现在AI发展到什么地步了

以下是新手入门 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，它上手容易且很有用。 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 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的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。 此外，还可以参考《雪梅 May 的 AI 学习日记》中的经验，如系统性的学习，打好基础，加入 AI 社区（如）获取新手指引等。

李飞飞提出的核心观点包括： 人工智能的下一步应从大型语言模型转向大型模型，强调视觉智能在理解和与世界互动中的重要性，计算机需要具备空间智能，能够建模、推理并在三维空间中互动。 通过空间智能，AI 将理解真实世界，能够处理视觉数据，做出预测并根据这些预测采取行动。空间智能使机器不仅能够相互交互，还能与人类以及真实或虚拟的三维世界进行交互。

智能体（AI Agent）对比大模型在应用中的优势主要包括以下方面： 1. 能够回答私有领域问题，例如公司制度、人员信息等，而大模型存在无法回答此类问题的局限性。 2. 可以及时获取最新信息，如实时天气、比赛结果等，大模型在这方面有所不足。 3. 能准确回答专业问题，如复杂数学计算、图像生成等，大模型在这些方面表现欠佳。 4. 适用于多种客户场景，如有企业官网、钉钉、微信等渠道，期望为客户提供产品咨询服务的场景，以及缺少技术人员开发大模型问答应用的情况。 5. 基于大模型，通过集成特定的外部能力，弥补大模型的不足。例如集成实时信息获取、回答私有领域问题等外部能力。 6. 典型场景丰富，包括私有领域知识问答、个性化聊天机器人、智能助手等。如私有领域知识问答，只需准备好相关知识库文件，就可在百炼控制台快速创建应用；个性化聊天机器人可通过长期记忆保存关键历史对话信息，并集成夸克搜索和图像生成等插件扩展功能；智能助手可引入 RAG 能力、长期记忆和自定义插件等功能提升工作效率。 在基准测评方面，AI Agent 智能体正在最大程度释放 LLM 潜能，逐渐成为通向 AGI 的技术共识。现有关于 Agent 能力的测评，主要在英文场景或任务，目前还没有一个在中文任务和场景上针对中文大模型的全面测评。通过测评结果发现，在 Agent 核心基础能力上，国内模型已经较为接近或部分超过 GPT3.5 水平。 从原理上看，智能体中间的“智能体”就是 LLM 或大模型，通过为其增加工具、记忆、行动、规划四个能力来实现。行业里主要用到的是 langchain 框架，它把 LLM 之间以及 LLM 和工具之间通过代码或 prompt 的形式进行串接，在 prompt 层和工具层完成主要的设计逻辑。

以下是关于 AI Agents 课程的相关信息： 1. 在 AI 课程目录下新增了《》。 2. 同步更新到 1.8 版本，该图表由 E2b 团队制作。 3. 翻译了《》这篇文章，由 OpenAI 开发者关系负责人 Logan Kilpatrick 所写，介绍 Agents 是什么，这个领域的发展趋势，以及大量这种早期技术在实践中的精彩示例。 此外，如果您是新手学习 AI，还可以参考以下步骤： 1. 了解 AI 基本概念：首先，建议阅读「」部分，熟悉 AI 的术语和基础概念。了解什么是人工智能，它的主要分支（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，这些文章通常会介绍 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，您将找到一系列为初学者设计的课程。这些课程将引导您了解生成式 AI 等基础知识，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，您可以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），您可以根据自己的兴趣选择特定的模块进行深入学习。建议您一定要掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试：理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出您的作品。在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 5. 体验 AI 产品：与现有的 AI 产品进行互动是学习 AI 的另一种有效方式。尝试使用如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。通过与这些 AI 产品的对话，您可以获得对 AI 在实际应用中表现的第一手体验，并激发您对 AI 潜力的认识。 在通往 AGI 之路知识库中，还有关于 AI 相关技术与应用的介绍及活动分享： 1. AI agent 的介绍：大语言模型衍生出 AI agent，治理进阶可用此方式，如 GPTS、code、千帆百炼等，建议先吃透 prompt 再学习 AI agent，cost 平台有丰富教程和比赛，社区小伙伴参与能获奖。 2. AI 会话相关内容：通过关键词学设进行 AI 会话学习，如每日选词丢入稳定扩散模型，积累了大量提示词，建有飞书群供感兴趣的同学加入练习。 3. AI 视频相关词汇：收集了通过词汇控制 AI 视频的相关词典，如环绕、过曝、缩放等，更具象的描述词汇能让模型发挥更好效果。 4. AI 相关活动：包括 prompt battle、AI 神经大赛等，如 prompt battle 在每周六和周日晚上进行，有多种玩法，还有早晨的 PB 活动。

以下是图像 AI 和视频 AI 的入门建议： 1. 了解 AI 基本概念： 建议阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的主要分支（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，您将找到一系列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，包括图像、音乐、视频等，您可以根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出您的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 6. 图像 AI 和视频 AI 产品推荐： 海螺 AI： MiniMax 视频模型不仅可以准确识别用户上传的图片，并确保所生成视频在形象保持上与原输入图像高度一致，且光影、色调完美嵌入新场景的设定，为创作者提供连贯、深度创作的空间。 在指令响应方面，还能理解超出图片内容之外的文本，解构指令框架和深层语义并在视频生成中整合，实现“所写即所见”。 不依靠特效模板就能实现顶级的影视特效，用户能够在图像基础上充分发挥想象力，创作出丰富多变的电影级视频。 人物表情控制力强，能让视频表达更能深入人心。 近期上线了提示词优化功能，对于更专业的创作者，开放 2000 字的提示词空间，让创作更加精准。 国内图像类产品： 可灵：由快手团队开发，主要用于生成高质量的图像和视频，但价格相对较高。 通义万相：在中文理解和处理方面表现出色，用户可以从多种艺术风格和图像风格中进行选择，操作界面设计简洁直观，用户友好度高，重点是现在免费，每天签到获取灵感值就可以，但存在一些局限性，如某些类型的图像可能无法生成，在处理非中文语言或国际化内容方面可能不如国际工具出色。

以下是关于图像 AI 和视频 AI 学习的建议： 1. 了解 AI 基本概念： 建议阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的定义、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，您将找到一系列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，包括图像、音乐、视频等。您可以根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出您的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动是学习 AI 的另一种有效方式。尝试使用如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 6. 技术原理理解： 了解相关技术名词，如： AI 即人工智能。 机器学习包括监督学习、无监督学习、强化学习。监督学习是基于有标签的训练数据，学习输入和输出之间的映射关系，包括分类和回归；无监督学习是基于无标签数据，算法自主发现规律，经典任务如聚类。 强化学习从反馈里学习，最大化奖励或最小化损失，类似训小狗。 深度学习参照人脑有神经网络和神经元，神经网络可用于多种学习方式。 生成式 AI 可以生成文本、图片、音频、视频等内容形式。 LLM 即大语言模型。 了解技术里程碑，如 2017 年 6 月谷歌团队发表的论文《Attention is All You Need》首次提出了 Transformer 模型，它完全基于自注意力机制处理序列数据，比 RNN 更适合处理文本的长距离依赖性。

AI 技术的发展历程和前沿技术点如下： 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。 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。 OpenAI 提出的通用人工智能（AGI）的五个发展等级分别为： 1. 聊天机器人（Chatbots）：具备基本对话能力的 AI，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）：具备人类推理水平的 AI，能够解决复杂问题，如 ChatGPT，能够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的 AI。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的 AI，如谷歌 DeepMind 的 AlphaFold 模型，可以预测蛋白质结构，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。 关于红杉｜AI 50 未来公司： 去年，生成式 AI 从不引人注意的地方走到了 AI 50 强榜单的前列。今年，随着企业用户和消费者的 AI 生产力大幅提高，它成为前沿和中心。尽管 2023 年美国的大部分 AI 风投都流向了基础设施领域，其中 60%流向了最大的大语言模型（LLM）提供商，但应用公司仍在 AI 50 强榜单中占据主导地位。 与此同时，我们开始看到 AI 为公司赋能。如今，许多公司正将 AI 融入其工作流程，以此来快速达成 KPI。我们看到大公司正通过将 AI 融入其产品的方式而获益。工作流程自动化平台 ServiceNow 通过 AI 驱动的 Now Assist，实现了近 20%的事件避免率。Palo Alto Networks 利用 AI 降低了处理费用的成本。Hubspot 利用 AI 扩大了能够支持的用户规模。瑞典金融科技公司 Klarna 最近宣布，通过将 AI 融入用户支持，他们在运行率方面节省了 4000 多万美元。现在，成千上万的公司正在将 AI 整合到他们的工作流程中，以扩张规模和降低成本。AI 50 强企业正在快速进化。不远的将来，我们有望看到 UX 和 UI 围绕 AI 的功能进行重新设计。在更好、更廉价地复制现有功能之后，我们将开发全新的用户界面，以提供有价值的新体验。原文链接：https://www.sequoiacap.com/article/ai502024/ ，发表时间：2024 4 11，作者：Konstantine Buhler，编译：Z Potentials 。

AI 的发展目前处于以下阶段： 1. 早期阶段（1950s 1960s）：出现专家系统、博弈论、机器学习初步理论。 2. 知识驱动时期（1970s 1980s）：专家系统、知识表示、自动推理得到发展。 3. 统计学习时期（1990s 2000s）：机器学习算法如决策树、支持向量机、贝叶斯方法等兴起。 4. 深度学习时期（2010s 至今）：深度神经网络、卷积神经网络、循环神经网络等技术广泛应用。 当前 AI 的前沿技术点包括： 1. 大模型，如 GPT、PaLM 等。 2. 多模态 AI，例如视觉 语言模型（CLIP、Stable Diffusion）、多模态融合。 3. 自监督学习，包括自监督预训练、对比学习、掩码语言模型等。 4. 小样本学习，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。 在 AGI 方面，OpenAI 提出了 AGI 的五个发展等级： 1. 聊天机器人：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：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：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。 4. 创新者：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：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。 同时，AI 分为 ANI 和 AGI，ANI 得到巨大发展，如智能音箱、网站搜索、自动驾驶、工厂与农场的应用等，而 AGI 还没有取得巨大进展。机器学习方面，监督学习从 A 到 B，从输入到输出，近期监督学习快速发展得益于现有数据快速增长、神经网络规模发展以及算力快速发展。数据方面，数据集是一种由数据所组成的数据集合，通常以表格形式出现，每一列代表一个特定变量，每一行对应于某一成员的数据集的问题。获取数据的方法包括手动标注、观察行为、网络下载。使用数据时，如果开始搜集数据，可以马上将数据展示或者喂给某个 AI 团队。数据分为结构化数据与非结构化数据，结构化数据可以放在巨大的表格中，非结构化数据如图片、视频、文本，机器处理起来更难一些。

目前 AI 发展大致可以分为以下几个阶段： 1. 小模型阶段：能力单一，无法泛化和理解，例如早期的人脸识别，只能完成特定任务。 2. GPT 出现阶段：AGI 迎来拐点，机器实现与人类的交流。 3. Sora 出现阶段：打开了 AGI 的大门，能够认知世界并与世界互动，但训练算力可能受到限制。 4. 强人工智能阶段：机器能看懂一些常识并交流，但还缺少对世界力量的感知，如加速度、重力等，目前热炒的具身智能正处于此阶段。 5. 超级人工智能阶段：机器能够总结出世界的规律，达到如爱因斯坦、牛顿般的水平。 此外，OpenAI 内部会议上分享的 AGI 五个发展等级分别为： 1. 聊天机器人：具备基本对话能力，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：具备人类推理水平，能解决复杂问题，如 ChatGPT，可根据上下文和文件提供详细分析和意见。 3. 智能体：不仅具备推理能力，还能执行全自动化业务，但目前许多产品执行任务后仍需人类参与。 4. 创新者：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可加速科学研究和新药发现。 5. 组织：最高级别，能够自动执行组织的全部业务流程，包括规划、执行、反馈、迭代、资源分配和管理等。

如果您想系统学习 AI 应用，可以从以下几个方面入手： 一、基础概念和知识 1. 了解 AI 背景知识，包括人工智能、机器学习、深度学习的定义及其之间的关系。 2. 回顾 AI 的发展历程和重要里程碑。 二、数学基础 1. 掌握统计学基础，熟悉均值、中位数、方差等统计概念。 2. 了解线性代数基本概念，如向量、矩阵。 3. 学习基础的概率论知识，如条件概率、贝叶斯定理。 三、算法和模型 1. 学习监督学习，了解常用算法，如线性回归、决策树、支持向量机（SVM）。 2. 熟悉无监督学习，如聚类、降维等算法。 3. 了解强化学习的基本概念。 四、评估和调优 1. 学会如何评估模型性能，包括交叉验证、精确度、召回率等。 2. 掌握模型调优的方法，如使用网格搜索等技术优化模型参数。 五、神经网络基础 1. 理解神经网络的基本结构，包括前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）。 2. 熟悉常用的激活函数，如 ReLU、Sigmoid、Tanh。 六、学习途径和实践 1. 阅读「」部分，熟悉 AI 的术语和基础概念。 2. 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。还可以通过在线教育平台（如 Coursera、edX、Udacity）按照自己的节奏学习。 3. 选择感兴趣的模块深入学习，比如图像、音乐、视频等。掌握提示词的技巧，上手容易且很有用。 4. 理论学习之后，通过实践巩固知识，尝试使用各种产品做出作品。在知识库查看大家实践后的作品、文章分享，并分享自己实践后的成果。 5. 体验 AI 产品，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解其工作原理和交互方式。 七、中学生学习 AI 的特别建议 1. 从编程语言入手，如 Python、JavaScript 等，学习编程语法、数据结构、算法等基础知识。 2. 尝试使用 ChatGPT、Midjourney 等 AI 生成工具，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，了解其基本概念、发展历程、主要技术及在各领域的应用案例。 4. 参与学校或社区组织的 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。 5. 关注 AI 领域的权威媒体和学者，了解最新进展，思考其对未来社会的影响。 总之，系统学习 AI 应用需要逐步积累知识、多实践，并根据自己的兴趣和需求选择合适的学习方向和方法。

以下是一些用于小程序界面设计的较好的 AI 工具： 1. Midjourney：目前是较容易上手的工具，对于新手是不错的入门选择。现阶段的 AI 能辅助进行设计，视觉效果吸睛。在 Midjourney 中生成 UI 设计图没有固定的 Prompt，可先使用指令模板「ui design forapplication,mobile app,iPhone,iOS,Apple Design Award,screenshot,single screen,high resolution,dribbble」，把“类型”替换成想设计产品的关键词描述（英文）。例如出行类可使用“距离、车费、费用结算、优惠金额、地图”等关键词，餐饮类可使用“介绍咖啡的特色、口味、咖啡豆产地、价格”等关键词，运动类可使用“卡路里、步数、距离、某种运动”等描述。 2. UIzard：利用 AI 技术生成用户界面的工具，可根据设计师提供的信息快速生成 UI 设计。 3. Figma：基于云的设计工具，提供自动布局和组件库，其社区开发的一些 AI 插件可增强设计流程。 4. Sketch：流行的矢量图形设计工具，插件系统中一些插件利用 AI 技术辅助设计工作，例如自动生成设计元素等。 此外，在 CAD 图绘制方面，也有一些相关的 AI 工具和插件，如： 1. CADtools 12：Adobe Illustrator 插件，为 AI 添加 92 个绘图和编辑工具。 2. Autodesk Fusion 360：集成了 AI 功能的云端 3D CAD/CAM 软件，能创建复杂几何形状和优化设计。 3. nTopology：基于 AI 的设计软件，可创建复杂 CAD 模型，包括拓扑优化、几何复杂度和轻量化设计等。 4. ParaMatters CogniCAD：基于 AI 的 CAD 软件，能根据用户输入的设计目标和约束条件自动生成 3D 模型。 5. 一些主流 CAD 软件（如 Autodesk 系列、SolidWorks 等）提供的基于 AI 的生成设计工具，可根据输入的设计目标和约束条件自动产生多种设计方案。但使用这些工具通常需要一定的 CAD 知识和技能，对于初学者建议先学习基本的 3D 建模技巧。

现在学习 AI 来得及，学习 AI 是有一定门槛的，但可以通过以下方式来应对： 1. 适合纯小白的学习模式：可以参考《雪梅 May 的 AI 学习日记》，其学习模式是输入→模仿→自发创造。如果对费曼学习法没自信，可以尝试这种实践出来的模式。 2. 学习内容：由于 AI 节奏快，学习材料更新快，不建议直接复用旧内容。可以去 waytoAGI 社区发现自己感兴趣的领域，学习最新内容。 3. 时间安排：学习时间不是每天依次进行，有空的时候学习即可。 4. 学习状态：保持良好的学习状态有助于学习 AI，如果觉得难以做到，能学多少算多少。 5. 费用方面：学习资源通常有免费开源的。 6. 新手学习步骤： 了解 AI 基本概念：阅读「」熟悉术语和基础概念，浏览入门文章。 开始学习之旅：在「」中找到初学者课程，推荐李宏毅老师的课程，通过在线教育平台按自己节奏学习。 选择感兴趣模块深入：AI 领域广泛，可根据兴趣选择特定模块，比如掌握提示词技巧。 实践和尝试：理论学习后进行实践，巩固知识，尝试使用各种产品做出作品，并在知识库分享。 体验 AI 产品：与 ChatGPT、Kimi Chat、智谱、文心一言等互动，了解工作原理和交互方式。 此外，与“AI+教育”前辈交流得出：学习通常只有功利导向才有强烈付费意愿。“突破性新技术+垂直行业知识”组合能为学习者带来更高投入产出比，放在 AI 领域意味着“让 AI 工程师懂行业，让行业专家懂 AI”，但要找到高价值应用场景。现阶段“AI 口嗨者众，AI 实干家寡”主要是缺乏足够正反馈的高价值应用场景。

目前，在 AI 跳舞领域，以下是一些相关的工具和教程资源： B 站：Ever AI 酱，这里会有教程及 AI 工具界面操作。 DisPose：这是由清华大学与北京大学等组织联合发布的一种可控的人体图像动画方法。输入动作视频参考和人物图像，可以形成新的角色舞蹈视频。其地址为：https://lihxxx.github.io/DisPose/ 。 小红书/抖音：EverAI 。 您可以根据自己的需求选择适合的工具和教程进行学习和使用。

以下是为您制定的从 OA 软件售前转型到 AI 行业售前的系统学习计划： 一、了解 AI 基本概念 首先，建议阅读「」部分，熟悉 AI 的术语和基础概念。了解什么是人工智能，它的主要分支（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。同时，浏览入门文章，这些文章通常会介绍 AI 的历史、当前的应用和未来的发展趋势。 二、开始 AI 学习之旅 在「」中，您将找到一系列为初学者设计的课程。特别推荐李宏毅老师的课程。您还可以通过在线教育平台（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。 三、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。您可以根据自己的兴趣选择特定的模块进行深入学习。同时，一定要掌握提示词的技巧，它上手容易且很有用。 四、实践和尝试 理论学习之后，实践是巩固知识的关键。尝试使用各种产品做出您的作品。在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 五、体验 AI 产品 与现有的 AI 产品进行互动是学习 AI 的另一种有效方式。尝试使用如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。通过与这些 AI 产品的对话，您可以获得对 AI 在实际应用中表现的第一手体验，并激发您对 AI 潜力的认识。 六、掌握相关技能和知识 1. 从编程语言入手学习：可以从 Python、JavaScript 等编程语言开始学习，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：可以使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。探索一些面向中学生的 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：可以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。 总之，作为转型者，您可以从以上多个方面入手，全面系统地学习 AI 知识和技能，为未来在 AI 行业的售前工作做好准备。

AI 目前的发展现状呈现出以下特点： 1. 是一个快速发展的领域，新的研究成果和技术不断涌现。新手学习 AI 需持续学习和跟进，关注领域的新闻、博客、论坛和社交媒体，考虑加入相关社群和组织，参加研讨会、工作坊和会议，与其他爱好者和专业人士交流。 2. 量子位智库发布的《2024 年度 AI 十大趋势报告》从技术、产品、行业三个维度勾勒了 AI 现状、展望了未来走势。报告基于对人工智能领域的长期理解把握和深厚积淀，持续跟踪领域在产学研届的创新、洗牌、动态，结合对近百家初创公司、研究院、投资机构的深度交流。不仅深入剖析前沿科技如何迭代技术能力、重塑商业版图、引领产业升级，还敏锐洞察变革趋势，对未来路径进行前瞻性展望，并得到了产学研领域众多机构的支持。 3. OpenAI 分享了关于通用人工智能（AGI）的五个发展等级，分别为：具备基本对话能力的聊天机器人、具备人类推理水平的推理者、能执行全自动化业务的智能体、能够协助人类完成新发明的创新者、能够自动执行组织全部业务流程的组织。

当前 AI 的发展程度可以从以下几个方面来看： 1. 在通用人工智能（AGI）的发展等级方面： 聊天机器人：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。 推理者：具备人类推理水平，如 ChatGPT，能够根据上下文和文件提供详细分析和意见。 智能体：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。 创新者：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可加速科学研究和新药发现。 组织：最高级别，能够自动执行组织的全部业务流程。 2. 技术发展历程： 早期阶段（1950s 1960s）：有专家系统、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、自动推理得到发展。 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。 深度学习时期（2010s 至今）：深度神经网络、卷积神经网络、循环神经网络等兴起。 3. 当前前沿技术点： 大模型：如 GPT、PaLM 等。 多模态 AI：包括视觉 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：涉及模型可解释性、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。 同时，开源大模型爆发，企业大模型市场崛起，但通用大模型也遇到瓶颈，如算力和知识沉淀等问题。

以下是一些可以用于地方国民经济和社会发展规划、产业规划编制的 AI 工具： 在绘制逻辑视图、功能视图、部署视图方面： 1. Lucidchart：流行的在线绘图工具，支持多种图表创建，用户可通过拖放界面轻松创建架构图。 2. Visual Paradigm：全面的 UML 工具，提供创建各种架构视图的功能。 3. ArchiMate：开源建模语言，与 Archi 工具配合可创建逻辑视图。 4. Enterprise Architect：强大的建模、设计和生成代码工具，支持多种架构视图创建。 5. Microsoft Visio：广泛使用的图表和矢量图形应用程序，有丰富模板用于创建相关视图。 6. draw.io（现称为 diagrams.net）：免费在线图表软件，支持创建逻辑视图和部署视图等。 7. PlantUML：文本到 UML 转换工具，通过编写描述性文本自动生成相关视图。 8. Gliffy：基于云的绘图工具，提供创建各种架构图的功能。 9. Archi：免费开源工具，用于创建 ArchiMate 和 TOGAF 模型，支持逻辑视图创建。 10. Rational Rose：IBM 的 UML 工具，支持创建多种视图。 在审核规划平面图方面： 1. HDAidMaster：云端工具，在建筑、室内和景观设计领域表现出色，搭载自主训练的建筑大模型。 2. Maket.ai：面向住宅行业，在户型和室内软装设计方面有 AI 技术探索。 3. ARCHITEChTURES：AI 驱动的三维建筑设计软件，在住宅设计早期阶段可引入标准和规范。 4. Fast AI 人工智能审图平台：形成全自动智能审图流程，实现建筑全寿命周期内信息集成与管理。 但每个工具都有其特定应用场景和功能，建议根据具体需求选择合适的工具。

目前关于 AI 在未来是否会发展出自己的灵魂，尚无明确的定论。 从一些研究和观点来看，多模型机制的新皮层由数以万计的皮质柱组成，每根柱子都会学习物体的模型，智能机器的“大脑”也应如此。大脑中的知识被储存在参考框架中，机器也需要学会一个世界的模型。 另外，AI 将从专用方案过渡到更多的通用方案，通用电脑因成效比好而占据主导，未来一些重要应用也需要通用方案的灵活性。但同时，AI 运营的公司会面临更高的极端风险，存在实际问题需要解决。 总之，对于 AI 是否会发展出灵魂，还需要更多的研究和探讨。