Plato
PulseAugur coverage of Plato — every cluster mentioning Plato across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
科技精英和人工智能崇拜在Mastodon上受到严厉批评
作者批评科技行业的精英，将他们比作历史上的“游说者”，并指出人工智能是他们最新的化身。文章特别点名了Mastodon等平台上的用户，指责他们在批评政治人物的同时，却崇拜Ghodsi之类的人物，并将人工智能视为神圣实体，认为他们是虚伪的。作者认为，这种行为表现为一种“数字奴役”，个体对自身被感知的局限性着迷。
-
在 Linux 上使用 llama 和 Ollama 离线翻译文本
本次演示展示了如何使用免费工具进行文本翻译，而无需网页浏览器或登录，特别是在 Linux 系统上通过 Ollama 利用 llama 模型。此过程意外地揭示了柏拉图一个令人惊讶的哲学见解，以及一个警示信息。
-
古代关于阅读对记忆影响的警告在人工智能时代重现
柏拉图在他的老师苏格拉底的一段对话中写道，大约2400年前，阅读可能会削弱记忆力。这一古老的警告正在人工智能时代被重新审视。
-
作者认为AI加剧“体象恐惧症”，贬低具身智能
作者Melanie Challenger认为，随着人工智能（AI）的兴起，“体象恐惧症”（即对身体的恐惧和贬低）的概念正在被放大。虽然像ChatGPT这样的AI工具被一些人视为有意识的，但Challenger认为真正的智能本质上是具身的，没有生物体的物理整合和自我保存的冲动就无法存在。她借鉴了认知科学和神经科学的研究，支持思想和决策深深植根于身体状态和信号的观点，挑战了数字复制的无形心智的概念。
-
AI表征：超越柏拉图和亚里士多德的哲学辩论
一篇新发表在arXiv上的论文探讨了机器学习中的表征概念，特别是当模型接近人类水平能力时。作者批判性地审视了不同AI模型在表征特性上的趋同性说法，特别讨论了“柏拉图式表征假说”。通过借鉴关于心智表征的哲学辩论，该论文旨在阐明这些说法的含义，并强调仅凭对齐证据得出强形而上学结论的局限性。
-
柏拉图的古老批评与现代AI担忧相呼应
一篇Mastodon帖子引用了据称是柏拉图的话，暗示写作使人愚钝，因为它减少了记忆的必要性。该帖子将这种古老的批评与围绕计算器、计算机、Google、智能手机和人工智能等技术的现代焦虑进行了类比，将技术进步描绘成对智力衰退的反复恐惧的根源。
-
AI模型EXOVEIL通过恒星行为探测系外行星
研究人员开发了EXOVEIL，一个利用基于Transformer的世界模型通过开普勒光变曲线训练来探测系外行星的新系统。该系统学习恒星的正常行为，并识别出表明凌星的偏差，即使是单次凌星事件。EXOVEIL在现有数据集上表现强劲，并显示出对TESS等新任务具有零样本迁移能力的潜力，接近类地行星的探测极限。
-
哲学家声称拥有天才，探讨意识的双重性
作者提出了对意识的哲学探索，认为意识是空间（现实的模拟或镜像）和层级内行动者这两种二元性。他们认为时间是存在的基础，而生命的意义在于在保持个性的同时通过相互联系而进化。作者声称自己拥有天才，并引用了历史上的哲学和宗教概念，认为无需接受采访。
-
古代哲学家将驳斥人工智能的‘写作’论调
像恩赫杜安娜、柏拉图和亚里士多德这样的古代作家可能会争辩说，当前人工智能的输出不构成真正的写作。他们认为写作源于个人思想和经验，旨在引起变革。这与人工智能的能力形成对比，他们认为人工智能的能力仅限于总结信息，而不是表达真正的见解。
-
人工智能伦理学家提出“饱和度视角”价值论，重视生命多样性
一种新的人口价值论，称为饱和度视角，由Christian Tarsney共同开发，提出一个经历或生命的价值会因相似副本的存在而降低。这一观点认为，一个世界的总价值取决于整体福利及其在不同经历中的分布。作者旨在通过形式化这一思想来解决单一文化问题和令人厌恶的结论等问题，并将其与同一性的形而上学理论区分开来。
-
地缘政治警示：AI专家称，神话而非伊朗战争是最重要的警示
作者认为，柏拉图等思想家描述的“神话”概念，以及后来约瑟夫·坎贝尔等人物的阐述，比当前伊朗战争等冲突更能代表深刻的地缘政治警示。这种观点认为，塑造社会的根本叙事和共同信念，比眼前的政治事件更能关键地影响全球动态。文章暗示，未能理解和管理这些基础神话可能导致更大的不稳定和误解。
-
哲学家从柏拉图探讨到现代工程学，思考人工智能的自主性
本文深入探讨了人工智能的哲学基础，质疑人类为何热衷于创造自主系统。文章将这一探究追溯到古希腊哲学，暗示人类长期以来对能自行运作的实体着迷。此次讨论是openSUSE美洲峰会上一场演讲的一部分。
-
AI 研究人员争论 AGI 是否需要物理具身，而不仅仅是多模态数据
一篇近期文章认为，尽管当前的大型语言模型能力令人印象深刻，但它们不太可能实现人工智能通用智能（AGI）。作者认为，真正的 AGI 需要对物理世界有扎实的、具身的理解，而仅通过预测下一个词元进行训练的模型缺乏这种理解。作者建议，与其专注于结合不同数据类型的多模态方法，不如将与环境的具身互动作为涌现智能的基础。