最新

数十亿美元的投入，以及对几年内实现通用人工智能（AGI）的巨大宣传。是否有人认为目前基于深度学习/神经网络的人工智能方法最终会走入死胡同，无法兑现其承诺？如果是的话，为什么？ 我意识到这个问题的定义有些模糊。毫无疑问，目前的方法将继续改进并取得成果，因此可能不容易界定“死胡同”。 在这个背景下，我想看看是否有人认为当前的方向是错误的，并且不会带我们到达最终目标。

我在周末与Claude Code合作，开发了一个命令行脚本，可以处理包含输入标签、输出标签和处理标签的Google表格（这是我通常构建的方式），并生成一个Python或TypeScript/JavaScript文件，执行与Google表格相同的逻辑。这个工具的主要用途是让非软件开发人员（例如，金融专业人士、精算师、科学家）能够构建数据处理逻辑，并且能够比使用Google表格API更快速和有效地运行这些逻辑。 我不确定这个工具的适用范围有多小，目前我还在用越来越复杂的表格进行测试，但到目前为止，它对我来说效果出乎意料地好。欢迎任何评论、想法、建议等。