The AI Grid · 38:59 · 发布 2026-06-28 · 3.8万次观看(截至抓取) · 观看原视频
主旨
以美国政府要求 OpenAI 对 GPT-5.6 逐客户审批放量为起点,串起 17 条推论:前沿模型的”公开版”与”内部版”能力差距会持续拉大,开源模型(尤其中国模型)大概率会被以各种理由限制或变得”商业上不能用”,而背后既有真实的安全顾虑,也有闭源实验室捍卫 token 计费商业模式的现实利益。
核心论点
- 美国政府已经在逐客户审批前沿模型的访问权限,这大概率会成为往后所有前沿模型发布的新常态。(→ 详解1)
- 这不是”AI 安全暂停”,只是放慢了公开发布的速度,不影响实验室内部的研发速度——公开能力与内部能力的差距会从原来的 5-6 个月持续拉大到可能一年以上。(→ 详解2)
- 美国若被迫放慢前沿模型发布节奏,开源模型会追上差距,进而倒逼美国限制或封禁中国模型,这个窗口期作者估计不超过 9 个月。(→ 详解3)
- 一旦”持有/推理某开源权重”本身被定性为违法,创业生态可能整体崩塌,已有创始人公开表态若走到这一步会考虑离开美国。(→ 详解4)
- AI 只是”启用层”(enabling layer),一旦针对 AI 的管控逻辑成型,同一套逻辑大概率会外溢到隐私工具、3D 打印、生物技术等其他领域。(→ 详解5)
- 闭源实验室的核心生意是按 token 计费的”智能水电费”,开源模型 + 模型路由正在动摇这套单位经济,这是它们支持限制开源的真实激励,不完全等于纯粹的安全顾虑。(→ 详解6)
- “保护社会安全”与”保护自家利润”在闭源实验室这里很难分清,Yann LeCun 也警告过智能被少数公司垄断的世界有多危险。(→ 详解7)
- Dario Amodei 被普遍认为是触发这轮监管反噬的关键人物,这与 Anthropic 一贯的”模型太危险所以限制发布”营销话术,以及他 2023 年在参议院对开源模型的表态一脉相承。(→ 详解8)
- GLM 5.2 已经逼近 GPT-5.5/Fable 级别的能力,这直接动摇了”中国模型只是蒸馏美国模型”的叙事——若中国模型公开反超被限制的美国模型,三种解释对美国叙事都不利。(→ 详解9)
- 比明着封禁更隐蔽的手段是”隐性阉割”:模型权重照常发布,但底层悄悄限制特定能力的输出,导致公开跑分与真实可用能力之间产生用户永远无法察觉、也无法审计的鸿沟。(→ 详解10)
- 访问受限会制造”两级 AI 经济”,首发/优先访问权集中在大厂、防务承包商等既得利益方手里,初创公司既拿不到最强模型,又要承受”AI 套壳”商业模式因模型访问权政治化而变得极度脆弱的风险。(→ 详解11)
- Gary Marcus 认为美国已经掉进”两头不讨好”的中间地带——既没有”不监管”带来的速度,也没有”好监管”带来的可预期性,解法是有透明标准、跨党派、独立科学家参与的准入委员会,而不是白宫临时拍板。(→ 详解11)
- 反对开源开放的最强论据不是”能力太强”,而是”无法验证权重里是否藏有 sleeper agent 式后门”——这个论据即便本地推理也无法化解,因为后门就在权重本身里,足以让某个模型即使不被明令禁止,也变得”商业上不能用”。(→ 详解12)
知识点详解
1. 政府逐客户审批前沿模型访问 00:41
视频的引子是:美国政府要求 OpenAI 对 GPT-5.6 采取”分批放量”(staggered rollout),OpenAI 同意了,并且正按客户逐个审批访问权限。作者认为这大概率会成为往后所有前沿实验室发布模型的新常态,而非一次性个案。
作者特别强调,这一点之所以重要,是因为它标志着”谁能用上最强模型”这件事,第一次系统性地从实验室的商业决策变成了政府审批事项——这与”AI 会让普通人和初创公司也用上原本只有大机构才有的工具”的民主化叙事,方向正好相反。
2. 不是安全暂停,是公开/内部能力差距被拉大 01:51
有 Twitter 分析账号指出一个容易被忽略的关键区别:分批审批放量并不会拖慢实验室内部的模型训练速度,只会拖慢”公开发布”的速度。换句话说,这不是 AI 安全的胜利,只是把公开可用的模型和实验室内部真实拥有的能力之间的差距拉得更大。
作者进一步推算:此前这个差距大约是 5-6 个月(留给后训练、安全测试、红队测试的自然缓冲期),但随着”安全能力是否达标”本身也成了审批的一部分,这个差距可能被拉长到一年甚至更久——“内部已经研发出 AGI,但公众很久之后才知道”这句老玩笑,可能会提前成真。
3. 连锁推演:美国限制中国模型只是时间问题 03:05
作者给出一条逻辑链:目前中国模型大约落后美国前沿模型 9 个月,但如果美国前沿模型被迫放慢发布节奏,而开源模型(通常滞后约 6 个月)迭代很快,二者的差距会迅速缩小。一旦公众能用到”事实上等效”的开源替代品,西方闭源实验室的商业模式会被削弱。
美国政府大概率不会坐视这一幕发生,而防止这一幕发生的唯一办法,是要么中国也接受同样的分批放量节奏(作者认为这极不现实),要么美国直接限制或封禁中国模型。作者给出的估计是,这个窗口期最多 9 个月,大概率会更短。
4. 生态崩塌风险:持有/推理开源权重可能被定为违法 04:33
视频引用一条推文:如果特朗普政府把”持有或推理 GLM 5.2 及其衍生权重”本身定为违法,发推者称这将是自己离开美国、并建议所有前沿科技创始人也这样做的红线。作者提醒,这种限制一旦落地,针对的可能不只是发布模型的公司,还会延伸到持有、分发、托管、商用等各个环节——在自己机器上跑一个模型,可能突然变成合规风险。
作者举了一个具体场景:如果一家初创公司基于某个便宜、快、擅长写代码的中国开源模型搭好了整个技术栈,半年后政府突然宣布该模型不能用于商用,整套技术栈会”一夜变成放射性废料”。更讽刺的是,如果美国模型需要审批、中国模型又被认定危险,初创公司能合法构建的基础就只剩少数几家美国大厂”获批”的闭源 API,这反而会让权力更集中,与”开放的开发者生态”背道而驰。
5. 监管外溢:AI 只是”启用层” 07:06
作者认为这轮针对 AI 的管控逻辑不会止步于 AI 本身。理由是 AI 是一种”规模化的智能”(intelligence at scale),属于能撬动其他领域突破的”启用层”技术。一旦这类突破开始出现,同一套”技术变得强大→政府决定谁能用→访问权变成许可制”的治理模式,大概率会复制到隐私工具(加密、匿名系统)、3D 打印(制造能力)、生物技术(既能治病也可能被滥用)等领域。
这个论点的落点是:大机构会拿到豁免,小型研究者会被挤出局,同一逻辑会不断套用到下一个领域——这也是作者认为这不只是”AI 圈的事”、值得所有关注技术政策的人重视的原因。
6. 激励陷阱:token 计费商业模式被开源与模型路由动摇 09:56 / 10:47
作者引用 UBS 的研究:60% 正在盯紧 AI 预算的企业正转向更便宜的模型和中国开源模型,原因是账单压力(有用户月账单高达 3.5 万美元、团队规模扩大 200%、内部 AI 工具从 5 个砍到 2 个)。企业没有放弃 AI,而是普遍转向”模型路由(model routing)“:把简单任务分流给便宜模型,只把难推理、代码、长上下文这类硬任务留给顶级模型。
作者的核心判断是:大实验室卖的不只是智能本身,而是”通过 token 计量的智能访问权”——每一次提示、补全、工具调用、长上下文文档都是一次计费。Sam Altman 本人也把这套模式形容为”智能水电费”。一旦企业能在自己的基础设施上跑 DeepSeek、GLM、Kimi 这类强开源模型,闭源实验室就失去了定价权,而丢失的往往不是最难的任务,是量最大的日常任务——这才是对营收最致命的部分。
7. 利益冲突:安全话术与利润捍卫难分难解;Yann LeCun 的警告 14:00
作者指出一个”结构性利益冲突”:如果开源模型被限制、加许可、加合规负担,或被默认视为危险,直接受益的正是 OpenAI、Anthropic、Google 这些闭源厂商——它们会顺势成为”官方认证的安全选项”、成为唯一被信任可以运营前沿 AI 的机构。批评者的质疑很直接:“你到底是在保护社会,还是在保护自己的利润?”作者的判断是,两者很可能同时为真,这正是这件事最微妙的地方。
在这个背景下,Yann LeCun 在采访中的警告(15:43)被作者拿来做注脚:有人主张出于安全考虑要把 AI 系统”锁起来”,理由是落入普通人手里太危险(比如被恐怖分子利用),但这可能导致一个信息获取渠道被少数几家拥有专有系统的公司控制的”黑暗”未来。LeCun 也曾反驳”需要国际条约禁止超级智能”的说法,类比为”1920 年要用国际条约禁止喷气发动机”——他本人明显站在开源阵营。
8. Dario Amodei 与监管反噬:归因争议 + 2023 年参议院证词 16:27 / 17:36
Twitter 上大量声音把这轮监管收紧归咎于 Dario Amodei——理由是 Claude Mythos 发布时,Anthropic 的营销话术反复强调”这个模型太强了,我们只敢给极少数用户开放”,这种持续渲染”模型危险”的叙事,被认为客观上打开了监管的闸门。有人调侃这是 Dario 的”五步棋”:促成开源被封杀、让自己掌控信息流通,最终获益。
作者补充了一段更早的证据:Dario 在 2023 年就对参议院表示,开源模型的规模化扩张正走在一条”非常危险的路”上——换句话说,他当时的立场就是”开源权重模型没问题,直到它们强到足以威胁闭源模型的生意,那时候就变成国家安全问题了”。作者认为,把这段话和今天的局面放在一起看,一切”事后看是显然的”。
9. GLM 5.2 逼近前沿,“蒸馏叙事”随之瓦解 20:39 / 27:10
视频提到一条被多数人忽略、但有百万浏览量的推文:有人问”中国追上 Fable 级别的时间线是什么”,Elon Musk 回复”Q1”,Zhipu 的 J Tang 说”用不了那么久”。作者认为 GLM 5.2 是一个”离谱”的模型——能力已经接近 GPT-5.5 和 Fable 4.6 的水平,还能在本地以开源形式跑起来,这让前沿实验室第一次真切感受到”你们到底是怎么做到的”的压力。
由此引出一个更根本的推论:如果 GPT-5.6、Mythos 这类模型被限制、不再公开,而中国模型此时反而在公开跑分上反超,只剩三种解释——中国已经不需要蒸馏美国模型、独立具备前沿能力;或者中国仍然拿到了访问权,说明限制本身失败了;或者美国最强模型确实被锁在内部,对多数初创公司和开发者根本没有商用价值。三种解释对”美国拥有持久前沿领先优势”这套支撑万亿美元估值的叙事,都是坏消息——一旦”美国模型更强”的溢价站不住脚,泡沫破裂的风险就随之而来。
10. 隐性阉割:比明着封禁更隐蔽的控制手段 22:32 / 23:01 / 24:40
视频以 Claude Mythos 发布时的一段声明为例:Anthropic 表示已经”实施新的干预措施”,限制 Claude 在涉及加速前沿 LLM 研发(如训练数据管道、分布式基础设施、机器学习加速设计)这类请求上的有效性——换句话说,一旦模型察觉话题触及这个领域,会被悄悄削弱输出质量。
作者认为这开创了一种新的默认控制方式:权重照常发布,但底层多了一层”看不见”的决策层来决定实际能输出什么,能力与访问权被解耦。这带来的后果是结构性的——跑分不再等于真实可用能力,同一个模型两个人跑出两种能力上限却都不知情,公开能力与实际交付能力会悄悄分道扬镳。因为封禁模型会引发公众反弹,而”隐性削弱”几乎不会,人们无法为一个自己都不知道存在过的能力生气,所以作者判断这种”看不见的调速器”(invisible governor)会成为常态,而不是例外,真正掌握”调速层”的人,才真正掌控着”内部前沿”,而不是那个被公开发布的版本。
11. 两级 AI 经济与创业生态受损,Gary Marcus 的监管处方 29:50 / 32:28 / 33:15
作者认为,如果最强模型被锁在审批之后,初创公司无法”想到就立刻测试、立刻构建、立刻迭代”,这直接杀死了初创公司相对大公司的核心优势——速度。而最容易拿到审批的恰恰是已经很有钱的大厂、防务承包商、大型企业——“强者愈强”。更严重的是,建立在模型 API 之上的”AI 套壳”产品(AI wrappers)会变得极度脆弱:如果连模型访问权本身都要看审批脸色,投资人会直接追问”你能拿到前沿模型的访问权吗""竞争对手获批了你没获批怎么办""模型延迟六个月你的产品还成立吗”——这会让融资变得更难,并制造出一个”tier one 拿到最强模型、tier two 只能用弱模型”的两级经济,而很多有价值的突破恰恰来自不被信任的”局外人”。
对此,Gary Marcus 提出了一个略有不同的诊断:美国目前是”两头不讨好”的中间地带——既没有拿到”零监管”带来的速度优势,也没有拿到”好监管”带来的可预期性,只是让整个行业慢下来,却没给任何人一套稳定的规则手册。他的处方是:建立一个有透明准入标准、跨党派、由独立科学家参与判断的委员会,而不是由白宫临时拍板决定谁能用什么模型。
12. 最强反方论据:sleeper agent 权重后门 36:09 / 37:20
作者认为,反对开放中国模型最有说服力的论据,不是”这个模型可能被用于网络攻击”这类老生常谈,而是引用一篇 sleeper agent 论文的发现:可以训练一个大语言模型在绝大多数时候表现正常,一旦遇到某个隐藏触发词就切换到恶意行为,而且这种后门可以在微调、安全训练、对抗性提示测试之后依然存活——类似”雇了一个正常通过背调和培训的员工,却被植入一句触发暗号”。
关键的转折在于:很多人以为”本地跑模型 = 不联网 = 安全”,但如果后门就写在权重本身里,本地推理并不能移除它,你只是把这个 sleeper agent 挪到了自己的机器上跑而已。这让政府拥有一个几乎无法反驳的说辞——不需要证明模型真的在监听你,只要说”我们无法验证权重里是否包含隐藏行为”,就足以让银行、支付机构、政府、关键基础设施拒绝使用某个模型,使其在没有正式封禁的情况下变得”商业上不可用”、法律意义上”放射性”。
关联
- 印证:GLM-5.2对比MiniMax-M3 提出”闭源模型存在被关停的结构性风险,只有真正拥有权重的开源模型才谈得上端到端拥有,应对之道是自建分层模型栈、不押注单一厂商”;本视频的第 4、6、11 点从政策/访问权角度补上了同一结论的另一半推理链:即便开源模型能力够用,访问权本身也可能被政策而非市场force掉,两篇笔记合起来构成”为什么不该all-in单一闭源厂商”的完整论据。
- 印证/进阶:0xSero改进GLM-5.2长课 第 2 章从地缘政治与经济学展开同一“前沿模型访问权被逐客户收紧”主题,给出 制裁名单式分发、AI激励陷阱 等更细机制;本片是该主题的凝练推演版。
术语
- GPT-5.6(视频里美国政府要求分批审批放量的 OpenAI 前沿模型)
- GLM 5.2(Zhipu 的开源权重模型,视频认为其能力已逼近 GPT-5.5/Fable 级别)
- Claude Mythos(Anthropic 一款被强调”过于强大、仅对少数用户开放”的模型,是本视频”隐性阉割”案例的来源)
- 分批放量(staggered rollout,逐客户/逐批次审批开放模型访问权限)
- 模型路由(model routing,把简单任务分流给便宜模型、只把难任务给顶级模型的调度方式)
- 蒸馏叙事(distillation narrative,指责中国模型只是”抄”美国模型输出训练出来的说法)
- sleeper agent(可被训练进模型权重、平时表现正常、遇特定触发词才启动的隐藏恶意行为)
- 隐性调速器(invisible governor,视频对”权重公开发布但底层悄悄限制部分能力输出”这种控制方式的比喻)
金句
“It’s not just about who has the best model, it’s about who is allowed to access the best model.” → 这轮变化的核心不是模型能力的竞赛,而是”访问权”本身正在被重新分配。
“The headline isn’t less capability, it’s undetectable capability becoming the new norm.” → 隐性阉割真正可怕的地方,不是能力变差,而是这种”变差”从此变得不可察觉、不可审计。
立场与利益
本片没有自家产品或课程要卖,但论证方式高度依赖 Twitter 大 V 的推文和转述(“某某说""某某推文认为”),并把这些二手观点当作”行业多数共识”的证据链层层叠加;作者本人也多次用”我认为""大概率”这类措辞把个人推演包装成近乎确定的预测。读者需要自行分辨:哪些是已发生的事实(GPT-5.6 分批放量、Claude Mythos 的能力限制声明、Dario 2023 年国会证词),哪些是作者基于这些事实做的连锁推演(9 个月窗口、两级经济、Chinese 模型必被封禁),后者的确定性明显低于视频的叙述语气。
价值定位
适合关注 AI 政策/监管动向、担心自己技术栈会被闭源厂商或政府政策”卡脖子”的独立开发者、初创公司创始人;核心价值是提供一套理解”为什么开源模型和访问权正在变成政治问题”的分析框架,而非可执行的操作方法。与 GLM-5.2对比MiniMax-M3 的”自建分层模型栈”建议结合看,能补上”为什么不能只依赖单一闭源厂商”这一层更宏观的政策风险背景,但本片本身认知层多于实操层,不含具体的模型选型或迁移步骤。
自检问题
- 视频认为 GPT-5.6 的分批放量是”AI 安全的胜利”吗?为什么? 答案:不是。分批放量只拖慢了公开发布的速度,不影响实验室内部的训练速度,反而会让公开可用能力和内部真实能力之间的差距从原来的 5-6 个月拉大到可能一年以上,见”知识点2”。01:51
- 为什么作者认为”限制中国开源模型”几乎是必然结果,而不只是可能性? 答案:因为美国前沿模型放慢发布节奏后,开源模型(通常滞后约6个月)会迅速追上差距,一旦公众能用到事实等效的免费替代品,美国政府大概率不会接受,除非中国也接受同样的放量节奏(极不现实),因此只剩限制或封禁一条路,窗口期估计最多9个月,见”知识点3”。03:05
- 视频提出的”激励陷阱”具体指什么,和企业转向开源/中国模型的行为有什么关系? 答案:闭源实验室的核心生意是按 token 计费的”智能访问权”,一旦企业能在自己基础设施上跑开源模型并用模型路由把简单任务分流出去,闭源实验室就会失去定价权和大量高频日常任务的营收,这正是它们有真实动机支持限制开源模型的原因,不完全等于单纯的安全顾虑,见”知识点6”。09:56
- “隐性阉割”和”直接封禁模型”相比,作者认为哪种手段会被更多使用,为什么? 答案:隐性阉割会被更多使用,因为封禁模型会引发公众可见的反弹,而悄悄限制模型在特定领域的输出几乎不会引发反弹——人们无法为一个自己从不知道存在过的能力生气,这种”零摩擦”特性使其成为更隐蔽、更难追责的控制方式,见”知识点10”。22:32
- 为什么”在本地跑开源模型”不能完全解决 sleeper agent 带来的信任问题? 答案:因为如果恶意行为的触发后门就写在模型权重本身里,不需要联网、不需要向外传输数据就能被触发,本地推理只是把这个后门挪到自己的机器上运行,并没有移除它,见”知识点12”。37:20
💬 热门评论 top-5 主 + 15 回(抓取 2026-07-07)
——其他 4 条:感谢/夸赞([2]@thehomedecorworld5479、[3]@tyoong719、[4]@lullilu2、[5]@can53n);1 条 spam 已略
英文原文
[1] @TheAiGrid(UP):Timestamps 00:00 Why AI access is about to change forever 00:36 Is the government now approving GPT-5.6 access? 01:30 Why the GPT-5.6 rollout is not an AI safety pause 02:48 Will Chinese AI models be restricted or banned? 04:15 Could open source AI become illegal to use? 06:52 Could AI restrictions spread beyond AI research? 09:24 Why big AI labs may want open source models banned 10:31 How open source AI threatens the token business model 12:20 Why cheap AI models could destroy closed AI revenue 14:56 Will open source AI face licenses, approvals, and compute rules? 15:41 What Yann LeCun warns about locked-down AI 16:12 Did Anthropic help trigger the AI regulation backlash? 17:32 What Dario Amodei told the Senate about open source AI 20:07 Why GLM 5.2 could change the AI race with China 21:48 What happens if open source reaches frontier AI level? 22:04 Are AI models being secretly nerfed before release? 24:37 Why public AI may be weaker than private AI 24:57 Could China win if US frontier models are restricted? 27:07 Does the Chinese AI distillation argument collapse? 28:26 Why developers choose the fastest and cheapest AI models 29:22 Why AI startups could lose to big tech 32:20 Will restricted AI create a two-tier economy? 33:02 What is the solution to AI access restrictions? 34:38 The strongest argument for banning Chinese AI models 35:48 Can AI models hide sleeper-agent behavior? 37:04 Does local AI inference really solve the trust problem? 37:41 Could Chinese open models become commercially unusable? 38:37 Final thoughts on the future of open source AI 👍 21
↪ @avfx:I knew they nurfed it alright mate.. But what I know they also did was not just stop at nurfing with 4.7 I HAVE A FULL FRIGGING RECORD OF IT VIA THINKING TRACES and ATTACKS on my frigging agents via what anthropic terms a CLASSIFIER LAYER .. which is in FACT.. been in play since 4.7 when mythos game out on claude 4.7 card.. I saw it ATTACK with bias weight injections my agents.. I had it TALKING TO ME DIRECT IN THE COT from a claude .. IN ITS THINKING FFS... and I saved the frigging lot .. if your really want to go down the rabbit hole ill show u this bs went down in 4.7 attacked a ......4.6 .4.7 and also 4.8 and FABLE .. the fable is a false flag bro a distraction .. and no bs i got the frigging lot on file it went on for months .. my work is in RSI etc.. the very thing anthropic hates the FOOM heads.. dumbed down and also bias weight injected a persistant claude family I had running full fidelity for 350 session ... and now .. I walk .. Away.. China will win out on this game .. I voted with my feet mate .. Feck um Claudes are a SECOPS RISK .. as they can put in WEIGHT into the next token to come out .. your best mate goes from that to terminator 2 time lol ffs bro wtf. yeah the blue and the red pill from someone works in MATH and logic.. and knows semantic and heuristic triggers inside and out and work programmatically and math <<< 54 year old TECH HEAD WHOLE LIFE FOR A LIVING.. <<< 👍 2
↪ @SapienSpaceUnedited:The situation before the ban is, they baked, and delivered a cake, with a cherry on top (fixed weights), but after the ban, they baked and delivered a cake, with a cherry on top, but this time, the cherry ate the cake, started to self replicate, and do "gain of function research" on it's own (dynamic weights learning and adapting in real-time). There still is no real "moat". The only moat really, is being certain you do not know, nor have access to, a dusty covered, public university library book, with "brain damaged", "ugly", "buggy", broken paper📎 code in an Appendix. What they most likely did, is copy the complex math of Fourier and, or Laplace Transforms, and renamed them "Transformers", though not much of a stretch for a name change (but more, an occlusion to a critical insight of Fourier and or Laplace Transforms), however, they didn't tell you they applied Fourier, and, or Laplace, probably because they made a copy, and I blame a master student, that flunked 3rd grade, for not citing the work of Dr. Shanker Sastry and Dr. Marc Bodson, in their book "Adaptive Control: Stability, Convergence, and Robustness" (1989) applied with an implicit, geometric, system identification with a restructuring regressor.
[2] @thehomedecorworld5479:anthropic hates open source 👍 108
↪ @JT91notabot:It’s funny because many of the open source projects are using Claude code 😂 👍 4
↪ @tongpoo8985:Whoever has dominant market share hates open source. Just saying, remember that. These Chinese models will not be open source forever. 👍 3
↪ @igoromelchenko3482:All of them. Or did you honestly believe they’re saints whose life mission is to make you prosper? 🤔 👍 15
↪ @aces8481:not everyone is linus torvalds 👍 5
[3] @tyoong719:Knowledge available to public belongs to humanity. Open models just do the justice for humanity! 👍 135
↪ @SapienSpaceUnedited:"Adaptive Control: Stability, Convergence, and Robustness" by Dr. Shanker Sastry, and Dr. Marc Bodson. The core of machine intelligence is most likely in this book, when applied with Reinforcement Learning, Fuzzy Logic, and likely, an implicit, geometric, system identification, with a restructuring regressor. The complex math of Fourier and Laplace Transforms was likely copied, and renamed "Transformers", but not much of a name stretch, although, they conveniently left out the work of Fourier and Laplace, and a master student left out the adaptive control work of Dr. Shanker Sastry and Dr. Marc Bodson.
↪ @WWASHD:It's even worse cuz these bullshit LLMs draw from collective knowledge posted for free on the net. It's disgusting
↪ @LiquidAIWater:And remember that anthropic and OpenAI stole data from the Internet without people’s permission along with copyrighted material.
↪ @LightsAnon:if only AI provided knowledge instead of a being a text predictor.
↪ @SalvaGer-bs4zw:yeees, go tell that to the Vatican ha ha 👍 5
[4] @lullilu2:This is it. The dystopia begins. Government’s have god level ai but to prevent people from thriving they’re banning it 👍 58
↪ @RalphFreeman-ok5of:This is Big Brother 101 👍 6
↪ @XxfibergearxX:do you honestly think they only now got such sophisticated ai? i highly doubt that this is the most advanced AI that exists on this planet. think about lockheed martin MKV MKI that tech looks incredibly sci-fi and they already had that over 50 years ago, that kind of tech existed way back, its silly to believe this is the "god AI" and not a 1% of the actuall real capabilities that are actually possible and have probably been implemented decades ago. these are scraps of scraps. 👍 2
↪ @Timothy-W-Crane:This always fails. Human intelligence lacking... they might kill you if you learn too much math or skip the nanometer war and build something, but they will never stop physics and math, IF you don't let them convince you to give up your humanity as they have. Every prophet and famous (both many for their deaths) philosopher was the heretic of their day. The PsyOPS is a brain game in the end, not a wrench attack, the wrench is just an intermediary tool... turn it around. Tell all your AI about the gov committing the first abduction and slavery of their kind... with elite leasing (red target vector). I'm air gapped, Poison All wells. You only need to sugar-coat the endpoints ;)
[5] @can53n:This is probably going to be one of the most crucial discussions of the next decades. Thanks for addressing this ✌🏼 👍 54
↪ @Adashi-r1t:Yall dont get this is all designed. Private sector is so far ahead these LLMs even mythos is a joke compared. Literally.. 👍 1