Ai技术现在的发展状况

AI 是一门令人兴奋的科学，它研究如何使计算机表现出智能行为，例如做一些人类所擅长的事情。 对于 AI 的理解，对于不具备理工科背景的文科生来说可能较困难，可将其当成一个黑箱，只需要知道它是某种能模仿人类思维、理解自然语言并输出自然语言的东西即可。其生态位是一种似人而非人的存在，即便技术再进步，这一生态位也不会改变。 在实际应用中，有些任务无法明确编程让计算机完成，比如根据照片判断一个人的年龄，而这类任务正是 AI 所感兴趣的。 AI 健身是利用人工智能技术辅助或改善健身训练和健康管理的方法，能根据用户情况提供定制化训练计划和建议。相关的 AI 工具包括 Keep、Fiture、Fitness AI、Planfit 等。

利用 AI 帮助写作可以参考以下步骤和方法： 1. 确定写作主题：明确您的研究兴趣和目标，选择一个具有研究价值和创新性的主题。 2. 收集背景资料：使用 AI 工具如学术搜索引擎和文献管理软件来搜集相关的研究文献和资料。 3. 分析和总结信息：利用 AI 文本分析工具来分析收集到的资料，提取关键信息和主要观点。 4. 生成大纲：使用 AI 写作助手生成写作的大纲，包括引言、文献综述、方法论、结果和讨论等部分。 5. 撰写初稿：可以利用 AI 写作工具草拟任何东西的初稿，如博客文章、论文、宣传材料、演讲、讲座等。 6. 优化内容：将文本粘贴到 AI 中，要求它改进内容，或就如何为特定受众提供更好的建议。也可以要求它以不同风格创建多个草稿，使事物更生动，或者添加例子，以激发您做得更好。 7. 帮助完成任务：AI 可以做您没有时间做的事情，像实习生一样使用它写邮件，创建销售模板，提供商业计划的下一步等。 8. 数据分析（若涉及）：如果写作内容涉及数据收集和分析，可以使用 AI 数据分析工具来处理和解释数据。 9. 生成参考文献：使用 AI 文献管理工具来生成正确的参考文献格式。 10. 审阅和修改：利用 AI 审阅工具来检查写作的逻辑性和一致性，并根据反馈进行修改。 11. 提交前的检查：最后，使用 AI 抄袭检测工具来确保写作的原创性，并进行最后的格式调整。 需要注意的是，AI 工具可以作为辅助，但不能完全替代您的专业判断和创造性思维。在使用 AI 进行写作时，应保持批判性思维，并确保写作的质量和学术诚信。 目前，一些较好的写作工具包括： 最佳免费选项： 付费选项：带有插件的4.0/ChatGPT 此外，GPT4 仍然是功能最强的人工智能写作工具，您可以在 Bing（选择“创新模式”）上免费访问，或者通过购买 ChatGPT 的$20/月订阅来访问。Claude 是紧随其后的第二名，也提供了有限的免费选项。这些工具也被直接集成到常见的办公应用程序中，如 Microsoft Office 将包括一个由 GPT 提供支持的副驾驶，Google Docs 将整合 Bard 的建议。

AI 之所以厉害，原因主要包括以下几点： 1. 具有非凡的潜力，能够在众多领域得到应用，如改善社会和经济，其影响力可与电力和互联网相媲美，能推动增长并创造就业机会。 2. 可支持人们完成现有工作，提高劳动力效率和工作场所安全性。 3. 是人类研究世界的有力工具，能帮助解决基础科学面临的瓶颈，例如在生物领域能快速计算蛋白质的折叠结构。 4. 不断发展和创新，如 GPT4 的升级，能为用户提供更多帮助。但同时也存在耗能等问题。

国内的 AI 出海产品有 ThinkAny、GenSpark、Devv 等。 在图像类 AI 产品方面，国内有可灵和通义万相。可灵由快手团队开发，用于生成高质量的图像和视频，图像质量高，但价格相对较高；通义万相是阿里旗下的工具，在中文理解和处理方面表现出色，用户可选择多种艺术和图像风格，操作界面简洁直观，且目前免费，但在某些方面存在局限性。 在 PPT 类 AI 产品方面，国内推荐爱设计 PPT，其背后有强大的团队，能敏锐把握市场机遇，已确立市场领先地位，能提高制作效率并保证高质量输出。

对于 0 基础学习 AI，您可以参考以下步骤： 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，您能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，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。 此外，您还可以参考以下具体的学习活动： 1. 参加“AI 编程共学”活动，例如： 10 月 28 日 20:00 开始的“0 基础做小游戏分享：通往 AGI 之路增量小游戏、转生之我是野菩萨”，回放链接：。 10 月 29 日 20:00 开始的“0 编程基础入门 Cursor 极简使用指南”，回放链接：。 10 月 30 日 20:00 开始的“0 基础学做 AI 拍立得：Coze 工作流实现手把手教学、AI 拍立得开源代码开箱即用”，回放链接：。 10 月 31 日 20:00 开始的“0 基础做小游戏分享：猪猪🐷撞南墙”，回放链接：。 2. 对于技术纯小白，您可以： 从一个最最基础的小任务开始，让 AI 先帮您按照 best practice 写一个 say hello 的示例程序，并解释每个文件的作用及程序运行的逻辑，学会必备的调试技能。 通过和 AI 的对话，逐步明确项目需求，让 AI 帮助您梳理出产品需求文档。

以下是 AI 在平面设计工作流中提高效率的具体步骤和相关信息： 1. 工具选择 主要工具：Midjourney 和 Stabel Diffusion。 辅助工具：RUNWAY 和 PS beta 等。 2. 工作流效果 创意多样：设计解决方案更为多样和创新，项目中不同创意概念的提出数量增加了 150%。 执行加速：AI 生成的设计灵感和概念显著缩短了创意阶段所需时间，设计师在创意生成阶段的时间缩短了平均 60%。 整体提效：在整体项目的设计时间减少了 18%。 3. 提升能力的方法 建立针对性的 AI 工作流：使用 lora 模型训练的方式，生成特定的形象及 KV 风格，建立包含品牌形象、风格视觉 DNA 的模型，并根据实用场景进行分类。 实用的模型训练：在营销活动期间，根据市场环境和消费者偏好的变化迅速调整 lora 模型。 AI 设计资产储备：建立和管理 AI 设计资产，沉淀相关知识、技能、工具，促进团队内部的知识积累和提升。 此外，对于建筑设计师审核规划平面图，以下是一些可用的 AI 工具： 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 ArchiMaster。 Maket.ai：面向住宅行业，在户型和室内软装设计方面有探索，能根据输入需求自动生成户型图。 ARCHITEChTURES：AI 驱动的三维建筑设计软件，在住宅设计早期可引入标准和规范约束设计结果。 Fast AI 人工智能审图平台：形成全自动智能审图流程，实现数据的汇总与管理。 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。

AI 技术的发展状态如下： 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。 当前前沿技术点： 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。 对于新手学习 AI，建议： 持续学习和跟进：AI 是快速发展的领域，新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。 使用 AI 做事时需要注意： AI 是一种工具，并不总是正确的工具。要考虑其弱点，仔细思考是否适合计划应用的目的。 要了解许多道德问题。AI 可能被用于侵犯版权、作弊、窃取他人工作或操纵。特定 AI 模型的构建方式以及谁从其使用中受益，通常是复杂且不特别清楚的问题。最终，使用者有责任以道德的方式使用这些工具。

对于非技术背景的产品经理，要快速掌握 AI 相关知识，可以从以下几个方面入手： 1. 理解产品核心技术：了解基本的机器学习算法原理，有助于更好地理解 AI 产品的核心技术，从而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，能够与开发团队进行更有效的沟通，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，评估某些功能的技术可行性。了解算法知识可以帮助做出更准确的判断。 4. 把握产品发展方向：AI 技术发展迅速，了解算法前沿可以更好地把握产品的未来发展方向。 5. 提升产品竞争力：了解算法可以帮助发现产品的独特优势，提出创新的产品特性，从而提升产品的竞争力。 6. 增强数据分析能力：很多 AI 算法都涉及到数据处理和分析，掌握相关知识可以提升数据分析能力。 在实际应用中，比如在商业化问答场景中，非技术从业者需要了解一些落地的配置，如问答机器人的配置包括 AI 模型、提示词、知识库等。 此外，在成为 AI 摊主方面，不同的人群有不同的优势。技术背景丰富的人具备扎实的技术基础，产品开发与管理经验丰富的人能推动产品落地与优化，AI 爱好者与学习者渴望提升技能，内容创作与营销能力强的人能将 AI 技术与商业化需求结合。

对于非技术背景的产品经理快速上手 AI ，可以参考以下建议： 1. 从基础小任务开始： 让 AI 按照最佳实践写一个 say hello 的示例程序，并解释每个文件的作用及程序运行的逻辑，学会必备的调试技能。 若使用 o1mini ，可在提示词最后添加“请生成 create.sh 脚本，运行脚本就能直接创建插件所需要的所有文件。请教我如何运行脚本。”（Windows 机器则是 create.cmd），它会为您生成代码并给出提示，方便一次性生成多个目录和文件。 2. 明确项目需求： 通过和 AI 的对话，逐步明确项目需求。 让 AI 帮助梳理出产品需求文档，包含影响技术方案选择的细节，后续开发时每次新起聊天就把文档发给 AI 并告知在做第几点功能。 此外，在将 AI 大模型能力接入微信等应用场景时，非技术从业者需要注意解决模型存在幻觉、胡乱回答的问题。在配置问答机器人时，要关注左侧的 AI 模型、提示词、知识库这三处配置。 对于 AI 产品经理，个人划分仅供娱乐和参考： 1. 入门级：能通过 WaytoAGI 等开源网站或一些课程了解 AI 概念，使用 AI 产品并尝试动手实践应用搭建。 2. 研究级：有技术研究和商业化研究两个路径，能根据需求场景选择解决方案，或利用 Hugging face 等工具手搓出一些 AI 应用来验证想法。 3. 落地应用级：有成功落地应用的案例并产生商业化价值。 总之，AI 产品经理要懂得技术框架，不一定要了解技术细节，而是对技术边界有认知，最好能知道一些优化手段和新技术的发展。产品经理要关注的还是场景、痛点、价值。

对于新手学习 AI 技术，建议您从以下几个方面入手： 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，您可以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（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。 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，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，建议如下： 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。 如果您想了解 AI 的技术历史和发展方向，以及目前最前沿的技术点，以下是一些学习路径： 偏向技术研究方向： 1. 数学基础：线性代数、概率论、优化理论等。 2. 机器学习基础：监督学习、无监督学习、强化学习等。 3. 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 4. 自然语言处理：语言模型、文本分类、机器翻译等。 5. 计算机视觉：图像分类、目标检测、语义分割等。 6. 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 7. 科研实践：论文阅读、模型实现、实验设计等。 偏向应用方向： 1. 编程基础：Python、C++等。 2. 机器学习基础：监督学习、无监督学习等。 3. 深度学习框架：TensorFlow、PyTorch 等。 4. 应用领域：自然语言处理、计算机视觉、推荐系统等。 5. 数据处理：数据采集、清洗、特征工程等。 6. 模型部署：模型优化、模型服务等。 7. 行业实践：项目实战、案例分析等。 无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。

对于“AI 技术在课程设计中应用于‘现金箱管理’，课程对象是银行柜员，时长 2 小时”的需求，目前暂时没有相关的具体内容。但可以考虑以下课程设计思路： 首先，在课程开始的前 30 分钟，介绍 AI 技术的基本概念和在金融领域的应用概况，引出其在现金箱管理中的潜在作用。 接下来的 40 分钟，详细讲解 AI 技术如何优化现金箱管理的流程，例如通过智能监控系统实现对现金箱的实时监控和风险预警。 然后用 30 分钟进行案例分析，展示实际应用中 AI 技术成功提升现金箱管理效率和安全性的案例。 最后 20 分钟，组织学员进行小组讨论和交流，让他们分享自己对 AI 技术应用于现金箱管理的理解和想法，并进行总结和答疑。

LangChain 是一个为简化大模型应用开发而设计的开源框架。 其技术方案具有以下特点： 提供模块化的工具和库，便于开发者集成和操作多种大模型。 注重简化开发流程，让开发者能将更多精力投入到应用的核心价值创造上。 支持广泛的模型，具有良好的可扩展性，能适应业务需求的变化。 在应用方面： 作为得到社区广泛支持的开源项目，拥有活跃的贡献者和持续更新。 提供全面的文档和示例代码，有助于新用户快速掌握。 充分考虑应用的安全性和用户数据的隐私保护。 是多语言支持的灵活框架，适用于各种规模的项目和不同背景的开发者。 LangChain 官方手册：https://python.langchain.com/docs/get_started/introduction/

以下是一些 AI 陪伴类型的产品： 1. Character.ai：用户可以与数百个 AI 驱动的角色进行交流，还能创建自己的角色并赋予其各种特性。 2. Replika：用户可以设计理想的伴侣，其会存储记忆并在未来对话中参考，甚至能发送照片。 3. Talkie：主打情感路线，有大量 NPC 和丰富的剧情体系，游戏和休闲娱乐体验感强。 4. 星野、BubblePal：在长短记忆上做处理，突出陪伴意义，陪伴时间越久，知识库沉淀的个性化记录越丰富，越懂用户。 但每个产品都有其特定的应用场景和功能，建议您根据自己的具体需求来选择合适的产品。

在国内的大模型中，对于回答高等数学相关问题，以下几个大模型具有一定的优势： 通义千问（阿里）：在翻译、电商、法律、推理、数学等方面表现较好。 讯飞星火（科大讯飞）：在中小学教育学习、翻译等方面有一定能力。 需要注意的是，不同大模型的表现可能会因具体问题和使用场景而有所差异。您还可以参考第三方基准评测报告： 。但报告内容由 AI 大模型生成，请仔细甄别。

目前国内在做语言生成式 AI 的有不少，例如百度的文心一言、阿里的通义千问、讯飞的讯飞星火、智谱华章的智谱清言、字节跳动的豆包、腾讯的元宝、昆仑万维的天工 AI 等。 此外，还有一些在特定时间上线的大模型，如 8 月正式上线的包括北京的百度（文心一言）、抖音（云雀大模型）、智谱 AI（GLM 大模型）、中科院（紫东太初大模型）、百川智能（百川大模型），上海的商汤（日日新大模型）、MiniMax（ABAB 大模型）、上海人工智能实验室（书生通用大模型）。 需要注意的是，不同的大模型具有各自的特点和功能，在使用和应用场景上可能存在差异。

GPT4 的参数规模约为 1.8 万亿。此前传言称，一个 GB200 NVL72 机柜可以训练 27 万亿参数的模型，相当于能训练近 15 个参数规模为 1.8 万亿的 GPT4 模型。另有网友戏称，“老黄确认 GPT4 是 1.8 万亿参数”。

目前常见的 AI 类型包括： 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（Agents）：不仅具备推理能力，还能执行全自动化业务，但目前许多产品执行任务后仍需人类参与。 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。 在不同行业中也有多种应用，以汽车行业为例： 1. 自动驾驶技术：利用 AI 进行图像识别、传感器数据分析和决策制定，实现自主导航和驾驶，如特斯拉、Waymo 和 Cruise 等公司都在开发和测试。 2. 车辆安全系统：用于增强车辆安全性能，如自动紧急制动、车道保持辅助和盲点检测系统。 3. 个性化用户体验：根据驾驶员偏好和习惯调整车辆设置，如座椅位置、音乐选择和导航系统。 4. 预测性维护：通过分析车辆实时数据预测潜在故障和维护需求，减少停机时间和维修成本。 5. 生产自动化：在汽车制造中用于自动化生产线，提高生产效率和质量控制。 6. 销售和市场分析：分析市场趋势、消费者行为和销售数据，制定营销策略和优化产品定价。 7. 电动化和能源管理：在电动汽车的电池管理和充电策略中发挥作用，提高能源效率和延长电池寿命。 8. 共享出行服务：优化路线规划、调度车辆和定价策略，提高服务效率和用户满意度。 9. 语音助手和车载娱乐：如 Amazon Alexa Auto 和 Google Assistant，允许驾驶员通过语音控制车辆功能、获取信息和娱乐内容。 10. 车辆远程监控和诊断：远程监控车辆状态，提供实时诊断和支持。 此外，在学习笔记“AI for everyone 吴恩达”中提到： AI 分为 ANI（弱人工智能）和 AGI（通用人工智能），ANI 得到巨大发展但 AGI 尚未取得巨大进展。ANI 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。机器学习中有监督学习，从输入到输出。近期监督学习快速发展得益于数据增长、神经网络规模发展以及算力提升。数据集是数据的集合，通常以表格形式出现，每一列代表特定变量，每一行对应某一成员的数据集问题。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，可将数据展示或提供给 AI 团队，数据分为结构化数据（可放在巨大表格中）和非结构化数据（如图片、视频、文本，机器处理较难），同时要注意处理不正确和缺少的数据。

通过 AIGC 赚钱并非易事，以下是一些相关情况： AIGC 艺术家土豆人 tudou_man 认为，做有美感、有创意的 AI 作品能实现价值增值，但要注意定价和建立体系。当前制片公司竞争激烈，技术普及可能导致甲方也能掌握相关技能，广告公司角色面临挑战。对于 AIGC 作品的版权问题，要有职业素养，从源头使用正版账号，或找专业团队训练模型。 自媒体人通过 AIGC 赚钱的方式包括：参加中视频计划获取流量收益，如尺寸为 19201080 的原创横屏视频（时长≥1 分钟），可享受西瓜视频、抖音、今日头条的流量分成，但要通过西瓜后台发布视频并同步到抖音才有抖音的收益；进行知识付费，课程价格从 198 元到 598 元不等；接受平台约稿，如重大事件科技、体育事件等，价格视平台而定；与平台签约，如成为 B 站签约 UP 主，每月有固定费用，但具体价格因合约档位而异。 金沙江创投主管合伙人朱啸虎表示，任何公司都应拥抱 AIGC 以降本增效，如用 AIGC 训练的机器人取代回答员工福利问题的人力，在游戏图片生成等方面也能立竿见影地实现降本增效。