本次邀请了我们邀请到了KAN的网络论文作者刘子鸣，关于KAN 的论文也引起业内广泛关注，目前其为MIT PHD第四年，导师为著名的宇宙学家Max Tegmark，今天他将带来KAN网络算法的相关内容，包括其背景、原理、应用和未来发展等方面。

💡关于「奇绩潜空间」：

我们找到了 GenAI 时代冲得最快的一批创业者 / Researchers ，如月之暗面（Moonshot AI）创始人杨植麟、AI 硬件 Rabbit-R1 创始人吕骋等，来分享自己的亲身经历和见解，希望可以为所有 GenAI 时代的创业者、从业者提供可借鉴、可复制的经验。

过去分享文字稿：奇绩社区内容精选

🎙️本期嘉宾：

刘子鸣: MIT PHD第四年，导师为著名的宇宙学家Max Tegmark

研究兴趣: AI 与物理学这两个领域的交叉，分为三个大的方向，一个是 Plysics of AI，像理解物理一样去理解 AI ; 第二个是 Physics for AI，如何用一些自然物理中的规律和0模型来启发我们设计更好的AI; 第三个方向是 AI for physics，就是我们怎样用 AI 物理学家来帮助人类物理学家进行科学发现。

⏰时间轴

02:35 KAN(Kolmogorov-Arnold)是什么，其底层数学逻辑+优势是什么？

07:37 对比MLP，KAN的底层差异与结构差异在哪？

10:45 KAN在科学发展中的可解释性在哪？

12:24 颇有争议，为什么说KAN是AI+Science领域潜在"语言”模型？

24:24 回顾历史，符号主义与连接主义的来回摇摆，KAN属于何种？

28:03 哲学角度思考，为什么说KAN与 MLP 类似还原论与整体论的关系？

37:01  人们都说scaling law是大模型领域的牛顿第一定律，从你的科研背景上会如何理解Scalinglaw，有什么最新的认知?

👉【奇绩潜空间】报名通道

奇绩潜空间是 GenAI 时代冲得最快的一批科研学者/从业者/创业者聚集的 AI 人才社区，我们定期邀请大模型前沿创业者分享产品实践探索，如杨植麟、吕骋、闫俊杰等，邀请前沿科研学者分享最新技术进展，如姚顺雨、蔡天乐等。欢迎关注奇绩，报名添加小助手

🙋活动报名 & 听友群，欢迎扫码加小助手: