Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

近6个月ai有什么较大的突破

Answer

在近 6 个月,AI 有以下较大的突破:

  1. 在人工智能行业,过去 12 个月里流量增长显著。从 2022 年 9 月到 2023 年 8 月,研究的工具访问量从 2.418 亿次增长到 28 亿次,增长了 10.7 倍。其中,最近 6 个月每月平均流量为 33 亿。这一飞跃从去年 11 月 ChatGPT 成为最快达到 100 万用户的平台开始,2023 年 5 月达到峰值约 41 亿。
  2. 在医疗保健领域,尽管像 ChatGPT 等产品反映的技术突破显著,但也强调了其不足。例如 GPT-4 在美国医学执照考试中超过及格分数 20 分,但在各方面表现并非都出色。
  3. 企业对生成式 AI 的资源配置和态度发生显著变化。过去几个月,企业对生成式 AI 的预算几乎增加两倍,更多应用部署在较小的开源模型上,更多业务从早期实验转移到生产环境中。
Content generated by AI large model, please carefully verify (powered by aily)

References

翻译:AI 行业分析:50 个访问量最大的 AI 工具及流量行为

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)。

为了在医疗保健中产生真正的改变,AI 需要像我们一样学习

原文地址:https://time.com/6274752/ai-health-care/作者:Vijay Pande博士,是a16z的合作者,专注于生物和健康领域投资发表时间:2023-5-3翻译:通往AGI之路数百万人,其中很多人以前从未深入思考过计算机科学,现在正在尝试像ChatGPT这样能进行流畅对话的生成式AI模型和像DALL-E这样的创意图像生成器。虽然这些产品反映的技术突破并不如AI进入公众意识那样显著,但它们获得的关注正在引导大量[投资](https://www.wired.com/story/microsoft-taps-chatgpt-to-boost-bing-and-beat-google/)流动——这种投资正在塑造这项技术在未来几年中的应用方式。对于我们这些一直对AI在改变社会上持有[乐观态度](https://www.nytimes.com/2018/01/25/opinion/artificial-intelligence-black-box.html)的人来说,特别是在关键领域如健康和医学中,近几个月感觉非常像科幻小说变为现实。然而,尽管探索这些能力很令人愉悦——例如,GPT-4在美国医学执照考试中[超过](https://www.microsoft.com/en-us/research/publication/capabilities-of-gpt-4-on-medical-challenge-problems/)及格分数20分——但这样做的结果主要是强调了它们的不足。拥有读取、保留并根据需要重复所有这些数据的能力使得今天的AI在所有方面都很优秀,但没有在任何方面做得非常出色。

企业构建和购买生成式 AI 方式的 16 个变化

生成式人工智能(Generative AI)在2023年迅速席卷了消费市场,创下了超过10亿美元的消费支出的纪录。2024年,我们相信企业领域的收入机会将是前者的数倍。去年,尽管消费者花费数小时与新的AI伴侣聊天或使用扩散模型(diffusion models)制作图像和视频,企业对genAI的大部分参与似乎局限于少数明显的用例,并且将“GPT-wrapper(GPT套壳)”产品作为新的SKU进行交付。一些持怀疑态度的人怀疑genAI是否能够在企业中扩展。这些初创公司真的能赚到钱吗?这难道不都是炒作吗?在过去的几个月里,a16Z与数十家财富500强和顶级企业领导人进行了交谈,并对70多位进行了调查,以了解他们如何使用、采购和预算生成式人工智能。调查结果显示,在过去6个月里,企业对生成式AI的资源配置和态度发生了显著变化。尽管这些领导人对部署生成式人工智能仍有一些保留,但他们几乎将预算增加了两倍,将更多应用部署在较小的开源模型上,并将更多业务从早期实验转移到生产环境中。这对创始人来说是一个巨大的机遇。a16Z认为,那些为客户“以AI为中心的战略计划”构建解决方案,并同时能预见他们的痛点,以及从重服务模式转向构建可扩展产品的人工智能初创公司,将会抓住这一新的投资浪潮并占据重要的市场份额。任何时候,为企业构建和销售任何产品都需要对客户的预算、关注点和路线图有深入的了解。为了让AI公司创始人了解企业客户高层将如何决定部署生成式AI,并让其了解该领域相关企业高层如何解决与他们相同的问题,a16Z根据访谈结果总结了以下16个最为关键的考虑因素,涉及资源、模型和应用。

Others are asking
请问有那款ai是能通过Lisp 语言实现一些输出操作的呢?
以下是一些能够通过 Lisp 语言实现输出操作的 AI 示例: 在“AI‘词生卡’的蝴蝶效应:从文字到视觉盛宴跨界蝶变”中提到,古早的 Lisp 语言在 Claude3.5 强大的理解力和绘图支持下焕发了新生,制造了新卡。 在“艾木:提示词编程|有必要用 Lisp 语言写提示词吗?”中,将提示词用 Lisp 语言编写后丢给 Claude,例如输入文本,Claude 大概率会直接输出 SVG 代码。但对于复杂的函数调用,大语言模型处理起来较困难。
2025-01-23
请问 有哪几款ai是可以使用claude语言的呢?
Claude 是由 Anthropic 公司开发的 AI 助手。目前,Claude 本身就是一款独立的 AI,不存在其他可以使用 Claude 语言的 AI。 要注册 Claude.ai,您可以按照以下步骤进行: 1. 访问 Claude 的官方网站。 2. 点击注册或登录界面中的“Sign Up”或“Continue with email”选项。 3. 填写您的邮箱地址并设置密码,然后提交表单。 4. 系统会向您的邮箱发送一封验证邮件,您需要打开邮件并使用其中的验证码来完成邮箱验证。 如果在注册过程中遇到需要海外手机号接收验证码的问题,以下是一些可能的解决方案: 1. 使用虚拟海外号服务,如 SMSActivate、SMSPool 等,购买一个海外虚拟手机号来接收 Claude 的验证码。 2. 借助第三方服务网站如 uiuihao.com 完成注册您的 Claude 账号。 3. 如果您有海外朋友,可以请他们帮忙接收验证码,并将验证码告诉您。 完成注册后,如果您希望升级到 Claude Pro 版本以获取更强大的功能和更高的 API 调用限额,您需要填写支付信息并选择一个合适的订阅计划。值得注意的是,订阅 Claude Pro 可能需要使用海外支付方式。 请注意,Claude.ai 目前处于公开测试阶段,未付费用户使用平台可能会受到一些限制。如果您在注册过程中遇到任何问题,可以参考其他用户分享的详细注册教程和解决策略。
2025-01-23
ai在线课程
以下是为您提供的关于 AI 在线课程的相关信息: 新手学习 AI 的步骤: 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。同时浏览入门文章,了解 AI 的历史、当前应用和未来发展趋势。 2. 开始 AI 学习之旅:在「」中,能找到为初学者设计的课程,特别推荐李宏毅老师的课程。您还可以通过在线教育平台(如 Coursera、edX、Udacity)按照自己的节奏学习,并可能获得证书。 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,您可根据兴趣选择特定模块深入学习,同时掌握提示词技巧。 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。知识库中有很多实践后的作品和文章分享。 5. 体验 AI 产品:与如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动,了解其工作原理和交互方式。 推荐的“野菩萨”AI 课程: 1. 预习周课程:包括 AI 绘画电脑配置要求、高效 AIGC 创意者的数字人工具包、SD 插件安装方法、画静为动的 AIGC 视频制作讲解等。 2. 基础操作课:涵盖 AI 绘画通识课、AI 摄影虚拟的真实、AI 电影 穿越的大门等内容。 3. 核心范式课程:涉及词汇的纸牌屋、核心范式应用、控制随机性等方面。 4. SD WebUi 体系课程:包括 SD 基础部署、SD 文生图、图生图、局部重绘等。 5. ChatGPT 体系课程:有 ChatGPT 基础、核心 文风、格式、思维模型等内容。 6. ComfyUI 与 AI 动画课程:包含部署和基本概念、基础工作流搭建、动画工作流搭建等。 7. 应对 SORA 的视听语言课程:涉及通识 欢迎参加电影的葬礼、影像赏析、基础戏剧影视文学等。 免费获取课程的机会:参与 video battle,获胜者可获得课程。冠军奖励 4980 课程一份,亚军奖励 3980 课程一份,季军奖励 1980 课程一份,入围奖励 598 野神殿门票一张。 “通往 AGI 之路知识库”中的课程: 1. 推荐 B 站 up 主 Nally 的课程,免费且每节 15 分钟。 2. 二十四节气相关教程和关键词已开源,可直接复制使用。 3. 14、15 号左右白马老师和麦菊老师将带大家用 AI 做生图、毛毡字、光影字、机甲字等。16 号晚上中老师将带大家动手操作炼丹。 希望以上信息对您有所帮助,祝您在 AI 学习的道路上不断进步!
2025-01-23
怎么用AI提高团队工作效率,贸易类
以下是一些利用 AI 提高贸易类团队工作效率的方法: 1. 利用 AI“词生卡”技术:将抽象的文字描述转化为直观的逻辑图表和流程图,帮助团队更好地理解和执行复杂任务。团队成员可以通过“词生卡”方式自定义活动海报、商务名片、简历,也可以用于日报、月报等介绍工作进度,实现文图双输出,提高信息传导效率,并为创新思维提供新工具。 2. 参考哈佛商学院的研究:在工作中使用 AI 可以带来工作效率的显著改善。使用 AI 的被测试者比未使用者平均多完成 12.2%的任务,完成速度提高 25.1%,结果质量提高 40%。同时要注意,类似 GPT4 这样的模型有能力边界,过于依赖可能适得其反。能力较弱的被测试者提升较大,高级人才和低级人才的差距会被拉平。 3. 采用合适的协作方式:如“半人马”模式,强调人与 AI 紧密结合但各司其职,人类主导流程,根据任务性质调配资源;“机械人”模式,人与 AI 高度融合,在细节上循环迭代优化,最终实现人机一体化。 总之,合理利用 AI 技术和选择合适的协作方式,能够有效提高贸易类团队的工作效率。
2025-01-23
langchain开发手册
LangChain 是专注于大模型应用开发的平台,提供一系列组件和工具助您轻松构建 RAG 应用。 组件包括: 1. 数据加载器(DocumentLoader):能从数据源加载数据并转为文档对象,文档包含 page_content(文本内容)和 metadata(元数据如标题、作者、日期等)。 2. 文本分割器(DocumentSplitter):将文档分割成多个小文档,方便后续检索和生成,因大模型输入窗口有限,短文本更易找相关信息。 3. 文本嵌入器(Embeddings):将文本转为高维向量的嵌入,用于衡量文本相似度以实现检索功能。 4. 向量存储器(VectorStore):存储和查询嵌入,常使用 Faiss 或 Annoy 等索引技术加速检索。 5. 检索器(Retriever):根据文本查询返回相关文档对象,常见实现是向量存储器检索器,利用向量存储器相似度搜索功能检索。 6. 聊天模型(ChatModel):基于大模型如 GPT3 实现文本生成,根据输入序列生成输出消息。 使用 LangChain 构建 RAG 应用的一般流程: 1. 加载数据:根据数据源类型选择合适的数据加载器,如网页可用 WebBaseLoader。 2. 分割文档:根据文本特点选择合适的文本分割器,如博客文章可用 RecursiveCharacterTextSplitter。 3. 转换和存储嵌入:选择合适的文本嵌入器和向量存储器,如 OpenAI 的嵌入模型和 Chroma 的向量存储器。 4. 创建检索器:使用向量存储器检索器,传递向量存储器和文本嵌入器对象创建。 5. 创建聊天模型:根据性能和成本选择,如 OpenAI 的 GPT3 模型。 以下是使用 LangChain 构建 RAG 应用的示例代码。
2025-01-23
给我写一段AI产品经理板块的介绍,一小段话,用于在公司内部的科技论坛上
在公司内部的科技论坛上,为您介绍 AI 产品经理板块: AI 产品经理可大致分为三个层级: 1. 入门级:能通过 WaytoAGI 等开源网站或课程了解 AI 概念,使用 AI 产品并动手实践应用搭建。 2. 研究级:有技术研究和商业化研究两条路径,能根据需求场景选择解决方案,或利用 Hugging face 等工具验证想法。 3. 落地应用级:有成功落地应用案例并产生商业化价值。 传统互联网 PM 也有类似的三个层级: 1. 负责功能模块与执行细节。 2. 负责整体系统与产品架构。 3. 熟悉行业竞争格局与商业运营策略。 对 AI 产品经理的要求是懂得技术框架,关注场景、痛点和价值。同时,为您列举一些岗位技能要求,如本科及以上学历,计算机科学等相关专业背景,熟悉多种 AI 工具的使用及原理,具备创新思维等。我们身边也有相关案例,如枫 share、行远等都是从事相关工作的产品经理。
2025-01-23
通用人工智能技术取得显著突破,中美竞争加剧
以下是为您整理的相关内容: 2024 年 7 月 1 日: 微软 AI CEO Mustafa Suleyman 在阿斯彭思想节上表示,AI 的发展将持续对社会产生深远影响。他强调中美在技术竞争中应该寻求合作,而不仅仅是竞争。在谈到监管时,他认为监管并非邪恶,历史上技术都曾被成功监管。对于 AGI(通用人工智能),他认为应该认真对待与之相关的安全风险,并建立全球治理机制。 小伙伴整理了关于阿里 D20 的 PPT,内容主要是 AI 在设计、教育、出海方向上的内容。 举办了 AI 切磋大会,共 12 地小伙伴线下参与,一起 AI 出图、出视频、做音乐等,动手实践,享受创造的乐趣,目标是让每个人都能玩转 AI。 2024 年 11 月 6 日: 李开复在采访中表达了对 AGI(通用人工智能)霸权的担忧,指出如果美国形成 AGI 垄断,将对全球科技生态产生深远影响。他认为,中国在研发廉价模型和推理引擎方面具备优势,尽管技术上可能落后,但在应用和落地速度上可与美国竞争。他强调,追求 AGI 的同时,中国应寻找另一条生态护城河的发展路径,确保多样化应用和更广泛的市场参与。 作者艾木三号提到,Geoffrey Hinton 强调词嵌入是理解自然语言的关键,通过将文字符号转化为向量,模型能进行有效的信息编码和推理。类比能力使得模型能够发现不同事物间的共同结构,从而展现创造力。
2025-01-14
这几天ai领域有没有突破性的论文
以下是这几天 AI 领域的一些相关论文和研究成果: 1. 《山姆·奥特曼传(二):OpenAI 的第一次内斗》中提到,2017 年 Google Brain 团队撰写的论文《Attention is All You Need》介绍了 Transformer 架构,彻底改变了 AI 领域的格局。OpenAI 在其技术领袖伊利亚的推动下,基于 Transformer 架构开发了 GPT 系列模型。 2. 《2024 人工智能报告》中包含了关于 AI 在未来一年的 10 个预测,如一个主权国家向美国大型人工智能实验室投资 100 亿美元以上需要国家安全审查,没有任何编码能力的人独自创建的应用程序或网站将会迅速走红等。 3. 《入门经典必读》中指出人工智能的研究正在以指数级别的速度增长,文中分享了一份用于更深入了解现代 AI 的精选资源列表,其中提到从 2017 年谷歌发布的“Attention is All You Need”这篇开启了生成 AI 时代的论文开始的一系列里程碑式研究成果。
2024-12-26
AI在3D制图方面有什么突破吗
AI 在 3D 制图方面有以下突破: Stability AI 与 Tripo AI 合作发布了 TripoSR,能够将单图在半秒内变为 3D。 生成式 AI 可以为游戏创建 2D 艺术、纹理、3D 模型,并协助关卡设计。在营销中,有望取代库存艺术、产品摄影和插图,且已在网页设计、室内设计和景观设计中有所应用。 Diffusion Model 像极具耐心的艺术家,通过逐步去噪实现高质量的图像生成和重构。 NeRF 像空间中的建筑师,能把一系列二维图像转化成逼真的三维场景,3DGS 作为三维形状生成领域的重要技术,专注于物体的结构和几何特征,能理解和重构三维物体的形状。在虚拟现实、游戏开发等领域,二者的结合能生成逼真的三维场景和高度定制的三维对象。 您可以通过以下链接获取更多详细信息:
2024-12-07
人工智能的发展历史及各个阶段起到关键作用的重大突破
人工智能的发展历史可以追溯到 20 世纪 50 年代,以下是各个阶段起到关键作用的重大突破: 1. 20 世纪 50 年代: 纽维尔和西蒙开发了名为“逻辑理论家”的程序,能够证明数学定理,此后又开发了“通用问题求解器”。意义:作为符号学派的代表,为形式化证明打开了大门。 英国数学家阿兰·图灵提出了著名的“图灵测试”。 2. 20 世纪 60 年代: 美国心理学家弗兰克·罗森布拉特提出了感知机模型,这是一种具有学习能力的神经网络。意义:开创了连接主义学派,为 DNN 学习范式开启了窗口。 3. 1971 年到 2015 年间,与电子游戏相关的人工智能研究论文数量不到 1000 篇,但从 2015 年到 2022 年的 7 年里,相关论文数量就达到 1625 篇,其中 17 篇成为《自然》和《科学》的封面文章。 4. 1997 年:“深蓝”电脑在国际象棋比赛中战胜世界冠军卡斯帕罗夫。 5. 2016 年:AlphaGo 在围棋比赛中战胜世界冠军李世石。 6. 2020 年:GPT3 发布,非常擅长用电脑写文章和做其他很多用语言的事情。 7. 2022 年:DALLE 发布,可以根据描述画出想象中的图画。 8. 2023 年:GPT4 发布。 在快速发展的过程中,众多巨人开创了具有重大意义的里程碑事件,推动了人工智能的不断进步。
2024-12-05
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
请综合各种AI产品的信息,预测接下来几年内将会有哪些较大创新或者有较大影响力的AI产品
以下是对未来几年内可能出现的较大创新或有较大影响力的 AI 产品的预测: 1. 一个主权国家可能向美国大型人工智能实验室投资 100 亿美元以上,但需国家安全审查。 2. 没有任何编码能力的人独自创建的应用程序或网站可能迅速走红,例如进入 App Store Top100。 3. 案件审理后,前沿实验室可能对数据收集实践实施有意义的改变。 4. 由于立法者担心权力过度,欧盟人工智能法案的早期实施可能比预期更慢。 5. OpenAI o1 的开源替代品可能在一系列推理基准测试中超越它。 6. 挑战者可能难以对 NVIDIA 的市场地位造成重大打击。 7. 由于公司难以实现产品与市场的契合,对人形机器人的投资水平可能下降。 8. 苹果设备上研究的强劲成果可能加速个人设备上 AI 的发展势头。 9. 人工智能科学家撰写的研究论文可能被大型机器学习会议或研讨会接受。 10. 一款以与 GenAI 元素交互为基础的视频游戏可能取得突破性进展。 此外,还可能有以下情况: 1. 2024 年可能是看到真正的应用将人类从旁边帮助和建议的副驾驶,转变为可以完全将人类排除在外的代理的一年,AI 将更像同事而非工具,在软件工程、客户服务等领域发挥作用。 2. 预计明年会有团队花费超过 10 亿美元来训练单个大型模型,生成式 AI 的热潮将更“奢华”。 3. 政府和大型科技公司将继续承受计算需求的压力,逼近电网极限。 4. 虽然预期的 AI 对选举和就业的影响尚未成真,但仍需警惕。
2024-12-03
请问大家使用过AI工具一次性阅读10个左右的PDF文档/PDF文档链接吗?针对篇幅较大的说明书,哪些工具、以及如何使用工具辅助阅读整理信息效果响应会比较好
目前在 AI 领域,能够一次性阅读 10 个左右 PDF 文档并辅助整理信息的工具包括但不限于: 1. ChatPDF:您可以将多个 PDF 文档上传至该平台,然后通过提问获取文档中的关键信息和总结。 2. Adobe Acrobat Pro:具有强大的文档处理和阅读功能,能帮助您标记、注释和整理文档内容。 使用这些工具时,一般步骤如下: 1. 注册并登录相关工具的账号。 2. 按照工具的指引上传您的 PDF 文档。 3. 输入您想要获取的信息或提出整理要求,等待工具处理并给出结果。 需要注意的是,不同工具的具体操作和效果可能会有所差异,您可以根据自己的需求和文档特点选择合适的工具。
2024-09-25