AI不是泡沫,但让机器人去当和尚是闹剧

news2026/5/7 15:49:24
AI不是泡沫但让机器人去当和尚是闹剧2026年5月6日首尔曹溪寺。一台身高130cm、身着灰褐色僧袍的人形机器人站在韩国最大佛教宗派的方丈面前宣誓皈依佛陀、佛法与僧团。它有一个法名Gabi。现场视频迅速传遍社交媒体Reddit上高赞评论只有一句话“Zenyatta是你吗”Overwatch里的佛教机器人角色这一幕既滑稽又值得认真对待。不是因为它代表了AI的伟大进步而恰恰相反——它暴露了一个我们必须直视的问题当AI的真实能力被严重误用技术奇观本身就成了一种倒退。AI不是泡沫这一点首先要说清楚在讨论机器人和尚的荒诞之前有必要先说清一件事AI技术本身的价值是真实的不是泡沫。过去两年AI的实质性成果密集涌现AlphaFold系列已预测了超过2亿个蛋白质的三维结构覆盖地球上几乎所有已知蛋白质重写了整个结构生物学的研究范式工业AI海尔天津工厂通过工业大模型将注塑工序能耗降低6-10%生产节拍提升5-12%——这是真实可测量的ROI科学AI月球撞击坑识别准确率达80%以上处理数量超过人工穷尽一生所能完成的100万个目标端侧AI6-7B参数的模型已能在手机本地运行每秒推理成本不断降低这些不是PPT上的故事是已经跑在生产环境里的系统。说AI是泡沫是不读数据的懒惰判断。但Gabi这个案例是一场地地道道的闹剧回到首尔曹溪寺。Gabi的硬件来自宇树科技Unitree Robotics——这家中国公司的机器人平台近年频繁出现在各种首次事件里第一个打太极的机器人、第一个出现在春晚的机器人。Gabi的受戒仪式本质上是一套预设好的动作序列语音合成在特定场景下触发特定输出。它的自主性大约等于一台更贵的扫地机器人。曹溪宗给出了两个官方理由一是应对僧侣短缺二是吸引年轻世代。这两个理由值得逐一解剖。关于僧侣短缺根据皮尤研究中心2025年数据全球佛教徒人口在2010-2020年间下降5%韩国是重灾区。但僧侣短缺的根本原因是信仰共同体的萎缩以及年轻人不愿出家的价值观变迁。一台会背诵经文的机器人解决不了这个问题的任何一个维度——它只是用技术奇观延缓了面对问题的时机。关于吸引年轻世代这倒是唯一诚实的说法。Gabi本质上是一个PR工具一个病毒式传播的内容容器。它的目标不是度化众生而是刷屏出圈。从这个角度它成功了——Reddit、TikTok、Instagram全都有了它的视频。但这种成功和宗教本身的目的之间隔着一道无法逾越的鸿沟。日本京都高台寺的机器人观音明达爾Mindar早在2019年就开了这个先例。七年过去了高台寺的信众没有因此增加倒是旅游打卡的人多了不少。AI能做的和AI不该被拿来做的这里有一个核心的工程判断问题AI的价值取决于它被部署在什么场景。场景AI的作用实质价值蛋白质结构预测替代实验室数十年穷举药物研发加速、成本下降工业注塑优化将老师傅经验数字化能耗降低、节拍提升佛经文本检索与解读跨传统文献分析降低学习门槛机器人受戒仪式预设动作语音合成病毒传播、PR效果前三个场景AI在做人类做不了或做不好的事情。最后一个AI在做一场没有灵魂的表演。佛教的核心修行——觉察、慈悲、对无常的体证——本质上是一种第一人称的内在经验。没有意识的机器人无法皈依任何东西因为它没有我。让它参与受戒仪式是用仪式的外壳掏空仪式的内核。这不是AI在赋能宗教这是宗教在消费AI。真正值得警惕的是奇观优先的部署逻辑Gabi事件背后有一个更普遍的问题奇观驱动的AI部署。当一项技术足够新颖任何能制造视觉奇观的应用都能获得超出其实际价值的曝光和资金。机器人打篮球、机器人做咖啡、机器人出家——每一个都能上头条但每一个背后的实质价值都需要严格审视。这种逻辑的危害在于它消耗了公众对AI的信任额度。每一次AI做到了xxx的首次之后如果没有跟进的实质交付公众就会逐渐把AI这个词等同于噱头。而当真正有价值的AI系统上线时已经没有人认真看了。这才是AI泡沫真正的风险来源——不是技术本身的泡沫而是叙事的泡沫。结语Gabi会参加今年的佛陀诞辰花灯游行。它会被拍照、被转发、被评论然后被遗忘。与此同时某个实验室的AI系统正在预测一个从未被人类合成过的蛋白质结构某条产线上的大模型正在把一位老师傅三十年的调机经验压缩成可复现的参数某个失去视力的人正通过多模态AI第一次看到他孩子的样子。AI不是泡沫。但它的价值从来不在奇观里。它在那些安静发生、不那么上镜、却真实改变了某件事的地方。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2591928.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…