技术分享Palantir 本体论：为何它是企业级 AI 智能体的操作系统Palantir 的语义层如何将碎片化的企业数据转化为 LLMs 真正能够理解的数字孪生——以及为什么本体增强生成（OAG）在处理实际业务决策时优于 RAG 人工智能 思考 推荐
心情随笔🎮AI游戏开发漫谈本文希望能通过通俗易懂的方式带各位上手游戏开发, 而不是去开发游戏引擎、绘制精美角色等轮子工作, 还是用开发 B/S 举例, 你不能指望一个人从数据库驱动这种底层轮子开始能在这个人兴(耐)趣(心)耗尽之前完成整个系统的开发 推荐 文字 思考
技术分享神经网络到底是什么？如果你想真正搞懂深度学习，那么起点通常不该直接放在 ChatGPT 或大模型上。因为这些系统虽然看起来宏大、复杂、充满“智能感”，但它们的数学骨架，其实都可以一路追溯回一个非常朴素的问题： 神经网络到底是什么？它为什么能学习？ 推荐 文字 思考
心情随笔线性代数到底是为了解决什么问题而被发明出来的？从工程和计算的角度看，线性代数并不是“矩阵算术”，而是一套用来描述、组织和求解复杂多变量系统的语言。它是现代科技文明的底层基础之一。没有线性代数，就不会有现代图形渲染、通信系统、推荐算法、深度学习，也不会有今天几乎所有依赖海量数据处理的技术体系。 思考
人工智能AI史论5-符号主义最后一次系统性冲锋及其历史意义在今天，大模型只要接入互联网和大规模语料，就能展现出相当强的语言理解与知识调用能力。但如果回到没有互联网、算力有限、数据极度稀缺的1980年代，人工智能研究者面对的是另一种几乎无法回避的根本难题：机器缺乏常识。 推荐 文字
人工智能AI史论4-AI首次商业化扩张、技术局限与第二次危机伏笔1979年前后的美国人工智能领域，仍处在第一次AI寒冬的余波中。联邦政府削减拨款，军方收回订单，大量短期看不到回报的研究项目被暂停，许多学者面临失业与实验室停摆的现实。然而，历史很快出现转折。 推荐 文字
人工智能AI史论3-莱特希尔报告、组合爆炸与被忽视的关键火种如果把今天的大模型能力带回1973年的英国，许多当时最有影响力的学者大概率不会把它视为技术现实，而会把它当作夸张宣传，甚至彻底的骗局。这并不只是因为他们缺乏想象力，更因为在那个时间点，主流学界刚刚以相当正式的方式，对“机器是否能够拥有智能”给出了极其悲观的判断。 文字 思考
人工智能AI史论2-从感知机之争到第一次AI低谷人工智能的发展并非一条持续上升的技术曲线。在其早期历史中，技术突破、理论局限、学术权威、国家预算与冷战竞争长期交织，决定了不同路线的兴衰。其中，围绕感知机（Perceptron）展开的争论，是人工智能史上最关键的分叉点之一。 文字 思考 人工智能
