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

AI发展背后是哪些技术进步推动的,原理是什么?

Answer

AI 发展背后主要由以下技术进步推动:

  1. 核心架构:Transformer 和 Diffusion 这两种架构分别在数据转换和数据向图像转换方面发挥了关键作用,构成了当前 AI 技术的基石。
  2. 算力提升:自 2010 年以来,GPU 等计算资源的快速发展使算力得到空前爆发,为 AI 技术进步提供强大支持。
  3. 人才网络:AI 领域的关键人才大多源自 Google 及其相关实验室和收购的公司,形成强大人才网络,推动了技术发展,并培养了一批领军人物,人才在不同公司间的流动和合作促进了 AI 技术的快速进步。

其原理在于:这些技术的协同作用使得 AI 能够更高效地处理和分析大量数据,实现更复杂的任务和功能。例如,强大的算力能够支持大规模的数据训练和模型优化,优秀的架构能够提高数据处理和模型表达能力,而人才的创新和合作则不断推动技术的突破和应用拓展。

Content generated by AI large model, please carefully verify (powered by aily)

References

2024 年历史更新(归档)

《[量子位:AI视频生成研究报告](https://waytoagi.feishu.cn/record/S20crIXGHeREDwcA3qLc其它推荐报告:《[量子位:中国具身智能创投报告](https://waytoagi.feishu.cn/record/EfohrRIQoeV9EkcwF3Xcb4uYnhf)》具身智能(Embodied AI)正成为人工智能的新浪潮。该技术使机器人能感知、学习并与环境交互,广泛应用于物理实体。具身智能的发展得益于大模型和生成式AI的进步,技术路线包括端到端模型和分层决策模型。《[用友:AI在企业招聘中的应用现状调研报告](https://waytoagi.feishu.cn/record/EGgxrvbqSea5M3cZGkDc0w3MnNf)》报告预测,随着技术进步,AI将进一步推动个性化人力资源管理,创造无人值守的HR平台,推动企业持续发展。《[云计算开源产业联盟:中国AIOps现状调查报告(2024)](https://waytoagi.feishu.cn/record/JWmSrPjX4e516qcIaw3cRmvanqg)》《[易观分析:中国在线旅游市场年度报告2024](https://waytoagi.feishu.cn/record/ISghrazTvevU6YcXHNNc2joHnPg)》《[帆软:Al+for+Bl:让人人都成为数据分析师](https://waytoagi.feishu.cn/record/Blh6rLZcUeLnatcXG63cRCu0nwd)》

【法律法规】《促进创新的人工智能监管方法》.pdf

1.8.The government will put in place a new framework to bring clarity and coherence to the AI regulatory landscape.This regime is designed to make responsible innovation easier.It will strengthen the UK’s position as a global leader in AI,harness AI’s ability to drive growth and prosperity,14 and increase public trust in its use and application.8AI Barometer Part 4–Transport and logistics,Centre for Data Ethics and Innovation,2021.9 How TikTok Reads Your Mind,New York Times,2021.10 Privacy Considerations in Large Language Models,Google Research,2020.11 Artificial Intelligence,Human Rights,Democracy,and the Rule of Law,Alan Turing Institute and Council of Europe,2021.12 Demand for AI skills in jobs,OECD iLibrary,2021.13 Public expectations for AI governance(transparency,fairness and accountability),Centre for Data Ethics and Innovation,2023.14 The AI sector is estimated to contribute£3.7bn in GVA(Gross Value Added)to the UK economy.AI Sector Study 2022,DSIT,2023.5A pro-innovation approach to AI regulation1.9.We are taking a deliberately agile and iterative approach,recognising the speed at which these technologies are evolving.Our framework is designed to build the evidence base so that we can learn from experience and continuously adapt to develop the best possible regulatory regime.Industry has praised our pragmatic and proportionate approach.2.10.Our framework is underpinned by five principles to guide and inform the responsible development and use of AI in all sectors of the economy:o Safety,security and robustnesso Appropriate transparency and explainabilityo Fairnesso Accountability and governance

2024年3月 / 科技变革与美股投资 2024

最近,2024年2月,Sora的出现再次震撼了技术界,预示着我们可能很快就会见证更多令人兴奋的技术突破。虽然现在我们可能还没到达视频生成AI的顶峰,但已有的成就足以让人惊叹。这一切都说明,我们正站在一个新的技术革命的门槛上,未来充满了无限可能。在这次人工智能的飞速发展中,三个关键因素起到了催化剂的作用:架构、算力以及人才网络。首先,当我们谈论当前市场上那些仿佛魔法一般的AI技术时,几乎所有的成就都可以追溯到两个核心架构——Transformer和Diffusion。这两种架构分别代表了数据转换和数据向图像转换的能力,它们构成了当前AI技术的基石。其次,自2010年以来,由于GPU等计算资源的快速发展,算力得到了空前的爆发,为AI技术的进步提供了强大的支持。除了技术和算力之外,AI领域的人才网络也起到了不可忽视的作用。值得注意的是,这一次的AI革命中的所有关键人才几乎都源自于Google,特别是Google在加拿大多伦多和蒙特利尔成立的两个实验室,以及它收购的英国公司DeepMind。这些机构和个人形成了一个强大的人才网络,推动了AI技术的发展,并培养了一批杰出的AI领军人物。从Google到OpenAI,再到Facebook和其他多家公司,这些人才的流动和合作推动了AI技术的快速进步。这次革命的比较角度可以是,过去几十年我们一直在追求更快的计算机,但现在和未来,我们将追求更强大的大脑,即软件2.0。这一概念由Andrej Karpathy提出,标志着从传统软件开发到以AI模型为核心的新时代的转变。未来,我们将依赖于无尽的算力和多样化的AI模型来构建“机器之心”,这将使我们能够实现前所未有的智能服务和应用。

Others are asking
如何让企业微信可以接上 AI?让我的企业微信号变成一个 AI 客服
要让企业微信接上 AI 并变成一个 AI 客服,可以参考以下内容: 1. 基于 COW 框架的 ChatBot 实现方案:这是一个基于大模型搭建的 Chat 机器人框架,可以将多模型塞进微信(包括企业微信)里。张梦飞同学写了更适合小白的使用教程,链接为: 。 可以实现打造属于自己的 ChatBot,包括文本对话、文件总结、链接访问、联网搜索、图片识别、AI 画图等功能,以及常用开源插件的安装应用。 正式开始前需要知道:本实现思路需要接入大模型 API 的方式实现(API 单独付费)。 风险与注意事项:微信端因为是非常规使用,会有封号危险,不建议主力微信号接入;只探讨操作步骤,请依法合规使用,大模型生成的内容注意甄别,确保所有操作均符合相关法律法规的要求,禁止将此操作用于任何非法目的,处理敏感或个人隐私数据时注意脱敏,以防任何可能的滥用或泄露。 支持多平台接入,如微信、企业微信、公众号、飞书、钉钉等;多模型选择,如 GPT3.5/GPT4.0/Claude/文心一言/讯飞星火/通义千问/Gemini/GLM4/LinkAI 等等;多消息类型支持,能处理文本、语音和图片,以及基于自有知识库进行定制的企业智能客服功能;多部署方法,如本地运行、服务器运行、Docker 的方式。 2. DIN 配置:先配置 FastGpt、OneAPI,装上 AI 的大脑后,可体验知识库功能并与 AI 对话。新建应用,在知识库菜单新建知识库,上传文件或写入信息,最后将拥有知识库能力的 AI 助手接入微信。
2025-05-09
围棋AI
围棋 AI 领域具有重要的研究价值和突破。在古老的围棋游戏中,AI 面临着巨大挑战,如搜索空间大、棋面评估难等。DeepMind 团队通过提出全新方法,利用价值网络评估棋面优劣,策略网络选择最佳落子,且两个网络以人类高手对弈和 AI 自我博弈数据为基础训练,达到蒙特卡洛树搜索水平,并将其与蒙特卡洛树搜索有机结合,取得了前所未有的突破。在复杂领域 AI 第一次战胜人类的神来之笔 37 步,也预示着在其他复杂领域 AI 与人类智能对比的进一步突破可能。此外,神经网络在处理未知规则方面具有优势,虽然传统方法在处理象棋问题上可行,但对于围棋则困难重重,而神经网络专门应对此类未知规则情况。关于这部分内容,推荐阅读《这就是 ChatGPT》一书,其作者备受推崇,美团技术学院院长刘江老师的导读序也有助于了解 AI 和大语言模型计算路线的发展。
2025-05-08
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
AI文生视频
以下是关于文字生成视频(文生视频)的相关信息: 一些提供文生视频功能的产品: Pika:擅长动画制作,支持视频编辑。 SVD:Stable Diffusion 的插件,可在图片基础上生成视频。 Runway:老牌工具,提供实时涂抹修改视频功能,但收费。 Kaiber:视频转视频 AI,能将原视频转换成各种风格。 Sora:由 OpenAI 开发,可生成长达 1 分钟以上的视频。 更多相关网站可查看:https://www.waytoagi.com/category/38 。 制作 5 秒单镜头文生视频的实操步骤(以梦 AI 为例): 进入平台:打开梦 AI 网站并登录,新用户有积分可免费体验。 输入提示词:涵盖景别、主体、环境、光线、动作、运镜等描述。 选择参数并点击生成:确认提示词无误后,选择模型、画面比例,点击「生成」按钮。 预览与下载:生成完毕后预览视频,满意则下载保存,不理想可调整提示词再试。 视频模型 Sora:OpenAI 发布的首款文生视频模型,能根据文字指令创造逼真且充满想象力的场景,可生成长达 1 分钟的一镜到底超长视频,视频中的人物和镜头具有惊人的一致性和稳定性。
2025-04-20
Ai在设备风控场景的落地
AI 在设备风控场景的落地可以从以下几个方面考虑: 法律法规方面:《促进创新的人工智能监管方法》指出,AI 的发展带来了一系列新的安全风险,如对个人、组织和关键基础设施的风险。在设备风控中,需要关注法律框架是否能充分应对 AI 带来的风险,如数据隐私、公平性等问题。 趋势研究方面:在制造业中,AI Agent 可用于生产决策、设备维护、供应链协调等。例如,在工业设备监控与预防性维护中,Agent 能通过监测传感器数据识别异常模式,提前通知检修,减少停机损失和维修成本。在生产计划、供应链管理、质量控制、协作机器人、仓储物流、产品设计、建筑工程和能源管理等方面,AI Agent 也能发挥重要作用,实现生产的无人化、决策的数据化和响应的实时化。
2025-04-20
ai视频
以下是 4 月 11 日、4 月 9 日和 4 月 14 日的 AI 视频相关资讯汇总: 4 月 11 日: Pika 上线 Pika Twists 能力,可控制修改原视频中的任何角色或物体。 Higgsfield Mix 在图生视频中,结合多种镜头运动预设与视觉特效生成视频。 FantasyTalking 是阿里技术,可制作角色口型同步视频并具有逼真的面部和全身动作。 LAM 开源技术,实现从单张图片快速生成超逼真的 3D 头像,在任何设备上快速渲染实现实时互动聊天。 Krea 演示新工具 Krea Stage,通过图片生成可自由拼装 3D 场景,再实现风格化渲染。 Veo 2 现已通过 Gemini API 向开发者开放。 Freepik 发布视频编辑器。 Pusa 视频生成模型,无缝支持各种视频生成任务(文本/图像/视频到视频)。 4 月 9 日: ACTalker 是多模态驱动的人物说话视频生成。 Viggle 升级 Mic 2.0 能力。 TestTime Training在英伟达协助研究下,可生成完整的 1 分钟视频。 4 月 14 日: 字节发布一款经济高效的视频生成基础模型 Seaweed7B。 可灵的 AI 视频模型可灵 2.0 大师版及 AI 绘图模型可图 2.0 即将上线。
2025-04-20
学习AI怎么在工作中使用,提高工作效率,有必要从技术原理开始学习吗
学习 AI 在工作中使用以提高工作效率,不一定需要从技术原理开始学习。以下是一些相关的案例和建议: 案例一:GPT4VAct 是一个多模态 AI 助手,能够模拟人类通过鼠标和键盘进行网页浏览。其应用场景在于以后互联网项目产品的原型设计自动化生成,能使生成效果更符合用户使用习惯,同时优化广告位的出现位置、时机和频率。它基于 AI 学习模型,通过视觉理解技术识别网页元素,能执行点击和输入字符操作等,但目前存在一些功能尚未支持,如处理视觉信息程度有限、不支持输入特殊键码等。 案例二:对于教师来说,有专门的 AI 减负指南。例如“AI 基础工作坊用 AI 刷新你的工作流”,从理解以 GPT 为代表的 AI 工作原理开始,了解其优势短板,学习写好提示词以获得高质量内容,并基于一线教师工作场景分享优秀提示词与 AI 工具,帮助解决日常工作中的常见问题,提高工作效率。 建议:您可以根据自身工作的具体需求和特点,有针对性地选择学习方向。如果您只是想快速应用 AI 提高工作效率,可以先从了解常见的 AI 工具和应用场景入手,掌握基本的操作和提示词编写技巧。但如果您希望更深入地理解和优化 AI 在工作中的应用,了解技术原理会有一定帮助。
2025-04-15
从最基本的原理开始讲
以下是为您从最基本的原理开始讲解的相关内容: 强化学习: 从最开始的 K 臂抽奖机器入手讲解了强化学习的基本原理,然后切入到 Qlearning 中学习如何使用 Q 表来进行强化学习,最后再借助神经网络将 Q 表替换成用函数来拟合计算 Q 值。 参考文章: https://lilianweng.github.io/posts/20180123multiarmedbandit/ https://yaoyaowd.medium.com/%E4%BB%8Ethompsonsampling%E5%88%B0%E5%A2%9E%E5%BC%BA%E5%AD%A6%E4%B9%A0%E5%86%8D%E8%B0%88%E5%A4%9A%E8%87%82%E8%80%81%E8%99%8E%E6%9C%BA%E9%97%AE%E9%A2%9823a48953bd30 https://zh.wikipedia.org/wiki/%E8%92%99%E5%9C%B0%E5%8D%A1%E7%BE%85%E6%96%B9%E6%B3%95 https://rl.qiwihui.com/zh_CN/latest/partI/index.html https://github.com/ty4z2008/Qix/blob/master/dl.md https://hrl.boyuai.com/ http://zh.d2l.ai/ 苏格拉底辩证法及其第一性原理: 这里所说的“辩证法”,是一种通过提问和回答,深入挖掘、质疑和明确观念的艺术,是始于苏格拉底的、源头上的“辩证法”。这门艺术可通过一系列问题,不断挑战人们对世界的既定认知,揭示其中的矛盾和不足,从而引领人们学会自我反思并走向真理。把 AI 作为方法,就是要用辩证法以对话方式引导出 AI 被预训练的世界级的知识和推理能力,然后使其变成我们可以重复调用的“专家级团队”。既然先进的大语言模型是预训练的、以自然语言对话为交互的,又因为人们创造“概念”是为了对事物达成共识,并能更好地交流,所以我们就选择从对话开始,追本溯源,探索如何对话、如何训练对话能力及如何操纵概念——直达认知事物的第一性原理,然后再回到应用上来。 Stable Diffusion: 从艺术和美学的角度来看,扩散模型可以被理解为一种创作和表达过程,其中的元素通过互动和影响,形成一种动态的、有机的整体结构。 前向扩散过程是一个不断加噪声的过程。例如,在猫的图片中多次增加高斯噪声直至图片变成随机噪音矩阵。对于初始数据,设置 K 步的扩散步数,每一步增加一定的噪声,如果设置的 K 足够大,就能够将初始数据转化成随机噪音矩阵。扩散过程是固定的,由 Schedule 算法进行统筹控制。同时扩散过程也有一个重要的性质:可以基于初始数据 X0 和任意的扩散步数 Ki,采样得到对应的数据 Xi 。 反向扩散过程和前向扩散过程正好相反,是一个不断去噪的过程。将随机高斯噪声矩阵通过扩散模型的 Inference 过程,预测噪声并逐步去噪,最后生成一个小别墅的有效图片。其中每一步预测并去除的噪声分布,都需要扩散模型在训练中学习。
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
我是一个没有技术背景且对AI感兴趣的互联网产品经理,目标是希望理解AI的实现原理并且能够跟开发算法工程师沟通交流,请给我举出AI模型或者机器学习的分类吧。
以下是 AI 模型和机器学习的分类: 1. AI(人工智能):是一个广泛的概念,旨在使计算机系统能够模拟人类智能。 2. 机器学习:是人工智能的一个子领域,让计算机通过数据学习来提高性能。包括以下几种类型: 监督学习:使用有标签的训练数据,算法学习输入和输出之间的映射关系,包括分类和回归任务。 无监督学习:学习的数据没有标签,算法自主发现规律,经典任务如聚类。 强化学习:从反馈中学习,以最大化奖励或最小化损失,类似训练小狗。 3. 深度学习:是机器学习的一个子领域,模拟人脑创建人工神经网络处理数据,包含多个处理层,在图像识别、语音识别和自然语言处理等任务中表现出色。 4. 大语言模型:是深度学习在自然语言处理领域的应用,目标是理解和生成人类语言,如 ChatGPT、文心一言等。同时具有生成式 AI 的特点,能够生成文本、图像、音频和视频等内容。 2017 年 6 月,谷歌团队发表论文《Attention is All You Need》,首次提出了 Transformer 模型,它基于自注意力机制处理序列数据,不依赖循环神经网络或卷积神经网络。生成式 AI 生成的内容称为 AIGC。
2025-03-26
生成式人工智能原理是什么
生成式人工智能的原理主要包括以下几个方面: 1. 基于深度学习技术和机器学习算法:通过大规模的数据集训练深度神经网络模型,学习各种数据的规律和特征,从而实现对输入数据的分析、理解和生成。 2. 监督学习:例如在生成文本时使用大语言模型,通过监督学习不断预测下一个词语,经过大量的数据训练,从而生成新的文本内容。这通常需要千亿甚至万亿级别的单词数据库。 3. 从大量现有内容中学习:包括文本、音频和视频等多模式的内容,这个学习过程称为训练,其结果是创造“基础模型”,如为聊天机器人提供支持的大型语言模型(LLM)。基础模型可用于生成内容并解决一般问题,也可以使用特定领域的新数据集进一步训练以解决特定问题。
2025-03-26
LLM的原理
LLM(大语言模型)的工作原理如下: 以“我今天吃了狮子头和蔬菜”这句话为例,在 Transformer 中,会由 Attention 层对其加入更多信息补充,如“狮子头是一道菜”“今天是星期六”等,这些补充信息作为输入给到下一个 Attention 层,层与层之间,哪些信息补充、保留、传递,由模型自主学习,最终模型把海量数据以关系网形式“消化”并保留重要相关性。 形象地说,就像人阅读文章时的连贯性注意力过程,在阅读理解时,脑子里会消化吸收记忆,记忆的不是点状知识,而是网状经验。 大模型以词向量和 Transformer 模型学习海量知识,把知识作为向量空间中的关系网存储,接受输入时通过向量空间中的匹配进行输出。 观察大模型回复,是一个字一个字流式输出的,因为大模型确实在一个字一个字地推理生成内容。比如输入法输入联想,根据输入的单个字推测下一个字,加入上下文能帮助模型理解下一个字。但存在两个问题:一是全量数据计算算力吃不消,二是仅算字的概率易被不相干信息干扰,此时词向量机制和 Transformer 模型中的 Attention 自注意力机制解决了难题。 另外,RAG 对大语言模型的作用就像开卷考试对学生,事实性知识与 LLM 的推理能力相分离,被存储在容易访问和及时更新的外部知识源中,分为参数化知识(模型训练中学习得到,隐式储存在神经网络权重中)和非参数化知识(存储在外部知识源,如向量数据库中)。
2025-03-25
当代人工智能的进步正在催化博弈论的复兴
当代人工智能的进步正在催化博弈论的复兴。以下是关于人工智能简史的相关内容: 早期的国际象棋对弈程序以搜索为基础,通过程序尝试估计对手在给定棋步数量下可能走的棋步,并依据在几步棋内所能达到的最佳位置选择最佳棋步,这促进了阿尔法贝塔剪枝搜索算法的发展。搜索策略在对局即将结束时效果良好,因为此时棋步可能性的搜索空间局限在很小范围内,但在对局刚开始时,搜索空间巨大,需考虑通过学习人类棋手的现有对局来改进算法。随后的实验采用了基于案例的推理,即程序在知识库中寻找与当前棋局位置相似的案例来决定棋步。能够战胜人类棋手的现代对弈程序基于神经网络和强化学习,程序通过长时间与自己对弈,从自身错误中学习来学会下棋,这与人类学习下棋过程相似,且计算机程序学习速度更快。 人工智能作为一个领域始于二十世纪中叶,最初符号推理流行并带来重要进展,如专家系统,但因从专家提取知识、用计算机可读形式表现及保持知识库准确性复杂且成本高,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可与人类媲美的性能,过去十年中,“人工智能”一词多被用作“神经网络”的同义词。在创建国际象棋计算机对弈程序时,可观察到这些方法的变化。
2024-09-28
【深度拆解】ChatGPT-4o背后的技术革新:从语言模型到多模态跨越
ChatGPT4o 背后的技术革新具有重要意义。人类的感知多样,仅靠语言描述世界远远不够,多模态理解非常有用,能更全面学习世界、理解人类需求等。2023 年 9 月 GPT4v 发布,将大语言模型竞赛带入多模态模型时代,如 ChatGPT 能看图说话、画图,Google 的 Gemini 支持多种模态,但 OpenAI 常抢先发布。今年 5 月 OpenAI 发布 GPT4o,向智能体方向迈进,其是之前技术的集大成者,通过端到端神经网络混合训练视觉、语音和文本数据,平均音频输入反应时间为 300 毫秒,能感悟人类表达的情绪等。OpenAI 未公开 GPT4o 技术细节,唯一线索来自内部炼丹师的博客 AudioLM。此外,GPT4 是 OpenAI 的多模态工具,在编程任务中表现出色,ChatGPT 是用户友好界面,可与高级语言模型交互。2024 年 5 月 14 日 OpenAI 发布 GPT4o,效率高、价格降低、延迟缩短。9 月 16 日 OpenAI 推出 o1 系列模型,在复杂任务中表现优异,o1mini 适合编码任务,两个模型已在 ChatGPT 中提供,有免费或收费版本。
2025-03-09
Claude大模型背后是什么公司
Claude 大模型背后的公司是 Anthropic。Claude 系列在前段时间推出了 Claude3.5Sonnet 等模型,并且在代码生成等方面表现出色。同时,Anthropic 公司的 Claude 还具有较大的上下文窗口等特点。
2025-01-17
企业做自己的小模型,需要用到的工具及工具背后的公司都有哪些?
企业做自己的小模型,可能会用到以下工具及背后的公司: 1. 在编排(Orchestration)方面,涉及的公司如 DUST、FIAVIE、LangChain 等,其提供的工具可帮助管理和协调各部分及任务,确保系统流畅运行。 2. 部署、可扩展性和预训练(Deployment, Scalability, & PreTraining)类别中,像 UWA mosaicm、NMAREL、anyscale 等公司提供的工具,有助于部署模型、保证可扩展性及进行预训练。 3. 处理上下文和嵌入(Context & Embeddings)的工具,相关公司有 TRUDO、Llamalndex、BerriAI 等,能帮助模型处理和理解语言上下文,并将词语和句子转化为计算机可理解的形式。 4. 质量保证和可观察性(QA & Observability)方面,例如 Pinecone、drant、Vald 等公司提供的工具,可确保模型表现并监控其性能和状态。 此外,还有以下工具和相关公司: 1. 图片生成 3D 建模工具,如 Tripo AI(由 VAST 发布)、Meshy、CSM AI(Common Sense Machines)、Sudo AI、VoxCraft(由生数科技推出)等。 企业还可能涉及具身智能、3D 眼镜、AI 绘本、AI 图书、学习机、飞书的多维表格、蚂蚁的智能体、Coze 的智能体、Zeabur 等云平台、0 编码平台、大模型(通义、智谱、kimi、deepseek 等)、编程辅助、文生图(可灵、即梦等)等方面,可能需要相应资质。
2024-11-20
AI创作背后的版权陷阱
AI 创作背后存在诸多版权陷阱: 1. AI 绘画的版权归属存在争议。有人认为其只是从现有素材库拼接和重塑内容,创意来自原始艺术家;也有人认为 prompt 体现了创意。在新法律法规出台前,使用 AI 制作的图版权可能为公版,难以保证著作权。为确保版权,应将机器生成内容作为原始素材,突出“人类创作”部分。 2. 在数字化时代,AI 技术发展对现有知识产权法律体系构成挑战。如广州互联网法院的一起判决,标志着我国在知识产权保护方面的司法实践迈出重要一步。AI 在内容生成方面,对版权法的挑战主要体现在输入端训练数据合法性和输出端生成内容的版权属性问题。 3. 律师建议,AI 直接生成的东西在中国及海外通常不受法律保护。因此需要对其进行后期修改,如土豆人 tudou_man 作品后期部分占 30%40%,使用正版软件并完成版权链。大众对 AIGC 作品存在抵触,如认为其盗图抢饭碗,初学者使用 AI 时往往不做处理,而专业创作者会尽力规避瑕疵,导致创作成本较高。
2024-11-03
请给我推荐一个适合非技术人员学习的提示词工程手册,但是我不希望提示词工程手册太实操导向,需要包括背后的原理和逻辑,而不是只像一个公式一样的教给我
以下为您推荐适合非技术人员学习的提示词工程手册: 1. 小七姐:Prompt 喂饭级系列教程 小白学习指南(二) 强调对框架的理解和运用,介绍了多种提示词框架,如情境,并提供了学习的三步走:懂原理、找需求、用框架。 2. 19. RAG 提示工程系列(一) 虽然网络上提示工程资料众多,但 RAG 任务中提示工程的资料相对较少。此系列将带领大家了解 RAG 架构的概念、组成、痛点及提示词工程在其中的应用,并指导实操案例,帮助编写调试符合企业生产级标准的提示词。 3. VIRTUAL Claude 官方文档提示词工程最佳实践@未来力场编译版(中英对照) 指出提示词工程是一门实证科学,需要不断测试和迭代,包括开发测试用例、构建初版提示词、进行用例测试、优化提示词和分享完善后的提示词,同时不要忘记测试边缘情况。
2024-08-15
sora背后的核心技术是啥
Sora 是一种基于扩散模型的视频生成模型,其核心技术是一个预训练的扩散变换器。扩散模型是一种生成式模型,通过学习输入数据的分布来生成新的数据。在 Sora 中,扩散模型被用来学习视频的分布,从而生成新的视频。 Sora 的核心技术源自 Diffusion Transformers(DiT),它结合了 VAE、ViT、DDPM 技术,优化了视频生成。具体来说,Sora 将原始输入视频压缩成一个时空潜在表示,然后从压缩视频中提取一系列时空潜在补丁,以封装短时间间隔内的视觉外观和运动动态。这些补丁类似于语言模型中的单词标记,为 Sora 提供了用于构建视频的详细视觉短语。Sora 的文本到视频生成是通过扩散变换器模型执行的。从一个充满视觉噪声的帧开始,模型迭代地去除噪声并根据提供的文本提示引入特定细节。本质上,生成的视频通过多步精炼过程出现,每一步都使视频更加符合期望的内容和质量。 总的来说,Sora 的核心技术是一个预训练的扩散变换器,它能够解析文本并理解复杂的用户指令,然后通过扩散模型生成视频。
2024-06-10