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

人工智能伦理建设的基本内容

Answer

人工智能伦理建设的基本内容包括以下方面：

  • 欧洲议会和欧盟理事会规定了人工智能的统一规则，并修正了一系列相关条例。回顾委员会任命的独立人工智能高级别专家组 2019 年制定的《值得信赖的人工智能的伦理准则》，其中包含七项不具约束力的人工智能伦理原则：
    • 人类主体和监督：人工智能系统的开发和使用应为人服务，尊重人的尊严和个人自主权，其运行可由人类适当控制和监督。
    • 技术稳健性和安全性：开发和使用方式应在出现问题时保持稳健，抵御试图改变其使用或性能的行为，减少意外伤害。
    • 隐私和数据治理：符合现有隐私和数据保护规则，处理的数据应具备高质量和完整性。
    • 透明度：开发和使用方式应允许适当的可追溯性和可解释性，让人类知晓交流或互动情况，并告知部署者系统的能力和局限性以及受影响者的权利。
    • 多样性、非歧视和公平：开发和使用方式应包括不同参与者，促进平等获取、性别平等和文化多样性，避免歧视性影响和不公平偏见。
    • 社会和环境福祉：有助于设计符合《宪章》和欧盟基础价值观的连贯、可信和以人为本的人工智能。
    • 问责制。
  • 人工智能能带来广泛的经济、环境和社会效益，如改进预测、优化运营等，但也可能根据应用、使用情况和技术发展水平产生风险，对受欧盟法律保护的公共利益和基本权利造成损害。
  • 鉴于人工智能的重大影响和建立信任的必要性，其发展必须符合欧盟价值观、基本权利和自由，应以人为本，最终提高人类福祉。
  • 为确保公众利益的高水平保护，应为所有高风险人工智能系统制定统一规则，这些规则应与《宪章》一致，非歧视，符合国际贸易承诺，并考虑相关准则。
Content generated by AI large model, please carefully verify (powered by aily)

References

AI ACT 中译本.pdf

欧洲议会和欧盟理事会规定人工智能的统一规则，并修正300/2008号、167/2013号、168/2013号、2018/858号、2018/1139号和2019/214号条例以及2014/90/EU号、2016/797号和20(27)虽然基于风险的方法是一套成比例和有效的约束性规则的基础,回顾委员会任命的独立人工智能高级别专家组2019年制定的《值得信赖的人工智能的伦理准则》非常重要。在这些准则中,高级别专家组制定了七项不具约束力的人工智能伦理原则,这些原则应有助于确保人工智能是值得信赖的、符合伦理道德的。这七项原则包括:人类主体和监督;技术稳健性和安全性;隐私和数据治理;透明度;多样性、非歧视和公平;社会和环境福祉以及问责制。在不影响本条例和任何其他适用的联盟法律的法律约束力要求的前提下,这些指南有助于设计一个符合《宪章》和作为联盟基础的价值观的连贯、可信和以人为本的人工智能。根据独立人工智能高级别专家组的指南,人类主体和监督意味着人工智能系统的开发和使用是为人服务的工具,尊重人的尊严和个人自主权,其运行方式可由人类进行适当控制和监督。技术稳健性和安全性是指,开发和使用人工智能系统的方式应能在出现问题时保持稳健,并能抵御试图改变人工智能系统的使用或性能的行为,从而允许第三方非法使用,并最大限度地减少意外伤害。隐私和数据管理是指人工智能系统的开发和使用符合现有的隐私和数据保护规则,同时处理的数据在质量和完整性方面符合高标准。透明度是指人工智能系统的开发和使用方式应允许适当的可追溯性和可解释性,同时让人类意识到他们与人工智能系统进行了交流或互动,并适当告知部署者该人工智能系统的能力和局限性,以及受影响者的权利。多样性、非歧视和公平性是指人工智能系统的开发和使用方式应包括不同的参与者,并促进平等获取、性别平等和文化多样性,同时避免联盟或国家法律所禁止的歧视性影响和不公平偏见。社会和

AI ACT 中译本.pdf

欧洲议会和欧盟理事会规定人工智能的统一规则，并修正300/2008号、167/2013号、168/2013号、2018/858号、2018/1139号和2019/214号条例以及2014/90/EU号、2016/797号和20(4)人工智能是一个快速发展的技术族，能够为各行各业和社会活动带来广泛的经济、环境和社会效益。通过改进预测、优化运营和资源配置，以及为个人和组织个性化可用的数字解决方案，人工智能的使用可以为企业提供关键的竞争优势，并支持有益于社会和环境的成果，例如在医疗保健、农业、食品安全、教育和培训、媒体、体育、文化、基础设施管理、能源、运输和物流、公共服务、安全、司法、资源和能源效率、环境监测、生物多样性和生态系统的保护和修复，以及气候变化的减缓和适应。(5)同时，根据其具体应用、使用情况和技术发展水平，人工智能可能会产生风险，并对受欧盟法律保护的公共利益和基本权利造成损害。这种损害可能是物质性的，也可能是非物质性的，包括身体、心理、社会或经济的损害。(6)鉴于人工智能可能对社会产生的重大影响以及建立信任的必要性，人工智能及其监管框架的发展必须符合《欧盟条约》第2条所载的欧盟价值观、各项条约和《宪章》所载的基本权利和自由。作为前提条件，人工智能应是以人为本的技术。人工智能应作为人类的工具，最终目的是提高人类福祉。(7)为了确保在健康、安全和基本权利方面对公众利益提供一致和高水平的保护，应为所有高风险人工智能系统制定统一的规则。这些规则应与《宪章》保持一致，并应当是非歧视性的，且符合欧盟的国际贸易承诺。这些规则还应考虑到《欧洲数字权利宣言》和《数字十年原则》以及人工智能高级别专家组的《值得信赖的人工智能的伦理准则》。

【法律法规】《2020年国家人工智能倡议法案》.pdf

INTELLIGENCE ACTI(1)provide for interagency coordination of Fed11 eral artificial intelligence research,development,and 12 demonstration activities,development of voluntary 13 consensus standards and guidelines for research,de14 velopment,testing,and adoption of ethically devel15 oped,safe,and trustworthy artificial intelligence sys16 tems,and education and training activities and pro17 grams of Federal departments and agencies under18 taken pursuant to the Initiative;19

Others are asking
你是福州市政府工作人员，中国移动拟邀请福州市委书记参加中国移动人工智能生态大会并致辞，该大会是第八届数字峰会的组成部分，需要撰写市委书记的致辞稿，需要中国移动准备哪些素材，请告诉我提示词
以下是为您整理的相关内容： 《促进创新的人工智能监管方法》：包含了关于通用人工智能价值链、相关案例研究以及对人工智能监管框架的探讨等内容。 陶力文律师关于律师写好提示词用好 AI 的方法：包括初始化的欢迎语、遵循的规则、获取案例洞察报告和目标群体、输出纲要和写作方案、根据用户反馈调整等流程。 开幕式主持稿：涉及基地代表发言的时间、主题、物料配合和人员配合等信息。 但这些素材似乎与为中国移动准备市委书记致辞稿所需的素材关联不大。一般来说，为撰写市委书记在中国移动人工智能生态大会上的致辞稿，中国移动可能需要准备以下素材： 1. 本次大会的详细介绍，包括主题、目标、议程安排等。 2. 中国移动在人工智能领域的发展成果、战略规划和未来愿景。 3. 中国移动人工智能生态的构建情况，如合作伙伴、合作项目等。 4. 本次大会在第八届数字峰会中的地位和作用。 5. 相关行业的人工智能发展现状和趋势。 6. 福州市在人工智能领域的发展情况和与中国移动合作的展望。
2025-04-18
人工智能软件现在有哪些
以下是一些常见的人工智能软件： 1. 在自然语言处理和神经科学应用方面，大型语言模型取得了进展，拥有更先进的工具用于解码大脑状态和分析复杂脑部活动。 2. 在艺术创作领域，有涉及知识产权保护的相关软件，如软件工程师在设计时应确保生成内容合法合规、注重用户知识产权保护等。创作者使用此类软件时，应了解自身权利并做好保护。 3. 在线 TTS 工具方面，如 Eleven Labs（https://elevenlabs.io/）、Speechify（https://speechify.com/）、Azure AI Speech Studio（https://speech.microsoft.com/portal）、Voicemaker（https://voicemaker.in/）等。这些工具可将文本转换为语音，具有不同的特点和适用场景。但请注意，相关内容由 AI 大模型生成，请仔细甄别。
2025-04-15
什么是通用人工智能
通用人工智能（AGI）是指具有人类水平的智能和理解能力的 AI 系统。它有能力完成任何人类可以完成的智力任务，适用于不同的领域，同时拥有某种形式的意识或自我意识。 目前 AGI 还只是一个理论概念，没有任何 AI 系统能达到这种通用智能水平。 OpenAI 在其内部会议上分享了 AGI 的五个发展等级： 1. 聊天机器人（Chatbots）：具备基本对话能力的 AI，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 推理者（Reasoners）：具备人类推理水平的 AI，能够解决复杂问题，如 ChatGPT，能够根据上下文和文件提供详细分析和意见。 3. 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务的 AI。目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 4. 创新者（Innovators）：能够协助人类完成新发明的 AI，如谷歌 DeepMind 的 AlphaFold 模型，可以预测蛋白质结构，加速科学研究和新药发现。 5. 组织（Organizations）：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 常见名词解释： AGI：通用人工智能（Artificial General Intelligence）能够像人类一样思考、学习和执行多种任务的人工智能系统。 NLP：自然语言处理（Natural Language Processing），就是说人话。 LLM：大型语言模型（Large Language Model），数据规模很大，没钱搞不出来，大烧钱模型。
2025-04-15
2025年人工智能大模型的技术提升有哪些，是参数？推理能力？还是语料
2025 年人工智能大模型的技术提升可能体现在以下几个方面： 1. 视频生成能力：如 2024 年推出的多个先进的 AI 模型能够从文本输入生成高质量视频，相比 2023 年有显著进步。 2. 模型规模与性能：更小的模型能驱动更强的性能，如 2022 年最小能在 MMLU 上得分高于 60%的模型是具有 5400 亿参数的 PaLM，到 2024 年，参数仅 38 亿的微软 Phi3mini 也能达到相同阈值。 3. 推理能力：尽管加入了如思维链推理等机制显著提升了大语言模型的性能，但在一些需要逻辑推理的问题上，如算术和规划，尤其在超出训练范围的实例上，这些系统仍存在问题。 4. AI 代理：在短时间预算设置下，顶级 AI 系统得分高于人类专家，但随着时间预算增加，人类表现会超过 AI。 5. 算法变革：如 DeepSeek 的出现标志着算力效率拐点显现，其通过优化算法架构显著提升了算力利用效率，同时 2025 年发布的大模型呈现低参数量特征，为本地化部署到 AI 终端运行提供了可能，其训练过程聚焦于强化学习，提升了模型的推理能力。
2025-04-14
用通俗易懂的动画描述人工智能工作原理
人工智能的工作原理可以通过以下动画来描述： 在一个动画场景中，首先有一个传统工作流的部分，就像精心搭建的积木城堡，每一块积木的位置和形状都被精确设计和控制，这代表着传统工作流的可控性和高成本、慢速度。 然后是 AI 工作流的部分。想象一下，有一团混乱的色彩在飞舞，这团色彩代表着随机和不可控。但在这混乱中，有一种力量在尝试引导和塑造，就像在狂风中努力抓住风筝线一样，这就是在随机性中寻找可控性。 比如在一个生成音频与视频同步的例子中，动画展示了一个系统。首先，系统将视频输入编码成压缩的表示形式，就像把一大包东西压缩成一个小包裹。然后，扩散模型从随机噪声中不断改进音频，就像在混沌中逐渐塑造出清晰的声音。这个过程受到视觉输入和自然语言提示的引导，最终生成与提示紧密配合的同步逼真音频。最后，音频输出被解码，变成音频波形，并与视频数据完美结合。 总的来说，传统工作流在可控中寻找创新的随机，而 AI 工作流更多是在随机中寻找可控，两者各有优劣，结合起来能创造出更出色的成果。
2025-04-14
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，但因方法无法大规模拓展应用场景，且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任务复杂、成本高，导致 20 世纪 70 年代出现“人工智能寒冬”。 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，因多数成功案例基于神经网络方法。 以下是人工智能发展历程中的一些重要节点： 1969 年：经历低潮。Marvin Minsky 和 Seymour Papert 阐述因硬件限制，几层的神经网络仅能执行基本计算，AI 领域迎来第一次泡沫破灭。 1960 1970 年代：早期专家系统。此时期 AI 研究集中在符号主义，以逻辑推理为中心，主要是基于规则的系统，如早期专家系统。 1980 年代：神经网络。基于规则的系统弊端显现，人工智能研究关注机器学习，神经网络根据人脑结构和操作创建和建模。 1997 年：深蓝赢得国际象棋比赛。IBM 深蓝战胜国际象棋冠军卡斯帕罗夫，新的基于概率推论思路广泛应用于 AI 领域。 1990 2000 年代：机器学习。AI 研究在机器人技术、计算机视觉和自然语言处理等领域取得显著进展，21 世纪初深度学习出现使语音识别、图像识别和自然语言处理进步成为可能。 2012 年：深度学习兴起。Geoffrey Hinton 开创相关领域，发表开创性论文引入反向传播概念，突破感知器局限。 2012 年：AlexNet 赢得 ImageNet 挑战赛。引发深度学习热潮。 2016 年：AlphaGo 战胜围棋世界冠军。DeepMind 的 AlphaGo 战胜李世石，标志着人工智能在围棋领域超越人类，对人类理解产生深远影响。
2025-04-10
人工智能伦理策略
以下是关于人工智能伦理策略的相关内容： 英国国防部：2022 年 6 月发布了自身的 AI 伦理原则和政策，确定了英国政府在人工智能赋能军事能力方面的方法。将通过特定情境的方法确保该政策应用的适当一致性和协调性，从而促进英国在国防领域使用人工智能方面的领导地位。在引入任何法定责任之前，会考虑是否需要豁免以允许现有监管机构（如在国家安全等领域工作的机构）继续其领域级别的方法。 欧盟：欧洲议会和欧盟理事会规定了人工智能的统一规则，并修正了一系列条例。人工智能是一个快速发展的技术族，能带来广泛的经济、环境和社会效益，如改进预测、优化运营等，但也可能根据具体应用、使用情况和技术发展水平产生风险，对受欧盟法律保护的公共利益和基本权利造成损害。鉴于其可能的重大影响和建立信任的必要性，人工智能及其监管框架的发展必须符合欧盟价值观、基本权利和自由，应以人为本，最终目的是提高人类福祉。为确保在健康、安全和基本权利方面对公众利益提供一致和高水平的保护，应为所有高风险人工智能系统制定统一规则，这些规则应与《宪章》一致，非歧视性，并符合欧盟国际贸易承诺，还应考虑相关宣言、原则和准则。 AI 应用专家的实战经验： 企业管理者：在小规模决策中使用 AI 分析工具作为决策参考，制定 AI 工具使用的培训计划，识别可能受益于 AI 自动化的重复性任务并测试解决方案效果，制定公司的 AI 使用政策确保符合伦理标准和法律要求。 教育工作者：尝试使用 AI 辅助教案设计、为学生制定个性化学习计划、将 AI 工具整合到课堂活动中、开发教导学生了解 AI 的课程模块。 无论属于哪个群体，与 AI 协作是学习过程，应从小处着手，保持好奇心和开放态度，保持批判性思维，将 AI 视为工具而非完全依赖的解决方案。
2025-01-11
ai伦理
AI 伦理是一个复杂且重要的议题。以下是一些关键方面： 对于 AI 决策，存在诸多疑问。比如，AI 是否真有意识，能否取代人类决策，其给出的“完美”答案是否只是数据的重组，是否提升了决策效率但也带来了主观偏见和独立思考能力的消耗，以及是否展现了类人思维但可能只是人类的拟人化偏差。 关于 AI 的道德决策，谁来负责其“道德”是个问题，AI 的“伦理”可能只是人类价值观的映射。 此外，AI 看似能解决一切问题，但也可能在悄悄创造新问题。当我们过度依赖 AI 时，可能会丧失应对未知挑战的能力。 例如，英国国防部在 2022 年 6 月发布了自己的 AI 伦理原则和政策，以确定政府在 AI 军事能力方面的方法，并将通过特定方法确保政策应用的一致性，促进英国在国防领域 AI 应用的领导地位，同时在引入法定责任和框架迭代前考虑是否需要豁免以允许现有监管机构继续其领域级方法。
2025-01-11
给人工智能伦理建设提出建议，在内容和体系方面都可以
以下是为人工智能伦理建设提出的一些建议： 在内容方面： 1. 关注算法的可解释性，使人工智能的决策过程能够被理解和解释。 2. 研究方法以评估、表征和减少数据集中及人工智能系统中的偏差。 3. 确保人工智能系统的安全性和鲁棒性，包括进行保证、验证、校验、安全和控制等方面的工作。 4. 重视隐私和安全，包括用于训练和推理人工智能系统的数据集，以及相关的软件和硬件。 5. 研究人工智能系统在科学发现和社会挑战方面的应用。 6. 考虑人工智能系统对社会、伦理、安全、教育、劳动力和安全等方面的影响，特别是对社会中不同群体，尤其是历史上被边缘化的群体的社会影响。 7. 进行定性和定量的未来能力、应用和影响的预测。 在体系方面： 1. 开展教育项目，支持在 K12、社区学院、本科、研究生、博士后、成人学习和再培训等阶段培养与人工智能系统相关的多样化劳动力。 2. 提高对人工智能系统的伦理、社会、安全和安全影响的认识。 3. 促进对人工智能原理和方法的广泛理解，以培养能够使用人工智能产品并适应其带来的社会和经济变化的劳动力和公众。 4. 针对不同的行业应用，如智能制造、智能家居、智慧城市、科学智算等，制定相应的标准，规范技术要求和应用场景。 5. 制定安全标准，规范人工智能全生命周期的安全要求，包括基础安全、数据、算法和模型安全、网络技术和系统安全、安全管理和服务、安全测试评估、安全标注、内容标识、产品和应用安全等。 6. 制定治理标准，规范人工智能的技术研发和运营服务等要求，包括人工智能的鲁棒性、可靠性、可追溯性的技术要求与评测方法，以及全生命周期的伦理治理要求，如伦理风险评估、公平性、可解释性等伦理治理技术要求与评测方法，还有伦理审查等标准。
2025-01-02
谈谈人工智能伦理建设的内容、体系
人工智能伦理建设的内容和体系包括以下方面： 在国际层面，例如美国国会的相关法案，提出要为联邦人工智能研究、开发和示范活动提供跨机构协调，制定自愿共识标准和指南，开展教育和培训活动等。 在国家层面，以中国为例，《国家人工智能产业综合标准化体系建设指南（征求意见稿）》中，行业应用标准方面，涵盖智能制造、智能家居、智慧城市、科学智算等重点领域，规范了各领域的技术要求和应用场景。安全/治理标准方面，包括全生命周期的安全要求，如基础安全、数据与模型安全等，以及治理要求，如伦理风险评估、公平性与可解释性等伦理治理技术要求与评测方法、伦理审查等标准。 在欧盟层面，规定人工智能应符合欧盟价值观、基本权利和自由，是以人为本的技术，最终目的是提高人类福祉。为确保公众利益的保护，应为高风险人工智能系统制定统一规则，且规则应与相关宪章和原则保持一致，并符合国际贸易承诺。同时指出人工智能能带来广泛效益，但也可能根据应用和发展水平产生风险和损害。
2025-01-02
对人工智能伦理规范的理解，包括现有规范具体内容、现有问题、应当如何规范，并从一个具体领域说明，例如：金融人工智能
以下是关于人工智能伦理规范的相关内容： 现有规范具体内容： 国家人工智能产业综合标准化体系建设指南（征求意见稿）中，安全/治理标准包括人工智能领域的安全、治理等部分。安全标准规范了人工智能全生命周期的安全要求，治理标准规范了人工智能的技术研发和运营服务等要求，包括伦理治理要求。 欧洲议会和欧盟理事会规定了人工智能的统一规则，其中提到高级别专家组制定了七项不具约束力的人工智能伦理原则，包括人类主体和监督、技术稳健性和安全性、隐私和数据治理、透明度、多样性、非歧视和公平、社会和环境福祉以及问责制。 现有问题： 文中未明确提及现有规范存在的具体问题。 应当如何规范： 鼓励非高风险人工智能系统的提供者制定行为守则，包括相关的治理机制，以促进自愿适用适用于高风险人工智能系统的部分或全部强制性要求，并根据系统的预期目的和所涉及的较低风险进行调整，考虑可用的技术解决方案和行业最佳实践。 鼓励所有人工智能系统的提供者和模型的提供者，在自愿的基础上适用与欧洲可信人工智能伦理准则要素、环境可持续性、人工智能素养措施、人工智能系统的包容性和多样化设计与开发等有关的额外要求。 以金融人工智能为例： 在金融领域应用人工智能时，应遵循上述的伦理规范和要求。例如，要确保数据的隐私和安全，模型的稳健性和可靠性，避免歧视和不公平，保证透明度和可解释性，同时要接受监管和审查，以降低金融风险，保障金融市场的稳定和公平。
2024-12-18
AIGC伦理检查清单
以下是一份关于 AIGC 伦理检查清单的相关内容： AIGC 概述： GenAI（生成式 AI）是能够从已有数据中学习并生成新数据或内容的 AI 应用，利用 GenAI 创建的内容即 AIGC（AIGenerated Content）。 我国对 AIGC 的监管框架由《网络安全法》《数据安全法》及《个人信息保护法》构成，并与《互联网信息服务算法推荐管理规定》、《互联网信息服务深度合成管理规定》、《生成式人工智能服务管理暂行办法》、《科技伦理审查办法（试行）》等形成共同监管形势。 AIGC 的分类及应用： 主要分为语言文本生成、图像生成和音视频生成。 语言文本生成利用马尔科夫链、RNN、LSTMs 和 Transformer 等模型生成文本，如 GPT4 和 GeminiUltra。 图像生成依赖于 GANs、VAEs 和 Stable Diffusion 等技术，应用于数据增强和艺术创作，代表项目有 Stable Diffusion 和 StyleGAN 2。 音视频生成利用扩散模型、GANs 和 Video Diffusion 等，广泛应用于娱乐和语音生成，代表项目有 Sora 和 WaveNet。 还可应用于音乐生成、游戏开发和医疗保健等领域，展现出广泛的应用前景。 AIGC 触发的法律与道德风险： 重伦理道德，主要体现在两方面： 国家安全：不得生成煽动颠覆国家政权、推翻社会主义制度，危害国家安全和利益、损害国家形象，煽动分裂国家、破坏国家统一和社会稳定，宣扬恐怖主义、极端主义。 伦理道德：不得宣扬民族仇恨、民族歧视，暴力、淫秽色情，以及虚假有害信息等法律、行政法规禁止的内容。 GenAI 工具和 AIGC 提供者应注意在算法设计、训练数据选择、模型生成和优化、提供服务等过程中，采取有效措施防止产生民族、信仰、国别、地域、性别、年龄、职业、健康等歧视。
2024-11-21
什么AI工具可以实现提取多个指定网页的更新内容
以下 AI 工具可以实现提取多个指定网页的更新内容： 1. Coze：支持自动采集和手动采集两种方式。自动采集包括从单个页面或批量从指定网站中导入内容，可选择是否自动更新指定页面的内容及更新频率。批量添加网页内容时，输入要批量添加的网页内容的根地址或 sitemap 地址然后单击导入。手动采集需要先安装浏览器扩展程序，标注要采集的内容，内容上传成功率高。 2. AI Share Card：能够一键解析各类网页内容，生成推荐文案，把分享链接转换为精美的二维码分享卡。通过用户浏览器，以浏览器插件形式本地提取网页内容。
2025-05-01
我是一个实体店家，我怎么能利用AI产生内容进而帮助我在流量平台拓客
以下是一些利用 AI 为实体店在流量平台拓客的方法和思路： 1. 借助抖音平台：利用抖音对实体商家的流量扶持，购买 AI 抖音发广告的软件。这需要懂软件开发的技术人员，并且熟悉抖音。 2. 利用 AI 私域做客户培育/用户旅程：通过 AI 软件自动跟进和培育客户，需求是懂软件开发的技术人员且熟悉微信。 3. 打造特定领域的 AI 工具：比如针对法律、健康、财务、教育、销售、HR 等领域，开发如“AI 合同助手”“AI 健康管家”“AI 课程生成器”“AI 销售助理”等垂类工具。 4. 作为引流者：把 AI 工具做成“公众号插件”“小程序入口”或“微信机器人”进行推广，获取分成。 5. 参考优秀作品：如商业综合体 AI 伴侣、客流诊断师、跨境商品不求人、公私域全流程内容规划师、公众号 10W+爆文工厂、营销内容文案合规检查、提示词定制神器、Nicole 咖啡门店分析师、3C 软文文案撰写、网购评论助手、万能 AI 营销助手、贴心平替推荐精灵、产品一键生成一篇高质量的知乎种草文、One thing AI 目标达成教练、润物等，从中获取灵感和思路。
2025-04-15
如何识别网页内容
识别网页内容通常可以通过以下步骤实现： 1. 内容识别：使用智能算法分析网页的 HTML 结构，确定网页的主要内容区域。 2. 文本提取：在识别出内容区域后，提取这些区域的文本内容，包括从 HTML 标签中获取可见文本，同时忽略脚本、样式和其他无需翻译的代码。 3. 预处理：对提取出的文本进行处理，清除不必要的空格、特殊字符和格式信息，进行标准化。 4. 翻译调用：将预处理后的文本拼接到 Prompt 模板中请求相关模型的 API 进行翻译。 5. 结果整合：翻译完成后，将原文和译文对照整合回网页、字幕中，常见的展示形式有原文保持不变，译文以悬浮框、下划线注释或平行文本呈现。 6. 用户界面交互：用户可通过鼠标悬停、点击等操作控制翻译的显示与否，工具会根据用户操作实时显示或隐藏译文。 另外，在获取网页内容时，初版提示词实验中对大模型对话产品的外链解析能力依赖较大，但这种方式易受平台反爬机制制裁。转换思路，通过用户浏览器以浏览器插件形式本地提取网页内容是一种稳定且经济的解决方案。开发时，可拿着初版提示词询问 AI 来确定需要插件获取哪些网页元素。例如 SeeAct 能力可以在多种不同网站上识别网页上的各种元素，执行不同任务。
2025-04-15
我想做一个，基于我个人知识库的chatbot，以供我随时搜索和提问，且优先搜索知识库内的内容而非联网搜索，你有什么建议吗？
以下是为您提供的关于创建基于个人知识库的 chatbot 的建议： 1. 选择合适的平台和工具：例如可以考虑使用飞书智能伙伴创建平台（Aily）或扣子（https://www.coze.cn/home）等。 2. 数据分段储存：由于大模型的上下文长度有限制，需要将上传的资料根据特定符号或字符长度进行分段，如将 8000 字文档按每 800 字分成一个片段储存。 3. 增强检索：当用户输入问题，大模型会根据相似度检索出若干最相关的数据片段，再据此生成答案，这一技术称为 RAG（检索增强生成）。 4. 配置知识库： 在 Bot 内使用知识库： 登录相关平台。 在左侧导航栏的工作区区域，选择进入指定团队。 在 Bots 页面，选择指定 Bot 并进入 Bot 详情页。 在 Bot 编排页面的知识库区域，单击加号图标，添加指定的知识库。 （可选）添加知识库后，可以在自动调用下拉界面内，调整知识库的配置项，如最大召回数量、最小匹配度、调用方式等。 在工作流内使用 Knowledge 节点： 登录相关平台。 在左侧导航栏的工作区区域，选择进入指定团队。 在页面顶部进入工作流页面，并打开指定的工作流。 在左侧基础节点列表内，选择添加 Knowledge 节点。 5. 注意使用限制：单用户最多创建 1000 个知识库，文本类型知识库下最多支持添加 100 个文档，单用户每月最多新增 2GB 数据，累计上限是 10GB。 此外，知识库可以解决大模型幻觉、专业领域知识不足的问题，提升大模型回复的准确率。您可以将知识库直接与 Bot 进行关联用于响应用户回复，也可以在工作流中添加知识库节点，成为工作流中的一环。
2025-04-14
mcp 的内容
MCP（模型上下文协议）是一种创新的开放协议，由 Anthropic 公司在 2024 年 11 月推出并开源。 其主要特点和功能包括： 统一了交互标准，是链接所有 AI 应用与工具的桥梁，兼容所有 AI 应用。 具有三大功能：工具（Tools），底层使用 Function call 实现，与 OpenAI 格式兼容；资源（Resources），为 AI 提供参考信息；提示词（Prompts），预设对话模板。 主要接口路径包括获取工具列表、调用工具、获取资源列表、读取资源内容、获取提示词列表、获取提示词内容等。 转换步骤包括客户端向 MCP 服务器请求工具列表，将 MCP 工具定义转换为 Function call 格式，发送 Function Call 定义给 LLM，接收 LLM 生成的 Function call，将 Function call 转为 MCP 工具调用，发送工具调用结果给 LLM。 MCP 就像一个“转接头”或“通用插座”，其核心作用是统一不同外部服务，通过标准化接口与 AI 模型对接。它与传统 API 的关键区别在于： 单一协议：MCP 像一个统一接口，只要一次整合，就能连接多个服务。 动态发现：AI 模型能自动识别并使用可用的工具，不用提前写死每个接口。 双向通信：MCP 支持类似 WebSockets 的实时双向通信，模型不仅能查询数据，还能主动触发操作。 MCP 最早由 Anthropic 公司开发，目的是帮助 AI 模型（如 Claude）更容易地连接工具和数据源，现在已成为一个开放协议，被越来越多的企业和开发者采用，逐渐成为 AI 与工具互动的新标准。 官方文档：https://modelcontextprotocol.io/
2025-04-13
知识库中的LangChain和LangGraph的内容有哪些 ？
以下是关于 LangChain 和 LangGraph 的相关内容： LangChain： LangChain 是一个由 Harrison Chase 开发的开源 Python 库，旨在支持使用大型语言模型（LLM）和外部资源（如数据源或语言处理系统）开发应用程序。 它提供了标准的接口，与其他工具集成，并为常见应用程序提供端到端链。 设计主张集中在模块化组件上，这些组件提供用于使用 LLM 的行为抽象，并为每个抽象提供实现的集合，从而允许开发人员构造新链或实现现成的链。 LangChain 和 RAG 的关系： LangChain 是一个用于构建高级语言模型应用程序的框架，提供了实现 RAG 所必需的工具和组件。 RAG 即检索增强生成，是一种结合了检索（检索外部知识库中相关信息）和生成（利用 LLM 生成文本）的技术。 LangChain 作为框架，与 RAG 的关系包括：是框架与技术的关系，允许通过模块化组件构建 RAG 应用程序，简化开发过程，提高性能，支持构建复杂的 RAG 应用。 关于大模型 RAG 应用中的 LangChain： 有从产品视角出发的分享，包括项目背景、初步体验和评测结果等。 预计会分成 3 篇分享，分别是 LangChain 框架初体验、调优思路分享、如何测评。
2025-04-12
请问有什么AI最新在零售行业的应用，最好有趣，实用有建设性
以下是 AI 在零售行业的一些有趣、实用且有建设性的最新应用： 1. 舆情、投诉、突发事件监测及分析：通过 AI 技术实时监测和分析消费者的反馈和市场动态，帮助企业及时做出应对策略。 2. 品牌营销内容撰写及投放：利用 AI 生成吸引人的营销文案，并精准投放到目标受众。 3. 自动化库存管理：基于历史销售数据和其他相关因素，预测未来的库存需求，优化库存配置，降低成本。 4. 自动生成或完成 SKU 类别选择、数量和价格分配：提高商品管理的效率和准确性。 5. 客户购物趋势分析及洞察：深入了解消费者的购物偏好和趋势，为企业的产品开发和营销策略提供依据。 此外，在医疗药品零售领域，AI 也有广泛的应用： 1. 药品推荐系统：根据用户购买记录和症状描述等数据，推荐合适的非处方药品和保健品，提高销售转化率。 2. 药品库存管理：分析历史销售数据、天气、疫情等因素，预测药品需求量，优化库存策略。 3. 药品识别与查询：借助计算机视觉技术，用户通过手机拍摄药品图像即可获取相关信息。 4. 客户服务智能助手：基于自然语言处理技术，回答顾客关于购药、用药、保健等常见问题。 5. 药店运营分析：分析销售、顾客流量、库存等大数据，发现潜在问题和优化空间。 6. 药品质量监控：利用机器视觉、图像识别等技术检测药品的包装、标签、颜色等是否合格。 7. 药品防伪追溯：利用区块链等技术实现全流程的药品溯源，保障药品供应链的安全和可信度。 总之，AI 技术在零售行业的应用能够提升购物体验、优化运营管理、降低成本，并为企业创造更多的价值。
2025-04-10
我们是搜索团队的产品经理，团队定位倾向于“对于插件的建设与调用”定位，现在要做AI相关的产品规划，请以通俗易懂的方式对以下问题做出回答 1、请通过流程图的方式，介绍【插件/工具】能力在大模型生态架构中的环节、定位、实现流程是什么 2、调研下对于我们搜索团队而言，插件应该做什么，可以做什么 3、思考对于大模型来说，有哪些（通用或垂类）的模块/功能/插件是无法绕开的，或高频使用的，作为我们团队后续争取的发力点（如搜索推荐对于传统综合搜索结果页）
以下是为您提供的关于 AI 相关产品规划的回答： 一、插件/工具能力在大模型生态架构中的环节、定位、实现流程 从 2023 年 3 月份 OpenAI 宣布插件计划开始，到 5 月份上线，其中包括联网、代码、画图三个插件。其实现流程大致为： 1. 经过对模型的微调，检测何时需要调用函数（取决于用户的输入）。 2. 使用符合函数签名的 JSON 进行响应。 3. 在接口层面声明可调用的工具。 4. 使用函数和用户输入调用模型。 5. 使用模型响应调用 API。 6. 将响应发送回模型进行汇总。 二、对于搜索团队，插件可以做和应该做的事 目前没有直接针对搜索团队插件具体可做和应做事项的明确内容，但可以参考 OpenAI 的插件计划，例如开发与搜索相关的特定功能插件，或者探索如何将现有的搜索推荐功能与大模型更好地结合。 三、对于大模型无法绕开或高频使用的模块/功能/插件 目前没有直接指出对于大模型无法绕开或高频使用的具体模块、功能或插件。但从相关信息中可以推测，例如与数据获取和处理相关的插件（如联网）、与技术开发相关的插件（如代码）以及与内容生成相关的插件（如画图）可能是较为重要和高频使用的。对于搜索团队来说，可以考虑在这些方向上寻找发力点，结合搜索推荐等传统功能，开发出更具竞争力的插件。
2025-04-08
如何建设一个AI应用库
建设一个 AI 应用库可以参考以下步骤： 1. 拆解创作任务： 将复杂的创作任务拆解到合适的颗粒度，为 AI 提供明确的指导，例如定义输出格式和步骤。 以创作“科幻预见未来”为例，明确需要 AI 生成的核心内容，确定关键任务节点和围绕其展开的主线任务。 2. 建立定向知识库： 将相关的元知识导入到特定工具（如 flowith 的知识花园）中作为 AI 可调用的知识库。 例如将《梦想与颠覆》卡牌的相关内容转化为文字上传，并利用智能拆分模式让 AI 优化拆分逻辑，形成知识“种子”。 激活知识库后，AI 会启用知识关联功能，根据创作场景自动匹配库内素材，使输出内容更具针对性。 还可以选择发布或分享自己的知识库，也能在知识市场中借鉴他人的成果。 此外，还有一些关于 AI 应用的相关示例： 邮票收藏馆应用： 业务背景与逻辑梳理：源于客户需求，利用即梦 2.1 生图模型实现生成邮票样式图片的功能，包括生成邮票、收藏邮票、收藏列表、查看藏品详情等功能，并规划了生成和查看两个页面。 页面设计： 第一页包括导航栏（应用名称、查看收藏入口、用户头像）、陈列展示（上传生成的图片展示可能性）、生成和收藏（输入关键字生成邮票，满意则收藏）、查看收藏（点击入口进入新页面）。 第二页包括收藏列表（加载用户收藏，数量超 100 需优化加翻页）、收藏详情（查看大图、关键字、收藏时间）、返回首页。
2025-03-28
网站“通往AGI之路”的建设意义是什么？
“通往 AGI 之路”网站具有以下建设意义： 1. 学习平台：是一个致力于人工智能学习的中文知识库和社区平台，为学习者提供系统全面的 AI 学习路径，涵盖从基础概念到实际应用的各个方面，帮助用户有效地获取 AI 知识，提高自身能力。 2. 资源丰富：由开发者、学者和 AI 爱好者共同参与建设，提供丰富的学习资源，包括文章、教程、工具推荐以及最新的 AI 行业资讯等。 3. 实践促进：定期组织活动，如视频挑战赛、模型创作大赛等，鼓励成员在实践中学习，促进交流与合作。 4. 品牌形象：品牌 VI 融合独特设计元素，以彩虹色彰显多元性和创新，以鹿的形象象征智慧与优雅，通过非衬线字体展现现代感和清晰性，共同构建充满活力和前瞻性的品牌形象。 5. 连接作用：不仅是一个知识库，更是连接学习者、实践者和创新者的社区，让大家在这里碰撞思想，相互鼓舞，一同成长。 6. 影响力大：在没有任何推广的情况下，一年时间已有超过 70 万用户和超千万次的访问量，是很多 AI 爱好者知识的源头。社群的口号是让更多的人因 AI 而强大，有很多学社和共学共建的活动。
2025-03-24
我是一个AI小白，从事基础建设土木工程行业。请你给我制定一个AI学习计划，特别是相关软件学习，联动。
对于您这样从事基础建设土木工程行业的 AI 小白，以下是为您制定的一个初步的 AI 学习计划： 一、基础知识学习 1. 在线课程：推荐您在 Coursera、EdX 等平台上搜索关于人工智能基础的课程，了解 AI 的基本概念、发展历程和应用领域。 2. 书籍阅读：可以阅读《人工智能：一种现代方法》《机器学习》等入门书籍，建立对 AI 的理论框架认识。 二、相关软件学习 1. Python 编程语言：这是 AI 开发中常用的语言。您可以通过在线教程（如菜鸟教程、廖雪峰的 Python 教程）学习 Python 的基础语法和数据结构。 2. TensorFlow 和 PyTorch：这是两个主流的深度学习框架。您可以从它们的官方文档入手，学习如何搭建和训练简单的神经网络模型。 三、实践项目 1. 尝试使用 Python 实现一些简单的机器学习算法，如线性回归、决策树等。 2. 参与开源项目或者在 Kaggle 等平台上参加竞赛，积累实践经验。 四、与土木工程行业结合 1. 研究如何将 AI 技术应用于土木工程中的结构分析、材料性能预测等方面。 2. 关注土木工程领域中使用 AI 的最新案例和研究成果。 学习 AI 是一个长期的过程，需要您保持耐心和持续的学习热情。祝您学习顺利！
2025-03-04
如何建设数智化车间
建设数智化车间可以参考以下步骤和要点： 前期工作： 进行行业资料收集，不同赛道的官方提供资料内容丰富程度有所差异，如智能座舱赛道＞营销赛道＞售后赛道。 研判 COZE 的插件生态对不同赛道的支持情况。 赛道研判： 竞争强度方面，营销赛道＞智能座舱赛道＞售后赛道。 考虑插件生态的支持，如执行项插件等。 关注官方资料的支撑情况，如强前段营销。 注意行业专业性限制，如非汽车行业（汽修相关）。 市场调研： 线下前往领克 4S 门店索取销售资料。 通过懂车帝等网络渠道进行关键词热搜。 与车主交流购车、养车、用车经验。 专家调研： 利用人脉资源，如队长罗文引荐汽车超人、途虎工厂店的行业专家。 结论： 售后智能体搭建需要大量数据支撑。 当前售后门店有成熟的 SaaS 系统，包括工单记录、派单、零配件库存管理、故障分析、账单结算等，非行业人士在售后方面较难找到突破口。 此外，火山引擎 AI 创造者大赛中也有相关赛道说明，如汽车品牌的 AI 座舱赛道、AI 营销赛道、AI 售后赛道，各赛道有不同的赛题说明和核心目标。例如，AI 座舱赛道需利用相关模型和插件开发满足车主定制化需求的智能体；AI 营销赛道要开发创新的智能体方案提升营销效果；AI 售后赛道要提供提升售后服务效率与用户体验的智能体应用。 黄仁勋在 AI 界超级碗 GTC2024 的主旨演讲中提到了一些关于人工智能在复杂工业空间中的应用示例，如机器人大楼中的自治系统相互交互，仓库监控和调整行为等，虽然并非直接针对数智化车间建设，但其中的理念和技术可能具有一定的参考价值。
2025-02-25