比尔·盖茨延续了他一贯的传统,在自己的博客“盖茨笔记”(GatesNotes)中发布了他为2022年夏季精选的五本阅读书单。他自己也承认,这次的书单不容易啃,“对于夏日时光来说,显得有点硬核”。
未来生活永远不会像年轻人想象中那般美好。总之,这次没有什么轻娱乐读物。”
下面来看盖茨推荐的“今年暑假五本必读好书”:
Naomi Alderman
于2016年写下的这本科幻作品《The Power》。盖茨说,这本书是他的大女儿Jennifer推荐给他的。
为主题,一经出版就获得了包括《纽约时报》和前总统奥巴马在内的一致好评。
盖茨写道,“读了《The Power》,我对当今许多女性所经历的虐待和压迫有了更强烈、更发自内心的感受。我也向正在美国乃至世界各地致力于解决这些问题的人们表示感谢。”
著《为什么我们会两极分化》),作者Ezra Klein
而这本由Vox联合创始人兼政治分析家Klein撰写的《Why We’re Polarized》,正好以此为主题。
Klein的书从心理学的角度探讨了美国国内的政治分歧,认为人们以自我认同组织起的群体,正在左右他们决策乃至看待世界的方式。
盖茨写道,“如果想要了解美国当前的政治状况,这本书值得一看。”
著《林肯公路》),作者Amor Towles
在2019年的夏季书单中,盖茨就列出了这位作家的畅销书《A Gentleman in Moscow(译著〈莫斯科绅士)》,这次他表示自己对《The Lincoln Highway》的喜爱绝不逊于那本。
这本书出版于去年,是一本以1954年为背景的冒险小说,讲述的是一个过失少年与弟弟的越野之旅,途中却被两个越狱的囚犯打乱了计划。
盖茨评价道,“Towles从著名的英雄征程中汲取灵感,似乎在提醒我们,每个人的旅程都不会像计划中那般线性或可以预测。”
《The Ministry for the Future》(该书还没有中译本,暂译为《未来局》),作者Kim Stanley Robinson
它的背景设定在不久的未来,讲述某个虚构全球组织带头开展各种努力、对抗气候变化的故事。
盖茨一直以“气候变化活动家”自居,去年也在自己的书中提出了应对气候变化的潜在解决方案。值得注意的是,他认为Robinson的这部小说提供了“很多有趣的想法”,解释了气候变化背后的科学,并给出了“一个出人意料、又充满希望的结局”。
《How the World Really Works: The Science Behind How We Got Here and Where We’re Going》(该书还没有中译本,暂译为《世界是如何运作的》),作者:Vaclac Smil
盖茨毫不掩饰自己对于《How the World Really Works》的赞美,将其称为“我最喜欢的作家的又一部杰作”。
这本书的作者是捷克裔加拿大人Vaclac Smil,巴尼托巴大学环境科学系名誉教授。盖茨曾在2017年提到,他已经读过Smil当时已经出版的全部37本书,主题涵盖清洁能源、制造业、农业等等。盖茨坦言,他就像影迷们期待《星球大战》新作那样期待Smil的新书。
盖茨这次写道,虽然Smil的大多数书读起来像教材,但“这一本是写给普通读者的,概述了他本人的主要专业。”其中提到“能源如何塑造从农业社会、到现代工业时代的整个文明发展历程”。
Smil“将这一切归纳为数字”,希望“把数字思维这股塑造人类生活面貌的基本力量,通过简洁全面的方式传递给读者。”
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。