Connect with us

Unite.AI

Juan Pablo Aguirre Osorio, Contributing Reporter, Espacio Media Incubator Juan Pablo Aguirre Osorio Contributing Reporter, Espacio Media Incubator

Juan Pablo Aguirre Osorio 是 Espacio Media Incubator 的特约记者。凭借全栈工程的背景，Juan Pablo 为他对尖端技术（包括 AI）的报道带来了技术背景。他的作品曾在 HackerNoon、The Sociable 和其他媒体上刊登，他之前曾是 Microsoft 的学生大使。

最新文章

AI 模型与平台 2026年7月27日

物理学可以永远改变计算和人工智能

在几十年的计算传统中，一个由非传统人工智能的研究人员团队开发了一种生成图像的方法，这种方法不依赖于今天的人工智能系统所使用的硅芯片和电流，而是依赖于物理学的基本原理。该系统被称为Un-0，代表着人工智能开发中的一种新兴哲学：而不是建立更大、更复杂的计算机网络，科学家们正在探索自然界中的数学模式是否可以执行相同的计算工作，同时使用大约1000倍较少的能量。能量和效率主导技术格局的人工智能系统，如神经网络、语言模型和推荐算法，需要大量能量来运行。这些系统的数据中心消耗的电力相当于小城市的电力，引发了人们对环境影响和长期可持续性的担忧。研究人员估计，实现人工智能效率的下一个重大突破需要对信息处理方式进行根本性的改变。这种认识促使科学家们寻找自然界的灵感，研究生物和物理系统，这些系统经过数百万年的演化，以令人惊叹的效率解决复杂问题。理解耦合振荡器Un-0的核心是一个看似简单的概念，源自物理学：耦合振荡器。要理解这一点，可以想象一对节拍器，这些机械设备是音乐家用来保持节奏的。如果两个节拍器放在同一张桌子上，并设置为不同的节奏，会发生一些令人惊讶的事情。通过它们下面的表面的振动，节拍器逐渐相互影响，直到它们最终同步，齐刷刷地滴答作响。这种同步遵循精确的数学原理，这些原理已经被物理学家研究了一个多世纪。振荡器之间的相互作用会产生组织模式，这些模式在没有外部方向或控制的情况下出现，它们会自我组织。现在，想象一下这个概念被大幅度扩展。不是两个节拍器，而是成千上万个振荡单元，每个单元都可以影响周围的每个其他单元。每个振荡器都具有几个属性：它希望旋转的自然频率，描述其当前位置的相位角，以及与其他振荡器的连接，这些连接决定了每对振荡器之间的相互影响程度。这些连接，称为耦合强度，是Un-0在训练过程中学习的方面。该系统类似于物理学中已知的库拉莫托振荡器模型，库拉莫托振荡器模型以物理学家吉田和彦命名，他几十年前研究过这些系统。直到最近，这些模型仍然主要是理论性的。Un-0证明了它们可以扩展到解决实际的人工智能问题，达到以前认为只有传统深度学习才能达到的复杂程度。性能和比较测试结果表明，Un-0实现了与几年前领先的人工智能图像生成方法相当的图像质量。在一个名为ImageNet 64×64的标准基准测试中，该系统实现了一个质量评分，匹配了当时这些系统首次发布时的表现。这既不是失败，也不是突破。相反，它证明了原理：基于物理动力学的系统可以生成图像，达到以前认为只有深度学习才能达到的质量水平，这表明未来有很大的发展潜力。研究人员承认，当前最先进的系统，在经过多年的改进后，仍然优于Un-0。然而，他们指出，传统的图像生成器也从谦逊的结果开始，然后经过数十年的优化，才成为今天的复杂工具。为什么物理计算很重要Un-0的意义远远超出了图像生成。基于物理动力学的系统执行人工智能任务，同时使用大约1000倍较少的能量，这将具有变革性的影响。这样的能效提高可以使人工智能应用程序在移动设备、嵌入式系统和没有大型数据中心的远程位置运行。此外，这些系统可能最终会直接在物理硬件中实现，例如设计为模拟自然物理过程而不是执行编程指令的硅芯片。这种“非传统基质”，正如研究人员所称，将代表着计算机的一个真正不同类型。更广泛的格局Un-0并不是唯一探索传统神经网络替代方案的研究工作。在学术界和工业界，科学家们正在研究受热力学原理、模拟电路、量子力学和其他物理学方面的启发的系统。这些方法有一个共同的动机：传统方法几乎达到了能效方面的实际极限。突破性进展可能需要重新思考计算本身。研究人员正在参与一项可以被描述为大挑战：我们能否重新设计人工智能系统，使其符合数十亿年来支配生物和物理系统的原理？如果成功，这将代表计算机的基本性质和功能的重新构想。当前限制和未来方向Un-0系统仍然是实验性的。它以相对较低的图像分辨率运行，并且尚未达到最先进的系统的性能水平。尽管取得了所有进展，训练过程仍然需要传统计算和大量时间来完成。研究人员已公开发布了他们的工作，发布了训练代码和详细的分析结果，反映了他们的信念，即这种方法代表着一个新的方向，而不是专有解决方案，这个方向可以被许多研究人员探索和改进。随着人工智能系统变得越来越重要，寻找更高效的计算方法的需求从学术好奇心转变为实际必要性。Un-0证明了至少一个有前途的方向存在，基于物理的人工智能的调查才刚刚开始。
思想领袖 2026年7月2日

OpenAI 的 Patch the Planet：为开源软件提供 AI 驱动的安全保障

OpenAI最近推出了一个雄心勃勃的新计划，旨在解决数字世界最紧迫的安全挑战之一：保护支撑现代技术的开源软件。该计划，称为 Patch the Planet，是 OpenAI 的 Daybreak 计划的一部分，旨在帮助开源维护者通过 AI 辅助的安全研究和专家人工审查来加强关键软件的安全性。维护者面临的困境开源项目构成了商业软件行业的基础。然而，这种共享基础设施面临着一个关键的漏洞：维护这些项目安全的维护者经常被压垮。许多维护者已经被要求处理更多的报告，速度更快，时间和资源却相同。OpenClaw 的创造者和该计划的关键人物 Peter Steinberger 在视频中描述了这种压力的影响： “我差点就要删除所有东西，因为正确的压力太大了。就在六个月前，当 OpenCore 开始爆发时，我收到了大量的安全事件。”尽管开源软件被广泛采用并在现代技术中发挥着至关重要的作用，但由于其分散和监管不力的结构，许多开源软件都是不安全的。问题不仅仅是数量的问题，也是资源和责任的不匹配。正如 Steinberger 所说： “通常你只有一个或两个开源维护者，但你有一个整支队伍的人会运行安全工具并向你报告事件。”2021 年的 log4j 漏洞提醒我们，开源软件中单个的漏洞可以在整个技术领域中蔓延，影响无数的商业应用程序。Patch the Planet...
思想领袖 2026年4月22日

米拉·乔沃维奇的MemPalace旨在解决AI的记忆问题

数百万人每天打开聊天窗口，并开始向人工智能（AI）解释自己。它认真聆听，瞬间生成聪明的答案，然后，当会话结束时，忘记了与交互相关的每一个细节。这种仪式的规模令人惊讶。仅ChatGPT每天就处理超过一亿个查询，截至2025年底，有超过8亿的每周活跃用户。生成性AI的采用已经达到了世界人口的16％，这是三年前不存在的数字。这种模式背后有一个巨大的基础设施，其环境成本不断增加：2024年，美国的数据中心消耗了183太瓦时的电力，占该国总电力消耗的4％以上，相当于巴基斯坦一年的电力需求。由于AI系统缺乏记忆力，大部分能量都浪费在重新建立上下文上。每次会话开始时，重复的解释、项目重新介绍和上下文转储都是浪费的计算。记忆是将工具转变为协作者的关键AI助手默认没有持久的记忆。如果我们像使用计算器一样使用AI——输入数字，得到结果，然后继续——这不会有什么问题。但是，大多数人现在不再这样使用AI。他们与AI进行长时间、迭代、深度上下文化的对话——在数周或数月内构建东西，发展共享语言、决策和历史。AI可以在任何时候积极保持在脑海中的上下文量取决于订阅级别。到目前为止，AI已经证明自己是一个很好的工具，但从早期开发阶段开始，它就旨在被认为是一个伴侣。这种雄心壮志需要记忆力。没有它，进步将继续重置。持久的记忆改变了AI在实践中可以做什么。开发人员获得了一个保留架构决策和背后推理的AI。团队获得了一个了解项目历史而无需重新介绍的AI。作家获得了一个随时间积累了对其作品的知识的AI。模型的能力比它是否能够积累关于使用它的人的知识更重要。为什么这个问题很难解决挑战不仅仅是存储，还包括检索。在理论上，您可以将每次过去的对话都输入到新会话中。但是，这很快就会变得计算上不可行。上下文窗口虽然在扩大，但并不是无限的。将数月的无结构聊天转储到提示中不仅无效，而且耗时且耗能。数据工程师Paras Pandey将核心困难简单地表述为：“AI记忆实际上是一个检索保真度问题，伪装成存储问题。你可以持久化任何东西，难点是检索正确的切片，而不在推理时填补空白。这是一个更难的版本，我们多年来一直在数据系统中解决的问题，而这个领域仍然处于早期阶段。”当前的AI记忆方法涉及让系统决定什么值得记住。但是，让AI决定什么很重要，往往会丢弃掉最初交换中有价值的细致上下文。你保留了总体思想，但失去了整个对话，你在其中解释了你的具体问题，以及你考虑和拒绝的替代方案。理想的情况是，使正确的信息在正确的时刻可用。MemPalace的出现这正是最近发布的开源项目MemPalace试图解决的问题。与总结或丢弃不同，MemPalace以完整的形式存储对话，并围绕它们构建一个可导航的结构，借鉴了古希腊的记忆宫殿技术，即演说家会在想象中的建筑物的特定房间中放置思想，以便稍后回忆。使MemPalace值得注意的不仅仅是方法的优雅。它的结果令人印象深刻。在标准的学术基准中，用于AI记忆检索，MemPalace已经发布了迄今为止最高的分数，且完全免费，并且可以在您的机器上运行，无需订阅，无需云依赖，也无需外部API。竞争对手的商业服务每月收费从20美元到250美元不等，提供的功能往往较差，且性能较差。这种最佳性能、完全免费和完全本地运行的组合足以引起人们的注意。由于MemPalace运行在您的硬件上，而不是远程服务器上，因此您通过MemPalace路由的每个查询都不会增加数据中心行业不断增长的能源账单。更大的图景MemPalace只是一个项目，但它指向了更大的事情：认识到持久记忆并不是AI系统的高级附加功能，而是一项基本功。该项目由一个小团队创建，包括Milla Jovovich（是的，就是《生化危机》的女演员）、Ben Sigman和Claude，并且被列为仅有七个提交。一个超越商业产品的系统，拥有专门的工程团队，竟然来自如此精简的努力，这说明真正的困难在哪里。问题不在于计算机或资源，而在于对记忆的真正需求有了更清晰的认识。

MORE POSTS