AI 正在多个领域带来改变：
https://www.cursor.com/blog/series-aOur goal is to create a magical tool with the aim of writing the world's software.我们的目标是创建一个神奇的工具，以编写世界软件为目标。Something beautiful is happening to code.代码正在发生一些美好的事情。It can be difficult to discern amidst a flurry of demos,headlines,and waitlists,but AI is changing coding,and it's changing it today.Little by little,the molasses that characterizes building and changing software is being replaced by lightness and control.在一连串的演示、头条新闻和候补名单中可能很难辨别，但AI正在改变编码，而且今天正在改变它。渐渐地，构建和更改软件的糖蜜正在被轻盈和控制所取代。Our aim with Cursor is to continue to lead this shift,by building a magical tool that will one day write all the world's software.我们对Cursor的目标是通过构建一个神奇的工具来继续引领这一转变，有朝一日它将编写世界上所有的软件。
毫无疑问，AI将不可逆转地改变我们如何预防和治疗疾病。医生将把文档工作交给AI书记员；初级医疗服务提供者将依赖聊天机器人进行分诊；几乎无穷无尽的预测蛋白结构库将极大地加速药物开发。然而，为了真正改变这些领域，我们应该投资于创建一个模型生态系统——比如说，“专家”AI——它们像我们今天最优秀的医生和药物开发者那样学习。成为某个领域顶尖人才通常以多年的密集信息输入开始，通常是通过正规的学校教育，然后是某种形式的学徒实践；数年时间都致力于从该领域最出色的实践者那里学习，大多数情况下是面对面地学习。这是一个几乎不可替代的过程：例如，医学住院医生通过聆听和观察高水平的外科医生所获取的大部分信息，是任何教科书中都没有明确写出来的。通过学校教育和经验，获得有助于在复杂情况下确定最佳答案的直觉特别具有挑战性。这一点对于人工智能和人类都是如此，但对于AI来说，这个问题因其当前的学习方式以及技术人员当前对待这个机会和挑战的方式而变得更加严重。通过研究成千上万个标记过的数据点（“正确”和“错误”的例子）——当前的先进神经网络架构能够弄清楚什么使一个选择比另一个选择更好。我们应该通过使用彼此堆叠的模型来训练AI，而不是仅仅依靠大量的数据，并期望一个生成模型解决所有问题。例如，我们首先应该训练生物学的模型，然后是化学的模型，在这些基础上添加特定于医疗保健或药物设计的数据点。预医学生的目标是成为医生，但他们的课程从化学和生物学的基础开始，而不是诊断疾病的细微差别。如果没有这些基础课程，他们未来提供高质量医疗保健的能力将受到严重限制。同样，设计新疗法的科学家需要经历数年的化学和生物学学习，然后是博士研究，再然后是在经验丰富的药物设计师的指导下工作。这种学习方式可以帮助培养如何处理涉及细微差别的决策的直觉，特别是在分子层面，这些差别真的很重要。例如，雌激素和睾酮只有细微的差别，但它们对人类健康的影响截然不同。
源地址：https://shelled-fold-618.notion.site/AI-045d40b67e2e4c54b8af6b76f9f91dec作者：[亂寫](https://web.okjike.com/u/35A37119-54E2-4CE5-9206-C288807D6A7C)AI确确实实在改变我，让我自己的能力范围在扩大了，可以自行发现需求——产生方案——验证方案——解决需求，这个感觉还蛮棒的。产生这个想法是因为：2023.08.01这个时间点，我看到微博PG的一个博主发了PG播客的生肉视频。我的英语水平，有字幕都看不懂何况没有==[heading1]先写爱看的——最终解决方案[content]最终的解决方案，逻辑其实也很简单：1、用whisper生成原视频的英文字幕；（我预设whisper生成的字幕没问题，whisper的问题不探讨）2、让GPT结合字幕全文翻译，并让他根据原英文字幕的拆分，将译文进行同样行数的拆分；3、将GPT译文拆分的结果插入到原英文字幕文件中形成一个新的双语字幕文件。这个过程中所有的执行脚本都是让GPT写的。GPT的prompt在最后。08.04更新这一节是失败的经历，可以跳过。