但即使在线性阶段（当有…

Circondato da idioti: i quattro tipi di comportamento umano e come comunicare efficacemente con ciascuno negli affari (e nella vita) di Thomas Erikson presenta un modello di quattro tipi di comportamento – Rosso (dominante, motivato), Giallo (ottimista, sociale), Verde (calmo, solidale) e Blu (analitico, attento ai dettagli) – per spiegare perché le persone si fraintendono…

Estos son los principales cambios que veo que se avecinan para la ciberseguridad en 2026. Queda muy claro que la principal cuestión de seguridad para una empresa es qué tan buena es la IA de sus atacantes frente a la suya propia. Los CISO se dan cuenta cada vez más de que no hay forma…