AI的核心是Thought吗？

CoT（思维链）可以分为以下几种类型： 1. 逻辑推理链：涉及使用逻辑推理来解决问题，如应用演绎、归纳或类比推理得出结论。 2. 步骤序列：在某些任务中表现为一系列操作或步骤的顺序，需按特定顺序执行以解决问题，如算法问题解决或复杂任务规划。 3. 因果链：处理因果关系问题时，用来表示事件之间的因果链条，帮助模型理解因果关系。 4. 情境模拟：在某些情况下，涉及模拟或想象一个场景并在该情境下进行思考，以解决问题或做出决策。 5. 对话链：在对话系统或交互式任务中，指一个连续的对话过程，每一步回应基于之前的交流内容。 在不同的研究和应用中，CoT 的具体实现和分类可能有所不同。在 AI 领域，特别是在开发能够进行复杂推理和理解的模型时，CoT 方法正变得越来越重要。通过模拟人类的思考过程，CoT 旨在帮助 AI 系统更好地理解问题的上下文、解决问题的步骤，以及如何有效地应用知识来得出结论。 此外，思维链（CoT）方法依赖于一组固定的人工注释范例，但存在范例可能不是不同任务的最有效示例的问题。为解决此问题，最近提出了一种新的提示方法，称为 ActivePrompt，以适应 LLMs 到不同的任务特定示例提示（用人类设计的 CoT 推理进行注释）。其方法的步骤为：第一步是使用或不使用少量 CoT 示例查询 LLM，对一组训练问题生成 k 个可能的答案；基于 k 个答案计算不确定度度量（使用不一致性）；选择最不确定的问题由人类进行注释；然后使用新的注释范例来推断每个问题。 在虚拟陪伴方面，关于虚拟陪伴需求的思维链包括： 1. 陪伴是全人类共同的需求，但陪伴的供给严重不足。 2. 虚拟陪伴可以解决供给问题。 3. 虚拟陪伴是全人类的共同需求。 虽然可以用逻辑推理出需求成立的链条，但用户真正需要什么样的虚拟陪伴尚无答案，这是一件纯粹后验的事情，需要从实践中寻找。不过享受可能是当下所认为的虚拟陪伴最重要的特质，应尽可能让用户少付出、多得到。例如“AI WanderLand”就是享受型虚拟陪伴的一种产品探索。

AI 手机端和网页端的应用场景存在以下区别： 网页端产品更倾向于支持涉及内容创作和编辑的复杂、多步骤工作流程，例如 AI 语音工具包 ElevenLabs、AI 艺术创作器 Leonardo 以及 AI 演示文稿构建器 Gamma 等。 移动端应用更倾向于通用型助手，不少在功能上模仿了 ChatGPT。 在移动设备上，图片和视频的内容编辑是最常见的用途。例如，美图秀秀、SNOW 和 Adobe Express 等传统创意工具转型为生成式 AI 优先，并在移动排名中表现出色。 ChatGPT 以巨大优势成为网络和移动端排名第一的产品，而争夺最佳消费者助手的竞争正在升温。Perplexity 在网络上排名第三，专注于提供简明、实时和准确的查询答案，且用户参与度很高，还首次进入移动端前 50 名榜单。Anthropic 的 Claude 是 ChatGPT 的直接竞争对手，在网页排名中进入前五。

以下为您推荐 3 个优秀的美化 PPT 的 AI 工具： 1. Gamma：这是一个在线 PPT 制作网站，允许用户通过输入文本和想法提示快速生成幻灯片。它支持嵌入多媒体格式，如 GIF 和视频，以增强演示文稿的吸引力。网址：https://gamma.app/ 2. 美图 AI PPT：由知名图像编辑软件“美图秀秀”的开发团队推出。用户通过输入简单的文本描述来生成专业的 PPT 设计，包含丰富的模板库和设计元素，适用于多种场合。网址：https://www.xdesign.com/ppt/ 3. Mindshow：一款 AI 驱动的 PPT 辅助工具，提供自动布局、图像选择和文本优化等智能设计功能，还可能包括互动元素和动画效果。网址：https://www.mindshow.fun/

以下是关于学习 AI 视频的相关内容： 入门教程： 不熟悉 AI 视频的小伙伴可以查看以下教程： 交流群： 需要学习 AI 视频、参与 AI 视频挑战赛、参与 AI 视频提示词共创的小伙伴，可以直接扫二维码或联系三思或小歪【备注：AI 视频学社】，但必须有 AI 视频账号才能进群，请勿随便申请好友。 直播： AI 视频学社每周 1 次直播（周五直播），由@lailai 统筹负责。 例如： 学社说明： 这个板块是为 AI 视频建立，方便大家测试学习 AI 视频的相关知识和内容。 小伙伴们可以在 AI 视频学社通过参与每周举办的比赛，快速学习 AI 视频的相关知识。并且每周有高手直播直播分享，会分享 AI 视频和影视创作领域最前沿的知识。 学社目标： 不定期直播，AI 视频方向高手直播分享。 每周固定 1 次，video battle 视频挑战赛，每周一发布主题，每周日 18 点前交稿，有奖品。 不定期组织 AI 视频线上或者线下活动。 大家一起学习 AI 视频最新软件和最新知识，学习图生视频，视频生视频等的技巧。 软件教程： 每周一赛： 此外，对于小白理解 AI 技术原理与建立框架，推荐以下通俗易懂的内容： 视频一主要回答了什么是 AI 大模型，原理是什么。 概念：生成式 AI 生成的内容，叫做 AIGC。 概念与关系：相关技术名词 AI——人工智能 机器学习——电脑找规律学习，包括监督学习、无监督学习、强化学习。 监督学习——有标签的训练数据，算法的目标是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——学习的数据没有标签，算法自主发现规律。经典任务包括聚类，比如拿一堆新闻文章，让模型根据主题或内容特征分成具有相似特征的组。 强化学习——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——一种方法，参照人脑有神经网络和神经元（因为有很多层所以叫深度）。神经网络可以用于监督学习、无监督学习、强化学习。 生成式 AI——可以生成文本、图片、音频、视频等内容形式 LLM——大语言模型。对于生成式 AI，其中生成图像的扩散模型就不是大语言模型；对于大语言模型，生成只是其中一个处理任务，比如谷歌的 BERT 模型，可用于语义理解（不擅长文本生成），如上下文理解、情感分析、文本分类。 技术里程碑——2017 年 6 月，谷歌团队发表论文《Attention is All You Need》。这篇论文首次提出了 Transformer 模型，它完全基于自注意力机制（SelfAttention）来处理序列数据，而不需要依赖于循环神经网络（RNN）或卷积神经网络（CNN）。GPT 含义：Transformer 是关键。Transformer 比 RNN 更适合处理文本的长距离依赖性。

以下是新手学习 AI 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，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。 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。 对于中学生学习 AI，建议： 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。 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自己的成就。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。

以下为您推荐几款 AI PPT 工具： 1. Gamma：从审美角度来看，只要提供内容框架，生成的 PPT/网页审美水平较高。访问链接：https://gamma.app/ 2. AiPPT：爱设计推出的 AI 大模型与 PPT 场景深度结合的产品，能够一键生成专业 PPT，提供丰富模板和低创作门槛。 3. iSlide：有助于提高制作 PPT 的效率。 4. 创客贴：可辅助完成 PPT 制作。 使用这些 AI PPT 工具具有以下优点： 1. 对文本的多级排列有了更高的要求。 2. 便于摒弃呆板单调的表现形式，一键切换多元模版。 3. 熟练使用后，有助于提高效率。 4. 最终的呈现效果可由操作者决定。

The environment is of vital importance. It provides us with clean air, water, and food. Preserving it ensures the survival of various species and maintains ecological balance. It also offers beautiful landscapes for us to enjoy. We should take responsibility and act now to protect our environment for future generations.

思维链（Chain of Thought，简称 CoT）是大模型中的一项关键技术。它通过向大语言模型展示少量样例，并解释推理过程，让模型学会在生成答案时展示推理过程，从而引导其得到更准确的答案。相当于将黑盒深度学习的多步推理过程的中间步骤拆开，解耦各个步骤的工作，简化了每一步工作上模型的压力，在提高可解释性的同时提升了模型性能。其提出者 Jason Wei 表示灵感来源于一本叫做《Waking up》的冥想之书。 与传统的 Prompt 从输入直接到输出的映射方式不同，LangGPT 提示词框架应用了 CoT 完成了从输入到思维链再到输出的映射，即<input——>reasoning chain——>output>。 此外，GPT4 对 Chain of Density（CoD）、Chain of Thought（CoT）、Tree of Thought 做了关键说明： 使用 CoD 来指导 AI 就像按照特定的顺序和结构建造一座积木塔。每一步都必须精确和有组织，以确保整体的稳定性和连续性。 使用 CoT 来指导 AI 就像进行一次探险。尽管有一条指引的路径，但每一步都需要深入的思考和策略，以确定最佳的前进方向。 使用 ToT 来指导 AI 就像走在一棵决策树上。每当遇到分支时，都会基于当前的情境和条件选择一个方向。这种方法允许 AI 在多个可能的路径中选择，并根据不同的情境和条件做出相应的反应。

李飞飞提出的核心观点包括： 人工智能的下一步应从大型语言模型转向大型模型，强调视觉智能在理解和与世界互动中的重要性，计算机需要具备空间智能，能够建模、推理并在三维空间中互动。 通过空间智能，AI 将理解真实世界，能够处理视觉数据，做出预测并根据这些预测采取行动。空间智能使机器不仅能够相互交互，还能与人类以及真实或虚拟的三维世界进行交互。

人类在使用 AI 工具中的核心作用主要体现在以下几个方面： 1. 保持创造热情：这是人与 AI 在动机上的最大差异，人类需要提供立意与想法，具备对观察的抽象化能力和对定义的具象化能力。 2. 善于叙事和引导：对 AI 给出的选择做出关键决策。 3. 深刻理解 AI 系统：包括其工作方式和边界。 4. 设定目标：让 AI 依据目标来驱动工具。 5. 整合与分析信息：行动模块接收来自感知模块的多模态数据并进行整合与分析，类似于人类大脑的处理过程。 6. 决策与转化指令：评估不同行动方案并选择最优路径，将决策转化为具体行动指令，如同人类大脑通过神经系统控制身体。 7. 利用工具：人类在面对复杂任务时使用工具来提高效率，AI 若学会使用工具也能增强能力。 8. 发挥语言生成能力：如 LLMbased Agent 利用基于 Transformer 的语言生成模型展现出出色的文本生成能力。

很抱歉，目前知识库中没有关于从集团标准化管理、应用赋能、运营定位、迭代提升四个方面阐述人工智能赋能连锁药店运营管理核心竞争力的相关内容。但我可以为您提供一个大致的框架思路供您参考： 集团标准化管理方面： 利用人工智能制定统一的药品分类、库存管理和服务流程标准，确保各连锁药店的运营一致性和规范性。 通过智能数据分析，监测各门店对标准的执行情况，及时发现并纠正偏差。 应用赋能方面： 借助人工智能的图像识别技术，实现药品的快速准确盘点和库存监控。 利用智能客服系统，为顾客提供 24 小时不间断的咨询服务，提高服务效率和质量。 运营定位方面： 基于大数据和人工智能算法，分析不同地区、不同消费群体的需求特点，为各连锁药店精准定位目标市场和商品品类。 运用智能营销工具，实现个性化的促销活动推送，提高营销效果和顾客满意度。 迭代提升方面： 利用人工智能收集和分析顾客反馈、市场变化等数据，持续优化运营策略和服务模式。 建立基于人工智能的预测模型，提前洞察市场趋势和顾客需求变化，为连锁药店的发展提供前瞻性指导。 希望以上内容对您有所帮助，您可以根据实际情况进一步细化和完善。

以下是为您整理的关于 AI 领域最前沿技术核心论文的相关内容： 1. 《Attention is All You Need》：这篇由 Google Brain 团队撰写的论文介绍了 Transformer 架构，彻底改变了 AI 领域的格局。它能够处理未标记的、混乱的数据，并且比以前的方法更加高效。 2. 杰弗里·辛顿（Geoffrey E. Hinton）的相关论文： 描述极化子的“The Contribution of Excitons to the Complex Dielectric Constant of Crystals”（1958 年）。 描述长程电子转移量子力学的“Electron transfer between biological molecules by thermally activated tunneling”（1974 年）。 “Kinetic Proofreading：1974 年）。 “神经网络和具有突发性集体计算能力的物理系统”（1982 年）（被称为 Hopfield 网络）。 与 D.W.Tank 合著的“优化问题中决策的神经计算”（1985 年）。 在这篇文章中，作者分享了一份用于更深入了解现代 AI 的精选资源列表，称其为“AI 典藏”。这些论文、博客文章、课程和指南在过去几年中对该领域产生了巨大影响。同时，还介绍了 AI 技术的发展历程，如 2015 年 AI 系统的局限性，以及 Transformer 架构出现后为 OpenAI 发展带来的影响。

大模型的核心能力主要包括以下几个方面： 1. 泛化能力：指模型在未曾见过的数据上表现良好的能力，通俗来说就是“举一反三”的能力。人类具有较强的泛化能力，无需见过世界上的每一只猫就能认识猫的概念。 2. 多模态：指多数据类型交互，能够提供更接近人类感知的场景。大模型对应的模态包括文本、图像、音频、视频等。 3. 对齐能力：指与人类价值观与利益目标保持一致的能力。但目前在“和谁对齐”的问题上存在争议，同时也存在通过提示词注入绕过限制的情况。 在大型语言模型中，Encoder（编码器）是模型的核心部分，具有以下关键作用： 1. 词嵌入：将词语映射为低维密集向量表示，作为模型的输入。 2. 位置编码：引入序列中每个位置的位置信息，使模型能捕捉输入序列的顺序特征。 3. 注意力机制：通过自注意力层计算输入序列中每个词与其他词的关系，捕捉长程依赖关系。 4. 层叠编码：通过多层 Transformer Encoder 块的堆叠，对输入序列进行深度的特征提取和语义建模。 5. 上下文建模：整合输入序列中每个位置词的全局上下文信息，形成其语义表示。 基于多模态大模型的应用具有以下优点： 1. 适应性极好，通过提示词工程，方便“适应各种奇葩需求”。 2. 对算法的要求降低，大部分功能由大模型提供，特别是非结构化信息的处理。 3. 大模型的 API 访问方式简化了边缘设备的要求，在多种操作系统或嵌入式设备上都能方便适配。 但也存在以下缺点： 1. 大模型的推理时长目前仍是最大的障碍，传统目标检测或人脸识别优化后能达到 100 300ms，而大模型动则需要 10 秒的延时，限制了许多场景。 2. 模型的幻象和错误率仍然较高，导致上述推理时长问题，在多链路的复杂应用中迅速变得不可行。 3. 在大多数生产模式下，仍然需要使用云服务数据中心，提交的画面不可避免地涉及到隐私问题。 4. 商业私有化部署是刚需，当下的开源模型与 GPT4 代差在半年以上，技术人员任重道远。

以下是为您生成的关于 AI 面试 B 端软件的需求文档： 一、核心功能 1. AI 面试功能 用友大易 AI 面试产品：具有强大技术底座、高度场景贴合度、招聘全环节集成解决方案、先进防作弊技术及严密数据安全保障，能完成面试、初筛并自动发送面试邀约。 海纳 AI 面试：通过在线方式自动面试、评估，精准度高达 98%，面试效率比人工提升 5 倍以上，候选人到面率提升最高达 30%。 InterviewAI：在线平台提供面试职位相关问题及 AI 生成的推荐答案，候选人用设备麦克风回答，每个问题最多回答三次，会收到评估、建议和得分。 2. 背调功能 线上背调。 证明人背调。 对应聘者提供材料的背调。 3. 简历筛选关键词功能 UI 设计方面，负责项目包括用户调研、原型设计、需求缝隙、高保真设计、切图。 4. 提取简历证书项目功能 初级设计师。 建筑设计师。 一级建造师。 二、案例参考 1. HR 相关案例 HR：团队绩效管理，根据团队和个人绩效的往期数据，分析员工绩效排名，输出绩效考评和迭代改进建议。 HR：面试工具，作者开发使用 GPT4 技术的实时转录工具，帮助求职者在面试中生成完美回答。 2. 其他工作场景案例 销售：话术总结优缺点，涵盖产品特点、服务优势等方面。 销售：定制销售解决方案，涉及企业产品和服务内容等方面。 客服：定制客服话术，包含产品知识、使用方法等关键词库。 三、提示词工程师面试经验分享 某岗位面试一面完不到 2 个小时就通知二面，效率较高。 技术面：面试官直接给出同行美妆 GPT 案例，让判断实现方式，应试者提出 C 端优化方案及补充 B 端商业化方案后通过。 BOSS 面：了解学业情况、经历和意向，询问经典问题。