大语言模型看到的颜色和人类一样吗?
大语言模型(LLM)和人类在感知颜色方面有很大不同。人类通过光的波长来看到颜色,而 LLM 则是通过理解单词之间的意义来“理解”颜色。
为了探索这个问题,AI 艺术家 Kat ⊷ the Poet Engineer 从维基百科提取了各种颜色名称和它们的 RGB 值,并对这些颜色进行向量表示。
- 将颜色的意义降维到三维空间,对应RGB值
- 根据 RGB 值的三维坐标来排列颜色
大语言模型并不真正“看见”颜色,而是通过词义关联理解颜色名称。AI艺术家Kat ⊷ the Poet Engineer利用维基百科的颜色名与RGB值,将颜色语义映射到三维空间,发现其分布接近人类视觉的RGB坐标——这揭示LLM对颜色的理解本质是语言关系,而非光学感知。
大语言模型看到的颜色和人类一样吗?
大语言模型(LLM)和人类在感知颜色方面有很大不同。人类通过光的波长来看到颜色,而 LLM 则是通过理解单词之间的意义来“理解”颜色。
为了探索这个问题,AI 艺术家 Kat ⊷ the Poet Engineer 从维基百科提取了各种颜色名称和它们的 RGB 值,并对这些颜色进行向量表示。
Runway 估值达 530 亿,正从视频生成工具转型构建 AI 世界模型。其核心逻辑是利用视频数据中蕴含的物理规律,弥补文本数据的偏见,目前已发布 Gen-4.5 并规划了交互式模拟、机器人训练等五步路线图。凭借好莱坞付费用户形成的反馈闭环与经常性收入,Runway 具备较强商业基础。尽管面临算力瓶颈及 Google、Luma 等激烈竞争,且 Sora 退出留下市场真空,但 Runway 通过“先有生意再有研究”的策略,试图验证视频生成通向世界理解的工程化路径。
Anthropic 宣布作废未经董事会批准的二级市场员工股转让,导致其估值短期内大幅缩水,引发关于 AI 泡沫破裂的讨论。由于公司未上市,员工套现依赖私募渠道,中间商通过 SPV 层层转卖并收取高额手续费,造成交易混乱且投资者权益缺乏保障。Anthropic 明确不认可此类灰色渠道交易,使大量散户面临资金损失风险。此外,AI 巨头如 OpenAI、xAI 和 Anthropic 的股权高度集中,少数早期员工巨额套现加剧了财富分配不均。尽管行业技术飞速发展,但普通民众难以参与核心利益分配。
Grok 4.3 近期更新后,多数用户仍停留在简单问答模式。AI Master 的实操演示显示,这款工具的真正价值在于工作流整合:Fast/Auto/Expert 三档模式分工明确,Expert 模式下追加"什么条件变化会让你改变答案"可逼出明确结论而非模棱两可的套话。深度嵌入的搜索支持一键生成带引用的舆情分析,"反向观点扫描"能在信息茧房中找出盲区。任务功能可设定周期性指令自动运行,相当于零成本的专职信息助理;结构化输出配合内置 Python 执行,上传 CSV 直接出图表,省去本地配置环境的
围绕《大语言模型看到的颜色和人类一样吗?》展开交流,未登录用户可浏览评论,登录后可参与讨论。