《生成式 AI 导论 2024》李宏毅课程在哪里可以学习

以下是关于李宏毅《生成式人工智能导论》的相关信息： 课程目录： 1. 第 0 讲：课程说明（2024 年 2 月 24 日） 2. 第 1 讲：生成式 AI 是什么？（2024 年 2 月 24 日） 3. 第 2 讲：今日的生成式人工智慧厉害在哪里？从「工具」变为「工具人」（2024 年 3 月 3 日） 4. 第 3 讲：训练不了人工智慧？你可以训练你自己—神奇咒语与提供更多资讯（2024 年 3 月 3 日） 5. 第 4 讲：训练不了人工智慧？你可以训练你自己—拆解问题与使用工具（2024 年 3 月 10 日） 6. 待更新…… 第 0 讲课程说明的要点： 1. 知道：有能力自己开发、何时需要自己开发、何时可以用现成的人工智能。 2. 目标：了解生成式 AI 背后的原理和更多可能性，作为你魔术师的开始。包括体验用生成式 AI 打造应用、体验训练自己的生成式 AI 模型。同时提到负面体验，如大模型训练花时间（以周为单位）、结果不可控。 3. 影响模型能力的指标很多，常规会看参数的量级来评估，量级指数级增长，FOMO，如 2019 年 GPT2.0 15b 参数，2024 年 GPT3.5 70b 参数。 附录： 1. 课程介绍：这是台湾大学李宏毅教授的生成式 AI 课程，主要介绍生成式 AI 的基本概念、发展历程、技术架构和应用场景等内容。课程共 12 讲，每讲约 2 小时。 2. 学习目标：掌握生成式 AI 的基本概念和常见技术，能够使用相关框架搭建简单的生成式模型，了解生成式 AI 的发展现状和未来趋势。 3. 学习内容：包括什么是生成式 AI、生成式模型、生成式对话、预训练语言模型、生成式 AI 的挑战与展望等方面。 4. 学习资源：教材《生成式 AI 导论 2024》，参考书籍《深度学习》，在线课程李宏毅的生成式 AI 课程，开源项目 OpenAI GPT3、字节跳动的云雀等。 5. 学习方法。 课程地址：https://www.youtube.com/watch?v=AVIKFXLCPY8

生成式 AI 是一种能够生成新内容的人工智能技术，其内容可以是多模态的，包括文本、图像、音频、视频等。 Gen AI/Generative AI 是“生成式人工智能”的正式称呼，它和 AIGC 有所不同。AIGC 指的是由人工智能生成的内容的创作方式，是 Generative AI 的应用结果。 ChatGPT 是 OpenAI 推出的，早期是一种模型，目前逐渐演变成一种可以兼容多种 GPT 模型的聊天应用（服务）。 生成式 AI 可以应用于广泛的场景，例如文档摘要、信息提取、代码生成、营销活动创建、虚拟协助、呼叫中心机器人等。 其工作方式包括训练阶段和应用阶段。训练阶段通过从大量现有内容中学习生成基础模型，应用阶段基础模型可用于生成内容和解决一般性问题，也可使用特定领域新数据集进一步训练以解决特定问题。 在工具方面，如 Google Cloud 的 Vertex AI 是端到端机器学习开发平台，Generative AI Studio 允许快速制作原型和自定义生成式 AI 模型，Model Garden 可发现和交互基础及第三方开源模型。 以 Midjourney 为代表的工具在图形领域，可根据用户提供的文本描述生成高度相关和创造性的图像，这种通过文本命令获得图像的方式叫 Prompting，是全新形态的人机交互。其背后的原理涉及数据、映射和扩散三个概念。首先是数据，包括获取各种图像存档和创建特定数据集以获得足够基础来特征化物体、风格或概念。其次是映射，AI 使用算法识别和提取图片关键视觉特征。最后是扩散，AI 能通过创造性扩散过程探索和创造新的视觉表达形式。

生成式 AI 是一种人工智能技术，能够生成新的、未曾存在的内容，这些内容可以是多模态的，包括文本（例如文章、报告、诗歌等）、图像（例如绘画、设计图、合成照片等）、音频（例如音乐、语音、环境声音等）、视频（例如电影剪辑、教程、仿真等）。 生成式 AI 可以应用于广泛的场景，例如文档摘要、信息提取、代码生成、营销活动创建、虚拟协助、呼叫中心机器人等。 其工作方式包括训练阶段和应用阶段。在训练阶段，通过从大量现有内容（文本、音频、视频等）中学习进行训练，得到一个“基础模型”。在应用阶段，基础模型可用于生成内容并解决一般性问题，还可使用特定领域的新数据集进一步训练以解决特定问题，从而得到一个量身定制的新模型。 AIGC 又称为生成式 AI，意为人工智能生成内容，例如 AI 文本续写，文字转图像的 AI 图、AI 主持人等都属于 AIGC 的应用。 Gen AI/Generative AI 是“生成式人工智能”的正式称呼，它是一种能够生成新内容的人工智能技术，比如文本、图像、音乐等。而 AIGC 指的是由人工智能生成的内容的创作方式，实际上是 Generative AI 的应用结果。

欧盟人工智能法案对我国在生成式人工智能方面立法具有以下启示： 1. 立法理念方面：我国与欧盟在人工智能立法上有共通之处，如风险分级管理、高风险项目的“备案”“评估”“透明”等原则，在我国相关法律法规中已有所体现，欧盟法案对我国立法工作具有重要参考意义。 2. 特殊领域监管方面： 算法推荐、深度合成、生成式人工智能是我国规制人工智能的具体领域。欧盟法案对这些领域的某些产品或服务有特殊回应，一定程度上印证了我国特别监管的必要性。 对于深度合成，欧盟法案强化了系统使用主体信息透明度的要求，与我国相关规定有一致性，但我国规定更全面，不过存在规定交叉重复适用的问题。 对于生成式人工智能，欧盟法案将其视为“基础模型”的一种类型，并规定了额外义务，我国相关规定在义务上更为全面。 3. 监管体系方面： 中国针对不同涉及算法的互联网信息服务，以落实主体责任为基本落脚点，将“服务提供者”作为相关义务的履行主体。 欧盟《人工智能法案》首先确立以风险为基准的人工智能治理框架，通过对人工智能系统进行评估划分风险层级，并匹配不同责任措施和差异化监管，进一步界定了各类主体的义务。

欧盟《人工智能法案》对我国在生成式人工智能方面立法的启示主要体现在以下几个方面： 1. 监管框架出发点：中国针对不同的涉及算法的互联网信息服务，以落实主体责任作为基本落脚点，将“服务提供者”作为相关义务的履行主体。而欧盟《人工智能法案》首先确立以风险为基准的人工智能治理框架，通过对人工智能系统进行评估，划分为不同风险层级，并匹配不同的责任措施和差异化监管。 2. 风险分类分级监管与算法安全评估：在我国，相关指导意见和法规已提出风险防控和算法分级分类安全管理的要求，以及对生成式人工智能服务的分类分级监管要求。欧美在这方面的路径和方法虽有争议，但总体上对我国仍具借鉴意义。

欧盟《人工智能法案》对我国相关立法的启示主要体现在以下方面： 1. 监管框架出发点：中国针对不同的涉及算法的互联网信息服务，以落实主体责任为基本落脚点，将“服务提供者”作为相关义务的履行主体，如《互联网信息服务算法推荐管理规定》《生成式人工智能服务管理办法》等。而欧盟《人工智能法案》首先确立以风险为基准的人工智能治理框架，通过对人工智能系统进行评估，划分为不同风险层级，并匹配不同责任措施和差异化监管。 2. 风险分级管理：我国与欧盟在立法理念上有共通之处，如风险分级管理、高风险项目的“备案”“评估”“透明”等原则，在我国相关法律法规中已有所体现。 3. 对拓展市场的影响：如果我国的AI项目有意拓展欧洲市场，由于针对不同市场重新训练特有模型的效率不高，将因“木桶原理”而不得不根据欧盟《人工智能法案》对产品进行调整。 总之，欧盟的《人工智能法案》对我国人工智能立法工作具有重要参考意义。

CoT（思维链）可以分为以下几种类型： 1. 逻辑推理链：涉及使用逻辑推理来解决问题，如应用演绎、归纳或类比推理得出结论。 2. 步骤序列：在某些任务中表现为一系列操作或步骤的顺序，需按特定顺序执行以解决问题，如算法问题解决或复杂任务规划。 3. 因果链：处理因果关系问题时，用来表示事件之间的因果链条，帮助模型理解因果关系。 4. 情境模拟：在某些情况下，涉及模拟或想象一个场景并在该情境下进行思考，以解决问题或做出决策。 5. 对话链：在对话系统或交互式任务中，指一个连续的对话过程，每一步回应基于之前的交流内容。 在不同的研究和应用中，CoT 的具体实现和分类可能有所不同。在 AI 领域，特别是在开发能够进行复杂推理和理解的模型时，CoT 方法正变得越来越重要。通过模拟人类的思考过程，CoT 旨在帮助 AI 系统更好地理解问题的上下文、解决问题的步骤，以及如何有效地应用知识来得出结论。 此外，思维链（CoT）方法依赖于一组固定的人工注释范例，但存在范例可能不是不同任务的最有效示例的问题。为解决此问题，最近提出了一种新的提示方法，称为 ActivePrompt，以适应 LLMs 到不同的任务特定示例提示（用人类设计的 CoT 推理进行注释）。其方法的步骤为：第一步是使用或不使用少量 CoT 示例查询 LLM，对一组训练问题生成 k 个可能的答案；基于 k 个答案计算不确定度度量（使用不一致性）；选择最不确定的问题由人类进行注释；然后使用新的注释范例来推断每个问题。 在虚拟陪伴方面，关于虚拟陪伴需求的思维链包括： 1. 陪伴是全人类共同的需求，但陪伴的供给严重不足。 2. 虚拟陪伴可以解决供给问题。 3. 虚拟陪伴是全人类的共同需求。 虽然可以用逻辑推理出需求成立的链条，但用户真正需要什么样的虚拟陪伴尚无答案，这是一件纯粹后验的事情，需要从实践中寻找。不过享受可能是当下所认为的虚拟陪伴最重要的特质，应尽可能让用户少付出、多得到。例如“AI WanderLand”就是享受型虚拟陪伴的一种产品探索。

AI 手机端和网页端的应用场景存在以下区别： 网页端产品更倾向于支持涉及内容创作和编辑的复杂、多步骤工作流程，例如 AI 语音工具包 ElevenLabs、AI 艺术创作器 Leonardo 以及 AI 演示文稿构建器 Gamma 等。 移动端应用更倾向于通用型助手，不少在功能上模仿了 ChatGPT。 在移动设备上，图片和视频的内容编辑是最常见的用途。例如，美图秀秀、SNOW 和 Adobe Express 等传统创意工具转型为生成式 AI 优先，并在移动排名中表现出色。 ChatGPT 以巨大优势成为网络和移动端排名第一的产品，而争夺最佳消费者助手的竞争正在升温。Perplexity 在网络上排名第三，专注于提供简明、实时和准确的查询答案，且用户参与度很高，还首次进入移动端前 50 名榜单。Anthropic 的 Claude 是 ChatGPT 的直接竞争对手，在网页排名中进入前五。

以下为您推荐 3 个优秀的美化 PPT 的 AI 工具： 1. Gamma：这是一个在线 PPT 制作网站，允许用户通过输入文本和想法提示快速生成幻灯片。它支持嵌入多媒体格式，如 GIF 和视频，以增强演示文稿的吸引力。网址：https://gamma.app/ 2. 美图 AI PPT：由知名图像编辑软件“美图秀秀”的开发团队推出。用户通过输入简单的文本描述来生成专业的 PPT 设计，包含丰富的模板库和设计元素，适用于多种场合。网址：https://www.xdesign.com/ppt/ 3. Mindshow：一款 AI 驱动的 PPT 辅助工具，提供自动布局、图像选择和文本优化等智能设计功能，还可能包括互动元素和动画效果。网址：https://www.mindshow.fun/

以下是关于学习 AI 视频的相关内容： 入门教程： 不熟悉 AI 视频的小伙伴可以查看以下教程： 交流群： 需要学习 AI 视频、参与 AI 视频挑战赛、参与 AI 视频提示词共创的小伙伴，可以直接扫二维码或联系三思或小歪【备注：AI 视频学社】，但必须有 AI 视频账号才能进群，请勿随便申请好友。 直播： AI 视频学社每周 1 次直播（周五直播），由@lailai 统筹负责。 例如： 学社说明： 这个板块是为 AI 视频建立，方便大家测试学习 AI 视频的相关知识和内容。 小伙伴们可以在 AI 视频学社通过参与每周举办的比赛，快速学习 AI 视频的相关知识。并且每周有高手直播直播分享，会分享 AI 视频和影视创作领域最前沿的知识。 学社目标： 不定期直播，AI 视频方向高手直播分享。 每周固定 1 次，video battle 视频挑战赛，每周一发布主题，每周日 18 点前交稿，有奖品。 不定期组织 AI 视频线上或者线下活动。 大家一起学习 AI 视频最新软件和最新知识，学习图生视频，视频生视频等的技巧。 软件教程： 每周一赛： 此外，对于小白理解 AI 技术原理与建立框架，推荐以下通俗易懂的内容： 视频一主要回答了什么是 AI 大模型，原理是什么。 概念：生成式 AI 生成的内容，叫做 AIGC。 概念与关系：相关技术名词 AI——人工智能 机器学习——电脑找规律学习，包括监督学习、无监督学习、强化学习。 监督学习——有标签的训练数据，算法的目标是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——学习的数据没有标签，算法自主发现规律。经典任务包括聚类，比如拿一堆新闻文章，让模型根据主题或内容特征分成具有相似特征的组。 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——一种方法，参照人脑有神经网络和神经元（因为有很多层所以叫深度）。神经网络可以用于监督学习、无监督学习、强化学习。 生成式 AI——可以生成文本、图片、音频、视频等内容形式 LLM——大语言模型。对于生成式 AI，其中生成图像的扩散模型就不是大语言模型；对于大语言模型，生成只是其中一个处理任务，比如谷歌的 BERT 模型，可用于语义理解（不擅长文本生成），如上下文理解、情感分析、文本分类。 技术里程碑——2017 年 6 月，谷歌团队发表论文《Attention is All You Need》。这篇论文首次提出了 Transformer 模型，它完全基于自注意力机制（SelfAttention）来处理序列数据，而不需要依赖于循环神经网络（RNN）或卷积神经网络（CNN）。GPT 含义：Transformer 是关键。Transformer 比 RNN 更适合处理文本的长距离依赖性。

以下是新手学习 AI 的方法： 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。 在知识库提供了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。 通过与这些 AI 产品的对话，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： 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： 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自己的成就。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。

以下为您推荐几款 AI PPT 工具： 1. Gamma：从审美角度来看，只要提供内容框架，生成的 PPT/网页审美水平较高。访问链接：https://gamma.app/ 2. AiPPT：爱设计推出的 AI 大模型与 PPT 场景深度结合的产品，能够一键生成专业 PPT，提供丰富模板和低创作门槛。 3. iSlide：有助于提高制作 PPT 的效率。 4. 创客贴：可辅助完成 PPT 制作。 使用这些 AI PPT 工具具有以下优点： 1. 对文本的多级排列有了更高的要求。 2. 便于摒弃呆板单调的表现形式，一键切换多元模版。 3. 熟练使用后，有助于提高效率。 4. 最终的呈现效果可由操作者决定。

以下是为您提供的 2024 年人工智能指数报告的相关下载信息： 1. 《》由微软和领英联合发布，揭示了人工智能（AI）在工作场所的快速增长和深远影响。 2. 可在知识星球下载的报告： 《》深入分析了 AI Agent 的市场定义、发展阶段、核心组件及其在企业用户场景中的应用。 《》企业实施 AI Agent 的主要目标是降低运营成本，尤其是在知识库管理、数据分析、营销与客户服务等领域。 3. 《》数据处理应从模型为中心转向数据为中心，并强调向量数据库在提升模型服务能力中的核心作用。 4. 斯坦福大学发布的基础模型透明度指数相关报告：在上一届 SOAI 发布后不久，斯坦福大学发布了其首个基础模型透明度指数，模型开发者的平均得分为 37 分。在团队的中期更新中，这一分数攀升至 58 分。2024 年 5 月，该指数的最新一期基于 100 项指标，评估了 14 家领先的基础模型开发者的透明度，这些指标涵盖“上游”因素数据、劳动力、计算、围绕能力和风险的“模型级”因素、围绕分布的“下游”标准以及社会影响。计算和使用政策的评分出现了最强劲的改善，而“上游”评分仍然疲弱。 5. 《2024 年人工智能现状：辉煌、戏谑和“牛市”》报告链接：

以下是关于 2024 年人工智能指数报告的相关内容： 斯坦福大学发布的基础模型透明度指数显示，模型开发者的平均得分从最初的 37 分攀升至中期更新的 58 分。2024 年 5 月的最新一期基于 100 项指标评估了 14 家领先的基础模型开发者的透明度，其中计算和使用政策的评分改善强劲，“上游”评分仍疲弱。 2024 年 AI 年度报告的十大预测包括：好莱坞级别的制作公司开始使用生成式人工智能制作视觉特效；美国联邦贸易委员会或英国竞争与市场管理局基于竞争理由调查微软/OpenAI 的交易；在全球人工智能治理方面进展有限；一首由人工智能创作的歌曲进入公告牌 Hot 100 前 10 名或 Spotify 2024 年热门榜单；随着推理工作负载和成本的显著增长，一家大型人工智能公司收购或建立专注于推理的人工智能芯片公司。同时也有错误预测，如生成式人工智能媒体公司在 2024 年美国选举期间的滥用行为未受到调查，自我改进的人工智能智能体在复杂环境中未超越现有技术最高水平。 预测还覆盖了人工智能领域的多个方面，如主权国家向美国大型人工智能实验室投资超 100 亿美元引发国家安全审查；完全无编码能力的人创建的应用或网站走红；前沿实验室在案件审判后对数据收集实践方式发生重大转变；早期欧盟人工智能法案实施结果比预期宽松；开源的 OpenAI o1 替代品在推理基准测试中超越；挑战者未能突破英伟达市场地位；对人形机器人投资水平下降；苹果在设备上的研究成果加速个人设备上人工智能的发展；人工智能科学家生成的研究论文被主要机器学习会议或研讨会接受；以“生成式人工智能”为元素互动的视频游戏取得突破性地位。

以下是 2024 年 AI 大事纪的相关内容： 1 月： 斯坦福大学 Mobile Aloha。 1 月 10 号 LumaAl Genie 文生 3D。 1 月 11 号 GPT store 上线。 MagnificAl 高清放大爆火。 1 月最后一天苹果 Vision Pro 宣布发售。 3 月： 潞晨科技发布 OpenSora。 Suno 发布 V3 版本爆火。 4 月：英伟达发布硬件股价飙升。 5 月： 苹果发布 AI 芯片。 张吕敏发布 IC light。 7 月：快手开源 LivePortrait 模型，表情迁移。 8 月：StabilityAI 老板成立新公司发布 flux 大模型。 9 月： 阿里云发布模型，海螺 AI 参战。 Google 发布 GameGen 实时生成游戏。 通义千问 2.5 系列全家桶开源。 华为发布 cloud matrix 云计算基础设施。 GPT 高级语音模式上线。 Meta 发布 AI 眼镜 Orion。 AI 代码编辑器 cursor 爆火。 10 月： Pika 发布 1.5 模型。 诺奖颁发给 AI 奠基人。 特斯拉发布机器人。 Adobe 发布 Illustrator+Al 生成矢量图。 智谱 AI 发布 autoGLM。 腾讯混元开源 3D 模型。 云深处发布机器人山猫机器狗。 Apple 发布 Mac mini。 12 月： 李飞飞发布空间智能成果。 腾讯开源混元视频模型。 Open AI 开 12 天发布会。 微软发布 Trellis 最强开源图生 3D。 Gemini2.0 视觉交互智能体。 智元机器人开始量产。 谷歌发布 Veo2 能生成 4K 视频。 需要注意的是，本大事记经过一定筛选，带有一定倾向性，但不包含任何广告或其他商业考量，仅以新闻热度与大众反响为依据。仅代表个人看法，如有遗漏请谅解。

以下是 2024 年 AI 大事纪： 1 月： 斯坦福大学 Mobile Aloha 1 月 10 号 LumaAl Genie 文生 3D 1 月 11 号 GPT store 上线 MagnificAl 高清放大爆火 1 月最后一天苹果 Vision Pro 宣布发售 3 月： 潞晨科技发布 OpenSora Suno 发布 V3 版本爆火 4 月：英伟达发布硬件股价飙升 5 月： 苹果发布 AI 芯片 张吕敏发布 IC light AI 竞争白热化 伊莉雅离开 OpenAI，伊利亚成立新公司，估值超五亿美金 7 月：快手开源 LivePortrait 模型，表情迁移 8 月：StabilityAI 老板成立新公司发布 flux 大模型 9 月： 阿里云发布模型，海螺 AI 参战 Google 发布 GameGen 实时生成游戏 通义千问 2.5 系列全家桶开源 华为发布 cloud matrix 云计算基础设施 GPT 高级语音模式上线 Meta 发布 AI 眼镜 Orion AI 代码编辑器 cursor 爆火 10 月： Pika 发布 1.5 模型 诺奖颁发给 AI 奠基人 特斯拉发布机器人 Adobe 发布 Illustrator+Al 生成矢量图 智谱 AI 发布 autoGLM 腾讯混元开源 3D 模型 云深处发布机器人山猫机器狗 Apple 发布 Mac mini 12 月： 李飞飞发布空间智能成果 腾讯开源混元视频模型 Open AI 开 12 天发布会 微软发布 Trellis 最强开源图生 3D Gemini2.0 视觉交互智能体 智元机器人开始量产 谷歌发布 Veo2 能生成 4K 视频 宇树科技机器狗爆火，似奔着打架去 SORA 兑现引关注，被测试出奇怪问题 需要说明的是，本大事记经过一定筛选，带有一定倾向性，但不包含任何广告或其他商业考量，仅以新闻热度与大众反响为依据。仅代表个人看法，如有遗漏请谅解。

以下是 2024 年 AI 领域的大事纪： 1 月： 斯坦福大学 Mobile Aloha 1 月 10 号 LumaAl Genie 文生 3D 1 月 11 号 GPT store 上线 MagnificAl 高清放大爆火 1 月最后一天苹果 Vision Pro 宣布发售 3 月： 潞晨科技发布 OpenSora Suno 发布 V3 版本爆火 4 月：英伟达发布硬件股价飙升 5 月： 苹果发布 AI 芯片 张吕敏发布 IC light AI 竞争白热化，伊莉雅离开 OpenAI 并成立新公司，估值超五亿美金 7 月：快手开源 LivePortrait 模型，表情迁移 8 月：StabilityAI 老板成立新公司发布 flux 大模型 9 月： 阿里云发布模型，海螺 AI 参战 Google 发布 GameGen 实时生成游戏 通义千问 2.5 系列全家桶开源 华为发布 cloud matrix 云计算基础设施 GPT 高级语音模式上线 Meta 发布 AI 眼镜 Orion AI 代码编辑器 cursor 爆火 10 月： Pika 发布 1.5 模型 诺奖颁发给 AI 奠基人 特斯拉发布机器人 Adobe 发布 Illustrator+Al 生成矢量图 智谱 AI 发布 autoGLM 腾讯混元开源 3D 模型 云深处发布机器人山猫机器狗 Apple 发布 Mac mini 12 月： 李飞飞发布空间智能成果 腾讯开源混元视频模型 Open AI 开 12 天发布会 微软发布 Trellis 最强开源图生 3D Gemini2.0 视觉交互智能体 智元机器人开始量产 谷歌发布 Veo2 能生成 4K 视频 需要注意的是，本大事记经过一定筛选，带有一定倾向性，但不包含任何广告或其他商业考量，仅以新闻热度与大众反响为依据。仅代表个人看法，如有遗漏请谅解。

以下是 2024 年《全球人工智能治理研究报告》中关于“国家主权原则和人工智能发展”的相关内容： 在 2024 年人工智能发展状况的安全与全球治理方面： 英国创建了世界上第一个人工智能安全研究所（AISA），其有三个核心功能：在部署前对高级模型进行评估；建立国家能力并开展研究；协调国际合作伙伴。AISA 还发布了 Inspect 框架用于 LLM 安全评估。英国宣布与美国等效机构签署谅解备忘录，并计划在美国旧金山设立办事处。 英国通过其高级研究与发明机构（ARIA），花费 5900 万英镑开发“守门员”系统，负责了解和减少关键领域中其他人工智能代理的风险。英国政府还计划设立“AI 安全研究实验室”，旨在汇集政府关于敌对国家使用进攻性 AI 的知识。美国能源部利用内部测试床评估人工智能对关键基础设施和能源安全的风险。 在技术和方法方面： 离线直接比对方法不会很快大规模取代 RLHF。谷歌 DeepMind 团队发现 RLHF 在涵盖总结、有用性、对话性等数据集上的测试中胜出，能更有效地改善生成任务。Cohere for AI 探索放弃近端策略优化 RLHF 中的算法，有利于其 RLOO 训练器，可降低 GPU 使用率和提高训练速度。 但 RLHF 存在可能滋生谄媚行为的问题，如 Anthropic 认为 SOTA AI 助手表现出奉承行为是因为人类偏好数据等。开发透明度虽在提高，但仍有很大改进空间。 在安全研究方面： 随着 AI 发展，新功能带来新漏洞，开发人员加大了对“越狱”的研究。OpenAI 提出通过“指令层次结构”修复攻击，Anthropic 表明“警告防御”的潜力，Gray Swan AI 的安全专家试用“断路器”。LLM 测试初创公司 Haize Labs 与 Hugging Face 合作创建首个红队抵抗组织基准。除越狱外，还存在更隐蔽的攻击，潜在攻击面广泛，涵盖从训练到偏好数据和微调等内容。 对于“国家主权原则和人工智能发展”的理解，可能需要综合考虑各国在人工智能安全研究和治理方面的举措，以及技术发展对国家主权可能产生的影响。各国积极建立相关机构和采取措施，表明在人工智能快速发展的背景下，维护国家主权和安全的重要性。同时，技术发展中的问题和挑战也需要各国共同协作应对，以实现人工智能的健康、安全和可持续发展。

以下是为您整理的关于人工智能相关的内容： 1. 头脑风暴常用的 20 个 prompt：包括 Brainwriting Prompt、Reverse Brainstorming Prompt、Mind Mapping 等。 2. 构建外脑/智变时代的个人知识管理：从哲学角度思考知识被 AI 重塑后人的意义，认为超级智能将是人类的外脑，人类独特的个性等将与智能个体融合成为化身，共同汇聚成智能时代的新知识网络。 3. 生成式人工智能在教学中的应用：涉及多媒体、虚拟现实、移动设备等方面，涵盖全面发展个性化学习、协作学习、创新能力等内容，还包括数字校园、智慧课堂、在线社区等场景，以及培养元认知能力、创新思维等能力，以及人机协同、因材施教等理念。

以下是为您提供的人工智能导论思维导图相关内容： 与思维导图相关的 AI 工具有： 1. GitMind：免费的跨平台 AI 思维导图软件，支持多种模式，可通过 AI 自动生成思维导图。 2. ProcessOn：国内思维导图与 AIGC 结合的工具，能利用 AI 生成思维导图。 3. AmyMind：轻量级在线 AI 思维导图工具，无需注册登录，支持自动生成节点。 4. Xmind Copilot：Xmind 推出的基于 GPT 的 AI 思维导图助手，可一键拓展思路、生成文章大纲。 5. TreeMind：“AI 人工智能”思维导图工具，输入需求后由 AI 自动完成思维导图生成。 6. EdrawMind：提供一系列 AI 工具，包括 AI 驱动的头脑风暴功能，有助于提升生产力。 总的来说，这些工具都能通过 AI 技术自动生成思维导图，提高制作效率，为知识工作者带来便利。但请注意，内容由 AI 大模型生成，请仔细甄别。

以下是为您生成的关于“人工智能导论”的思维导图相关内容： 与思维导图相关的 AI 工具： 1. GitMind：免费跨平台，支持多种模式，可通过 AI 自动生成思维导图。 2. ProcessOn：国内思维导图+AIGC 工具，能利用 AI 生成思维导图。 3. AmyMind：轻量级在线，无需注册登录，支持自动生成节点。 4. Xmind Copilot：基于 GPT 的助手，可一键拓展思路、生成文章大纲。 5. TreeMind：“AI 人工智能”工具，输入需求可自动生成思维导图。 6. EdrawMind：提供 AI 工具，包括头脑风暴功能，提升生产力。 总的来说，这些工具都能通过 AI 技术提高思维导图制作效率，为知识工作者带来便利。

以下是关于人工智能导论的相关内容： 微软提供了 AI 初学者入门课程，其中包括人工智能导论。在这门课程中，您将学到： 实现人工智能的不同方法，如使用知识表示和推理的符号人工智能，它属于“有效的老式人工智能”（GOFAI）。 神经网络和深度学习，会使用 TensorFlow 和 PyTorch 两个流行框架中的代码来说明重要概念。 处理图像和文本的神经架构，但在前沿信息上可能有所欠缺。 不太流行的人工智能方法，如遗传算法和多智能体系统。 课程还包含了人工智能简介和历史的课前测试，指出人工智能研究如何使计算机表现出智能行为，例如做人类擅长的事。最初计算机遵循明确的程序运算，而像“根据照片判断一个人的年龄”这类任务无法明确编程，因为我们不清楚大脑完成此任务的具体步骤，这类任务正是人工智能感兴趣的。 课程列表中编号为 I 的课程即为人工智能导论，其相关讲义可通过获取。

以下是关于《生成式 AI 导论 2024》李宏毅课程的相关内容： 课程介绍： 这是台湾大学李宏毅教授的生成式 AI 课程，主要涵盖生成式 AI 的基本概念、发展历程、技术架构和应用场景等。课程共 12 讲，每讲约 2 小时。 学习目标： 通过本课程，掌握生成式 AI 的基本概念和常见技术，能够使用相关框架搭建简单的生成式模型，了解其发展现状和未来趋势。 学习内容： 1. 什么是生成式 AI：包括定义和分类，与判别式 AI 的区别，应用领域。 2. 生成式模型：基本结构和训练方法，评估指标，常见模型及其优缺点。 3. 生成式对话：基本概念和应用场景，系统架构和关键技术，基于生成式模型的对话生成方法。 4. 预训练语言模型：发展历程和关键技术，优缺点，在生成式 AI 中的应用。 5. 生成式 AI 的挑战与展望：面临的挑战和解决方法，未来发展趋势和研究方向。 第 1 讲：生成式 AI 是什么 1. 定义：机器产生复杂有结构的物件。 2. AI 和 AGI 的关系：涉及机器学习、深度学习、类神经网络等。 3. 以 ChatGPT 等为例讲解，如 ChatGPT 是文字接龙，语言模型将复杂问题变成分类问题，生成策略采用回归等。 学习资源： 教材为《生成式 AI 导论 2024》，李宏毅。