Windows 7 登入慢？純色背景、群組原則可能是元兇！深入解析 30 秒延遲之謎，了解訊號遺失與解決方案。

如果你曾在 Windows 7 時代將桌面背景設為單一純色，可能會對登入時那張「歡迎畫面」卡住不動的情況感到熟悉。現在，這個 15 年前的老問題終於有了清楚解釋——而且原因出乎意料：純色背景竟然會讓系統誤以為桌面還沒準備好。

微軟資深工程師 Raymond Chen（《The Old New Thing》部落格作者）近日在一篇文章中回顧了這段技術歷史。他指出，早在 2009 年 Windows 7 與 Windows Server 2008 R2 推出之際，就有不少用戶抱怨登入後「歡迎畫面」停留太久，甚至長達 30 秒才顯示桌面。經後續調查發現，這竟與「桌布選項」設定為純色有關。

問題關鍵：系統在等待一個「永遠不會來的訊號」

根據 Chen 解釋，Windows 的登入程序其實會等待多個桌面組件（如：任務欄、系統服務、桌面圖示與桌布）各自回報「就緒（Ready）」訊號。當所有訊號都到齊，歡迎畫面才會淡出，進入使用者桌面。

而問題就在於，如果使用者設定的是純色桌布，系統中負責處理桌布的程式碼會跳過「載入桌布圖片」的流程，因此也不會執行原本應該回報「WallpaperReady」的那一行程式碼。最終，系統就會乾等一個「永遠不會出現」的訊號，直到 30 秒超時才繼續。

Chen 甚至貼出簡化版的模擬程式碼，顯示這種 Bug 是怎麼發生的邏輯性錯誤，強調這不只是個技術疏忽，而是典型的「假設程式一定會走到某段邏輯」的錯誤設計。

類似情況也可能出現在「隱藏桌面圖示」設定

除了桌布問題，Chen 還補充指出，若使用者啟用「隱藏桌面圖示」的群組原則，也可能出現相同狀況。原因是一樣的——如果條件不符合，負責回報圖示就緒的程式段落就會被整段跳過，再度導致登入卡住 30 秒。

這個 Bug 當年確實有被微軟正式承認並修復。根據微軟技術支援頁面，早在 2009 年 11 月時，Windows 7 和 Server 2008 R2 的用戶就能透過更新修補此問題。

 

• 延伸閱讀：Windows 留不住自家人？微軟產品經理用一小時就「逃回」macOS
• 延伸閱讀：Windows 95 開機音效、《Minecraft》原聲帶被美國國會圖書館選入永久保存名單，正式成為人類經典文化遺產
• 延伸閱讀：沒有TPM 2.0就升不了Windows 11？微軟解釋為何這麼重要

 

 

加入T客邦Facebook粉絲團

不少公司急於擴張版圖、搶奪話語權，NVIDIA 卻選擇了一條看似保守，實則更具戰略價值的路線：「我們會避免做任何可以不做的事。」

當全球 AI 產業競爭越演越烈，不少公司急於擴張版圖、搶奪話語權，NVIDIA 卻選擇了一條看似保守，實則更具戰略價值的路線：「我們會避免做任何可以不做的事。」 這句話來自執行長黃仁勳，背後是一套「有所為、有所不為」的企業哲學。

當 AI 基礎設施遇上挑戰，NVIDIA 選擇不動如山

在 3 月舉辦的 GTC 開發者大會上，黃仁勳重申了 NVIDIA 的核心原則：不提供最終解決方案，而是專注打造可供客戶自行發揮的基礎設施。他坦言，NVIDIA 支援從 AI 網路、儲存到異質運算的完整技術堆疊，但不涉入最終 50% 的應用價值實現，將創造力留給合作夥伴。

這樣的策略在近期再度經歷考驗。中國開源模型陣營 DeepSeek 推出的 R1 模型，被認為是利用相對「舊式硬體」進行訓練，對高階 GPU 硬體依賴性低，引發市場對 NVIDIA 長期優勢的質疑。

不過，面對這樣的挑戰，NVIDIA 並未躁進擴張產品或重新定位，而是堅持做自己擅長的事——打造極致穩定且可拓展的基礎運算架構。

為什麼這樣的「自律」反而讓 NVIDIA 成功？

比起全面出擊，黃仁勳更重視能量分配。他曾在公開演講中指出，公司規模雖達 3.6 萬人，卻遠小於矽谷其他科技巨頭，而每位員工的時間都是「極為稀缺的資源」，必須集中在最具價值的創造上。

例如在資料中心設計上，NVIDIA 採用「先縱向擴展再橫向擴展」的思維，也就是先打造單一伺服機架內最強的運算密度，再進行橫向串接。這與傳統低成本、高數量的架構不同，也凸顯 NVIDIA 對「品質與穩定性」的執著。

這樣的思維不只出現在產品設計，也反映在內部文化上。黃仁勳曾對內部員工說：「我們不會說要去爭奪市場佔有率，為什麼要爭？我們應該創造新的東西。」

與其什麼都做，倒不如把最重要的事做到極致

NVIDIA 的成功，不單靠一顆 GPU，而是靠一整套讓合作夥伴能建構自己產品的生態系統。這也是為什麼即使市場上充斥自研 AI 模型、自製晶片風潮，NVIDIA 的價值仍未被稀釋。

即便面對 DeepSeek 模型挑戰與美國新一輪 AI 關稅政策影響，NVIDIA 股價仍能穩住市值 2.71 兆美元，全球排名僅次於蘋果與微軟，超越 Amazon、Alphabet，說明市場對其長期策略的信心。

 

• 延伸閱讀：NVIDIA RTX 5060 Ti 16GB 顯示卡效能跑分曝光，顯示比 4060 Ti 高出 14%
• 延伸閱讀：NVIDIA 為其專有的 CUDA 架構帶來原生的 Python 支援，幫助開發者加速 AI 開發
• 延伸閱讀：NVIDIA RTX 5060 Ti 現身FurMark：測試分數與 RTX 3080 Ti 相當

 

加入T客邦Facebook粉絲團

這兩顆球真的是同一種顏色？別信你的眼睛

你有看過這張讓人懷疑人生的圖片嗎？一顆藍色球、一顆綠色球，看起來分明不同，但實際上，它們——是一模一樣的顏色。

這不是玩笑，而是科學。這個爆紅於社群平台的視覺錯覺圖，來自美國德州大學埃爾帕索分校（University of Texas at El Paso）的電腦科學教授大衛・諾維克（David G. Novick）。他專門研究圖像處理與人機互動，而他最大的興趣之一，就是「愚弄人眼」。

謎一樣的「錯色球」：其實是水藍色（RGB 49, 255, 233）

上面的圖就是諾維克在他X上PO出的一張圖，圖片中看似一藍一綠的兩顆球，實際上基本色完全相同。無論你將背景去除、拼接圖層，甚至使用電腦取色工具檢驗，結論都一致：這兩顆球的顏色完全一樣。

Two-color Munker illusion with small dots over large spheres, which appear to be blue and green but have exactly the same base color (RGB 49,255,233). Shrinking the image increases the effect. Original png file is at https://t.co/6r2PMbLMJc. pic.twitter.com/IoOmvBa3Va

— David Novick (@NovickProf) May 28, 2019

這種讓人驚呼「我是不是色盲了？」的效果，背後其實有學理依據。它的原理，叫做——蒙克–懷特視錯覺（Munker–White’s illusion）。

究竟是怎麼回事？你的大腦欺騙了你

這類視錯覺的核心機制，是人類大腦在判斷顏色時，會不自覺把背景與周圍色彩納入參考。結果，即使某個物體本身的顏色未變，在不同的「環境色」映照下，大腦會自動「重算」，讓我們看到一個與事實不符的顏色感知。

這種錯覺，最早由心理學家懷特（Michael White）與蒙克（Hans Munker）在 1980 年代所揭示。他們發現，人眼對色彩的感知會受到背景色與「框架條紋」的顯著影響。

以下圖來看，下圖中的三隻眼睛。你分別看到什麼顏色？大多數人會說是藍色、綠色、紅色或其他明顯不同的色調。

但當你將干擾的條紋去除，回到原始影像。你會發現，沒錯，它們的顏色確實相同。

簡單來說，這些錯覺圖的組成條件是：

1. 中層物體色相同

2. 底層背景色可相同或不同

3. 上層「框架色」對比強烈（條紋、斑點）

當「框架色」越鮮明、對比度越大，例如使用互補色（如藍黃、紅綠），錯覺的效果就越強。

 

大腦演算的「視覺補償機制」。

視錯覺乍看之下是大腦的錯誤，但事實上，它是演化出的「視覺補償機制」。

你可能會想：「為什麼不乾脆看到真實色值就好？」但實際上，錯覺的產生，是因為人類的大腦想幫我們做出「更有用」的判斷。

在自然界中，光線環境常常變化，例如：

• 早上與傍晚的蘋果反光不同，但我們仍能辨認出紅色

• 陰天、陽光下的衣服，看起來顏色不一樣，但你知道它沒變

這是因為我們的大腦學會「忽略光線干擾」，自動推測物體的本質顏色。但這種能力在某些「刻意設計」的圖像中，就會造成明顯的錯覺。

倫敦大學學院的神經科學家博・洛托（R. Beau Lotto）與大衛・科尼（David Corney）指出，我們看到的不是光線的「真實物理值」，而是大腦對「最可能的真實情境」所作出的解釋。

經過演化的漫長教導，我們的感知系統已經把某種刺激對應的「最可能狀況」作為「感知」而保留下來。當「最可能狀況」與「真實狀況」一致時，我們就「看見了」。然而在刻意設計的錯覺圖中，這種補正反而會讓我們看錯。

更驚人的是，這種錯覺不只發生在人腦，就連人工智慧（AI）經過訓練後，也會出現相同的視覺錯覺。當博·洛托要求神經網路去學習「顏色恆常性」（lightness constancy），也就是要求它在不同光照條件下能判斷出一個物體的「本色」時，經過學習的神經網路在獲得這種能力的同時，也獲得了「和人類一樣看見視錯覺」的能力。

諾維克教授與他的日本好友、實驗心理學家北岡明佳（Akiyoshi Kitaoka），經常一起創作這類「讓你懷疑自己眼睛」的視錯覺圖：

• 四顆球，看似不同，其實全為 RGB 251,183,251 的粉紫色

• 十二顆球，全是同一個水藍色（RGB 156,249,255）

• 兩隻貓照片，看起來一深一淺，其實是一樣的圖

當這些圖放大或降低背景對比度，錯覺就會逐漸減弱，直至看出真實顏色。這也進一步證明：我們看到的顏色，不等於它的實際數值，而是大腦的認知結果。

 

加入T客邦Facebook粉絲團

身為 HDD 大廠的 Seagate（希捷） 最近發佈一份報告，強調 HDD 不只是便宜耐用，在環保層面也「碾壓」SSD。

 

雖然固態硬碟（SSD）早已成為主流存儲選項，但傳統的機械硬碟（HDD）並未完全被取代，尤其在大容量與冷資料儲存場景中仍有一席之地。身為 HDD 大廠的 Seagate（希捷） 最近發佈一份報告，強調 HDD 不只是便宜耐用，在環保層面也「碾壓」SSD。

誰的碳足跡最重？SSD高居第一

這份報告從三個角度來比對 HDD、SSD 與磁帶（Tape） 這三種存儲介質的「二氧化碳排放量」表現：

儲存類型	容量	總排碳量（5年）	每TB平均碳排	每年每TB碳排
SSD	32TB	4915 公斤	160 公斤	32 公斤
磁帶	18TB	48 公斤	2.66 公斤	≦ 0.6 公斤
HDD	32TB	29.7 公斤	<1 公斤	< 0.2 公斤

其中 SSD 的碳足跡遠高於其他兩者，被點名是「最不環保」的選項，而機械硬碟的排放量則僅為其 0.6% 左右，希捷也藉此大力推銷自家 HDD 的綠色價值。

機械碟不退場，冷資料最適用

除了環保優勢，希捷也指出，在資料中心與企業級儲存中，冷資料（Cold Data） 佔比逐年上升。根據 IDC 的調查，目前全球約 60% 的資料屬於冷資料，不需要頻繁讀寫，但仍需長期保存。

這類資料的儲存場景正是傳統 HDD 與磁帶的強項，既能提供穩定長久的保存能力，又具備相對低廉的 TCO（總擁有成本）。

雖然希捷的報告某種程度有「老王賣瓜」的意味，但也確實點出了儲存產業在能耗與環保議題上的新焦點。在 ESG 趨勢持續升溫的情況下，儲存媒介的碳足跡也逐漸成為採購決策的一環。

加入T客邦Facebook粉絲團

有玩家反應，這問題不只 RTX 50 系列受到影響，RTX 40 及 RTX 30 系列同樣出現問題，顯示影響範圍極廣。

 

NVIDIA 近期釋出的 GeForce 576.02 版驅動程式，雖然修復了多達 41 個 Bug，但卻意外引發了 GPU 核心溫度辨識錯誤的問題。為了解決此問題，NVIDIA 迅速推出了 GeForce 576.15 熱修復驅動程式，不僅修正了溫度 Bug，還修復了 RTX 50 系列的其他六個問題。

GeForce 576.02 版驅動程式問題

GeForce 576.02 版驅動程式在修復大量 Bug 的同時，也帶來了一個新的問題：部分玩家回報升級後出現 GPU 核心溫度辨識錯誤，導致核心頻率和電壓無法調節，尤其是在睡眠或休眠後更容易發生。

Reddit 論壇上，有玩家反應，這問題不只 RTX 50 系列受到影響，RTX 40 及 RTX 30 系列同樣出現問題，顯示影響範圍極廣。

初步判斷是名為 "NvAPI_GPU_GetThermalSettings" 的 API 連接埠出現問題，無法正確獲取溫度變化，導致顯示錯誤的固定值。

臨時解決方案包括完全重啟電腦或退回舊版驅動程式。有玩家認為可能是 MSI Afterburner 和 Riva Statistic Server 這兩款監控軟體的問題，但軟體作者已澄清與監控軟體無關，問題源自驅動程式本身。

 

GeForce 576.15 熱修復驅動

NVIDIA 迅速應對，推出了 GeForce 576.15 熱修復驅動程式，解決了上述溫度 Bug，並額外修復了 RTX 50 系列的六個問題，其中三個是由 576.02 版驅動程式引起的：

• 修復系統休眠恢復後，GPU 監控工具無法回報 GPU 溫度的問題。
• 修復 RTX 50 系列升級 576.02 版驅動後部分遊戲陰影閃爍、顯示錯誤的問題。
• 修復 RTX 50 系列升級 576.02 版驅動後部分遊戲在編譯器著色階段崩潰的問題。
• 修復 RTX 50 系列升級 576.02 版驅動後 GPU 待機頻率偏低的問題。
• 修復 RTX 50 系列上使用多螢幕時 SteamVR 輕微卡頓的問題。
• 修復 RTX 50 系列上 Lumion 2024 進入算繪模式後崩潰的問題。
• 修復 RTX 50 系列筆記型電腦上 Modern Standy 待機恢復後黑螢幕的問題。

 

GeForce 576.15 版熱修復驅動程式下載：https://nvidia.custhelp.com/app/answers/detail/a_id/5650

 

 

加入T客邦Facebook粉絲團

破解彩券系統？賭博團隊買下99.3%組合，一舉奪下德州近9500萬美元頭獎

2023年春天，一場精心策劃的彩券豪賭在德州上演。故事的主角是出身倫敦銀行家的伯納德·馬蘭泰利 (Bernard Marantelli)，他有一個大膽的想法：購買即將開獎的德州彩券的所有組合，以確保贏得高達9500萬美元的頭獎。

下注2580萬組合，只為確保命中

據《華爾街日報》報導，當時每張彩券售價1美元，總共有2580萬種組合。如果沒有其他人中獎，扣除成本後，利潤將接近6000萬美元。然而，如果有多人中獎，獎金將被平分，這將大大降低了盈利空間。

為了實現這個計劃，馬蘭泰利組建了一個團隊，其中最引人注目的是來自塔斯馬尼亞的著名賭徒澤利科·拉諾加耶克，他以「約翰·威爾遜」的化名為人所知，並為這次行動提供了資金。拉諾加耶克以在賭場中出奇制勝而聞名，因此獲得了「小丑」的綽號。

設立列印彩券中心，每秒印過百張，買下近全部組合

他們的計劃是利用機器讓人們可以選擇號碼，並通過印表機列印彩券。2023年，德州允許線上彩券銷售商開設門市店，為顧客列印彩券，這為他們的計劃提供了可乘之機。

馬蘭泰利親自飛往德州，建立了四個臨時彩券列印中心，其中甚至包括一個廢棄的牙醫診所。他們從一家陷入困境的線上彩券供應商 Lottery.com 那裡購買了官方彩券終端機，並連續三天不間斷地進行列印。

團隊將每組號碼轉換為 QR Code，由手機掃描送入彩券終端機。他們以驚人的速度列印彩券，每秒超過100張，最終購買了1到54這六個數字所有可能組合的99.3%。

列印好的彩券被仔細整理到盒子裡，以便於快速找到中獎號碼。結果不出所料，其中一張彩券中了頭獎，而且是唯一的贏家。在扣除成本並拿到5780萬美元（約台幣18億8千萬元）的一次性獎金後，該團隊獲利約2000萬美元。

Lottery.com 的執行長格雷格·波茨 (Greg Potts) 在一封內部電子郵件中寫道：「這對公司來說是一個巨大的勝利」，並強調該公司將從銷售佣金中獲利近264000美元。他們以「Rook TX」的名義匿名領獎，但在《休斯頓紀事報》報導後，迅速引起了公眾的關注。

合法卻惹議，美國政界要求徹查

包括州長格雷格·阿博特在內的德州官員下令展開調查，德州博彩監管機構唐·內特爾斯提告 Lottery.com 及其獲獎者，指控他們欺騙普通玩家。然而，被告尚未對這些指控作出回應。

阿博特上個月表示：「如果調查發現可能引發起訴的訊息，就應該提起訴訟。如果調查發現委員會的措施不足，那麼這些措施就需要改革。」

德州副州長丹·帕特里克甚至稱這一計劃是「德州歷史上針對德州人民的最大盜竊案」，比「所有銀行搶劫案、所有西部火車搶劫案以及所有偷過東西的人」的盜竊金額總和還要多。

儘管爭議不斷，但從技術上講，他們購買彩券是合法的。代表德州魯克市的一位律師表示，「所有適用的法律、法規和規章都得到了遵守。」

自從這次中獎事件以來，其他公司也開始嘗試複製這種模式。一些零售商收到了出租彩券終端機用於大規模列印彩券的邀請。

為了防止類似事件再次發生，德州彩券委員會試圖提高這種操作的難度，包括不再為客流量較低的彩券銷售點提供額外的終端。該委員會還推出了一款軟體更新，限制了終端每日售出的彩券數量。

加入T客邦Facebook粉絲團

研究發現人們難以與電腦互動的原因可能是智力不足而非訓練不足

你是否也曾疑惑：為什麼有些人怎麼教都學不會用電腦？來自阿爾托大學與赫爾辛基大學的最新研究指出，認知能力（如記憶力、注意力與邏輯推理）才是影響電腦操作熟練度的關鍵，甚至比經驗還重要。

這項研究顛覆了長久以來「練習就能變厲害」的迷思。研究團隊發現，光靠使用經驗與訓練，可能不足以彌補某些人在記憶、專注力與執行力等方面的不足。研究人員指出，一個人的智力在電腦操作能力中所扮演的角色，遠比先前認為的重要。

認知能力影響電腦日常操作表現

研究發現，像是感知、推理與記憶等一般性的認知能力，比以往認為的還更關鍵，會直接影響一個人是否能順利完成日常電腦操作任務。

阿爾托大學人機互動專家 Antti Oulasvirta 教授表示：「這是首次有明確證據顯示，認知能力會獨立且廣泛地影響人們使用電腦的能力。它的重要性與過往使用經驗不相上下。」

研究團隊強調，這項結果加深了對數位不平等的擔憂——隨著現代使用者介面越來越複雜，單靠練習已不夠，認知能力才是能否順利使用數位工具的核心關鍵。

「僅靠訓練無法彌平不同人之間的差距，未來的使用者介面必須回歸『簡單易用』的原則。這個目標早已被遺忘，而設計不良的介面正成為數位落差的幫兇。若我們無法解決這個基本問題，就很難讓社會大眾更深入、平等地使用電腦。」Oulasvirta 教授指出。

測驗設計與發現重點

研究由阿爾托大學資訊通訊工程系與赫爾辛基大學心理系聯合進行，針對不同年齡層的受試者進行觀察。每位受試者需完成 18 項真實任務，包括：

• 安裝軟體

• 網頁導航

• 操作試算表

• 線上填寫表單

這是首度透過實際任務來評估人們使用電腦的能力，而非過往問卷自評的方式。赫爾辛基大學的講師 Viljami Salmela 表示：「我們知道人們對自己的能力常有誤判，因此必須實際測量他們完成任務的表現。」

研究結果發現，與玩電腦遊戲相比，日常使用電腦時，處理速度並非重點，反而是工作記憶、注意力與執行功能才是關鍵。

Salmela 補充說：「使用電腦時，你必須安排處理事情的順序，同時記住自己已經完成哪些步驟。純粹的數理或邏輯能力幫不上太多。」 

「我們的研究結果首次明確證明認知能力對人們使用電腦的能力具有顯著、獨立且廣泛的影響。與之前的想法相反，認知能力與之前的電腦使用經驗同樣重要，」阿爾托大學教授安提·奧拉斯維爾塔（Antti Oulasvirta）說道，他與他的團隊深入研究了人機互動。

研究人員強調，這些發現引發了人們對數位平等的擔憂。隨著使用者介面變得越來越複雜，單靠練習已經不夠了，認知能力現在是成功駕馭數位環境的關鍵因素。

「顯然，僅僅透過訓練無法消除個體之間的差異；未來，使用者介面需要簡化，以便於使用。這個古老的目標在某個時候被遺忘了，設計笨拙的介面已成為數位落差的驅動因素。除非我們解決這個基本問題，否則我們無法促進社會更深入、更平等地使用電腦，」奧拉斯維爾塔說。 

應用程式類型不同，認知需求也不同

Oulasvirta 教授指出，不同類型的應用程式對認知能力的需求也有差異，例如：

• 使用試算表：需要大量練習

• 資訊搜尋：語言理解能力為主

• 線上銀行：執行功能是重點

然而，研究也證實：「年齡仍然是決定使用效率最強的因素。」年長者在完成任務時明顯花更多時間，也覺得任務更具壓力與負擔。

這項研究提供了大量有關最重要的認知能力的新資訊。雖然處理速度在電腦遊戲中很重要，但在日常電腦任務中卻並不被重視。

「然而，研究結果還表明，年齡仍然是個人使用應用程式能力的最重要因素。年長者顯然需要更多時間才能完成任務，他們也覺得任務更為吃力，」Oulasvirta 教授說。

• 編譯自/ScitechDaily

加入T客邦Facebook粉絲團

史丹佛大學研究指出，兩小時的面試足以讓AI準確複製你的個性

人工智慧已經展現出非凡的能力，但僅僅經過兩個小時的面談，它就能複製出一個人的全部性格嗎？ 研究人員認為，答案是肯定的。 然而，這種進展引發了嚴重的倫理問題和對潛在濫用的擔憂。

Google和史丹佛大學的研究人員已經證明，只需與人工智慧模型進行兩小時的對話，就能創造出驚人準確的個人人格複製品。 該研究報告於11月15日發表在預印本資料庫arXiv上，介紹了「模擬代理」——一種旨在精確模仿人類行為的人工智慧模型。

這項研究由史丹佛大學電腦科學博士生Joon Sung Park領導，對1052名參與者進行了深入訪談。 這些訪談涉及個人故事、價值觀和對社會問題的看法，形成了用於訓練人工智慧生成模型的資料集。 參與訪談者的年齡、性別、種族、地區、教育程度和政治意識形態都有意保持多樣化，以確保人類經驗的廣泛代表性。

為了評估準確性，參與者完成了兩輪性格測驗、社會調查和邏輯遊戲，並在間隔兩週後重複這一過程。 然後，人工智慧複製品也進行了同樣的測驗，與人類對應物的反應如出一轍，準確率達到了驚人的85%。

帕克接受《麻省理工科技評論》採訪時表示：「如果你能讓一群小『你』跑來跑去，並真正做出你會做出的決定——我認為，這最終就是未來。」

研究人員設想，這些人工智慧模型可以在受控環境中模擬人類行為，從而徹底改變研究工作。 其應用範圍可以從評估公共衛生政策到衡量對社會事件或產品發布的反應。 他們認為，這種模擬提供了一種測試干預措施和理論的方法，而無需考慮使用人類參與者在倫理和後勤方面的複雜性。

然而，我們應該對這些研究結果抱持健康的懷疑態度。 雖然人工智慧複製體在複製個性調查和社會態度方面表現出色，但在預測互動經濟決策遊戲中的行為方面卻明顯不夠準確。 這種差異凸顯了人工智慧在執行需要理解複雜社會動態和情境細微差别的任務時所面臨的挑戰。

用於測試人工智慧代理準確性的評估方法也相對初級。 社會總體調查和五大人格特質評估等工具雖然是社會科學研究的標準工具，但可能無法完全捕捉到人類性格和行為的複雜層面。

倫理問題使該技術的影響更加複雜。 在人工智慧和「深度偽造」技術已被用於操縱和欺騙的時代，引入高度個人化的人工智慧複製品引起了人們的警惕。 這種工具有可能被武器化，擴大隱私和信任的風險。

麻省理工學院史隆管理學院（MIT Sloan School of Management）副教授約翰-霍頓（John Horton）指出，儘管有這些保留意見，但這項研究為未來研究帶來了令人信服的可能性。他說：「這篇論文展示了如何實現一種混合：使用真人生成角色，然後以真人無法實現的方式透過程式設計/模擬使用這些角色。」

訪談過程在捕捉個體細微差別方面的效率尤其引人注目。 Park 借鑒自己在Podcast採訪中的經驗，強調了兩小時的談話所能提供的深刻見解。

這一創新引起了已經在開發數位分身技術的公司的興趣。 Tavus公司（一家專門從事利用客戶資料創建人工智慧複製品的公司）執行長哈桑-拉扎（Hassaan Raza）對這種簡化方法表示了極大的熱情。「今天跟人工智慧面試官談30分鐘，明天再談30分鐘，怎麼樣？ 然後我們用它來構建你的數位分身。」

加入T客邦Facebook粉絲團

在最近舉辦的 GPU 技術大會上，NVIDIA 宣布 CUDA 軟體工具包原生支援 Python。

CUDA 是 NVIDIA 專有的 GPU 平行運算架構，專有意味著並非開源，因此在軟體開發和支援方面都由 NVIDIA 自己作主。在沒有開源社群參與的情況下，CUDA 也存在諸多限制，例如並沒有原生支援 Python。

不過在最近舉辦的 GPU 技術大會上，NVIDIA 宣布 CUDA 軟體工具包原生支援 Python，而先前 CUDA 主要依賴於 C 語言和 C++ 語言，而 Python 則是目前非常流行的程式開發語言。

根據 GitHub 2024 年開源數據調查，Python 在 2024 年已經超過 JavaScript 成為全球最受歡迎的程式語言。Python 在資料科學、機器學習和高效能運算領域佔據著主導地位，但長期以來 CUDA 對 Python 的支援僅停留在工具層面，開發者需要掌握 C++ 或 Fortran 等語言才能直接操作 CUDA 進行 GPU 程式，顯然這種壁壘肯定會限制 CUDA 在 Python 開發者社群中的普及。

NVIDIA CUDA 架構師在 GPU 技術大會上表示：「我們一直在努力將加速 Python 運算導入 CUDA 技術堆疊，讓 Python 支援成為一流支援。新的 CUDA Python 支援並非簡單地將 C 語言翻譯為 Python，而是為 Python 開發者量身打造的 Pythonic 體驗，確保能夠自然融入到 Python 開發流程。」

CUDA Python 核心特性包括：

• CUDA Core： 對 CUDA Runtime 的 Pythonic 重新構想，CUDA Core 完全採用 Python 的執行流程，深度整合了 JIT Compilation。開發者不需要呼叫外部命令列編譯器即可完成 GPU 運算，這種設計顯著減少了依賴項並提升了開發效率。
• cuPyNumeric 函式庫： 這是一個與 NumPy 相容的函式庫，開發者只需要更改一行導入指令，即可將原本執行在 CPU 上的 NumPy 程式碼遷移到 GPU 上執行。該函式庫為資料科學和機器學習開發者提供無縫的過渡體驗。
• 統一的 API 介面： CUDA Python 提供了一套標準的低階介面，涵蓋 CUDA 主機 API 的全部功能。這種統一程式碼不僅可以提高程式碼的可移植性，還增強了不同加速函式庫之間的互操作性。

對開發者來說這是個非常好的消息，特別是對 AI 和機器學習開發者來說是重大利多。許多 ML 開發者使用 Python，現在這些開發者不需要再學習 C/C++ 即可充分利用 GPU 硬體。當然，NVIDIA 支援 Python 也會鞏固 NVIDIA 在資料中心 GPU 市場的領先地位。

另外，NVIDIA 還計劃在未來支援更多程式語言。早在 2024 年 GPU 技術大會上，NVIDIA 工程師就表示 NVIDIA 還在探索諸如 Rust 和 Julia 等程式開發語言，以吸引更廣泛的開發者群體。

相關資源：https://github.com/NVIDIA/cuda-python

加入T客邦Facebook粉絲團

Intel 18A Panther Lake 今年量產供貨、明年大規模上市

Intel 已經反覆強調，首發 18A 製程的下代處理器 Panther Lake 將在今年量產發表，不過在日前舉辦的 VISION 2025 大會上，出現了一張投影片，Panther Lake 旁邊赫然寫著「2026 年客戶端產品」。難道延後了？非也。

Intel 官方強調，18A 製程和 Panther Lake 處理器都會在今年下半年投入大規模量產，並批量供貨給 OEM 廠商，而相關終端產品，將在 2026 年大量上市。

注意，Panther Lake 是一款定位行動端筆電的產品，而按照慣例，這類處理器肯定要在量產後先發給 OEM 廠商，供其設計產品，一切準備就緒後再集體上市，自然需要一些時間。

事實上，早在去年的聯想創新科技大會活動期間，Intel 前任 CEO 基辛格就首次展示了 Panther Lake 樣品，並交付給了聯想。

如果不出意外的話，Panther Lake 將會命名為酷睿 Ultra 300H/300U 系列，但不會叫酷睿 Ultra 300V 系列。

這是因為，當下的 Lunar Lake 即酷睿 Ultra 200V 系列，其實是一款特殊的產品，無論其 AI 強​​化、記憶體整合封裝，還是超高的能效都是如此，因此暫時不會有直接繼承者。

不過 Intel 表示，Lunar Lake 的一些技術和理念，會融入到後續產品。

這就像當初的 Lakefield 處理器，首發使用了 Foveros 封裝技術，其實也沒啥存在感，更沒有後繼者，更多的像是一次實驗，而如今 Foveros 技術已經發揚光大。

加入T客邦Facebook粉絲團