下一部电梯

今天这期谈话的嘉宾70，是一位化学方向的博士生，他业余时间还酷爱摄影，尤其喜欢胶片相机，并且有很多在我这个纯纯的摄影小白看来，超级厉害的作品。他跟我分享了许多自己以前拍摄的经历。比如，为了拍一张户外的照片，他会花大量时间做前期准备，还需要熬夜等待时机，甚至最后成功与否，还要看天公是否作美。

我一方面佩服他为了作品投入了如此多的精力和心血，同时又忍不住思考一个有些现实的问题：在目前修图技术如此发达的情况下，我们似乎可以轻易修复一张图片里不完美、让我们不满意的部分。甚至使用现在的 AI 技术，我们几乎可以 DIY 照片里能想象到的一切元素。在这样的情况下，一张“古法拍摄”的照片，究竟有哪些独特的价值呢？

类似的问题，也出现在70每天的科研工作里。他和我提到，目前已经有一些公司和高校在尝试开发全自动的科研实验室。我们之前调侃的“AI 起码不能代替科研牛马做实验”，如今甚至这一点，也在渐渐被突破。70说，他感受到了很深的存在性危机。我们也据此交换了很多自己的想法：当 AI 能够完成越来越多的实验，研究者的经验和品味，还能不能成为一种不可替代的能力？如果工作被取代，我们自己的价值感，又可以从哪里来？

其中提到的一个让我印象很深的说法，是70说到：不要逃避“过程的税”。AI 或许可以让我们更快得到答案，但总有一些事情，需要我们自己体验、尝试和不断经历。

本期内容较长，如有需要，请根据时间轴自行跳转到相应的部分。那么，话不多说，让我们正式开始今天这场谈话吧。

时间轴：
06:35 照片未必出名，那段回忆却很重要
10:12 每天已经有那么多任务，爱好还要追求“完成指标”吗？
18:16 旅行究竟为了出片，还是为了体验当下？
22:50 照片是人与一个地方的记忆连接？
25:42 AI 修图的边界在哪里？
34:40 “人工智能，重在人工”
41:26 有一天，我会不会成了给 AI 打工的人？
47:35 有想法的研究生就不会被取代吗？
50:18 我们是不是过于神化了“研究品味”的神秘性？
54:33 如果 AI 像洪水漫过职业，科研站在第几层楼？
01:00:09 人与人的连接不能只按最优解计算
01:11:48 快问快答
01:15:06 确定的结果越来越便宜
01:18:00 有些“过程的税”却省不了

Special thanks and credits to:

“Gimme that Groove!” by Michael Ramir C., via Mixkit.

“Groovy Jazz” by Francisco Alvear, via Mixkit.

“Nostalgic Night” by Michael Ramir C., via Mixkit.

Hello，大家好，欢迎来到《下一部电梯》播客栏目，我是南飞。这是一档关于 AI 大问题的闲聊播客。在这里，我们不做商业分析、技术分析，也不教大家怎样使用 AI，传播焦虑。我们更像是一群有着不同背景的年轻人，坐下来聊一聊那些自己也还没有答案的大问题。

今天这期谈话的嘉宾李林峰，是南方科技大学数学系的一位助理教授。他在南加州大学获得博士学位，后来到 UCLA 做博士后，和著名数学家陶哲轩做了一段时间的同事，主要从事偏微分方程方向的研究。

林峰和我是在一个非常偶然的机会下，打网球认识的。见面之后才发现，我们有许多共同点：都是数学专业出身，兴趣爱好也很类似，打网球水平相当，并且都不太会发球，等等等等。后来机缘巧合下，我得知他居然来到了我的母校，成为了一名新晋助理教授，这让我不得不感叹，一切都是那么有缘分。于是，我就借此机会，采访了一下我这位南科大的新校友。

说起林峰的研究方向——偏微分方程，很多人可能不太熟悉这个数学分支，但这个领域最近可着实有着大新闻。今年 9 月 8 日，OpenAI 宣布，他们的内部 AI 系统给出了七大千禧年难题之一、Navier–Stokes（NS）方程问题的一个解答。这是一个被悬赏一百万美元、长时间困扰数学界的问题。这样一个被代代数学家反复钻研的问题，突然被AI攻克了，实在很难让人不感到震惊。而林峰恰好就在研究与NS方程非常相关的话题，所以我非常想知道，他第一次看到这条新闻时是什么感受？在专业研究者眼中，这份成果到底意味着什么？它和我们在新闻标题里读到的，是不是一回事？以及，作为一个普通人，我们应当如何理解AI目前的智力水平，他的能力边界到底在哪？带着这些问题我们畅谈了许久。

另外，因为林峰刚刚成为一名老师，我同时也很好奇，他未来会怎么带自己的学生。如果学生拿来一份 AI 写的事实上无比正确证明，但自己却一知半解，他会怎么处理？现在有了 AI，该如何培养新一代的数学研究者？我们也聊到了他自己的有了AI后的一些变化，会怎样规划接下来的研究和生活。

无论谈论的话题如何，我都很高兴能借着这次录制，和这位球友聊聊网球之外的事情，听听他对数学、对未来，对生活的一些想法。本期内容较长，如有需要请根据时间轴自行跳转到相应的部分。那么，话不多说，让我们正式开始今天这场谈话吧。
时间轴：

03:39 流体力学研究者眼中的 AI 机遇与挑战

06:05 AI 公司发布大成果，验证成本为什么落在数学家身上？

13:06 OpenAI 的 NS 方程消息：为什么业内数学家没有那么震惊？

21:41 有了 Lean 形式化验证，为什么还需要人来读懂证明？

26:05 AI 能跳出人类知识的“凸包”，创造新的数学理论吗？

30:24 AI 可以不断提出问题，但谁来判断哪些问题值得研究？

34:04 跟 AI 合作与跟数学家合作，有什么区别

39:45 提问、证明、验证形成闭环后，还需要多少数学家？

44:27 “你不能拿 AI 来敷衍你的老师”

51:31 有了 AI，更敢挑战一篇一百页的论文

57:18 九成的煎熬，一成的兴奋：数学研究里的快乐为什么值得？

59:27 从牛顿证明开普勒定律聊起：几百年前的数学，今天仍让人起鸡皮疙瘩

01:02:23 效率提高了，却更难进入心流

01:08:08 快问快答

01:17:44 最想留下的提醒：过滤 AI 的输出，尊重另一个人的时间

Special thanks and credits to:

“Gimme that Groove!” by Michael Ramir C., via Mixkit.

“Groovy Jazz” by Francisco Alvear, via Mixkit.

“Nostalgic Night” by Michael Ramir C., via Mixkit.

今天这期谈话的嘉宾Jacky，是一位数学系做纯数学方向的在读博士生。

Jacky 是我本科时候一位特别有意思的室友。刚认识他的时候，我一度觉得他有点像《生活大爆炸》里的谢尔顿：脑子转得特别快，一聊到自己感兴趣的问题就会非常投入。一开始我还不太熟悉他的表达方式，偶尔会不知道该怎么接他的话。但相处一段时间以后，我意识到，他其实是一个非常热心的人。无论我问他什么问题，他都愿意花很多时间，一点一点给我讲明白。他甚至专门在宿舍里买了一块白板，用来讨论问题。我们在那块白板前，一起讨论过数学/计算机技术/甚至哲学。每次一聊就是很久。到现在我都还能想起他站在白板前手舞足蹈、越讲越兴奋的样子。

最近一次旅行，我恰好路过 Jacky 现在居住的城市。他非常热情地邀请我去家里做客，也兴致勃勃地向我介绍了一个他目前参与运营的社区项目——TeaCon。简单来说，TeaCon 是一个围绕 Minecraft，也就是《我的世界》举办的线上模组展览会。许多开发者会把自己制作的游戏模组带到这里展出，而观众则可以直接进入游戏中的虚拟展馆，像在线下逛展一样，亲自体验这些作品。

🍵 TeaCon 2026 网页链接：https://teacon.cn/ 🍵

听他介绍 TeaCon 的时候，我感觉他似乎还是本科时那个站在白板前的 Jacky：一旦碰到真正感兴趣的事情，就会越讲越兴奋，也总想把这份心情分享给周边的人。也正是在这次做客期间，我们坐下来录了这期播客。

难得重新见面，我也积攒了很多一直想问他的问题。其中最想听到的，当然是他作为一名纯数学研究者，如何看待 AI 最近在数学领域取得的进展：包括但不限于，接连攻破平面单位距离猜想，Jacobian猜想等著名数学问题，到最近甚至解决了7大千禧年难题之一的NS方程问题。说实话，看到这些新闻时，我自己一方面觉得兴奋，另一方面也会产生一种非常朴素、甚至有点悲观的念头：数学家是不是就快要“失业了”？如果提出猜想、寻找证明，甚至形式化验证这些环节都可以被AI完成，那么为什么还需要人来做数学？数学家真正不可替代的部分又是什么？

所以我特别想听听 Jacky 是怎么看待这些问题的。而他也确实没有让我失望——不夸张地说，在最近这些热火朝天的 AI for Math 讨论中，Jacky 的观点是少数真正让我重新找回一些信心的声音。或许到最后，数学还真是一场只有人类能玩的游戏。

本期内容比较长，大家可以按照时间轴，自行跳转到感兴趣的部分。那么话不多说，让我们正式开始今天这场谈话吧。

时间轴：

08:06 “我把 LLM 叫作“流浪猫”

13:58 AI 应该作为思想自行车，而不是替你许愿的机器

20:00 非技术背景的人，真能靠 AI 从零做出产品吗？

28:32 “一个电脑装了20 个 Anaconda”：不知道自己在做什么时，AI 会有多危险？

33:43 AI 快速攻克数学问题，究竟改变了数学研究什么？

45:00 “数学更像是一个艺术创作的学科。”

50:31 “解决问题，我觉得仅仅是个副产物。”

52:21 “数学研究本身，是一个来回在严格和非严格之间跳的过程。”

53:31 如果 AI 写出无人能理解的百万行证明，结果还有意义吗？

01:05:58 AI 能复制数学家的脑洞吗？

01:18:33 仅靠人类文本训练，AI 能复刻人类的价值观吗？

01:21:14 快问快答

01:26:19 “我希望数学形式化尽早成为大家天天使用的研究工具。”

01:29:17 AI 时代最稀缺的，为什么是靠谱的直觉和经验？

01:31:03 “新中世纪假说”：高速增长结束后，世界会重新变成孤岛吗？

Music Credits：

Special thanks and credits to:

“Gimme that Groove!” by Michael Ramir C., via Mixkit.

“Futuristic Architecture” by SPmusic, via Pixabay.

“Nostalgic Night” by Michael Ramir C., via Mixkit.

今天这期谈话的嘉宾ZY，是一位佐治亚理工机器人方向的一位在读博士生，也是我本科时候的学长，目前暑期在英伟达的 Gear Lab实习。 

我和他是在本科时一起做新生帮助工作的过程中认识的。从那时候起，他给我的印象就一直是热心、靠谱，做事很有条理，又非常容易相处。很多年过去了，再见到他，还是会有这种熟悉的感觉。

录制这期播客的地方，就选在了英伟达的总部，在我们见面之前，ZY也刚刚结束了一天跑实验，调参数的忙碌，前来赴约。聊天途中，我还顺便体验了一下英伟达三毛钱一瓶的气泡水的员工福利。

因为ZY钻研机器人方向很久，我一直攒着不少问题想当面问他。比如我们已经见过 AI 写文章、写代码，但为什么一到现实世界里，让机器人做一些人类习以为常的小事，如拿杯子、叠衣服，好像就没那么容易了？那些演示视频里看起来很厉害的机器人，距离真正走进我们的家里，帮我们做饭、收拾屋子，还要克服哪些困难？

带着这些疑问，我们聊到了机器人的学习范式，也聊到了他怎么看待自己的研究工作。一个让我觉得印象深刻的点是，当我们聊到 AI 会不会有一天把许多研究者取代时，他倒显得非常豁达。他说，那就退休，找块地方种种菜、养养鸡，也挺好的。这确实让我有点惊讶，也忍不住在想：一个人是否真的可以一边真心期待技术向前发展，一边也坦然接受，未来自己的工作可能被取代的现实？

当然，我们未必能在这场谈话里找到确定的答案。但不管怎样，和一位许久不见的老朋友坐下来，聊聊他眼中的进展与困难，以及那些他自己也还没想明白的问题，这场谈话本身就是一件很有趣的事。

本期内容比较长，大家可以按照时间轴，自行跳转到感兴趣的部分。那么话不多说，让我们正式开始今天这场谈话吧！

时间轴：

03:23 在英伟达做机器人研究，是一种怎样的体验？

05:22 给机器人领域画一张地图：从硬件到学习范式

16:16 机器人学得太慢，还是我们忘了自己学过多久？

28:39 代码越写越多，我们却逐渐失去了对代码的掌握

31:18 “番茄炒蛋，无东坡肉版”：AI 为什么总在不重要的细节上较劲？

35:17 机器人的“GPT 时刻”到了吗？

45:01 莫拉维克悖论：为什么 AI 会下棋、写文章，却做不好家务？

52:34 碳基生命只是硅基生命的启动程序吗？

54:19 那些解释不清的执念与热爱，可能才是创造的动力

57:21 如果能复制你的大脑，就能理解你在想什么吗？

01:02:34 论文多到审不过来，学术界该如何筛选好的研究？

01:10:14 AI 会取代博士生吗？

01:12:26 “那就退休，种菜养鸡”

01:18:09 比起博士生，修车工人可能更难被替代

01:23:28 未来更稀缺的，是想象力和责任

01:26:40 “我们会让机器人进入千家万户。”

Music Credits

Special thanks and credits to:

“Gimme that Groove!” by Michael Ramir C., via Mixkit.

“Futuristic Architecture” by SPmusic, via Pixabay.

今天这期谈话的嘉宾，是我的本科室友兼好朋友阿谈。他目前是加州大学河滨分校计算机系的一名博士生。在我的印象里，阿谈一直是个典型的“社交恐怖分子”：他似乎每时每刻都精力充沛，坐上 Uber 不到十分钟，就能和司机师傅聊起人生理想，他还能在公寓附近的楼下的流浪汉侃侃而谈。

因为我们都在加州上学，也一起结伴旅行过很多次。旅游途中，我们经常聊起最近对于生活、科研和人生的一些胡思乱想，其中自然也少不了那些关于 AI 的大问题。让我印象非常深刻的一次，就是在我们畅想ai所带来的新兴产业时，他便预言了“AI保险”，这个特殊品类的诞生，也就是为 AI 的错误所造成的损失承保。 至少对当时的我们来说，“AI 保险”还是一个听起来很天马行空的概念，但几年后的今天，Armilla 推出了专门覆盖 AI 幻觉、模型漂移和系统失灵等风险的责任险；另一家新兴保险公司 Corgi，也纳入了面向科技企业的AI商业保险产品，估值来到几十亿美元。这不由得让我佩服阿谈的先见之明。

本次播客录制于美国圣地亚哥的一个天气晴朗的下午，我们敞开聊了许多有趣的话题，心情也变得非常舒畅。本次播客大约1个半小时，时间较长，大家可以按照时间轴，自行跳转到感兴趣的部分。那么话不多说，让我们正式开始谈话吧。

时间轴：

02:42 “AI不能替人坐牢”：从旅途闲聊到AI保险的预言

10:31 AI越来越能工作，为什么反而越来越不好玩？

20:15 AI偷偷换掉论文图片：一次操作如何换来 Strong Reject

27:11 火鸡科学家负责预测未来，我选择在旁边继续干饭

31:56 如果80%的工作被取代，我们是否会进入UBI社会？

37:12 没有工作以后，人的价值感从哪里来？

40:01 人人都需要创造吗？学习本身是否也是一种创造？

49:22 AI越了解你，代价就越大？个性化与隐私之间的交换

57:15 当AI进入科研，人的智能正在贬值吗？

01:00:40 论文会成为这个时代的八股文吗？

01:06:29 大模型有没有意识，或许取决于你是否相信它有

01:14:35 “我最不希望AI代替我的，是成为数字生命”

01:17:32 未来最稀缺的，为什么可能是爱情？

01:23:46 即使我们都是火鸡，也要做一只快乐的火鸡

Music Credits

Special thanks and credits to:

“Gimme that Groove!” by Michael Ramir C., via Mixkit.

“Groovy Jazz” by Francisco Alvear, via Mixkit.

Hello，大家好，欢迎来到《下一部电梯》播客栏目，我是南飞。这是一档关于 AI 大问题的闲聊播客。在这里，我们不做商业分析、技术分析，也不教大家怎样使用 AI，更不想传播焦虑。我们更像是一群有着不同背景的年轻人，坐下来聊一聊那些自己也还没有答案的大问题。

今天这期谈话的嘉宾，是我本科数学系的一位好朋友，现在是中科大数学系的一名在读博士生，研究组合、极值图论。本科的时候，他就很有数学天分，常常能想到一些让我非常惊叹的思考方式。不过，在数学之外，他还有一个看起来不太相关的爱好，就是调酒。当时我们的寝室就在隔壁，我也经常跑过去，免费蹭一点他调的酒喝。

所以这一次，我们干脆把谈话搬进了一间酒吧，来聊一聊ai时代下的数学。最近几个月，AI 开始频繁挑战、推进，甚至解决一些长期公开的数学问题比如平面单位距离猜想，jacobian等等猜想等等。对数学界来说，这或许是一件令人兴奋的事情；但对一个正在学习如何成为数学家的年轻人来说，它也可能意味着，自己刚选择的道路，正在发生剧变。

所以我非常好奇，作为数学系的博士生对ai的看法到底是什么，是感觉到自己要被取代的焦虑，还是问题被解决的兴奋。以及未来数学研究者的生存状态会是怎样。

本期播客大约40分钟，大家可以按照时间轴，自行跳转到感兴趣的部分。那么话不多说，让我们正式开始今天这场谈话吧。

时间轴：

02:31 数学竞赛的技巧，与真正做研究有什么不同？

06:52 AI 开始批量挑战 Erdős 问题：公开猜想被迅速解决，数学家应该兴奋还是焦虑？

11:05 从辅助证明到提出新问题：AI 走到哪一步，才算真正取代了数学家？

12:51 AI 证明了一个困扰自己半年的引理

16:03 如果 AI 证明了一切，却再也没有人能够理解，新的数学结果还有意义吗？

19:21 当 AI 能做题以后，数学教育还有什么意义？数学会不会重新变成一种脑力游戏？

27:29 我们为什么总忍不住把工具人格化？

30:06 AI 真的理解数学吗？当人脑和神经网络都是黑箱，“理解”这个问题是否成立？

35:58 快问快答

43:31 最后的答案仍然是“学会与它共存”

Music Credits

Special thanks and credits to:

“Gimme that Groove!” by Michael Ramir C., via Mixkit.
“Soul Jazz” by Francisco Alvear, via Mixkit.

Hello 大家好，欢迎来到《下一部电梯》播客栏目，我是南飞。这是一档关于 AI 大问题的闲聊播客。在这里，我们不做商业分析、技术分析，也不教大家怎样使用 AI，更不想传播焦虑。我们更像是一群有着不同背景的年轻人，坐下来聊一聊那些自己也还没有答案的大问题。

今天这期谈话的嘉宾，是我本科在南方科技大学的一位好朋友。他的本科和硕士都就读于南科大环境系。今年硕士毕业以后，他从深圳一路向北旅行，途经了很多城市。某一天，我偶然得知他正在离我不远的一座城市，但却在几个小时后就要坐飞机离开。正当我以为，很遗憾，我们就要错过这次见面的机会时，他给我发来了一条消息：“感觉这样和你谈话的机会，如果错过了会后悔很久。”

发完消息后，他当场改签了机票，又临时买下当天最近的高铁票和我见上了面。于是，就有了这一场非常偶然的对谈。录制这一期播客的时候，恰好赶上南科大“十佳毕业生”评选。而他此前又写过一篇“南科大金野鸡奖”的投稿。所谓“金野鸡奖”，是南科大同学自发设立的一个带着些调侃意味、关注那些不太符合传统“优秀学生”标准的民间奖项。所以，我们一开始便从一个有些微妙的问题聊起：一位“南科大金野鸡奖”得主，会怎样看待学校里的优秀毕业生评选？

从这个话题出发，我们聊到了他所喜欢的绘画、摄影以及游戏制作。最近，他也一直在尝试把 AI 用到这些创作中。于是，我们自然的谈到了 AI 对绘画、摄影和创作行业的冲击，谈到了在他的实际体验中，AI 的能力边界究竟在哪里。同时，我的脑海中也浮现了一个当今AI创作泛滥下，回避不开的大问题：就是对创作者来说，创作的意义究竟在于最终产出的作品，还是在于完成一次向内的、满足自我的表达？

当然，这里的讨论可能依然不足以一个确定的答案。甚至几年以后再回过头来听，我们今天的很多判断，也可能已经被下一部“电梯”彻底推翻。但我想，这恰恰就是这档播客希望记录下来的东西。

本期播客比较长，大家可以按照时间轴自行跳转到感兴趣的部分。那么话不多说，让我们正式开始今天这场谈话吧。

时间轴：

00:37 节目开场与嘉宾介绍

03:18 “金野鸡奖”得主如何评价十佳毕业生评选

12:24 从“四大天坑”到环境系：专业选择真的是自由选择吗？

20:03 从零开始做游戏：本地部署 AI 的真实体验

27:21 我最终想把老板蒸馏掉！

39:46 AI 创作就像“抽卡”：你得先知道自己想要什么

49:29 对 AI 的恐惧，很多时候只是来自陌生

56:31 “知识的诅咒”：意想不到的创新，反而可能来自外行？

01:15:18 生成是否等于理解？有些领域可能已经不存在“理解”

01:23:00 AI 的输出不稳定，人类又何尝稳定？复杂系统如何容纳错误

01:28:56 AI 可以生成一张婚纱照，但不能替你结婚

Music Credits：

Special thanks and credits to:

“Light it Up Boy” by Michael Ramir C., via Mixkit.

“Circulation” by 乌鸦Producer

大家好，欢迎来到《下一部电梯》的第一期节目，我是南飞！《下一部电梯》这个名字，来自 一个科幻概念叫做，“电梯悖论”：19 世纪的人们曾设想过摩天大楼里的各种生活，却唯独没有想到电梯的出现，而这项发明一瞬间推翻了所有基于“楼越高越不方便”的未来想象。一个被遗漏的关键技术变量，让所有对于摩天大楼的想象都不再准确。在今天这个时代，AI 或许正是这样一部改变既有前提的电梯，而未来，我们的生活还可能被“下一部电梯”继续改写。

因此，我们并不相信存在某种笃定而唯一的未来答案，但我们相信，那些新奇、不固化、愿意承认不确定性的思考，值得被认真记录下来。我们希望把一些有关AI的大问题聊深一点、聊开一点，看一看在技术叙事和商业叙事之外，我们还能怎样想象 AI 之后的世界。

今天这期谈话的嘉宾 “院长”，是我高中时期一位非常好的朋友。在我的印象里，他一直是一个对天文、物理学怀有浓厚兴趣，充满理想主义色彩的人。如果当时让我猜，我一定会觉得他以后大概率会从事基础学科的研究。然而，这样的他却在大学时，阴差阳错的录取上了，据他自己说，并不是特别喜欢的计算机专业。再后来，也不知算不算因祸得福，大学时期他又误打误撞的做起了目前势头正盛的RL，也就是强化学习，并且目前似乎也乐在其中。

一路走来，看着与他的聊天内容一步一步从抱怨“计算机狗都不学”，到现在觉得RL真香的全过程，总觉得非常感慨。就一直想找机会和他聊一聊他的心路历程，以及一路经历过的挣扎和突破。

于是，当在我在为《下一部电梯》谋划嘉宾时，脑海里第一个就浮现了他的身影。然后，就有了这一场总共长达三个多小时的对谈。因为是好久不见的老朋友了，这次谈话的氛围也是非常欢快轻松：我们从他的近况聊起，聊到了ai，LLM、机器人等等许多话题。他的很多想法听起来都很天马行空。尤其让我觉得惊讶的一点是，在他的理解中，RL 里的行动、与环境交互、获得 reward，似乎已经不只是一个技术概念，而是上升成了他理解学习、科研和人生选择的一种人生哲学。虽然我本人一直不太喜欢把技术名词类比到哲学范畴里，但整体听完他的叙述，不得不说，我真的有点被他说服了。

本期内容比较长，大家可以按照下方时间轴自行跳转到感兴趣的部分！

时间轴：

04:20 从辞职聊起：当一份工作“完全可以让大模型来做”

09:48 从《十万个为什么》到强化学习：把事情的底层原理弄明白

20:17 读博最难的，是找到正确的抽象层

29:43 能不能“在不会写代码的情况下会写代码”？

36:50 「宇宙是它自己最好的模拟器」：为什么未来无法被完全预测

52:02 智械危机不可避免？

01:02:31 意识是可知的吗？复制大脑不等价于理解大脑

01:19:24 AI 能做科研，却为什么不擅长真正的创新？

01:41:49 人类智能也许不再是中心，AI 可能只是另一种智能

01:59:27 为什么仅靠 LLM，还取代不了所有程序员？

02:04:30 好的 idea 不是想出来的，而是在真实世界里试出来的

02:12:05 接受“先做、犯错、再修改”，我们就没那么焦虑了

02:17:57 「世界才是世界」：多去探索，多去失败，也多去获得 reward

Music Credits

Special thanks and credits to:

“Light it Up Boy” by Michael Ramir C., via Mixkit.
“Futuristic Architecture” by SPmusic, via Pixabay.