Knowing Through Making with Dr. Lorne Buchman the President of ArtCenter College of Design
艺术中心设计学院院长兼 Change Lab Podcast 主持人 Lorne Buchman 博士本周与 Mike 一起分享他作为制造者和著名艺术设计学院领导者的经历。Lorne 分享了他的起源故事，这个故事深深植根于他在斯坦福大学戏剧专业获得博士学位的实际应用。我们谈到了人本主义心理学的力量以及建立一种文化的重要性，这种文化可以让创意人才真正茁壮成长，发挥出最佳水平。然后，我们深入探讨 Lorne 和团队如何从历史上以及在充满挑战的 2020 年的背景下实现艺术中心的使命宣言，即“学会创造。影响变革”。我们还了解了 Lorne 作为播客的一些观点，因为他已经主持了 Change Lab
#72 – Scott Aaronson: Quantum Computing
Scott Aaronson 是德克萨斯大学奥斯汀分校的教授，也是该校量子信息中心主任，之前曾是麻省理工学院的教授。他的研究兴趣集中在量子计算机的能力和局限性以及更普遍的计算复杂性理论。本次对话是人工智能播客的一部分。如果您想了解有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook、Medium 或 YouTube 上与 @lexfridman 联系，您可以在其中观看这些对话的视频版本。如果您喜欢播客，请在 Apple Podcasts 上给它 5 星评价，在 Spotify 上关注它，或在 Patreon
The 2020 Learning Research Landscape with Youki Terada from Edutopia
继我们最近的节目报道 2019 年教育研究亮点之后，Mike 与 Edutopia 的 Youki Terada 进行了交谈，他是这篇文章的作者。 Youki 是 Edutopia 的研究和标准编辑，这意味着他负责审查和编辑 Edutopia 写作人员的贡献，以确保其基于证据、设计精良并与 Edutopia 的目标受众 K12 教育者相关。我们讨论 Youki 发现特别有趣的研究领域，并探讨几个着眼于教育者实际应用的例子。我们还讨论了在寻找新兴学习研究的良好应用时，策展的重要性以及快速或草率研究的风险。
Полиция штата Массачусетс испытывает собакоподобного робота Spot от Boston Dynamics
波士顿动力公司不断为机器人的实际应用寻找新的合作伙伴——事实证明，马萨诸塞州警察拆弹小组自 8 月份以来一直在使用从波士顿动力公司租用的 Spot 机器人。
Auto-Keras: Tuning-free deep learning from R
在深度学习中，架构设计和超参数调整有时会带来巨大挑战。使用 Auto-Keras，这些都不是必需的：我们启动搜索过程并提取性能最佳的模型。这篇文章介绍了 Auto-Keras 在著名的 MNIST 数据集上的实际应用。
11月14日，乌克兰首都举办了基辅AI大会——一场致力于人工智能、物联网和聊天机器人在业务流程中实际应用的会议。
В семействе робо-животных Festo прибавление (+видео)
Festo神奇的仿生机器人或多或少是对公司技术能力的美化展示，但缺乏实际应用，但这并不意味着他们的所有开发都是令人惊叹的、技术先进的！该公司的最新设计模仿了两种不寻常的动物：蜘蛛和狐蝠。
Мягкие роботы нужны для решения трудных задач
柔软、可变形的机器人的潜力是机器人学中一个很大程度上未被充分开发的领域。美国伍斯特理工学院 (WPI) 最近获得了近 60 万美元的政府资助，用于两个项目，这些项目可能在医学、制造和救灾方面有实际应用。
Underuse and overuse of health care technology
我们倾向于将“技术”等同于“高科技”，例如基于微处理器的设备。那是一个错误。 “技术”比这更广泛，包括任何实际应用科学知识。与人类活动的大多数其他领域一样，医疗保健中有许多有价值的低科技技术。洗手以减少感染是一种。任何基于证据的变化[…]邮政上没有使用和过度使用医疗保健技术的变化首先出现在偶然的经济学家身上。
AI（人工智能）一词已经在日常生活中使用了很长时间。根据总务省《信息通信白皮书》，我们目前正处于第三次人工智能热潮。 这种热潮始于 2000 年代的日本。机器学习，即人工智能通过使用被称为大数据的大量数据自行获取知识，已经投入实际应用。此外，深度学习已经开始，人工智能通过定量地表示识别知识等对象时应注意的特征来获取知识。 然后，在 2020 年代，出现了大规模语言模型（LLM）。这是一种基于深度学习技术创建的语言模型，其特点是能够流畅地处理语言，类似于人类对话或聊天交流。为此，需要解释对方所说的词语（数据），相应地预测对话的主题，并做出适当的回应。这导致了生成式人工智能的出现，例如 OpenA
