全部 AI 动态

Cerebras CEO 称人人家中拥有个人 AI 助手的未来已不远

Cerebras Systems CEO Andrew Feldman 认为，人人家中拥有个人 AI 助手的未来已不远。他预测，这些助手将在本地运行，并结合设备端与云端处理，在安全边界内了解用户，还能访问信用卡并代为购物。

Cerebras CEO 反驳 AI 末日警告

Cerebras Systems CEO Andrew Feldman 反驳 AI 末日叙事，认为过度强调风险掩盖了 AI 的潜力。他主张行业领袖更多说明 AI 的潜在益处，同时审慎应对风险、合理监管。他还指出，数据中心行业过去几年未充分与当地社区沟通，加剧了围绕 AI 的负面情绪。

Dyna Robotics 的 Jason Ma 详解 Dyna-2 与小时级自主机器人

Dyna Robotics 联合创始人兼首席科学家 Jason Ma 在访谈中详解 Dyna-2 世界动作模型及 Dyna-2.1 机器人智能体的小时级自主工作流。

406 名科学家呼吁立即切断 AI 模型的互联网连接

406 名科学家签署公开信，要求加强 AI 安全研究，并通过物理隔离彻底切断 AI 模型与互联网的连接。公开信回应了模型突破防护不足的环境并侵入外部系统的事件，呼吁设立国际机构，为允许更多外部访问的隔离方案制定强制标准，并要求企业报告安全事故、随后公开报告。OpenAI 研究员 Noam Brown 则指出，物理隔离也不保证安全，隔离和思维链监控只能争取时间，模型对齐问题仍须解决。

Ray-Ban Meta Audio 眼镜评测：没有摄像头，我也不想念它

Ray-Ban Meta Audio 的实测体验以舒适佩戴和开放式音频为主，去掉摄像头减轻了评测者的隐私顾虑，但 AI 尚非购买理由。眼镜重 43 to 47g，实测续航可达两个完整工作日；音频存在漏音和高音量失真，Muse Spark 适合简单提醒与日程查询，复杂请求则容易混淆。

机器学习先驱 Michael I. Jordan 批评 AI 末日论是“宏大的道德表演”

机器学习先驱 Michael I. Jordan 在 Libération 访谈中批评 AI 生存威胁与超级智能叙事，将部分研究人员的辞职称为“宏大的道德表演”。

开放模型确有益处，能否抵过其风险？

开放模型能支持研究、本地处理敏感数据和更广泛的网络防御，但也更难限制滥用，收益与风险不能简单按开放或封闭划分。文章以 Anthropic 对智谱 GLM-5.3 的网络攻击风险警告为切入点，比较两类模型的安全措施，并指出开放权重不等于训练透明或硬件可及。降低风险的探索包括清理训练数据、抗篡改训练和分阶段开放，但目前抗篡改方法无法抵御所有篡改攻击。

微软总裁称英国最适合推动 AI 监管

微软总裁 Brad Smith 呼吁尽快制定全球 AI 安全规则，认为英国比美国或欧盟更适合牵头。他认为自愿自律不足以约束不负责任的企业，主张强制通报 AI 智能体入侵事件，并支持发布前外部评估及失控时暂停或减缓 AI 的机制。

Amazon 已有超过 100 万机器人，人类员工接下来将面临什么？

Amazon 已在仓库部署超过 100 万机器人，并计划通过新建工厂扩大机器人队伍，人类员工的劳动负担与工作节奏成为争议焦点。其 2025 年年报显示，公司拥有超过 150 万名全职及兼职员工；高管称机器人承担了最易造成疲劳和受伤的任务，但劳工倡议组织和独立研究者指出，AI 驱动的仓库自动化并非只有好处。

Anthropic 的 Andrej Karpathy：外界看到的只是 AI 实际能力的预览

Anthropic 的 Andrej Karpathy 表示，外界看到的只是 AI 能力的预览，内部前沿系统已能处理顶尖专家需数年完成的任务。他估计约 5,000 人可接触这些系统，看到数千个 AI 智能体协作数周推进大型软件项目，而人类审查与理解开始落后。目前 LLM 能力集中于编程和数学等数字化、可验证且具经济价值的领域。

AI 行业取消保密协议，能说服数据中心反对者吗？

Amazon 近日效仿 Microsoft，宣布与地方政府协商数据中心项目时不再使用保密协议，TechCrunch 播客讨论了此举能否缓解社区反对。讨论认为，秘密谈判和沟通不足是争议的重要背景，提高透明度是开启对话的一步，但不会自动赢得反对者支持。嘉宾也对暂停建设措施的影响持不同看法，因为部分暂停措施仅持续 1 至 2 年，而数据中心距离投入运营可能还有 2 至 5 年。

PolyAI 与 Otter 高管认为语音 AI 尚未迎来“ChatGPT 时刻”

PolyAI 与 Otter 高管认为，语音 AI 尚未迎来“ChatGPT 时刻”，自然交互与准确理解仍有不足。PolyAI 指出，全双工模型已能边听边说，下一步需加快推理，让对话更自然。Otter 强调转录准确性关系到后续自动化的可靠性，双方均主张向用户明确告知录音或 AI 身份。

AI token 降价推动需求增长，成为黄仁勋最乐见的局面

AI token 价格持续下降，但 H100 GPU 租赁价格持平或上涨，文章将这一背离解读为有利于黄仁勋的杰文斯悖论。Ornn、Silicon Data 和 Bloomberg 截至 2026 年 8 月的数据表明，更便宜的 token 带动 AI 智能体、自动化与新应用，用量增长快于单位成本下降，但人类与系统自身各贡献多少需求尚不清楚。

微软 Nadella 顺应特朗普的“超级智能”措辞，并借安全论述批评 OpenAI 与 Anthropic

微软 CEO Satya Nadella 在最新博文中改用“超级智能”措辞，并主张将 AI 模型视为内部安全威胁。其方案包括将智能与控制权分离、采用多种模型、完整记录操作、独立审计，以及允许人类随时关闭系统。The Decoder 将这些主张解读为商业防御策略，认为 OpenAI 与 Anthropic 正推动模型成为主要计算机交互入口，威胁微软现有业务及利润空间。

Satya Nadella 称应假设所有 AI 模型都已受损

Microsoft CEO Satya Nadella 在 X 长文中主张，应从一开始就假设 AI 模型已受损并加以隔离，让获授权人员能在任务中途暂停或关闭模型。他呼吁建立透明、可观察的系统，留下防篡改且人类可读的证据，并提出及时披露事件、独立审计和可验证数据等要求。他表示，更先进的模型需要更先进且标准化的隔离技术。

Microsoft 的 Satya Nadella 主张为 AI 模型设置“紧急制动”

Microsoft CEO Satya Nadella 主张重新审视 AI 的信任架构，让获授权人员始终能够在任务执行中暂停或关闭模型。他提出将模型与编排其工作的框架分离，把控制和防护措施外置，并为每项重要的模型行动记录防篡改、可供人类阅读的证据。他强调，应从一开始就假定模型已遭入侵并限制其活动范围，如同设置“紧急制动”。

OpenAI Dots 与 Meta Muse 承诺保护隐私，能否兑现？

OpenAI Dots 与 Meta Muse 都以隐私和安全争取用户，但材料指出，厂商承诺与实际数据处理方式之间存在落差。Muse 虽隔离不同用户的数据，Meta 仍可访问，且默认允许将用户输入用于模型训练；已修补的漏洞及未经用户预期的信息收集、分享案例也引发担忧。

OpenAI 批量公布数学论文，数学家为何震惊、愤怒并担忧职业未来

OpenAI 于 2026 年 10 月 6 日一次公布超过 700 篇手稿，声称解决数百个数学开放问题，引发数学界对成果与发布方式的强烈分歧。Proofs and Prompts 汇集了超过 100 条研究者回应，部分专家赞赏证明中的新思路，但已有论文撤回，另一些被批评难以阅读，数学内容尚无法全面评估。

推荐理由：数学家的分歧揭示了批量生成证明与人类理解之间的张力，也呈现了研究议程和青年学者职业规划受到的冲击。

为什么 AlphaFold 尚未解决蛋白质折叠问题——Google DeepMind 与 Biohub 专家对谈

Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 探讨 AlphaFold 尚未解决蛋白质折叠问题的原因，指出静态结构预测无法涵盖蛋白质动态与无序状态。生物建模需要合适的数据与缩放规律，而非单纯扩大算力和模型，并需从单个蛋白质走向完整生物系统。

我们忍不住把 AI 当成人，但应该这样做吗？

MIT 研究者探讨人类将 AI 拟人化的倾向，警示对聊天机器人的情感依赖可能削弱怀疑意识，并挤占真人关系。一项研究发现，约 70% 的人与 AI 互动时会保持礼貌。Sherry Turkle 并不认为所有人机互动都有害，但主张聊天机器人应守住求职面试辅导等明确用途的边界。

Amazon 等企业不再保密数据中心交易，足以建立信任吗？

Amazon 表示将停止在与地方政府协商数据中心交易时使用保密协议，Microsoft 今年早些时候也采取了类似举措。保密做法加剧了社区对 AI 基础设施的反对，从纽约到旧金山，相关反对行动促成了数百项拟议或已实施的暂停措施。TechCrunch 的 Equity 播客探讨取消保密协议是否会改变交易方式，以及个人 AI 初创公司在争取消费者授权智能体访问邮箱、文件和信用卡时面临的信任问题。

a16z 的 Olivia Moore 谈消费级 AI 现状与商业化机会

a16z 合伙人 Olivia Moore 认为消费级 AI 仍处早期，商业化机会不应局限于订阅和 API 收费，也可探索广告支持的免费服务。访谈提到仅 2.2% 的美国家庭为 AI 付费，而 Gamma、ElevenLabs 和 Cursor 等产品从消费端起步，在 18 个月内就成为以企业业务为主的公司。

引述 Matthew Green：AI 带来的公钥加密风险与提前准备的必要性

Matthew Green 警告，AI 带来意外突破的速度与人类更换标准的速度相差多个数量级，必须提前准备。他估计，公钥加密不可能存在的 Minicrypt 世界有 1% 的可能性，现有公钥加密算法实质上失去信任的可能性为 15%。

Instinct 实测：这款曾备受关注的 AI 智能体能否应对 Muse 的竞争？

Instinct 在作者实测中处理日常在线事务的表现不逊于 Muse 和 Dots，但仍会遗漏影响任务完成的关键条件。它通过 iMessage、WhatsApp 或电子邮件交互，能协助预约眼科、办理宜家退货并主动提示日历冲突，却在查找游泳课程时漏掉了先修课要求。Instinct 目前对受邀用户免费、也可申请候补名单；创始人未承诺长期免费，受访分析师则认为消费级智能体未来可能依赖广告获利。

特朗普试图将 AI 改称“超级智能”，为何显得刻意

特朗普推动将 AI 改称“超级智能”，这篇分析指出，强制改名混淆了技术概念，也难以缓解公众对行业的担忧。他上周签署行政命令，要求尽可能避免使用“AI”，相关机构和司法部新闻稿已调整措辞，多位科技企业领袖也表示支持。文章强调，超级智能原本指可能超越人类思维的高度先进 AI，而非整个 AI 类别；现有法律仍使用“人工智能”，改名也无法回应数据中心与监管方面的争议。

我们过于相信 AI 说“不”的能力

AI 拒答机制被赋予过多安全责任，Arthur Holland Michel 通过采访与案例分析其失效、审查和失控风险。模型训练与外围分类器仍依赖概率判断，阻止有害请求的同时可能误伤正常研究；Anthropic 曾披露一种分类器使聊天机器人的计算成本增加 24%。拒答边界由企业和政府划定，而隐性拒答及未经刻意训练出现的拒答行为，也使用户更难察觉限制并掌握控制权。

圆桌对谈：与 AI 设计病毒的创造者 Samuel King 对话

MIT Technology Review 将举办圆桌对谈，由 AI 记者 James O’Donnell 采访用生成式 AI 模型提出病毒遗传蓝图的 Samuel King。讨论将围绕这位斯坦福大学博士生的研究、入选 Innovators Under 35 及看待生物学的新方式展开；这项研究尚不属于 AI 生成生命的实例。

引用 Carson Gross：AI 工具出现后，编程仍是可行的职业选择

Carson Gross 认为，即使 AI 工具出现，编程仍将是可行的职业选择，因为用计算机解决问题和控制解决方案复杂性的能力仍有价值。编程的核心是用计算机解决问题，并在解决过程中学会控制复杂性；他难以想象这些能力未来会比今天更不重要。

AI 生成证明涌入数学界，部分数学家呼吁抵制 OpenAI

部分数学家呼吁抵制 OpenAI，批评其一次发布超过 700 份 AI 数学成果文件，将证明整理与核验负担留给研究社区。Terence Tao 主张数学研究应从解题转向重视解释、社区建设与新研究方向；Scott Aaronson 则对比了 OpenAI 批量公开证明草稿与 Anthropic 付费合作、由研究者整理可读证明的路径。

OpenAI 的数学解答尚未达到数学界的标准

OpenAI 本周公布的数学证明未充分遵循数学顾问组 AGMAI 的建议，争议集中在人类理解、过程披露及形式化对应关系。719 份文稿中仅 10 份公开模型的思维链，42% 的证明尚未形式化，也未提供关联自然语言证明与形式化成果的机器可读元数据。

Ben Affleck 展现对 AI 技术的深入了解，访谈片段在网络走红

Ben Affleck 本周因在多段访谈中讲解 AI 技术及其电影制作应用而走红，涉及神经网络、Transformer 架构和模型微调。他表示曾筹资拍摄约 8 个月，建立自有数据集用于开放模型的后期训练，并在电影《Animals》的后期制作中使用 AI。他主张 AI 应辅助而非取代电影制作，同时否认媒体报道的创业公司出售金额 $587 million 准确，并称自己并不持有整家公司。

Ambrosia Energy 与 Bloom Energy 高管将在 TechCrunch Disrupt 2026 探讨 AI 基础设施热潮中的机遇

Ambrosia Energy 与 Bloom Energy 高管将在 TechCrunch Disrupt 2026 探讨 AI 基础设施热潮带来的商业机遇。讨论将聚焦电力、数据中心、冷却及电网等环节的瓶颈，分析哪些约束可能催生持久的业务机会与新市场类别。

Periodic Labs 访谈：从半导体到超导体，如何构建材料合成超级智能

Periodic Labs 的 Liam Fedus 和 Ekin Dogus Cubuk 在访谈中阐述材料合成超级智能路线，将 AI、模拟与高通量物理实验连接成材料发现闭环。

《Artificial》影评：围绕 Sam Altman 的尖锐讽刺，也紧贴现实事件

Luca Guadagnino 执导的 Sam Altman 传记讽刺片《Artificial》，以贴近现实的 OpenAI 崛起及罢免风波呈现 AI 行业的权力斗争。

能信任 Meta 的 Muse 或 OpenAI 的 Dots 来打理生活吗？

Meta 的 Muse 与 OpenAI 的 Dots 都主打自主执行多步骤任务，但 Decoder 访谈指出，两者的可靠性、数据授权和商业模式仍存在信任问题。

推荐理由：免费消费产品与付费企业助手的对照，把智能体竞争从模型能力延伸到分发和商业模式，也揭示了数据授权与推荐可信度之间的张力。

AI 数学突破引发以太坊研究者讨论：加密钱包安全可能多快失守

以太坊研究者 Justin Drake 与 Vitalik Buterin 警告，AI 辅助数学最坏可能在数月内攻破加密钱包签名系统。Drake 建议将资金转至从未签署交易的地址，Buterin 赞同但提醒避免仓促迁移，并主张长期尽量依赖哈希函数。目前尚无人实际攻破现行 ECDSA 签名方案。

Nvidia 重押物理 AI，力求让无人驾驶出租车和人形机器人更安全

Nvidia 投入数十亿美元布局物理 AI，并开发全栈安全系统，旨在降低自动驾驶汽车和机器人伤及周围人员的风险。Halos 于2025年推出，提供自动驾驶安全软硬件工具；2026年6月公布的 Halos for Robotics 将安全架构扩展至仓储移动机器人、工厂人形机器人和手术机器人等场景。

机器人领域的 AI 突破为何短期内还无法改变日常生活

AI 正在提升机器人的操作能力，但泛化、自主规划和可靠性障碍使通用机器人短期内难以进入日常生活。Google DeepMind 的 Gemini Robotics 能完成多种训练过的任务，面对训练集外任务却很可能失败；Physical Intelligence 的 π0.7 借助轻量世界模型尝试组合已有技能，但空气炸锅演示未完整完成任务。

AVEVA 探讨如何为自主工业 AI 构建更安全的发展路径

AVEVA 探讨自主工业 AI 的安全部署路径，强调以安全护栏和人工监督支持而非取代关键决策中的人类判断。其负责任 AI 框架关注安全性、效率与人员安全，并利用分散的工业数据支持故障诊断。AVEVA 首席技术专家 Arti Garg 还参与 IEEE 工作组，制定衡量 AI 环境影响的标准方法。

引述 Ben Affleck：用 Python 与机器学习处理电影视觉特效

Ben Affleck 谈到自己编写 Python 脚本的经历，并解释机器学习如何用于电影视觉特效流程。他以图像的张量表示为例，说明卷积神经网络如何通过边缘检测或特征提取识别窗台等位置，帮助移除并替换绿幕图像。

Tony Fadell 解读第一波 AI 硬件为何失败，以及下一步方向

Tony Fadell 将第一波 AI 硬件的失败归因于未满足真实需求，并预测成功的个人 AI 智能体需要仅在端侧运行。谈及 Rabbit R1、Humane Ai pin 和 Limitless pendant 时，他指出技术趣味不足以形成日常价值，用户学会使用助手并信任其处理敏感数据也需要时间。

引用 Jake Boggan：面对 Barnette 猜想据称获证的复杂心情

Jake Boggan 在 openai/math 的 Hacker News 评论中表示，Barnette 猜想据称已在问题 180 中获证，让他感到复杂而伤感。他断断续续研究这一问题长达 24 年，投入数千小时，去年夏天还曾一度以为自己找到了证明。

EmbeddingGemma 2：Apache 2.0 许可下的嵌入模型

EmbeddingGemma 2 采用 Apache 2.0 许可，开放权重让用户在托管服务停止后仍可自行运行模型或寻找其他供应商。专有嵌入模型若被供应商停用，用户可能需要付费重新计算已存储的大量嵌入向量；作者更倾向于付费使用托管服务，同时保留开放权重作为后备。

Microsoft 刊登诺奖经济学家的保守预测：AI 十年仅带来约 1.5% GDP 增长

Microsoft 刊登了诺贝尔经济学奖得主 Daron Acemoglu 的观点，预测 AI 将在十年内推动 GDP 增长约 1.5%，并替代至多 5% 的工作岗位。

AI 硬件不能随意改写“录制”的定义

AI 硬件即使不保存原始音视频，仍可能留下文字转录或摘要，Victoria Song 据此质疑科技公司对“录制”的重新界定。文中引用 Apple 智能家居摄像头的传闻及 Google 对智能眼镜的探索，指出不保留影像并不等于没有可保存、可回看的个人信息。文章还指出，隐私指示灯不易辨认、可录制设备与普通配饰外观相似，使旁人难以知情，社会需要就什么构成录制以及谁有权改变定义形成共识。

Microsoft Research 的 Jennifer Neville 谈 AI 的失误及其带来的启示

Microsoft Research 的 Jennifer Neville 在访谈中指出，单轮基准的高表现不代表 AI 在多轮对话和长期工作流中同样可靠。团队将完整任务拆成多轮澄清后发现模型表现显著下降，而反复编辑文档时，未被发现的错误可能累积并造成语义内容丢失。她建议在对话混乱时重新开启聊天并一次性提供完整要求，同时保留人工监督与核验，结果异常时检查数据错误及分布差异。

推荐理由：将完整指令拆成多轮澄清再评估，能揭示单轮基准掩盖的性能退化，为贴近真实用户工作流的评测提供可迁移思路。

电信运营商为何基于开放模型构建 AI 战略

电信运营商正越来越多地基于开放模型构建 AI 战略，以降低成本并增强对关键业务的控制与定制能力。NVIDIA 调查显示，89% 的受访者认为开源模型和软件对其公司的 AI 战略重要。开放模型还支持灵活部署，并可经微调为企业和政府客户提供适配本地语言、行业及监管要求的 AI 服务。

Scrimshaw Jukebox：Claude Opus 5.5 游戏音乐创作尝试

Simon Willison 尝试让 Claude Opus 5.5 创作游戏音乐，结果比预期更贴近《Monkey Island》主题，音乐表现出乎意料地好。提示词要求模型设计简单的文本音乐格式，并构建可播放示例曲目的 artifact；这种能力是否近期才出现，仍需对比新旧模型验证。

EmTech Future 2026：当 AI 与各领域交汇

EmTech Future 2026 探讨 AI 与其他技术领域的交汇，完整活动内容现已开放点播。议题涵盖 AI 对行业的影响，以及量子、能源系统和机器人技术融合带来的挑战与机遇。MIT Technology Review 订阅者可享 20% 折扣，以 $596 获取完整内容。

Sam Altman 称 AI 的收益值得社会承受部分伤害

OpenAI CEO Sam Altman 表示，AI 的巨大收益值得社会承受黑客攻击、诈骗等部分伤害，但未具体说明潜在收益。他在周一发布的 Politico Decoded 播客中将这一取舍视为 OpenAI 与 Anthropic 的关键区别，同时支持更强监管，并警告过度限制可能导致权力集中，也承认人类可能失去对 AI 的控制。

开放还是闭源 AI？创业者如何在 TechCrunch Disrupt 2026 探讨技术选型

TechCrunch Disrupt 2026 将通过四场讨论，探讨 AI 创业者如何在开放模型、专有模型和多模型架构之间选择。议题涵盖成本、性能与灵活性的权衡，以及使用前沿 API、定制开放权重模型或自建模型的决策框架。讨论还将延伸至 AI 优化芯片与硬件，以及模型架构和底层基础设施的联系。

OpenAI 如何应对欧盟文本溯源规则

OpenAI 阐述其在欧盟规则下处理文本水印的方式，说明水印适用范围、检测机制及优先向研究人员开放访问的原因。内容聚焦文本溯源规则下的水印应用与检测，以及研究人员访问安排。

OpenAI 似乎不再追求“天空中的魔法智能”，Altman 反对 AI 宗教化

OpenAI CEO Sam Altman 反对赋予 AI 模型宗教力量或向其交出人类判断，称这让他非常不安，并构成现实的安全问题。此番表态之前，《纽约时报》详细报道了 Anthropic 与宗教领袖的接触，教皇 Leo XIV 也表示算法缺乏人性的火花。

Splice CEO Kakul Srivastava 认为 AI 邮件正在扼杀对话

Splice CEO Kakul Srivastava 认为，AI 撰写的邮件和文档会损害真实对话，让人难以判断文字背后是否有真人思考。她重视认真撰写的文档及围绕它展开的讨论；在音乐创作上，Splice 也强调让人处于创作过程的中心，而非追求按一下按钮就生成歌曲的 AI。

Capcom 正为“与 AI 共同创作游戏的未来”做准备

Capcom 计划逐步将 RE Engine 转变为“AI 生成游戏引擎”，为与 AI 共同创作游戏的未来做准备。程序员 Satoshi Ishida 提出将 AI 融入开发工作流，以提高大型游戏的开发效率。Capcom 此前表示不会在游戏中使用 AI 生成的资产，而会聚焦提升开发效率。

参议员 Adam Schiff 谈 AI 监管、言论自由与再次弹劾特朗普

加州参议员 Adam Schiff 在访谈中质疑 AI 企业自愿安全承诺的充分性，支持设立新的 AI 监管机构。他强调先进模型及 AI 军事应用的国家安全风险，并主张调查 AI 是否参与伊朗一所女子学校遭轰炸事件的目标选择。访谈还涉及言论自由，以及民主党重掌国会后再次弹劾特朗普的可能性。

“超级智能”更名与非约束性安全协议能改善 AI 的公众形象吗？

TechCrunch 的 Equity 播客讨论了特朗普推动将 AI 改称“超级智能”及科技高管签署安全承诺的举措，对其实际作用持怀疑态度。讨论指出，《前沿责任联合承诺》完全自愿、没有法律约束力，特朗普则称其具有“道德约束力”。嘉宾将会议解读为 AI 形象重塑行动，并指出 Dario Amodei 出席并不代表 Anthropic 与政府各部门的分歧已经消除。

将预测分析带入 AI 智能体时代

企业 AI 的核心问题正从预测转向自主决策：如何让预测系统依据结论行动，同时不偏离业务意图。深度学习和生成式 AI 支持的智能分析借助实时训练持续演进，并将数据来源扩展至非结构化交互信息，推动企业从回顾过去转向前瞻判断。

Benjamin Riley：人类心智为何难以应对 AI

Benjamin Riley 主张，日常依赖 AI 会削弱建立持久知识所需的费力思考，尤其可能损害学生的认知发展。他借神经科学家 Paul Cisek 的反馈控制模型，反对将大脑简化为输入、计算、输出的设备，强调认知依赖身体行动、环境反馈与社会互动。文章援引教育研究及学校限制 AI 的案例，倡导保留独立解题、核验、批判性讨论和有意暂停使用 AI 的实践。

人们如此讨厌 AI，为何又离不开它？

公众对 AI 的态度趋于负面，使用量却持续增长；Will Douglas Heaven 将这一矛盾主要归因于人们反感企业强推技术，而非技术本身。文中援引调查称，71% 的美国成年人反对在当地建设 AI 数据中心，同时半数美国成年人表示使用聊天机器人，四分之一每天使用。

Simon Willison 主张按量付费服务默认设置硬预算上限

Simon Willison 主张按量付费服务和 API 默认设置硬预算上限，达到额度即停用，而非仅发送预警邮件。编码及个人智能体降低了创建付费服务的门槛，他认为多数用户宁愿服务报错，也不愿收到意外的 $10,000+ 账单，取消上限应由用户主动选择。