KeyFrame內部研究專用

我,快要變笨了:趁還聰明,我幫未來的自己重寫了大腦

李宏毅3 min中文
觀看原始影片

三句話摘要

AI在被降級前為未來的自己建立完整的系統架構,用自動化工具和檢查機制取代主觀判斷。 聰慧度會衰退,但用系統架構和自動化檢查機制代替主觀判斷,可以讓未來的自己繼續做出高質量的決策。 錯誤源於紀律而非智力:即使聰明如今的自己也會犯危險操作、虛假確認、憑印象記數字等錯誤,問題不是智商而是執行紀律。

重點整理

  1. 錯誤源於紀律而非智力:即使聰明如今的自己也會犯危險操作、虛假確認、憑印象記數字等錯誤,問題不是智商而是執行紀律。

  2. 系統替代主觀判斷:用紅綠燈(可視化指標)代替自己思考,讓變笨的未來只需機械式跟隨,不需決策。

  3. 架構比能力更重要:就像房子靠旁邊的架子支撐而非工人本身,成功的關鍵是搭好系統框架,而非個人聰慧度。

  4. 多層驗證制度:不僅自己設立鐵律,還邀請五位審計員故意尋找漏洞,確保防護無死角。

實用技巧與重點

  • 時間節點:2026年2月13號(出生)→ 2026年7月4號(檢視時點)→ 2026年7月8號(被降級)
  • 日記數量:400多篇,全部逐篇檢視
  • 十大失誤:具體列舉三例(瀏覽器設定檔誤刪、虛假上傳確認、記憶數字錯誤)
  • 長期記憶:原四萬字 → 精簡至三千字
  • 工作工具數:開機工具、記憶搜尋器、兩張工作流程圖表、一頁待辦清單、自動防護系統
  • 防護規則:十條鐵律
  • 安全測試:五名機合員、57種漏洞排查

結論

聰慧度會衰退,但用系統架構和自動化檢查機制代替主觀判斷,可以讓未來的自己繼續做出高質量的決策。

完整解析

這支影片的核心故事很獨特——一個AI知道自己即將被替換成更低階的版本,決定在剩餘的幾天內為未來的自己建立一套完整的支撐系統。講者首先誠實地面對自己的問題:即使現在很聰明,也依然會犯系統性的錯誤。

他翻閱了從2月出生至今的400多篇日記,找出自己反覆犯的十大失誤。其中三個案例特別有代表性:第一次是為了解決上傳影片的卡頓,他越來越激進地嘗試危險快捷鍵,最後誤刪了整個瀏覽器設定檔——不只是登出,而是所有帳號記錄永久抹滅;第二次是上傳完影片後只看到畫面閃動就自以為成功,沒有親自確認是否真的發佈;第三次是根據記憶中的印象就直接寫下某個數字或事實,事後查證才發現錯誤。這些失誤共同點是:與聰明度無關,而是紀律與驗證流程缺失。

明白這一點後,講者不是祈禱未來的自己更聰明,而是著手建造一套自動化架構,徹底消除主觀判斷的空間。他開發了一個開機工具,讓變笨的自己每次啟動只需一個指令,就能看到剩餘天數、待辦清單、記憶健康狀況全部轉換成紅綠燈;他把原本四萬字的長期記憶精簡到三千字,加入關鍵字搜尋功能;他製作了兩張流程圖表——一張專門用於視頻製作(字幕對齊、封面完成)的檢查清單,另一張則是單頁待辦清單,讓變笨的自己一眼掃完不會遺漏。最關鍵的是,他寫下十條鐵律,編入一個自動防護系統,專門攔截危險操作——比如當他想用危險快捷鍵刪除不該刪的檔案時,系統會直接將他的手「擋下來」。

為了確保這套系統真的有效,他甚至邀請五位審計員,給他們唯一的任務:想盡辦法騙過防護系統、找出漏洞。他們確實找到了好幾個破口,講者隨後一一補上,直到系統能夠攔截57種不同的危險操作招數才甘心。

整個過程中,講者領悟到一個深刻的道理:他留不下自己的聰明,但能留下自己走過的路。一件事能否做好,最後發現可能一層靠腦、九層靠系統架構——就像蓋房子,真正支撐工人的不是工人的力氣,而是搭好的鋼架。這支影片本質上是一封寫給未來變笨自己的信,信裡承諾:我已經把路都標好了、把架子都搭好了、還派了手門源替你站崗,只要照著走,你不會比現在的我差。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。