Based on this YouTube video's total view count of 552 views and industry-standard rates, the estimated total earning is $0 - $1 through ad revenue. Historical data is not yet available to calculate daily, weekly, or monthly averages.

Explore 说得好，不等于懂：AI 的“在理”是谁读进去的？随机鹦鹉：AI 越流畅，我们越容易替它补上理解 。连贯在观看者的眼睛里：从随机鹦鹉收束人机关系第二季 | AI关系考古 第二季 S2E20 with 552 views, 1 likes, and 1 comments. Experience the impact of this video content that has captured audience attention.

上一期，Turkle 问：AI 表演出来的理解，能不能算真正的理解？这一期，我们把问题再往根上推一步：当 AI 说话时，它到底在做什么？ Bender、Gebru、McMillan-Major 和 Shmitchell 在 2021 年提出了一个后来传遍 AI 圈的名字：随机鹦鹉。她们认为，语言模型极其擅长处理语言的形式，能把词句按概率缝得流畅、专业、体贴，却不因此拥有传播意图，也不因此理解世界或正在阅读它的人。 但这篇论文最锋利的地方，并不是嘲笑机器不懂。它把问题转向我们：“连贯是在观看者的眼睛里。”机器生成形式，我们的大脑却会主动填入意义、逻辑和一个仿佛正在负责说话的“谁”。 AI 说得越顺，我们越容易把流畅误读成理解，把像样误读成可靠，把回应误读成关系。真正需要校准的，可能不只是模型能力，而是我们那套“听到一句完整的话，就默认背后站着一个明白人”的古老本能。 这是《AI 关系考古》第二季的最后一期。我们从信任、角色、动力走到情感，最后回到人这一头：人和 AI 之间的关系，有多少来自机器，又有多少是我们自己读进去、投射上去、共同建构出来的？ 已发布合集： 第一季 01｜媒介等式：人为什么会对一台黑白电脑讲礼貌 https://youtu.be/WV6M50gBlgo 第一季 02｜1935 年，有人把心理学的桌子掀了 https://youtu.be/d1N3qOop1_E 第一季 03｜传播即游戏：Stephenson 的 Play Theory https://youtu.be/u0dgkR_vZXo 第一季 04｜Computers Are Social Actors：CASA 的源头 https://youtu.be/gMKviBXKy6U 第一季 05｜无心智的社交反应：Mindlessness https://youtu.be/-ZwY3Xo_cDI 第一季 06｜Operant Subjectivity：Q 方法论的体系化 https://youtu.be/v3noS7AE0A0 第一季 07｜Q 方法论离开心理学：Brown 1980 的转折 https://youtu.be/tSDqf0EpGRk 第一季 08｜当代 Q 方法论操作圣经 https://youtu.be/lEiOKzTnAOU 第一季 09｜拟人化的三因子：On Seeing Human https://youtu.be/_k12ATgElag 第一季 10｜ELIZA 之父亲手反 AI（反方） https://youtu.be/x3ALMGO0VOM 第二季 11｜信任不是有没有，是校不校准 https://youtu.be/OP4xndseN_I 第二季 12｜信任的底色，是文化 https://youtu.be/AxiJTXJkfhE 第二季 13｜出问题的，不一定是用的人 https://youtu.be/ip3zF6KW4fg 第二季 14｜机器读不到你的处境 https://youtu.be/m7UQE5ZekcQ 第二季 15｜技术从来不是中立的 https://youtu.be/qs44v2535tE 第二季 16｜创造力是怎么被杀死的 https://youtu.be/dXYR76oQMNk 第二季 17｜心流：无聊与焦虑之间 https://youtu.be/WlENRiHdHHM 第二季 18｜你在和“什么”说话 https://youtu.be/TA0x0n9BgsE 第二季 19｜当表演看起来就够了 https://youtu.be/zvckTUL3v5o 订阅频道，和我一起考古人与 AI 的关系现场。 00:09 第二季最后一问：AI 说话时到底在做什么？ 00:55 《论随机鹦鹉的危险》与论文背后的 Gebru 风波 02:21 三位技术内部人，说出不受欢迎的话 02:50 当整个行业默认模型越大越好 03:19 随机鹦鹉：语言形式如何按概率被缝在一起 03:59 形式的天才与意义的空位 04:35 没有意图和内心，还能叫传播者吗？ 04:53 问题不只在鹦鹉，也在我们 05:15 “连贯是在观看者的眼睛里” 06:14 从两百行 ELIZA 到大语言模型的投射机制 06:59 仿冒的流畅、环境成本与被冻住的偏见 08:26 信任校准回到人这一头，以及第二季收官 参考文献： Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? In *Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT '21)* (pp. 610-623). ACM. https://doi.org/10.1145/3442188.3445922 标签： # AI关系考古 # 人机关系 # 人与AI的关系 # 第二季 # 第二季收官 # EmilyBender # TimnitGebru # AngelinaMcMillanMajor # MargaretMitchell # Bender2021 # StochasticParrots # 随机鹦鹉 # 大语言模型 # LLM # 生成式AI # ChatGPT # 形式与意义 # 仿冒的流畅 # ErsatzFluency # 连贯性 # 意义投射 # ELIZA效应 # Weizenbaum # 信任校准 # AI伦理 # 算法偏见 # 环境成本 # FAccT # GoogleAI # 人机传播 # HMC # Q方法论 # 文献精读

With SocialCounts.org’s view counter, track your YouTube video’s live view count and YouTube likes count in real time with fast, reliable updates.

Watch every YouTube video live view count rise with our real-time YouTube views tracker—built for accuracy and minimal delay.

Follow YouTube real time views as they happen, using our dedicated view counter for YouTube videos.

Get up-to-date live view count on YouTube and see real-time growth with SocialCounts.org’s smart tracking tools.