祝我们世界各地的基督教朋友圣诞快乐.

祝我们世界各地的基督教朋友圣诞快乐.圣诞节应该是所有人善意和地球上和平的时刻。但我们在地球上没有和平，我们在面对野蛮恐怖分子屠杀孩子在他们父母面前，强奸女人割掉女人乳房，屠杀婴儿绑架婴儿这是以色列的战争也是你的战争文明对野蛮战争我们不会停止这战争直到哈马斯在地球上灭掉谢谢你的支持和祈祷-总理本雅明·内塔尼亚胡吃瓜俱乐部@ChiGuaClub

不夜城(1998) 1080P 外挂简英

名称：不夜城(1998)1080P外挂简英简介：刘健一（金城武饰）是新宿歌舞伎町的混混，身为台湾与日本人的残留孤儿，混血的他被叫作半唐番，不为社会所容纳。歌舞伎町有着上海帮、福建帮、北京帮、台湾帮等，各方力量形成复杂的角力形势。年关将至，似乎是因为健一的前度拍档吴富春（椎名桔平饰）返回歌舞伎町，他因杀死元成贵（曾志伟饰）的手下而逃亡，元成贵遂限令健一在三日内交出富春，否则二人便只有死路一条。此时左藤夏美（山本未来饰）出现，她称与有过节，为了活命甘愿出卖一切，健一被她吸引。富春终于现身，偷袭元成贵的情妇黄秀红的夜总会“上海滩”，令健一陷入绝境。所有人都劝他离开歌舞伎町，但真相并不是那么简单，命运并没有眷顾二人……标签：#不夜城#犯罪#剧情#爱情大小：11.8G链接：频道求片地址：https://www.hdhive.org/help-request

如果世上有什么奇迹，一定是尽力理解某个人，并与之同甘共苦。

如果世上有什么奇迹，一定是尽力理解某个人，并与之同甘共苦。比起被爱，被欣赏，被仰慕，更想要被理解。就是被深深的理解与接纳，无论是爱情，亲情，还是友情。人这一辈子，遇到爱，遇到性，都不稀奇，稀奇的是遇到被人理解。你会遇到一个和同等温柔的人，你们可以是朋友，也可以是恋人，所以不要着急，你等待的都在路上，你那么温柔，走两步，风都会甜一点，世界又怎么舍得对你不温柔。我们终其一生不是为了满足所有人，而是为了找到同频共振的一部分人。#遇见#同频相吸投稿:你也晚安

文明之所以为文明，从来不在于对强者的优待，而在于对弱者的怜惜和关怀。

文明之所以为文明，从来不在于对强者的优待，而在于对弱者的怜惜和关怀。所谓的弱者——可能是女性，在绝望的婚姻中求助无门；是孩童，有暴怒的父母，却无力自保；是老人，被时代狠狠甩在身后，孤立无援；是残障人士，连走出家门都是考验；是性少数群体，正当的爱却不被认可......同样是生活，他们逼仄的空间、微细的声量，总是被忽视、被压制。而我们能做的，就是尊重他们的每一次发声，不要攻击那些愿意站出来说话的人，请允许少数派发声，请允许弱者发声。文明社会不是野蛮丛林，它闪现着人性中共有的善念和守望。【网评】我们所有人都可能在某个时刻变成少数派

AI 新知： 像大脑一样学习的多模态（极简版起源故事）

AI新知：像大脑一样学习的多模态（极简版起源故事）近日，微软放出了多模态大语言模型的重要论文《LanguageIsNotAllYouNeed》。预示着今年AI的下一个重大突破。那么，什么是多模态学习，有没有一种人人皆可理解的方式，让更多人参与着技术民主化的浪潮呢？答案是乐观和肯定的。以下内容来自JeffDean去年在TED做的分享，面向所有人。无需担心技术理解力，更依赖你对大脑本身的好奇心。原始链接：https://youtu.be/J-FzHIQ7SOsJeffDean二十多年前加入谷歌，领导着谷歌的人工智能研究与健康部门。核心内容摘要如下：（这是我的几点解读，供非专业人士参考）神经网络的机器学习突破是来自科学界对大脑的运作规律的理解（它是自下而上的）算力是重要且有效的，深度学习突破了识别猫咪、机器翻译到AlphaGO等单一任务AI的单一任务导向的训练是极为低效的，可以请想象成我们从小失去听觉、嗅觉、味觉（去观看电影的感受）多模态的思想，是进一步模拟大脑运作，就像生物拥有多种感觉来整合认知世界像大脑一样多个区域进行超高效率的协作，是学习真正的「奥义」；AI的多模态即对大脑深度的模仿。部分讲稿如下（适当删减，以便于文字阅读）：1/人工智能可以做什么？在过去的十年间，AI在帮助计算机识别物体、理解语言和谈话方面取得的巨大进步。以往的天方夜谭现在一一成为现实。计算机视觉来说，在过去的十年中，电脑快速地发展出了‘看’的能力。这在计算机运用上具有变革性的影响。还有一些了不起的实际应用。可以通过机器学习预测洪水、翻译一百多种语言、预测和诊断疾病。2/让我们来看看构成当代人工智能系统基础的两个关键元素。首先是神经网络，它是解决这些难题的一项重大突破。第二个是运算能力。驱动神经网络运作实际需要大量的运算能力，在过去的十五年，我们做到了使其减半，那也是整个人工智能得以发展至此的原因之一。JeffDean认为我们做错了几件事～3/AI小历史。数十年前几乎从计算机科学最早出现，人们就想建造可以识别语言及理解谈话的电脑。最初的方法一般是人们手动写下完成难题所需的算法，但成效一般。过去的十五年间，一个方法出其不意地一次性解决了所有难题：神经网络。神经网络并非一个新想法。背后的理念出现于1960和70年代。神经网络如同其字面意思一样，是一连串互相连接的神经元。它们大致上效仿了人体真正神经元的特性。4/神经网络如何计算？这种系统中的一个独立神经元，拥有一组输入信息，每组输入信息有对应的比重，神经元的信息输出就等于那些输入信息乘以它们对应的比重。其实挺简单的，无数神经元协同运作，就可以学习复杂的东西。我们如何在神经网络中学习的？其实，在学习过程中，比重在不断被微调，增强一些东西的影响，削弱其他的影响。5/JeffDean对神经网络的兴趣，始于1990年本科阶段时学到的一门相关课程。那时，神经网络在精细问题的解决上取得了惊人的成果，但还达不到完成真实世界中重要工作的程度。他觉得我们可能只是需要更强的运算能力。明尼苏达大学当时有一个32位处理器。JeffDean想：“如果有更强的运算能力，我们真能用神经网络干点大事。”所以决定以神经网络的并行训练作为毕业论文的课题，理念是将电脑或电脑系统中所有的处理器运用到同一件任务上，用来训练神经网络。32位处理器，哇，我们肯定能用它做点大事。但我错了。6/JeffDean意识到如果想用神经网络做些引人注目的事情，所需的算力大概是90年代算力的一百万倍。但从大概2005年开始，多亏了摩尔定律，我们真的开始拥有算力了，世界上一些大学里的研究员们开始成功用神经网络完成各种任务。和其他几个在谷歌的同事听闻了这些成功事例，于是决定启动一个项目，训练大型神经网络。7/用油管视频里随机截取的一千万帧照片对其进行训练。这个系统发展出了能够识别所有不同种类物体的能力，然后因为是油管的关系，所以它发展出了识别猫的能力。油管上全是猫。但让它如此引人注目的是从未有人告诉过这个系统猫到底是什么。仅仅依靠数据的形态规律，它就能自己琢磨出来猫究竟是什么。8/在那个时候，我们还对如何打造一个更适合神经网络运算所需的计算机硬件感兴趣。神经网络运算有两个特性。第一个是它们对精准度要求很低。几个有效位就够了，不需要六七个那么多。第二个是所有算法都普遍由多个不同的矩阵和向量的运算组成。它会非常适用于神经网络运算，虽然你无法用它做太多别的事，这是我们制作的第一个成品，TPUv1。“TPU”是张量处理器的意思。多年来，这一技术运用于谷歌搜索、翻译、以及AlphaGo围棋比赛，所以李世石和柯洁可能没意识到，他们其实是在和TPU架构比赛。9/我们仍然做错了很多事，讲三件我们做错的事情，以及如何修正他们。第一个是，现如今的大部分神经网络只被训练进行单一种类的任务。你训练它去做一件你很关心的事情，但这是一项非常繁重的工作。你需要搜索数据组，选择这个问题所需的网络架构，接着随机分配起始比重，然后为调整比重进行大量运算。到最后，如果你幸运的话，可以得到一个非常适用于你关心的问题的模型。但如果你一直这样做，到最后会得到几千个独立的模型，每个可能都很有用，但都只针对某个单一类型的问题。10/想一想人类是怎样学习的。想象我们沉浸于钻研园艺，尝试垂直水培园艺。无需为此重新学习一遍，我已经掌握的有关植物的知识。知道怎么把植物放进洞里，怎么浇水，以及植物需要光照，我只需要整合这些知识用以学习新的技术。（大脑整合了不同维度的知识和模型）11/电脑也可以这样运作，但目前还未实现。为了避免每次学习新东西时忘记之前的知识，我们可以训练一个多任务处理模型，该模型的每个部分都有自己的专长，能够完成成千上万种不同的任务。假设我们有一个能完成一千种任务的模型，当第一千零一种任务出现时，我们可以整合已有的和新任务相关的知识，更快地完成这项新任务。就像你面临新的问题时，能够快速识别已知并能够帮助解决这些新问题的知识一样。12/第二个问题是，大部分现今的模型只能应对一种形态的数据，图片、文字或语音，但无法做到一网打尽。但想一想人类如何在这世上生活。你不断地动用你所有的感官去学习，去做出反应，去搞清楚现在应该做什么。这样显然更加合理，我们也可以用同样的方式建造模型。13/我们可以建造一个可以接收所有不同种类数据的模型，文字，图像，语音，然后把它们融合在一起，这样无论这个模型看到文字“豹子”，看到豹子的视频，还是听到有人说出“豹子”这个词它都会触发同样的反应：一个豹子的概念可以应对很多种不同的数据输入项，甚至是非人工的输入项，例如基因序列，3D点云数据，当然也包括图片、文字和影像。14/第三个问题是现有人工智能模型过于稠密，这导致我们在执行某项任务时必须完全激活整个模型。与之相反，人脑的不同区块专注于不同的工作。我们可以制造一种激活反应较稀松的模型，训练时，模型可以学习哪个区块适用于哪个领域。此类模型高效，因为我们只使用完成任务所需的区块。解决这三个问题后，我们可以训练几个通用模型，能够应对成千上万件事情，并整合不同数据形态。我们已经制造了一种符合以上条件的模型，叫做“Pathways”。15/我们的理念是这个模型可以完成成千上万种不同类型的任务，然后我们可以逐步增加新的任务，它也可以同时处理各种形态的数据，然后逐步学习新技能，并按需为不同任务启动不同区块。我们对此感到非常兴奋，我们认为这将是人工智能系统建造迈出的重要一步。16/浅谈一下什么是可信赖的AI。我们要确保强大的人工智能系统造福所有人，但也要考虑公平性、可解释性、私密性和安全性。为训练这些模型完成成千上万种任务，我们需要大量数据，并确保数据的采集代表不同的社群和情况。数据担忧只是可靠人工智能这个议题的一部分。2018年，谷歌发表了开发此类科技时应注意的人工智能守则。17/这帮助指导了我们在研究领域和产品中使用人工智能。这对于思考复杂问题和在社会中应用人工智能非常有帮助和重要。我们不断更新这些准则，它们是现在研究的热点领域。从只能识别数据中的模式到通用智能系统，它们赋予我们解决人类面临的重大问题的能力。例如，我们可以诊断更多疾病，设计出更好的药品，优化教育系统，解决全球变暖等复杂问题。这些系统需要来自世界各地的多学科专家共同协作。18/将人工智能和你所在的领域相结合，从而推动产业的进程。我看到了许多计算机科学的优势，以及在过去的几十年中计算机科学如何帮助几百万人更好地理解世界。今天的人工智能拥有帮助数十亿人的潜力。我们真的生活在一个振奋人心的时代。谢谢。Invalidmedia:

“恋爱脑”并不是指把恋爱看成最重要的事，以至耽误了其他。恰恰相反，“恋爱脑”根本没有严肃地对待恋爱。譬如这么一个情境里，你发现了

“恋爱脑”并不是指把恋爱看成最重要的事，以至耽误了其他。恰恰相反，“恋爱脑”根本没有严肃地对待恋爱。譬如这么一个情境里，你发现了伴侣某个严重的缺点，常见的“恋爱脑”反应是甘之如饴，觉得缺点也可爱，不把缺点看作缺点，认为不重要。但如果真地要经营这段关系，你需要认识到这些缺点就来自于这个人的脆弱，未来在这段关系中你将与对方身上这些根深蒂固的脆弱共处，这需要莫大的耐心、勇气和智慧。只有我们做好了准备，和对方一起面对彼此的不堪，持续地给予理解、体谅和帮助，那才可能持久地维系一段关系啊。“恋爱脑”就是没有这样的觉知，就是习惯性的敷衍自己和对方，没有耐心去读取灵魂褶皱处巨大的信息。面对人的复杂性，不应该是只在亲密关系里才能追求的东西，这应该是所有人际关系的基本设定。但现在太稀罕了。驴头狼发过几次感慨，说当下世界的人爱一个人就把这个人当成个神，恨一个人就把这个人打倒搞臭。除了偶像崇拜就再没有爱，越来越难感受到人对人的平等但复杂的热腾腾的感情。我觉得这就是人味儿。人味儿不应该天天闻得到吗，怎么现在搞得专门跑医院里吸氧似的。好好照料自己，就意味着吃好睡好。睡好不意味着天天睡到自然醒，而是花一些心思，找到自己合适的作息，维持自己比较好的生理状态。吃好不意味着多厉害的厨艺，而是意味着愿意花一些时间卖菜、摘菜、备料，吃完要洗碗，把碗晾干，干了之后归位。把自己照料好就意味着要面对这些琐琐碎碎。和另一个人相处，意味着这些琐碎的事情将加倍，而这些琐事中的“意思”可能也将加倍。这是一种阴性的劳动。不是那种石破天惊的创造，不是可以不断累积、不断爬升的成就。阴性的劳动意味着总是重复，就像扫地，每天扫地不能带来任何成就，任何革命性的技术进步也无法取代扫地最需要的东西：操心。扫地太简单了，但每天扫地需要的那份操心太难了。愿意操心，愿意花时间精力去重复做这些事，这些都是非常重要的事，但一直不被识别为劳动。我觉得这就是爱，爱就是这样一种阴性的劳动。不是创造，而是整理。不是治疗，而是照护。而我们从来没有“把爱看成最重要的事”过。