直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

近几个月,中国AI行业有什么重要进展?

回答

以下是近几个月中国 AI 行业的一些重要进展:

  • 过去 12 个月,人工智能行业流量增长显著。2022 年 9 月研究起始时,分析的工具产生 2.418 亿次访问,到 2023 年 8 月达到 28 亿次访问量。
  • 从去年 11 月 ChatGPT 成为最快达到 100 万用户的平台后,行业热度持续攀升,2023 年 5 月访问量达到约 41 亿的峰值。
  • 2023 年上半年国内笃信靠资金和卡能发展类 GPT 架构,但下半年纷纷转向“垂直应用”“商业化”,不提 AGI。目前国内最领先的模型水平大概在准 ChatGPT3.5 水平,和 GPT4 有差距。
  • 百度的“文心 4.0”是当前国内能力较好的模型之一,即将发布的阿里的“通义千问”。
  • 中国开源项目在今年赢得全球粉丝,成为积极开源贡献者。DeepSeek 在编码任务中表现出色,阿里巴巴发布的 Qwen-2 系列视觉能力令人印象深刻,清华大学的自然语言处理实验室资助的 OpenBMB 项目催生了 MiniCPM 项目。
内容由 AI 大模型生成,请仔细甄别(powered by aily)

参考资料

翻译:AI 行业分析:50 个访问量最大的 AI 工具及流量行为

[title]翻译:AI行业分析:50个访问量最大的AI工具及流量行为[heading2]AI行业:过去12个月的流量增长在过去12个月里,人工智能行业是我们长期以来看到的最重要的技术发展之一。在我们研究的起始月份(2022年9月)期间,我们分析的工具产生了2.418亿次访问。正如您在图表中看到的,所有50个工具的总流量在研究期间增长了10.7倍。但在2023年8月的最后一个月,这些工具产生了惊人的28亿次访问量。从这个角度来看,从研究开始一个月到研究结束,流量增加了26亿。这相当于在研究的12个月内平均每月访问量增加2.363亿次。但这一切从哪里开始呢?这一飞跃真正从去年11月开始——当时ChatGPT成为有史以来最快达到100万用户的平台(仅用了5天)。在最初的繁荣之后,炒作一直持续攀升,直到2023年5月,月访问量达到峰值约41亿。这是我们第一次看到行业流量回落12亿。整个期间的平均流量为每月20亿。但有趣的是,如果我们只看最近6个月,每月平均流量为33亿。像人工智能这样的新兴技术趋势能引起如此大的兴趣是非常罕见的。即使在12亿次访问量回落和下降之后,人们的兴趣仍然巨大-行业总兴趣徘徊在上一年增长10.7倍左右。从这个角度来看,风投和投资者可以在人工智能竞赛中挑选几乎任何一匹大马,并在短短一年内安全地实现3-10倍的增长(假设兴趣反映在财务和用户基础上)。

AGI万字长文(上)| 2023回顾与反思

[title]AGI万字长文(上)| 2023回顾与反思[heading1]上篇:2023,风暴的前奏[heading2]<7>国内进展与卡脖子从业内人的角度,ChatGPT和GPT4的出现时最令人惊讶的,不是它的能力,而是保密工作做的太好。2023之前国内AI行业还处在沾沾自喜,自认为和美国只有个把月差距,而且还有人口数据优势;这种论调一下子被GPT4打回了原形。OpenAI在国内完全没有预警的情况下,直接拉开2年技术差距。具体原因,可能是国内的骄傲自大,可能是被之前Google主推的T5技术路线带偏,也可能是因为AGI实在是影响过于巨大,FBI、美国国防部这些国家机关不可能没和OpenAI打过招呼。OpenAI的成功是大力出奇迹,所以23年上半年国内也笃信只要有卡有钱就可以“大炼钢铁”。那时不论是纷纷囤卡招人,研究类GPT架构的大厂们,还是讲着中国OpenAI的故事,拿着巨额融资的创业公司们,都想要第一个创造国产AGI。而到了下半年,在试验了一番发现不容易之后,又纷纷转向要做“垂直应用”、“商业化”;反而不提AGI了。这个转向是短视的,甚至是致命的。2023年,中美在AGI技术的差距并没有缩小。现在,国内最领先的模型水平大概在准ChatGPT3.5的水平,和GPT4还有不小差距;甚至还不如临时拼凑的Mistral团队的水平。大厂。大厂们无论是人才、GPU、数据,还是资金储备都是可以冲击AGI的,不过从实际效果上来看还并没有明确亮点。但与此同时,受内部短期考核压力的裹挟,大多数力量应该都放在卷新产品圈地盘和向上汇报工作上了。从另一个角度,这些模型虽然能力一般,但和业务的结合都是比较充分的。最后,大厂们同时背负了太多其他业务和政治考量:对于是否做大模型的出头鸟,很多公司都是要三思的。具体来讲,百度和阿里是大厂里比较高调:百度的“文心4.0”是当前国内能力最好的模型之一,即将发布的阿里的“通义千问

2024人工智能报告|一文迅速了解今年的AI界都发生了什么?

[title]2024人工智能报告|一文迅速了解今年的AI界都发生了什么?[heading2]二、2024国内VS国外AI企业,竞争达到白热化阶段**中国开源项目在今年赢得全球粉丝,并且已经成为积极开源贡献者。**其中几个模型在个别子领域中脱颖而出,成为强有力的竞争者。DeepSeek在编码任务中已成为社区的最爱,其组合了速度、轻便性和准确性而推出的deepseek-coder-v2。阿里巴巴最近发布了Qwen-2系列,社区对其视觉能力印象深刻,从具有挑战性的OCR任务到分析复杂的艺术作品,都完成的非常好。在较小的一端,清华大学的自然语言处理实验室资助了OpenBMB项目,该项目催生了MiniCPM项目。这些是可以在设备上运行的小型<2.5B参数模型。它们的2.8B视觉模型在某些指标上仅略低于GPT-4V。2024年是AI图像视频迅速发展的一年,这个赛道竞争异常激烈国外Stability AI发布的Stable Video Diffusion,是第一个能够从文本提示生成高质量、真实视频的模型之一,并且在定制化方面取得了显著的进步。并且在今年3月,他们推出了Stable Video 3D,该模型经过第三个对象数据集的微调,可以预测三维轨道。OpenAI的Sora能够生成长达一分钟的视频,同时保持三维一致性、物体持久性和高分辨率。它使用时空补丁,类似于在变压器模型中使用的令牌,但用于视觉内容,以高效地从大量视频数据集中学习。除此之外,Sora还使用了其原始大小和纵横比的视觉数据进行训练,从而消除了通常会降低质量的裁剪和缩放。Google DeepMind的Veo将文本和可选图像提示与嘈杂压缩视频输入相结合,通过编码器和潜在扩散模型处理它们,以创建独特的压缩视频表示。然后系统将此表示解码为最终的高分辨率视频。

其他人在问
学AI
以下是为新手学习 AI 提供的全面指导: 一、了解 AI 基本概念 1. 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。 2. 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。 二、开始 AI 学习之旅 1. 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。 2. 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 1. 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。 2. 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。 五、持续学习和跟进 AI 是一个快速发展的领域,新的研究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。 对于中学生学习 AI 的建议 1. 从编程语言入手学习,比如 Python、JavaScript 等,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,如 ChatGPT、Midjourney 等体验 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。 总之,中学生可以从编程基础、工具体验、知识学习、实践项目等多个方面入手,全面系统地学习 AI 知识和技能,为未来的 AI 发展做好准备。但请注意,以上内容由 AI 大模型生成,请仔细甄别。
2024-11-05
ai版权
以下是关于 AI 版权的详细信息: 版权是知识产权的一部分,包括著作权,具有独创性,是人类智力成果。商标用于区分商品,专利包括发明、实用新型和外观设计。 传统版权与 AI 版权场景存在对比,包括各类传统作品(如文字、口述、音乐、美术等)与 AI 生成的内容(如问答、口播视频文本、生图等)在版权方面的情况。 版权基本常识包括:作品完成即有版权,版权登记是法律证据。国外作品也有版权,版权本质是作者对作品传播的控制权。 AI 内容生成可能存在侵权情形。不知情时,若模型厂商用他人版权作品作训练数据,用户可能无辜躺枪。故意生成与他人风格相似作品,如提示词明确指向著名 IP 或公众认为相似,以及拿他人图片做基础生成视频等,均可能构成侵权。 在 AI 绘画中,存在两种侵权情形,一是无辜躺枪型,二是故意生成与他人风格相似作品。在自媒体场景下做 AI 作品账号算商业化,侵权与赔偿是两回事,存在误区需注意。 AI 创作中版权风险高于传统创作,最好不在提示词里涉及著名 IP 或风格。使用某些作品时可能存在侵权风险,如演奏已去世作者的现代演奏版本等。要注意版权以避免违约责任。 无版权作品的判定通常为原作者死后 50 年。 对于 AI 版权问题的直播准备工作包括共享屏幕调试、微信直播与飞书直播的设置、人员操作界面的准备等。人员任务安排方面,如谢家炜负责投屏分享、刘洋协调沟通、咯咯哒操作相关界面等。还探讨了声音权、IP 形象版权等问题,如用他人声音做二创并发布到公共平台可能侵权,AI 设计的 IP 形象版权认定及商标申请等,并收集观众在直播平台提出的问题,后续统一解答。
2024-11-05
学习数学的AI
以下是关于使用 AI 进行数学学习的一些方法和建议: 1. 自适应学习系统:例如使用 Khan Academy 这类结合了 AI 技术的平台,它能为您提供个性化的数学学习路径和练习题,并根据您的能力和需求进行精准推荐。 2. 智能题库和作业辅助:像 Photomath 这样的工具,通过图像识别和数学推理技术为您提供数学问题的解答和解题步骤。 3. 虚拟教学助手:例如 Socratic ,利用 AI 技术为您解答数学问题、提供教学视频和答疑服务,帮助您理解和掌握数学知识。 4. 交互式学习平台:参与如 Wolfram Alpha 这样的交互式学习平台的数学学习课程和实践项目,利用 AI 技术进行数学建模和问题求解。 通过结合 AI 技术和传统学习方法,您可以更高效、更个性化地进行数学学习,并取得更好的学习效果。但需要注意的是,如果您想让学生使用 AI 辅助数学学习,应确保他们先掌握了基本的数学过程,而不是过度依赖 AI 而忽略了自身的思考和学习。
2024-11-05
AI如何生成视频
AI 生成视频主要有以下几种方式和流程: 方式: 1. 文本生成视频:通过输入文本提示生成视频。在 Adobe 的相关工具中,在 Advanced 部分可使用 Seed 选项添加种子编号来控制生成内容的随机性,相同的种子、提示和控制设置能重新生成类似的视频剪辑。 2. 图片生成视频:先生成角色和场景的视觉描述,再使用 AI 图像生成工具创建图像,最后将其组合成视频。 3. 视频生成视频:对已有视频进行处理和生成新的视频。 流程: 1. 小说内容分析:使用如 ChatGPT 等 AI 工具分析小说内容,提取关键场景、角色和情节。 2. 生成角色与场景描述:利用如 Stable Diffusion 或 Midjourney 等工具生成角色和场景的视觉描述。 3. 图像生成:使用 AI 图像生成工具根据描述创建角色和场景的图像。 4. 视频脚本制作:将提取的关键点和生成的图像组合成视频脚本。 5. 音频制作:借助如 Adobe Firefly 等 AI 配音工具将小说文本转换为语音,并添加背景音乐和音效。 6. 视频编辑与合成:使用如 Clipfly 或 VEED.IO 等视频编辑软件将图像、音频和文字合成为视频。 7. 后期处理:对生成的视频进行剪辑、添加特效和转场,提高视频质量。 8. 审阅与调整:观看生成的视频,根据需要进行调整,比如重新编辑某些场景或调整音频。 9. 输出与分享:完成所有编辑后,输出最终视频,并在所需平台上分享。 请注意,具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外,AI 工具的可用性和功能也可能会随时间而变化,建议直接访问上述提供的工具网址获取最新信息和使用指南。
2024-11-05
如果想学习ai,作为ai产品经理,需要ai底层的算法掌握到什么程度
作为 AI 产品经理,对 AI 底层算法的掌握程度需要达到以下几个方面: 1. 理解产品核心技术:了解基本的机器学习算法原理,以便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,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,能够准确判断某些功能的技术可行性。 4. 把握产品发展方向:了解算法前沿,更好地把握产品未来的发展趋势。 5. 提升产品竞争力:发现产品的独特优势,提出创新的产品特性。 6. 数据分析能力:掌握相关算法知识,提升数据分析能力。 同时,如果希望在 AI 领域继续精进,还需要了解以下基础内容: AI 背景知识: 基础理论:清楚人工智能、机器学习、深度学习的定义及其之间的关系。 历史发展:简要回顾 AI 的发展历程和重要里程碑。 数学基础: 统计学基础:熟悉均值、中位数、方差等统计概念。 线性代数:了解向量、矩阵等基本概念。 概率论:掌握基础的概率论知识,如条件概率、贝叶斯定理。 算法和模型: 监督学习:了解常用算法,如线性回归、决策树、支持向量机(SVM)。 无监督学习:熟悉聚类、降维等算法。 强化学习:了解其基本概念。 评估和调优: 性能评估:知道如何评估模型性能,包括交叉验证、精确度、召回率等。 模型调优:学会使用网格搜索等技术优化模型参数。 神经网络基础: 网络结构:理解包括前馈网络、卷积神经网络(CNN)、循环神经网络(RNN)等的基本结构。 激活函数:熟悉常用的激活函数,如 ReLU、Sigmoid、Tanh。
2024-11-05
有AI英语陪练的软件吗
以下为您介绍一款 AI 英语陪练软件: Coze 可以免费为您提供 24 小时英语陪练服务。使用建议:建议直接使用豆包的语音通话方式,效果更好。 实际演示效果包括: 视频演示:扮演英语水平较差的学习者。 文字交流中的训练纠错。 解读上传的图片或文件的英文内容(目前支持在 Coze 端使用,豆包端暂不支持)。 直接试用: Coze 端使用链接:https://www.coze.cn/store/bot/7354381765919834127 豆包端使用链接:https://www.doubao.com/chat/22308348468226 教学步骤: 创建 AI Bot:首先打开扣子的首页,直接点击左上角的创建 AI Bot 按钮,然后在弹窗输入 Bot 的相关信息即可完成创建,接下来可细化其功能。 设计人设与回复逻辑:根据 AI Bot 的功能需求设计提示词。 调整模型设置:基于功能需求,以聊天为主的 AI Bot 建议多一些对话轮数的记录,可改为 20 轮。 插件:主要使用了英文名言警句可识别图片中的文字并返回结果。 设置开场白和预置问题:预置问题有参考价值。 设置语音:因为是英语陪练 AI Bot,选择比较亲切的英语音色。
2024-11-05
最近几个月AI发生的大事件
以下是最近几个月 AI 领域发生的一些大事件: 1. 尽管科技公司因美联储加息资本狂欢结束,SaaS 公司股价下跌、裁员紧缩,但 DallE 2 发布,一大批炫酷的 AI 公司登场,在风投界引发风潮,基于生成式 AI 产品的公司估值达数十亿美元,虽收入少且商业模式未经验证。 2. 数百万人尝试像 ChatGPT 这样能流畅对话的生成式 AI 模型和像 DALLE 这样的创意图像生成器,其获得的关注引导大量投资流动,塑造了技术未来几年的应用方式。对于一直对 AI 改变社会持乐观态度的人,特别是在健康和医学等关键领域,近几个月感觉像科幻小说变为现实。 3. 生成性 AI 使得最近图像生成领域激增。短短十年,从仅限专家使用的 AI 模型发展到可供公众使用的能编写有效代码、用自然语言提示创建准确图像的模型,创新步伐不断加快。
2024-08-24
AI加教育的最新进展
以下是 AI 加教育的最新进展: 案例方面: “AI 赋能教师全场景”,来自 MQ 老师的投稿贡献。 “未来教育的裂缝:如果教育跟不上 AI”,揭示了人工智能在教育领域从理论走向实际应用带来的颠覆性改变。 “化学:使用大型语言模型进行自主化学研究”。 “翻译:怎么把一份英文 PDF 完整地翻译成中文?”,介绍了 8 种方法。 对未来的预判: 个性化学习时代已到来,AI 将作为教育生态系统的一部分与人类教师协作,为孩子提供不同的学习体验,如混合式教学、定制学习路径等。 教育工作者将成为学习的引导者和伙伴,更多关注孩子的全人发展,如创造力和社交智慧。 未来 3 年,提升人机协作效率的领域,如 AI 作业批改、备课、定制教育规划、学前启蒙等,对教育从业者蕴藏着巨大机遇。 探索实践: 过去半年多,梳理教学和育儿工作流,每个环节与 AI 协作可大幅提升效率,但也加剧了知识获取的不平等。从家长的“育”、老师的“教”和学生的“学”进行了落地实践的拆解。
2024-11-05
最新AI进展
以下是关于最新 AI 进展的相关内容: AI 技术的发展历程: 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发展。 当前 AI 前沿技术点: 1. 大模型(Large Language Models):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:包括量子机器学习、量子神经网络等。 8. AI 芯片和硬件加速。 10 月 14 日的 AI 相关进展: 1. ChatGPT 命令工具上线,提供搜索、图像、O1 推理三种命令,使普通模型也具备高级推理能力,测试表明所有模型均支持命令调用,显著提升了 ChatGPT 的整体能力。 2. Anthropic CEO 展望未来,认为 AI 将在 5 10 年内助力扫除几乎所有疾病,寿命翻倍至 150 岁,包括在医学进展方面实现 50 100 年的突破,如大规模预防自然传染病与开发“万能疫苗”,降低癌症死亡率,治愈遗传疾病,开发抗衰老疗法,帮助治疗抑郁症、精神分裂症等疾病,同时自动化劳动解放人类创造力,推动全球经济增长,但也需平衡风险与潜力。 3. ChatGPT 4.0 Canvas 功能助力写作,提供思路、润色语言、内容扩展,支持快速修改与撤回版本,极大提升写作效率,未来或将支持多人协作、数据图表生成、甚至直接生成 PPT。 对于新手学习 AI,要持续学习和跟进,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。
2024-10-31
中国上市公司在ai应用方面的进展
目前,中国上市公司在 AI 应用方面取得了一定进展。 一方面,许多公司正将 AI 融入其工作流程,以快速达成 KPI、扩张规模和降低成本。例如,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。 另一方面,对于 AI 应用层的创业者来说,存在一些问题和探索。中国企业软件的发展曾受人均 GDP 不够高、人力成本等因素限制,但如果 AI 能极大降低软件成本并提高效率,可能带来价值突破。我们期待中国 2B 的 AI 软件应用实现跨越式发展。 此外,还有一些相关的资源可供参考,如 2022 2024 年融资 2000 万美金以上的公司列表和详细公司分析、AI Grant 公司列表和详细公司分析、AIGC 行业与商业观察等。同时,也有关于 AI 变革公司/产业实践探索的相关内容,如 2023 年年报中中国上市公司对生成式 AI 的使用,以及安克创新的 AI 实践分析等。
2024-10-28
近期的大模型进展
近期大模型的进展主要包括以下方面: 多模态大模型: 现状:随着数据集和模型规模扩大,传统多模态模型计算量大,研究重点在于各模态的连接,利用现成训练好的单模态基础模型可减少训练费用和提升效率。通过多模态预训练和指令微调实现模态对齐及模型输出与人类意图对齐是核心挑战。 发展历程:最初集中在多模态内容理解和文本生成,如 Flamingo、BLIP2 等;同时实现多模态输入和输出工作,如 MMLMM;将 LLM 和外部工具继承进来,实现“anytoany”的多模态理解和生成,如 visualchatgpt 等;还有为减少级联过程中传播误差的工作。 大型视觉模型 Sora:符合视觉模型的规模化定律,展示了新兴能力,包括遵循指令、视觉提示工程和视频理解等,是第一个展示确认新兴能力的视觉模型,标志着计算机视觉领域的重要里程碑。 OpenAI 的新模型 o1preview/mini:复杂问题思考过程长,相对简单问题也需 5 10 秒,使用条数少,冷却时间长,但推理模型准确率不断攀升,为行业注入了强心剂。
2024-10-23
9月份AI技术有哪些进展
以下是 9 月份 AI 技术的一些进展: 1. 9 月 AI 圈内发生了多起趣事和事件,包括 Cursor 编程软件的爆红、Runway 删除开源的 Stable Diffusion v1.5、国产 AI Bot 类产品留存率不足 1%等。 2. 众多新模型和功能接连发布,如 DeepSeek、OpenAI 和 Meta 有新的进展,以及 AI 编程工具不断竞争。 3. 行业关注度持续上升,尤其是 Cursor 的成功引发广泛讨论,显示 AI 编程工具仍在快速发展。 4. 吴恩达深入探讨了 AI 技术的最新发展和未来方向,重点关注 Agentic Workflow、模型架构、推理速度和基础设施。他介绍了 Agentic Workflow 的优势,强调 AI 能够自主回顾和修复错误,提高系统稳定性。以斯坦福大学的演示为例,AI Agent 在网络搜索失败时自动切换到维基百科,展示了其适应性。 5. 关于模型架构,吴恩达认为现有的 Transformer 模型已经表现良好,虽然新架构值得研究,但不是必需的。他强调提高快速推理和生成控制能力更为关键。 6. 推理速度被视为当前 AI 应用的主要瓶颈。吴恩达指出,显著提高推理速度(如从 25 分钟缩短到 2 分钟)将极大改善用户体验,推动 AI 应用发展。 7. 在讨论 AI 基础设施时,吴恩达认同增加训练投资可能提高模型效率的观点。他提到一些公司正在开发高效的 token 生成技术,并提出了训练和推理基础设施是否应分离的问题,暗示这可能需要新的架构支持。
2024-10-04
谈一下2024年aigc技术领域的进展
以下是 2024 年 AIGC 技术领域的一些进展: 飒姐团队希望 2024 年版报告能更详细展现 AIGC 在国内外的盛况,并期待更具想象力和突破性的发展。同时指出,AI 将改变人们生活的方方面面,很多生产关系会改变,法律也将受到“拷问”。 2024 年 1 月第四周,扎克伯格宣布 Meta 致力于实现 AGI,将两大 AI 研究团队合并,并投入超 90 亿美元采购英伟达显卡。Meta 正在开发 Llama 3 大语言模型,推动开源的通用人工智能开发方式。 2024 年 7 月第二周,快手发布可灵网页版及大量模型更新,阶跃星辰发布多款模型,商汤打造类似 GPT4o 的实时语音演示,微软开源新型 RAG 架构 GraphRAG。 2024 年 7 月第三周,Anthropic 新增分享和后台功能,出现 LLM 分布式训练框架 OpenDiLoCo,Odysseyml 重构 AI 视频生成技术。 2024 年 7 月第四周,AIGC 领域的重要动态包括 Open AI 发布 GPT4omini、Mistral 发布三个小模型等。
2024-09-23
如何用ai赋能高报行业
以下是关于如何用 AI 赋能高报行业的一些信息: 1. 金融服务方面: 生成式 AI 能帮助金融服务团队改进内部流程,简化日常工作。例如,它可以帮助回答财务问题,从更多数据源获取数据,自动化突出趋势、生成预测和报告的过程。 能帮助编写 Excel、SQL 和 BI 工具中的公式和查询以实现分析自动化,发现模式并为预测建议输入。 能自动创建文本、图表、图形等内容,并根据不同示例调整报告,无需手动整合数据和分析。 能在会计和税务方面提供帮助,如综合、总结税法和潜在扣除项的可能答案。 能在采购和应付账款方面自动生成和调整合同、采购订单和发票以及提醒。 2. 教育方面:生成式 AI 可以通过创建资源来支持教育工作者部署 AI 赋能的教育工具,例如学校中的个性化辅导,从而改变教育。 3. 劳动力方面: 制定原则和最佳实践,以减轻 AI 对工人的危害并最大化其益处,解决工作岗位流失、劳动标准、工作场所公平、健康和安全以及数据收集等问题。 制作关于 AI 对劳动力市场潜在影响的报告,并研究和确定加强联邦对面临劳动力中断(包括因 AI 导致)的工人的支持的选项。 此外,拜登签署的 AI 行政命令还涉及以下方面: 1. 催化美国各地的 AI 研究,通过国家 AI 研究资源的试点为研究人员和学生提供关键的 AI 资源和数据,并扩大在医疗保健和气候变化等重要领域的 AI 研究资助。 2. 促进公平、开放和竞争的 AI 生态系统,为小型开发者和企业家提供技术援助和资源,帮助小企业将 AI 突破商业化,并鼓励联邦贸易委员会行使其职权。 3. 利用现有权力,通过现代化和简化签证标准、面试和审查,扩大高技能移民和在关键领域有专长的非移民在美国学习、停留和工作的能力。 4. 在国际上: 扩大双边、多边和多利益相关方的合作,建立强大的国际框架来利用 AI 的益处并管理其风险和确保安全。 与国际伙伴和标准组织加速关键 AI 标准的开发和实施,确保技术安全、可靠、可信和可互操作。 促进国外安全、负责和肯定权利的 AI 开发和部署,以解决全球挑战,如推进可持续发展和减轻对关键基础设施的危险。 确保政府负责任和有效地使用 AI 。
2024-11-05
审计行业可以使用什么ai
在审计行业,以下是一些可以使用的 AI 应用: 1. 自动化文档处理:利用 AI 技术自动处理和分析大量的审计文档,提高工作效率。 2. 数据分析与预测:通过 AI 对财务数据进行深入分析,发现潜在的风险和趋势,辅助做出更准确的审计判断。 3. 智能检索与分类:借助自然语言处理和机器学习算法,对相关资料进行高效检索和分类。 在专利审查方面,AI 也得到了广泛应用: 1. 专利检索与分类:AI 能够进行高效的专利检索和分类,例如通过 Google Patents、IBM Watson for IP 等平台,利用自然语言处理和机器学习算法,自动识别和分类专利文献。 2. 专利分析和评估:可以分析专利文本,评估专利的新颖性和创造性,预测专利的授权可能性。如 TurboPatent、PatentBot 等平台。 3. 自动化专利申请:帮助自动生成专利申请文件,减少人工编写和审查时间,如 Specifio、PatentPal 等平台。 4. 专利图像和图表分析:利用 Aulive 等平台的 AI 技术分析专利中的图像和图表,自动识别技术内容和创新点。 在金融服务业中,生成式 AI 也发挥了重要作用: 1. 更动态的预测:帮助编写 Excel、SQL 和 BI 工具中的公式和查询,实现分析的自动化,发现模式,并从更广泛、更复杂的数据集中为预测建议输入。 2. 报告:自动创建文本、图表、图形等内容,并根据不同的示例调整此类报告。 3. 会计和税务:综合、总结税法相关内容,并就税法和潜在的扣除项提出可能的答案。 4. 采购和应付账款:帮助自动生成和调整合同、采购订单和发票以及提醒。
2024-10-29
审计行业和ai相关的产品和文章有哪些
以下是一些与审计行业和 AI 相关的产品和文章: 1. 案例方面: “AI 产品案例和投稿”中提到了七大行业的商业化应用,包括企业运营(如日常办公文档材料撰写整理、营销对话机器人等)、教育、游戏/媒体、零售/电商、金融/保险等领域的应用。您可以通过查看详情。 2. 应用方面: 100 个 AI 应用涵盖了辅助创作与学习(如 AI 智能写作助手、语言学习助手等)、推荐与规划(如图像识别商品推荐、旅游行程规划器等)、监控与预警(如宠物健康监测设备、家居安全监控系统等)、优化与管理(如办公自动化工具、物流路径优化工具等)、销售与交易(如 AI 艺术作品生成器、汽车销售平台等)等多个方面。 3. 研究报告方面: 2023 年 11 月 15 日更新了一批 AI 相关的研究报告,特别推荐的有《红杉中国:2023 企业数字化年度指南》(基于对 235 家企业数字化负责人的调研,63.5%的企业已把 AIGC 列入企业发展战略)、《华为:加速行业智能化白皮书》(结合华为行业智能化实践及面向智能世界 2030 的展望,与各界进行万场以上座谈研讨)。如需下载,可访问我们的知识星球。此外,还有《一文带你了解提示攻击!》这篇文章,带您从零开始了解越狱、提示攻击、与传统安全的关系以及大语言模型的安全问题。
2024-10-29
ai行业前沿技术突破
以下是关于 AI 行业前沿技术突破的相关内容: 2024 年,AI 模型在生物医学、气象预测等领域取得了重要突破。诺贝尔物理学奖和化学奖先后颁给了 AI,这不仅推动了机器学习的理论创新,还揭示了蛋白质折叠问题,标志着人工智能已成为一门科学学科和加速科学的工具。 在具体的技术应用方面: 基于深度学习和 Transformer 架构的蛋白质结构预测模型 AlphaFold 3 能够高精度地预测包括蛋白质、DNA、RNA、配体等生物分子的结构和相互作用,将为细胞功能解析、药物设计和生物科学的发展提供有力支持。 DeepMind 展示的新的实验生物学能力 AlphaProteo 是一种能够设计出具有三到三百倍亲和力的亚纳米摩尔蛋白结合剂的生成模型。 生物学前沿模型的扩展方面,Meta 发布的 ESM3 是一种前沿多模态生成模型,它在蛋白质序列、结构和功能上进行训练,能够学习预测任何模态组合的完成情况。 此外,在学习路径方面,偏向技术研究方向需要掌握数学基础(如线性代数、概率论、优化理论等)、机器学习基础(监督学习、无监督学习、强化学习等)、深度学习(神经网络、卷积网络、递归网络、注意力机制等)、自然语言处理(语言模型、文本分类、机器翻译等)、计算机视觉(图像分类、目标检测、语义分割等)等,还包括前沿领域如大模型、多模态 AI、自监督学习、小样本学习等以及科研实践。 偏向应用方向则需要具备编程基础(Python、C++等)、机器学习基础(监督学习、无监督学习等)、深度学习框架(TensorFlow、PyTorch 等),了解应用领域(自然语言处理、计算机视觉、推荐系统等)、数据处理(数据采集、清洗、特征工程等)、模型部署(模型优化、模型服务等),并进行行业实践。 AI 技术的发展历程大致为:早期阶段有专家系统、博弈论、机器学习初步理论;知识驱动时期有专家系统、知识表示、自动推理;统计学习时期有机器学习算法(决策树、支持向量机、贝叶斯方法等);深度学习时期有深度神经网络、卷积神经网络、循环神经网络等。 当前 AI 前沿技术点包括: 大模型,如 GPT、PaLM 等。 多模态 AI,如视觉语言模型(CLIP、Stable Diffusion)、多模态融合。 自监督学习,如自监督预训练、对比学习、掩码语言模型等。 小样本学习,如元学习、一次学习、提示学习等。 可解释 AI,包括模型可解释性、因果推理、符号推理等。 机器人学,涉及强化学习、运动规划、人机交互等。 量子 AI,包含量子机器学习、量子神经网络等。 AI 芯片和硬件加速。
2024-10-28
近期融资的ai行业上市公司
以下是近期融资的 AI 行业上市公司的相关信息: Celestial AI 融资 1 亿美元,用于使用基于光的互连传输数据。 Zenarate 融资 1500 万美元,是提供 AI 模拟培训平台的公司。 Augmedics 获得 8250 万美元,用于使用 AR 和 AI 进行脊柱手术。 CalypsoAI 筹集了 2300 万美元,用于生成 AI 模型的护栏。 2024 年美国融资金额超过 1 亿美元的 AI 公司(截止 2024.10.15): |项目名称|融资时间|融资金额(亿美元)|轮次|估值(亿美元)|主营|产业链标签|话题标签|投资方|其他信息| ||||||||||| |Weka|20240513|1.4|E|16|AI 原生数据平台|应用|数据|Valor Equity Partners, 高通创投, Nvidia, 日立创投| |CoreWeave|20240501|11|C|190|GPU 基础设施|基础设施|硬件和云平台|Coatue, Fidelity, Altimeter Capital, Magnetar Capital| |Scale AI|202405|10|F|140|数据标记服务|应用|数据|Accel, Tiger Global, Spark Capital, 亚马逊| |Blaize|20240429|1.06|D||AI 边缘计算平台|基础设施|硬件和云平台|淡马锡, 富兰克林邓普顿, Bess Ventures| |Augment|20240424|2.27|B|10|AI 编码辅助|应用|编程|Lightspeed Venture Partners, Index Ventures, Sutter Hill Ventures| |Cognition|20240424|1.75||20|端到端软件 Agents|应用|编程|Founders Fund, Ramp 联合创始人 Eric Glyman, Stripe 联合创始人 Patrick 和 John Collison, DoorDash 联合创始人 Tony Xu| |Xaira Therapeutics|20240423|10|A||AI 药物研发|应用|医学|Foresite Capital, ARCH Venture Partners| 近期热门融资 AI 产品速递 1 st : You.com 已完成多轮融资,包括来自 Salesforce CEO Marc Benioff 的 2000 万美元资金和 4500 万美元的募资。目前,You.com 用户数量稳定增长,已超过 10 万。体验链接:www.you.com
2024-10-28
具身智能在制造行业的落地方向有哪些?
具身智能在制造行业的落地方向主要包括以下几个方面: 1. 预测性维护:利用具身智能技术预测机器故障,帮助工厂避免停机,提高生产效率。 2. 质量控制:检测产品缺陷,提升产品质量。 3. 供应链管理:优化供应链,实现效率提升和成本降低。 4. 机器人自动化:控制工业机器人,进一步提高生产效率。 具身智能是人工智能领域的一个子领域,强调智能体通过与物理世界或虚拟环境的直接交互来发展和展现智能。它的核心在于智能体的“身体”或“形态”,这些身体可以是物理形态,也可以是虚拟形态。具身智能的研究涉及多个学科,包括机器人学、认知科学、神经科学和计算机视觉等。在机器人学中,关注如何设计能自主行动和适应环境的机器人;在认知科学和神经科学中,探索大脑处理与身体相关信息的机制及应用于人造智能系统;在计算机视觉中,致力于开发算法使智能体理解和解释视觉信息,进行有效的空间导航和物体识别。 作为一个系统性的工程,具身智能涉及算法层、不同技术流派、数据、模拟器、传感器、视觉方案、力学结构等多个维度,并整体向着更鲁棒性、各层级之间过渡更加平滑的方向发展。但也存在一些问题,比如力矩控制、电流控制做到哪一步才算端到端,机器人的 foundation model 或者 GPT 时刻会是什么样,触觉等感知信号以什么样的形式进入模型当中等。
2024-10-26