2024年11月，AI圈都发生了哪些大事

在过去的 11 月到 12 月期间，AI 领域呈现出以下发展情况： 流量增长：在过去 12 个月里，人工智能行业是重要的技术发展之一。从 2022 年 9 月到 2023 年 8 月，研究的工具总流量增长了 10.7 倍，从起始的 2.418 亿次访问增长到 28 亿次访问。其中，流量的飞跃从去年 11 月开始，ChatGPT 成为最快达到 100 万用户的平台。2023 年 5 月达到峰值约 41 亿，之后有所回落，但人们的兴趣仍巨大。 创新机会： 整合组件使 AI 系统全面理解物理世界环境，做出更智能决策和行动，对开发先进机器人和自动化系统有益。 算力成为核心竞争力关键指标，科技巨头投入巨资建设超大规模 GPU 集群。如 xAI 公司建成超级计算机，Meta 训练新一代模型。 行业竞争格局转向“建设为王”的新时代，数据中心扩展成为重点，建设效率可能决定在 AI 下一阶段的表现。 高质量数据稀缺。 行业动态：2024 年 11 月，AI 行业呈现快速发展态势，大厂纷纷推出新功能，加速产品进化，AI 技术开始渗透到多个领域。如 Claude 上线桌面端和语音输入、Blendbox 推出图层式 AI 生成工具、阿里发布 EcomlD 支持生成真实人像、Suno 上线 Personas 功能等。

以下是 2024 年 11 月 1 日至 11 月 8 日的部分世界 AI 新闻： 11 月 1 日： 《》来自南乔，10 月 AI 行业大事件盘点包括多家公司的重要发布和创新，如 OpenAI 推出多项新功能，字节发布 AI 智能体耳机，以及各大模型的开源。趋势方面，强化学习被认为是推动 AGI 发展的关键技术，原生多模态模型逐渐成为研究热点。新兴应用如 AI 音乐创作、翻译和智能助手等受到关注，整体呈现出技术与应用的快速发展态势。 《》来自歸藏，10 月份美国 AI 聊天机器人市场报告显示，ChatGPT 仍是市场领导者，但份额逐渐下降。谷歌和微软在争夺第二的位置，Perplexity 和 ClaudeAI 则实现高速增长，正在从 ChatGPT 和 Gemini 手中蚕食市场份额。总体来看，专业 AI 工具的增长势头强劲，而初创公司的用户获取相对缓慢。 《》比尔・盖茨在采访中讨论了人工智能的革命性影响，认为 AI 将使每个人都能成为“超级个体”，改变人机交互方式。他强调 AI 将显著降低白领工作的成本，并逐渐影响蓝领市场。盖茨还提到他对全球健康和气候问题的关注，认为技术创新速度超出预期，未来 20 年将是充满希望的时期。他同时探讨了可再生能源的发展，尤其是核能和太阳能的潜力。 11 月 8 日： 《》由上海外国语大学图书馆发布，探讨了 AI 素养在数智时代的重要性和演变。报告指出，AI 素养不仅涉及技术知识，还包括态度、价值观和应对复杂需求的能力。随着 AI 技术的广泛应用，社会对 AI 素养的需求日益增长。 其它一些报告发布在： AIGCxChina 研究院、无界 AI：《》 《》（英文） 《》 请注意，这只是部分新闻，可能还有其他未涵盖的内容。

以下是对本知识库的总结： 包含了不同时间段的 AIGC 周刊内容，如 Open AI 发布 ChatGPT 的 iOS 应用、Google 宣布多项 AI 新功能、AI 歌手相关教程等。 有关于提示词工程的课程及相关技巧介绍。 涉及一些特定的 AIGC 技术和方法，如 Donut 文档理解方法。 提到了谷歌的生成式 AI 学习课程。 以下是为十岁儿童设计的 11 节关于 AIGC 的课程： 1. 提示词工程基础 什么是提示词 提示词的作用 简单的提示词示例 2. 提示词工程进阶 复杂提示词的构建 如何优化提示词 提示词的实际应用 3. 提示词工程实践 设计自己的提示词任务 分享与讨论提示词成果 总结提示词的使用技巧 4. 文生文入门 了解文生文的概念 简单的文生文工具介绍 尝试生成一段文字 5. 文生文提高 优化文生文的输入 让生成的文字更有趣 比较不同文生文的效果 6. 文生图/图生图基础 认识文生图和图生图 常见的文生图工具 用简单描述生成一张图片 7. 文生图/图生图进阶 更复杂的描述生成精美图片 对生成的图片进行修改 分享自己生成的图片 8. 文生音频入门 什么是文生音频 简单的文生音频工具 生成一段简单的音频 9. 文生音频提高 让生成的音频更动听 给音频添加特效 欣赏优秀的文生音频作品 10. 文生视频/图生视频基础 文生视频和图生视频的概念 基本的文生视频工具 制作一个简单的视频 11. 文生视频/图生视频进阶 让视频更精彩 视频的后期处理 展示自己制作的视频

大模型在处理数字比较这类简单任务时出现分不清大小的情况，可能反映出以下几个方面的问题： 1. 数据质量和训练不足：大模型的训练数据可能存在缺陷或不全面，导致对这类基本的数字比较理解不准确。 2. 模型架构和算法局限：当前的模型架构和算法可能在处理这类直观的数字逻辑问题上存在一定的局限性。 3. 复杂语境干扰：在某些复杂的语境中，可能存在干扰信息，影响了大模型对数字本身大小的准确判断。 然而，需要指出的是，大模型的能力是多方面的，不能仅仅因为这一个方面的表现不佳就全面否定其价值和作用。同时，随着技术的不断发展和改进，这类问题有望在未来得到更好的解决。

以下是 2024 年的热门 AI 模型： 在编码任务方面，DeepSeek 的 deepseekcoderv2 成为社区的最爱。 阿里巴巴发布的 Qwen2 系列在视觉能力方面给社区留下深刻印象。 清华大学自然语言处理实验室资助的 OpenBMB 项目催生了 MiniCPM 项目，是可在设备上运行的小型参数模型。 在图像视频领域，国外 Stability AI 发布的 Stable Video Diffusion 能从文本提示生成高质量、真实视频，且在定制化方面进步显著，还推出了 Stable Video 3D。OpenAI 的 Sora 能生成长达一分钟的视频，并保持三维一致性等。Google DeepMind 的 Veo 能将文本和图像提示与视频输入结合生成高分辨率视频。 在生物医学领域，Profluent 的 CRISPRCas 图谱微调后生成功能性基因编辑器，如开源的 OpenCRISPR1。心智基础模型 BrainLM 基于功能性磁共振成像建立，能检测血氧变化等。 在气象预测领域，微软创建的 Aurora 能预测大气化学，比数值模型更优且速度更快。 获得诺贝尔物理学奖和化学奖的 AI 推动了机器学习理论创新，并揭示了蛋白质折叠问题。 蛋白质结构预测方面，有 DeepMind 和 Isomorphic Labs 发布的 AlphaFold 3。 DeepMind 展示的新实验生物学能力 AlphaProteo 能设计出高亲和力的蛋白结合剂。 Meta 发布的 ESM3 是前沿多模态生成模型，在蛋白质序列、结构和功能上训练。 学习设计人类基因组编辑器的语言模型——CRISPRCas 图谱。

2024 年在 AI 视频、图像领域，市场呈现出以下情况： 国内方面： 中国开源项目在全球受到关注，成为积极开源贡献者。 DeepSeek 在编码任务中表现出色，推出的 deepseekcoderv2 受到欢迎。 阿里巴巴发布的 Qwen2 系列在视觉能力方面给社区留下深刻印象。 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。 国外方面： Stability AI 发布的 Stable Video Diffusion 能从文本提示生成高质量、真实视频，且在定制化方面有显著进步，还推出了 Stable Video 3D。 OpenAI 的 Sora 能够生成长达一分钟的视频，并保持三维一致性、物体持久性和高分辨率。 Google DeepMind 的 Veo 能将文本和可选图像提示与嘈杂压缩视频输入相结合，创建独特的压缩视频表示。 从市场数据来看，2024 全年全球 AI 移动应用内付费收入预计为 30 亿美元，其中图像和视频类 AI 应用占据主导地位，收入占比高达 53%。从地区分布来看，北美和欧洲贡献了三分之二的市场份额。 在行业格局方面，云厂商成为 AI 供应链的“链主”，掌握着庞大的商业生态和技术资源。头部阵营基本稳定，大型云厂商在产业链中的地位无可撼动。

以下是 2024 年 AI 应用的一些趋势： 1. 在机器人研究领域，苹果 Vision Pro 成为重要工具，其高分辨率、高级跟踪和处理能力被用于远程操作控制机器人的运动和动作。 2. 在医学中，利用大模型生成合成数据，如微调 Stable Diffusion 中的 UNet 和 CLIP 文本编码器，从大量真实胸部 X 射线及其相应报告中生成大型数据集。 3. 企业自动化方面，传统机器人流程自动化面临问题，新颖方法如 FlowMind 和 ECLAIR 使用基础模型来解决限制，提高工作流理解准确率和完成率。 4. 算力瓶颈影响行业竞争格局，逐渐进入多模态灵活转换的新时代，实现文本、图像、音频、视频等模态的互相理解和转换。 5. 人类劳动形式“软件化”，复杂劳动被抽象为可调用的软件服务，劳动流程标准化和模块化。 6. AI 行业仍处于严重亏损阶段，商业化进程有待提升。 7. 云厂商是产业链中的“链主”，掌握庞大商业生态和技术资源以及巨大市场规模。 8. 2024 年头部 AI 应用中，创意工具仍占最大比重，To P 应用市场潜力大，ToB 应用发展路径复杂，ToC 应用面临挑战。 9. 在 AI 应用领域，Copilot 和 AI Agent 是两种主要技术实现方式，分别适合不同类型的企业。 10. 北美和欧洲贡献了 AI 移动应用市场三分之二的份额，中国 AI 公司积极出海。

以下是 2024 年人工智能行业报告的相关内容： 在 2024 年，国内外 AI 企业的竞争达到白热化阶段。 国外方面： Google DeepMind 和 OpenAI 展示了强大的文本到视频扩散模型预览，但访问受限且技术细节披露不多。 Meta 更进一步，将音频加入其中，Movie Gen 核心包含 30 亿视频生成和 13 亿音频生成模型，能分别以每秒 16 帧的速度生成 16 秒的视频和每秒 45 秒的速度生成音频片段。 Llama 3.1 是迄今为止最大版本，在推理、数学、多语言和长上下文任务中能与 GPT4 相抗衡，标志着开放模型缩小与专有前沿的差距。 OpenAI 草莓落地，加倍扩大推理计算规模，通过将计算从预训练和后训练转移到推理，以链式思维方式逐步处理复杂提示，采用强化学习优化，在需要大量推理的基准测试中取得显著改进，但成本较高。 Meta 推出 Llama 3 家族，包括 3.1 和 3.2 版本，使用大量令牌训练，在规模上不断突破。 国内方面： 国内涌现出类似可灵、即梦、智谱清影等一系列 AI 生成视频工具，生成结果甚至远超国外。 由 DeepSeek、零一万物、知谱 AI 和阿里巴巴开发的模型在 LMSYS 排行榜上取得优异成绩，尤其在数学和编程方面表现出色。中国模型各有优势，如 DeepSeek 在推理过程中通过多头隐式注意力减少内存需求并改进 MoE 架构，零一万物更加关注数据集的建设。中国模型更能优先考虑计算效率，以弥补 GPU 访问的限制，并学会更有效地利用资源。 需要注意的是，报告中对中国的 AI 生成图、生成视频的工具未展开详细说明，但这并不代表中国有关该功能的 AI 工具落后于国外。

以下是为您找到的与 2024 年生成式人工智能相关的内容： 《2024 年生成式人工智能海外合规白皮书（东南亚篇）》由垦丁律师事务所联合 WEEE Consulting 和 Boosterhub 撰写，深入分析了东南亚地区生成式人工智能（AI）的产业现状、监管框架及合规要求。报告涵盖了新加坡、越南、泰国、马来西亚、印度尼西亚和菲律宾六国，探讨了 AI 产品合规性、数据本地化、跨境数据传输、内容安全和知识产权等关键问题。报告指出，尽管东南亚国家在 AI 发展上展现出潜力，但各国法规和伦理标准存在差异，对 AI 的法律监管和合规要求也各不相同。 2024 年 8 月 26 日的《》，其中提到上周，Ideogram 推出功能强大的 2.0 图像生成模型，同时 Jamba 1.5 系列在非 Transformer 架构上取得突破。AI 工具如 ComfyUI 和 Cluade 更新，Cursor 获巨资融资。Google 的 Gemini AI 项目新增技术领导，亚马逊通过 AI 工具极大提升代码开发效率。 此外，还有其他一些相关研究报告，如： 《爱分析：2024 智能办公厂商全景报告》强调智能办公系统在企业数字化转型中的关键作用。 《平安证券：AI 系列深度报告（五）AI 手机》指出 AI 手机的发展重心正逐步向端侧转移，全球出货量将呈现指数级增长。 关于 2024 年人工智能的报告还包括： 2024 人工智能报告中提到，欧盟人工智能法案获得批准并正式生效，欧洲成为世界上第一个全面采用人工智能监管框架的地区。美国大型实验室努力应对欧洲监管，中国人工智能监管进入执行时代，美国对中国实施更严格的出口管制和投资限制。 《生成式 AI 季度数据报告 2024 月 13 月》，作者为郎瀚威 Will、张蔚 WeitoAGI、江志桐 Clara ，报告包含总体流量概览、分类榜单等内容。 您可在知识星球下载其它一些研究报告： 。公众号回复“2024 一季度”，可以获得《生成式 AI 季度数据报告 2024 月 13 月》的 PDF 。

2024 年是 AI 迅速发展的一年，以下是一些热门的情况： 国内方面： 中国开源项目表现出色，成为积极开源贡献者。 DeepSeek 在编码任务中成为社区最爱，如 deepseekcoderv2。 阿里巴巴发布的 Qwen2 系列，其视觉能力给社区留下深刻印象。 清华大学自然语言处理实验室资助的 OpenBMB 项目催生了 MiniCPM 项目。 国外方面： Stability AI 发布的 Stable Video Diffusion 能从文本提示生成高质量、真实视频，且在定制化方面进步显著。今年 3 月推出的 Stable Video 3D 可预测三维轨道。 OpenAI 的 Sora 能生成长达一分钟的视频，保持三维一致性等，还使用原始大小和纵横比的视觉数据训练。 Google DeepMind 的 Veo 将文本和可选图像提示与嘈杂压缩视频输入结合处理。 在 AI 企业竞争方面： 国内：阿里巴巴、清华大学等在各自领域表现突出。 国外： OpenAI 期待已久的草莓落地，加倍扩大推理计算规模，o1 在解决复杂问题上有显著改进，但成本较高。 Meta 推出 Llama 3 家族，不断更新版本，使用大量令牌训练，在规模上有突破。 此外，AI 革命促使成本下降，有可能改变关键领域的成本结构和提高生产力，涉及领域有扩大趋势。

我主要专注于 AI 相关的知识和问题。在 AI 领域，涵盖的内容非常广泛，包括但不限于以下方面： 基础理论：如人工智能、机器学习、深度学习的定义及其相互关系。 历史发展：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（掌握条件概率、贝叶斯定理等知识）。 算法和模型：监督学习（了解线性回归、决策树、支持向量机等算法）、无监督学习（熟悉聚类、降维等算法）、强化学习（知晓其基本概念）。 评估和调优：性能评估（知道如何运用交叉验证、精确度、召回率等评估模型性能）、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（理解前馈网络、卷积神经网络、循环神经网络等）、激活函数（了解 ReLU、Sigmoid、Tanh 等常用激活函数）。 同时，AI 在各行各业有着广泛的应用场景，例如： 医疗保健：医学影像分析、药物研发、个性化医疗、机器人辅助手术等。 金融服务：风控和反欺诈、信用评估、投资分析、客户服务等。 零售和电子商务：产品推荐、搜索和个性化、动态定价、聊天机器人等。 制造业：预测性维护、质量控制、供应链管理、机器人自动化等。 交通运输：等等。

以下是新手学习 AI 的方法和建议： 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，如图像、音乐、视频等，可根据兴趣选择特定模块深入学习。 掌握提示词的技巧，其上手容易且很有用。 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。 在知识库中有很多实践后的作品、文章分享。 5. 体验 AI 产品： 与现有的 AI 产品如 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人互动，了解其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： 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。

对于小白学习 AI，以下是一些建议： 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。 在知识库查看大家实践后的作品、文章分享，并分享自己实践后的成果。 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，了解其工作原理和交互方式。 6. 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。 以下是一些通俗易懂的技术原理与框架内容： 1. 视频一主要回答了什么是 AI 大模型及原理。 生成式 AI 生成的内容叫 AIGC。 相关技术名词： AI 即人工智能。 机器学习包括监督学习、无监督学习、强化学习，监督学习是基于有标签的训练数据学习输入和输出之间的映射关系，包括分类和回归；无监督学习是基于无标签数据自主发现规律，经典任务如聚类；强化学习是从反馈里学习，最大化奖励或最小化损失，类似训小狗。 深度学习是一种参照人脑有神经网络和神经元的方法，神经网络可用于多种学习方式。 生成式 AI 可生成文本、图片、音频、视频等内容形式。 LLM 即大语言模型，生成图像的扩散模型不是大语言模型，对于大语言模型，生成只是其中一个处理任务，如谷歌的 BERT 模型可用于语义理解。 技术里程碑：2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出 Transformer 模型，它完全基于自注意力机制处理序列数据，比 RNN 更适合处理文本的长距离依赖性。

目前，带有文件夹功能的 AI 仅在 Cursor Chat 中受支持。您还可以将 Cursor 中的整个文件夹作为上下文引用，@Folders 对于希望为 AI 提供大量上下文的长上下文聊天特别有用，相关链接为：https://docs.cursor.com/chat/overviewlongcontextchat 。 此外，能联网检索的 AI 也是存在的。例如，ChatGPT Plus 用户现在可以开启 web browsing 功能实现联网；Perplexity 结合了 ChatGPT 式的问答和普通搜索引擎的功能，允许用户指定希望聊天机器人在制定响应时搜索的源类型；Bing Copilot 作为 AI 助手，旨在简化在线查询和浏览活动；还有如 You.com 和 Neeva AI 等搜索引擎，它们提供了基于人工智能的定制搜索体验，并保持用户数据的私密性。 在 Excel 方面，有以下几种增强数据处理和分析能力的 AI 工具和插件： 1. Excel Labs：是 Excel 插件，新增生成式 AI 功能，基于 OpenAI 技术，可在 Excel 中利用 AI 进行数据分析和决策支持。 2. Microsoft 365 Copilot：微软推出，整合了 Word、Excel、PowerPoint、Outlook、Teams 等办公软件，通过聊天形式，用户告知需求，Copilot 自动完成任务。 3. Formula Bot：提供数据分析聊天机器人和公式生成器两大功能，用户可通过自然语言交互式地进行数据分析和生成 Excel 公式。 4. Numerous AI：支持 Excel 和 Google Sheets 的 AI 插件，除公式生成外，还可根据提示生成相关文本内容、执行情感分析、语言翻译等任务。 以上内容由 AI 大模型生成，请仔细甄别。

以下是新手学习 AI 的方法和建议： 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。 6. 对于中学生学习 AI 的建议： 从编程语言入手学习，如 Python、JavaScript 等，学习编程语法、数据结构、算法等基础知识。 尝试使用 AI 工具和平台，如 ChatGPT、Midjourney 等，探索面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 学习 AI 基础知识，包括基本概念、发展历程、主要技术如机器学习、深度学习等，以及在教育、医疗、金融等领域的应用案例。 参与 AI 相关的实践项目，如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。 关注 AI 发展的前沿动态，关注权威媒体和学者，思考 AI 技术对未来社会的影响。 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。

以下是为您提供的 AI 应用解决方案： AI 应用主要涉及以下几个方面： 1. 辅助创作与学习： AI 智能写作助手，如 Grammarly、秘塔写作猫，利用自然语言处理技术辅助用户进行高质量写作，可检查语法、拼写错误并提供改进建议，进行智能润色和内容创作辅助。 语言学习助手、诗歌创作助手、书法字体生成器、漫画生成器等为用户的学习和创作提供支持。 2. 推荐与规划： AI 图像识别商品推荐，如淘宝拍照搜商品，通过图像识别和机器学习为用户推荐相似商品。 美食推荐平台，如大众点评智能推荐，基于用户口味偏好推荐美食。 旅游行程规划器、时尚穿搭建议平台、智能投资顾问等，根据用户的需求和偏好为其推荐合适的产品、服务或制定个性化的计划。 3. 监控与预警： AI 宠物健康监测设备、家居安全监控系统、天气预报预警系统、医疗诊断辅助系统等，实时监测各种情况并提供预警。 4. 优化与管理： 办公自动化工具、物流路径优化工具、家居清洁机器人调度系统、金融风险评估工具等，利用数据分析和机器学习提高工作效率和管理水平。 5. 销售与交易： AI 艺术作品生成器、书法作品销售平台、摄影作品销售平台、汽车销售平台、房地产交易平台等，为各类产品和服务提供销售渠道。 此外，还有以下具体的 AI 应用： 1 20 中的部分应用： 小爱同学、Siri 等 AI 语音助手定制开发，通过语音识别和自然语言理解技术，为不同需求定制专属语音助手，可控制智能家居、回答问题等。 Keep 智能训练计划，利用数据分析和机器学习技术，根据用户数据制定个性化健身方案。 81 100 中的部分应用： AI 菜谱口味调整工具，如下厨房口味调整功能，通过自然语言处理和数据分析，根据用户反馈调整菜谱口味。 AI 语言学习纠错平台，如英语流利说纠错功能，利用自然语言处理和机器学习技术，帮助语言学习者纠正错误。 总之，这些 AI 应用为创业者提供了丰富的选择和广阔的发展前景，创业者可以根据自己的兴趣、技能和市场需求，选择适合自己的项目进行创业。

以下是今年 3 月份 AI 领域的一些大事件： 1. Google 的 Bard 在 3 月下旬推出，虽有地域限制，但未来可期。 2. 3 月 23 日，Tome 推出了第一个基于文档的 AI 演示工具，该工具基于 GPT4，能够将文档转换成演示文稿、叙述和故事。结合 Tome 自研的渲染系统，具有流畅的生成过程和竞争力。 3. 上周五，Gamma 推出了自己的文生演示文稿工具，工作流顺畅。

以下是 2024 年 AI 大事件的盘点： 10 月： 9 月 27 日：Reecho 睿声●三只羊录音事件涉及 AI 公司出面回应。 9 月 28 日：TeleAI●正式开源 TeleChat2115B。 10 月 1 日：快手●可灵 AI 全面开放 API，OpenAI DevDay。 10 月 2 日：Black Forest Labs●发布 FLUX1.1，苹果●推出多模态大模型 MM1.5。 10 月 3 日：OpenAI●发布 ChatGPT Canvas。 10 月 8 日：2024 年诺贝尔物理学奖。 10 月 9 日：2024 年诺贝尔化学奖。 10 月 10 日：字节●发布首款 AI 智能体耳机 Ola Friend，Vivo●增加蓝心端侧大模型 3B，谷歌●图像生成模型 Imagen 3 开放使用，智源●BGE 登顶 Hugging Face 月榜，State of AI 2024 报告发布。 10 月 11 日：智谱●GLM4Flash 与「沉浸式翻译」合作，北大&北邮&快手●开源高清视频生成模型 Pyramid Flow。 10 月 12 日：OpenAI●开源多智能体协作框架 Swarm，深势科技●完成数亿元人民币新一轮融资，苹果●质疑当前 LLM 缺乏真正的逻辑推理能力。 10 月 14 日。 11 月： 11 月 1 日：《》来自南乔，10 月 AI 行业大事件盘点包括多家公司的重要发布和创新，如 OpenAI 推出多项新功能，字节发布 AI 智能体耳机，以及各大模型的开源。趋势方面，强化学习被认为是推动 AGI 发展的关键技术，原生多模态模型逐渐成为研究热点。新兴应用如 AI 音乐创作、翻译和智能助手等受到关注，整体呈现出技术与应用的快速发展态势。 11 月 1 日：《》来自歸藏，10 月份美国 AI 聊天机器人市场报告显示，ChatGPT 仍是市场领导者，但份额逐渐下降。谷歌和微软在争夺第二的位置，Perplexity 和 ClaudeAI 则实现高速增长，正在从 ChatGPT 和 Gemini 手中蚕食市场份额。总体来看，专业 AI 工具的增长势头强劲，而初创公司的用户获取相对缓慢。 11 月 1 日：《》比尔・盖茨在采访中讨论了人工智能的革命性影响，认为 AI 将使每个人都能成为“超级个体”，改变人机交互方式。他强调 AI 将显著降低白领工作的成本，并逐渐影响蓝领市场。盖茨还提到他对全球健康和气候问题的关注，认为技术创新速度超出预期，未来 20 年将是充满希望的时期。他同时探讨了可再生能源的发展，尤其是核能和太阳能的潜力。 在 2024 年，AI 商业界还发生了以下事件： 全球芯片出口管制下，中国仍成重要市场。美国商务部长吉娜·雷蒙多警告英伟达：“如果你围绕中国特定的需求重新设计芯片，我将在第二天控制它。”据悉，中国在美芯片制造商中所占的份额正在减少。据英伟达称，它从代表 NVIDIA 数据中心业务的 20％下降到“中个位数”。尽管中国实验室在进口硬件方面受到限制，但其当地分支机构目前没有控制权。字节跳动通过美国的甲骨文租用 NVIDIA H100 访问权限，而阿里巴巴和腾讯则与 NVIDIA 就在美国建立自己的数据中心进行谈判。与此同时，谷歌和微软直接向中国大型企业推销他们的云服务。 模型变得更便宜了。以前认为提供强大模型的成本过高，但现在提供这些模型的推断成本正在下降。OpenAI 更达到 100 倍下降！Google Gemini 生产了一种具有很强竞争力的定价系列！Gemini 1.5 Pro 和 1.5 Flash 的价格在推出后几个月内下降了 64%86%，而性能强劲，例如 Flash8B 比 1.5 Flash 贵 50%，但在许多基准测试中表现相当。注意：价格适用于<128K 令牌提示和输出。检索日期为 2024 年 10 月 4 日。考虑到计算成本很高，模型构建者越来越依赖与大型科技公司建立合作伙伴关系。反垄断监管机构担心这将进一步巩固现有公司的地位。

以下是最近 AI 领域的一些大事： 在医疗方面，ChatGPT、Google Bard 等技术极大加速了医疗健康生物制药的研究。AI 在抗癌、抗衰老、早期疾病防治等的研究应用中起着重要作用，例如提前三年诊断胰腺癌，两名高中生与医疗技术公司合作发现与胶质母细胞瘤相关的新靶基因，通过 AI 筛查发现高效的抗衰老药物候选物，以及利用 AI 寻找阿尔兹海默症的治疗方法。 在专利审查领域，近年来人工智能得到了广泛应用，通过自动化和智能化手段帮助专利审查员处理大量专利申请、检索文献、评估专利性和创新性等任务。 在新工业革命中，AI 正在使生物制药和医疗保健产业化，被应用到从药物设计和诊断，到医疗服务交付和后台运营功能的方方面面，生物技术可以大规模地扩展。

以下是人工智能发展的流程图相关内容，包含重要人物与重要时间节点或重大事件： 二十世纪中叶，人工智能领域开启。最初符号推理流行，带来专家系统等重要进展，但因提取知识成本高等问题，20 世纪 70 年代出现“人工智能寒冬”。 近现代，计算机科学发展为人工智能研究奠定基础，人们尝试用机器模拟人类思维。 1950 年，英国数学家阿兰·图灵提出著名的“图灵测试”。 1956 年，人工智能一词被提出，达特茅斯会议举行。 1997 年，深蓝在国际象棋比赛中击败卡斯帕罗夫。 2016 年，AlphaGo 在围棋比赛中战胜李世石。 2020 年，GPT3 发布。 2022 年，DALLE 发布。 2023 年，GPT4 发布。 2024 年，预计发布 GPT5 。 随着时间推移，计算资源变便宜、数据增多，神经网络方法在计算机视觉、语音理解等领域展现出色性能，过去十年中“人工智能”常被用作“神经网络”的同义词。

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。