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
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
普通人想学习AI自动化,make和coze哪个更推荐一点
对于普通人学习 AI 自动化,Make 和 Coze 哪个更适合的问题,以下是一些相关信息供您参考: Make 对于编程小白比较友好,其思考过程较长,有助于学习,但不太适合专业选手,因为思考过程较慢,可能会让人有点不耐烦。Make 具有国内版优势,包括深度理解中国开发场景和技术生态、完全免费、无需翻墙、流畅稳定,还具备完整的 IDE 功能(代码编写、项目管理、插件管理、源代码管理等)。您可以通过进行尝试。 Coze 是一款 AI Agent 的衍生产品,其价值在于可以跟进当前 AI Agent 工具的发展情况,发现商业化机会,还能用于做产品 Demo。在学习新知识如 RAG 时,可以先通过 Claude 了解细节概念,再通过 Coze 搭建 Demo 进行实践。在学习 RAG 过程中,还可以利用 Coze 的知识库能力创建如产品资料问答机器人等 Bot。 总的来说,如果您是编程小白,Make 可能更适合;如果您希望跟进 AI 工具发展并进行实践操作,Coze 可能更符合您的需求。但最终的选择还需根据您的具体学习目标和个人偏好来决定。
2025-04-08
ai如何让普通人个人实现经济独立
在 AI 时代,普通人实现经济独立可以通过以下方式: 1. 达到人机协作的高级形态与独立创新:努力达到与 AI 高度协同又不失主导的状态,利用 AI 组成自己的“AI 团队”,实现原来需要很多人才能完成的目标。例如在产品开发中,一个人借助 AI 可以同时扮演多个角色,高效完成各项工作,实现一人公司或个人创造者经济。但要达到此阶段,需要对 AI 工具掌控纯熟,保持自主性和判断力,将 AI 看作“增强器”而非替代者。 2. 充分运用 AI 进行渐进式培养:从心态、知识、技能、思维、创造力到协作能力,层层推进,不断强化自身的主动性和思考力,成长为适应 AI 时代的超级个体,在知识广度、思考深度、创造力和效率上实现飞跃。 此外,还可以关注以下方面: 1. 了解 AI 多模态大爆发的趋势,认识到“互动”与“内容”可能变得廉价,而“真实”会成为稀缺资源。 2. 关注“AI 原生”的商业模式,基于 AI 的能力再造商业模式,而非套用现有流程。 3. 思考 AGI 可能带来的极端垄断和中心化操控能力,为自己准备 PlanB。 4. 认识到“人的模型”是 AI Agent 的前提,是 AI 与人合作的关键一环。 5. 关注 AGI 会主动投资的技术,如可控核聚变、量子计算、超导、广义机器人等。
2025-03-24
普通人通过ai赚钱
以下是一些普通人通过 AI 赚钱的方式: 1. 电商:婴儿的四维彩超 AI 预测 思路和玩法:通过 AI 工具将宝宝的四维彩超还原出现实模样进行变现。孕妇妈妈在孕期 22 26 周会进行四维彩超检查,很多准爸爸妈妈期待宝宝的模样,从而衍生出市场需求。在小红书、抖音等公域平台发布相关笔记吸引咨询,将客户引流到私域接单变现。 操作流程:客户提供四维彩超图原图,在 Midjourney 里进行垫图和特定描述词,整个流程不超过 10 分钟就能出图。 变现方式:受众群体多为宝妈,变现方式多样,单价不低。但在平台引流要注意隐蔽,避免被平台检测限流或封号。 2. AI 产业中的机会 基础设施层:布局投入确定性强,但涉及海量资金投入,入行资源门槛高,普通人若无强资源应谨慎入局,可考虑“合作生态”的切入机会。 技术层:技术迭代速度快,小规模团队或个人须慎重考虑技术迭代风险,基础通用大模型非巨无霸公司不建议考虑。 应用层:是广阔蓝海,当前针对行业/细分领域的成熟应用产品不多,“杀手级”应用更是稀少,普通个体和小团队强烈推荐重点布局,拥有超级机会和巨大发展空间。 3. 内容创作 像作者本人是 AI 的受益者,AI 是生产力工具,能降本增效,但仍需投入大量时间和精力,起到辅助作用。 同时存在 AI 的受害者,他们的技能失效,AI 未创造足够新的生存空间。 作者作为坚定的 AGI believer,期望 AI 能做出重大科学发现、治愈疾病、消除饥饿和肥胖、给每人发钱,让人类自由从事想做的事。
2025-03-23
请问普通人怎么从事ai产品经理
普通人要从事 AI 产品经理,可以从以下几个方面入手: 1. 技术背景:具备扎实的编程、算法工程、AI 应用开发、后端开发等技术知识,这对于理解和推动 AI 产品的开发至关重要。 2. 产品开发与管理经验:积累互联网和 AI 产品开发方面的经验,提升项目管理与执行能力,以推动产品的落地与优化。 3. 多元化应用场景:了解 AI 在 AIGC 内容创作、自动驾驶、金融数据分析、教育、医疗健康、影视创作、营销等各行业的应用。 4. 学习与技能提升:处于 AI 技术初学阶段的人,要通过学习提升技能,并将其应用到实际工作和生活中。 5. 工具使用:广泛使用生成式 AI 工具,如 Midjourney、Stable Diffusion(SD)、Coze、GPT 等,培养对工具的熟悉度和运用能力。 6. 协作与共学:积极参与各种 AI 学习社群和线上线下活动,与他人共学交流,提升技能与认知。 7. 内容创作:具备自媒体运营、视频制作、文案策划等内容创作能力。 8. 营销与品牌运营:掌握商业化路径,将 AI 技术与商业化需求结合,提供完整解决方案。 9. 活动策划与执行:积累活动策划和运营经验,具备资源整合和组织协调能力。
2025-03-21
一个高中毕业普通人学习AI如何从小白到精通
对于一个高中毕业的普通人,若想从 AI 小白成长为精通者,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,能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。 在知识库中有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,对于纯小白开发 AI 应用,还可以参考以下经验: 1. 从小白学代码,看人类导师和硅基助教的协作之道: 像案例中,女儿在 Claude 和父亲的帮助下,用 Unity 开发了一个 RPG 小游戏。起初父亲不相信纯小白能通过 AI 搞定 Unity 程序,但女儿通过让 Claude 教她做一个简单任务,半小时内完成并明白了 Unity 里的基本概念。 开发过程有顺利也有挫折,挫折原因包括问题描述不清、AI 给的方案复杂、配置错误等。这让我们意识到小白需要通过 AI 能直接搞定的小项目,先学明白背后的原理,在此基础上才能开发复杂项目。最好有人类导师,一开始把任务拆解到足够小,针对性地设计学习路径,并密切关注随时从坑里捞人。 2. 基础小任务: 推荐从一个最最基础的小任务开始,让 AI 先帮你按照 best practice 写一个 say hello 的示例程序,并解释每个文件的作用及程序运行的逻辑,学会必备的调试技能。 如果用的是 o1mini,可以在 prompt 最后添加“请生成 create.sh 脚本,运行脚本就能直接创建插件所需要的所有文件。请教我如何运行脚本。”(如果 windows 机器则是 create.cmd),足够勤勉的 o1mini 会为你生成一段超级长的代码,并给出提示,复制粘贴并执行,一次性生成十多个目录和文件,超方便。 3. 明确项目需求: 通过和 AI 的对话,来逐步明确项目需求。 让 AI 帮助梳理出产品需求文档,这样的文档会包含影响技术方案选择的细节,比直接给 AI 一段口头的需求描述要准确得多。在后续开发时每次新起一个聊天就把文档发给 AI 并告知在做第几点功能,会非常方便。
2025-03-21
普通人如何学习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。 此外,还可以参考以下补充内容: 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. 优质信息源:像没有技术背景的普通人,想要学习或了解 AI,最好的信息源在「即刻」App 的“”等免费圈子里。 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。 另外,对于纯 AI 小白,如果还在观望 AI 不知从何入手,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,学习最新内容。学习资源都是免费开源的。
2025-03-21