（来源：上观新闻）
应对之道🏁，在于推动从🇸🇸🥬“效率导向”向👩👧👦🐐“技术正义🏐”的价值转💚🇧🇹向🇧🇩⏯。中新社记者🧰 张斌 摄 图为🚑👳4月28日，峰🇦🇽🎦会现场体验区⛹️♀️工作人员向参观者🕘介绍AI伴游助手🔜🌛。一个很好的🔏🧠例子就是这个💽🥜 mic🇰🇷🤭ro-GPT 🇬🇱🇲🇹项目，🌨我当时试图将 L🇹🇴sem全称LM 的🇲🇰☪训练过程简化🏦😝到极致✏。因此，🦸♀️Softwar👯♂️🇭🇺e 3.0🌐🙇♀️ 某种程度2️⃣上意味着，你的🚍编程方式现在🌙转向了提示工程😵👟。
你会感🌏🇵🇲觉自己仿佛脱离了💀强化学🐁习回路的控制🧛♀️。固化为本地应用后🇪🇬✂，优势明显🔕👨🌾： •🇧🇪 代码部分在💟本地运行 —— 🚂零 Tok🦜🍉en 消耗🍵🎌。后来我看到了🕵️♀️这件事的软🇨🇼件3.0版本，彻🔈🤭底震惊了📁我：只需🧚♂️💏把照片🙆交给Gemini🌟🇳🇷，然后说"🐉用Nana🦍🐬 Ba🕌nana把这💞👳♀️些内容叠加到菜👨✈️🇳🇮单上"👨🎓🇹🇫。这会把中国🇻🇪☹企业推向🌩🇸🇭一个更🇿🇲现实的🔧问题：AI不❌是能不能做，而🍜🌡是做了之后能♨不能长期跑、👓🔏能不能📢算得过来🧝♂️。
每次推广都要👁重新适配再训练，🇭🇹🦊成本不低💐🍧。过去，外界谈具🇼🇫身智能，容易🏋️♀️把焦点放🇲🇱👨💼在人形机器🥪✂人上🏝⛰。在 DeepM🚖ind 期间，H🇦🇲⏯aarn♻oja 曾主导多🦸♀️😒个将深度强化学习🇹🇯🇧🇿应用于实体机器🇹🇯😕人的项目，🤜🌦其中最为人熟🦐🙄知的是通过仿真强😮化学习训练🇲🇨小型人🔡🇨🇫形机器🍅🌄人踢足球：机器人🕎🇱🇻在虚拟环境中完全🇹🇻自主演◽🥩化出带🛹📵球、射门乃至跌🥝🇬🇼倒后自主爬起的复💆♂️杂行为序列🔛。
