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
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
人工智能AI史论1-人工智能早期路径的形成、分化与资源竞争今天我们看到的人工智能发展，尤其是大模型、深度学习与算力驱动的智能系统，并不是一条单纯由技术自发推进的线性道路。它的起点，某种意义上可以追溯到一笔只有 7,500 美元 的经费申请；它的发展路径，则深受战争遗产、冷战竞争、学术权力结构与资源分配机制的共同塑造。 思考 文字 推荐
心情随笔GOOGLE 投资深度分析报告市场长期以来对AI颠覆谷歌搜索的“生存危机”定价正面临彻底证伪。随着Gemini系列模型的加速迭代与AI Overview（AIO）渗透率跨越50%的红线，硬核流量数据揭示了一个被忽视的现实：AI不仅没有蚕食搜索，反而通过开辟高频次、复杂化的交互场景，驱动了搜索总盘子的“增量膨胀”。我们认为，谷歌的风险结构已从商业模式的“生死存亡”降级为变现节奏的“运营适配”，当前估值具备显著的非对称性上行空间。 思考 文字
心情随笔佛学全景地图：从认知科学视角拆解2500年的意识迷宫初涉佛学的人，往往会瞬间陷入一种深度信息过载的挫败感：有人推崇《金刚经》的空灵，有人执着于“阿弥陀佛”的简易，有人在“八识”的精密术语中迷失，而禅宗却又高喊“不立文字”。这种混乱并非佛学玄奥，而是因为它经历了一场持续2500年的“传声筒游戏”。 文字 思考
