学习AICG的步骤

以下是关于 AIGC 最新资讯的一些内容： AIGC 应用可能引发内生风险、数据隐私问题和知识产权风险。内生风险包括算法的不可解释性和不可问责性，以及代码开源可能带来的安全和伦理担忧。数据隐私方面，AIGC 工具可能导致数据泄露、匿名化不足、未经授权的数据共享等问题。应用风险涉及作品侵权、不当竞争等问题。相关法律和规定对 AIGC 的透明性、数据收集和处理、知识产权归属等提出了要求。然而，著作权归属、数据隐私等问题尚需更多法律明确规定。此外，AIGC 的滥用可能导致虚假信息传播、侵犯隐私等问题，因此需要进一步加强监管和伦理约束。 2024 年 9 月第三周最大的新闻是 OpenAI o1 模型，不过热度下降很快，模型能力和普通人的需求脱节了，大部分人没有用这类的模型的需求，也没办法提出好问题来测试。 AIGC 还有超出了文本、视频、图像、语音生成和数据增强的应用范围。例如，它可以用于音乐生成、游戏开发、医疗保健等等。在医疗保健方面，生成性人工智能可以帮助生成合成医疗数据，以训练机器学习模型，开发新的候选药物，并设计临床试验。这些只是生成性人工智能众多可能性中的一些例子，随着技术的发展，AIGC 或将与更多的终端产品结合。

以下是一些常用的 AIGC 论文检测网站和工具，以及它们的功能和使用方法，可帮助您降低论文的 AIGC 率： 1. Turnitin： 功能：是广泛使用的学术剽窃检测工具，最近增加了检测 AI 生成内容的功能。 使用方法：用户上传论文，系统自动分析文本并提供详细报告，标示出可能由 AI 生成的部分。 2. Copyscape： 功能：主要用于检测网络上的剽窃行为，虽不是专门的 AIGC 检测工具，但能发现可能被 AI 生成的重复内容。 使用方法：输入文本或上传文档，系统扫描网络以查找相似或重复内容。 3. Grammarly： 功能：提供语法检查和剽窃检测功能，剽窃检测部分可帮助识别可能由 AI 生成的非原创内容。 使用方法：将文本粘贴到 Grammarly 的编辑器中，选择剽窃检测功能，系统提供分析报告。 4. Unicheck： 功能：基于云的剽窃检测工具，适用于教育机构和学术研究，可检测 AI 生成内容的迹象。 使用方法：上传文档或输入文本，系统分析并生成报告，显示潜在的剽窃和 AI 生成内容。 5. ： 功能：专门设计用于检测 AI 生成内容，使用先进算法分析文本，识别是否由 GPT3 或其他 AI 模型生成。 使用方法：上传文档或输入文本，系统提供详细报告，包括可能的 AI 生成内容。

AGI（通用人工智能）是一种让机器具备像人类一样广泛的智能能力的目标。 AI（人工智能）是让机器展现智慧的一种目标。 GenAI（生成式人工智能）是让机器产生复杂有结构内容的一种目标。 AIGC（人工智能生成内容）是利用人工智能技术生成包括文本、图像、音频和视频等各种类型内容的新型生产方式。 AIGC、UGC（用户生成内容）和 PGC（专业生成内容）都是内容生成的不同方式，主要区别在于内容的创作者和生成方式。AIGC由人工智能生成，可快速大规模生成内容；UGC由用户生成，内容丰富多样反映用户真实想法和创意；PGC由专业人士或机构生成，内容质量高专业性强。 在应用方面，AIGC 技术可用于自动撰写新闻文章、生成艺术画作、创作音乐、制作视频游戏内容等。ChatGPT 是 AIGC 技术在文本生成领域的一个应用实例。

目前国外主流的图像类 AICG 应用包括 DALL·E2、StableDiffusion 等。DALL·E2 能够根据输入的文本描述生成逼真且富有创意的图像；StableDiffusion 则以其强大的生成能力和广泛的自定义选项受到众多用户的青睐。

目前关于国外主流的十大图像类 AICG 应用，暂时没有确切和权威的统一排名。不同的评估标准和应用场景可能会导致结果有所差异。一些常见且受到广泛关注的图像类 AICG 应用包括 DALL·E2、StableDiffusion、Midjourney 等，但要确切指出十大应用会因各种因素而难以确定。

目前国外主流的图像类 AICG 应用包括 DALL·E2、StableDiffusion 等。DALL·E2 能够根据输入的文本描述生成逼真的图像；StableDiffusion 则具有强大的图像生成能力和丰富的自定义选项。

使用 COZE 搭建智能体的步骤如下： 1. 梳理手捏 AI Agent 的思路： 在上篇文章中提到过 Prompt 工程的必备能力，即通过逻辑思考，从知识经验中抽象表达出关键方法与要求，这一理念同样适用于在 Coze 中创建 AI Agent。 搭建工作流驱动的 Agent 简单情况可分为 3 个步骤： 规划：制定任务的关键方法，包括总结任务目标与执行形式，将任务分解为可管理的子任务，确立逻辑顺序和依赖关系，设计每个子任务的执行方法。 实施：分步构建和测试 Agent 功能。 完善：全面评估并优化 Agent 效果。 2. 分步构建和测试 Agent 功能： 首先进入 Coze，点击「个人空间 工作流 创建工作流」，打开创建工作流的弹窗。 根据弹窗要求，自定义工作流信息。 点击确认后完成工作流的新建，可以看到整个编辑视图与功能。 其中，左侧「选择节点」模块中，根据子任务需要，实际用上的有： 插件：提供一系列能力工具，拓展 Agent 的能力边界。本案例涉及的思维导图、英文音频，因为无法通过 LLM 生成，就需要依赖插件来实现。 大模型：调用 LLM，实现各项文本内容的生成。本案例的中文翻译、英文大纲、单词注释等都依赖大模型节点。 代码：支持编写简单的 Python、JS 脚本，对数据进行处理。 而编辑面板中的开始节点、结束节点，则分别对应分解子任务流程图中的原文输入和结果输出环节。 接下来，按照流程图，在编辑面板中拖入对应的 LLM 大模型、插件、代码节点，即可完成工作流框架的搭建。 3. 全面评估并优化 Agent 效果： 整体试运行 Agent，识别功能和性能的卡点。 通过反复测试和迭代，优化至达到预期水平。

产品经理转变为 AI 产品经理，需要以下步骤： 1. 学习技术原理：了解诸如 RAG（检索增强生成）、PAL（程序辅助语言模型）、ReAct 框架等相关技术知识。RAG 是将外部知识库切分成段落后转成向量存在向量数据库，用户提问时段落信息会和问题一起传给 AI，还可搭建企业和个人知识库。PAL 不让 AI 直接生成计算结果，而是借助 Python 解释器等工具。ReAct 框架是 reason 与 action 结合，让模型动态推理并与外界环境互动，可借助 LangChain 等框架简化构建流程。 2. 关注技术脉络：关注或直接阅读技术论文，虽然有难度，但这对于理解技术很重要，同时要完成一定的知识储备。 3. 了解前沿观点：例如 Transformer 是仿生算法的阶段性实现，未来可能不再使用；在端到端算法时代，不应继续使用冯诺依曼架构；在存算一体的芯片上会诞生全新算法等。 总之，转型需要不断学习和积累相关知识，关注行业动态和前沿观点。

很抱歉，目前没有关于用照片做视频的博主起号的相关内容。但我可以为您提供一个大致的框架和流程，以及每一步骤的简要执行指导供您参考： 框架： 1. 明确视频号定位：确定您的视频号是以何种风格、主题展示照片视频，例如旅行照片集、宠物照片故事等。 2. 内容策划：规划好要发布的照片系列，制定一个长期的内容计划。 3. 品牌塑造：包括起一个吸引人的账号名称、设计独特的头像和封面。 流程： 1. 账号注册与设置：选择一个易记且与主题相关的账号名，完善个人简介，突出您的特色和价值。 2. 素材准备：整理和筛选高质量的照片，并对其进行分类。 3. 视频制作：使用合适的软件将照片制作成精彩的视频，添加音乐、特效等元素增强吸引力。 4. 发布策略：选择合适的时间发布视频，保持一定的发布频率。 每一步骤的详细执行指导： 账号注册与设置： 账号名要简洁、有特色，能反映您的视频主题。 个人简介要清晰地介绍您的视频号定位、能为观众带来什么价值。 素材准备： 从大量照片中挑选出清晰、美观、有故事性的照片。 按照主题或时间顺序对照片进行分类，方便后续制作。 视频制作： 学习并熟练使用视频编辑软件，如剪映等。 选择适合照片风格的音乐，注意版权问题。 适当添加转场效果、文字说明等，提升视频的观赏性。 发布策略： 分析目标受众的活跃时间，例如晚上或周末。 初期可以每周发布 12 个视频，根据反馈逐渐调整频率。 希望以上内容对您有所帮助，祝您成功！

构建自己专业领域的知识库可以按照以下步骤进行： 步骤一：明确知识库的目标和范围 首先，确定您想要涵盖的专业领域的具体范围和知识库的主要目标，例如是为了内部研究使用、对外分享知识还是其他特定用途。 步骤二：收集和整理资料 收集相关的文献、研究报告、实验数据、案例等各种资料，并对其进行分类和整理。 步骤三：选择合适的技术架构 1. 考虑使用数据库管理系统，如 MySQL、Oracle 等。 2. 或者采用知识图谱技术来构建更直观的知识关系。 步骤四：确定软硬件设备 1. 硬件方面，需要一台性能较好的计算机，具备足够的内存和存储空间。预算大约在 5000 10000 元，具体取决于配置要求。 2. 软件方面，需要操作系统（如 Windows 或 Linux）、数据库管理软件、文本编辑工具等。 步骤五：设计知识库的结构 规划好知识的分类体系、标签系统和索引方式，以便于快速检索和查找。 步骤六：数据录入和维护 将整理好的资料录入到知识库中，并定期更新和维护，确保知识的准确性和时效性。 步骤七：测试和优化 在初步构建完成后，进行测试，检查检索功能是否正常，知识的展示是否清晰，并根据测试结果进行优化。 需要注意的是，实际的预算和设备需求可能会因具体情况而有所不同，您可以根据自己的需求和资源进行调整。

以下是搭建能够自行识别电商直播平台中客户提出的问题并给出自然回答，且直播主播为虚拟数字人的具体步骤： 1. 选择数字人工具软件： 考虑实时驱动和非实时驱动两类。实时驱动能在直播时更改音频话术，真人可接管，标准零售价一年 4 6 万往上；非实时驱动一个月 600 元，但效果差，类似放视频的伪直播，市场价格混乱。 2. 确定数字人运营服务模式： 按直播间成交额抽佣。 3. 明确适用品类和场景： 适用于不需要强展示的商品，如品牌食品饮料；适用于虚拟商品，如门票、优惠券等；店播效果较好，数据能保持跟真人一样；不适用于促销场景和服装品类。 4. 了解 AI 直播的壁垒和未来市场格局： 目前有技术门槛，如更真实的对口型、更低的响应延迟等，但长期看技术上无壁垒。 市场不会一家独大，可能 4 5 家一线效果公司，大多为二三线效果公司。 能把客户服务好、规模化扩张的公司更有价值，疯狂扩代理割韭菜的公司售后问题多。 有资源、有业务的大平台下场可能带来降维打击，如剪映若不仅提供数字人，还提供货品供应链、数据复盘分析等全环节服务，会对其他公司形成竞争压力。

部署 AI 通常包括以下步骤： 1. 选择合适的部署方式： 本地环境部署 云计算平台部署 分布式部署 模型压缩和量化 公共云服务商部署 根据自身的资源、安全和性能需求进行选择。 2. 准备训练所需的数据和计算资源： 确保有足够的训练数据覆盖目标应用场景。 准备足够的计算资源，如 GPU 服务器或云计算资源。 3. 选择合适的预训练模型作为基础： 可以使用开源的预训练模型如 BERT、GPT 等。 也可以自行训练一个基础模型。 4. 针对目标任务进行模型微调训练： 根据具体应用场景对预训练模型进行微调训练。 优化模型结构和训练过程以提高性能。 5. 部署和调试模型： 将训练好的模型部署到生产环境。 对部署的模型进行在线调试和性能优化。 6. 注意安全性和隐私保护： 大模型涉及大量数据和隐私信息，需要重视安全性和合规性。 此外，还有一种将 AI 接入微信的具体部署步骤： 1. 点击菜单中的“终端”。 2. 依次粘贴以下代码并回车： 第一步：cd/root||exit 1 第二步：下方两行粘贴进入，等待下载完成。（若有卡点，可手动下载文件并上传至指定文件夹） 第三步：rm f Anaconda32021.05Linuxx86_64.sh 第四步：/root/anaconda/bin/conda create y name AI python=3.8 第五步：依次粘贴以下代码并回车：echo'source /root/anaconda/bin/activate AI'>>~/.bashrc 3. 执行完成后，刷新重新进入终端，若最左侧出现“（AI）”字符，则成功。 想要成功构建和部署人工智能，还需要一个复杂的流程，涉及多个独立的系统。首先，需要对数据进行采集、清理和标记；然后，必须确定预测所依据的特征；最后，开发人员必须训练模型，并对其进行验证和持续优化。从开始到结束，这个过程可能需要几个月或者是数年，好在除了算法和模型本身之外，组装智能架构中每个环节的效率都在提升，更高的算力和分布式计算框架，更快的网络和更强大的工具。在每一层技术栈，我们都开始看到新的平台和工具出现，它们针对 Machine Learning 的范式进行了优化，这里面机会丰富。

以下是作为 AI 学习者可能会提出的一些问题，以使学习更有策略： 1. 如何评估不同 AI 模型的性能和适用场景？ 2. 怎样选择适合自己需求的 AI 工具和技术？ 3. 在 AI 领域，哪些基础知识是必须牢固掌握的？ 4. 如何将 AI 应用于实际项目中，以获得更好的效果？ 5. 对于 AI 产生的结果，如何进行有效的评估和验证？ 6. 怎样跟上 AI 领域快速发展的步伐，及时更新知识？ 7. 在学习 AI 时，如何避免常见的错误和陷阱？ 8. 如何培养自己在 AI 方面的创新思维和解决问题的能力？ 9. 对于不同学习水平（如高中生、大学生、专业人士），学习 AI 的重点和方法有何不同？ 10. 在 AI 学习中，如何平衡理论学习和实践操作？

AI 在学习领域有广泛的应用，具体如下： 对于中学生： 1. 从编程语言入手学习：可以选择 Python、JavaScript 等编程语言，学习编程语法、数据结构、算法等基础知识，为后续的 AI 学习奠定基础。 2. 尝试使用 AI 工具和平台：例如 ChatGPT、Midjourney 等生成工具，体验其应用场景。也可以探索面向中学生的教育平台，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），以及其在教育、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：关注权威媒体和学者，了解最新进展，思考其对未来社会的影响，培养思考和判断能力。 AI 的应用场景还包括： 1. 自动驾驶：用于开发自动驾驶汽车，提高交通安全性和效率。 2. 交通管理：优化交通信号灯和交通流量，缓解交通拥堵。 3. 物流和配送：优化物流路线和配送计划，降低运输成本，包括无人机送货。 4. 教育：实现个性化学习，为每个学生提供定制化的学习体验。 5. 农业：分析农田数据，提高农作物的产量和质量。 6. 娱乐：开发虚拟现实和增强现实体验。 7. 能源：优化能源的使用，提高能源效率。 在教育领域的具体应用： 1. 个性化学习平台：如 Knewton 平台，通过集成算法和大数据分析，实时跟踪学生学习进度，诊断学习难点，提供个性化学习建议和资源。 2. 自动评估：如 Pearson 的 Intelligent Essay Assessor，利用自然语言处理技术批改作文和开放性答案题，减轻教师批改负担，提高评估效率和一致性。 3. 智能辅助教学工具：如 Google 的 AI 教育工具 AutoML，创建定制学习内容，提高学习动机和知识掌握程度。 4. 虚拟现实和增强现实：如 Labster 的虚拟实验室平台，提供高科技实验室场景，让学生安全进行实验操作并获得即时反馈。

以下是使用 AI 帮助自己学习的方法： 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），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，通过实践巩固知识，尝试使用各种产品做出自己的作品。 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。 此外，使用 AI 进行英语学习和数学学习可以这样做： 英语学习： 利用 AI 写作助手（如 Grammarly）进行英语写作和语法纠错，改进英语表达和写作能力。 使用语音识别应用（如 Call Annie）进行口语练习和发音纠正，让 AI 提供实时反馈和建议。 使用自适应学习平台（如 Duolingo）利用 AI 技术为您量身定制学习计划，提供个性化的英语学习内容和练习。 利用智能对话机器人（如 ChatGPT）进行英语会话练习和对话模拟，提高交流能力和语感。 数学学习： 使用自适应学习系统（如 Khan Academy）结合 AI 技术为您提供个性化的数学学习路径和练习题，根据您的能力和需求进行精准推荐。 利用智能题库和作业辅助工具（如 Photomath）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。 使用虚拟教学助手（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。 参与交互式学习平台（如 Wolfram Alpha）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。 需要注意的是，因为 AI 可能会产生幻觉，所以对于关键数据要根据其他来源仔细检查。同时，内容由 AI 大模型生成，请仔细甄别。

以下是一些关于可灵 AI 提示词的相关资源和信息： 提示词模板相关网站： 生成新年场景的提示词示例： 戴着醒狮帽，双手抱拳，红色背景，新年喜庆。背景中有金粉，碎花，3d 爆竹显得热闹而喜庆 拿着"福"字，新年气氛，红色背景，新年喜庆。背景中有金粉，碎花，3d 爆竹显得热闹而喜庆 关于律师如何写好提示词用好 AI 的观点： 不能期待设计一个完美的提示词，然后 AI 百分百给到一个完美的符合要求的答案，中间不能有谬误，否则就是一个需要修复的“BUG”。 要给到 AI 的提示词实际上是一个关于此项问题的相对完善的“谈话方案”，真正的成果需要在对话中产生，并且在对话中限缩自己思维中的模糊地带。

以下是关于 Stable Diffusion 学习的相关内容： 一、为什么要学 Stable Diffusion 以及它的强大之处 简单来说，Stable Diffusion 是一个 AI 自动生成图片的软件。通过输入文字就能生成对应的图片，无需像以前那样画图或拍照。学习它非常简单，目的是花更少时间快速入门。如果时间充裕，了解其原理也可以。 二、学习 SD 的 Web UI 步骤 1. 安装必要的软件环境 安装 Git 用于克隆源代码。 安装 Python 3.10.6 版本，确保勾选“Add Python 3.10 to PATH”选项。 安装 Miniconda 或 Anaconda 创建 Python 虚拟环境。 2. 克隆 Stable Diffusion Web UI 源代码 打开命令行工具，输入命令 git clone https://github.com/AUTOMATIC1111/stablediffusionwebui.git，将源代码克隆到本地目录。 3. 运行安装脚本 进入 stablediffusionwebui 目录。 运行 webuiuser.bat 或 webui.sh 脚本，它会自动安装依赖项并配置环境。等待安装完成，命令行会显示 Web UI 的访问地址。 4. 访问 Web UI 界面 复制命令行显示的本地 Web 地址，在浏览器中打开，即可进入 Stable Diffusion Web UI 的图形化界面。 5. 学习 Web UI 的基本操作 了解 Web UI 的各种设置选项，如模型、采样器、采样步数等。 尝试生成图像，观察不同参数对结果的影响。 学习使用提示词（prompt）来控制生成效果。 6. 探索 Web UI 的扩展功能 了解 Web UI 支持的各种插件和扩展，如 Lora、Hypernetwork 等。 学习如何导入自定义模型、VAE、embedding 等文件。 掌握图像管理、任务管理等技巧，提高工作效率。 三、Stable Diffusion 的原理及相关组件 1. 在传统扩散模型中存在计算效率挑战，Stable Diffusion 是为解决此问题提出的新方法，最初称为潜在扩散模型。 2. Stable Diffusion 是扩散模型的变体，核心组件包括： CLIP：将用户输入的 Prompt 文本转化成 text embedding。 VAE EncoderDecoder。 UNET：进行迭代降噪，在文本引导下进行多轮预测。 此外，还涉及 ComfyUI 存放路径、不同的模型（如 SD1.5、SDXL）、训练方法（如 DreamBooth）、模型格式（如.pt 和.safetensor）、微调模型、融合模型等内容。

以下是关于 AI 作图学习的全面指导： 比赛要求： 参加由麦乐园和摩达社区发起的“AI 梦一单一世界”比赛，需用摩搭平台和麦橘超然模型作为底膜训练 Lora，提交训练好的 Lora 及用其生成的六张以上高质量、展现完整世界观的作品。 作图思路： 1. 明确创作主题即锚点，根据 Lora 风格确定创作方向。 2. 确定主体，联想主体的角色设定。 3. 增加叙事感，让画面有一到两个及以上角色，制造反差和联想。 图片构成因素： 好看的图片的构成因素包括构图、色彩以及光影。 创作有趣作品： 通过运用反差制造有冲击力的画面，创作出有叙事感和趣味性的作品。 构图相关： 1. 概念：构图指在框架或空间内元素的摆放位置、形状、物体形状及纹理等，好的构图能引导观看者并创造和谐平衡。 2. 分类：包括景别（远景、全景、中景、近景、特写）和拍摄视角（俯视、平视、仰视，正面、侧面、背面）。 3. 要素：有主体、陪体、前景、背景、点线面，合理运用可丰富画面。 4. 方式：如点中心构图、九宫格构图、三分法构图、对称构图、对角线构图、曲线构图、框架构图、三角形构图等。在 AI 绘图中，推荐中景及以上景别，全身景别可能需开 AD 跳以确保作图质量。 实操演示相关： 1. 趣味性与美感：趣味性通过反差、反逻辑、超现实方式带来视觉冲击，美感需在美术基础不出错前提下形式与内容结合。 2. 纹身图创作：强调人机交互，对输出图片根据想象进行二次和多次微调，确定情绪、风格等锚点再发散联想。 3. 提示词编写：用自然语言详细描述画面内容，避免废话词，Flux 对提示词的理解和可控性强。 4. 实操演示准备：以未发布的 Lora 为例，按赛题需求先确定中式或日式怪诞风格的创作引子。 5. 人物创作过程：从汉服女孩入手，逐步联想其颜色、发型、妆容、配饰、表情、背景等元素编写提示词。 6. 中式风格图像生成：包括人物（如穿蓝色汉服女孩的半身像，包括发型、妆容、服饰、配饰等特征，以及光线、环境等元素）、动物（如蛇、孔雀等，涉及颜色、姿态、所处环境等描述）、景观（如中式宫殿、桃花树等室外景观）图像的生成尝试及效果分析。 此外，还有个人学习经历分享，如二师兄在 2024 年 2 月接触 AI 绘画，3 月啃完 SD 的所有教程并开始炼丹，4 月与小伙伴探讨 AI 变现途径，5 月因工作变动开启无硬件支持的 AI 学习之路，并加入 Prompt battle 社群学习 Midjourney。