PODCAST · 晚点聊 LateTalk
2024 年 10 月节目
5 期 · 4 期带分节
- 10-3087: 家里又多了个“怪东西”！与云鲸聊新消费电子品的诞生54 分钟
- 01:48印象最深的几款新的消费电子品类
- 03:58消费级无人机为什么能成功
- 07:01成功的消费电子品类满足什么条件
- 07:49不成功的案例，创新没有匹配需求
- 09:45立项前最重要的几个问题
- 11:32产品经理如何分辨真伪需求，如何给需求的重要性排序
- 13:12要去挖掘用户表面需求背后真正的底层需求是什么
- 15:23云鲸怎么解决洗地机毛发缠绕的问题
- 18:17洗地机是一个舶来品，最早是清洁海外用户的毛毯地面
- 20:56疫情期间智能清洁产品火爆
- 23:44洗地机是取代吸尘器，和扫地机器人不冲突
- 29:00云鲸为什么做洗地机比较晚
- 32:51为什么从研发转型为产品经理
- 35:52最初怎样规划这款新的洗地机产品
- 45:27智能清洁产品共同面对的问题
- 47:43最终会有一个终极的清洁产品出现，类似通用机器人
- 51:59给产品新人的三点建议
- 10-2786: We, Robot-2，清华叉院/星海图许华哲看“Optimus”的门道65 分钟
- 01:04从清华电子系到伯克利 AI Research 博士，再到斯坦福博后
- 02:10三在多伦多大学交换，机缘巧合下开始接触 AI 研究。
- 04:50很马斯克风格的发布会
- 05:40丝滑遥操作也有实用价值：远程劳动力转移；同时能帮助获得更多数据，使系统进化。
- 06:46判断机器人好不好的两个小 trick：机器人走路时，周围人越少越好；机器人操作使，周围人离机器人越近越好
- 07:51遥操目前有三种常见方式：从视频映射、人带着 VR 设备遥操、用与机器人同构的专用遥操设备遥操，斯坦福 Aloha 就使用了第三种
- 10:01从遥操到机器人自己动需要：更多的数据，更好的模型
- 12:47马斯克拉高大众对机器人的期待，整体是好事，但专业人士也许有时生气——2017 年的一个活动中，马斯克大谈明年实现自动驾驶，Andrej Karpathy（特斯拉
- 14:56伯克利 AI Research：较早关注强化学习；这里鼓励一起合作，不同老师和博士间自由组合，很适合机器人交叉领域
- 20:28斯坦福、伯克利、MIT 机器人谁最强？美国高校的人才的轮动机制
- 21:41一个标志性工作：ETH（苏黎世联邦理工）让机器狗在仿真环境里学会爬山，这是是强化学习在机器人中的应用
- 23:37许华哲自己的项目：机器狗学会在软垫上走，通过改进一个强化学习算法，让机器人不是在仿真里学，是在真实环境里学
- 25:20算法和模型架构是两个概念，同一个算法可用不同架构的神经网络实现；强化学习两个最典型的算法范式：基于值的学习（Q学习）和基于策略的学习。
- 28:51接下来谁能做出非常有效果的“具身大模型”，会是一个进展
- 29:23除了强化学习，其它重要进展：模仿学习、多模态大模型 & 三者的不同作用
- 32:54目前具身智能公司，自己做强化学习、模仿学习多，多模态大模型一般使用外部的，如 GPT 等。
- 34:11目前是个笼统概念——根据目前状态能推断未来状态，都可以是世界模型
- 35:24为什么 Sora 不是世界模型，而 YX （也是一个视频模型）是一个世界模型？
- 36:52机器人包饺子的例子：当时用到的“世界模型”就是一个神经网络，不过是一个很局限的版本。
- 38:04实现通用机器人，世界模型一定是组成部分，但其实现在大家并不完全知道怎么做世界模型；目前 AI 界提出的几种主要思路
- 39:14触觉是个被忽略的模态，而人最大的器官是皮肤；触觉缺失的患者很难抓东西
- 41:00触觉和力控传感的区别
- 42:29机器人本体形态目前五花八门，为什么星海图觉得当前操作（双臂）更重要
- 45:28关于灵巧手：在清华有各种尝试，但并不适合现在就放在公司里做，要做好灵巧手，难度不亚于做好一个完整人形机器人
- 47:53目前星海图“力出一孔”要做好的事：移动操作的本体、遥操作和智能。
- 48:19明斯基 1970 年的乐观，3-8 年后就会有通用智能体
- 49:26清华姚班本科生关于 AGI 的预期小调查：今年比去年悲观
- 52:03从现在到未来的瓶颈：数据；目前行业里还没有清晰的数据采集成本，因为采集方法也没有定型；星海图自己获得数据的 3 种方式
- 55:30未来机器人上的模型，是一个端到端大模型，还是在不同层次用不同模型来组合？——许华哲相信类似 VLA 的端到端模型是未来趋势，但不一定最适合现在来落地。
- 58:14目前大模型范式有缺陷，但可以一边先用，一边改进
- 59:07UBI（无条件免费发钱）计划不一定能解决未来的社会危机
- 59:51要警惕人类不经意间丧失权利，你有可能失去“在健康日吃炸鸡的权利”
- 01:02:17一致性与对齐：机器以会实现我们设定的目标，但可能以我们想不到的方式，使我们付出想不到的代价
- 10-2385: 国家从无到有，拢共分几步？｜工业化之路 0145 分钟
- 10-1684: 与侯晓迪聊特斯拉 We,Robot：烟雾与现实69 分钟
- 04:07人们对 Musk 的宗教式狂热在消退
- 07:10高科技发展中始终有两面，技术客观规律 VS 公众意志与期待，特斯拉擅长拉满期待
- 10:290.2 美元每英里运营成本为何是胡说，一个简单的计算题
- 12:13CPM（每英里成本）应该是一个统一标准，就像会计准则
- 16:31运营的魔鬼在细节，一个例子：胎压检测
- 19:26Cruise CEO 发布会前给出 15 条要点，马斯克则都没讲
- 22:40技术发展和 CPM 下降并不矛盾
- 26:14机器人的遥操：从大众到业内人士的 3 层观点
- 29:07Robotaxi 领域闯入新玩家的影响——也许没那么大影响
- 30:55FSD 休斯顿体验，运气好 10 分钟接管一次
- 31:10端到端，是一种技术的“意识形态化”
- 34:50Scaling Laws 原初论文里有诸多限定条件，愚者的问题是无节制地外推
- 38:31端到端的新网络架构有优点，也增加了限制因素，如不可解释→难以合规
- 41:41车主的车撞死了人，算谁的？——Cybercab 量产前，用 Model 3、Y 接单的“Airbnb”模式也难以实现
- 42:29”世界模型“，学术上的更早源头是内蕴表征
- 47:48世界模型要解决的问题：包含各种物理规律，因而是一个做具体任务的宝箱
- 49:56L5 是永远达不到的地平线，L4 是产品，产品就谈挣钱，不寒颤。
- 51:50赚钱路上的眼见瓶颈：远程遥控 1:3 怎么走到 1:10
- 53:21Bot Auto 的 2000 万美元融资，什么人还愿意投入自动驾驶？
- 57:17回顾上段创业：不要过早扩张，重要的不是收入，而是利润
- 01:01:32休斯顿 VS 硅谷，离投资人和喧嚣远了，离产品近了
- 01:06:46Bot Auto 年内小计划
- 10-1083: 《智人之上》：没有AI，寻找意义也是每个人的必解题 | 串台《知本论》76 分钟
- 02:47《智人之上》的三段论：赫拉利对人类信息网络的观察+当 AI 新变量进入信息网络+警示与提醒
- 12:45人文学科出身，但赫拉利有立场谈技术和 AI
- 17:23赫拉利是一个“跳出抽屉”（学科分工）的人
- 21:02科学家的天真：可能过于简单地理解了技术和社会的关系
- 23:36身边的“天真信息观”：更多的信息，反而带来了更低的信息素养
- 28:26“不反思”也许才是自在状态，信息里存在错误、盲目是人性使然
- 31:10“民粹信息观”和“天真信息观”的一体两面
- 36:41赫拉利也许夸大了 AI 的能力，但即使没有 AI 进化，新技术对信息网络的影响已是一个真实命题
- 40:42韩国换脸事件、东欧小镇女孩的遭遇，事情为何难办
- 44:58担忧“被取代”，本质是现代性之后难寻意义感
- 47:51用工作来建构意义和“我是谁”的认同，这不是历史常态
- 51:56种咖啡、种大米，重新建立身体与世界的连接？
- 55:31一场“假葬礼”，如何让学生选定了工作 offer
- 58:23不要轻易让渡权利，妙鸭的风波
- 59:47沉溺“社交网络”，这也许是阶段性现象
- 01:05:29从云南到深圳，云南人身体里有另一个闹钟
- 01:12:27技术快速变化，我们可以做什么“日课”