Way to AGI multi-language support

如果您想加入 WaytoAGI 社区群，可以通过以下方式： 1. 填写问卷进群，群内会分享最新 AI 信息和社区活动。 2. 搜索微信号 Andywuwu07 或扫描二维码加微信，备注 AI 共学，以便被拉进免费的 AI Agent 共学群。 3. 飞书群内置 AI 智能机器人，可以回复任何与 AI 相关的问题。 4. 新手可以使用 Kimi 智能助手入门学习和体验 AI，PC 端可通过下载。 5. 如需下载研究报告，诚邀您加入知识星球：了解。

WaytoAGI 是一个由热爱 AI 的专家和爱好者共同建设的开源 AI 知识库，具有以下功能和特点： 1. 学习途径：参加如 AJ 组织的 wayto AGI 活动，可以认识很多小伙伴和前辈，从中学习到很多 AI 相关知识。 2. 网站功能： 和 AI 知识库对话，可询问任何关于 AI 的问题。 提供集合的精选 AI 网站，按需求找到适合的工具。 集合精选的提示词，可复制到 AI 对话网站使用。 呈现知识库的精华内容。 3. 离谱村：是由 WaytoAGI 孵化的千人共创项目，参与者不分年龄层，都可以通过 AI 工具创作出各种作品。离谱村是一个没有被定义的地方，是灵魂的避风港，激励着人们发挥想象力，创造独特生活方式。 您可以通过参与相关活动、使用网站的各项功能以及参与离谱村的共创等方式，在 WaytoAGI 学习到丰富的 AI 知识。

WaytoAGI 是由一群热爱 AI 的专家和爱好者共同建设的开源 AI 知识库。 其特点和内容包括： 大家贡献并整合各种 AI 资源，使人们能轻松学习各类 AI 知识，应用 AI 工具和实战案例等。 知识库的内容覆盖 AI 绘画、AI 视频、AI 智能体、AI 3D 等多个版块，还包含赛事和活动以促进大家动手实践。 孵化了离谱村这个千人共创项目，让大家更轻松、更有兴趣地学习和接触 AI。 2023 年 4 月 26 日诞生，在没有任何推广的情况下，一年时间已有超过 70 万用户和超千万次的访问量。 您可以通过以下方式进一步了解： 即刻体验：https://waytoagi.com/ 更多详细介绍： 此外，还有一些相关的内容，如： 放几个有意思的视频：离谱村、春晚、24 节气、 关键词学社：

以下是关于 Runway 视频模型的相关信息： OpenAI 的 Sora 与 Runway 的对比： OpenAI 刚刚发布的首款文生视频模型 Sora 表现出色，能根据文字指令创造逼真且充满想象力的场景，生成长达 1 分钟的一镜到底超长视频，视频中的人物和背景具有惊人的一致性和稳定性。而 Runway Gen 2、Pika 等 AI 视频工具在几秒内的连贯性上还在突破，相比之下 OpenAI 达到了史诗级的纪录。 Runway 的特点： 优势： 拥有强大的底层模型，能理解复杂需求并转化为高质量视频输出。 生成的视频在画面清晰度、动作流畅性和内容连贯性上达到较高水准，满足普通用户和专业创作者需求。 团队持续进行技术迭代和更新，保持在视频 AI 技术前沿。 不足： 共用账号或生成特别好的视频时，生成队列相对较短，使用高峰期可能需等待。 某些时段生成速度可能变慢。 Runway 的其他信息： 由总部位于旧金山的 AI 创业公司制作，2023 年初推出的 Gen2 代表了当前 AI 视频领域前沿模型，能通过文字、图片等方式生成 4 秒左右的视频。 致力于专业视频剪辑领域的 AI 体验，同时扩展图片 AI 领域能力。 支持在网页、iOS 访问，网页端有 125 积分的免费试用额度（可生成约 105 秒视频），iOS 有 200 多，两端额度不同步。官方网站：https://runwayml.com/ Gen1 和 Gen2 的区别和使用方法：Gen1 的主要能力有视频生视频、视频风格化、故事版、遮罩等，仅支持视频生视频是 Gen1 和 Gen2 的最大差异。Gen1 使用流程可参考：https://research.runwayml.com/gen1 、https://help.runwayml.com/hc/enus/articles/15161225169171 ，也可通过视频 https://youtu.be/I4OeYcYf0Sc 学习详细设置方式。

WaytoAGI 具有以下功能： 1. 与 AI 知识库对话：您可以在此询问任何关于 AI 的问题。 2. AI 网站：集合了精选的 AI 网站，可按需求找到适合您的工具。 3. AI 提示词：集合了精选的提示词，能复制到 AI 对话网站使用。 4. 知识库精选：将每天知识库的精华内容呈现给大家。 WaytoAGI 是一个由开发者、学者和有志人士等参与的学习社区和开源的 AI 知识库。它不仅是一个知识库，还是连接学习者、实践者和创新者的社区，让大家在这里碰撞思想，相互鼓舞，一同成长。 此外，WaytoAGI 里有个离谱村，这是由 WaytoAGI 孵化的千人共创项目，能让大家学习和接触 AI 更轻松、更有趣。参与者不分年龄层，都可以通过 AI 工具快速简单地创作出各种各样的作品。离谱村是一个没有被定义的地方，在这里，想象力是至高无上的法则，奇迹是日常生活的一部分。

WaytoAGI 主要有以下功能： 1. 和 AI 知识库对话：您可以在这里询问任何关于 AI 的问题。 2. AI 网站：集合了精选的 AI 网站，可按需求找到适合您的工具。 3. AI 提示词：集合了精选的提示词，能复制到 AI 对话网站使用。 4. 知识库精选：将每天知识库的精华内容呈现给大家。 “通往 AGI 之路”（WaytoAGI）是一个致力于人工智能（AI）学习的中文知识库和社区平台，具有以下特点： 1. 由开发者、学者和 AI 爱好者共同参与建设，提供丰富的学习资源，包括文章、教程、工具推荐以及最新的 AI 行业资讯等。 2. 定期组织活动，如视频挑战赛、模型创作大赛等，鼓励成员在实践中学习，促进交流与合作。 此外，WaytoAGI 的品牌 VI 融合了独特的设计元素，以彩虹色彰显多元性和创新，以鹿的形象象征智慧与优雅，通过非衬线字体展现现代感和清晰性。 总之，WaytoAGI 网站和 WaytoAGI 知识库相互关联，希望成为您学习 AI 路上的好助手。

很抱歉，目前知识库中没有关于“mat1 and mat2 shapes cannot be multiplied”错误原因与解决方法的相关内容。但通常这种错误可能是由于矩阵的维度不匹配导致的。您可以检查矩阵 mat1 和 mat2 的形状，确保它们满足乘法运算的规则。例如，如果是二维矩阵相乘，第一个矩阵的列数应该等于第二个矩阵的行数。解决方法可能包括重新调整矩阵的形状，或者检查数据处理和运算的逻辑，确保矩阵的维度在进行乘法运算时是正确匹配的。

多智能体（Multiagent）是指多个相互作用的智能体组成的系统。在人工智能领域，多智能体系统具有广泛的应用。例如，在供应链中，不同经济运营商之间的责任分配存在不确定性。就我国相关规范而言，服务提供者往往是主要责任主体。而在《人工智能法案》中，人工智能系统供应链的参与主体更为细化，包括提供者、部署商、授权代表、进口商和分发商等，它们被统称为“运营者”。2023 年《AI 法案》折衷草案在法律义务分配设计上，特别是对于高风险人工智能系统，提供者和部署商将承担主要义务。其中，提供者承担最广泛的合规义务，包括建立风险管理制度和质量管理制度等，涵盖人工智能系统生命周期的事前和事后环节；部署商的义务则主要集中于确保对高风险人工智能系统的人工监督和日常检测义务，主要覆盖人工智能生命周期的事中环节。

在多智能体（MultiAgent）系统中，常见的调度模式主要有以下几种： 1. 集中式调度（Centralized Scheduling） 在这种模式下，有一个中央控制器负责收集所有智能体的信息，并做出整体最优的决策和资源分配。常见于需要全局协调的场景，如机器人协作、交通管制等。 2. 分布式调度（Distributed Scheduling） 每个智能体根据本地信息和与其他智能体的交互来做出决策，无需中央控制器。常用于大规模、动态、开放的系统，如传感器网络、P2P 网络等。 3. 市场驱动调度（MarketDriven Scheduling） 智能体通过竞价机制获取资源和任务分配。类似于现实市场的供需规律，常用于电力负载调度、计算资源分配等领域。 4. 约束优化调度（Constraint Optimization Scheduling） 将多智能体协作问题建模为分布式约束优化问题，通过启发式或完全算法求解近似最优解。适用于任务分配、资源规划等约束严格的场景。 5. 组织结构调度（Organizational Structuring） 根据特定的组织拓扑结构（层级、同辈、联盟等）对智能体角色和协作模式进行规范，实现有序调度。常见于多机器人协作、组织自动化系统中。 6. 基于规范协议的调度（Normbased Scheduling） 定义一组协议规范来约束智能体的行为，并由规范引擎统一调度和裁决。适用于开放、异构的多智能体系统。 这些调度模式各有利弊，实际应用时需要根据系统的特点、约束和目标进行选择和设计。同时也可以采用混合模式，结合不同模式的优点。调度质量和系统性能是评价标准。

关于多智能体（MultiAgent） 多智能体是由多个自主、独立的智能体组成的系统。在这个系统中，每个智能体都能够感知环境、进行决策并执行任务，同时它们之间可以进行信息共享、任务协调以及协同行动，以实现整体的目标。 随着大型语言模型（LLM）的出现，以LLM为核心构建的Agent系统近期受到了广泛关注。Agent系统旨在利用LLM的归纳推理能力，为不同的Agent分配角色和任务信息，并配备相应的工具插件，以完成复杂的任务。 目前，更常见的框架主要集中在单Agent场景下。单Agent的核心在于LLM与工具的协同配合。LLM根据用户任务的理解，推理出需要调用的工具，并根据调用结果向用户提供反馈。在任务完成过程中，Agent可能需要与用户进行多轮交互。 与此同时，越来越多的Agent框架开始关注多Agent场景。为了完成任务，多Agent会为不同的Agent指定不同的角色，并通过Agent之间的协作来完成复杂的任务。与单Agent相比，在任务完成过程中，与用户的交互可能会减少一些。 主要组成部分 为构建一个多Agent框架，我们需要思考相对于单Agent，框架中增加了哪些组件。 环境（environment）：所有Agent应该处于同一个环境中。环境中包含全局状态信息，Agent与环境之间存在信息的交互与更新。 阶段（stage）：为了完成复杂任务，现有多Agent框架通常采用SOP思想，将复杂任务分解为多个子任务。 控制器（controller）：控制器可以是LLM，也可以是预先定义好的规则。它主要负责环境在不同Agent和阶段之间的切换。 记忆：在单Agent中，记忆只包括用户、LLM回应和工具调用结果等部分。而在多Agent框架中，由于Agent数量增多，导致消息数量增多。同时，每条消息可能需要记录发送方、接收方等字段。 核心交互流程 1. 控制器更新当前环境状态，选择下一时刻行动的Agent。 2. Agent与环境交互，更新自身的记忆信息。 3. Agent调用LLM，执行动作并获取输出消息。 4. 将输出消息更新到公共环境中。

AGI 即通用人工智能（Artificial General Intelligence），是指具有人类水平的智能和理解能力的 AI 系统。它有能力完成任何人类可以完成的智力任务，适用于不同的领域，同时拥有某种形式的意识或自我意识。目前还只是一个理论概念，还没有任何 AI 系统能达到这种通用智能水平。 AGI 的发展有五个等级： 1. 聊天机器人（Chatbots）：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 推理者（Reasoners）：具备人类推理水平，能够解决复杂问题，如 ChatGPT，能根据上下文和文件提供详细分析和意见。 3. 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务，但目前许多产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 4. 创新者（Innovators）：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可预测蛋白质结构，加速科学研究和新药发现。 5. 组织（Organizations）：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 更多信息请见（AGI）。OpenAI 原计划在 2026 年发布的 Q 的下一阶段（最初被称为 GPT6，后重新命名为 GPT7），由于埃隆·马斯克最近的诉讼而被暂停。计划在 2027 年发布的 Q 2025（GPT8）将实现完全的 AGI。

建立自己的 AGI 是一个具有挑战性且长期的过程，以下是一些建议和参考： 首先，在学习前可能处于对 AI 和提示词工程不理解，不懂代码、英语差，注册尝试各种 AI 工具走弯路的状态。 学习后，可能能够搓多 Agent 的智能体，进行营销文案创作、SQL 代码进阶学习应用，创建图像流智能体和 Agent 智能体玩具，在公司中实践智能客服等。 在学习路径方面，关键词包括“少就是多”“先有个初识”“目录索引推荐”“兴趣最重要”“先动手”。学习路径类似于游戏通关的主线加支线，要学以致用，通过学习、分享和不断填补知识的缝隙来成长。 同时，新手学习 AI 需记住这是一个长期过程，要有耐心和持续努力，不要害怕犯错。完整的学习路径建议参考「通往 AGI 之路」知识库首页（https://waytoagi.feishu.cn/wiki/QPe5w5g7UisbEkkow8XcDmOpn8e）的布鲁姆分类法，设计自己的学习路径。 另外，关于 AGI 的未来发展，2024 年内有诸多机会点，如图片超短视频的精细操控、有一定操控能力的生成式短视频、AI 音频能力进展、“全真 AI 颜值网红”出现、游戏 AI NPC 进展、AI 男/女朋友聊天成熟、实时生成内容在社交媒体和广告中出现、AI Agent 进展、AI 的商业模式用例、可穿戴全天候 AI 硬件、中国 AI 发展、AI 造成的问题等。2025 2027 年，AI 3D 技术、全真 AI 虚拟人、AR/VR 技术、接近 AGI 的技术、具身智能等方面将有新的发展，同时也会带来一些社会问题。

使用 AGI 类工具时，用户应注意以下几点： 1. 理解工具：全面了解工具的应用场景和调用方法是有效使用的前提。利用 LLM 的 zeroshot learning 和 fewshot learning 能力，可通过描述工具功能和参数的 zeroshot demonstration 或特定工具使用场景和相应方法演示的少量提示来获取工具知识。面对复杂任务，应先将其分解为子任务，再组织和协调，这依赖于 LLM 的推理和规划能力以及对工具的理解。 2. 使用工具：学习使用工具的方法主要包括从 demonstration 中学习和从 reward 中学习。包括模仿人类专家行为，了解行为后果，并根据环境和人类的反馈做出调整。环境反馈包括任务完成结果和环境状态变化，人类反馈包括显性评价和隐性行为。 3. 关注工具选择：对于 Tools 类工具，开发者需选到合适的工具，并填写准确优秀的参数。可将业务上的 knowhow 转化为 Agent 的知识，提升工具使用的准确率，把精力放在这方面而非工程化上。

AGI 即通用人工智能（Artificial General Intelligence），是指能够像人类一样思考、学习和执行多种任务的人工智能系统。 OpenAI 在其内部会议上分享了 AGI 的五个发展等级： 1. 聊天机器人（Chatbots）：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 推理者（Reasoners）：具备人类推理水平，能够解决复杂问题，如 ChatGPT，能根据上下文和文件提供详细分析和意见。 3. 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务，但目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 4. 创新者（Innovators）：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可预测蛋白质结构，加速科学研究和新药发现。 5. 组织（Organizations）：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。

以下是一些与 AGI 机器人相关的新闻： ：随着 OpenAI 聊天机器人 ChatGPT 的热潮持续，探讨其如何帮助创建用户体验调查问卷或其他调查问卷。 ：给 25 个 AI 代理人动机和记忆，并将它们放在模拟城镇中，其行为被评价比人类角色扮演更“人类化”。 ：ChemCrow 是一个 LLM 化学代理，能在合成、药物发现和材料设计等领域执行任务，并集成 13 个专家设计的工具以增强性能。 ：OpenAI 发布 GPT4 被证明是生成 AI 的一小步，对 AGI 而言是一大步，自 2022 年 11 月发布以来吸引众多用户和媒体关注，此工作是对 ChatGPT 的首次全面审查。 ：有人让 AutoGPT 查找最近一个月的开源相关新闻并汇总成 word 文件，还有人在相关项目基础上做了改进和增强的新项目，如 TeenageAGI、BabyAGIasi、TypeScript 版本的 AutoGPT 等。 ：特斯拉训练机器人“Optimus”抓取物体，通过人类示范学习。还提到当训练比 GPT4 大 100 倍的模型时在图像识别、生成图像和视频等方面的预测。