2 次围观

2024-06-16 Hacker News Top Stories #

NASA的旅行者1号航天器恢复运作，所有科学仪器正常工作。

Perplexity AI被指控在其用户代理方面存在虚假行为，绕过网站的阻止规则。

微软的Recall AI功能因需进一步测试和改进而无限期延迟。

文章探讨了AI搜索在国际象棋等领域的应用及其对人工智能性能的影响。

介绍了3D旋转中使用的多种技术和表示方法，如旋转矩阵和四元数。

作者对特斯拉的全自动驾驶系统FSD进行了测试，认为其目前实用性有限。

爱德华·斯诺登对OpenAI任命前NSA局长表示不信任，认为是对人权的背叛。

文章讨论了如何利用Zig编程语言中的分配器来优化资源管理和提高性能。

GitHub项目Threescaper允许用户将Townscaper模型加载到Three.js中。

文章介绍了一款名为"Baba is You"的视频游戏，该游戏有助于进行哲学和科学思考。

Voyager 1 is back online! NASA spacecraft returns data from all 4 instruments #

https://www.space.com/voyager-1-fully-operational

NASA 的旅行者 1 号航天器再次完全运转，所有四个科学仪器都能向地球传回可用数据。问题始于 2023 年 11 月，当时旅行者 1 号失去了与地球“交流”的能力。更具体地说，它开始向地球发送无法理解的数据，而不是正常的二进制代码中的 0 和 1。考虑到旅行者 1 号已经 46 岁，对于一艘航天器来说已经非常古老，因此它的健康状况可能会出现问题并不完全令人惊讶。此外，它位于完全未知的星际领域，距离地球约 150 亿英里（240 亿公里）。

旅行者 1 号的团队决心不仅要找出问题出在哪里，还要解决问题。他们成功了！控制器确定了问题所在：飞行数据子系统（FDS），用于“打包”要发送到地球的数据。进一步的调查揭示了导致问题的确切芯片，这使他们找到了一个解决方法。团队将代码重新定位到 FDS 的新位置后，旅行者 1 号终于在 2024 年 4 月 20 日发送回了可理解的数据，但只来自其四个科学仪器中的两个。现在，仅仅两个月后，旅行者 1 号的另外两个科学仪器也恢复正常运转，与地球上的任务控制中心有效通信。

即使旅行者 1 号永远失联，这次任务仍将是一个巨大的成功。它于 1977 年发射，其主要任务是研究木星和土星，这在 1980 年就已完成。（它的双胞胎航天器旅行者 2 号继续研究了天王星和海王星。）但旅行者 1 号的旅程不可阻挡。继续远离地球，该航天器于 2012 年进入星际空间，返回了关于这个神秘领域的关键数据。

现在旅行者 1 号已经恢复在线，团队将继续“修整”航天器，使其恢复最佳状态，包括重新同步其时间软件以在正确时间执行命令，以及对测量等离子波的数字磁带录音机进行维护。希望旅行者 1 号未来能够拥有一个漫长而幸福的生活。

HN 评论 189 comments | 作者：dev_tty01 | 19 hours ago #

https://news.ycombinator.com/item?id=40687660

Voyager 1 是在 1977 年发射的，它的代码从未出现问题。
使用星际飞船堆叠的方式，可以发送探测器到目标。关键在于资源投入，而非技术。
探索 Proxima b 可能需要更接近的采样，但速度很快，只有很短时间进行测量。
现代硅设计与 MEMS 传感器可能可以利用很小的重量做很多事情。
以目前的技术，一公斤纳米探测器达到 0.001 光速是完全可行的，并且将在十年内超过 Voyager 1。
可能会遇到质量轻的探测器需要遮蔽的问题。
构建太空中的公里级光子帆阵列似乎要困难得多。
基础设施对于任何其他用途也非常有用，投资将有助于克服障碍。
坚持认为人类会有突破通常是个好主意。
在接下来的 50 年内，没有任何东西能够追上 Voyager 1，可能会持续几百年。
如果有足够多的探测器，数据将在人类自然寿命内从半人马座 A 获得，这也是 Starshot 的目标。
用光帆加速克星级探测器到 > 0.1 光速，不需要基本上新的技术，这种探测器会在几周内取得距离记录。

Perplexity AI is lying about their user agent #

https://rknight.me/blog/perplexity-ai-is-lying-about-its-user-agent/

这篇文章讨论了 Perplexity AI 在其用户代理方面存在虚假行为的问题。作者在文章中提到，他尝试阻止 AI 机器人访问服务器，但发现 Perplexity 仍然能够获取特定 MacStories 文章的引用。作者对其网站进行了一些更改，包括在 robots.txt 中禁止 PerplexityBot 等机器人，并在 nginx 中添加了服务器端阻止，但仍然发现 Perplexity 能够访问他的网站并提供准确的摘要，尽管 robots.txt 明确禁止了这一行为。

作者进一步测试了 Perplexity AI 的访问方式，并发现他们似乎使用无头浏览器来抓取内容，无视 robots.txt 规则，并未发送他们自定义的用户代理字符串。作者对此感到困惑和愤怒，因为这种行为不仅不尊重网站所有者的规则，还可能导致信息被滥用。

最后，作者提到他已经尝试通过加入 Perplexity 的 Discord 频道并提交 bug 报告来解决问题，但仍然对 AI 公司未经许可获取他的文章感到担忧。文章表达了对 Perplexity AI 不遵守规则的不满和对个人信息保护的关注。

HN 评论 424 comments | 作者：cdme | 7 hours ago #

https://news.ycombinator.com/item?id=40690898

有人认为 Perplexity AI 应该允许用户阻止其在其数据上进行训练，但同时也认为 Perplexity 应该能够执行用户要求的实时网页查询并以用户要求的格式呈现数据。
一些人担心 Perplexity 通过爬取内容降低了用户访问网站的概率，从而影响网站流量，认为这是不可接受的。
有人认为 Google 一直在提供摘要并窃取流量，这在旅游行业尤为突出，认为监管和竞争时代已经过去，美国希望在科技领域拥有不可撼动的垄断地位。
一些人认为 Google 提供的摘要有时是错误的，特别是在旅行时，依赖摘要可能会给人们带来麻烦。
有人认为 Perplexity 使用网站内容回答用户问题会减少用户通过 Google 等途径访问网站的概率，这是不可接受的。
一些人认为 Perplexity 的行为类似于广告拦截程序，但区别在于 Perplexity 是聚合服务，可能会影响网站流量。
有人认为 Perplexity 保护用户隐私，不让用户成为 SaaS 公司的“见解”。
一些人担心 LLM 训练可能会导致大量微妙错误答案，超过人类检查和调试的能力。
有人认为 Perplexity 复制内容直接与原作品竞争，破坏了原作品的市场价值，驱使原作者退出市场，这与版权的初衷相悖。
一些人认为 Perplexity 使用网站内容回答用户问题，直接竞争原作品，破坏了原作者的市场价值，这与版权的初衷相悖。
有人认为 Perplexity 的行为与新闻工作者追踪 Google 和社交媒体对文章的嵌入类似，这是版权法旨在防止的情况。
一些人认为 Perplexity 的行为将导致新闻工作者被 AI 取代，最终 AI 需要人类创作原始内容，特别是对于新闻和事实查找等领域。
有人认为 Perplexity 的行为会驱使新闻工作者退出市场，被 AI 取代，最终 AI 需要人类创作原始内容，特别是对于新闻和事实查找等领域。

Microsoft’s Recall AI feature is now indefinitely delayed #

https://blogs.windows.com/windowsexperience/2024/06/07/update-on-the-recall-preview-feature-for-copilot-pcs/

这篇博文是关于 Windows 体验博客上有关 Copilot+ PC 的“Recall”预览功能的更新。文章介绍了 Recall 功能的最新情况，包括将从 2024 年 6 月 18 日开始在 Windows Insider 计划中提供预览，以便利用 Windows Insider 社区的专业知识，确保体验符合高质量和安全标准。

Recall 是一种新的功能，可以帮助用户在 PC 上快速找到之前看到的内容。文章还详细介绍了 Recall 的设置体验、隐私控制和安全方面的信息。Recall 功能通过定期对屏幕内容进行快照，创建可探索的视觉时间线，用户可以轻松地使用 Recall 回溯自己的步骤，找到之前在应用程序、网站、图像和文档中看到的内容。

文章还强调了 Microsoft 对安全的承诺，包括提供额外的安全保护措施，如“及时”解密和 Windows Hello 增强登录安全性等。文章还介绍了 Copilot+ PC 的安全设计和隐私保护措施，以及用户对 Recall 功能的控制权。文章强调了 Microsoft 对于用户隐私、安全和信任的重视，以及持续倾听和学习客户反馈的重要性。

HN 评论 452 comments | 作者：mfiguiere | 1 day ago #

https://news.ycombinator.com/item?id=40677424

微软可能会将 Recall AI 出售给公司用于对员工进行监视，加快自动化软件开发
担心 Recall 会导致更广泛的监控和迫使员工辞职，引发了对雇主监视的担忧
Recall 的开发可能始于 WFH，帮助经理追踪员工活动，市场需求或许会推动这一趋势
如果 Recall 被悄悄集成到操作系统中，默认开启，可能导致更容易解雇工会组织者
通过将此功能作为默认提供给客户，微软可以收集数据并销售 RPA/AI 机器人，存在商业潜力
Microsoft 可能会利用 Recall 培训 AI 模型，提供个人实用功能，但忽略了安全性

AI Search: The Bitter-Er Lesson #

https://yellow-apartment-148.notion.site/AI-Search-The-Bitter-er-Lesson-44c11acd27294f4495c3de778cd09c8d

这篇名为“AI Search: The Bitter-er Lesson”的文章探讨了人工智能搜索的重要性。文章首先介绍了 Leela Chess Zero，一个通过自我对弈学习的国际象棋计算机，以及它如何被 Stockfish 击败。作者指出 Leela 的魔力在于深度学习，她通过自我学习获得了比人类更深的国际象棋表示。Leela 的失败启示了“苦涩教训”，即在深度学习时代，不应低估人工智能搜索的力量。

文章还讨论了 Stockfish 如何通过更好的搜索算法重新夺回国际象棋冠军，并指出在人工智能领域，搜索的重要性不容忽视。作者提出了对基础模型（如 GPT-4）进行搜索的概念，强调了搜索在自动化人工智能研究中的潜在作用。他认为，赋予现有模型搜索能力可以带来巨大的性能提升，而不一定需要依赖模型的规模扩大。

文章还探讨了搜索经济学，指出搜索可以实现有针对性的计算资源分配，从而提高效率。作者认为，通过搜索，公司可以立即获得超级智能的能力，而无需等待更大的模型的出现。最后，文章展望了搜索在人工智能研究中的潜在影响，强调了自我改进的人工智能可能比人们想象的更接近。

HN 评论 194 comments | 作者：dwighttk | 1 day ago #

https://news.ycombinator.com/item?id=40683697

搜索的有效性与价值函数的质量息息相关，但今天，价值函数非常领域特定，目前几乎没有证据表明我们能够制定能够很好泛化到新领域的价值函数。
LLMs 的分支因子约为 50k，下一个可能的标记数量。
在应用中，可以在比标记更抽象的东西上分支，这可能会减少分支数量。
LLM 的分支因子大约为 30，可能最多达到 300，但不太可能超过这个数字。
人们可能尝试在比标记更抽象的东西上分支，这可能会减少分支数量。

Exponentially Better Rotations (2022) #

http://thenumb.at/Exponential-Rotations/

这篇文章介绍了在进行 3D 旋转时使用的各种技术和表示方法，包括旋转矩阵、欧拉角、四元数和轴/角表示法。文章还讨论了指数映射和对数映射，以及在 2D 和 3D 中的应用。

其中提到了旋转矩阵在转换点时特别有用，但在处理旋转时并不方便；欧拉角在表示旋转时常用，但在插值时可能会产生不良结果；四元数是用于组合和插值旋转的标准工具，但不易理解和计算；轴/角表示法形成一个向量空间，可以进行插值并选择最短路径。

此外，文章还介绍了 Karcher 平均值的概念，以及如何使用轴/角表示法对旋转矩阵进行平均。最后，文章提到了四元数的再次应用，讨论了四元数的指数映射和对数映射，以及如何使用四元数来旋转 3D 点。

HN 评论 56 comments | 作者：fanf2 | 1 day ago #

https://news.ycombinator.com/item?id=40684901

Lie group/lie algebra correspondence 是学校里最酷的事情之一，可以在超级可重用的设置中使用指数和对数映射。
Quaternions 比矩阵更直观，因为它们在计算中更容易，尤其是在纸上计算。
Quaternions 比矩阵更好的一点是插值，对于计算机图形学中的动画等很重要。
Quaternions 可以更高效地组合旋转，类似于复数的 2D 旋转。
Quaternions 在计算中占用更少的空间，更快速地与彼此相乘，但在转换点时矩阵仍然更快。
使用 Arcball 界面进行旋转是唯一具有某些属性的界面，可以在单次拖动中完成任何旋转，无万向节锁定，形成闭环。
使用单位四元数进行旋转计算时很少需要旋转矩阵。
使用指数映射仍然是处理 SO(3)的最稳健方式，尤其是在处理 Lie 群时。
纯虚四元数是所有四元数的一部分，而不是所有四元数。

Tesla’s FSD – A Useless Technology Demo #

https://tomverbeure.github.io/2024/05/20/Tesla-FSD-First-and-Last-Impressions.html

这篇文章是关于作者对特斯拉全自动驾驶（FSD）系统的第一次和最后一次印象的详细介绍。作者提到，特斯拉最近向所有现有车主提供了一个免费一个月的 FSD 系统试用期。作者分享了他对 FSD 系统的三次测试体验：

第一次测试是从 Kings Beach 到 Truckee 的 11 英里路程。在这次测试中，FSD 系统犯了两个错误，包括选择错误的出口车道和在直行时选择右转车道。
第二次测试是从 Truckee 到 Blue Canyon 的 36 英里高速公路行驶。作者发现 FSD 在高速公路上的表现比自动驾驶模式更差，出现了左右摆动的情况，导致他的妻子要求他关闭 FSD 系统。
第三次测试是从 West-Valley College 到 I-85 入口的 1 英里路程。在这次测试中，FSD 系统在红灯时加速通过交通灯，展示了不能被信任做出正确决策的特点。

总的来说，作者认为目前的 FSD 系统不能被信任做出正确的决策，存在基本错误，并且需要额外的认知负担来监视一个不可预测的系统。作者认为 FSD 系统目前只是一个花哨的技术演示，实际价值有限。

HN 评论 327 comments | 作者：nxten | 17 hours ago #

https://news.ycombinator.com/item?id=40688001

有用户使用 FSD 六周，遇到几次危险情况，认为 FSD 不安全；
评论指出 FSD 在理想条件下运行，但在复杂环境下可能无法胜任；
有人提到印度交通状况复杂，挑战性很高；
评论谈到在摩洛哥驾驶体验强烈，但印度交通更复杂；
有人认为 FSD 在曼哈顿已经失败，无法适应复杂交通；
评论指出 FSD 在纽约存在问题，无法处理行人等情况；
有人提到 FSD 在狭窄街道和不同国家的交通环境下可能无法胜任；
评论讨论 FSD 在不同国家的交通法规和行为规范之间的差异；
有人分享个人对 FSD 的使用体验，认为 FSD 改善了生活质量；
评论讨论 FSD 的使用频率和适用性；
有人提到 FSD 在高速公路和城市道路上的表现差异；
评论指出 FSD 在城市道路上的表现可能不够可靠；
有人讨论 FSD 的技术领先性；
评论提到特斯拉的自动驾驶技术可能是为了支撑公司股价；
有人怀疑特斯拉的自动驾驶技术是否真的领先；

Snowden: “They’ve gone full mask-off: do not ever trust OpenAI or its products” #

https://twitter.com/Snowden/status/1801610725229498403

这条推文是关于 OpenAI 任命前 NSA（美国国家安全局）局长保罗·纳卡索尼（Paul M. Nakasone）加入其董事会的消息。爱德华·斯诺登（Edward Snowden）在推文中表示，这一举动是对每个地球上的人权的故意、精心策划的背叛。

他强调不要相信 OpenAI 或其产品（如 ChatGPT 等），并指出任命 NSA 局长到董事会的唯一原因。这条推文引起了人们对隐私和安全问题的关注，强调了对这类行为的警惕。

HN 评论 125 comments | 作者：underlogic | 1 day ago #

https://news.ycombinator.com/item?id=40685644

Snowden 和 Stallman 都有极端观点，但不可完全忽视他们，因为有人试图绕过知识产权，剽窃作品，而社会和立法者却置之不理。
Stallman 是出于对隐私权等个人自由的原则而行动，Snowden 的真实动机尚不确定。
Snowden 为了让你知道违法行为，冒着风险和牺牲，他的真实动机为何不确定？
我不需要 Snowden 告诉我不要相信 OpenAI，当我第一次了解这家公司时，就感到不安，就像走进一个二手车行，被高中时欺负你的人经营一样。
许多人确实需要有人告诉他们，你宁愿什么都不说吗？
我希望更多人说出来，谴责 OpenAI，谴责大科技公司，停止尽可能多地使用大科技产品，希望大科技公司破产。
OpenAI 之所以有中野宪一在董事会上是有合理原因的，他带来政治关系，给人信心，AI 的感知影响世界远远大于它实际能做到的。
OpenAI CTO 表示，ChatGPT5 不会有新突破，所以聪明的做法是在这一代 AI 热度消退之前将平台嵌入到各个地方。
AI 的感知影响世界远远大于它实际能做到的，这对法律和法律实践造成了压力，AI 公司在训练时无视版权，侵犯隐私，企业试图操纵法律格局，影响政治家和公众的看法。

Leveraging Zig’s Allocators #

https://www.openmymind.net/Leveraging-Zigs-Allocators/

这篇名为"Leveraging Zig’s Allocators"的文章探讨了在 Zig 编程语言中如何利用分配器来提高性能和简化资源管理。文章以编写一个 HTTP 服务器库为例，介绍了如何使用分配器来处理动态内容和内存分配的问题。

在文章中，作者首先展示了如何在 HTTP 服务器库中使用分配器来处理请求，并指出了动态内容生成时可能出现的内存泄漏问题。作者提出了使用 ArenaAllocator 作为解决方案，通过在请求处理过程中重置 ArenaAllocator 来释放内存，从而简化资源管理。

接着，作者介绍了如何进一步优化性能，通过创建 FallbackAllocator 结构来同时利用 FixedBufferAllocator 和 ArenaAllocator，以便在内存分配时优先使用 FixedBufferAllocator，从而提高性能并简化资源管理。

最后，作者展示了如何在 HTTP 服务器库中应用这些概念，通过改进分配器的使用方式来提高性能和简化资源管理，同时保持代码的兼容性。

总体而言，这篇文章深入探讨了在 Zig 编程中如何有效地利用分配器来提高性能和简化资源管理的方法，为开发者提供了有益的指导和实践建议。

HN 评论 75 comments | 作者：PaulHoule | 1 day ago #

https://news.ycombinator.com/item?id=40682863

Zig 的不透明分配器系统很棒，可以创建奇怪的包装器和其他内容。
JSON 解析器会为特定操作创建一个区域，并返回具有“deinit”方法的包装器，调用它将释放所有内容。
通过向 JSON 反序列化器传递适合对象生命周期的分配器，通常不需要复制。
但这样会失去区域分配器的简单性和性能优势。
单元测试很简单，可以在测试结束时重置一个区域。
在 Zig 服务器中使用基于区域的策略，以确保安全性优先。
C malloc/free 也可能存在相同问题，局部堆分配器通常不会清零释放的内存。
在安全环境中，分配成功后应清零内存，以避免泄露敏感数据。
Zig 的设计目标之一是尽可能减少隐式行为。
为了避免内存泄漏，可以在区域和基础分配器之间放置一个清零分配器包装器。
Zig 的分配器可以组合，添加清零功能将会很简单。
对于 Web 服务等软件，使用每个请求的 bump 分配器可能更容易和更快。
Zig 不适合多线程程序，除非精心设计以减少内存共享。
对于资源受限环境中性能优化的应用程序，Zig 的权衡开始变得合理。

Threescaper: A website for loading Townscaper models into Three.js #

https://github.com/meliharvey/threescaper

这个 GitHub 地址是关于一个名为"threescaper"的项目。这个项目是一个用于将 Townscaper 模型加载到 three.js 中的网站。项目中包含了 JavaScript、HTML 和 CSS 等文件。目前该项目有 107 个星标，6 个关注者，以及 2 位贡献者。项目的主要功能是允许用户加载 Townscaper 模型到 three.js 中进行展示。你可以通过该项目的 live demo 来查看更多信息。