AI的技术历史和发展方向，目前最前沿的技术点有哪些，请以列表的方式梳理；并给出偏向技术研究以及应用的个人的学习路径

以下是一些将 AI 与机械技术结合做自媒体的案例和方法： 创作方面： 社群的每日资讯：涵盖品牌推广、产品信息、行业动态、用户互动、品牌文化、品牌活动、行业知识、兴趣爱好等内容。 写科普内容：包括目标用户、科普内容、生活问题、医疗类型等，需注意通俗性和专业名词的运用。 剧本或脚本写作：重点在于讲述故事，引发观众情感共鸣，体验情感冲突和发展。 创意营销文本素材和生成创意营销素材：考虑目标受众、品牌定位、产品优势、服务独特性、情感因素等。 研究方面： 信息搜集：可利用 ChatGPT 做品牌项目的二手信息搜集。 拆解爆款内容：分四步进行，包括建立爆款库、让 ChatGPT 理解拆解角度、提出修改建议、要求特定风格修改。 分发方面：从品牌内容分发角度考虑，为智能家居设备设计产品介绍视频脚本，包含音效、音乐、画面、声音等。 沟通方面：小团队与甲方沟通时，可借助 GPT 优化语气，调整公司合同、协议等，还能用 GPT+MJ 给甲方做分镜并获得认可。 您可以参考以上内容，结合自身特点和需求，探索将 AI 与机械技术结合做自媒体的有效途径。

2023 年大模型发展的重要技术包括以下方面： 模型发布：百川智能发布 Baichuan2—Turbo，字节云雀大模型等。 涉及领域：涵盖通用、医疗、汽车、教育、金融、工业、文化/零售/交通等多个行业。 关键进展：从 22 年 11 月 ChatGPT 的惊艳面世，到 23 年 3 月 GPT4 作为“与 AGI（通用人工智能）的第一次接触”，再到 23 年末多模态大模型的全面爆发。 多模态大模型的应用： 优点：适应性极好，方便适应各种奇葩需求；对算法要求降低，大部分功能由大模型提供，特别是非结构化信息处理；API 访问方式简化了边缘设备要求，方便在多种设备适配。 缺点：推理时长是最大障碍，传统目标检测或人脸识别优化后能达到 100 300ms，而大模型动则需要 10 秒的延时，限制了许多场景；模型的幻象和错误率较高，在多链路复杂应用中迅速变得不可行；在大多数生产模式下，仍需使用云服务数据中心，存在隐私问题；商业私有化部署是刚需，当下开源模型与 GPT4 有代差。

AI 技术的发展状况如下： 发展历程： 1. 早期阶段（1950s 1960s）：包括专家系统、博弈论、机器学习初步理论。 2. 知识驱动时期（1970s 1980s）：有专家系统、知识表示、自动推理。 3. 统计学习时期（1990s 2000s）：出现机器学习算法如决策树、支持向量机、贝叶斯方法等。 4. 深度学习时期（2010s 至今）：深度神经网络、卷积神经网络、循环神经网络等得到广泛应用。 当前前沿技术点： 1. 大模型：如 GPT、PaLM 等。 2. 多模态 AI：包括视觉 语言模型（CLIP、Stable Diffusion）、多模态融合。 3. 自监督学习：如自监督预训练、对比学习、掩码语言模型等。 4. 小样本学习：例如元学习、一次学习、提示学习等。 5. 可解释 AI：涉及模型可解释性、因果推理、符号推理等。 6. 机器人学：涵盖强化学习、运动规划、人机交互等。 7. 量子 AI：包含量子机器学习、量子神经网络等。 8. AI 芯片和硬件加速。 学习路径： 偏向技术研究方向： 1. 数学基础：线性代数、概率论、优化理论等。 2. 机器学习基础：监督学习、无监督学习、强化学习等。 3. 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 4. 自然语言处理：语言模型、文本分类、机器翻译等。 5. 计算机视觉：图像分类、目标检测、语义分割等。 6. 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 7. 科研实践：论文阅读、模型实现、实验设计等。 偏向应用方向： 1. 编程基础：Python、C++等。 2. 机器学习基础：监督学习、无监督学习等。 3. 深度学习框架：TensorFlow、PyTorch 等。 4. 应用领域：自然语言处理、计算机视觉、推荐系统等。 5. 数据处理：数据采集、清洗、特征工程等。 6. 模型部署：模型优化、模型服务等。 7. 行业实践：项目实战、案例分析等。 需要注意的是，无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。

AI 技术的发展状态如下： 发展历程： 早期阶段（1950s 1960s）：专家系统、博弈论、机器学习初步理论。 知识驱动时期（1970s 1980s）：专家系统、知识表示、自动推理。 统计学习时期（1990s 2000s）：机器学习算法（决策树、支持向量机、贝叶斯方法等）。 深度学习时期（2010s 至今）：深度神经网络、卷积神经网络、循环神经网络等。 当前前沿技术点： 大模型（Large Language Models）：GPT、PaLM 等。 多模态 AI：视觉 语言模型（CLIP、Stable Diffusion）、多模态融合。 自监督学习：自监督预训练、对比学习、掩码语言模型等。 小样本学习：元学习、一次学习、提示学习等。 可解释 AI：模型可解释性、因果推理、符号推理等。 机器人学：强化学习、运动规划、人机交互等。 量子 AI：量子机器学习、量子神经网络等。 AI 芯片和硬件加速。 对于新手学习 AI，建议： 持续学习和跟进：AI 是快速发展的领域，新成果和技术不断涌现。关注 AI 领域的新闻、博客、论坛和社交媒体，保持对最新发展的了解。考虑加入 AI 相关的社群和组织，参加研讨会、工作坊和会议，与其他 AI 爱好者和专业人士交流。 使用 AI 做事时需要注意： AI 是一种工具，并不总是正确的工具。要考虑其弱点，仔细思考是否适合计划应用的目的。 要了解许多道德问题。AI 可能被用于侵犯版权、作弊、窃取他人工作或操纵。特定 AI 模型的构建方式以及谁从其使用中受益，通常是复杂且不特别清楚的问题。最终，使用者有责任以道德的方式使用这些工具。

对于非技术背景的产品经理，要快速掌握 AI 相关知识，可以从以下几个方面入手： 1. 理解产品核心技术：了解基本的机器学习算法原理，有助于更好地理解 AI 产品的核心技术，从而做出更合理的产品决策。 2. 与技术团队有效沟通：掌握一定的算法知识，能够与开发团队进行更有效的沟通，减少信息不对称带来的误解。 3. 评估技术可行性：在产品规划阶段，评估某些功能的技术可行性。了解算法知识可以帮助做出更准确的判断。 4. 把握产品发展方向：AI 技术发展迅速，了解算法前沿可以更好地把握产品的未来发展方向。 5. 提升产品竞争力：了解算法可以帮助发现产品的独特优势，提出创新的产品特性，从而提升产品的竞争力。 6. 增强数据分析能力：很多 AI 算法都涉及到数据处理和分析，掌握相关知识可以提升数据分析能力。 在实际应用中，比如在商业化问答场景中，非技术从业者需要了解一些落地的配置，如问答机器人的配置包括 AI 模型、提示词、知识库等。 此外，在成为 AI 摊主方面，不同的人群有不同的优势。技术背景丰富的人具备扎实的技术基础，产品开发与管理经验丰富的人能推动产品落地与优化，AI 爱好者与学习者渴望提升技能，内容创作与营销能力强的人能将 AI 技术与商业化需求结合。

对于非技术背景的产品经理快速上手 AI ，可以参考以下建议： 1. 从基础小任务开始： 让 AI 按照最佳实践写一个 say hello 的示例程序，并解释每个文件的作用及程序运行的逻辑，学会必备的调试技能。 若使用 o1mini ，可在提示词最后添加“请生成 create.sh 脚本，运行脚本就能直接创建插件所需要的所有文件。请教我如何运行脚本。”（Windows 机器则是 create.cmd），它会为您生成代码并给出提示，方便一次性生成多个目录和文件。 2. 明确项目需求： 通过和 AI 的对话，逐步明确项目需求。 让 AI 帮助梳理出产品需求文档，包含影响技术方案选择的细节，后续开发时每次新起聊天就把文档发给 AI 并告知在做第几点功能。 此外，在将 AI 大模型能力接入微信等应用场景时，非技术从业者需要注意解决模型存在幻觉、胡乱回答的问题。在配置问答机器人时，要关注左侧的 AI 模型、提示词、知识库这三处配置。 对于 AI 产品经理，个人划分仅供娱乐和参考： 1. 入门级：能通过 WaytoAGI 等开源网站或一些课程了解 AI 概念，使用 AI 产品并尝试动手实践应用搭建。 2. 研究级：有技术研究和商业化研究两个路径，能根据需求场景选择解决方案，或利用 Hugging face 等工具手搓出一些 AI 应用来验证想法。 3. 落地应用级：有成功落地应用的案例并产生商业化价值。 总之，AI 产品经理要懂得技术框架，不一定要了解技术细节，而是对技术边界有认知，最好能知道一些优化手段和新技术的发展。产品经理要关注的还是场景、痛点、价值。

在 Coze 工作流中存在提示词优化节点。这个节点比较容易理解，如果觉得提示词需要优化，可加入该节点进行处理。其参数很简单，只有一个要优化的提示词。例如，用一开始就在用的文生图提示词“1 girl in real world”进行试用。优化后添加了很多具体信息，如在带着好奇心看书，环境中有阳光，色彩搭配的特点等。但修改后的提示词在控制图片生成真实照片的感觉方面，“in real world”控制真实图片生成的效果比“realistic”好。

大模型技术对数据资产运营工作的提升点主要包括以下方面： 1. 更好地理解用户需求：通过利用对话历史，大模型能够在需要上下文理解或历史信息的场景中做出更准确和相关的响应，从而提升数据资产运营中与用户交互的质量。 2. 灵活的参数设置： 生成随机性：模型提供如“精确模式”和“平衡模式”等预设模式，可调整生成回复的创造性和随机度。 Top P：影响生成文本的多样性和连贯性，通过调整其值控制模型考虑的词汇范围。 最大回复长度：默认值可能较短导致回复不完整，将其调整到最大值可确保生成详尽完整的回复。 3. 异常处理能力：引入“异常忽略”特性，在遇到模型处理任务失败或超时时，工作流能继续执行而不中断，并通过预设应对措施，如记录错误日志、发送通知或启动备用流程，确保工作流的连续性和任务处理的可靠性。 4. 提升可信度：随着复杂模型的发展，其能力增强的同时也引发了对潜在滥用的担忧，包括生成假新闻、隐私泄露和伦理困境等，因此可信度问题成为研究焦点，需关注模型的安全性，抵抗滥用和“越狱”攻击的能力。 5. 在 ToB 业务中的应用： 模型能力：期望提升到对垂直行业通用知识有较专业掌握，对各类任务有强泛化能力。 成本：训练与部署推理成本降低到接近 2 年企业服务支出费用。 应用工程：服务尽量标准且可控，通过应用工程让模型与企业业务流快速顺畅打通，目前进展最快，有基于行业数据微调小体量模型、采用流程自动化工程框架结合工具与数据库对接等方向。

2024 年 11 月，AI 圈发生了以下大事： 11 月 1 日： 《》来自南乔，10 月 AI 行业大事件盘点包括多家公司的重要发布和创新，如 OpenAI 推出多项新功能，字节发布 AI 智能体耳机，以及各大模型的开源。趋势方面，强化学习被认为是推动 AGI 发展的关键技术，原生多模态模型逐渐成为研究热点。新兴应用如 AI 音乐创作、翻译和智能助手等受到关注，整体呈现出技术与应用的快速发展态势。 《》来自歸藏，10 月份美国 AI 聊天机器人市场报告显示，ChatGPT 仍是市场领导者，但份额逐渐下降。谷歌和微软在争夺第二的位置，Perplexity 和 ClaudeAI 则实现高速增长，正在从 ChatGPT 和 Gemini 手中蚕食市场份额。总体来看，专业 AI 工具的增长势头强劲，而初创公司的用户获取相对缓慢。 《》比尔・盖茨在采访中讨论了人工智能的革命性影响，认为 AI 将使每个人都能成为“超级个体”，改变人机交互方式。他强调 AI 将显著降低白领工作的成本，并逐渐影响蓝领市场。盖茨还提到他对全球健康和气候问题的关注，认为技术创新速度超出预期，未来 20 年将是充满希望的时期。他同时探讨了可再生能源的发展，尤其是核能和太阳能的潜力。 11 月 7 日： 《》Marc Andreessen 强调，真正的变革性技术必须从产品设计之初就深度融入，而不是简单地在现有产品上添加 AI。他指出，AI 作为一种新型计算机，能够以概率方式输出结果，带来无限创造力。AI 将在多个行业引发重大变革，尤其是在生物科技和金融等领域，初创公司有机会重新定义产品类别，摆脱传统束缚。 《》前 OpenAI 研究员 Alexey Guzey 在 2017 至 2024 年间对人工智能（AI）发展的看法变化。他最初认为实现通用人工智能（AGI）需要数十年，但后来逐渐意识到大型语言模型（LLM）实际上并不具备真正的思考能力。阅读几年间他的心路历程，是非常好的求索经历。 《》在 10 月的总结中，Orange AI 反思了创业的艰辛，强调创业最难的是人和信任。创业者需找到优秀团队，并相信自己和他人。此外，利益分配在企业盈利后成为关键问题，需要坦诚沟通。10 月关注了 AI 搜索、音频、视频生成和编码等主题，并参与了多个活动，收获颇丰。 此外，还有关于 AI 在未来一年的 10 个预测： 一个主权国家向美国大型人工智能实验室投资 100 亿美元以上，需要国家安全审查。 没有任何编码能力的人独自创建的应用程序或网站将会迅速走红（例如 App Store Top100）。 案件开始审理后，前沿实验室对数据收集实践实施有意义的改变。 由于立法者担心权力过度，欧盟人工智能法案的早期实施最终比预期更为缓慢。 OpenAl o1 的开源替代品在一系列推理基准测试中超越了它。 挑战者未能对 NVIDIA 的市场地位造成任何重大打击。 由于公司难以实现产品与市场的契合，对人形机器人的投资水平将会下降。 苹果设备上研究的强劲成果加速了个人设备上 AI 的发展势头。 人工智能科学家撰写的研究论文被大型机器学习会议或研讨会接受。 一款以与 GenAI 元素交互为基础的视频游戏将取得突破性进展。

以下是关于新手学习 AI 的建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，可根据自己的兴趣选择特定模块深入学习。 掌握提示词的技巧，其上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库中有很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品如 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人进行互动，了解其工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 对于中学生学习 AI，建议如下： 1. 从编程语言入手学习： 从 Python、JavaScript 等编程语言开始，学习编程语法、数据结构、算法等基础知识，为后续的 AI 学习打下基础。 2. 尝试使用 AI 工具和平台： 使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。 探索面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识： 了解 AI 的基本概念、发展历程、主要技术如机器学习、深度学习等。 学习 AI 在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目： 参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动。 尝试利用 AI 技术解决生活中的实际问题，培养动手能力。 5. 关注 AI 发展的前沿动态： 关注 AI 领域的权威媒体和学者，了解 AI 技术的最新进展。 思考 AI 技术对未来社会的影响，培养对 AI 的思考和判断能力。 记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。

在研究生查看课题和整理论文方面，AI 技术提供了多种辅助工具和平台： 1. 文献管理和搜索： Zotero：结合 AI 技术，能自动提取文献信息，便于管理和整理参考文献。 Semantic Scholar：由 AI 驱动的学术搜索引擎，提供文献推荐和引用分析。 2. 内容生成和辅助写作： Grammarly：通过 AI 技术进行文本校对、语法修正和写作风格建议，提升语言质量。 Quillbot：基于 AI 的重写和摘要工具，可精简和优化论文内容。 3. 研究和数据分析： Google Colab：提供基于云的 Jupyter 笔记本环境，支持 AI 和机器学习研究，利于数据分析和可视化。 Knitro：用于数学建模和优化，协助进行复杂的数据分析和模型构建。 4. 论文结构和格式： LaTeX：结合自动化和模板，高效处理论文格式和数学公式。 Overleaf：在线 LaTeX 编辑器，有丰富模板库和协作功能，简化论文编写。 5. 研究伦理和抄袭检测： Turnitin：广泛使用的抄袭检测工具，确保论文原创性。 Crossref Similarity Check：通过与已发表作品比较，检测潜在抄袭问题。 对于医学课题需要 AI 给出修改意见，您可以考虑以下专业工具： 1. Scite.ai：为研究人员等打造的创新平台，提供引用声明搜索等工具，简化学术工作。 2. Scholarcy：能从文档提取结构化数据，生成文章概要，包含多个分析板块。 3. ChatGPT：强大的自然语言处理模型，可提供修改意见和帮助。 使用这些工具时，要结合自身写作风格和需求，选择最适合的辅助工具。请注意，以上内容由 AI 大模型生成，请仔细甄别。

以下为您推荐一些免费的语言 AI 学习工具： LingoDeer：https://www.lingodeer.com/ 这是一款使用游戏和互动活动来教孩子英语的应用程序。它提供各种课程，涵盖从字母和数字到更高级的语法和词汇。还具有家长仪表板，方便跟踪孩子的进度并设置学习目标。 Busuu：https://www.busuu.com/ 是另一个流行的语言学习应用程序，提供英语和其他多种语言的课程。使用各种教学方法，包括音频课程、视频课程和互动练习，还有社区功能，可让孩子与来自世界各地的其他孩子练习英语口语。 Memrise：https://www.memrise.com/ 一款使用抽认卡和游戏来教孩子英语的应用程序。提供各种课程，涵盖从基本词汇到更高级的会话技巧，具有社交功能，可与朋友和家人一起学习。 Rosetta Stone：https://www.rosettastone.com/ 语言学习程序，使用沉浸式方法教孩子英语，让孩子在自然环境中使用英语，具有语音识别功能，帮助练习发音。 Duolingo：https://www.duolingo.com/ 免费的语言学习应用程序，提供英语和其他多种语言的课程，使用游戏化方法让学习有趣。 在为孩子选择 AI 工具时，要考虑他们的年龄、兴趣和学习风格，还需考虑应用程序的功能和成本。 另外，使用 AI 学习一门外语还可以通过以下方式和工具： 语言学习平台： FluentU：使用真实世界的视频，通过 AI 生成个性化的词汇和听力练习。选择学习语言，观看视频并完成相关练习，积累词汇和提升听力理解能力。 Memrise：结合 AI 技术，根据学习者的记忆曲线提供复习和练习，增强记忆效果。选择学习语言，使用应用提供的词汇卡和练习进行学习。 发音和语法检查： Speechling：提供口语练习和发音反馈，帮助学习者改进口音和发音准确性。录制语音，提交给 AI 系统或人类教练，获取反馈和改进建议。 Grammarly：可以帮助提高写作的语法和词汇准确性，支持多种语言。将写作内容粘贴到 Grammarly 编辑器中，获取语法和词汇改进建议。 实时翻译和词典工具： Google Translate：提供实时翻译、语音输入和图像翻译功能，适合快速查找和学习新词汇。输入或语音输入需要翻译的内容，查看翻译结果和示例句子。 Reverso Context：提供单词和短语的翻译及上下文例句，帮助理解和学习用法。输入单词或短语，查看翻译和例句，学习实际使用场景。 语言学习应用： Duolingo：使用 AI 个性化学习体验，根据进度和错误调整练习内容。通过游戏化方式提供词汇、语法、听力和口语练习。下载应用，选择要学习的语言，按课程指引学习。 Babbel：结合 AI 技术，提供个性化课程和练习，重点在于实际交流所需的语言技能。注册账户，选择语言课程，按学习计划学习。 Rosetta Stone：使用动态沉浸法，通过 AI 分析学习进度，提供适合的练习和反馈。注册并选择学习语言，使用多种练习模式（听力、口语、阅读和写作）学习。 AI 对话助手： ChatGPT：可用来模拟对话练习，提高语言交流能力。在聊天界面选择目标语言，与 AI 进行对话练习。可询问语法、词汇等问题，甚至模拟实际交流场景。 Google Assistant：支持多种语言，可用来进行日常对话练习和词汇学习。设置目标语言，通过语音命令或文本输入与助手进行互动，练习日常用语。

以下是关于利用 AI 免费编写微信小程序的相关内容： 开发：微信小程序 会手把手教大家如何利用 chatgpt 来实现微信小程序的搭建，前半部分先简单介绍小程序的注册，后半部分介绍开发上线。详情可参考： 「AI 学习三步法：实践」用 Coze 免费打造自己的微信 AI 机器人 搭建步骤详解： 注册 Coze 账号 访问 Coze 官网快速注册。Coze 是字节跳动出品，其中文版为 https://www.coze.cn/（支持大模型：kimi、云雀），本次教程使用中文版 Coze；英文版为 https://coze.com/（支持大模型：chatgpt4），产品定位为新一代 AI 原生应用开发服务平台，Nextgeneration AI chatbot building platform。 创建你的机器人 登录 Coze，可使用抖音或手机号登陆，登陆后选择“创建 Bot”，然后起一个响亮的名字。工作空间选“个人空间”即可。小技巧：“图标”AI 可以自动生成，先在“Bot 名称”那里用文字描述想要的图标，图标生成满意后，再把“Bot 名称”改为简洁版名称。

以下是一些与 AI 免费编写小程序相关的案例和资源： 使用 GPT 的视觉功能和 TTS API 处理和讲述视频：这个笔记本演示了如何通过视频使用 GPT 的视觉功能。GPT4 不直接将视频作为输入，但我们可以使用视觉和新的 128 K 上下文 widnow 来同时描述整个视频的静态帧。作者为 Kai Chen，分类为开发。可前往查看，入库时间为 2023/11/15。 开发：GLM 等大模型外接数据库：可以调整 prompt，匹配不同的知识库，让 LLM 扮演不同的角色。如上传公司财报，充当财务分析师；上传客服聊天记录，充当智能客服；上传经典 Case，充当律师助手；上传医院百科全书，充当在线问诊医生。分类为开发。可前往查看，入库时间为 2023/11/15。 开发：微信小程序：将手把手教大家如何利用 chatgpt 来实现一个微信小程序的搭建。前半部分先简单介绍怎么注册小程序，后半部分介绍怎么进行开发上线。分类为开发。可前往查看，入库时间为 2023/11/15。 开发：知识库/聊天机器人搭建安全提示词 prompt：分类为开发。可前往查看，入库时间为 2023/11/15。