以下是我在2025年9月26日於維也納TEDAI的TED演講中的筆記 第一場：基礎 Walter Werzowa（藝術家，皇家藝術學會獎學金，錄音學院），Olivier Oullier（包容性大腦，生物技術牙科，MBZUAI） - 介紹 - 樂團、大腦介面、DJ、音樂家 - 通過AI將大腦波轉換為音樂的表演 Shaden Alshammari（研究員，麻省理工學院） - 化學元素週期表啟發的機器學習框架 - 機器學習元素週期表組織算法、分佈和目標函數 - 連接不同方法的表示學習方法 - 改進60年歷史的K均值聚類算法的新圖像聚類算法 - R和Q變量分別表示真實關係（有和沒有註釋）和學習的關係 - 機器學習算法的元素週期表結構揭示了新方法的空白 - 通過學習的表示進行監督學習信號 Lukasz Kaiser（研究員，OpenAI） - 自駕車 - 為什麼它們不像計程車司機那樣到處行駛？ - 為什麼治療疾病的AI如此困難？機器需要從更少的數據中學習 - 更強大的可學習模型 - RNN - 蜗牛在單詞周圍爬行 - 變壓器 - 背著所有先前單詞的背包的蜗牛 - 變壓器從更少的數據中學習 - 推理模型/推理者 - 仍然攜帶所有單詞，但也在中間生成自己的單詞（測試時），可以進行數學運算並在上下文中思考 - 研究人員 - 強大的模型 + 可學習的、任意數據、任意測試時間、並行性（不再是順序的） - 科學發現，下一類模型 - 時間表 - 更接近而不是更遠，幾個月/一年而不是幾十年；不是非常遙遠的未來...