Podcast · 科技
AI 人物深度访谈,讲述 AI 人自己的故事。
主播 AI实话实说 出品 AI实话实说 科技 · 科技 1,985 订阅 10 集 22小时前更新
讲述 AI 人自己的故事。
AI实话实说
HeyGen 作为专注人像和数字人生成的垂类公司,在 Artificial Analysis 和 OpenRouter 上做到了语音和视频模型的榜一。他们如何选择赛道,如何错位竞争,如何用田忌赛马的思路和大厂抢生意? 本期 AI 实话实说,我们请到了 HeyGen 新加坡团队 AI 负责人任意。他负责基础视频模型和语音模型的预训练和后训练。 他为我们介绍了创业公司如何与大厂在资源相差十几二十倍的前提下竞争,如何在通用模型快速发展的情况下做垂类模型。 这一期的前半段,我们和任意聊了房产经纪人为什么愿意付费、短剧为什么赚钱、大厂内部怎么赛马、小团队怎么协作,还有视频模型的训练和大语言模型有什么不同,以及现在说自己在做世界模型的公司里,有多少是在讲故事。后半段聊 Avatar 6:为什么先做语音,30 分钟的视频怎么一段段接起来又不跑偏,新产品 HyperFrames,以及一两年后通用模型追上来,垂直公司还能靠什么。 本期播客的部分音频使用了 HeyGen 的语音生成模型,如果你猜出来,请把时间点发在评论区,猜测最准确的观众有机会获得精美 token 礼包。 欢迎关注同名小红书"AI实话实说",加入群组和嘉宾、主持人互动! 嘉宾介绍 任意,HeyGen 新加坡团队 AI 负责人,负责基础视频模型和语音模型的预训练和后训练。 他本科毕业后一直在做生成模型,从机器翻译、语音合成、歌声合成做到人脸和视频生成。毕业后先去了一家只做研究的工业界实验室,后来去了字节跳动,再到 HeyGen。2021 年 AI 科技评论写过他,用的说法是"另辟蹊径的半个小镇做题家":没出国,没读博,毕业就工作。 他是从语音转到视频的,在学术界和工业界之间来回过几次。聊下来,他最关心的是技术能不能在具体的场景里用起来。 快速跳转 00:00 冷开场:这期节目,会不会早就换成了一群 AI 主持人? 02:19 房产经纪人为什么愿意付费?一天发三四条视频,一个月粉丝翻四倍 09:52 "另辟蹊径的半个小镇做题家":为什么不读博,毕业就工作? 20:15 田忌赛马:大厂资源多十到二十倍,创业公司赢在哪? 22:28 短剧赚的钱可能是数字人的一百倍,打斗场景对 HeyGen 重要吗? 24:27 如果出了一个又便宜又好的"Seedance nano",你们的优势还在吗? 30:12 团队像多卡训练:卡越多,为什么可能越慢? 43:39 说自己在做世界模型的公司,有多少是在讲故事? 52:28 数字人会被拿去诈骗吗?consent、活体检测和水印 55:41 转场:HeyGen 发布 Avatar 6,一次生成 30 分钟的视频 1:00:01 让用户先调好设定,为什么说是"走历史的倒车"? 1:09:06 30 分钟一镜到底,一块一块生成,怎么看不出接缝? 1:17:22 语音模型怎么在三到五个月里做到第一? 1:25:54 HyperFrames:剪映加一个 agent 1:28:56 通用模型的水位涨上来,专门做数字人的公司还剩什么?
96 分钟 68 次播放 22小时前
传说巴别塔倒塌之后,人类开始说不同的语言,从此再也无法轻易理解彼此。 千年后,我们造出了精通所有语言的 AI,她能写诗、编程、聊天、抚慰陌生人的心灵。但一个诡异的问题随之出现——当机器学会了语言,是否意味着她理解了我们的世界呢? LLM出生于文字,她读过无数次的“猫”,却没有摸过任何一只猫; 她知道什么叫“前后左右”,却从未真正站在房间内转过身;她可以描述悲伤,却从未真正体验过失去。 这正是Grounding(符号接地)所追问的问题:语言的意义,究竟来自语言内部,还是必须最终落回到真实世界? 本期《AI实话实说》,我们和 Freda Shi 教授从语言学聊到认知科学,从维特根斯坦聊到AI写诗,Freda本人也像这个问题的映射:做着精确的符号研究,却深爱历史诗歌和那些无法完全形式化的东西。 也许通向 AGI 的最后那一步,不是让AI再读万亿 token,而是让语言——终于落到地上。 欢迎关注同名小红书“AI实话实说”,加入群组和嘉宾、主持人互动! 嘉宾介绍 Freda Shi(石昊悦),滑铁卢大学计算机科学教授,Vector Institute Faculty Member,并担任 Canada CIFAR AI Chair。研究方向横跨自然语言处理、计算语言学、Grounding、多模态模型、模型认知与程序语言。 她于 2024 年加入滑铁卢大学,此前在 Toyota Technological Institute at Chicago 获得计算机科学博士学位,她本科就读于北京大学 EECS,后进入自然语言处理与计算语言学研究领域,曾在 Google DeepMind、Meta 等机构从事研究。 Freda 是一个很难用单一学科装下的研究者。她做 NLP,也读语言学;写代码,也爱历史、文学和维特根斯坦。她尤其关注那些主流 benchmark 不容易照到的角落。 相关术语 Grounding / 符号接地 把语言中的符号与意义、感知或外部世界建立联系。模型是否真正尊重语言背后的 semantics,而不只是统计上生成了合理的文本。 Symbol Grounding Problem / 符号接地问题 认知科学和人工智能中的经典问题:如果一个系统中的符号只是通过其他符号来定义,那么这些符号最终如何获得真实意义?这一问题通常被追溯至 Stevan Harnad 对符号系统意义来源的讨论。 Stochastic Parrot / 随机鹦鹉 Emily Bender 等人提出的著名比喻:语言模型可能非常擅长复现语言形式,却并不真正理解这些语言对应的意义。 Inductive Bias / 归纳偏置 学习系统在看到数据之前就具有的结构性假设。例如卷积神经网络偏向利用局部空间结构,而循环神经网络偏向顺序处理信息。归纳偏置可以提高样本效率,但也可能限制模型能够学习到的模式。 Bitter Lesson Rich Sutton 提出的机器学习观点:长期来看,依赖大规模计算和通用学习机制的方法,往往会超过高度依赖人工设计知识和领域先验的方法。它常被用于解释深度学习和大规模模型的发展路径。 Emergence / 涌现 指模型在规模扩大后表现出的、在较小模型中不明显的新能力。研究界对于部分“涌现”现象是否真正是突然发生,还是由评价指标离散化造成的表象,仍存在持续讨论。 Mechanistic Interpretability 试图从模型内部结构出发,解释神经网络如何实现某种计算或行为。研究对象通常包括神经元、注意力头、特征表示、计算回路以及不同层之间的信息流。 Sparse Autoencoder(SAE)/ 稀疏自编码器 一种用于分析神经网络内部表示的方法,通过将密集的 activation 分解成较稀疏的特征,希望获得更容易分析和命名的内部表示。近年来被广泛应用于大语言模型可解释性研究。 Actionable Interpretability 一种更务实的可解释性观点:解释模型不是为了“看起来解释了”,而是要能帮助 improve the model、better understand the model,或者更安全地与模型互动。 快速跳转 02:58 Freda 还是昊悦?一个英文名字如何变成另一种语言里的身份 05:12 兴趣与天赋并不匹配:爱文学和历史,为什么最后还是选择了计算机? 14:37 从维特根斯坦到 NLP:为什么语言最终成为她研究世界的入口? 20:28 当 AI 让所有人说同一种“语言”,人类会不会失去认知的多样性? 29:02 什么是 Grounding?为什么一个会说话的模型,不等于一个理解意义的模型? 36:05 Grounding 是手段还是目的?如果机器人不知道自己在做什么,我们敢让它进入现实世界吗? 45:50 从 Coding 到 Grounding:为什么代码验证与外部世界反馈必须同时存在? 56:58 Scaling 能解决 Grounding 吗?能力是突然涌现,还是一点点长出来的? 1:00:02 有意思,还是有意义?一个研究者到底该追求什么? 1:07:27 能不能像研究人脑一样研究 LLM?Behavioral Science 与 Mechanistic Interpretability 的边界 1:17:58 如何带学生:研究品味、自由,以及“有意思”和“有意义”的双向选择 1:20:10 AI 会写诗吗?艺术究竟发生在创作者手里,还是发生在读者心里? 1:29:34 AI Slop、论文评价体系与 Reward Hacking:学术发表体系还能撑多久? 1:36:02 未来三年的一个判断:论文发表体系会崩,具身智能会继续向前
97 分钟 99+ 次播放 2个月前
2010年那会儿,付杰在人人网上第一次听说“深度学习”。第二年他投了一篇用深度学习做图像匹配的论文,被拒了,审稿人说这东西“太经验主义”。他没纠结,转头就去做 kernel machine。两年后,ImageNet 比赛里,AlexNet 杀出来,深度学习的这十年,就这么开了头。 到了2020年,朋友拉他一起搞语言模型,他想了很久,还是决定继续留在 Mila 做博后。同一年,GPT3 发布,大语言模型从此一路狂飙。 说起来,两次都站在风口边上,两次都没进去。付杰后来也承认,心里一直有个念头,就是想证明“我比大家更早看到”,只是当时没有懂得如何利用好工业界scaling的优势。所以现在,他戒糖、断食,想方设法“延缓衰老”,想把错过的时间,在下一个路口抢回来。他觉得目前对于safe AI来说,梯度下降最陡的一个方向是如何让“验证”变得便宜且可靠。 这次聊天里,他特别想聊清楚一个事:measure 和 verify,看着差不多,其实是两码事。他也慢慢放下了“什么东西都得形式化”的执念。至于机制可解释性到底能不能兑现当初那些承诺,他还在摸索。说到底,这就是一个AI研究者跟自己较劲、跟时间赛跑的十五年。 欢迎关注同名小红书“AI实话实说”,加入群组和嘉宾、主持人互动! 相关术语 Verification:验证。判断一个系统的结果是否真正满足人类的目标、约束和安全要求,而不只是某个分数是否更高。 Verification Cost:验证成本。确认结果正确、安全和符合真实意图所需要的时间、算力、实验与人力成本。 Formal Verification:形式化验证。把要求写成严格的形式语言,再通过程序或证明系统验证软件、算法或行为是否满足这些要求。 Autoformalization:自动形式化。将自然语言中的问题、规则和需求自动转换成 Lean、Dafny 等形式语言中的严格命题。 Verifier:验证器。检查 AI 的答案、计划或行为是否满足规范的系统。在理想情况下,它需要与被监督的 AI 同样强,甚至更强。 Mechanistic Interpretability:机制可解释性。研究模型内部的神经元、回路与状态如何产生具体能力和行为。 Swiss Cheese Model:瑞士奶酪模型。任何单一安全机制都有漏洞,因此需要多层防御,让不同层的漏洞尽量不在同一位置重合。 Recursive Self-improvement:递归式自我改进。AI 参与改进自身或下一代 AI 的过程。其关键瓶颈之一,是能否获得持续、可靠且低成本的验证信号。 快速跳转 02:02 IQuest 付杰登场:轻断食、延缓衰老,以及为什么每天都在怀疑自己 04:21 前沿研究为什么越来越难获得反馈? Verification 的稀缺 10:51 Verifier、World Model 与 Safety Specification 如何共同构成安全防线? 17:21 “AI also means 爱”:如果无法控制更强的 AI,人类能否让它学会爱与共情? 21:42 Verification 一定比 Generation 容易吗?计算复杂度与不可约性 28:40 穿越四次 AI 浪潮:为什么他一次次提前看到,又一次次错过? 35:20 从“证明我看得早”到 “Scaling What Works”:对过去研究路径的反思 40:05 降低 Verification Cost:为什么安全既是防御工具,也可能加速 AI 进化? 46:03 从机制可解释性到形式化验证:如何让黑盒模型变得更透明、更可靠? 1:06:58 形式化验证与自动形式化:如何把自然语言问题放进一个每一步都可检查的形式世界? 1:18:35 从软件到 Agent,再到 AI for Science:哪些行为能够被验证,如何防止模型钻规则的漏洞? 1:30:35 理想的验证系统、AI 取代焦虑与最后的结论:Verification is the GOAT
93 分钟 99+ 次播放 3个月前
江湖传言,南京大学蒋炎岩老师,要在人生巅峰“金盆洗手”。 蒋老师江湖诨号“绿导师”,是南大操作系统课的掌门人,软工圈的奇人,知乎、小红书和B站常驻的“锐评宗师”。讲课有名、出题有名、骂人更有名。之前一篇《给天命人的劝退信》,劝得无数准备读博的“天命人”站在山门前开始怀疑人生。 这一次,绿导师来到《AI 实话实说》,不是讲课,不是说论文,而是预言一整个 AI 时代的江湖浩劫。 在他眼里,AI 带来的不只是“程序员失业”或“论文被替代”,而是整个人类智力活动被推上审判台。翻译、编程、科研、大学和导师制度,都将被重新改写。但绿导师谈“末日”的态度,不是悲凉,而是看破红尘的快意。那也许不是末日,而是一种“恩赐的解脱”:博士生不必再痛苦挣扎,老师也不必再被论文、经费和职称反复消耗。 他究竟是金盆洗手、退出软工江湖的“风清扬”,还是不忘初心、对抗科研体制的“真大圣”? 这一期,绿导师开坛讲法。 欢迎关注节目同名小红书“AI 实话实说”加入群组参与互动。 本节目音频版在小宇宙、Apple Podcast 同步更新,视频版在 bilibili 不定期更新。 嘉宾介绍: 蒋炎岩,南京大学博士生导师,曾在 SOSP、ASE、EuroSys、ICSE 等操作系统和软件工程的顶会斩获 best paper。 他在南大开发的操作系统课程广受好评,在 bilibili 观看量超过五百万,并在学生投票中被评为“我最喜爱的老师”。 他在网上行走的名号是 “绿导师原谅你了”。他讲操作系统,讲软件工程,也讲他对于考研、论文、经费、职称的锐评,出言如剑,专拆学术江湖里的 reward hacking。 相关术语: 绿导师:蒋炎岩老师的网络称号。既是教学江湖里的招牌,也是他直言不讳、锋芒外露的互联网人格。 Test-time Scaling:测试时扩展。指模型在推理阶段通过更多时间、更多计算、更多搜索和更长任务执行,获得更强能力。 Small Explanation Hypothesis:许多复杂研究问题背后,可能都有一段相对简短的解释;如果能生成、枚举、筛选和验证这些解释,就可能让 AI 自动推进科研。 Auto Research:自动化科研。让 AI 不只是执行人类提出的问题,而是自己生成问题、验证问题、产生新的知识。 Reward Hacking:奖励黑客。人或 AI 钻评价体系的漏洞,追求指标、论文、分数、奖项,而不是追求真正有价值的能力和贡献。 独立 PI:脱离原有团队组织结构,以相对独立的方式带学生、上课和做研究,减少大型项目、申请书、验收等组织性 overhead。 古法编程:不依赖 AI、不依赖大模型,靠手册、肌肉记忆和命令行细节完成编程任务的旧式方式。 本期节目参考的绿导师文集: 《读博那些事儿》,知乎专栏,2019 年 9 月。 《给各位天命人的劝退信》,个人主页,2024 年 9 月。 《副教授实名举报计算机专业学生编程水平不如小学生》,知乎专栏,2025 年 5 月。 《绿导师是怎样戴帽的:学术跃进运动的来龙去脉》,知乎专栏,2025 年 12 月。 《一个软工人的辩白》,China Sys 讲座(b站视频),2025 年 12 月。 《Agentic AI 时代的操作系统课:绪论》,b 站课程视频,2026 年 3 月。 《我决定要在人生巅峰退休了》,小红书 “绿导师戴帽子了”,2026 年 3 月 21 日。 登三篇:《大学今天💊了吗》《老登牛逼》《为什么要攻击老登》,小红书 “绿导师戴帽子了”,2026 年 6 月。 00:03:35 绿导师要退休了吗? 00:04:08 AI 末劫将至,大学教育、科研论文和导师制度是否都成徒劳? 00:05:55 AI 末日给学生和老师带来的是“一种解脱”? 00:07:59 test-time scaling 和 small explanation hypothesis,通向 AGI 的秘径? 00:14:03 绿导师退出了软工圈,软工圈也退出了软工 00:16:06 论文、经费、职称,如何把老师和学生都逼成 reward hacker 00:23:32 面对旧时代的评价体系,绿导师选择掀桌子不玩了 00:29:23 学生选拔崩坏:为什么考研复试学生的编程能力,可能不如小学生? 00:51:54 《劝退信》之后,绿导师想要什么样的学生? 01:11:50 绿导师不再教《操作系统》,下一门课是什么? 01:31:36 《老登三篇》和审稿江湖:学术会议里到底有多少论文是在包装 contribution? 01:46:16 一路在“退”:退休、退圈、退所、退委员会、退考研出题,是失望,还是以退为进? 01:53:19 未来三到五年最值得关注的事:真正的 auto research 能不能发生?
118 分钟 4k+ 次播放 3个月前
还没有人评价。听过的话,留个分数和一句短评吧。
您确定要删除评价吗?
外观
播放列表还是空的
去找些喜欢的单集添加进来吧