Hi there 👋

Share some valuable content every month. Talks 晚点聊 LateTalk 40: 通用机器人，AI 的下一个浪潮？ Insights on the following questions are presented: Why do we need to create universal robots? Why do we need to create humanoid robots? What benefits can large language models bring to robots? How does ChatGPT subtly transform humans? It is recommended that all colleagues in the field of robotics listen to this. 晚点聊 LateTalk 41: 造梦都市：小红书塑造了什么？而又是谁在塑造小红书？ The business logic, new professions, cultural attributes, and social reflections behind a commonly used software....

根据相关协议，下文信息有模糊处理，仅供参考。 本周有幸参加了 Apple 上海研发团队人才开放日活动，写一篇博客记录一下。 首先是在 Apple 任职了 13 年的 BC 为我们做 Opening Talk，简要介绍了一下 Apple 研发团队的情况。目前 Apple 在大中华区的研发中心主要布局在北上深+苏州+成都+香港，大约 2k 人。每个 base 侧重关注的产品各有不同，不过为了做好本地化，基本所有产品都有覆盖。 Apple 的文化决定了公司内部的一些组织架构：以功能而不是产品线来划分组织，即不存在类似于“iPhone 事业部”的说法。每个组内的目标是把负责的模块做到完美，而工程师们往往不用过于关心 cost 之类的。BC 开玩笑说他们自己也会称“工业设计”的同事为神，举例：各种产品拆解后裸露出来的 PCB 的美感始终是业内独一档的。Apple 为了做“不良分析”（或者说故障诊断），一度给第三方机构投了大量的钱，后来他们干脆自己在上海设立了一个非常高标准的神秘 lab 专做各种耐用性测试。 校友分享环节，邀请到了三位交旦校友，分别来自微电子、材料、会计专业。大家来 Apple 的经历都很有趣且神奇，而且也看得出来他们对目前的工作状态非常满意。 Quote： “在其他公司干了一年之后，觉得很多事情是只有在 Apple 能做。” “身边好多同事在自己家里搭实验室，有些是 B 站 up 主，有人跑马拉松，有人是木匠/皮具匠人。” “Why Apple：在德国工作的时候太安逸，再加上牵挂家里人，各方考虑就来了 Apple 中国。” 不过这毕竟是 selected data，可能是计划中的一次文化灌输（虽然很明显它对我成功了🤣）。 Mingling 所谓 Mingling，就是每个组的工程师站在海报前，和同学们自由交流。到场的组有 AAA，BBB，CCC 等大约七个。得益于自动化啥都学的背景，我直接上去和从软到硬各个部门都 chat 了一番。 根据某位工程师的说法，Apple 设立中国区研发中心很大程度上也是在利用“时区优势”，扩展工作时区——所谓“人可以停，机器不能停”。很多 feature 或者 test 往往是全球合作的，因此他们也经常和美国的同事开会，写详细文档保持沟通。 关于 PhD/master 的员工比例问题，某个组给我的数据是 2/30，他们表示招聘的时候并没有硬性要求。确实听起来他们的招聘会更看重技术栈是否 match，再加上人员的流动率不太高，至少不是那种“大规模面试-层层筛选-榨干你的生产力-淘汰”的感觉。...

Share some valuable content every month. Formerly titled STAR Monthly @ 23.06. S for random Skill, T for video/audio Talk, A for Article, R for Review. Considering the randomness of the shared content, it was difficult to match with specific themes, so the title was modified now. Skill Both Apple and Google provide built-in ways to view 3D models in AR on a mobile device. And using these methods is much easier than I thought before....

在蛙泳基础上掌握一种新泳姿，总计十节课，十小时。 Hour 1 首先练自由泳的腿部动作，到后期自由泳的手臂和腿其实是独立两部分，频率可以互不影响。训练量：热身，憋气打腿（站起来换气的那种）大概两个来回（25m×4），再接着浮板打腿（抬头换气）大概三个来回（25m×6）。 感受所谓“鞭状打腿”：关注大腿发力；膝盖和脚踝关节都不用发力，是被动的摆动。 打腿这个动作为什么能提供前进动力，讲起来有点复杂。但从技巧上来说，感觉核心是打腿要出水面，这个非常明显；此外前期尽可能保证高频率的打腿。 单打腿过程中，注意一些细节： 注意头尽量低头朝下而不是朝前，这样腿很自然就能出水面（一方面整体姿态，另一方面排水体积也更大）。 另外注意手臂，要放松不要用力下压（特别是拿板的时候），打腿对横滚角的影响需要核心发力来对抗（比较抽象）。一旦养成手臂发力的习惯，之后换气划手的时候可能就没法保持前伸。 抬头换气的幅度不能太大，而且不要耸肩。幅度过大的话会影响下一个节拍人在水里的姿态，即沉下去了。 Hour 2 仍然是打腿练习。 注意一个点：自由泳很多动作的核心目的，都是保持一个周期内身体在水里的姿态稳定，从而提高整体前进速率。 打腿换气的时候，手臂不要有下压的动作，低头收腹控制稳定。（自己游起来还是起伏很明显） 新增加上了划手的打腿动作（单次憋气）：手臂贴紧体侧，画一个整圈，手掌始终向后，手指手腕先放松；划到最后有一个转肩的动作，另一只手向前伸直但不要沉下去，核心尽量不转。注意加上手的动作之后，腿还是保持原来独立的高频率打腿。 Hour 3 新增动作转头换气（单侧操作，以右侧换气为例），左手抓浮板，右手贴大腿。换气的时候，左肩往前送，右肩向身体后侧转（即向上），但核心连带下半身不能转。几个注意点： 还是尽量低头，缓慢转头+吐气，等到出水面后吸气（窗口大概不到一秒），整个过程左耳是一直在水面以下的（所以自由泳耳朵必然会进水）。 感觉脸露不出水面时，不要抬头或者说仰脖子，而是应该继续转肩转头（主要目的还是保持身体姿态）。这里脖子和肩的配合需要练好久，最理想的状态应该是只有脸部是出水面的。 前伸的肩和手要放松，不能用力（和单打腿时类似），太紧的后果就是身体在水中姿态会上下起伏。我自己出现的问题则是换气时身体会有侧翻的倾向，前手会不自觉弯。 如果感觉下半身往下掉，没法保持在水面，尝试提高打腿频率。 扩展知识：室内静水的自由泳就这样游，在公开水域之类的则是另外的游法，会尽量把上半身抬高（不过公开水域更多还是蛙泳或者反蛙）。 Hour 4 单打腿：练习的时候频率一定要提起来，因为在分解其他动作的时候，下半身的姿态就依赖打腿来提供前进速度了。通过一些数字化训练（录了一下视频），发现自己左腿打得比右腿低xs。 划手+转头换气： 注意左右两半的动作都不能过中线，即前手不要左右摆，否则更容易侧倾。 注意转头的时机，在向下划水前开始转，不能等到手出水再转，否则换气窗口很小。（在短距离自由泳的时候会用到相关技巧） 转肩动作要到位，一是帮助换气，二是帮助手臂回臂。 自己出现的问题还是扭头幅度小了，头还不够低。 无浮板划手（憋气，前交叉，单手/双手）： 感受手腕手臂不发力，靠肩膀把手甩起来——可以在岸上甩手大风车感受一下。理想的效果是肩膀交替连贯的感觉。 后手转肩的时候，前一只手尽力向前伸向前送，注意感受手肘手腕的放松。 手在空中的时候，掌心向内，这样做是为了方便后续练弯手肘。 先不用刻意去想提高划手的推力，先配合好打腿练动作。 Hour 5 打腿动作：下半身少量偏摆是 OK 的。 回臂动作：上半圈不要外翻，这个动作的目的是为之后练提肘准备，关键是在肘关节的朝向一开始不能朝外。手腕部分放松，过程也要靠肩关节带动，今天存在问题是有点耸肩。 划手抱水：注意在向下和向上的过程中不要用力，目的也是减小起伏，仅在向后的那一段发力（感受“抱”的动作）。 划手转头换气连贯之后，遇到的问题是起伏非常非常明显。一个问题是前手抬得太高了，以至于出了水面，导致核心掉下去了。 换气动作：转头幅度尽可能大，关注转头和划手的节拍配合。另一个可能的问题是转头到位后，身体会往下沉，导致不自觉地抬头。可能的原因是手在空中太久了（排水体积小了），可以加快回臂动作。 不换气的那一侧划手，也需要注意肩关节带动。低头还是保持正下方，即头部动作和肩关节动作分离开。 Hour 6 主要还是练“划手打腿换气”配合动作： 在抱水的时候，另一侧手不要翘起来，当然也不能掉下去。手在空中回臂的速度可以加快。 有那么几个瞬间感到肩部动作很流畅，是那种发力和放松很清晰的节奏。如果没找到，可以尝试憋气+高频率的划手，尝试在水里寻找在岸上甩手的感觉。 呼吸节奏的控制非常非常重要，需要花点时间找适合自己的节奏。控制好节奏之后能一次性 35m 左右了，也是第一次感到手臂肌肉酸。 在这节课前一直练的右侧换气，此时尝试左侧换气能感到非常显著的差距，说明练习的效果很明显。 Hour 7 改曲臂动作： 目的是加快频率（不用大幅度抡手臂）、减小起伏（手臂惯量小了）。 具体做法，把肘关节和腕关节放松，在上半圈用大臂来带动整个手前进（而不是手掌在前拽动），外在结果就是小臂垂下来；到接触水、抱水的时候，也保持曲臂；但是注意在划手整个周期的最前和最后两个点，整条手臂还是伸直的。 曲臂和直臂的肩关节动作其实一样的，比较强调肩关节柔韧性。（感觉有点难） 关注抱水动作： 感受阻力，需要先弯小臂，然后“抱住”往后推。 推的速度要提上来，这是主要动力来源的阶段 腕关节相对没那么重要，手掌向着推水方向就行，受力面积是从手掌到手臂的整块。 最近要强调抱水质量，相对不考虑打腿。即抱水而不是打腿提供前进推力。 换气时机很重要。以右侧换气为例，左手回臂的过程中已经准备转头了，右手抱水的时候已经转头出水了。如果转头时机晚了，很容易会依赖右手“向下划”的这一段动力来让上半身仰起来，造成后续起伏。 练习的时候在寻找适合自己的节拍（两次/三次/四次划手一次换气）。这回终于能完整游个 50 米了（大约 70s），虽然上半身起伏还是很大。 转头的时候脖子往后仰的问题还是比较明显，强迫自己低头能比较好地解决（换气/非换气的全程都如此）。 Hour 8 曲臂移臂的过程中，肘关节和手腕要注意放松，所谓“放松”状态，表现出来就是很自然的半握手掌。曲臂、贴紧身体的意义，在于高频率划手的时候，比直臂的惯量更小，很显然。 出现的问题还是身体起伏很大，换气的时候不自觉地会往前上方冲，结果就是之后起起伏伏的周期振荡。解决办法就是更多地转头而不是抬头，一开始可以尝试把上半身都转过去，后面再调整核心。 左右手不要超过半区，今天多出来的问题是在空中移臂的时候，手肘会太过头。 自由泳的动作看起来“舒展”的关键，就是讲究不必要发力的肌肉要放松。 Hour 9 打腿直接 50m×4，感觉不再靠蛮力了。 用“腿夹板”辅助练习： 夹在大腿中间，大腿小腿脚踝完全不能活动，所以要靠上半身来控制横滚的平衡，事实上这是非常难的一件事。把腿绑住之后感觉整个人在水里很容易就翻了，特别是换气。 这样训练的一个目的是降低打腿的频率，理想情况是只有换气的那一次划手，打几次腿，即其他阶段的腿都不会掉下去。 此外由于不用打腿了，耗氧量也降下来了，可以更专注练划手和换气。尝试的时候明显感到手臂的发力更明显了。 强调一下抱水的动作：从手掌到小臂、大臂前段都是有效的作用面积，手掌不用刻意并拢。感受好像是把身前的一个人抱过来，不刻意追求高速度，感受和水的相对速度。 蝶泳小知识：和自由泳不同，蝶泳的节奏是很重要的，两下腿一下手+换气。蝶泳左右两侧身体是完全同步的，在此基础上，蝶泳的手臂动作跟自由泳类似，在水下的抱水一样略微曲臂往后，在空中是伸直直接甩；腿部动作的区别，是蝶泳从腰部就开始鞭状。 Hour 10 出发动作：关键点是往水下的方向蹬，而不要让身体出水面，毕竟水下阻力小多了。 抓池边转向：双手抓池边，左手水下过，右手水上过；整个人的上半身出水面之后，转向侧边，再顺势往回倒下去；身体在水面下稳定之后双脚蹬池壁。 前滚翻转向：初速度不用很快，练习的时候可以两只手分别抓板，放在身体两侧放松伸直，往前冲+翻。（一直没练习成功） 长距离自由泳：把腿的频率降下来，提高抱水的质量。当腿感觉打不出水面，或者说更提前地，发现上一次呼吸抬头太高了，就补打两下腿。 自由泳各个部分的动作都可以分开练。举例来说可以单独练换气：单手拿板，然后另一只手贴身体，一直连上半身换气动作，而腿是侧着打的。 仰泳小知识：最关键的一点是嘴巴吸气、鼻子吐气。身体姿态上要躺平伸直，做法就是除了必要的脸部以外都留在水面下，然后伸直核心。先练打腿，不用出水面但是也要踢得高，脚尖踢出水花的程度；然后练手，不用像自由泳一样交叉，180°相位或者 90°相位差。呼吸保持稳定节奏，但完全不需要抬头，只是在溅起水花的时候吐气就行。

注：本文共更新了三节，分别写于 3 月 18 日、4 月 4 日、4 月 9 日，相关信息可能有时效性。 从去年 12 月初开放给大众免费试用至今，ChatGPT 接入大众生活已经三个月时间了。这段时间中文互联网上相关的推文铺天盖地，自己也有一点点零零碎碎的思考，写一篇博客整理一下。 成功现状 AI 作画爆火的时候，对我自己的生活没有产生什么影响；而这次 ChatGPT 的成功，某种意义上是因为它是一种处理语言类工作的工具，而语言是人类社会传输最广泛的数据形式。 ChatGPT 展示了大语言模型的一种商业可行性，它记忆广、速度快，虽然没有安全性/准确性的保障，但是只要在某种特定任务下超过现有工具/人，资源必然会涌入（人、算力、数据）。 正面影响 除了文字处理能力，我觉得大语言模型的另一特点是其参数量带来的记忆能力，最终影响的是知识的“传播”（让我联想到一些知识付费类的职业）。那么往大了说，它对社会的影响力可能会类似于互联网？ LLM 大大提高了各种知识的学习效率，上手一个新技术栈的成本更低了，还可以直接给 LLM 提需求绕开正则表达式这种符号工具；另一方面“接需求-查手册-打补丁”这样的劳动密集型岗位可能就危险了。 对于教育界来说，如果通过 LLM 学习知识的效率，超过了传统模式的大学，那么…是否会有一些变革呢？ 负面影响 一个需要担忧的点是数据安全，训练数据中有危害性言论（歧视、犯罪）或者是机密数据（商业），可能被有意无意地利用。如何做好 UGC 和 AIGC 的更新/监管/清洗？如果未来大公司为了安全都训一个自己的 LLM，那又丧失了规模效应？ 另一个可能产生的问题是它会隐性地加剧社会不平等（就如历史上其他技术变革），如果新的模型只适用于某些特权群体/组织，那么现有的社会鸿沟和不平等自然会放大。 应对方法 有时候会觉得，社会生产效率提高了，那人类是不是就能享福了呢？长大了发现显然不是这样 hh 既然 ChatGPT 只是一种语言处理工具，那么自然不影响知识的“创造”，不能证明未解决的数学猜想，也不能提出没有人发现过的科学发现。同时作为一种工具，它自然也不会“取代人”，可能是善于利用工具的人来取代不会利用工具的人？maybe. 总之，发挥人类特长——利用工具！现阶段它已经是一种很完善的工具类型了（至少目前足够满足我的期待），积极用它优化自己的工作流吧！ 更新在读论文 “Sparks of Artificial General Intelligence” 后（微软 154 页报告：与 AGI 的第一次接触） GPT-4 的能力 最近发布的 GPT-4 很强大，除了掌握语言外，它可以解决跨越数学、编码、视觉、医学、法律、心理等领域的任务，而无需任何特殊 prompt。但是它有些问题上又会犯离谱的小错误，例如在一些开放问题下会胡编乱造，让人怀疑它缺乏真正的“理解”。 为了尝试回答“GPT-4 是否达到真的智能”，作者们根据 94 年认知心理学上的定义设计了一系列测试，来评估 GPT-4 的水平。为了避免测试集出现在先前收集的训练集中，作者们设计了很多天马行空的问题（非常好奇他们出题时的精神状态）。一些有意思的题目和结果包括：...