Y L

[紀春生 @ji_chunsheng]

世界杯结束后，X上一篇火出圈文章：“为什么所有人突然都开始讨厌梅西：一场舆论操控的拆解”：

作者：@therosieum

2022年12月，全世界都在庆祝梅西捧起世界杯。

到了今年夏天，所有人却突然开始骂他是骗子、是反派——当然，主要是那些平时根本不看足球的人，��及社交媒体上的年轻人。

我看了一辈子足球，所以这对我来说是个相当敏感的话题。与此同时，我的工作就是塑造叙事：做营销、做定位，让人们对某件事产生特定的情绪和看法。

我知道改变公众舆论需要付出多大代价，也清楚这类操作在幕后究竟是如何运作的。

这篇文章就是一次完整的拆解：这些舆论攻势是怎样开始的，如何传播开来，为什么它们能够影响你的大脑，以及为什么下一轮攻势只会来得更快。

第一阶段：形象翻转

四年前，几乎整个足球世界都希望梅西能够赢得世界杯。

当他终于做到时，那就像是这项运动历史上最伟大的职业生涯之一，迎来了一个再完美不过的结局。

然而四年后，社交媒体却不知怎么地，把他塑造成了一个反派。

从那时到现在，球场上其实几乎什么都没有改变。

裁判的判罚尺度基本没变，阵容也还是以原来那批球员为主，梅西依然是那个梅西，踢着同样的足球。几乎所有变量都保持不变，但公众舆论却彻底翻转了。

真正发生变化的，只有内容分发机制：Instagram和TikTok背后的推荐算法，以及那个决定“把梅西塑造成反派”的视频，在这一轮比上一轮“把梅西塑造成传奇”的视频更容易获得流量的系统。

第二阶段：一场舆论攻势是如何开始的

这类事情很少从一个彻头彻尾的谎言开始。

它们通常会从某件真实发生的事情入手：一段被剪掉前因后果的犯规画面；一次没有附上关键回放的裁判判罚；或者一段从技术层面看并没有造假，却恰好删去了足够多背景信息的视频，从而讲出一个完全不同的故事。

接下来，算法开始接管一切。

成千上万个版本相互争夺注意力，互动量最高的内容被保留下来，其余内容则逐渐消失。时间一长，这些幸存下来的片段就不再像是彼此孤立的瞬间，而开始变成一套固定话术。最终，它们会被人们当成所谓的“常识”。

我身边那些连一个中场球员名字都说不出来的朋友，也差不多在同一时间突然开始讨厌梅西。

麻省理工学院的一项研究分析了大约12.6万条说法。这些内容在11年间，由约300万名用户在Twitter上进行传播。

在研究涉及的所有类别中，虚假信息都比真实信息传播得更远、更快、更深，也更广。

平均而言，真实信息触达1500人所需要的时间，大约是虚假信息的6倍；而虚假内容被转发的概率，则比真实内容高出70%。

原因其实并不难理解。

愤怒、冲突和意外，本来就比准确性更容易抓住人的注意力。

第三阶段：付费推动

很多看起来像是普通球迷自发制作的内容，实际上并不是自然产生的。

显然，我不会在没有证据的情况下指控是谁资助了目前这波舆论攻势。

但类似的事情，过去已经发生在同一名球员身上，而且当时甚至因此引发过警方突击搜查：

另一方面，自2017年以来，Meta每个季度都会发布有关“协同式虚假行为”的清理报告，一次性删除数以万计的虚假账号、主页和群组。研究人员最近还��踪到一个单独的操纵网络，它在Facebook和X平台上控制着近1500个虚假账号。

以我的从业经验来看，这种有组织的叙事操控，其实早已成为一项普通得不能再普通的工作内容：制定发布日程、组建剪辑团队、搭建创作者网络，再提前投放经过设计的话题和论点。

产品是这样推出的，加密代币是这样被炒高的，一个人的声誉也是这样被建立，又这样被摧毁的。体育从来都不是例外。

第四阶段：它为什么能影响你的大脑

早在1922年，沃尔特·李普曼就在《公众舆论》中提出，人们并不是直接对现实作出反应，而是对自己“脑海中的图像”作出反应。

当时他讨论的是报纸。

而今天，这些图像变成了由算法挑选出来的15秒短视频。

心理学家把其中一部分现象称为“虚假真相效应”。这是���理学中被重复验证次数最多、结果也最稳定的发现之一。

研究显示，仅仅看过某种说法一次，人们之后就更容易把它判断为真实，即使它本身是错误的。

这种影响可以持续数天，即使内容旁边附有事实核查标签，它依然会存在；甚至当某个说法与人们原本已经知道的事实相矛盾时，这种效应仍然可能出现。

这就是为什么这类舆论攻势不会只依赖一条爆款视频。

单独一个片段，很少能够真正改变一个人的看法。但几十条内容相似的视频，在数天甚至数周内不断重复出现，就会逐渐让人产生熟悉感。

最终，它不再像是别人告诉你的某种观点，而会变成一种你觉得自己一直都相信的事情。

这正是它们如此有效的原因。

第五阶段：对照组

足球可能是世界上记录最完整的事物之一。

网上保存着20年的比赛录像、采访和视频片段。人们提出的几乎每一种说法，���可以在一分钟内完成核实。

但即便如此，舆论叙事最终还是压过了证据。

这正是这件事最值得关注的地方。

如果公众对一个可能是足球史上影像资料最完整的球员，都能发生如此剧烈的态度转变，那么在那些普通人根本无法亲自核实信息的领域里，操纵舆论只会更加容易。

政治、战争、金融市场，甚至健康问题。

在这些事情上，你往往只能依赖别人提供的事件版本。

第六阶段：加速

过去，上面这一整套操作都非常昂贵。

想要大规模推动某种叙事，需要摄影棚、剪辑人员、广告投放，以及媒体和分发渠道之间的合作关系。

因此，这套操作手册过去主要属于政府和大型企业。

但这种门槛正在迅速消失。

2023年5月，新闻评级机构NewsGuard统计到49家由人工智能生成内容的新闻网站。到了同年12月，这一数字已经增长到614家。

如今，他们追踪到的人工智能内容农场已经超过3000家，而且每个月还会新增数百家。

现在，想象一下，当制作一段足以以假乱真的视频几乎不需要任何成本时，同样的舆论操控手法会变成什么样。

过去需要几年才能完成的事情，现在只需要几个星期，很快可能只需要几天。

我其实一点也不担心梅西。

他不会有事。他已经拿到了所有真正重要的冠军，身后还有长达20年的比赛录像作为证明。

真正让我担心的是其他所有事情。

如果互联网能够重新塑造一个可能是历史上影像记录最完整的足球运动员的声誉，那么想象一下，在那些没有20年录像可供人们查证的事情上，它又能做到什么。

政治、战争、商业，或者某些你甚至从未听说过的人。

在这些情况下，经过操纵的叙事，往往会成为大多数人一生中唯一能够看到的版本。

[Tony出海 @iamtonyzhu]

这篇文章含金量最高，

学Claude code才是每个人最值得投入的事情。

[The White House @WhiteHouse]

Power to the Players

[徐老猫 @raycat2021]

AI版出埃及记。摩西全程直播，带领希伯来人逃离埃及，海水让道，回到应许之地😆

[Lei Jun @leijun]

#XiaomiSU7Ultra's performance at the Nürburgring has earned global recognition for Xiaomi EV. We're honored that #GranTurismo has invited the SU7 Ultra to join its legendary lineup.

Gran Turismo excels at bringing real-world driving into the virtual world, inspiring both players and the industry.

Watch the full story in the video below.

[徐老猫 @raycat2021]

这个万圣节把戏不错👍油管上还有简易教程

[徐老猫 @raycat2021]

这是主要大型科技公司拥有的数据中心数量。
各大科技公司之间在这一方面较劲。
微软和亚马逊各自拥有三位数的数据中心。不过数据中心的大小并没有统一标准，数量不等于更大的容量。
亚马逊AWS仍保持着云计算领域最大的��场份额(31%)，计划未来15年斥资1500亿美元投资更多的数据中心，目前有26个在建中。所有这一切都是为了因应人工智能的繁荣。

[喵流青年😼 @midwaydude]

推薦一個日本音樂愛好者製作的樂理網站，中文本地化由志願者完成。

這個網站以深入淺出的語言介紹音樂歷史和理論，輔以圖畫、截圖、音頻視頻等資源輔助理解。認識的高階音樂愛好者都認為這是寶藏網站，現在也誠意推薦給大家。

https://t.co/LzEmo4XbnB

[歸藏(guizang.ai) @op7418]

非常好的一个演示视频，通过可视化清晰的介绍了 LLM 的核心 Transformer 架构的原理。

包括词嵌入、自注意力机制等关键技术。对了解GPT-3等大型语言模型的内部结构很有帮助。

👇下面是文字版本：

GPT的全称及其含义

GPT是Generative Pre-trained Transformer的缩写。其中,"Generative"表示这个模型是用来生成新文本的;"Pre-trained"意味着模型是在大量数据上预先训练好的;"Transformer"则指代一种特定类型的神经网络结构。因此,GPT本质上是一个基于Transformer架构、经过预训练、能够生成文本的语言模型。

Transformer的定义及其在AI领域的应用

Transformer是一种专门处理序列数据的神经网络架构。它最初是为机器翻译任务设计的,但后来被发现在其他许多NLP任务上也有出色表现,如语言建模、命名实体识别等。除了NLP,Transformer也被应用于语音识别、图像字幕生成等领域。Transformer的成功很大程度上归因于其���特的自注意力机制,使其能够高效地处理长程依赖关系。

Transformer的工作原理简介

Transformer的工作流程可以概括为三个主要步骤:首先,将输入的文本序列转化为一组向量表示;然后,通过自注意力机制和前馈神经网络对这些向量进行变换和更新;最后,根据更新后的向量生成输出分布,用于预测下一个词。整个过程中,自注意力机制起到了关键作用,使得模型能够动态地确定输入序列中每个位置与其他位置之间的相关性,从而更好地捕捉上下文信息。

Transformer处理文本信息的过程

当Transformer处理一段文本时,首先需要将其分割成一个个基本单元,如单词或子词,这些基本单元被称为"token"。接着,每个token都会被映射为一个高维向量,即"词嵌入"。这一步旨在将离散的文本符号转化为连续的向量表示,以便神经网络进行处理。然后,这些词向量会通过多个编码器层进行变换和更新,每一层都会综合考虑当前token与其他token之间的关系,从而使每个向量都融入了上下文信息。最后,解码器根据编码器的输出和之前生成的token,预测出下一个最可能的token。通过不断重复这一过程,Transformer就可以生成连贯的文本片段。

词嵌入(Word Embedding)的概念和作用

词嵌入是一种将词映射到高维向量空间的技术。通过词嵌入,每个词都被表示为一个实数向量,这个向量捕捉了该词的语义信息。词嵌入的一个重要特性是,语义相似的词往往在向量空间中距离较近。例如,"king"和"queen"这两个词的向量之间的距离会比"king"和"apple"的距离更近。此外,词嵌入还能够反映词之间的类比关系,如"king"-"man"+"woman"的结果会接近"queen"。词嵌入为神经网络提供了一种处理文本数据的有效方式,使其能够利用词语之间的语义关系进行推理和预测。

深度学习模型的基本结构和特点

深度学习模型通常由多个层组成,每一层对输入数据进行一定的变换,并将结果传递给下一层。层与层之间的连接通常是通过矩阵乘法实现的,其中矩阵的元素就是模型的参数。这些参数在训练过程中会不断更新,以使模型的输出与期望输出尽可能接近。深度学习模型的训练通常采用反向传播算法,即根据输出的误差,逐层调整参数的值。通过多次迭代,模型可以逐渐学习到数据中的规律和模式。深度学习模型的一个显著特点是,它们可以自动学习数据的表示方式,而无需人工设计特征。这使得深度学习在处理图像、语音等复杂数据时表现出色。

Softmax函数的作用和计算过程

Softmax函数常用于深度学习模型的输出层,特别是在多分类问题中。它的作用是将一组实数转化为一个概率分布,使得每个类别都有一个0到1之间的概率值,并且所有类别的概率之和为1。Softmax函数的计算过程分为两步:首先,对每个输入值取指数;然后,将每个指数值除以所有指数值的和。这样得到的结果就是一个合法的概率分布。Softmax函数有一个很好的性质,即输入值较大的类别会获得较高的概率,而输入值较小的类别的概率会趋近于0。这使得模型的输出更容易解释,并且有利于进行决策和预测。

生成模型预测下一个词的过程

当生成模型(如GPT)预测下一个词时,通常采用以下步骤:首先,根据前面已经生成的词,模型会计算出每个可能的下一个词的概率。这个概率分布反映了模型对不同词的偏好程度。然后,从这个分布中采样出一个词作为新生成的内容。接下来,模型将这个新词加入到已生成的序列中,并重复上述过程,直到达到预设的长度或遇到终止条件(如句号)为止。通过这种不断预测和采样的方式,生成模型可以创作出连贯而富有创意的文本。值得注意的是,为了提高生成文本的多样性和自然度,可以引入"temperature"等超参数来调节输出分布的形状。

GPT-3的参数量和嵌入矩阵

GPT-3是目前最大的语言模型之一,其参数量高达1750亿。这意味着,模型需要学习和存储大量的��重值,以刻画自然语言中的规律和模式。GPT-3的一个重要组成部分是嵌入矩阵(embedding matrix),它负责将每个词映射为一个高维向量。在GPT-3中,嵌入矩阵的大小为50257×12288,即词表中共有50257个不同的词(或子词),每个词被映射为一个12288维的向量。嵌入矩阵中的每个元素都是一个可学习的参数,在训练过程中会不断更新,以使得语义相似的词具有相近的向量表示。GPT-3庞大的参数量使其能够学习到比以往模型更加细致入微的语言知识,这也是其在各种NLP任务上表现出众的原因之一。

模型训练中的"Temperature"超参数

在生成模型的训练过程中,"Temperature"是一个重要的超参数,它控制着输出分布的形状。具体来说,temperature值越高,输出分布就越平缓,生成的结果也就越多样化;反之,temperature值越低,输出分布就越尖锐,生成的结果也就越保守。合适的temperature值可以在确保生成内容连贯��的同时,提高其丰富性和创造性。例如,当temperature值接近于0时,模型会倾向于选择概率最高的那个词,导致生成的文本可能流于老套;而当temperature值较高时,模型会给予概率较低的词更多机会,从而产生更加新颖和意想不到的结果。在实践中,temperature值通常需要根据具体任务和需求进行调整,以达到理想的平衡。

[Y L @aceaero]

#ROGxEVANGELION, #EVA02, #Asuka

[ROG Global @ASUS_ROG]

⚠️Get ready to jump into action, gamers! ​

Join our giveaway for a chance to win a #ROG Strix GeForce RTX 4090 & ROG Herculx #EVA-02 Edition.🔥​

Embrace your inner hero as you indulge in the ROGxEVA-02 collection. All the best!🚀 https://t.co/Ii47IgF8Dx

#ROGxEVANGELION

[涵瞰世界/杨涵 Han Yang @polijunkie_aus]

according to family and friends, Ms Nina Li 李元��� has been detained by police in Beijing for participating in last November's Liangmahe protests. She works at PWC Beijing and is a graduate of @UNSW and Nankai University

[Reuters @Reuters]

Andrew Lloyd Webber’s ‘The Phantom of the Opera’ celebrated its 35th anniversary ahead of its final performance in April

[Reuters @Reuters]

Driver and YouTube star Ken Block dies in snowmobile accident https://t.co/UO16tqD51E

[Gran Turismo @thegranturismo]

Less than one month to go. #GT7

[Y L @aceaero]

@NVIDIAGeForce @rakistar #UltimatePlay

[NVIDIA GeForce @NVIDIAGeForce]

We just announced the GeForce RTX 30 Series and we're celebrating by giving you UNLIMITED chances to win 1 of 30 🤯

Here’s your first chance to win:

1. RT ANY GeForce post today
2. Tag a friend
3. Comment #UltimatePlay

Read sweepstakes details 👉 https://t.co/j1LYPpTrWp

[IGN @IGN]

Sony has filed a patent for a robotic gaming companion that reacts to your emotions.

[Y L @aceaero]

Everybody sees hotdogs on grill. lol

[Reuters @Reuters]

Spirit AeroSystems halts production for Boeing jets indefinitely https://t.co/gpD6SmTStp