比爾·蓋茨延續(xù)了他一貫的傳統(tǒng),在自己的博客“蓋茨筆記”(GatesNotes)中發(fā)布了他為2022年夏季精選的五本閱讀書單。他自己也承認(rèn),這次的書單不容易啃,“對于夏日時光來說,顯得有點(diǎn)硬核”。
未來生活永遠(yuǎn)不會像年輕人想象中那般美好。總之,這次沒有什么輕娛樂讀物。”
下面來看蓋茨推薦的“今年暑假五本必讀好書”:
Naomi Alderman
于2016年寫下的這本科幻作品《The Power》。蓋茨說,這本書是他的大女兒Jennifer推薦給他的。
為主題,一經(jīng)出版就獲得了包括《紐約時報》和前總統(tǒng)奧巴馬在內(nèi)的一致好評。
蓋茨寫道,“讀了《The Power》,我對當(dāng)今許多女性所經(jīng)歷的虐待和壓迫有了更強(qiáng)烈、更發(fā)自內(nèi)心的感受。我也向正在美國乃至世界各地致力于解決這些問題的人們表示感謝。”
著《為什么我們會兩極分化》),作者Ezra Klein
而這本由Vox聯(lián)合創(chuàng)始人兼政治分析家Klein撰寫的《Why We’re Polarized》,正好以此為主題。
Klein的書從心理學(xué)的角度探討了美國國內(nèi)的政治分歧,認(rèn)為人們以自我認(rèn)同組織起的群體,正在左右他們決策乃至看待世界的方式。
蓋茨寫道,“如果想要了解美國當(dāng)前的政治狀況,這本書值得一看。”
著《林肯公路》),作者Amor Towles
在2019年的夏季書單中,蓋茨就列出了這位作家的暢銷書《A Gentleman in Moscow(譯著〈莫斯科紳士)》,這次他表示自己對《The Lincoln Highway》的喜愛絕不遜于那本。
這本書出版于去年,是一本以1954年為背景的冒險小說,講述的是一個過失少年與弟弟的越野之旅,途中卻被兩個越獄的囚犯打亂了計劃。
蓋茨評價道,“Towles從著名的英雄征程中汲取靈感,似乎在提醒我們,每個人的旅程都不會像計劃中那般線性或可以預(yù)測。”
《The Ministry for the Future》(該書還沒有中譯本,暫譯為《未來局》),作者Kim Stanley Robinson
它的背景設(shè)定在不久的未來,講述某個虛構(gòu)全球組織帶頭開展各種努力、對抗氣候變化的故事。
蓋茨一直以“氣候變化活動家”自居,去年也在自己的書中提出了應(yīng)對氣候變化的潛在解決方案。值得注意的是,他認(rèn)為Robinson的這部小說提供了“很多有趣的想法”,解釋了氣候變化背后的科學(xué),并給出了“一個出人意料、又充滿希望的結(jié)局”。
《How the World Really Works: The Science Behind How We Got Here and Where We’re Going》(該書還沒有中譯本,暫譯為《世界是如何運(yùn)作的》),作者:Vaclac Smil
蓋茨毫不掩飾自己對于《How the World Really Works》的贊美,將其稱為“我最喜歡的作家的又一部杰作”。
這本書的作者是捷克裔加拿大人Vaclac Smil,巴尼托巴大學(xué)環(huán)境科學(xué)系名譽(yù)教授。蓋茨曾在2017年提到,他已經(jīng)讀過Smil當(dāng)時已經(jīng)出版的全部37本書,主題涵蓋清潔能源、制造業(yè)、農(nóng)業(yè)等等。蓋茨坦言,他就像影迷們期待《星球大戰(zhàn)》新作那樣期待Smil的新書。
蓋茨這次寫道,雖然Smil的大多數(shù)書讀起來像教材,但“這一本是寫給普通讀者的,概述了他本人的主要專業(yè)。”其中提到“能源如何塑造從農(nóng)業(yè)社會、到現(xiàn)代工業(yè)時代的整個文明發(fā)展歷程”。
Smil“將這一切歸納為數(shù)字”,希望“把數(shù)字思維這股塑造人類生活面貌的基本力量,通過簡潔全面的方式傳遞給讀者。”
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊通過對比實驗發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強(qiáng)于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。
科技行者旗下編譯團(tuán)隊,聚焦海外新技術(shù)、新觀點(diǎn)、新風(fēng)向。