6月7号高考首日,博主@图灵的猫转发了一周前发布的视频称,自己用AI预测了2022年高考作文题,全国7套高考卷子押中4套。
博主在视频中表示,AI最擅长的就是从大规模数据中挖掘规律,获取的数据越多、分布越合理,预测的准确性也会更高。他专门写了一套爬虫爬取过去一年内人民日报、央视新闻等官媒发表的文章、期刊等内容,通过自然语言处理中的预训练模型和主题建模算法,建立了一套可以理解中文新闻和文章的AI系统,让它学习并模仿过去几年的高考作文出题思路,最终预测出了2022年高考最有可能出现的7大命题。
我们的科技留言板及微博用户“有意见”如下
@廷巴克图:作文题目越来越和时事接轨了,所以通过数据集预测个题目其实不难,有了大模型用AI写作文都不难,它们都是在归纳总结经验。真难的是用AI搞创造,N年前听科学家张首晟讲,什么时候AI能独立发现自然规律了,能写出个类似E=MC方,才真就比拟甚至超越人类了。
@无象:在模式识别上AI技术大放异彩,然而在非模式化的事情上就相形见绌,人对外界的感知手段、方式远强于机器,因此也大不必因AI替代了人们部分的工作而感到焦虑。
@SWLM5134:我还以为是多精准的预测,预测这7大命题,一个命题有那么多关键字,把大部分可能内容都涵盖了,不准才怪呢。
@两耳只闻窗外事:所谓的预测,也就是将所有热点内容都罗列了出来,太广泛了,没有太大的实际意义,是不是应该提高AI技术的精准度,这样的话不止可以预测作文题,如果连彩票中奖号码都能预测了,这才叫牛呢?
@锐角:考古了这个博主,原本是个文科生,拿算法预测作文真是意料之外情理之中啊。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。