by Ian言
科技慢半拍是一档以科技话题为主，采用对话和讲述多种形式的播客节目，会涉及到最新的科学技术，信息化数字化前沿信息，以及对各个行业的洞察和发现，但是不追风、不赶热点，而是以慢半拍的节奏，用自然轻松的方式为听众带来新鲜的听觉体验。每周一更，敬请期待！
Language
🇨🇳
Publishing Since
7/28/2023
Email Addresses
1 available
Phone Numbers
0 available
April 20, 2025
<p>【节目介绍】</p><p>本期节目，我们将进行一次穿越万年的思想旅程。从原始崇拜到阶级分化，从轴心时代的哲学突破到政教合一，从文艺复兴、科学革命到工业资本主义的信仰变迁，深度梳理人类经历的前五次信仰危机。面向今天的AI时代，剖析AI如何动摇了“人类中心主义”，挑战我们关于智力、情感、创造力、道德乃至意识和自由意志的传统观念，由此引发了第六次信仰危机。这仅仅是一场危机，还是一次重新定义自我、寻求更广阔意义的契机？这不仅关乎科技的未来，更关乎我们每一个“人”的价值与信仰根基。</p><p>【时间线】</p><p>03:00 AI带来信仰危机</p><p>14:06 原始信仰</p><p>15:06 第一次信仰危机</p><p>农业革命</p><p>阶级分化</p><p>统治阶级的政治要求</p><p>24:15 第二次信仰危机</p><p>哲学助力</p><p>政教合一</p><p>38:13 第三次信仰危机</p><p>文艺复兴</p><p>印刷术</p><p>43:47 第四次信仰危机</p><p>科学理性</p><p>哲学信仰</p><p>53:26 第五次信仰危机</p><p>工业革命</p><p>资本主义精神</p><p>哲学批判</p><p>01:03:35 前五次信仰危机的总结</p><figure><img src="https://image.xyzcdn.net/FriDuk3cdixbeIKKHIt8JWuKZPvG.svg"/></figure><p>01:09:03 第六次信仰危机</p><p>神经科学</p><p>人工智能</p><p>宫崎骏的故事</p><p>01:13:26 DeepSeek的总结</p><p>【片中音乐】</p><ul> <li>Piano Sonata No. 2 in B-Flat Minor, Op. 35_ I. Grave. Doppio movimento</li> <li>Zadok the Priest (Coronation Anthem No. 1, HWV 258)</li> <li>Ancient Airs and Dances, Suite No. 3_ III. Siciliana</li> <li>Prelude & Fugue in C-Sharp Major (Well-Tempered Clavier, Book 1, No. 3)</li> <li>La Triomphe de L'amour, Ballet Suite_ V. Air</li> <li>String Quartet no.4 in C major K.157_I. Allegro</li> <li>Symphony No. 3 in E-Flat, Op. 55 -_Eroica__4. Finale</li></ul><p>【感谢】</p><p>特别感谢[AIGC开放社区]和[AI重塑世界]的大力支持，请听友及时订阅微信公众号，查看本播客的文字版内容。欢迎订阅本播客节目，本节目在小宇宙、喜马拉雅、苹果播客、蜻蜓FM、网易云音乐、荔枝FM等平台均已上线。</p>
April 13, 2025
<p>【嘉宾】</p><p>花生，AppStore 付费榜 Top1「小猫补光灯」的开发者，拥有超过 10 万粉丝的 AI 博主，同时也是《一本书玩转 DeepSeek》的作者。个人网站：<a href="https://www.huasheng.ai/">www.huasheng.ai</a></p><p>【节目介绍】</p><p>本期播客节目，我们将带你深入了解AI时代中一种全新的编程方式——Vibe Coding（氛围编程），它正在悄然改变软件开发的面貌！Vibe Coding通过自然语言驱动、方便快捷，甚至无需完全理解代码细节，但与此同时也要接受代码的不完美。无论你是编程初学者，还是资深工程师；无论你是独立开发者，还是企业管理者，本期节目都将为你带来全新的视角和启发。Vibe Coding不仅是一种技术变革，更是一种思维方式的转变。</p><p>【时间线】</p><p>00:39 什么是Vibe Coding（氛围编程）？</p><p>05:03 花生如何走上Vibe Coding这条路？</p><p>23:01 哪个AI编程工具更适合做Vibe Coding？</p><p>29:52 Vibe Coding的适用范围</p><p>43:11 什么是Vibe Coding宣言？<a href="https://vibemanifesto.org/">vibemanifesto.org</a></p><p>46:08 关于代码修复的问题</p><p>51:22 关于垃圾代码的问题</p><p>54:07 关于人与AI协作的方式</p><p>01:04:27 关于研发效率</p><p>01:08:41 开发者对AI编程的态度和影响</p><p>1:17:44 未来会诞生Vibe Coding的原住民</p><p>【片头和片尾音乐】</p><p><a href="https://music.163.com/song?id=1357807527&uct2=U2FsdGVkX19ue8erv+GUvNhD7rdDekQG6Blw2m1ZWxU=">西部猎人 - 李浩瑞</a></p><p>【感谢】</p><p>特别感谢[AIGC开放社区]和[AI重塑世界]的大力支持，请听友及时订阅微信公众号，查看本播客的文字版内容。欢迎订阅本播客节目，本节目在小宇宙、喜马拉雅、苹果播客、蜻蜓FM、网易云音乐、荔枝FM等平台均已上线。</p>
March 30, 2025
<p>【节目介绍】</p><p>本期节目聚焦强化学习，带你走进这一人工智能核心领域。从图灵奖得主巴托（Andrew Barto）和萨顿（Richard S. Sutton）的卓越成就，到强化学习从游戏到大模型的广泛应用，我们将回顾这段发展历程，探索RL的未来潜力。这是一场关于深度学习的历史和现状的回顾之旅，重新带你领略人工智能与各个学科的融合魅力。</p><p>【时间线】</p><p>01:40 从AlphaGo到RLHF（基于人类反馈的强化学习）</p><p>03:56 关于萨顿的《苦涩的教训》（The Bitter Lesson）</p><p>09:15 强化学习的启蒙奠基</p><ul> <li>爱德华·桑代克（Edward Thorndike）,动物智能和效果法则（Law of Effect）</li> <li>唐纳德·赫布（Donald Hebb）,赫布法则（Hebb's Law）</li> <li>沃伦·麦卡洛克（Warren McCulloch）和沃尔特·皮茨（Walter Pitts），神经元理论</li> <li>安德烈·马尔可夫（Andrey Markov），马尔可夫决策过程（MDPs）</li></ul><p>15:35 人工智能领域的早期发展</p><ul> <li>艾伦·图灵（Alan Turing），人工智能之父</li> <li>贝尔蒙特·法利（Belmont Farley） & 韦斯利·克拉克**（**Wesley A. Clark），模拟第一个含有128个神经元的小型神经网络</li> <li>克劳德·香农（Claude Shannon），Theseus迷宫老鼠</li> <li>马文·明斯基（Marvin Lee Minsky），随机神经模拟强化计算器SNARC（Stochastic Neural Analog Reinforcement Calculator）</li></ul><p>21:04 游戏让强化学习续命</p><ul> <li>亚瑟·塞缪尔（Arthur Samuel），IBM701上的第一个跳棋程序（Checkers）</li> <li>理查德·乌尔曼（Richard Belleman），Dynamic programming equation（动态规划方程，即贝尔曼方程）</li> <li>唐纳德·米奇（Donald Michie），井字游戏 Matchbox Educable Noughts And Crosses Engine (MENACE)</li></ul><p>25:49 强化学习的诞生</p><ul> <li>安德鲁·巴托（Andrew Barto），2024年图灵奖得主，强化学习奠基人</li> <li>约翰·霍兰德（John Henry Holland），遗传算法和学习分类器</li> <li>诺伯特·维纳（Norbert Wiener），控制论奠基人</li> <li>迈克尔·阿比布（Michael A. Arbib），神经计算</li> <li>哈里·克劳普（Harry Clopf），享乐神经元</li> <li>理查德·萨顿（Richard S. Sutton），2024年图灵奖得主，强化学习奠基人</li> <li>杰拉尔德·特萨罗（Gerald Tesauro），TD-Gammon 西洋双陆棋游戏</li> <li>沃尔夫拉姆·舒尔茨（Wolfram Schultz），多巴胺</li></ul><p>40:35 强化学习的后继演化</p><ul> <li>大卫·西尔弗**（**David Silver），深度强化学习（Deep reinforcement learning）</li> <li>吴恩达（Andrew Ng），逆强化学习（IRL，Inverse Reinforcement Learning）</li> <li>皮特·阿贝尔 （Pieter Abbeel），机器人学习（Robot Learning）和模仿学习（Imitation Learning）</li> <li>谢尔盖·列文（Sergey Levine），自主机器人和车辆</li> <li>约翰·舒尔曼（John Schulman），深度强化学习（Deep RL）的策略优化（Policy Optimization）</li></ul><p>45:30 萨顿最新的观点，《去中心化神经网络》（Decentralized Neural Networks）</p><p>【关系图】</p><figure><img src="https://image.xyzcdn.net/ltRgGgcp1wBJpzwkxQsT0bC5R7EZ.png"/></figure><p>【延伸阅读】</p><p><a href="https://www.cs.utexas.edu/~eunsol/courses/data/bitter_lesson.pdf">《苦涩的教训》（The Bitter Lesson）</a>，理查德·萨顿（Richard S. Sutton） 2019</p><p>【片头和片尾音乐】</p><p><a href="https://music.163.com/song?id=2672791196&uct2=U2FsdGVkX18AiMWWnExRY1ckf4qnsbW5j4w5p0LlDOo=">四熹丸子 - 远去的列车</a></p><p>【感谢】</p><p>特别感谢[AIGC开放社区]和[AI重塑世界]的大力支持，请听友及时订阅微信公众号，查看本播客的文字版内容。欢迎订阅本播客节目，本节目在小宇宙、喜马拉雅、苹果播客、蜻蜓FM、网易云音乐、荔枝FM等平台均已上线。</p>
Pod Engine is not affiliated with, endorsed by, or officially connected with any of the podcasts displayed on this platform. We operate independently as a podcast discovery and analytics service.
All podcast artwork, thumbnails, and content displayed on this page are the property of their respective owners and are protected by applicable copyright laws. This includes, but is not limited to, podcast cover art, episode artwork, show descriptions, episode titles, transcripts, audio snippets, and any other content originating from the podcast creators or their licensors.
We display this content under fair use principles and/or implied license for the purpose of podcast discovery, information, and commentary. We make no claim of ownership over any podcast content, artwork, or related materials shown on this platform. All trademarks, service marks, and trade names are the property of their respective owners.
While we strive to ensure all content usage is properly authorized, if you are a rights holder and believe your content is being used inappropriately or without proper authorization, please contact us immediately at [email protected] for prompt review and appropriate action, which may include content removal or proper attribution.
By accessing and using this platform, you acknowledge and agree to respect all applicable copyright laws and intellectual property rights of content owners. Any unauthorized reproduction, distribution, or commercial use of the content displayed on this platform is strictly prohibited.
