AI 是一门令人兴奋的科学，它是某种模仿人类思维可以理解自然语言并输出自然语言的东西，其生态位是一种似人而非人的存在。 对于没有理工科背景的人来说，将 AI 当成一个黑箱，只需要知道它能理解自然语言并输出自然语言即可。 最初，计算机是按照明确的程序和算法进行数字运算。但对于像根据照片判断一个人的年龄这类任务，我们无法明确具体的步骤和解法，而这正是 AI 所感兴趣的。 现在的 AI（主要是生成式 AI 技术）可以接受和理解各种不同的输入和数据，并生成包括文字、声音、图像、视频、3D 模型等多种多样的内容。简单来说，可以把 AI 当人看。

国内主流的大语言模型公司主要有以下几家： 1. 百度：其文心一言大语言模型可用以文学创作、商业文案创作、数理逻辑推算、中文理解、多模态生成等。 2. 阿里巴巴：拥有通义大模型。 3. 北京智源人工智能研究院：推出了“悟道・天鹰”，是首个具备中英文双语知识、支持商用许可协议、国内数据合规需求的开源语言大模型。

以下是一些国内的大语言模型： 1. 文心一言：可用于文学创作、商业文案创作、数理逻辑推算、中文理解、多模态生成等。 2. 讯飞星火：通用模型，处理自然语言。 3. “悟道・天鹰”（北京智源人工智能研究院）：首个具备中英文双语知识、支持商用许可协议、国内数据合规需求的开源语言大模型。 此外，如果想了解国内大模型的效果，可以参考第三方基准评测报告：

以下是国内的部分大模型： 北京企业机构： 百度：文心一言，https://wenxin.baidu.com 抖音：云雀大模型，https://www.doubao.com 智谱 AI：GLM 大模型，https://chatglm.cn 中科院：紫东太初大模型，https://xihe.mindspore.cn 百川智能：百川大模型，https://www.baichuanai.com/ 上海企业机构： 商汤：日日新大模型，https://www.sensetime.com/ MiniMax：ABAB 大模型，https://api.minimax.chat 上海人工智能实验室：书生通用大模型，https://internai.org.cn 其他地区： 阿里通义千问、360 智脑、讯飞星火等不在首批获批名单中。 广东地区获批公司分别为华为、腾讯，科大讯飞系其他地区获批产品。 此外，通义千问的 Qwen 系列在 LMSys 榜单中表现出色，其开源模型受欢迎，累计下载量突破 1600 万，国内外有海量开发者基于其开发模型和应用。大模型的竞争涉及芯片、云计算、闭源模型、开源模型、开源生态等，基础大模型决定产业智能化的天花板等，开源生态也至关重要。

以下是关于提示词（Prompt）的全面介绍： 一、如何编写提示词 1. 明确任务：清晰定义任务，如写故事时包含背景、角色和主要情节。 2. 提供上下文：若任务需特定背景知识，提供足够信息。 3. 使用清晰语言：用简单、清晰的语言描述，避免模糊或歧义词汇。 4. 给出具体要求：明确格式、风格等要求。 5. 使用示例：提供期望结果的示例。 6. 保持简洁：避免过多信息导致模型困惑。 7. 使用关键词和标签：帮助模型理解任务主题和类型。 8. 测试和调整：根据生成结果检查并调整。 二、如何润色或优化提示词 1. 明确具体描述：使用更具体、细节的词语和短语。 2. 添加视觉参考：插入相关图片参考。 3. 注意语气和情感：用合适的形容词、语气词调整整体语境和情绪。 4. 优化关键词组合：尝试不同搭配和语序。 5. 增加约束条件：如分辨率、比例等限制。 6. 分步骤构建：将复杂需求拆解为子提示词。 7. 参考优秀案例：借鉴有效的范例和写作技巧。 8. 反复试验、迭代优化：多次尝试并根据效果反馈完善。 三、星流一站式 AI 设计工具中的提示词 1. 在 prompt 输入框中可输入提示词，使用图生图功能辅助创作。 提示词用于描绘画面。 输入语言方面，星流通用大模型与基础模型 F.1、基础模型 XL 使用自然语言（如一个长头发的金发女孩），基础模型 1.5 使用单个词组（如女孩、金发、长头发），支持中英文输入。 启用提示词优化后可扩展提示词，更生动描述画面内容。 2. 写好提示词的方法 预设词组：小白用户可点击提示词上方官方预设词组生图。 提示词内容准确：包含人物主体、风格、场景特点、环境光照、画面构图、画质等，如一个女孩抱着小猫，背景是一面红墙，插画风格、孤独感，高质量。 调整负面提示词：点击提示框下方的齿轮按钮弹出负面提示词框，帮助 AI 理解不想生成的内容，如不好的质量、低像素、模糊、水印。 利用“加权重”功能：在功能框增加提示词并调节权重，数值越大越优先，也可编辑已有提示词权重。 辅助功能：包括翻译功能（一键将提示词翻译成英文）、删除所有提示词（清空提示词框）、会员加速（加速图像生图速度，提升效率）。 请注意，以上内容由 AI 大模型生成，请仔细甄别。

以下是关于 Coze 的相关信息： 重磅更新：Coze 可以接入抖音评论区，帮您自动回复用户的评论。若想快速上手，可参考视频。若还不了解 Coze 是什么，可参考文章。 安装 Coze Scraper： 通过应用商店安装： 1. 打开 Chrome 浏览器。 2. 点击在 Chrome 应用商店中打开 Coze Scrapper 扩展程序。 3. 单击添加至 Chrome。 4. 在弹出的页面，单击添加扩展程序。 本地安装： 1. 单击下载安装包，然后解压下载的文件。 2. 打开 Chrome 浏览器。 3. 在浏览器中输入 chrome://extensions 打开扩展程序页面，确认开发者模式处于打开状态。点击加载已解压的扩展程序，选择已解压的文件夹。 Coze 记账管家——数据库使用教程： COZE 是字节跳动旗下子公司推出的 AI Agent 构建工具，允许用户在无编程知识的基础上，使用自然语言和拖拽等方式构建 Agent，目前可以白嫖海量大模型免费使用，有丰富的插件生态。 记账管家是基于 COZE 平台的能力搭建的一个记账应用，可以直接和 coze 说您今天的收入或者支出情况，coze 会自动记账，并计算账户余额，每一笔记账记录都不会丢失。点击以下卡片体验记账管家。

科学计算大模型的代表模型主要有以下几种： 1. Encoderonly 模型：适用于自然语言理解任务，如分类和情感分析，最知名的代表是 BERT。 2. Encoderdecoder 模型：同时结合 Transformer 架构的 encoder 和 decoder 来理解和生成内容，代表模型如谷歌的 T5。 3. Decoderonly 模型：更擅长自然语言生成任务，如故事写作和博客生成，众多熟知的 AI 助手基本采用此结构，包括 ChatGPT。 大模型具有以下特点： 1. 预训练数据量大：往往来自互联网，包括论文、代码、公开网页等，先进的大模型通常用 TB 级别的数据进行预训练。 2. 参数众多：如 OpenAI 在 2020 年发布的 GPT3 就已达到 170B 的参数。 在数字化处理中，为让计算机理解 Token 之间的联系，需将 Token 表示成稠密矩阵向量，即 embedding，常见算法有基于统计的 Word2Vec、GloVe，基于深度网络的 CNN、RNN/LSTM，基于神经网络的 BERT、Doc2Vec 等。以 Transform 为代表的大模型采用自注意力（Selfattention）机制学习不同 token 之间的依赖关系，生成高质量 embedding。 大模型的“大”主要指用于表达 token 之间关系的参数多，如 GPT3 拥有 1750 亿参数。当神经元数量达到百亿、千亿级别时，会出现群体智能，即智能涌现，这在自然界如蚂蚁群体中有典型体现，人脑也由约 1000 亿个神经元构成复杂神经网络。

以下是为您提供的深入了解 AI 的相关内容： 新手学习 AI 的步骤： 1. 了解 AI 基本概念：建议阅读「」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、当前应用和未来发展趋势。 2. 开始 AI 学习之旅：在「」中，您能找到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）按照自己的节奏学习，并获得证书。 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，您可根据兴趣选择特定模块深入学习，同时掌握提示词技巧。 4. 实践和尝试：理论学习后，实践是巩固知识的关键，您可以尝试使用各种产品做出作品，知识库也提供了很多实践后的作品和文章分享。 5. 体验 AI 产品：与现有的 AI 产品（如 ChatGPT、Kimi Chat、智谱、文心一言等）互动，了解其工作原理和交互方式。 对于不会代码但想学习 AI 的您： 1. AI 背景知识：了解人工智能、机器学习、深度学习的定义及其之间的关系，简要回顾 AI 的发展历程和重要里程碑。 2. 数学基础：熟悉统计学基础（如均值、中位数、方差等统计概念）、线性代数（如向量、矩阵等基本概念）、概率论（如条件概率、贝叶斯定理）。 3. 算法和模型：了解监督学习（如线性回归、决策树、支持向量机）、无监督学习（如聚类、降维）、强化学习的基本概念。 4. 评估和调优：了解如何评估模型性能（包括交叉验证、精确度、召回率等），学习如何使用网格搜索等技术优化模型参数。 5. 神经网络基础：理解神经网络的基本结构（包括前馈网络、卷积神经网络、循环神经网络），了解常用的激活函数（如 ReLU、Sigmoid、Tanh）。 入门经典必读： 作者为，原文地址：https://a16z.com/2023/05/25/aicanon/ ，译者为通往 AGI 之路。人工智能的研究发展迅速，对于初学者而言困难较大。因此，文中分享了一份用于深入了解现代 AI 的精选资源列表，称为“AI 典藏”，包括对 Transformer 和 Latent Diffusion 模型的介绍，技术学习资源，构建大型语言模型的实用指南，AI 市场的分析，以及里程碑式研究成果的参考列表。

以下是一些视觉大模型的代表模型： 1. Flamingo：一系列视觉语言（VL）模型，能处理交错的视觉数据和文本，并生成自由格式的文本输出。 2. BLIP2：引入资源效率更高的框架，包括用于弥补模态差距的轻量级 QFormer，能利用冻结的 LLM 进行零样本图像到文本的生成。 3. LLaVA：率先将 IT 技术应用到 MM 领域，引入新型开源 MM 指令跟踪数据集及基准 LLaVABench 以解决数据稀缺问题。 4. MiniGPT4：提出简化方法，仅训练一个线性层即可将预训练的视觉编码器与 LLM 对齐，复制 GPT4 的功能。 5. mPLUGOwl：提出新颖的 MMLLMs 模块化训练框架，结合视觉上下文，包含 OwlEval 教学评估数据集。 6. XLLM：扩展到包括音频在内的各种模式，具有强大的可扩展性，利用 QFormer 的语言可迁移性应用于汉藏语境。 7. VideoChat：开创高效的以聊天为中心的 MMLLM 用于视频理解对话，为该领域的未来研究制定标准。 8. Sora：符合视觉模型的规模化定律，是第一个展示确认新兴能力的视觉模型，包括遵循指令、视觉提示工程和视频理解等功能，能够根据人类指令生成长达一分钟的视频。 9. CLIP：开创性的视觉语言模型，将变压器架构与视觉元素结合，能在多模态生成框架中充当图像编码器。 10. Stable Diffusion：多才多艺的文本到图像 AI 模型，采用变压器架构和潜在扩散技术生成各种风格的图像。

AI 的基本概念： 人工智能（AI）是指让计算机模拟人类智能的技术。 主要分支包括机器学习、深度学习、自然语言处理等，它们之间存在密切联系。 目前发展阶段： 已取得显著进展，如聊天机器人具备基本对话能力，能用于客户服务和简单查询响应。 推理者如 ChatGPT 能解决复杂问题并提供详细分析和意见。 智能体虽能执行部分自动化业务，但仍需人类参与。 创新者如谷歌 DeepMind 的 AlphaFold 模型能协助人类完成新发明。 最高级别的组织型 AI 能自动执行组织的全部业务流程，但尚未完全实现。 对于新手学习 AI： 建议阅读「」熟悉术语和基础概念。 浏览入门文章了解历史、应用和发展趋势。 在「」中找到初学者课程，特别推荐李宏毅老师的课程。 通过在线教育平台按自己节奏学习并获取证书。 根据兴趣选择特定模块深入学习，掌握提示词技巧。 理论学习后进行实践，尝试使用各种产品并分享实践成果。 体验如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人。 如果希望继续精进 AI： 了解 AI 背景知识，包括基础理论、历史发展。 掌握数学基础，如统计学、线性代数、概率论。 熟悉算法和模型，如监督学习、无监督学习、强化学习。 学会评估和调优模型性能。 了解神经网络基础，包括网络结构和激活函数。