直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

人工智能分类

回答

人工智能主要分为以下几类：

  1. 按照智能程度划分：
    • ANI（Artificial Narrow Intelligence，弱人工智能）：只能做一件特定的事，例如智能音箱、网站搜索、自动驾驶、工厂与农场的应用等。
    • AGI（Artificial General Intelligence，通用人工智能）：能够做任何人类可以做的事。
  2. 在 Generative AI 的开发工具和基础设施方面：
    • Orchestration（编排）：涉及如 DUST、FIAVIE、LangChain 等公司，提供工具帮助开发人员管理和协调各个部分和任务，确保系统流畅运行。
    • Deployment, Scalability, & Pre-Training（部署、可扩展性和预训练）：包括 UWA mosaicm、NMAREL、anyscale 等公司，提供工具用于部署模型、保证可扩展性及进行预训练。
    • Context & Embeddings（上下文和嵌入）：有 TRUDO、Llamalndex、BerriAI 等公司，提供工具帮助模型处理和理解语言上下文，以及将词语和句子转化为计算机可理解的形式。
    • QA & Observability（质量保证和可观察性）：例如 Pinecone、drant、Vald 等公司，提供工具确保模型表现，并能监控模型的性能和状态。
  3. 关键词接龙中的分类：
    • 主体描述：Monkey, k-pop monkey, thinker, Millennials, k-pop girl, Buddha
    • 环境与构图：cliff, Temple, post apocalyptic
    • 背景：zen art, Art deco, vaporwave, pink moon, International version of the film effect, steampunk
    • 光线：ethereal pink, pink moon
    • 视角：Twist fantasy, Double Exposure
    • 构图：levitating, jouy print
    • 风格：Hiroshi Sugimoto, Edward Hopper, V for Vendetta, Vaporwave, Celadon green
    • 艺术家：Hiroshi Sugimoto, Edward Hopper
内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

学习笔记：AI for everyone吴恩达

AI分为ANI和AGI，ANI得到巨大发展但是AGI还没有取得巨大进展。ANI,artificial narrow intelligence弱人工智能。这种人工智能只可做一件事，如智能音箱，网站搜索，自动驾驶，工厂与农场的应用等。AGI,artificial general intelligence，做任何人类可以做的事

Generative AI的开发工具和基础设施的趋势

这张图描绘了Generative AI的开发工具和基础设施的趋势。它代表了在AI开发领域中，为满足不同需求，工具和基础设施正在逐渐模块化和专业化的趋势。图中的公司被分组到以下四个主要类别：1.Orchestration（编排）：涉及到的公司（如DUST、FIAVIE、LangChain等）提供的工具帮助开发人员管理和协调各个部分和任务，以确保系统的流畅运行。2.Deployment,Scalability,& Pre-Training（部署，可扩展性和预训练）：这个类别的公司（如UWA mosaicm、NMAREL、anyscale等）提供工具，帮助开发人员部署模型，保证模型的可扩展性，以及在模型使用前进行预训练。3.Context & Embeddings（上下文和嵌入）：这个类别的公司（如TRUDO，Llamalndex，BerriAI等）提供工具，帮助模型处理和理解语言上下文，以及将词语和句子转化为计算机可以理解的形式。4.QA & Observability（质量保证和可观察性）：这个类别的公司（如Pinecone，drant，Vald等）提供工具，以确保模型的表现，并能够监控模型的性能和状态。这些类别和公司的出现代表了人工智能技术的复杂化和专业化。随着技术的发展，更多专门针对不同AI开发阶段的工具和服务正在被开发和使用，这有助于提高开发效率和模型质量。

关键词接龙

首先，我们将关键词分为几个主要类别，以便于管理和应用。主体描述：Monkey,k-pop monkey,thinker,Millennials,k-pop girl,Buddha环境与构图：cliff,Temple,post apocalyptic背景：zen art,Art deco,vaporwave,pink moon,International version of the film effect,steampunk光线：ethereal pink,pink moon视角：Twist fantasy,Double Exposure构图：levitating,jouy print风格：Hiroshi Sugimoto,Edward Hopper,V for Vendetta,Vaporwave,Celadon green艺术家：Hiroshi Sugimoto,Edward Hopper

其他人在问
你觉得人工智能带给人类的到底是提升还是毁灭呢？
人工智能带给人类的影响既有提升也有潜在的挑战，但并非必然导致毁灭。 从提升的方面来看： 技术上可以解决类似于社会歧视等问题，如通过 RLHF 等方法。 优化工作效率，虽然可能导致某些岗位的调整，但实际每个工作的组成部分不是单一的，人可以和人工智能更好地协同。例如放射科医生的案例，解读 X 光照片只是其工作的一部分，实际并未失业。 可以成为解决气候变化和大流行病等问题的关键。 作为自主的个人助理，代表人们执行特定任务，如协调医疗护理。帮助构建更好的下一代系统，并在各个领域推动科学进展。 潜在的挑战和担忧包括： 可能放大人类的负面影响，需要在技术层级加以解决。 导致失业，但能掌握人工智能的人会取代不会的人。 存在人类毁灭的担忧，不过目前此类观点缺乏具体的说明和论证。 对于强人工智能，目前 ChatGPT 的崛起引发了相关讨论，但通用技术并非等同于强人工智能。对于复杂的神经网络和黑箱模型的研究仍在进行，如何使用和控制这些模型是业界和社会争论的热点。科技公司倾向于训练辅助人类的超级智能助手，而非自我改进升级的超级智能体，以推动新一轮的工业革命和经济增长。 总之，人工智能的发展带来了巨大的机遇和挑战，需要我们聪明而坚定地采取行动，以实现其正面影响并应对潜在风险。
2024-11-16
人工智能最新信息
以下是人工智能的一些最新信息： 神经网络研究在 2010 年左右开始有巨大发展，ImageNet 大型图像集合催生了相关挑战赛。 2012 年卷积神经网络用于图像分类使错误率大幅下降，2015 年微软研究院的 ResNet 架构达到人类水平准确率。 从 2015 年到 2020 年，神经网络在图像分类、对话语音识别、自动化机器翻译、图像描述等任务中陆续实现人类水平准确率。 过去几年大型语言模型如 BERT 和 GPT3 取得巨大成功，得益于大量通用文本数据。 OpenAI 通用人工智能（AGI）的计划中，原计划 2026 年发布的 GPT7 因埃隆·马斯克的诉讼被暂停，计划 2027 年发布的 GPT8 将实现完全的 AGI。GPT3 及其升级版本 GPT3.5 是朝着 AGI 迈出的巨大一步。
2024-11-16
中国人工智能产业研究报告
以下是为您提供的中国人工智能产业相关研究报告： 《中国生成式 AI 行业市场热点月度分析（2024 年 5 月）》：行业移动端渗透率达 12%，月活用户超 4000 万，用户画像以高学历、白领为主。可通过获取。 《中国新一代人工智能科技产业发展报告（2024）》：指出中国人工智能产业正从“极化”向“扩散”发展。报告基于 4311 家 AI 企业的数据分析，展示了中国 AI 产业的创新版图。可通过获取。 《数说安全：2024 安全大模型技术与市场研究报告》：深入探讨了 AIGC 大语言模型在网络安全领域的应用和影响。可通过获取。 《微盟&爱分析：2024 年企业 AI 应用趋势洞察报告》：通过案例分析展示了 AI 技术如何助力企业提升生产力，并预测 AI 将在企业级应用中持续拓展服务边界，同时 AI Agent 将为企业级 AI 应用带来新想象空间。可通过获取。
2024-11-15
人工智能会取代人类吗
人工智能是否会取代人类是一个复杂且备受关注的问题。 从一些观点来看，按照目前 AI 发展的速度，在未来十几年内，人类的所有事情乃至人类这个种族有可能被 AI 完全替代。比如，当函数的参数超过兆亿级时，硅基生物可能会理解人类的所有行为及背后的意义，从而实现对人类的全面超越。 然而，也有不同的看法。虽然 AI 会优化效率，但每个工作的组成部分并非单一，人可以和 AI 更好地协同。例如放射科医生的工作，解读 X 光照片只是其中一部分，实际该岗位并未因 AI 而失业。 同时，对于人工智能的担忧还包括是否会放大人类的负面影响、导致失业以及人类毁灭等。但在技术层级上可以解决类似于社会歧视等问题，人类也有丰富的经验来控制比个体强大的事物，许多未完全控制的事物也有其价值和安全性，而且 AI 还可能成为解决气候变化和大流行病等问题的关键。 另外，ChatGPT 的崛起使人们认为大模型可能是通用的，但通用技术并非通用人工智能（强人工智能），强人工智能的定义是可以像人一样做任何智力任务。
2024-11-13
搭建个人知识库，请推荐的免费人工智能软件
以下为您推荐一些可用于搭建个人知识库的免费人工智能软件： 1. AnythingLLM：包含所有 Open WebUI 的能力，额外支持选择文本嵌入模型和向量数据库。安装地址：https://useanything.com/download 。安装完成后需进行配置，主要分为三步：选择大模型、选择文本嵌入模型、选择向量数据库。在 AnythingLLM 中可创建独有的 Workspace 与其他项目数据隔离，包括创建工作空间、上传文档并进行文本嵌入、选择对话模式（Chat 模式会综合给出答案，Query 模式仅依靠文档数据给出答案），配置完成后可进行测试对话。 2. Coze 或 FastGPT 等工具可搭建知识库，但当下其 RAG 能力仅对问答场景友好，复杂企业级知识库场景可能需要专业团队，收费几万到几十万不等。若想使用专门搭建个人知识库的软件，可参考文章 ，忽略本地部署大模型环节，直接看其中推荐的软件。 此外，还有一些相关工具和方法： 用通义听悟整理录音笔记：https://tingwu.aliyun.com 用 React 实现选中即解释 定义提示语提取有用信息：https://memo.ac/zh/ 开源免费屏幕录制工具 OBS，下载地址：https://obsproject.com/ Mac 用 Downie，Windows 推荐 IDM 淘宝数码荔枝店购买 用 losslessCut 快速切块：https://github.com/mifi/losslesscut 希望这些信息对您有所帮助。
2024-11-11
合适搭建个人知识库的人工智能软件有哪一些
以下是一些适合搭建个人知识库的人工智能软件： 1. AnythingLLM：包含所有 Open WebUI 的能力，额外支持选择文本嵌入模型和向量数据库。安装地址为 https://useanything.com/download 。安装完成后需进行配置，主要分为三步：选择大模型、选择文本嵌入模型、选择向量数据库。在使用时，可创建独有的 Workspace 与其他项目数据隔离，包括创建工作空间、上传文档并进行文本嵌入、选择对话模式（Chat 模式会综合训练数据和上传文档给出答案，Query 模式仅依靠文档数据给出答案），配置完成后可进行测试对话。 2. Coze：如果您想使用专门搭建个人知识库的软件，可参考文章 ，忽略本地部署大模型环节，直接看其中推荐的软件。但使用该软件可能需要对接一些额外的 API 。
2024-11-11
撰写内容概要：以ai换脸诈骗和声音合成诈骗为蓝本查阅网站、文献期刊等专家在相关方面的研究进展及其成果，并进行汇总评述。（1）表述收集资料的来源情况、收集资料的数量情况；（2）将所收集的资料进行分类，按照几个分类方面逐一进行表述，表述涵盖专家的观点、结论、思路、方案等；（3）小组综合性的对所收集到的资料进行评述，描述当前的进展情况、优劣点、未来发展等。）
以下是根据您提供的资料进行的汇总评述： 一、收集资料的情况 1. 来源情况：资料来源于陶力文律师的相关论述、关于 AI 音乐的论文、质朴发言的研究报告等。 2. 数量情况：共收集到 3 份相关资料。 二、资料分类及专家观点 1. 关于律师如何写好提示词用好 AI 观点：强调结构化内容组织、规定概述内容解读结语结构、案例和挑战结合、结合法规和实际操作、使用商业术语等。 结论：通过多种方式提升文章的专业性和针对性。 思路：从标题、文章结构等方面进行规划。 方案：按照特定的结构和要求进行写作。 2. 基于频谱图的音乐录音中自动调谐人声检测 观点：聚焦音乐中人声音高的自动调音检测，提出数据驱动的检测方法。 结论：所提方法在检测上表现出较高的精确度和准确率。 思路：包括音频预处理、特征提取和分类等步骤。 方案：创建新数据集，进行全面评估。 3. 文生图/文生视频技术发展路径与应用场景 观点：从横向和纵向梳理文生图技术发展脉络，分析主流路径和模型核心原理。 结论：揭示技术的优势、局限性和未来发展方向。 思路：探讨技术在实际应用中的潜力和挑战。 方案：预测未来发展趋势，提供全面深入的视角。 三、综合性评述 当前在这些领域的研究取得了一定的进展，如在音乐自动调音检测方面提出了新的方法和数据集，在文生图/文生视频技术方面梳理了发展路径和应用场景。 优点在于研究具有创新性和实用性，为相关领域的发展提供了有价值的参考。但也存在一些不足，如音乐检测研究中缺乏专业自动调音样本，部分技术在实际应用中可能面临一些挑战。 未来发展方面，有望在数据样本的丰富性、技术的优化和多模态整合等方面取得进一步突破，拓展更多的应用场景。
2024-11-15
帮我生成一个 AI 写作领域的产业图谱，只关注应用层，按照产品的类别来分类和举例
以下是 AI 写作领域应用层的产业图谱分类及举例： |序号|产品|主题|使用技术|市场规模|一句话介绍| ||||||| |1|Grammarly、秘塔写作猫|AI 智能写作助手|自然语言处理|数十亿美元|利用 AI 技术辅助用户进行高质量写作。| |2|阿里小蜜等电商客服|AI 智能客服外包服务|自然语言处理、机器学习|数十亿美元|为企业提供智能客服解决方案。|
2024-10-28
本站的stable diffusion在哪个分类
Stable Diffusion（简称 SD）属于图片美术类的 AIGC 项目。它是由初创公司 StabilityAI、CompVis 与 Runway 合作开发，2022 年发布的深度学习文本到图像生成模型。其代码模型权重已公开发布，可在多数配备适度 GPU 的电脑硬件上运行，当前版本为 2.1 稳定版（2022.12.7）。源代码库为 github.com/StabilityAI/stablediffusion 。 在分类上，它可以归为 AIGC 常见名词解释中的图片美术类。同时，关于 Stable Diffusion 有很多详细的教程，比如在知乎上有深入浅出完整解析其核心基础知识的内容，包括系列资源、核心基础原理、核心网络结构解析、搭建使用模型进行 AI 绘画、经典应用场景、训练自己的 AI 绘画模型等方面。
2024-10-26
请阐述对比学习在图像分类和检测中的应用
在计算机视觉中，对比学习在图像分类和检测中有重要应用。 图像分类方面：图像分类是根据图像中的语义信息对不同类别的图像进行区分。对比学习通过让模型学习区分相似和不同的图像样本，从而更好地捕捉图像中的语义特征，提高分类的准确性。 目标检测方面：目标检测需要找出图像或视频中的目标物体，并检测出其位置和大小。对比学习可以帮助模型学习到更具判别性的特征表示，从而更准确地定位和识别目标物体。在多类别目标检测中，对比学习有助于区分不同类别的物体，提高检测的精度和效率。 总之，对比学习为图像分类和检测任务提供了有效的特征学习方法，有助于提升计算机视觉系统的性能。
2024-10-15
对比学习在图像分类中的应用
对比学习在图像分类中的应用主要体现在 OpenAI 的 CLIP 模型上。 CLIP 在预训练阶段，IE 使用带 mask 的 Transformer 抽取文本的全局特征，VE 使用 Resnet 或者 ViT 网络结构获取图片的全局特征。在 MI 部分，把同一对的 textimage 看成正样本，其余为负样本，做对比学习。对比学习一般会逐行和逐列分别求一次 softmax+crossentropy，对角线元素为正样本，非对角线元素为负样本，最终除以 2 取平均。值得注意的是温度系数 np.exp正好也符合温度系数的值域。OpenAI 称这样设置效果更好，也省去人工调参。此外，OpenAI 还使用了闭源的经过清洗后的多达 400M 的数据集，训练代码本身也是闭源的，这也是有后续 OpenCLIP 等工作的原因。 在做下游的分类任务时，CLIP 完全可以做 zeroshot，text 部分有很多模板选择，例如 a photo of{}等，最后效果出色，并且 ViT 的效果更好一点。 然而，CLIP 也存在局限性，在图像分类上效果很好，但直接使用在更复杂的 VQA/VR/VE 上效果不佳，并且训练昂贵，需要上千卡天的训练总时间（12 days on 256 V100）。 计算机视觉中，图像分类是根据图像中的语义信息对不同类别的图像进行区分。人和计算机理解图像的方式不一样，存在语义差异。人通过模式识别来分辨，计算机看到的是像素矩阵。计算机视觉的三大基础任务还包括目标检测和分割等。
2024-10-15
目前的ai工具如何分类？
目前的 AI 工具主要有以下分类： 1. 聊天工具：如常见的 AI 聊天机器人。 2. 绘画工具：例如图像生成器。 3. 视频工具：包括视频生成器。 4. 音乐工具：涵盖语音和音乐相关的工具。 5. 写作工具：如 AI 写作生成器。 6. 设计工具。 在访问量最高的 50 个 AI 工具中，“图像生成器”类别是最大的类别，有 14 个工具；“AI 聊天机器人”类别拥有 8 个工具；“AI 写作生成器”有 7 个工具；“视频生成器”和“语音和音乐”类别各有 5 个工具；“设计”类别有 4 个工具；“其他”类别有 7 个工具。
2024-09-11