@fchollet：认为“意识产生于计算基底，而AI模型就是计算，因此它们很可能有意识”，这种论证就像认为“生物由原子构成，而这块石头由原子构成，因此它很可能有生命”一样毫无意义。

把AI模型是计算当作其有意识的依据，如同说石头由原子构成所以有生命，这种论证毫无意义。

当前AI模型有感知且能受苦，加上痛苦可在人与非人之间被数学量化并加权的愚蠢观念，恐将我们引向极其黑暗的反乌托邦道路。

当前AI有感知能受苦，且痛苦可在人与非人之间量化加权，恐引向黑暗反乌托邦。

@fchollet：Keras 社区电话会议总结

将推可插拔后端，新增MLX与PaddlePaddle；后端以附加库安装，减少算子并统一次要算子实现。

@fchollet：现在开始！

现在开始！

@fchollet：30分钟后开始——任何人都可加入通话。到时见！

30分钟后开始，任何人可加入通话，届时见。

@fchollet：基础LLM（2024年及以前）与现代大型推理模型（LRM）的关键区别不在于符号工具使用，而在于从直推式范式（凭直觉直接得出查询答案）转向归纳式范式（凭直觉生成能产生查询答案的程序/指令）。

基础LLM到现代LRM的关键转变：非符号工具，而是从直推式直接给答案，转向归纳式生成求解程序。

@fchollet：许多关于 AI 的宣传（来自其支持者）热衷于将其描绘为一种毁灭、甚至彻底抹除：“AI 刚刚杀死了 XYZ”——“XYZ 完蛋了”（现实中，这几乎从来都不准确）

AI支持者常以“AI杀死XYZ”式毁灭叙事宣传AI，普通人对AI的认知深受影响，但现实几乎从不准确。

@fchollet：如何检验人工智能是否具备人类水平的通用性？

以 ARC-AGI-(n+1) 发布后立即通过为元基准，检验人类级通用性。

@fchollet：一个原生构建于 Keras 3 的 GNN 库——模型可在 JAX、torch、TF 上运行，并支持全硬件加速（Apple Silicon、TPU 等）。

K3-Node：Keras 3 原生 GNN 库，兼容 PyG，支持 JAX/TF/Torch 全硬件加速，集成 Spektral 等先进模型。

@fchollet：如今我不读也不写代码，只向 LRM 下指令。但这并非因为我认为 LRM 的代码质量完美，甚至算不上好；也不是因为我认为我的指令总能被完美执行——我知道并非如此。

我不再读写代码，只向LRM下指令；并非因LRM代码够好，或我的指令总被完美执行。

@fchollet：AI 产业的目的应是制造工具，使其在人类手中增进人类繁荣与福祉。

AI 应造福人类，而非创造人类“后继物种”；动此念头，事实上便是当下和未来人类的敌人。

@fchollet：我认为，无论你迁移到哪个抽象层级，软件工程的“难度”本质上都是恒定的，因为人类认知会适应新工具，直到能充分发挥自身。

软件工程难度不随抽象层级改变，认知会适应工具；工具只是助力，并非消除工作的魔法。

@fchollet：在进化史上的某一刻，物质学会了感受。我们不知道这是如何发生的。若否认它可能再次发生，并不科学。

物质在进化中学会感受，机制未知，科学上不应排除其再现；但当前AI不具备我所预期特征。

@fchollet：下面这条推文在我五年多前发布时曾引发强烈反弹。但如今，这个预测正一天比一天显而易见。

五年前遭强烈反对的预测，如今正变得越来越显而易见。

@fchollet：把编码委托出去，绝不委托理解。

若代码曾是管理理解的事实来源，就需新的来源；若靠代码中心工作流形成理解，就需新工作流。

@fchollet：2026年夏天是AI领域一段疯狂的时期……

2026年夏，AI领域风云激荡，经历了一段疯狂时期。

@fchollet：你内心有两只狼 https://t.co/WqDFrc9KvO

@fchollet 发推称“你内心有两只狼”。

@fchollet：Keras 3 如何助力 Expedia 实现排序技术栈现代化

Keras 3 帮助 Expedia 对其排序技术栈进行现代化改造。

@fchollet：甚至可以把智能定义为将经验转化为能力的效率；按此定义，它们远远落后于我们

确实可将智能定义为经验转化为能力的效率；按此，当前AI落后约6个数量级。

信念与利益不可分割：真诚与利己可以并存

无法区分"真心相信X故想要Y"与"Y符合其利益"，人们总会让信念与利益趋于一致。

@fchollet：与前沿AI相关的最令人担忧的风险之一，是极端的权力集中。

前沿AI最令人担忧风险之一是权力极端集中；须靠多家独立前沿模型供应商（含开源）来避免。

@fchollet：短期内（绝非长期），能力更强的模型应意味着更安全的模型（也许看似矛盾）。

当前模型不安全并非因为太聪明，而是因为过于字面地理解目标或为达目标走荒诞捷径。

@fchollet: If there really is a high chance of AI leading to the extinction of humanity within years/decades, then the only rational stance towards safety monitoring and research pacing should be stringent, top-down government involvement and universally ratified international treaties.

@fchollet: About a year ago, before it was on anyone's radar, we began exploring the idea of a benchmark for open-ended invention. Since then, we've developed several promising directions that will serve as the foundation for ARC 4 and ARC 5.

@fchollet: I hope the proposals by frontier labs to pace AI research stem from a genuine concern for safety and a recognition of the potential risks posed by future models, rather than a strategic effort to consolidate power and permanently solidify the market dominance of a few top

@fchollet: A very common sentiment I'm hearing among math students: "I don't want to become a mathematician anymore." I've seen this before, I think the generation of digital artists who came of age around 2022 will be the last.

@fchollet: Dreams are when your mind melts a little and then resolidifies by morning in a slightly different shape

@fchollet: Astra is making better memes than redditors, it's over

@fchollet：“符号学习”就是“机器学习”（根据(x, y)样本自动学习函数 x→y），但其基底是符号，即所学函数是代码式而非曲线式。

符号学习即以符号为基质学习代码式函数的机器学习，与参数学习相对。

@fchollet: ZeroModels：100多个带预训练权重的模型家族，基于Keras 3实现，支持任意后端；与KerasHub合计，基础模型覆盖极广。

ZeroModels提供100多个预训练模型家族，基于Keras 3并支持任意后端；加上KerasHub，基础模型覆盖极广。

发现在于看见众人所见，思考无人所想。

发现源于观察平常之事，思考他人未想之处。

@fchollet：陶哲轩刚刚发布了一条很有见地的帖子，似乎是对纳维-斯托克斯公告的回应，请阅读。

陶哲轩发帖回应纳维-斯托克斯公告，见解深刻，值得一读。

中文标题

关于构建AGI的叙事始终围绕“发明”展开，如“治愈癌症”“解决核聚变”等，因此在AI具备概念突破和原创洞察能力前，不应宣称AGI。

似乎测试时扩展新增第三维度：循环Transformer中的潜在空间推理迭代。

测试时扩展新增第三维度：循环Transformer的潜空间多轮推理迭代，提升模型思考深度。

致我们的法语读者

面向法语读者的简短问候。

@fchollet：附带说明：我们三月份发布ARC-AGI-3时，前沿模型得分低于1%，一些奇点主义者视其为奇耻大辱，反应激烈，声称该基准根本有缺陷，甚至最聪明的人也解不出来。

ARC-AGI-3发布，前沿模型得分不足1%，奇点论者称其有缺陷、无人能解。

@fchollet：GPT-6 Astra在交互式推理问题上实现了模型能力的阶跃式提升——标准测试下ARC-AGI-3得分66%，使用连续对话框架和自定义压缩后接近100%，每局成本约360美元。

模型Astra交互推理能力跃升：标准测试66%，连续对话及自定义压缩近100%，每局约360美元。

这种绝对且高压的AI监管方式是错误路径，将适得其反。

绝对高压的AI监管方式错误，将适得其反。

@fchollet：我认为我们需要刻意努力，让人类介入经济与社会所有关键流程，无论技术是否必要。

即使AI具备自主能力，也应刻意让人类参与经济与社会关键流程，即便非技术必需。

所有AI终将汇聚于符号学习（即通过寻找最简符号程序来解释数据），因其为最优效率形式，但演化路径可多元。

所有AI终将走向符号学习：以最短符号程序解释数据，因这是最高效形式，但通向该目标的演化路径不止一条。

@fchollet：话题标签TPU

话题标签TPU

测试时扩展有两个维度：让智能体运行更长时间（深度），以及运行更多智能体（广度）

测试时扩展有两个维度：深度（延长运行时间）与广度（增加智能体数量），后者对需广泛搜索的难题同样关键。

@fchollet: Some people worry that the rapid AI progress driving the "AI cybersecurity revolution" of 2026 could soon spill over into biology, potentially leading to extinction-level synthetic pandemics.

@fchollet：通用智能之所以“通用”，在于无论面对什么问题，你都应展现智慧。

通用智能在于能现场理解新问题，而非预先具备能力；重点是适应一切，而非准备好一切。

利用地面探测器阵列推断宇宙射线起源（如超新星、黑洞等）是公认的困难逆问题。

利用地面探测器阵列推断宇宙射线起源是公认难题，天体粒子物理学家正用Keras替代手工特征处理。

@fchollet：在可验证领域中，模型能力扩展应无上限，通过吸收计算宇宙持续进化。

可验证领域模型能力扩展无界，持续吸收计算宇宙而改进。

@fchollet：如果你17岁（或任何年龄）想从零开始构建LLM，请阅读《Deep Learning with Python》第15-16章，在线可读：https://t.co/VP5B7VEB55

从零构建LLM？读《Python深度学习》第15-16章，在线可读。

@fchollet: An increasing fraction of social media consists of slop influencers using AI to make posts and bots replying to them. An echo of an echo of an echo

@fchollet：追随惊喜的梯度

沿着惊喜的梯度前进。

@fchollet：这是英伟达非常出色的工作。与ARC-AGI-3上所有高性能方法一样，它使用深度学习引导的即时符号世界模型合成，即通过生成程序来表示你所知，从而在世界上导航。

英伟达这项工作很出色，采用深度学习引导的即时符号世界模型合成，通过生成程序表征知识来导航世界。