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

雪梅挑战 100 天和 AI 做朋友

Answer

雪梅 May 挑战 100 天和 AI 做朋友的相关情况如下：

  • 作者介绍：适合纯 AI 小白参考，学习模式为输入→模仿→自发创造。学习内容不建议直接复用，可去 waytoAGI 社区发现感兴趣的领域学习最新内容。学习时间并非每天依次进行，有空时学习即可。学习状态良好，2024 年保持较好状态，还看了 33 本书。学习资源免费开源。
  • 第一阶段：
    • DAY5 2024.5.26：开始研究使用 kimi，抱着每天向 kimi 问 100 个问题的心态调整思考模式。
    • DAY6 2024.5.31：应朋友推荐学习吴恩达生成式人工智能课程，在 B 站搜索对应关键词有课程资源，抽空陆续 3 天学完。
    • DAY7 2024.6.1：探索用 AI 解决一个真实问题，如团队写行业研究报告。
  • 2024 年 12 月 31 日历史更新（归档）：记录了雪梅的挑战过程，分为系统性学习、模仿实践使用 AI 工具、研究 Prompt 提示词三个阶段，其学习路线图适合新人参考。同时还包括 Meta 首席 AI 科学家 LeCun 访谈以及《少卿：AI 帮你赢，谈双重主体性》相关内容。
Content generated by AI large model, please carefully verify (powered by aily)

References

《雪梅 May 的 AI 学习日记》挑战 100 天和 AI 做朋友

说明：1.适合纯AI小白：如果你还在观望AI，不知道从何入手，可以参考我这个日记。你可以先看左边的目录，会发现我现在已经快到100天了，在这个时间跨度里，我从一开始的到处看看到现在觉得自己已经走在了一条学习AI的轨道上。2.学习模式是什么：我平时有记录笔记的习惯，所以积累了这份AI学习日记。我最近整理复盘了这将近100天记录的日记后，我发现我学习AI的模式是输入→模仿→自发创造。如果你没有自信一开始就用费曼学习法来接触AI，那你可以试试我这个实践出来的学习模式。3.学习内容：我日记里的学习内容你可以不用直接复用，因为AI的节奏太快了，很多学习的材料在半年后的现在可能已经不适用了。比如coze之前共学的那些课程，你会发现coze已经改版了，如果你按照老课程来模仿，产品功能不一样了，对你来说会有转换的门槛。你可以去waytoAGI社区发现你自己感兴趣的AI领域，去学习你自己想学的最新的内容。4.有时间学吗：在半年多的时间跨度中，其中有100天在学习AI，所以这里的DAY（天数）不是每天依次进行，而是有空的时候学习。目前我进行到了90天，希望自己能够坚持满100天，甚至更多时间。5.学习状态：我在2024年保持了比较好的学习状态，有意愿和动力也能头脑清醒的学进去东西。这种状态不仅体现在学AI，我在2024年还看了33本书，像《穷查理宝典》这样的大部头都能看进去。所以如果你看到这个100天日记觉得自己很难做到，那是学习状态没有到最好，不用有心里压力，能学多少算多少就行。6.有费用吗：本日记中学习资源的内容都是免费开源的，真的很感谢这些把信息开源的人，这样会AI的人才会越来越多。我也是秉持这个理念，把我的学习日记开源了

《雪梅 May 的 AI 学习日记》挑战 100 天和 AI 做朋友

May：今天研究Kimi，开始使用[Kimi最全指南](https://waytoagi.feishu.cn/wiki/QT9Ywsl66isyHNkYWqgcFrpAnec)感受：也就是从这里开始，我抱着每天向kimi问100个问题的心态，调整自己的思考模式，工作和生活中让自己能发觉需要问的问题，然后让自己养成有问题问AI的习惯Kimi体验分享：【公众号文章】[每天问Kimi们100个问题，你就AI入门了](https://mp.weixin.qq.com/s/ZMAa2AqXS21cHjPD_23Enw)[heading2]DAY6 2024.5.31学习吴恩达生成式人工智能课程[content]May：应朋友强烈推荐，插队先看吴恩达的课程资源：吴恩达B站搜索对应关键词，有很多课程资源：吴恩达《面向所有人的生成式AI入门课程Generative AI for Everyone》学习笔记：[2024.5《生成式AI入门课程》吴恩达](https://getgaoding.feishu.cn/docx/G1rJdc6kAo25oLxi9vpcg3EknXb)用时：抽空陆续3天学完[heading2]DAY7 2024.6.1探索用AI解决一个真实问题[content]May：有一个明确的议题，看怎么解任务：我的团队最近要写一份行业研究报告，我试试看AI怎样能帮到我[议题：用AI写行业研究报告](https://getgaoding.feishu.cn/docx/O9KvdxzKTorOfQxicmYcsEVJnSh)

2024 年历史更新（归档）

[《雪梅May的AI学习日记》挑战100天和AI做朋友](https://waytoagi.feishu.cn/wiki/IFRbwRSYKi085xkJwVmc6BCNngb)，记录了社区小伙伴雪梅在挑战100天与AI学习的过程。日记分为三个阶段：第一阶段是系统性学习，观看课程和阅读书籍；第二阶段则通过模仿和实践，学习如何使用AI工具；第三阶段专注于研究Prompt提示词。她的学习路线图非常适合新人参考借鉴。《[Meta首席AI科学家LeCun访谈：为什么他一直认为AI还不如一只猫？](https://mp.weixin.qq.com/s/wgt8-BBhue5UjvVF7FER4w)》在这场深度对话中，Yann LeCun没有沉醉于当前AI的成就，而是直指其根本局限。他不仅挑战了市场对AI能力的普遍认知，更通过JEPA架构等前沿探索，详细阐述了一条不同于主流LLM的技术路径，这可能才是通向真正人工智能的关键突破口。《[少卿：AI帮你赢，谈双重主体性](https://waytoagi.feishu.cn/wiki/DIoawfNW3iPXIzkoIjIctFAnncb?useEs6=0)》本书强调将AI视为一种方法，而非目的，倡导使用哲学视角构建人文性理解与方法论，从而提高技术应用的效率和智慧。作者谭少卿通过辩证法与大模型的结合，提炼出知识引导与信息最小化原则，为读者提供了一套实用的AI应用框架。

Others are asking
批量抠图100张图片
以下是批量抠图 100 张图片的方法： 1. 登录星流：输入用户名密码登录，星流每天提供 100 免费点数可生成 100 张图片。 2. 输入对应的提示词，点击生图，默认生图一张图片 1 个积分，每次生成 4 张图，可多抽几次选择喜欢的图片。 3. 对杯中的内容进行局部重绘： PS AI 处理：把生成好的图片下载下来导入到可使用生成式创造功能的 PS 中，使用选区工具选择杯中鲨鱼部分，点击创成式填充按钮输入 prompt 等待生成。 直接用星流处理：选中需要处理的图片，点击顶部局部重绘按钮，选择杯子中间有水的地方，在右边输入框输入提示词“白色的杯子里装着水”点击生成等待。 另外，还为您推荐一个自动抠图的网站：把所有图片批量进行统一分辨率裁切，分辨率需是 64 的倍数。
2025-02-23
批量100自动抠图
很抱歉，目前知识库中没有关于批量 100 自动抠图的相关内容。但您可以尝试使用一些专业的图像处理软件，如 Adobe Photoshop 等，它们可能具备批量处理抠图的功能。另外，也有一些在线工具可能支持批量抠图，您可以通过搜索引擎查找相关的工具并进行尝试。
2025-02-23
雪梅100天学AI
以下是关于雪梅 100 天学 AI 的相关内容： 作者介绍： 适合纯 AI 小白：若您还在观望 AI 不知如何入手，可参考此日记。日记已近 100 天，作者从一开始的到处看到走在学习 AI 的轨道上。 学习模式：输入→模仿→自发创造。若对费曼学习法没自信，可尝试此模式。 学习内容：日记中的学习内容可能不适用，因 AI 节奏快，可去 waytoAGI 社区找感兴趣的最新内容。 学习时间：半年多时间跨度中有 100 天学习 AI，并非每天依次进行，有空时学习。 学习状态：作者 2024 年学习状态好，不仅学 AI 还看了 33 本书。若觉得 100 天难做到，能学多少算多少。 费用：学习资源免费开源。 第十一阶段：寻找继续坚持下去的动力 作者从 24 年 5 月到 25 年 2 月学完 100 天，仍觉未找到明确深耕方向，学习中易遇瓶颈，需找正反馈，开源学习日记获加油，101 天后还需更好的正反馈方式。 2024 年 12 月 31 日历史更新（归档） 雪梅 100 天学 AI 日记，分为三个阶段，适合新人参考借鉴。 Meta 首席 AI 科学家 LeCun 访谈，指出当前 AI 局限，阐述不同技术路径。 少卿的《AI 帮你赢》，强调将 AI 视为方法，提供实用应用框架。
2025-02-22
100 万 tokens 什么概念
100 万 tokens 具有以下重要意义和影响： 算法视角：更宽的上下文窗口允许模型在推理时纳入训练数据中未找到的大量新的、特定于任务的信息，从而提高各种自然语言或多模式任务的性能。对越来越长的上下文进行数据建模的能力经历了从 Shannon 1948 提出的 2gram 语言模型、到 1990 年代和 2000 年代的现代 ngram 模型（5 个上下文 token），2010 年代的循环神经网络（RNN）达到数百个 token（Jozefowicz 等），到 2023 年 Anthropic 将上下文扩展到几十万 token 的发展历程。 产品视角：长上下文意味着 LLM 理解能力增强。从提示词到 RAG，都是为了增加给模型的上下文，进而让需求更明确，让模型理解得更好。从用数据训练模型、到指令微调，到提示词和 RAG，到大模型的超长下文，机器越来越像人了。提示词和 RAG 正在快速被弱化，但出于工程和商业考量，目前在很多领域还是主流，未来依然可能是一个混合状态。模型上下文长度覆盖了书籍、电影、长视频等产品的通用长度，应该会引发相关链路上产品交互层的变化。 具体应用：Gemini1.5 支持 100 万 token，可以一次性处理大量信息，比如 1 小时的视频，11 小时的音频，超过 30,000 行代码或超过 700,000 个单词的代码库。Claude2100 k 模型的上下文上限是 100k Tokens，即 100000 个 Token。ChatGPT16 k 模型的上下文上限是 16k Tokens，即 16000 个 Token；ChatGPT432 k 模型的上下文上限是 32k Tokens，即 32000 个 Token。Token 限制同时对一次性输入和一次对话的总体上下文长度生效，当达到上限时，会遗忘最前面的对话。若想直观查看 GPT 如何切分 token，可以打开。此外，英文的 Token 占用相对于中文较少，因此很多中文长 Prompt 会被建议翻译成英文设定，然后要求中文输出。
2025-01-28
分析一下a16z 的ai top100榜单
以下是对 a16z 的 AI top100 榜单的分析： A16Z 的 AI top100 榜单聚焦生成式 AI 应用。自 ChatGPT 将生成式 AI 引入公众视野以来，已涌现出成千上万面向消费者的相关产品。 在 AI 陪伴方面，它已成为生成式 AI 的主流应用场景之一。例如，Character.AI 在网页端和移动端榜单上表现出色。网页端有八家 AI 陪伴公司进入榜单，移动端有两家。其中，多数产品自诩“无限制”，用户可进行不受限的对话或互动，且访问主要通过移动网页，平均 75%的流量来自移动设备。对于有移动应用的陪伴产品，用户参与度高，如 Character.AI 每位用户平均每月会话次数达 298 次，Poly.AI 为 74 次。 时隔六个月更新分析，超过 40%的公司是首次出现在榜单上。与六个月前相比，有 30%的新公司。名次进步最大的是 Suno，从第 36 名到第 5 名。移动端最多的应用是图像和视频编辑，占 22%。Luzia 服务西班牙语用户值得关注。字节多款应用上榜，包括 Coze、豆包、CiCi、醒图、Gauth。美学和约会应用开始增加，为用户提供相关建议。此外，Discord 流量值得关注，相当多的应用在其平台完成 PMF 验证。 原文链接：https://a16z.com/100genaiapps/ 作者：A16Z Olivia Moore 发布时间：2024.03.13 去年 9 月的报告：
2025-01-02
AI 100天学习日志
以下是关于雪梅 May 的 AI 学习日记的相关内容： 1. 适合人群：适合纯 AI 小白，若还在观望不知如何入手，可参考此日记。 2. 学习模式：学习模式为输入→模仿→自发创造。若对费曼学习法没自信，可尝试此模式。 3. 学习内容：日记中的学习内容因 AI 节奏快可能不适用，可去 waytoAGI 社区发现感兴趣的领域并学习最新内容。 4. 学习时间：在半年多时间跨度中，其中 100 天学习 AI，并非每天依次进行，有空时学习，目前作者已进行到 90 天。 5. 学习费用：学习资源免费开源。 此外，作者在第九阶段的感受是，想明白从让个人更优秀角度前进就有很多灵感，其学习路径为迈出第一步→大量的学习输入→疯狂的模仿→开始自己创造→学的越来越宽越来越杂→积累的量变产生质变→开始分享。在第二阶段，作者因自身工作选择了 AI agent 领域的 coze 进行学习，认为可根据自身熟悉领域选择学习方向，coze 适用所有人，无需代码基础和图文审美，只要能发现智能体需求，就可用工作流实现。
2025-01-02
有什么三维图，cad图，bom表提效的ai工具
以下是一些可以提高三维图、CAD 图和 BOM 表效率的 AI 工具： 1. CADtools 12：这是一个 Adobe Illustrator（AI）插件，为 AI 添加了 92 个绘图和编辑工具，涵盖图形绘制、编辑、标注、尺寸标注、转换、创建和实用工具。 2. Autodesk Fusion 360：Autodesk 开发的一款集成了 AI 功能的云端 3D CAD/CAM 软件，有助于创建复杂的几何形状和优化设计。 3. nTopology：基于 AI 的设计软件，可帮助创建复杂的 CAD 模型，包括拓扑优化、几何复杂度和轻量化设计等。 4. ParaMatters CogniCAD：基于 AI 的 CAD 软件，能根据用户输入的设计目标和约束条件自动生成 3D 模型，适用于拓扑优化、结构设计和材料分布等领域。 5. 生成设计工具：一些主流 CAD 软件，如 Autodesk 系列、SolidWorks 等，提供了基于 AI 的生成设计工具，可根据用户输入的设计目标和约束条件自动产生多种设计方案。 需要注意的是，这些工具通常需要一定的 CAD 知识和技能才能有效使用。对于 CAD 初学者，建议先学习基本的 3D 建模技巧，然后尝试使用这些 AI 工具来提高设计效率。
2025-02-23
有什么工业设计的ai工具
以下是一些工业设计相关的 AI 工具： 1. 绘图工具： Lucidchart：流行的在线绘图工具，支持多种视图创建，用户可拖放轻松创建架构图。 Visual Paradigm：全面的 UML 工具，提供多种架构视图创建功能。 ArchiMate：开源建模语言，与 Archi 工具配合可创建逻辑视图。 Enterprise Architect：强大的建模、设计和生成代码工具，支持多种视图创建。 Microsoft Visio：广泛使用的图表和矢量图形应用程序，有丰富模板。 draw.io（diagrams.net）：免费在线图表软件，支持多种类型图表创建。 PlantUML：文本到 UML 转换工具，可通过描述文本生成相关视图。 Gliffy：基于云的绘图工具，支持创建架构图。 Archi：免费开源工具，用于创建 ArchiMate 和 TOGAF 模型。 Rational Rose：IBM 的 UML 工具，支持创建多种视图。 2. CAD 图工具： CADtools 12：Adobe Illustrator 插件，添加绘图和编辑工具。 Autodesk Fusion 360：集成 AI 功能的云端 3D CAD/CAM 软件。 nTopology：基于 AI 的设计软件，可创建复杂 CAD 模型。 ParaMatters CogniCAD：基于 AI 的 CAD 软件，能自动生成 3D 模型。 主流 CAD 软件的生成设计工具，如 Autodesk 系列、SolidWorks 等。 3. 网站制作工具： Wix ADI（Artificial Design Intelligence）：基于用户信息自动生成定制化网站，提供多种设计选项和布局，集成 SEO 工具和分析功能。 Bookmark：AIDA 通过询问问题快速生成网站，提供拖放编辑器和多种行业模板及自动化营销工具。 Firedrop：Sacha 作为 AI 设计助手可创建和修改网站设计，提供实时编辑和预览功能，包含多种现代设计风格和自定义选项。 The Grid：Molly 作为 AI 设计助手可自动调整网站设计和布局，基于内容和互动优化，支持多种内容类型。
2025-02-23
AI对课程研发的
以下是关于 AI 对课程研发的相关内容： 教师的 AI 减负指南生成式人工智能在教学中的应用： 个性化学习计划：分析学生表现并根据知识差距和个人学习风格创建定制的学习路径。 课程开发/学习沉浸：包括生成模型生成图像、文本和视频，转化为补充教育材料、作业和练习题。 社会互动/沟通：与新的 AI 工具（如口语形式的 GPT4o）结合学习，为学生提供更好的准备工具，以应对依赖口语/展示沟通的高等教育和职场环境。 存在的问题：与优秀的人类教师相比仍有差距，如缺乏课时设计，且教学目标设计缺乏合理的梯度。但人机融合是大势所趋，AI 的高效率与人类教师的经验相结合。 相关工具：星火教师助手、知网备课助手。 课程示例： 关于《阿房宫赋》的课程，教学目标包括学生能理解并背诵课文、把握文章大意；了解创作背景，理解作者杜牧对秦朝暴政的批判和对人民疾苦的同情；掌握课文中的重点词汇和句式，提高文言文阅读能力。同时，了解骈文特点，通过诵读理解内容、体会思想感情，了解阿房宫的历史。 针对开发者的 AIGPT 提示工程课程，涵盖软件开发最佳实践的提示、常见用例（总结、推理、转换和扩展），并将使用 LLM 构建一个聊天机器人。 当 AI 走进小学课堂的全套课程设计，先和学生互动，听听他们口中的 AI，再引出概念，用学生能理解的语言激发兴趣、引起好奇心。
2025-02-23
请问如何创建AI智能体
创建 AI 智能体通常可以参考以下步骤： 1. 了解相关概念：AI 智能体是拥有各项能力的“打工人”，能帮助我们做特定的事情。它包含自己的知识库、工作流，还可以调用外部工具，结合大模型的自然语言理解能力完成复杂工作。 2. 选择平台：如字节的扣子（Coze），其是新一代一站式 AI Bot 开发平台，无论是否具备编程基础，都能在该平台上构建基于 AI 模型的各类问答 Bot。 3. 具体创建步骤： 起一个智能体的名称。 写一段智能体的简单介绍。 使用 AI 创建一个头像。 在创建过程中，还需注意一些事项，如在配置完成后进行测试，对于涉及消耗个人资源的工作流，不能直接发布，可将相关输入作为工作流的初始输入，让用户自行购买后输入再使用。 例如，像“写作助手”这样的 AI 智能体，只需在文本框输入文章的主题、风格和要求，它就能自动完成文章大纲处理、初稿撰写、修改润色和排版等全流程任务。
2025-02-23
怎样通过ai提升我的工作效率
以下是通过 AI 提升工作效率的一些方法和相关研究结论： 1. 哈佛商学院的研究表明，在工作中使用 AI 能显著改善工作效率。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%。 2. GPT4 等模型有能力边界，在边界内表现良好，边界外则可能不佳，但具体边界未知。 3. 分组测试显示，使用 AI 且接受培训的两组任务完成效率和质量远高于未使用组，且 AI 对工作能力差的被测试者提升更大，高级人才提升较小。 4. 过于依赖 AI 可能适得其反，降低效率和质量，因为人们难以区分其能力边界。 5. 人类和 AI 协作有两种方式： 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，充分利用人类智慧与判断力及 AI 的计算与生成能力。 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，充分发挥人类灵活性和 AI 生成能力。 6. Inhai 的 Agentic Workflow 分为短期记忆和长期记忆，短期记忆将上下文学习视为利用模型短期记忆学习，长期记忆提供长期存储和召回信息能力。 工具方面：学会调用外部不同类型 API 获取模型缺少的额外信息、代码执行能力、访问专有信息源等。 动作方面：大模型结合问句、上下文规划、各类工具决策最终执行动作。 Agentic Workflow 可从提升效率、提高质量、节省时间角度思考，通过将复杂任务分解成小步骤，融入更多人类参与规划与定义，减少对 Prompt Engineering 和模型推理能力的依赖，提高 LLM 应用面向复杂任务的性能。 7. 从法律法规角度看，AI 已在众多领域带来重大进步和效率提升，具有巨大潜力推动增长和创造就业，支持人们现有工作，改善劳动力效率和工作场所安全。大型语言模型等技术进步预示着更多变革性发展。
2025-02-23
有没有做AI工作流的方法
以下是一些做 AI 工作流的方法： 1. 起床时，让 AI 如“马云”“马化腾”为您排 TODO 优先级，并做私董会的脑暴。 2. 工作中，设置一个傲娇的 AI 小助理为您加油，给她的 Prompt 是要阳光、会撒娇/卖萌。 3. 对于重点事项，如内容创作，拆成一个 bot 团队组：工作分成选题、标题、框架、扩写，然后分 A/B 组两个 AIbot 互相改。其中要点是提供反常识、梗，学习喜欢的 UP 创作方法论，如导演小策、影视飓风 TIM 总结的 HKRR（快乐/知识/共鸣/节奏）。 4. 优化的 bot 包括内容选题 bot、短视频脚本 bot、数据分析 bot（GPT4）、网页 Perplexity 的资料库 bot 等。 5. 优化方面：使用 Zion、ChatO 和自动化 AIAgent 分身，基于自身知识库的 bot；将上述知识库、Prompt 资产，全部放入飞书的知识库+多维表单中维护，等待飞书的 AI 进化。 6. 备选：筛选过的 50 多个生产力 AI，放在工具库里，待命输出。 7. 未来：把整个公司业务全部搬入飞书中，外接 MJ、ChatBot 分身，以及咨询日程预约。 8. 可能：让所有流量口 bot 也介入飞书，给予飞书做数据分析和内容引擎（目前需手动）。 9. 告诉自己，关注 AI 的同时，更要关注打交道的人、利益、状态和情绪。 此外，还可以： 1. 打开 Comfyui 界面后，右键点击界面，找到 Comfyui LLM party 的目录，学习手动连接节点实现最简单的 AI 女友工作流，或者直接将工作流文件拖拽到 Comfyui 界面中一键复刻提示词工程实验。 2. 从 ollama 的 github 仓库找到对应版本并下载，启动 ollama 后，在 cmd 中输入 ollama run gemma2 将自动下载 gemma2 模型到本地并启动。将 ollama 的默认 base URL=http://127.0.0.1:11434/v1/以及 api_key=ollama 填入 LLM 加载器节点即可调用 ollama 中的模型进行实验。若 ollama 连接不上，很可能是代理服务器的问题，需将 127.0.0.1:11434 添加到不使用代理服务器的列表中。 搭建 AI 工作流的步骤： 1. 找到一个熟悉的工作场景，比如写文章、做 PPT 等。 2. 拆解工作流程，如写文章可拆成选题、写稿、改稿、写标题等步骤。 3. 针对每个步骤嵌入合适的 AI 工具，灵活选择最优解，不要为了用 AI 而用 AI，通过局部最优解达到全局最优解，以提高工作效率。
2025-02-23
雪梅May的AI学习笔记
以下是雪梅 May 的 AI 学习笔记相关内容： 1. 作者介绍： 适合纯 AI 小白，可参考此日记，学习模式为输入→模仿→自发创造。 学习内容因 AI 节奏快可能不适用，可去 waytoAGI 社区找感兴趣的最新内容。 学习时间有空就进行，目前作者进行到 90 天。 2024 年保持较好学习状态，若觉得难做到不用有压力。 学习资源免费开源。 2. 第一阶段： DAY5 2024.5.26：开始使用 kimi，抱着每天问 100 个问题的心态调整思考模式。 DAY6 2024.5.31：应朋友推荐学习吴恩达生成式人工智能课程，在 B 站有资源，抽空 3 天学完。 DAY7 2024.6.1：探索用 AI 解决真实问题，如写行业研究报告。 3. 2024 年 12 月 31 日历史更新（归档）： 雪梅 May 挑战 100 天与 AI 学习的过程，分为系统性学习、模仿实践、研究 Prompt 提示词阶段，学习路线图适合新人参考。 Meta 首席 AI 科学家 LeCun 访谈，指出 AI 根本局限，阐述不同于主流 LLM 的技术路径。 少卿的《AI 帮你赢，谈双重主体性》，强调将 AI 视为方法，提供实用应用框架。
2025-02-20
对于中小企业而言，ai转型的落地过程中有什么风险和挑战？请分别回答风险和挑战是什么
对于中小企业而言，AI 转型的落地过程中存在以下风险和挑战： 风险： 1. 管理风险：使用 AI 工具评估和管理企业面临的各种风险时，可能存在对风险评估不准确、应对策略不恰当等问题，导致企业无法有效应对潜在挑战，造成不必要的损失。 2. 网络安全风险：引入 AI 驱动的网络安全解决方案时，若安全系统配置不当、软件和 AI 模型未及时更新、员工网络安全意识不足等，可能导致企业网络系统遭受网络威胁和攻击，造成数据泄露、业务中断等严重后果。 挑战： 1. 任务自动化挑战：在评估和识别日常重复性高的任务时，可能存在对任务分析不准确、目标设定不清晰的情况，影响后续自动化工具的引入和效果。同时，选择合适的自动化工具并进行有效配置和测试也具有一定难度。 2. 网络安全挑战：选择适合企业网络环境和安全需求的 AI 驱动的网络安全解决方案并非易事，需要充分了解各种方案的特点和适用性。此外，定期更新和维护安全系统、进行网络安全演练以及对员工进行培训等工作也需要投入大量的时间和精力。
2025-02-19
人工智能的场景应用及其对社会治理的新挑战，注意场景应用和社会治理的对应，同时突出新挑战
以下是关于人工智能的场景应用及其对社会治理新挑战的相关内容： 场景应用： 医疗领域：如利用 AI 技术预测蛋白质结构，加速科学研究和救命药物的开发，在对抗疟疾、抗生素耐药性和塑料垃圾等方面取得巨大进展。 气候领域：通过 AI 技术应对气候变化。 对社会治理的新挑战： 可能产生新的风险，如使用 AI 可能带来的未知问题。 复杂的 AI 技术可能引发公众的不安。 涉及数据获取、计算能力、可持续性以及内容生产者和 AI 开发者权利平衡等重要问题，需要综合考虑。 需确保在保护权利持有者和支持 AI 开发者获取所需数据之间保持恰当平衡。
2025-01-23
AI应用的挑战之一，数据，可以展开讲讲吗
在 AI 应用中，数据是至关重要但也面临诸多挑战： 1. 高质量数据短缺：传统互联网数据已难以满足需求，AI 模型需要更高质量的“前沿数据”，包括复杂推理过程、专业知识和人类思维模式等，以提升推理能力和整体性能。 2. 数据标注角色转变：从简单的画边界框变为需要证明复杂数学定理或批判性审查 AI 生成的多种解决方案。 3. 合成数据的应用与风险：合成数据成为解决真实数据获取难、隐私保护成本高等问题的途径，但也存在与真实数据分布不一致导致模型偏差、隐藏误导性模式影响模型可靠性等风险。 4. 数据与需求不匹配：产品从业者使用 AI 工具时，面临默认知识库和能力与需求不匹配的问题，且市场上 AI 工具大多功能相似、生成内容质量不稳定。 5. 选择和学习成本高：用户存在不知如何找到适用的 AI 工具、因产品同质化严重不知如何选择以及学习成本高等困扰。 6. 潜在的偏见和歧视：AI 训练依赖大量数据，若数据集存在偏见，可能在招聘等应用场景中复制甚至加剧对特定社会群体或性别的偏见，导致无意的歧视，带来法律责任。 7. 数据隐私问题：使用 AI 招聘系统收集大量个人数据，若被滥用会侵犯候选人隐私。
2024-12-16
企业在构建AI智能体问答助手可能会遇到哪些挑战及痛点？
企业在构建 AI 智能体问答助手时可能会遇到以下挑战及痛点： 1. 私有化部署方面：在金融、医疗和法律等对数据私密性要求极高的中小型行业，私有化部署场景需求大，增加了企业培训的难度。 2. 模型接入方面：访问 GPT 存在门槛，国企类、体制类合作伙伴受限，需寻找更易于接入的国产模型替代，如智谱等。 3. 工程化落地方面：企业知识库大多卡在工程问题上，真正能落地的不多，数据清理难度大，技术能力要求高于预期。对于规模不大且无数字化系统的企业，实际落地成本可能不比传统人力成本节省更多。 4. 对企业了解不足：在品牌卖点提炼中，AI 对企业的主要产品、解决的用户需求、产品独特之处、所获认可、核心渠道、核心购买人群、营销手段、新渠道期望结果等了解程度接近于 0，难以直接给出有效卖点，更适合作为引导型的灵感提问助手。 以下是一些 Agent 构建平台供您参考： 1. Coze：新一代一站式 AI Bot 开发平台，集成丰富插件工具，拓展 Bot 能力边界。 2. Mircosoft 的 Copilot Studio：主要功能包括外挂数据、定义流程、调用 API 和操作，以及部署到各种渠道。 3. 文心智能体：百度推出的基于文心大模型的智能体平台，支持开发者打造产品能力。 4. MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，以及访问第三方数据和服务或执行工作流。 5. 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于多种场景，提供多种成熟模板。 6. 钉钉 AI 超级助理：依托钉钉优势，在处理高频工作场景方面表现出色。 请注意，以上信息由 AI 大模型生成，请仔细甄别。
2024-12-05
企业在构建AI智能问答助手可能会遇到哪些挑战及痛点？
企业在构建 AI 智能问答助手可能会遇到以下挑战及痛点： 1. 私有化部署的挑战：在金融、医疗和法律等许多中小型行业，对数据私密性要求极高，需要私有化部署，这大大增加了企业培训的难度。 2. 模型接入的限制：访问 GPT 有门槛，国企类、体制类的合作伙伴往往被拦截在外，需要寻找更易于接入的国产模型作为替代方案。 3. 工程化落地困难：企业知识库大部分卡在工程问题上，真正能落地的不多，数据清理部分难度较大，技术能力要求比想象中更高。 4. 成本问题：对于规模不大且没有数字化系统的企业，私有化部署的实际落地成本可能不比传统人力成本节省更多。
2024-12-05
你觉得ai+健康 会如何发展 ，优势和挑战分别是什么
AI 在健康领域的发展具有巨大潜力，同时也面临着一些优势和挑战。 优势方面： 有助于推进医疗保健中负责任地使用 AI，促进开发价格合理且能拯救生命的药物。 能够为教育者提供支持，例如在学校中提供个性化辅导，从而变革教育模式。 挑战方面： 存在工作场所监视、偏见和岗位替代等风险，可能影响劳动者权益。 可能会出现对劳动者补偿不足、不公平评估工作申请以及妨碍劳动者组织的情况。 对于医疗保健中 AI 应用的安全性需要建立相应的程序来接收和处理相关报告，并采取补救措施。 总之，AI 在健康领域的发展前景广阔，但需要妥善应对潜在的挑战，以实现其最大的价值和效益。
2024-11-14