Deep Dive
Shownotes Transcript
大家好 欢迎收听黑客新闻中文日报今天节目里 首先我们要关注 OpenAI 正式调整公司结构宣称未来所有人都可以持有股份 这会令 AGI 领域产生什么变革紧接着 Meta 因为用作家作品训练 AI 而陷入版权诉讼这场官司或许会深刻改变生成是 AI 行业的生态和规则
还有一位开发者分享了用 AI 大模型分析 Crashdump 的新工具,这样一来,即便普通开发者也能轻松理解崩溃原因。精彩内容,马上开始。手机已经彻底改变了我们消磨无聊和打发碎片时间的方式,现在我们再也不需要忍受无聊的感觉,因为随时都能拿起手机,用社交媒体,短视频或者各种应用打发等待的片刻。
可是在用手机碎片化地填满每一份空闲时,我们也失去了那些让大脑放空、自由想象和随意幻想的机会。科学家指出,白日梦和头脑放空其实有助于创造力、反思和记忆力的提升。
当手机把每一个等待和无所事事的瞬间都填得满满当当,耐心、期待和自我调节能力就变弱了,孩子也因此更难自己寻找娱乐或排解无聊。研究者甚至提出,偶尔的无聊对情绪健康和成长有益,我们需要重新找回那些属于自己的静谧时刻,让思绪自由漫游。
评论区很多网友分享了切换回功能机减少手机使用后的变化有人发现这样能逼自己正是内心难题有人觉得远离屏幕能促进创造和思考也有用户坦言虽然手机很方便但它确实容易耗尽我们的注意力和耐心 OpenAI 宣布将调整公司架构目前的 Capped Profit 有限盈利模式会被更简化的新结构取代所有人将可以持有公司股份
OpenAI 强调,这次不是出售,也不会让出对公司的控制权。未来,OpenAI 的非盈利组织会继续拥有并监管旗下的盈利实体,这个盈利实体会从原来的 LLC 形式转为 Public Benefit Corporation,也就是兼顾社会责任的盈利公司,这种形式 Anthropic 等其他 AI 实验室也在采用。
OpenAI 表示,继续坚持让 AGI 能汇集全人类,非盈利组织将负责引导最高杠杆效率的 AI 应用,比如在医疗、教育、公共服务等领域带来积极影响,同时获得的股份也能够反补公益项目,为不同社区提供更多资源。有网友评论说,这一架构调整透露出 OpenAI 高层对 AGI 市场不会出现垄断的预期,作品由一家主导变成多家公司共存。
另外也有人质疑,逐步放弃原有非盈利理念,会不会导致 OpenAI 变得更加商业化,失去起初做善事的初心?还有网友表示,目前的调整只是简化形式,监管权依然掌握在非盈利组织手中,未来是否还能继续保障公益性,大家仍在观望。Deftpunk 的机器人嗓音其实是由多种效果器和硬件共同打造的。
文章作者花了两年时间,购买和测试了大约 25 款音乐设备,综合采访和实测,梳理出 Deaf Punk 在不同专辑和歌曲中使用的核心人声技术。比如早期专辑 Homework 主要用 N-Sonic DP4 加进行变调效果,Discovery 里的 One More Time 运用了 Auto-Tune 和经典电子协振器,Digital Love 和 Something About Us 都是 Digitech Vocalist 参与的,Harder, Better, Faster, Stronger 则用到了 Digitech Talker 作为 Vocoder。
到了 Random Access Memory 时代,Sennheiser VSM201 这种价值数万美元的顶级 Vocoder 频繁出场,让机器人嗓音变得更为清晰和丰富。作者还详细对比了 Talkbox、Vocoder 及 Harmonizer 这三类声音处理方式,包括现代和经典器材之间的差异,甚至专门去核实了 Imogen Heap 用于 Hide and Seek 的确切设备型号。
评论区不少音乐爱好者认为作者的深度考证非常难得,甚至更胜官方采访,也有人表示,尽管设备昂贵稀有,但其实用一些便宜器材加上细心调教,也能逼近 Deft Punk 的声音效果。还有网友惊叹于 Deft Punk 四张专辑就影响了整整一代电子音乐人。
Meta 因为在开发生成式 AI 工具时,使用了包括 Sarah Silverman 和 Tanahasi Coates 在内的多位作家的作品,目前正与这些作家在法庭上对簿公堂。作家们认为 Meta 从 LibGen 这样的影子图书馆下载他们的书籍,用于训练 AI,是未经授权的行为,因此涉嫌侵权。
而 Meta 并不否认下载和使用了这些作品,但便称自己属于合理使用范围,依据美国版权法,在某些场景下可以不经同意使用受版权保护的内容,包括用于学习、报道等。
庭审过程中,法官 Chabria 多次明确表示,案件焦点并不是 Meta 获得这些书籍的手段是否合理,而在于 Meta 的 AI 工具是否真的会影响原作者的书籍销售,造成经济损失。例如,他就提出,如果 AI 能用明星歌手的风格生成大量仿作,是否会让下一个 Taylor Swift 这样的新人失去市场机会?
但同时法官也质疑作家团队是否能提供足够证据证明 AI 的确会损害他们的商业利益并提醒双方案件核心在于版权侵权而非道德判断不少网友认为媒体报道标题有误导性目前法官其实还没有做出最终裁决也有评论区观点指出 AI 的训练数据来源问题和合理使用的争议可能会对硅谷的后续创新模式带来深远影响
一位经验丰富的大语言模型用户分享了他对生成式 LLM 的实际使用体验他表示,虽然很多人以为工程师会经常使用这类模型,但他自己真正用 LLM 的频率其实并不高,只有在能显著提升效率的场景下才会选择用
它通常不会用 ChatGPT.com 或类似的前端界面,而是通过各家 LLM 服务的后端 UI 直接访问 API,这样能更精细地控制输入提示与系统参数,还能设定温度等生成参数,以获得更稳定、可信赖的输出。比起日常写作或聊天,它主要把 LLM 用于专业场景,比如自动化标注、语义据类、快速搭建原型,以及辅助代码生成等。
对于复杂或少见的库,他仍然会对 LLM 的结果多加核查,避免模型幻觉带来的误导。他还强调,尽管有自动补全,agents 和 coding assistant,现在的 LLM 辅助编程方案并不总是比传统的开发方式高效,尤其是自动补全有时候会打断思路。对于 LLM 在实际数据科学和工作中的地位,他认为它只是工具箱里的一个工具,既不能神化,也不应完全否定。
有网友评论称,先进用户的观点很现实,没有过度追捧 LLM 的能力,也有人分享了 LLM 在做网页和 UI 原型上能大幅提升效率,还有不少人讨论在用 ChatGPT 处理新库时如何借助常上下文能力来查找最新资料。一开始只是想用一小段 Python 脚本批量重命名文件,或者给常用的 Git 命令加一个别名省点力气,甚至只是写个笑函数处理下剪贴板里的 JSON。
你并没有打算多聪明,只是想解决点小问题,让电脑按理想方式去做事。但慢慢的,你会发现,工具,开发环境,甚至编辑器里的每一个细节似乎都能更好一点。你觉得自己其实可以重写这个,也能改进那个。到后来,别人哪怕是开玩笑地挑战你一下,整个气氛就变了,好像你应该去解决这一切。
于是从那之后世界里到处都是只有你才能看出来的新问题程序员们开始觉得技术能力不仅仅是能力有时候也是一种负担以前遇到烂软件只会觉得烦学会编程后反而变成了一种挑刺习惯连静态页面加载 10 兆 Giva scriptCLI 命令难解析配置写死都成了一种指责写工具搭系统自动化本来是希望让生活简单却很容易变成自己不停完善永远做不好的怪圈
网友们评论认为,这种知道如何修理的诅咒让人很难放松,总是会不停给自己加码,也有网友分享,真正重要的技能可能不是能解决多少问题,而是学会在哪些事情上可以选择放手,还有人调侃,现代软件就像沙雕,总有一天会它掉,最难的或许是接受它本来就是有缺陷的。有开发者分享了自己用 Systemd 替代 Kubernetes 的实践经验,主要是因为 Kubernetes 对硬件资源的占用太高,不适合个人或者低成本项目。
他过去用 Kubernetes 管理微服务,自动化和部署体验非常好,但在个人项目或者小型 VPS 上,Kubernetes 占用内存和 CPU 都很大,服务器经常风扇狂转,影响使用体验。后来他发现搭配 Padman,Systemd 和用户持续登录,User Lingering 这三种工具可以实现类似 Kubernetes 的自动管理,按需启动,自动拉取最新镜像等能力,而且更轻量,对资源消耗更友好。
他用这一套方案把 VPS 服务都迁移了过来用更少的 VCPU 和内存运行的更快也更省钱
评论区有网友表示 Systemd 虽然经常被吐槽,但其实它功能很强大,比如容器、定时、日志管理等都很方便也有网友补充说很多 Docker 镜像或 Compose 文件不够标准,用 Systemd 还需要转换,但整体比 K8s 简单易用不少还有网友提到了 Quadlight 是 Systemd 官方支持的新方式,集成度更高,适合小型自动化部署场景
一位开发者把人工智能和 WindyBG 结合了起来,创建了 MCP1Bit 项目,让大家可以用自然语言和 Copilot 这样的 AI 助手来分析 CrashDump,而不需要再在终端窗口里输入各种复杂命令。用户只需问比如为什么这个程序崩溃了这样的普通问题,AI 就会自动调用 WindyBG 的分析能力,解释崩溃的原因,甚至提出修复建议。
这项工具通过 MCP,Model Context Protocol,把 WindyBG 的分析结果对接到 VS Code 里,支持 GitHub Copilot 等多种 AI 模型,不局限于某一家公司的产品,也能更方便地扩展新功能。作者还把整个项目开源,大家只需装好 Windows SDK 和 Python 环境,就能在本地体验用 AI 来应对技术壁垒很高的 Crash 分析流程。
网友们讨论时认为,这类工具极大降低了 Crashdump 分析的门槛,对普通开发者和支持、测试团队都意义重大,但准备和调试过程还离不开人类自身的经验。另外也有评论表示,AI 在处理更复杂和底层的问题时,还没法完全取代人的判断,但未来可期。
一位名叫 Jake Geller 的工程师发布了一个基于 AI 的简历服务,他通过搭建 MCP 服务器,让各种 AI 助手能够直接访问和获取他的个人履历,技术背景,甚至工作项目等关键信息。求职者可以通过标准化的 MCP 协议,让像 GPT 或 Cloud 这样的 AI 快速了解自己的技能、项目经验及职业理念。
招聘者 面试官或团队管理人员可以借助这些工具自动生成面试问题 对技术专长做评估 参考过往项目经历还能让 AI 协助判断求职者是否适合某个岗位 提升招聘效率这个系统不仅包括自动提取简历 GitHub 链接 个人网站数据等基础信息还支持赋能 AI 以模拟推荐信 生成入职计划 以及梳理成长发展路径
评论区里,有人觉得这种方式非常新颖,接近于让 AI 作为我们个人代理,主动和外部世界交流,也有人质疑这种操作对实际招聘流程的推动效果。还有网友认为,这更像是一种高阶的技术展示,但对于有经验的工程师来说,也能展现出对自动化与 AI 协作的独特理解。
文章作者分享了自己在家用网络中部署 Pi 后的体验,Pi 后是一个运行在 Raspberry Pi 上的广告和跟踪域名屏蔽工具,它能够作为本地网络中的 DNS 代理服务器,帮助用户屏蔽掉各类不需要的广告、追踪器和恶意域名。作者提到,在日常上网过程中,自己网络上多达 66%的流量都被 Pi 后成功拦截,这些本来都是广告或收集隐私的数据。
安装和设置 Pi 后其实并不复杂,用户只需准备好硬件,并把路由器的 DNS 指向 Pi 后设备即可。除了使用社区维护的拦截域名列表,用户还可以根据自己的实际需求在 Pi 后管理后台动态添加、解封特定域名,甚至还可以用规则屏蔽带有特定顶级域名的服务器访问。
对于一些智能设备通过硬编码 DNS 或 DNS 加密协议绕过本地 DNS 的情况用户可以结合路由器的防火墙和 Iptibus 配置确保这些设备所有的 DNS 请求最终都由 PiHo 处理从源头拦截无用流量作者还强调 PiHo 可以作为浏览器广告插件之外的另一层网络防护让全家所有设备都能享受更清爽和隐私友好的网络环境
评论区有网友表示,用上拍后后浏览体验提升明显,甚至感觉离不开它,也有网友给出了进阶玩法,比如结合 unbound 和 Opensense 做地归 DNS 过滤,以及动态防火墙增强管控,另外也有网友讨论到部分网站服务依赖广告无法正常访问,这时可以定制域名白名单来平衡体验与拦截需求。
感谢您收听今天的黑客新闻中文日报希望这些前沿科技话题能够启发你的思考关注技术世界的最新脉搏如果喜欢我们的节目记得订阅和分享我们明天再见