Andrej Karpathy 谈人机交互的未来：从文本到交互式神经视频 (opens in new tab)

📌 One-Sentence Summary Andrej Karpathy 分享了一个实用技巧：让大语言模型以 HTML 格式输出结果，并展望了 AI 输出从文本到交互式神经视频的演进路线，他认为视觉是人类偏好的输出模态。 📝 Summary 在这篇富有洞察力的推文中，Andrej Karpathy 分享了一个实用技巧：在提问时让大语言模型以 HTML 格式组织回答，然后在浏览器中查看生成的文件，以获得更丰富的视觉体验。他将此延伸为对人机交互演进更宏大的愿景：音频是人类的优选输入方式，而视觉（图像、动画、视频）则是人类的优选输出方式。他勾勒了一条从纯文本到 Markdown、HTML，最终到由扩散模型直接生成的交互式神经视频的演进路径。Karpathy 还强调了更丰富输入模态（如用手指向和比划屏幕内容）的必要性，以弥合人与 AI 之间的交互鸿沟。该推文引用了一个近期爆火的交互式模拟，作为这一技术演进方向的例证。 📊 Article Meta AI Screening：92 Featured：Yes Source：Andrej Karpathy(@karpathy) Author...