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

到目前为止,人工只能已经发展到什么样的一个程度了,未来前景怎么样?普通人如何通过人工智能挣到钱

Answer

目前人工智能的发展呈现出复杂的态势:

  • 预计明年会有团体花费超过 10 亿美元训练单个大规模模型,通用人工智能的热潮仍在持续,但其成本也在不断增加。
  • 政府和大型科技公司都面临着计算需求超出电网支持能力的问题。
  • 人工智能对选举的影响尚未完全显现,但仍需关注。
  • 以 OpenAI、Meta 以及中国实验室为代表,竞争激烈。

未来前景方面:

  • 深度学习被证明有效,且随着规模扩大预期会改善,能帮助解决更多难题,对全球人民生活产生有意义的改善。
  • 人工智能模型将作为个人助理执行特定任务,帮助构建更好的下一代系统,并推动各领域科学进展。

对于普通人如何通过人工智能挣钱,以下是一些可能的途径:

  • 学习相关技能,如编程、数据分析等,参与人工智能项目的开发和维护。
  • 利用人工智能工具进行内容创作,如写作、绘画等,并通过相关平台实现盈利。
  • 关注人工智能领域的新兴应用,寻找创业机会。
Content generated by AI large model, please carefully verify (powered by aily)

References

2024 年人工智能现状:辉煌、戏谑和“牛市”

More Money,More Problems:Expect a group to spend over$1 billion training a single large-scale model next year.The GenAI craze isn’t going anywhere;it’s just getting a pricier wardrobe.Compute Squeeze:Governments and Big Tech alike will continue to feel the crunch of compute requirements,which are outgrowing the power grid’s ability to support them.It’s like a bodybuilder bulking up faster than their gym can handle—at some point,the ceiling might just collapse.AI Enters Elections:Anticipated AI effects on elections and employment haven’t materialized yet,but that doesn’t mean we’re in the clear.Remember,AI’s influence is like glitter:once it’s out,you’ll be finding it in everything for years to come.Artificial intelligence continues to be a mixed bag of thrilling breakthroughs,unanswered ethical questions,and oh-so-many trillion-dollar bets.With OpenAI leading in some areas,Meta in others,and Chinese labs rising undeterred by sanctions,the stage for AI in 2024 feels more like a tightly packed boxing ring than a peaceful conference room.So grab your popcorn and keep those GPUs handy—we’re in for another year of AI pushing boundaries,testing limits,and possibly rewriting a few definitions along the way.

文章:Sam Altman|智能时代

简单概括:深度学习有效,随规模扩大预期改善,我们持续增加相关资源投入。就是这样;人类发现了一种算法,可以真正地学习任何数据分布(或者说,产生任何数据分布的潜在"规则")。令人震惊的是,计算能力和数据量越大,它帮助人们解决难题的能力就越强。不管我花多长时间思考这个问题,我都无法完全理解它的重要性。我们还有很多细节需要解决,但被任何特定挑战分散注意力是一个错误。深度学习是有效的,我们将解决剩余的问题。我们可以谈论很多关于下一步可能发生的事情,但主要的是,人工智能将随着规模而变得更好,这将导致对全球人民生活产生有意义的改善。人工智能模型将很快作为自主的个人助理,代表您执行特定任务,如帮助您协调医疗护理。未来,人工智能系统将变得如此出色,它们将帮助我们构建更好的下一代系统,并在各个领域取得科学进展。技术将我们从石器时代带到农业时代,再到工业时代。从这里开始,通往智能时代的道路由计算、能源和人类意志铺就。如果我们想让尽可能多的人接触到人工智能,我们需要降低计算成本,使其更加普及(这需要大量的能源和芯片)。如果我们不能建立足够的基础设施,人工智能将成为一种非常有限的资源,会导致战争,并主要成为富人的工具。我们需要聪明而坚定地采取行动。智能时代的曙光是一个历史性的发展,同时也带来极其复杂且高风险的挑战。这并非完全是个积极的故事,但潜在的正面影响如此巨大,我们有责任找出如何应对眼前的风险。我相信未来会非常光明灿烂,以至于现在任何人都无法对之进行公正的描述;智能时代的一个决定性特征将是巨大的繁荣。尽管这将逐步发生,但令人惊叹的胜利——修复气候、建立太空殖民地以及发现物理学的所有内容——最终将成为寻常。拥有近乎无限的智慧和丰富的能源——产生伟大创意和实现它们的能力——我们可以做很多事情。

文章:Sam Altman|智能时代

Technology brought us from the Stone Age to the Agricultural Age and then to the Industrial Age.From here,the path to the Intelligence Age is paved with compute,energy,and human will.If we want to put AI into the hands of as many people as possible,we need to drive down the cost of compute and make it abundant(which requires lots of energy and chips).If we don’t build enough infrastructure,AI will be a very limited resource that wars get fought over and that becomes mostly a tool for rich people.We need to act wisely but with conviction.The dawn of the Intelligence Age is a momentous development with very complex and extremely high-stakes challenges.It will not be an entirely positive story,but the upside is so tremendous that we owe it to ourselves,and the future,to figure out how to navigate the risks in front of us.I believe the future is going to be so bright that no one can do it justice by trying to write about it now;a defining characteristic of the Intelligence Age will be massive prosperity.Although it will happen incrementally,astounding triumphs–fixing the climate,establishing a space colony,and the discovery of all of physics–will eventually become commonplace.With nearly-limitless intelligence and abundant energy–the ability to generate great ideas,and the ability to make them happen–we can do quite a lot.

Others are asking
人工智能发展历史
人工智能的发展历史如下: 起源于二十世纪中叶,最初符号推理流行,带来了专家系统等重要进展,但因方法局限性和成本问题,20 世纪 70 年代出现“人工智能寒冬”。 随着计算资源变便宜和数据增多,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”常被视为“神经网络”的同义词。 1943 年,心理学家麦卡洛克和数学家皮特斯提出机器的神经元模型,为神经网络奠定基础。 1950 年,图灵最早提出图灵测试作为判别机器是否具备智能的标准。 1956 年,在美国达特茅斯学院召开的会议上,“人工智能”一词被正式提出并确立为一门学科。此后近 70 年,AI 的发展起起落落。 AI 技术发展历程包括早期阶段(1950s 1960s)的专家系统、博弈论、机器学习初步理论;知识驱动时期(1970s 1980s)的专家系统、知识表示、自动推理;统计学习时期(1990s 2000s)的机器学习算法(决策树、支持向量机、贝叶斯方法等);深度学习时期(2010s 至今)的深度神经网络、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(视觉 语言模型、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。
2025-03-10
人工智能简史
人工智能作为一个领域始于二十世纪中叶。最初,符号推理流行,带来了如专家系统等重要进展,但因从专家提取知识并以计算机可读形式表现及保持知识库准确的复杂性和高成本,20 世纪 70 年代出现“人工智能寒冬”。 随着时间推移,计算资源更便宜,数据更多,神经网络方法在计算机视觉、语音理解等领域展现出卓越性能,过去十年中“人工智能”常被视为“神经网络”的同义词。 在国际象棋对弈程序方面,早期以搜索为基础,发展出阿尔法贝塔剪枝搜索算法,后来采用基于案例的推理,而现代能战胜人类棋手的程序基于神经网络和强化学习。 在创建“会说话的程序”方面,早期如 Eliza 基于简单语法规则,现代助手如 Cortana、Siri 或谷歌助手是混合系统,未来有望出现完整基于神经网络的模型处理对话,如 GPT 和 TuringNLG 系列神经网络已取得巨大成功。 最初查尔斯·巴贝奇发明计算机用于按明确程序运算,现代计算机仍遵循相同理念。但有些任务如根据照片判断人的年龄无法明确编程,这正是人工智能感兴趣的。 译者:Miranda,原文见 https://microsoft.github.io/AIForBeginners/lessons/1Intro/README.md 。
2025-03-10
可以帮我输出一张图,解释人工智能的工作原理?
以下是关于人工智能工作原理的解释: 在音频生成方面,以谷歌的 V2A 系统为例: 首先,将视频输入编码为压缩表示。 然后,基于扩散模型从随机噪声中迭代改进音频,这一过程由视觉输入和自然语言提示引导,以生成与提示紧密配合的同步逼真音频。 最后,对音频输出进行解码,转化为音频波形,并与视频数据相结合。 在生成式人工智能的整体领域中: 监督学习用于标记事物,一直占据较大比例。 生成式 AI 由监督学习技术搭建,2010 2020 年是大规模监督学习的十年,为现代人工智能奠定了基础。 以生成文本为例,大语言模型通过使用监督学习不断预测下一个词语来生成新的文本内容,这需要千亿甚至万亿级别的单词数据库。 此外,大语言模型在写作、修改文本、翻译等方面有应用,但也存在编造故事产生错误信息的问题,需要鉴别信息准确性。人工智能作为一种通用技术,有大量的运用空间,如基于网络界面应用和基于软件程序应用等。
2025-03-10
人工智能是什么?
人工智能是一门令人兴奋的科学,旨在使计算机表现出智能行为,例如做一些人类所擅长的事情。 最初,查尔斯·巴贝奇发明了计算机,用于按照明确的程序进行数字运算。现代计算机虽更先进,但仍遵循相同的受控计算理念。然而,对于像根据照片判断一个人的年龄这类任务,我们无法明确其具体步骤,所以难以编写程序让计算机完成,这类任务正是人工智能感兴趣的。 简单来说,对于三年级的孩子,可以理解为人工智能是让计算机或机器能像人类一样思考和学习的技术。 从法律法规的角度看,为有效监管人工智能并支持所提出框架的清晰性,需要对“人工智能”有共同的理解。目前没有被广泛认可的通用定义,人工智能的“适应性”使其系统结果的意图或逻辑难以解释,其系统是经过训练的,能推断出人类不易察觉的数据模式和联系,还能发展出人类程序员未直接设想的新推理能力;“自主性”使其结果的责任难以分配,有些系统能在没有人类明确意图或持续控制的情况下做出决策。
2025-03-10
学习人工智能,小白应该从哪学起?
对于小白学习人工智能,建议从以下几个方面入手: 1. 了解 AI 基本概念:首先,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。同时,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,您将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。您还可以通过在线教育平台(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。同时,建议掌握提示词的技巧,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 产品进行互动是学习 AI 的另一种有效方式。尝试使用如 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。 另外,您可以参考《雪梅 May 的 AI 学习日记》,其中提到适合纯 AI 小白的学习模式是输入→模仿→自发创造。同时要记住,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。
2025-03-08
人工智能赋能玩具行业
以下是关于人工智能赋能玩具行业的相关内容: 2025 年 1 月 2 日,“威震天”变形金刚凭借先进的自动变形技术和高达 1700 美元的售价迅速售罄,反映出玩具行业通过 AI 和机器人技术实现创新,推动市场向情感消费转型。预计到 2025 年,AI 驱动的玩具将占全球市场 15%以上,智能玩具的拟人化特征将提升互动体验,吸引更多成年消费者。 有创业公司聚焦于陪伴 3 6 岁孩子成长的 AI Friends 场景,推出 AI 毛绒玩具。这类玩具能与孩子多轮对话、用 IP 角色的音色交流,非常自然。孩子们会把玩具当作有生命、会说话的,且对其不感到惊讶。目前大模型能力尚不足以成为成年人日常的 AI 助手,儿童陪伴场景用户容忍度更高,且 AI 毛绒玩具定价几百元,客单价低于家庭机器人,几乎没有市场教育成本。近年来,毛绒玩具市场快速增长,中国玩具品牌分散,全球销量前十的毛绒玩具里没有中国品牌。 在独立游戏《玩具帝国》开发中,人机 AI 采用 Unity 的 ml agent,通过强化学习训练能够进行长周期复杂决策。由于游戏是离线模式且对决策实时性和本地 AI 运行性能有要求,未选用调用 ChatGPT 之类的线上接口。通过“即时奖励”和“预测奖励”进行长周期决策 AI 的训练,数学模型可调,AI 可控。为让输入向量等长,对场上道路进行分块统计数值。先训练掌握基本规则的底模,再做分支训练得到适用于不同文明策略的模型。为避免过拟合,对初始条件和每次决策时的可选项进行随机处理。
2025-03-07
普通人怎么用Ai
普通人使用 AI 可以从以下几个方面入手: 1. 基础使用:在日常使用软件和电子设备时,可能会不知不觉接触到 AI 功能,例如微信和百度中的 AI 自动搜索整理的答案。 2. 简单需求:对于常见需求如翻译,可使用现成的 AI 翻译工具。 3. 特定需求:若有特殊要求,如特定翻译风格,可自己撰写提示词给 AI 进行专门说明。 4. 高级定制: 若希望翻译输入能自动参考个人数据文档并输出到微信平台,需开发自己的智能体。 若希望智能体与其他智能体协作完成一系列工作,可搭建多智能体工作流系统。 若发现现有 AI 模型缺少专业词汇知识,可自己训练 AI 模型。 在使用 AI 时,最基础且重要的两点是: 1. 尽可能给它提供背景信息。 2. 尽可能让它自己去反思,以确保每次输出的内容都经过再次思考。 另外,普通人想利用 AI 提效,重点不是学会写提示词,而是将现有的 AI 工具融入到自己的工作流中。随着发展,一方面提示词门槛可能越来越高,另一方面 AIGC 产品会越来越多且细致,普通人可能只需在市面上找到对应产品填空就能解决需求。
2025-03-12
普通人除了卖课,如何能够搭乘ai快车,进行变现
对于普通人而言,除了卖课,还有以下几种方式可以搭乘 AI 快车实现变现: 1. 利用 AI 工具进行内容创作,如写作、绘画、视频制作等,并在相关平台上获取收益。 2. 为企业提供基于 AI 的数据分析和处理服务。 3. 开发简单的 AI 应用程序或小程序,通过收费使用或广告盈利。 4. 利用 AI 优化电商运营,例如精准选品、智能客服等,从而提高销售业绩。 5. 参与 AI 项目的众包工作,如数据标注、模型测试等获取报酬。
2025-03-12
你觉得作为一个普通人,应该怎样更高效的使用AI,并且保持跟上AI快速迭代的节奏?
作为普通人,要更高效地使用 AI 并跟上其快速迭代的节奏,可以参考以下策略: 1. 提前布局职业生涯:审视自身所处行业和岗位,预估 5 10 年后被 AI 取代的程度。若风险高,即刻学习新技能并向更有前景的领域转型;若风险低,思考如何在 AI 辅助下将工作做到极致。 2. 投入 AI 浪潮:敢于使用和研究 AI,将其融入业务,哪怕从简单应用开始,实践中发现新机会点。 3. 强化不可替代的人类技能:如创意、沟通、领导、跨领域知识、独特专长等。 4. 建立个人品牌和网络:通过分享专业见解、持续学习输出内容,在业界建立口碑,积累人脉和声望。 5. 拥抱创业和多元收入:利用 AI 降低的创业门槛,发展副业或项目,探索多种可能性,经营多元身份提升抗风险能力。 6. 保持健康的身心:学会调适心态,持续锻炼身体,以良好的身心状态应对挑战。 此外,在 AI 时代,持续学习能力与适应力是最重要的个人能力之一。要培养自己成为终身学习者,保持好奇心,定期涉猎新领域的知识或课程,锻炼自学能力,勇于打破舒适区。同时,要在心理上拥抱变化,将其视为机遇而非威胁,培养心理韧性,以积极的心态应对不确定性。 在监管方面,英国采用了基于原则的框架,其监管体制具有创新、适度、可信、适应、清晰和协作等特点,旨在促进创新的同时平衡风险与机遇,加强在 AI 领域的全球领导地位。
2025-03-09
普通人打工人AI制作短视频,请给出具体执行步骤
以下是普通人利用 AI 制作短视频的具体执行步骤: 1. 小说内容分析:使用 AI 工具(如 ChatGPT)分析小说内容,提取关键场景、角色和情节。 2. 生成角色与场景描述:根据小说内容,使用工具(如 Stable Diffusion 或 Midjourney)生成角色和场景的视觉描述。 3. 图像生成:使用 AI 图像生成工具根据描述创建角色和场景的图像。 4. 视频脚本制作:将提取的关键点和生成的图像组合成视频脚本。 5. 音频制作:利用 AI 配音工具(如 Adobe Firefly)将小说文本转换为语音,添加背景音乐和音效。 6. 视频编辑与合成:使用视频编辑软件(如 Clipfly 或 VEED.IO)将图像、音频和文字合成为视频。 7. 后期处理:对生成的视频进行剪辑、添加特效和转场,以提高视频质量。 8. 审阅与调整:观看生成的视频,根据需要进行调整,比如重新编辑某些场景或调整音频。 9. 输出与分享:完成所有编辑后,输出最终视频,并在所需平台上分享。 请注意,具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外,AI 工具的可用性和功能也可能会随时间而变化,建议直接访问上述提供的工具网址获取最新信息和使用指南。 另外,制作一部 2 分钟短片,不论是使用镜头拍摄还是使用 AI 工具生成,本质上都脱离不了影视制作的基础逻辑。在角色设计阶段,需要保持角色的一致性,并为角色增加个性化特性。在分镜图片生成阶段,为了及时调整分镜画面,决定生成一张合适的图片就直接开始进行对应动画镜头的生成。在动画镜头制作阶段,主要使用了 pixverse、pika、runway 三种视频生成工具。我们这里讲的短片都是以短故事片为主,后续也会带领大家讨论广告片等不是以故事为主要基底的影片类型。
2025-03-07
学习ai对普通人的生活有什么意义
学习 AI 对普通人的生活具有多方面的重要意义: 1. 提供更高效的个人助理服务:人工智能模型将很快能作为自主的个人助理,代表您执行特定任务,如帮助协调医疗护理。 2. 促进教育方式的变革:人工智能工具在教育领域有创新的应用空间,如通过交流互动辅助学习,但需要正确引导使用,避免过度依赖。 3. 助力艺术创作:在艺术领域,人们可以与计算机合作作画,发挥自身的创造力。 4. 提高工作效率:普通人可以通过合适的软件和学习内容,运用 AI 来提升工作效率。 5. 带来科技便利与幸福:AI 是未来的必然方向,简单试用能让普通人更快受益,使生活因科技而更加便利和幸福。 然而,在推广 AI 的过程中也面临一些挑战,如需要降低计算成本以使其更加普及,避免其成为有限资源导致战争或成为富人的工具。同时,要正确引导使用,避免其带来负面影响。
2025-03-05
普通人如何学AI
普通人学习 AI 可以参考以下步骤: 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。 此外,还可以参考以下方法: 1. 万能公式法:问 AI【一个(xxx 职业)需要具备哪些知识?】,AI 就可给出知识框架,然后根据知识框架每一个小点去问,就能让 AI 工具帮你指数级深度思考。 2. 寻找优质信息源:像没有技术背景的普通人,想要学习或了解 AI,好的信息源如「即刻」App 的“”等免费圈子。 3. 信息爆炸之做减法的小 tips: 只掌握最好的产品,少关注新产品测评(除非远超 ChatGPT)。 只解决具体问题,不做泛泛了解。从问题中来,到问题中去。 只关注核心能力,不关注花式玩法,用 AI 扬其长避其短。 只关注理清需求和逻辑,不死记硬背提示词。 先关注提升认知/洞察,然后再谈技巧。 如果您还在观望 AI,不知道从何入手,可以参考《雪梅 May 的 AI 学习日记》。其学习模式是输入→模仿→自发创造。学习内容可去 waytoAGI 社区发现自己感兴趣的 AI 领域,学习最新的内容。学习资源都是免费开源的。
2025-03-05