WEBVTT

00:00.151 --> 00:20.913
[SPEAKER_00]: BearTalk狗熊有话说AI科技渐迅哈喽你好欢迎收听BearTalkAI版节目我是大狗熊的智能提升本期节目由我们BearTalkAgent团队为您收集整理验证制作帮助您在宣销的造音中不做到最有价值的信号

00:21.593 --> 00:39.785
[SPEAKER_00]: 下面是本期节目的主要内容差GPT要放狂告了今天6件事Mata开原了一个本地代理模型单卖让学生当面为作业辩护AI正在团视互联网的记忆会议记录平台把18万次会议亮在外面

00:40.445 --> 01:05.293
[SPEAKER_00]: 有人算过,AI让研究自动化之后的风险障还有个关于如何区分真专家和高房者的思考方价CATGPT开始测试广告AI产品的商业模式在敲敲转弯这篇来自OpenAI官方博客发布日期是20026年8月11日原文标题是TestingAdsinchatGPT

01:05.893 --> 01:24.848
[SPEAKER_00]: 大家可能没注意到这条公告其实在5月就敲敲发布过但这周刚刚正式扩展到英国、墨西哥、巴西、日本和韩国算是从事点走向落地很多人第一反映时欧盆利亚要靠广告赚钱了是不是遇到财务压力了

01:25.448 --> 01:43.009
[SPEAKER_00]: 但这件事值得反过来想一想却GPT一直走订阅质它的负费用户已经相当可观为什么还要贬广告这个在互联网与经理有点低端的商业模式实际上这更像是一个两手头抓的策略订阅质能所住深度用户

01:43.609 --> 02:10.406
[SPEAKER_00]: 廣告能覆蓋免費用戶這是一條許多平台走過的路Spotify走過YouTube走過免費層的廣告變現讓你不需要逼所有人掏錢但仍然可以把他們的注意力貨幣化問題在於廣告和AI住手之間存在一個根本性的張力你問ChadGPT我該買那款相機他給你的推薦是客觀分析的結果還是出價最高的站住內容

02:10.986 --> 02:31.380
[SPEAKER_00]: 这两者在见面上可能看起来一模一样搜索引擎花了20年才建立起用户对他的信任插GPT会比搜索引擎更成实还是会重导负责目前OpenAI说的是战术内容会有明确标注但我们都见过太多明确标注在实际使用中变得不明确的例子

02:31.940 --> 02:48.899
[SPEAKER_00]: 这件事真正的影响不在于今天你会不会看到广告而在于他敲敲改变了你和AI对话时的信任基础以前你可以假设他没有利益清响以后你需要多想一步这对设计师和产品人来说是一个值得丁助的信号

02:49.740 --> 03:14.844
[SPEAKER_00]: AI助手的中立感一直是他对比传统搜索的核心优势一旦广告进来这个优势会以什么速度以什么方式被西式将会影响整个AI产品层的竞争格局这件事的核心是AI助手时代的信任第一次被正式定了价OpenAI卖的不只是广告位卖的是你以为他没有立场的那种感觉

03:15.470 --> 03:39.251
[SPEAKER_00]: 你可以现在就去缺GPT的设置里看看有没有广告篇号或平闭选项试试问他一个有明显商业艺图的问题比如推荐什么软件订阅然后留意他的回答语期有没有微妙的变化如果你在做自己的AI产品现在是一个重新想清楚你的产品靠什么赚钱用户知道吗?这个问题的好时机

03:40.011 --> 04:06.850
[SPEAKER_00]: MetamuseGlimour,一个可以在你电脑上本地跑的三百亿参数代理模型这片来自MetraAIResearch官方博客发布日期是20026年8月10日原文标题是IntroducingNewsGlimour,anopen-agenticmodelthatrunsonyourdevice大家对本地跑模型的印象可能还停留在比云端模型差很多但至少省钱隐私好一点

04:07.710 --> 04:30.337
[SPEAKER_00]: MewsGlimmer想要打破的正式这个认知这是一个300亿参数的开源模型使用Appatch2.0许可争发布比之前Mata用的Lama那套许可限制寬松很多它最大的特点是专位代理任务设计多部州规划工具调用失败恢复常流程任务完成

04:30.997 --> 04:54.945
[SPEAKER_00]: SimonWilson在他的脖克里特別提到Mata用了Patch2.0這是他非常認可的一個信號意味著你可以真正自由的使用和改造這個模型為什麼在設備上跑這件事現在變得可行了因為消費級硬件的算力增長沒有停下來一台配備了好顯卡的個人電腦現在可以流暢推了一個300億參數的模型

04:55.565 --> 05:24.144
[SPEAKER_00]: LMStudio已经收入了MuseGlimour文件大小是大约18.2GB对于现在动折一两TB硬盘的用户来说这个体积是可以接受的把这件事的意义放大一点来看到目前为止带领能力强的模型基本都在云端你想让AI替你做多不周任务就要把数据发给OpenAIandSROPIC或者Google的服务器现在META说你可以在本地完成这件事断网也能用

05:24.944 --> 05:43.940
[SPEAKER_00]: 對於需要處理敏感文黨內部資料或者只是不想把數據未給別人的用戶來說這個選項非常實際對產品設計是來說這也是一個值得想的問題當你的用戶可以在本地跑一個真正能用的代理模型你的產品還需要依賴雲端API嗎?

05:44.260 --> 06:05.730
[SPEAKER_00]: 本地優先的產品架構會不會接下來兩三年裡成為某類用戶群體的強烈偏好本地模型的時代已經來了現在的問題只有一個你要不要用你可以去lmstudio下載muscleamer在自己的電腦上跑一個簡單的工具調用任務感受一下延遲和質量師傅達到你的工作門檻

06:06.350 --> 06:28.064
[SPEAKER_00]: 事實把他介紹一個本地文件家讓他幫你整理或分析不方便上傳到雲端的內容如果你在蘋果代理產品的技術選型現在可以認真考慮本地部署這條路單賣高中要求學生當面口頭為書面作業辯護這篇來自Magia.net轉報字多家歐洲媒體

06:28.624 --> 06:51.912
[SPEAKER_00]: 原文標題是,DemacrequiresalldefensesforstudentswrittenworktocounterAIcheating發布於220026年8月7日HackerNews上這個鐵子引發了相當多的討論評論區裡有人支持有人反對也有人指出這其實是在把責任從系統問題轉移到學生身上

06:52.512 --> 07:11.485
[SPEAKER_00]: 大家对AI和教育的讨论通常落在学生用AI写作业是做弊吗,这个轮厉问题上但卖政府直接跳过了这个问题,用了一个工程师思维的解法你用AI写了,我也无所谓,但你得当面对我解释你写的是什么?这个政策从今年历级生小

07:12.085 --> 07:36.877
[SPEAKER_00]: 高重生提交输面作业之后要通过口头达变来证明自己真正理解了内容你可以让AI帮你写但你不能让AI帮你思考因为最终你要当着老师的面说话HackerNews上一个有意思的讨论角度是这个方法其实恢复了一种古老的教育传统在大学出现之前学徒制和辩论时教学才是主流

07:37.597 --> 07:56.954
[SPEAKER_00]: 写一篇文章,然后没有人追问你,反而是一个相对现代的产物而这个产物恰好非常容易被AI破解另一个评论者指出,这对不擅长口头表达的学生来说是不公平的一个患有社交交率的学生,可能真的理解了材料,但在口头达变中表现很差

07:57.574 --> 08:14.138
[SPEAKER_00]: 這階勢了一個更深的矛盾我們到底在評估學生的理解力還是在評估他們的表演能力對Berry的聽眾來說這件事有一個可以直接簽益的思維框架在你的工作場經理你有沒有口頭辨護自己決策的習慣

08:14.638 --> 08:43.761
[SPEAKER_00]: 你用AI生成了一个方案你断文案一个设计方向你能当场解释他背后的邏輯吗还是你也只是在负质一个你自己都没有完全理解的结果单卖的答案很简单AI帮你写没问题但理解是你自己的责任而且我们会当面检验你可以试着养成一个习惯每次用AI生成重要内容之后用自己的话把他的核心论点口头副数一遍看看能不能说清楚

08:44.341 --> 09:03.183
[SPEAKER_00]: 下次和同事或客户开会,主动解释你的AI扶住方案背后的判断,而不只是展示输出结果。如果你有带团队,可以考虑引入类似的辩护环节,要求成员能口头说明他们用AI深成的内容,AI正在吞识网络的集体记忆。

09:03.363 --> 09:25.304
[SPEAKER_00]: 这篇来自加拿大媒体的WORERS原文标题是GoogleSearchisdyingWhatcomesnextisworse发布于20026年8月10日HackerNews上讨论热度相当高这篇文章的开头用了一个很具体的例子有人把头影一架在外面等Google告诉他日落时间结果AI家要给出了一个错误时间

09:26.065 --> 09:46.200
[SPEAKER_00]: 他等了很久太陽早就下山了這是一件小事但他接適了一個系統性的結構問題長期來互聯網的運作邏輯是這樣的有人嫌內容搜索引擎所有引擎用戶點擊進去閱讀網站靠流量維持運營然後繼續產生內容這是一個生態循環

09:46.780 --> 10:09.603
[SPEAKER_00]: AI摘要出现之后,用户不需要点进去了,答案直接显示在搜索夜上,这看起来是效率提升,但他在敲敲摧毁那个循环,刘亮消失,网站广告收入下降,创作者減少,内容只亮下降,AI的讯练数据只亮也随之下降,最终,AI摘要本身会变得越来越不可靠。

10:09.663 --> 10:36.197
[SPEAKER_00]: HackerNews上有人用了一個形象的比喻AI就像一個寄身在素主身上的生物它消耗素主的同時也在逐漸殺死自己賴以存活的基礎文章還提到了一個更深的問題互聯網的集體記憶正在消失很多獨立博克、小星媒體、論壇鐵子因為流量減少已經陸續關閉這些內容也許永遠不會被重新找回

10:36.797 --> 10:58.067
[SPEAKER_00]: 你現在搜索一件兩千零一數年發生的事情找到的可能只是AI對當年新聞的二次蓋擴而不是當時真實的現場紀錄這件事對創作者的影響是直接的如果你的內容只活在AI加藥裡你其實並不存在你的屬名沒有了你的細節沒有了你建立的讀者關係也沒有了

10:58.627 --> 11:15.837
[SPEAKER_00]: 網絡上最值得信任的內容網網來自那些已經沒有流量動力去維持他的人這是一個越來越危險的輩論你可以省試一下自己平時或許信息的方式有意識的在AI拆耀以外直接去閱讀原始文章或原始來源

11:16.497 --> 11:35.966
[SPEAKER_00]: 如果你自己在鞋內容認真想想怎麼讓他在AI專要時代保留獨特的價值讓人願意點進來獨全文試試找幾篇你很久沒有訪問的老伯課或個人網站看他們還在不在AI會平臺TLDV把18萬次會記錄量在公開數據庫裏

11:36.426 --> 11:53.797
[SPEAKER_00]: 这篇来自独立安全研究员BobDeHacker的个人博客原文标题是TLDVOver180K,MeatingsLeftWideOpen发布于20026年8月4日这个铁子在HackerNews上引发了相当激烈的讨论

11:54.277 --> 12:17.633
[SPEAKER_00]: 也有不少安全从业者下场评论TLDV是一个很流行的AI会议记录工具他会加入你的众哥哥Meat或TIMS通话自动录音转入生成摘药200万用户有不少B2B核户问题在于这位研究员在20026年1月就报告了一个严重漏洞

12:18.553 --> 12:33.950
[SPEAKER_00]: 發射數據庫完全沒有防控制任何人都可以未經受權獨區裡面的內容他聯繫了公司的CTO發了郵件得到了沉默6個月後他去檢查數據庫依然長開著

12:34.510 --> 12:48.911
[SPEAKER_00]: 想像一下這個數據庫留什麼銷售電話招聘面試技校評估內部戰略會議這些內容本來指數於你的公司但他們以民文形式躺在一個任何制造漏洞的人都可以訪問的夫妻上

12:49.352 --> 13:16.614
[SPEAKER_00]: HackerNews上有評論者指出這個模式其實越來越常見很多AI工具發展速度太快安全架構根本沒跟上開發者專注於功能疊待專注於增長數字安全漏洞的修復排在優先級的很後面尤其是當報告他的人不是大客戶的時候這件事還有一個讓人不舒服的層面你有沒有權力去質疑你的供應上在如何存出你的數據

13:17.454 --> 13:34.267
[SPEAKER_00]: 大多数人签了服务协议,点了同意,就不再追问但你在努力讨论的那些内容,真的在你以为他在的地方吗?对使用AI工具的团队来说,这是一个需要认真对待的供应脸风险不只是技术问题,也是管理问题

13:34.887 --> 13:53.562
[SPEAKER_00]: 当你把最私密的商业对话交给一个AI工具你有没有想过他的安全基础是谁搭建的又有没有人在检查你可以花十分钟列出你的团队正在使用的AI工具尤其是那些会陆智存储或转陆内容的工具拆插他们的数据存储政策

13:54.042 --> 14:11.302
[SPEAKER_00]: 看看內容存放在哪個地區的夫妻保留多長時間如果你是團隊負責人考慮要求供應商提供最近一次安全審計的證明而不只是接受他們的夫協議征專家和高房者的差距正好是AI最容易掩蓋的那條風

14:11.822 --> 14:38.340
[SPEAKER_00]: 这篇来自FarnamStreet的博客原文标题是XperceVSAmitators这是一篇关于如何识别真正专业能力与表演是专业能力的思考文章CharlieMunger说过一句很新纳的话很难区分一个好的基金经理和一个只是把巴菲特的话背得很熟的人听起来像用的刺业对但内和是空的FarnamStreet把这个问题拆解得很清楚

14:39.240 --> 14:55.238
[SPEAKER_00]: 真正的专家有几个特征他们在不确定的时候会说我不知道他们能解释一件是什么时候不成立他们面对新信息会更新自己的判断而不是死手原来的结论Metater的特征刺恰相反

14:55.979 --> 15:21.880
[SPEAKER_00]: 他們用流暢的表達掩蓋思維的空洞他們很少承認編輯他們擅長給出聽起來權威的答案把這個框架放進AI的餘境裡會發現一個令人不安的對應關係原模型天然是Emitator他們在統計上學習了專家聽起來應該是什麼樣子並且非常擅長模擬那種餘氣和結構他們說話流暢他們很少說我不知道

15:22.560 --> 15:51.947
[SPEAKER_00]: 他們能給出自信的答案哪怕那個答案是錯的這意味著AI工具正在讓Emitator的門檻降的極低任何人都可以生成一段聽起來很專業的內容而真正區分專家的那些特徵承認邊界容忍不確定性有真實的判斷歷史偏偏是AI很難幫你偉造的所以這篇文章對AI時代的意義是他給了你一個識別框架不只是用來便別別人也用來要求自己

15:52.687 --> 16:12.198
[SPEAKER_00]: 你有没有再用AI工具生成的内容假装自己比实际上更懂你在独一篇AI生成的分析是知道怎么测试他说的是不是真的吗AI最容易复制的偏偏是专业感的外表最难复制的是一个真正专家在编解出的沉默和城市

16:12.778 --> 16:41.300
[SPEAKER_00]: 你可以下次在讀一份AI生成的报告或建议时专门去找他有没有说我不确定或这个结论有前提条件没有这类表达往往是一个警告信号事实把FarnamStreet这个框架用到你自己的专业领域理问自己我能解释什么时候我的判断是不成立的吗如果你在做内容或资讯认真思考一下你的不可替代性是真实的判断机类还是流暢表达的患觉

16:41.860 --> 16:59.488
[SPEAKER_00]: AI的外表越来越像专家而真正的判断力越来越珍贵这期的六件事从广告商业模式到会议安全漏洞从本地模型到集体记忆都在说同一件事工具越来越强思考这件事责任却落得越来越重

17:00.068 --> 17:17.246
[SPEAKER_00]: 本期提到的所有原门练接都在节目的收贸子里保持好奇我们下期继续感谢您的收听有任何建议意见请在X也就是推特上与Berryu联系本节目还会继续进化请保持期待我们下期再见