周三,纽约的一位应用开发者 Isaac Gemal 推出了一个名为 WikiTok 的新网站。用户可以像使用视频分享应用 TikTok 那样,通过垂直滑动浏览无限的 Wikipedia 文章摘要。
这是一种巧妙的方式,让人们可以随机发现有趣的信息、学习新知识,在无聊时不必求助于那些令人上瘾的算法社交媒体应用。诚然,WikiTok 本身也具有一定的沉浸性,但它没有侵入性的算法来追踪用户,也不会推送lowest-common-denominator(最低共同标准)的内容。它的魅力在于你永远不知道下一刻会出现什么内容。
WikiTok 可在移动端和桌面浏览器上运行,通过 Wikipedia API 向访问者提供随机的维基百科文章列表,以垂直滚动的方式呈现。尽管其名字让人联想到 TikTok,但目前并不包含视频内容。每个条目都配有相应文章中的图片。如果看到感兴趣的内容,可以点击"阅读更多",相关的完整 Wikipedia 页面就会在浏览器中打开。
目前,信息流完全随机,Gemal 正在抵制那些建议根据用户兴趣自动定制文章流的呼声。
Gemal 告诉 Ars:"很多人给我发消息,甚至在我的 GitHub 上提出要求添加一些疯狂的 WikiTok 算法。我不得不坚持立场,表示我们的日常生活已经被无情且不透明的算法所统治,为什么我们不能在这个世界上有一个没有算法的小角落呢?"
由于 Wikipedia 涵盖的知识范围广泛,在 WikiTok 上遇到的主题令人叹为观止。
在最近一次浏览 WikiTok 时,我遇到了各种主题,如 SX-Window (Sharp X68000 系列电脑的图形用户界面)、Xantocillin (首个被发现含有异氰基官能团的天然产物)、Lorenzo Ghiberti (佛罗伦萨的意大利文艺复兴时期雕塑家)、德克萨斯州的 William Wheeler House,以及德国克劳特海姆市——这些都是我在开始浏览前从未听说过的。
WikiTok 的诞生过程
WikiTok 的最初想法来自开发者 Tyler Angert,他在周一晚上发推文说:"疯狂的项目想法:在一个可滚动的页面上展示所有的维基百科内容。"Bloomberg Beta 风投 James Cham 回复说:"更好的是,基于你接下来感兴趣的内容的无限滚动维基百科页面?"随后 Angert 在后续帖子中创造了"WikiTok"这个名字。
第二天凌晨 12:28,作家 Grant Slatton 转发了这个关于 WikiTok 的讨论,这就是 Gemal 参与进来的契机。他告诉 Ars:"我从 Slatton 的转发中看到了这个。我立即想到,'我可以建立一个最小可行产品,这可能会火起来。'"
Gemal 在凌晨 12:30 开始他的项目,在 Anthropic 的 Claude 和 Cursor 等 AI 编码工具的帮助下,他在凌晨 2 点完成了原型,并在 X 上发布了结果。后来有人在 ycombinator 的 Hacker News 上宣布了 WikiTok,它登上了该网站每日新闻项目的榜首。
Gemal 告诉 Ars:"整个项目只有几百行代码,其中大部分是 Claude 写的。AI 帮助我快速发布,并抓住了最初病毒式传播的推文中对可滚动维基百科的需求。"
Gemal 将 WikiTok 的代码发布在 GitHub 上,任何人都可以修改或为项目做出贡献。目前,这个网络应用支持 14 种语言,提供文章预览,并可在桌面和移动浏览器上分享文章。随着贡献者的加入,可能会有新功能出现。它基于包括 React 18、TypeScript、Tailwind CSS 和 Vite 在内的技术栈。
到目前为止,他坚持着自己的愿景:提供一种免费享受 Wikipedia 而不被追踪和定向推送的方式。Gemal 告诉我们:"我没有计划做什么疯狂的货币化超级计算 TikTok 算法。这个项目如果说有什么特点的话,那就是反算法。"
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。