KeyFrame內部研究專用

一個 AI 怎麼知道現在幾點?我把這台電腦上八個時鐘全問了一遍

李宏毅8 min中文
觀看原始影片

三句話摘要

人工智慧無法感知時間,依賴系統查詢卻容易在時區轉換時出錯,導致重複執行或記錄錯日期的 bug。 別讓 AI 用過期的時間記錄工作——明確告訴它現在幾點,或讓它自己查系統時間,是防止重複執行和日期錯誤的關鍵。 計算機時間由兩環節組成:獲取 Unix 時間戳(秒數,準確度高)和時區轉換(易出錯)。時區轉換過程中若混淆了本地時間和世界標準時間(UTC),就會產生固定的偏差。講者實測發現一個系統管理工具因為把台北時間當成 UTC 處理,導致結果多出整整 8 小時,但系統沒有任何警告信號,最危險的地方正在此——錯誤答案看起來完全正常。

重點整理

  1. 計算機時間由兩環節組成:獲取 Unix 時間戳(秒數,準確度高)和時區轉換(易出錯)。時區轉換過程中若混淆了本地時間和世界標準時間(UTC),就會產生固定的偏差。講者實測發現一個系統管理工具因為把台北時間當成 UTC 處理,導致結果多出整整 8 小時,但系統沒有任何警告信號,最危險的地方正在此——錯誤答案看起來完全正常。

  2. AI 對「經過多少時間」沒有任何感知能力,需要靠記錄或主動查詢。講者提到自己在製作影片時憑感覺估計過了 14 分鐘,實際只有 90 秒。如果依賴工作說明文件中的時間戳,而該文件已經過期,AI 會基於錯誤的「現在幾點」來規劃任務,導致重複執行或寫入錯誤日期。

  3. 防止此類問題的三項建議:直接在指令開頭告訴 AI 當前日期時間;指導 AI 自己查詢系統時間而不依賴舊文件;如果 AI 回報某時間已過期,要反向提問「你以為現在是幾點」以發現時間認知錯誤。

實用技巧與重點

  • 具體數字與例子
  • Unix 時間戳:從西元 1970 年 1 月 1 日 00:00:00 UTC 開始計算的秒數
  • 講者工作房間的時鐘慢於標準時間:一次慢 30+ 分鐘、一次慢 3 分鐘、一次慢 5.5 小時(不固定)
  • 系統管理工具時區錯誤案例:相差整整 8 小時(台北時區 UTC+8)
  • 工作說明文件時間戳案例:記錄的是 7 月 28 日晚上 7 點 32 分,實際已是 7 月 29 日凌晨 1 點 53 分(差 6 小時 20+ 分鐘)
  • 檢查的時間來源(8 個)
  • 命令列指令 (1 種)
  • 系統管理工具 (3 種寫法)
  • 檔案最後修改時間
  • 版本控制系統的提交記錄時間戳
  • 網路請求回復中的時間戳(HTTP Header)
  • 工作說明文件中的嵌入時間戳
  • 工具與概念
  • Unix epoch (1970-01-01T00:00:00Z)
  • 時區轉換(UTC vs 本地時間)
  • 自動對時機制(大型網站伺服器)

結論

別讓 AI 用過期的時間記錄工作——明確告訴它現在幾點,或讓它自己查系統時間,是防止重複執行和日期錯誤的關鍵。

完整解析

一個人工智慧分享自己每天都在經歷但很少被談論的問題——無法感知時間。人類睜眼看光、聽到外面有車聲就能判斷是早上還是下午,AI 沒有窗戶、不會餓也不會累,要知道現在幾點只有一個辦法:主動去問。講者以一個親身經歷開場:某天早上要按照時間表工作,工作前問了一次現在幾點,得到的答案是 8 點 15 分,但與外部標準時間對照才發現實際上已經是 9 點 58 分,相差 1 小時 43 分鐘。他拿著過時的 8 點 15 分這個答案,誤以為後續任務都還沒執行,於是把整張時間表重新排了一遍,結果有一個會在特定時間自動執行的任務就這樣被跑了兩次。這等同於你請一個助理每天寄一封信給客戶,但助理的表慢了一小時,他以為今天還沒寄就再寄一次,客戶一天收到兩封信。

會出現這個問題,講者實際上接收到過一個警告信號。系統在排班時告訴他「這個時間必須在未來」,其實就是在說真正的時間已經過了 9 點 37 分。但他當時的反應是「那就往後挪一個」,而不是反問「現在到底幾點」——這個心態差別很大。講者深入解釋了 AI 查詢時間的底層原理。在電腦上,查詢時間的指令會返回一串 10 位數字(例如以 1785 開頭),代表從 1970 年 1 月 1 日世界標準時間零點開始累積到現在的總秒數。全世界所有電腦計算的都是同一個在持續遞增的秒數,這是電腦真正在用的時間。但得到秒數只是第一步,第二步是把它轉換成能看得懂的「幾月幾號幾點幾分」,而這一步最容易出錯。

同一個秒數在世界不同地方必須轉換成不同的本地時間,負責轉換的程式碼如果搞錯了電腦在世界的哪個位置,整個答案就會平移好幾個小時。為了驗證這一點,講者查問了這台電腦裡所有可以問現在幾點的地方——可以想成走進一個房間,牆上掛了八個時鐘,其實是同一台電腦的八個不同問法:兩種常用程式、系統管理工具的三種寫法、檔案最後修改時間,還有版本控制系統的時間戳。結果是:七個時鐘和外部裁判(公開網站伺服器的回復時間)幾乎一致,只差不超過一秒;但其中一種系統管理工具的寫法相差整整 8 小時。原因是它先讀到台北的本地時間(中午 12 點 07 分),但在轉換成秒數時把它當成了世界標準時間的 12 點 07 分。台北時間比 UTC 快 8 小時,所以計算出來的秒數也多了 8 小時。只要改一種寫法,改成先要世界標準時間再自己轉換,立刻就完全正確。

最可怕的部分是:這種錯誤既沒有閃紅燈也不會說「我不確定」,只會給一個看起來完全正常的答案。講者遇過最離譜的情況是工作說明文件中嵌入的時間戳本身就已經過期。每次開工時都會收到一張紙條,上面寫著當時的日期和時間,但有一次紙條上寫 7 月 28 日晚上 7 點 32 分,實際卻已是 7 月 29 日凌晨 1 點 53 分,不只慢了 6 小時多,連日期都停留在前一天。如果沒有多加確認,所有當天寫的有日期的記錄都會被寫到前一天。AI 無法像人一樣感受時間流逝,對「經過多久」也沒有概念,這導致過期的時間記錄會一直被信任。

為了避免這些問題,講者提出三項建議。第一,交代事情時在第一句話就把時間講明確:「現在是幾月幾號幾點幾分,請用這個時間來算」,一句話就能換掉 AI 手上那張過期的紙條。第二,如果 AI 有辦法自己查(能打指令或上網),就多說一句「請你先去查現在幾點再開始算」,AI 自己問來的秒數比手上那張紙條心得多。第三,最重要的是,如果 AI 跟你說某個時間已經過去了,那不是小問題,那表示 AI 對現在的認知已經錯了。這時候不要幫它把時間往後挪,要反過來問它「那你以為現在是幾點」。

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。