2024年11月30日 星期六
什麼是 NPU？它如何讓手機變得更智慧？
什麼是 NPU？它如何讓手機變得更智慧？
https://www.koc.com.tw/archives/576605
現代任何智慧型手機的大腦都是 SoC，這是一種極其複雜的微型機器。它將 CPU、GPU、音訊和視訊的處理、無線通訊和電源管理功能封裝在一塊指甲大小的晶片上。隨著科技進步，SoC 變得越來越複雜，最近新增一項就是 NPU，它是 AI 功能的助力。如果你的手機是最新型號，很可能裡面就配備有 NPU，即便是中階手機裡面可能也有，但是 NPU 是做什麼的呢？它有什麼差別？讓我們來探索一下。 什麼是 NPU？它如何讓手機變得更智慧？ 什麼是 NPU？ NPU 存在的時間比你想像得長。NPU 是神經處理單元，它是智慧型手機 SoC 中的運算模組，類似於 CPU （中央處理單元）和 GPU（圖形處理單元）。最近的 Snapdragon、Exynos、天璣、Apple A 系列 SoC 以及 Intel、AMD 和 Apple 的一些桌上型電腦和行動 PC 處理器都配備了 NPU。 手機 SoC 配備 NPU 已經有段時間。從 2015 年起，高通就在 Snapdragon 820 上就搭載了 AI 引擎（PDF ），這是用於執行 AI 任務的硬體和軟體組合。然而，儘管它們尚未完成，但由於圍繞 AI 及其帶來的功能造勢效果，在今日更加被突顯出來。 圖片來源：Qualcomm 為什麼手機需要 NPU？ NPU 的工作是加速與 AI、機器學習應用相關的任務，包括識別影像中的人和物體、文字和影像生成、將語音轉換為文字、即時翻譯已及預測你可能要輸入的下個單字。理論上你不需要 NPU 來執行這些功能，待它會使流程更快、更節能，並且對雲端運算的依賴更少。AI 任務所需的運算非常具體，因此針對這些任務最佳化處理單元是極有意義的。如果你對此好奇，著名 Vsauce 頻道的 Michael Stevens 在下面的 YouTube 影片中展示了一個有效的神經網路，請注意它是如何同時執行基本但繁多的操作才能使整體網路正常運作。 CPU 與 NPU 有什麼不同？ CPU 是一種通用單元，可以快速且高精度地執行一個或數個複雜的運算。然而，AI 工作需要並行運算許多計算，而精度並不那麼重要。由於 GPU 的平行特性，GPU 比 CPU 更適合此任務。儘管如此，正如 IBM 指出的那樣，NPU 仍因其效率而表現出色。NPU 可以在消耗一小部分能量的情況下提供類似的 AI 性能，這使其成為行動電池供電設備的理想選擇。 設備端 AI 有什麼的好處？ SoC 上加入 NPU 的另一個優點是，可以在裝置上而非雲端執行一些 AI 操作，而這項工作在 SoC 上的作業會更慢。這對於語音與文字轉換等較輕的負載是有意義的，當涉及感測器輸入並且期望立即得到結果時，例如在相機應用程式檢測場景中的影像，它也是理想的選擇。 AI 模型是處理你的輸入並儲存在本機的程式碼，Google Pixel Studio 圖像生成器等應用程式使用混合運算，利用本地和雲端 AI 模型。 設備端 AI 非常有利於保護隱私。無論你以語音、文字或影像形式提供的個人資料都不會離開你的手機，這也消除了不良行為者在資料外洩中存取它的機會。 Google Pixel 的 TPU 有何不同？ 如果你查看過一直大力以 AI 功能為主打的 Google Pixel 9 系列手機的規格頁面，你不會找到裡面提及任何 NPU，這是因為它使用的是 TPU（張量處理單位）。 與 NPU 一樣，TPU 可以加速 AI 運算。不同的是，TPU 和 TPU 晶片是由 Google 客製化設計，你只能在 Google 硬體和該公司的資料中心中找到它。TPU 針對 TensorFlow 進行了最佳化，TensorFlow 是 Google 開發的開源軟體庫，專為機器學習和 AI 應用而設計。 什麼是 NPU TOPS？ 雖然大多數手機都配備 NPU，但有些手機執行 AI 運算的速度更快。TOPS（每秒兆次運算）是 AI 處理器效能常用的衡量標準。高通解釋，有兩個因素決定了 NPU 的 TOPS，分別是運行頻率（時脈速度）和可處理的 MAC 運算單元數量。 最近發表的 Snapdragon 8 Elite 晶片據稱比其前身 Snapdragon 8 Gen 3 的 AI 性能提高了 45 %。這與高階 Nvidia RTX 4090 桌面顯示卡提供的 1,300+ TOPS 相比並不算多。話又說回來，手機不像 Nvidia 的野獸顯卡那樣耗電高達 450W。由於很少提及 AI 任務的 TOPS 要求，因此很難將這些數字放在上下文中，然而，Microsoft 的 Copilot+ AI 聊天機器人至少需要 40TOPS。 NPU 會繼續存在嗎？ 鑑於其高度專業化的性質，NPU 無法取代 CPU 或 GPU。相反，它們的目的是透過承擔人工智慧任務來提高行動 SoC 的效率，同時節省電池電量。隨著 AI 融入智慧型手機，未來我們將來會聽到更多有關 NPU 的資訊。
-- gReader Pro
https://www.koc.com.tw/archives/576605
現代任何智慧型手機的大腦都是 SoC，這是一種極其複雜的微型機器。它將 CPU、GPU、音訊和視訊的處理、無線通訊和電源管理功能封裝在一塊指甲大小的晶片上。隨著科技進步，SoC 變得越來越複雜，最近新增一項就是 NPU，它是 AI 功能的助力。如果你的手機是最新型號，很可能裡面就配備有 NPU，即便是中階手機裡面可能也有，但是 NPU 是做什麼的呢？它有什麼差別？讓我們來探索一下。 什麼是 NPU？它如何讓手機變得更智慧？ 什麼是 NPU？ NPU 存在的時間比你想像得長。NPU 是神經處理單元，它是智慧型手機 SoC 中的運算模組，類似於 CPU （中央處理單元）和 GPU（圖形處理單元）。最近的 Snapdragon、Exynos、天璣、Apple A 系列 SoC 以及 Intel、AMD 和 Apple 的一些桌上型電腦和行動 PC 處理器都配備了 NPU。 手機 SoC 配備 NPU 已經有段時間。從 2015 年起，高通就在 Snapdragon 820 上就搭載了 AI 引擎（PDF ），這是用於執行 AI 任務的硬體和軟體組合。然而，儘管它們尚未完成，但由於圍繞 AI 及其帶來的功能造勢效果，在今日更加被突顯出來。 圖片來源：Qualcomm 為什麼手機需要 NPU？ NPU 的工作是加速與 AI、機器學習應用相關的任務，包括識別影像中的人和物體、文字和影像生成、將語音轉換為文字、即時翻譯已及預測你可能要輸入的下個單字。理論上你不需要 NPU 來執行這些功能，待它會使流程更快、更節能，並且對雲端運算的依賴更少。AI 任務所需的運算非常具體，因此針對這些任務最佳化處理單元是極有意義的。如果你對此好奇，著名 Vsauce 頻道的 Michael Stevens 在下面的 YouTube 影片中展示了一個有效的神經網路，請注意它是如何同時執行基本但繁多的操作才能使整體網路正常運作。 CPU 與 NPU 有什麼不同？ CPU 是一種通用單元，可以快速且高精度地執行一個或數個複雜的運算。然而，AI 工作需要並行運算許多計算，而精度並不那麼重要。由於 GPU 的平行特性，GPU 比 CPU 更適合此任務。儘管如此，正如 IBM 指出的那樣，NPU 仍因其效率而表現出色。NPU 可以在消耗一小部分能量的情況下提供類似的 AI 性能，這使其成為行動電池供電設備的理想選擇。 設備端 AI 有什麼的好處？ SoC 上加入 NPU 的另一個優點是，可以在裝置上而非雲端執行一些 AI 操作，而這項工作在 SoC 上的作業會更慢。這對於語音與文字轉換等較輕的負載是有意義的，當涉及感測器輸入並且期望立即得到結果時，例如在相機應用程式檢測場景中的影像，它也是理想的選擇。 AI 模型是處理你的輸入並儲存在本機的程式碼，Google Pixel Studio 圖像生成器等應用程式使用混合運算，利用本地和雲端 AI 模型。 設備端 AI 非常有利於保護隱私。無論你以語音、文字或影像形式提供的個人資料都不會離開你的手機，這也消除了不良行為者在資料外洩中存取它的機會。 Google Pixel 的 TPU 有何不同？ 如果你查看過一直大力以 AI 功能為主打的 Google Pixel 9 系列手機的規格頁面，你不會找到裡面提及任何 NPU，這是因為它使用的是 TPU（張量處理單位）。 與 NPU 一樣，TPU 可以加速 AI 運算。不同的是，TPU 和 TPU 晶片是由 Google 客製化設計，你只能在 Google 硬體和該公司的資料中心中找到它。TPU 針對 TensorFlow 進行了最佳化，TensorFlow 是 Google 開發的開源軟體庫，專為機器學習和 AI 應用而設計。 什麼是 NPU TOPS？ 雖然大多數手機都配備 NPU，但有些手機執行 AI 運算的速度更快。TOPS（每秒兆次運算）是 AI 處理器效能常用的衡量標準。高通解釋，有兩個因素決定了 NPU 的 TOPS，分別是運行頻率（時脈速度）和可處理的 MAC 運算單元數量。 最近發表的 Snapdragon 8 Elite 晶片據稱比其前身 Snapdragon 8 Gen 3 的 AI 性能提高了 45 %。這與高階 Nvidia RTX 4090 桌面顯示卡提供的 1,300+ TOPS 相比並不算多。話又說回來，手機不像 Nvidia 的野獸顯卡那樣耗電高達 450W。由於很少提及 AI 任務的 TOPS 要求，因此很難將這些數字放在上下文中，然而，Microsoft 的 Copilot+ AI 聊天機器人至少需要 40TOPS。 NPU 會繼續存在嗎？ 鑑於其高度專業化的性質，NPU 無法取代 CPU 或 GPU。相反，它們的目的是透過承擔人工智慧任務來提高行動 SoC 的效率，同時節省電池電量。隨著 AI 融入智慧型手機，未來我們將來會聽到更多有關 NPU 的資訊。
-- gReader Pro
2024年11月29日 星期五
AI 新突破：兩小時對談，即可複製「85% 的你」挑戰倫理與隱私界線
AI 新突破：兩小時對談，即可複製「85% 的你」挑戰倫理與隱私界線
https://www.inside.com.tw/article/36892-ai-breakthrough-can-clone-85-percent-of-personality-in-two-hour-chat-raising-privacy-concerns
最近有一項來自史丹佛大學與 Google DeepMind 的最新研究可說正在挑戰人類對人工智慧極限的認知。他們最新研究表示，只需透過兩小時的訪談，AI 就能精確複製一個人的價值觀和偏好達 85%，創造出驚人相似的「數位分身」。這項尚未經同儕審查、發表於 arXiv 的研究，由史丹佛大學電腦科學博士生 Joon Sung Park 領軍，研究團隊招募了 1,000 名來自不同年齡、性別、種族、地區、教育程度和政治立場的受試者，透過深度訪談建立起他們的 AI 模型。更值得注意的是，這些 AI 數位分身在後續的性格測試、社會調查和邏輯表現中，展現出高達 85% 的相似度。「想像未來會有許多『小型的你』四處活動，做出與你相同的決定。」Joon Sung Park 表示。這種被稱為「模擬代理人」（simulation agents）的 AI 複製人，其開發初衷是為了協助社會科學等領域的研究者進行原本昂貴、不切實際或在倫理上有爭議的人體實驗。在評估 AI 複製人的效果時，研究團隊採用了幾種很基本的測試方法。首先是「綜合社會調查」，用於收集受試者的人口統計資料、幸福感和行為模式等基本資訊。其次是評估「五大人格特質」，包括經驗開放性、負責性、外向性、親和性和情緒穩定性等面向。雖然這些測試方法在社會科學研究中被廣泛使用，但仍難以完整捕捉人類個性的細微差異。更值得關注的是，在測試 AI 複製人對道德價值的理解時，研究團隊使用了「獨裁者賽局」等行為實驗。這類實驗主要用於觀察參與者如何權衡公平等價值觀，但結果顯示 AI 在這方面的模擬能力仍有待提升。不過，這些模擬代理人與目前主流 AI 公司正在開發的工具型代理人並不一樣。像是 Salesforce、Anthropic 等公司推出的 AI 代理人，主要用於執行特定工作事項例如數據輸入或資訊檢索之類。就像 AI 圖像生成技術可能被用於製作深偽影片一樣，個性複製技術也可能被濫用，讓他人在網路上冒充特定對象，發表或授權一些當事人並不認同的言論。在技術層面，研究團隊採用了質性訪談的方式來萃取個人特質。Joon Sung Park 表示，這個想法來自他在 2023 年發表生成式代理人研究後，參與許多 podcast 訪談的經驗：「在兩小時的訪談後，我發現人們確實對我有了深入的了解，兩小時的交談就能很有深度。」相較於一般的問卷調查，訪談更容易捕捉到個人的獨特經歷，這類資訊很難透過制式的問卷獲得。核稿編輯：Sisley快加入 INSIDE Google News 按下追蹤，給你最新、最 IN 的科技新聞！延伸閱讀：坦承「我用 AI 工作」很彆扭！員工：擔憂被貼上懶惰標籤為什麼全球都在投入主權 AI 競爭？解密全球科技軍備競賽聲音的瑞士刀：NVIDIA 發表 AI 聲音機器，能生成這世界不存在的聲音
-- gReader Pro
https://www.inside.com.tw/article/36892-ai-breakthrough-can-clone-85-percent-of-personality-in-two-hour-chat-raising-privacy-concerns
最近有一項來自史丹佛大學與 Google DeepMind 的最新研究可說正在挑戰人類對人工智慧極限的認知。他們最新研究表示，只需透過兩小時的訪談，AI 就能精確複製一個人的價值觀和偏好達 85%，創造出驚人相似的「數位分身」。這項尚未經同儕審查、發表於 arXiv 的研究，由史丹佛大學電腦科學博士生 Joon Sung Park 領軍，研究團隊招募了 1,000 名來自不同年齡、性別、種族、地區、教育程度和政治立場的受試者，透過深度訪談建立起他們的 AI 模型。更值得注意的是，這些 AI 數位分身在後續的性格測試、社會調查和邏輯表現中，展現出高達 85% 的相似度。「想像未來會有許多『小型的你』四處活動，做出與你相同的決定。」Joon Sung Park 表示。這種被稱為「模擬代理人」（simulation agents）的 AI 複製人，其開發初衷是為了協助社會科學等領域的研究者進行原本昂貴、不切實際或在倫理上有爭議的人體實驗。在評估 AI 複製人的效果時，研究團隊採用了幾種很基本的測試方法。首先是「綜合社會調查」，用於收集受試者的人口統計資料、幸福感和行為模式等基本資訊。其次是評估「五大人格特質」，包括經驗開放性、負責性、外向性、親和性和情緒穩定性等面向。雖然這些測試方法在社會科學研究中被廣泛使用，但仍難以完整捕捉人類個性的細微差異。更值得關注的是，在測試 AI 複製人對道德價值的理解時，研究團隊使用了「獨裁者賽局」等行為實驗。這類實驗主要用於觀察參與者如何權衡公平等價值觀，但結果顯示 AI 在這方面的模擬能力仍有待提升。不過，這些模擬代理人與目前主流 AI 公司正在開發的工具型代理人並不一樣。像是 Salesforce、Anthropic 等公司推出的 AI 代理人，主要用於執行特定工作事項例如數據輸入或資訊檢索之類。就像 AI 圖像生成技術可能被用於製作深偽影片一樣，個性複製技術也可能被濫用，讓他人在網路上冒充特定對象，發表或授權一些當事人並不認同的言論。在技術層面，研究團隊採用了質性訪談的方式來萃取個人特質。Joon Sung Park 表示，這個想法來自他在 2023 年發表生成式代理人研究後，參與許多 podcast 訪談的經驗：「在兩小時的訪談後，我發現人們確實對我有了深入的了解，兩小時的交談就能很有深度。」相較於一般的問卷調查，訪談更容易捕捉到個人的獨特經歷，這類資訊很難透過制式的問卷獲得。核稿編輯：Sisley快加入 INSIDE Google News 按下追蹤，給你最新、最 IN 的科技新聞！延伸閱讀：坦承「我用 AI 工作」很彆扭！員工：擔憂被貼上懶惰標籤為什麼全球都在投入主權 AI 競爭？解密全球科技軍備競賽聲音的瑞士刀：NVIDIA 發表 AI 聲音機器，能生成這世界不存在的聲音
-- gReader Pro
2024年11月28日 星期四
盜版影子圖書館的「羅賓漢心態」！研究顯示 Z-Library 幫助學生克服學術貧困
盜版影子圖書館的「羅賓漢心態」！研究顯示 Z-Library 幫助學生克服學術貧困
https://www.techbang.com/posts/119728-shadow-library-academic-poverty
高昂教科書價格下，Z-Library 為學生提供免費學術支持，引發教育公平新討論最近發表在《大學教學與學習實踐期刊》（Journal of University Teaching & Learning Practice）上的一項研究揭示了人們使用 Z-Library 的動機。研究顯示，高昂的書籍價格和有限的學術資源是受訪者使用該網站的主要原因。。這其中包括一群中國研究生，他們認為影子圖書館有助於克服（學術）貧困。 Z-Library 的重要性 Z-Library 是網路上最大的影子圖書館之一，擁有數百萬冊書籍和學術文章可供免費下載。 儘管在過去兩年中面臨重重困難，該網站依然屹立不倒。儘管遭到美國的全面刑事起訴，導致兩名 疑似營運者商在阿根廷被捕，但它仍在繼續營運。 這兩名俄羅斯被告被美國通緝，今年早些時候，一名法官批准了引渡他們的請求。然而，根據目前掌握的最新消息，他們在被軟禁期間逃逸，消失無蹤。。 這兩名俄羅斯人的角色仍然不清楚，但顯然，他們並非網站存續的關鍵人物。Z-Library 在他們面臨法律糾紛期間，仍然持續擴大其影響力。 Z-Library 使用動機研究 Z-Library 的使用者似乎也沒有受到刑事起訴的阻礙，因為他們繼續支持和使用該網站。對於許多人來說，Z-Library 只是一個方便的免費下載書籍的入口。然而，對於另一些人而言，它則是進一步學術研究的重要資源。 最近發表的研究聚焦於 Reddit 用戶和高等教育學生的「盜版」動機，特別是與 Z-Library 相關的行為。 研究背景 這篇由格林威治大學的麥可·戴（Michael Day）博士發表的論文將使用 Z-Library 標記為「學術網路犯罪」（Academic Cybercrime）。然而，研究結果表明，學生更有可能將其與「羅賓漢」相提並論。 該研究考察了兩組人的動機：Reddit 使用者和中國研究生。儘管這些群體之間存在巨大差異，但他們對 Z-Library 的看法卻非常相似。 Reddit 使用者的回應 這 134 份 Reddit 回應樣本來自 Zlibrary 子版塊，儘管該版塊顯然對該網站持支持態度，但回應理由並不限於「我想要免費的東西」這麼簡單。 許多評論者指出，貧困是他們使用該網站的重要原因。有人提到，Z-Library 是實現學術目標的必要工具。 例如，一名 Reddit 用戶寫道： 「生活在第三世界國家，一本書的價格就相當於我日薪的 50%-80%，」 其他評論者則強調，Z-Library 是「必要的惡」。例如，有學生幾乎無法支付日常開銷，也有無家可歸者既沒有購買實體書的資金，也沒有存放書籍的空間。 一些評論更進一步批評了大學圖書館缺乏免費獲取學術期刊的途徑，也是一個關鍵的動機因素。再加上期刊出版商賺取數十億美元，卻沒有補償作者的觀念，人們找到了「盜版」替代品的理由。 「他們賺取了巨額利潤。因此，從他們那裡偷竊不會傷害作者和審稿人，只會傷害那些只想著設計封面並點擊『發表』就能賺取數百萬美元的貪婪出版商。」 一位 Reddit 使用者寫道。 中國學生 研究的第二部分針對 103 名中國研究生進行了更為結構化的分析。這些學生參加了一場討論 Z-Library 及其法律困境的研討會，隨後參與了焦點小組討論並完成了調查問卷。 儘管並非所有學生都是影子圖書館的使用者，但 41% 的學生同意該網站的（暫時）關閉影響了他們學習和查找學位學習資源的能力。 總體而言，這些學生對 Z-Library 和類似網站持積極態度，其中 71% 承認曾使用過影子圖書館。與中國的社會主義價值觀一致，絕大多數學生認為，知識應該對所有人免費開放。 雖然學生們了解版權法，但他們認為，獲取知識的需求高於版權所有者的關切。這也反映在以下回應中，以及其他回應中。 Z-Library 或類似的網站對生活貧困的學生有幫助（82% 的人同意）。 學術教科書太貴了，作為學生我買不起（67% 的人同意）。 在我的國家，我獲得英文學術書籍的途徑有限（63% 的人同意）。 我更喜歡不受限制地下載書籍，比如（付費牆等），因為這很困難（77% 的人同意）。 總而言之，儘管存在潛在的版權問題，Z-Library 和其他影子圖書館仍被視為昂貴或難以獲取的書籍的可行選擇。 羅賓漢心態 這項研究揭示了使用影子圖書館的一些關鍵動機。然而，由於樣本量小、選擇偏差以及群體的特定特徵，這些研究結果應謹慎解釋。 儘管如此，麥可·戴博士指出，這些回應顯示出明顯的羅賓漢心態。Z-Library 的使用者透過免費下載作品來逃避出版商對知識的「稅收」。 總體來說，該論文建議，大學與出版商可能需要重新考慮現狀，並考慮讓更多內容免費開放，從 Z-Library 的模式中吸取教訓。 作者在結論中指出： 「大學需要重新考慮社會經濟和數位弱勢學生面臨的數位鴻溝，同時出版商也必須重新思考他們的方法，讓開放獲取研究更加普遍，從而更加人性化。」 值得注意的是，該論文以創用 CC 授權發表，免費向所有人開放。 延伸閱讀：這邊才查封那裡又改，影子圖書館Z-Library至少已經被查封350個域名 延伸閱讀：影子圖書館Z-Library兩名創始人從阿根廷軟禁中跑路，目前被下發國際通緝令 延伸閱讀：Z-Library即將全面收費下載？影子圖書館也有山寨網站，還會發詐騙郵件 延伸閱讀：ChatGPT等 AI 訓練資料部分來自侵犯版權的「影子圖書館」，數千名作家不滿發聲：得付版權費 資料來源：torrentfreak 加入電腦王Facebook粉絲團
-- gReader Pro
https://www.techbang.com/posts/119728-shadow-library-academic-poverty
高昂教科書價格下，Z-Library 為學生提供免費學術支持，引發教育公平新討論最近發表在《大學教學與學習實踐期刊》（Journal of University Teaching & Learning Practice）上的一項研究揭示了人們使用 Z-Library 的動機。研究顯示，高昂的書籍價格和有限的學術資源是受訪者使用該網站的主要原因。。這其中包括一群中國研究生，他們認為影子圖書館有助於克服（學術）貧困。 Z-Library 的重要性 Z-Library 是網路上最大的影子圖書館之一，擁有數百萬冊書籍和學術文章可供免費下載。 儘管在過去兩年中面臨重重困難，該網站依然屹立不倒。儘管遭到美國的全面刑事起訴，導致兩名 疑似營運者商在阿根廷被捕，但它仍在繼續營運。 這兩名俄羅斯被告被美國通緝，今年早些時候，一名法官批准了引渡他們的請求。然而，根據目前掌握的最新消息，他們在被軟禁期間逃逸，消失無蹤。。 這兩名俄羅斯人的角色仍然不清楚，但顯然，他們並非網站存續的關鍵人物。Z-Library 在他們面臨法律糾紛期間，仍然持續擴大其影響力。 Z-Library 使用動機研究 Z-Library 的使用者似乎也沒有受到刑事起訴的阻礙，因為他們繼續支持和使用該網站。對於許多人來說，Z-Library 只是一個方便的免費下載書籍的入口。然而，對於另一些人而言，它則是進一步學術研究的重要資源。 最近發表的研究聚焦於 Reddit 用戶和高等教育學生的「盜版」動機，特別是與 Z-Library 相關的行為。 研究背景 這篇由格林威治大學的麥可·戴（Michael Day）博士發表的論文將使用 Z-Library 標記為「學術網路犯罪」（Academic Cybercrime）。然而，研究結果表明，學生更有可能將其與「羅賓漢」相提並論。 該研究考察了兩組人的動機：Reddit 使用者和中國研究生。儘管這些群體之間存在巨大差異，但他們對 Z-Library 的看法卻非常相似。 Reddit 使用者的回應 這 134 份 Reddit 回應樣本來自 Zlibrary 子版塊，儘管該版塊顯然對該網站持支持態度，但回應理由並不限於「我想要免費的東西」這麼簡單。 許多評論者指出，貧困是他們使用該網站的重要原因。有人提到，Z-Library 是實現學術目標的必要工具。 例如，一名 Reddit 用戶寫道： 「生活在第三世界國家，一本書的價格就相當於我日薪的 50%-80%，」 其他評論者則強調，Z-Library 是「必要的惡」。例如，有學生幾乎無法支付日常開銷，也有無家可歸者既沒有購買實體書的資金，也沒有存放書籍的空間。 一些評論更進一步批評了大學圖書館缺乏免費獲取學術期刊的途徑，也是一個關鍵的動機因素。再加上期刊出版商賺取數十億美元，卻沒有補償作者的觀念，人們找到了「盜版」替代品的理由。 「他們賺取了巨額利潤。因此，從他們那裡偷竊不會傷害作者和審稿人，只會傷害那些只想著設計封面並點擊『發表』就能賺取數百萬美元的貪婪出版商。」 一位 Reddit 使用者寫道。 中國學生 研究的第二部分針對 103 名中國研究生進行了更為結構化的分析。這些學生參加了一場討論 Z-Library 及其法律困境的研討會，隨後參與了焦點小組討論並完成了調查問卷。 儘管並非所有學生都是影子圖書館的使用者，但 41% 的學生同意該網站的（暫時）關閉影響了他們學習和查找學位學習資源的能力。 總體而言，這些學生對 Z-Library 和類似網站持積極態度，其中 71% 承認曾使用過影子圖書館。與中國的社會主義價值觀一致，絕大多數學生認為，知識應該對所有人免費開放。 雖然學生們了解版權法，但他們認為，獲取知識的需求高於版權所有者的關切。這也反映在以下回應中，以及其他回應中。 Z-Library 或類似的網站對生活貧困的學生有幫助（82% 的人同意）。 學術教科書太貴了，作為學生我買不起（67% 的人同意）。 在我的國家，我獲得英文學術書籍的途徑有限（63% 的人同意）。 我更喜歡不受限制地下載書籍，比如（付費牆等），因為這很困難（77% 的人同意）。 總而言之，儘管存在潛在的版權問題，Z-Library 和其他影子圖書館仍被視為昂貴或難以獲取的書籍的可行選擇。 羅賓漢心態 這項研究揭示了使用影子圖書館的一些關鍵動機。然而，由於樣本量小、選擇偏差以及群體的特定特徵，這些研究結果應謹慎解釋。 儘管如此，麥可·戴博士指出，這些回應顯示出明顯的羅賓漢心態。Z-Library 的使用者透過免費下載作品來逃避出版商對知識的「稅收」。 總體來說，該論文建議，大學與出版商可能需要重新考慮現狀，並考慮讓更多內容免費開放，從 Z-Library 的模式中吸取教訓。 作者在結論中指出： 「大學需要重新考慮社會經濟和數位弱勢學生面臨的數位鴻溝，同時出版商也必須重新思考他們的方法，讓開放獲取研究更加普遍，從而更加人性化。」 值得注意的是，該論文以創用 CC 授權發表，免費向所有人開放。 延伸閱讀：這邊才查封那裡又改，影子圖書館Z-Library至少已經被查封350個域名 延伸閱讀：影子圖書館Z-Library兩名創始人從阿根廷軟禁中跑路，目前被下發國際通緝令 延伸閱讀：Z-Library即將全面收費下載？影子圖書館也有山寨網站，還會發詐騙郵件 延伸閱讀：ChatGPT等 AI 訓練資料部分來自侵犯版權的「影子圖書館」，數千名作家不滿發聲：得付版權費 資料來源：torrentfreak 加入電腦王Facebook粉絲團
-- gReader Pro
2024年11月27日 星期三
Web Visual Editor – 实时可视化编辑 HTML 文件[VS Code 扩展]
Web Visual Editor – 实时可视化编辑 HTML 文件[VS Code 扩展]
https://www.appinn.com/web-visual-editor-for-vscode/
Web Visual Editor 是一款 VS Code 扩展，可以实时可视化编辑 HTML 文件。@Appinn 演示 特点 可视化编辑：在 WebView 中可视化编辑 HTML 元素。 实时预览：编辑时立即查看反映的更改。 与 Visual Studio Code 集成：无需额外的进程和窗口，并与 VSCode 主题良好集成。 功能 元素选择：轻松选择 HTML 元素。视觉选择与编辑器上的文本选择同步。反之亦然。 复制、剪切和粘贴元素：复制或剪切元素，将文本粘贴到所选元素中。 放大和缩小：放大和缩小页面。 脚本和链接管理：禁用脚本并管理链接以确保安全。 移动元素：拖动元素以重新排列其位置。 获取 GitHub VS 商店 原文：https://www.appinn.com/web-visual-editor-for-vscode/ 小众软件居然还有一个 VS Code 分类 相关阅读VSCode Rainbow Fart – 编程时，可爱的女孩子夸你写代码牛逼Gold Wave Editor Pro – 专业级音频处理软件Fly Video Editor – 最简单的视频剪辑应用[iPad/iPhone][人类进化史 – Visual Tee] 抽奖结果VS Code 官方正版安装中心在这里，别走错了 ©2023 青小蛙 for 小众软件 | 加入我们 | 投稿 | 订阅指南 3659b075e72a5b7b1b87ea74aa7932ff 点击这里留言、和原作者一起评论[ 点击前往获取链接 ]
-- gReader Pro
https://www.appinn.com/web-visual-editor-for-vscode/
Web Visual Editor 是一款 VS Code 扩展，可以实时可视化编辑 HTML 文件。@Appinn 演示 特点 可视化编辑：在 WebView 中可视化编辑 HTML 元素。 实时预览：编辑时立即查看反映的更改。 与 Visual Studio Code 集成：无需额外的进程和窗口，并与 VSCode 主题良好集成。 功能 元素选择：轻松选择 HTML 元素。视觉选择与编辑器上的文本选择同步。反之亦然。 复制、剪切和粘贴元素：复制或剪切元素，将文本粘贴到所选元素中。 放大和缩小：放大和缩小页面。 脚本和链接管理：禁用脚本并管理链接以确保安全。 移动元素：拖动元素以重新排列其位置。 获取 GitHub VS 商店 原文：https://www.appinn.com/web-visual-editor-for-vscode/ 小众软件居然还有一个 VS Code 分类 相关阅读VSCode Rainbow Fart – 编程时，可爱的女孩子夸你写代码牛逼Gold Wave Editor Pro – 专业级音频处理软件Fly Video Editor – 最简单的视频剪辑应用[iPad/iPhone][人类进化史 – Visual Tee] 抽奖结果VS Code 官方正版安装中心在这里，别走错了 ©2023 青小蛙 for 小众软件 | 加入我们 | 投稿 | 订阅指南 3659b075e72a5b7b1b87ea74aa7932ff 点击这里留言、和原作者一起评论[ 点击前往获取链接 ]
-- gReader Pro
Scrcpy v3.0 重磅升级：支持多个安卓应用同时投屏，开源免费
Scrcpy v3.0 重磅升级：支持多个安卓应用同时投屏，开源免费
https://www.appinn.com/scrcpy-3/
Scrcpy 是一款开源免费的电脑控制安卓工具，Scrcpy v3.0 昨天更新，新增虚拟显示功能（Virtual Display），可以同时启动多个安卓应用，投屏到电脑后，使用鼠标、键盘控制。@Appinn Scrcpy 是什么？ Scrcpy 是一款开源工具，可以实现用电脑控制安卓手机，适用于 Linux 、 Windows 和 macOS，只需要通过数据线或 Wi-Fi 连接安卓设备之后，就可以通过鼠标键盘控制安卓设备了，不需要额外的设置。 关于 Scrcpy，小众软件介绍过很多次了，甚至还有专门的标签 #Scrcpy： Scrcpy – 用电脑控制 Android 手机[Win/macOS/Linux] Scrcpy 2 发布，新增音频支持｜用 Win 电脑控制 Android 手机 甚至还有很多第三方项目： Scrcpy Remote – 用 iPhone 远程控制 Android 设备[iOS] ws-scrcpy – 用浏览器远程控制 Android 手机，实现云手机效果 一套键鼠同时操控电脑和安卓，原来这么简单｜InputShare 使用教程 等等，让在电脑上使用安卓这件事，更简单。 Scrcpy v3.0 虚拟显示 Virtual Display 使用方法 使用 Scrcpy 和之前一样，具体教程看这里（ adb 连接成功后，只需要运行 scrcpy 即可），升级到 Scrcpy v3.0 之后，只需要连接手机，通过命令行运行多次： scrcpy --new-display=1920x1080 # 使用1080 分辨率 scrcpy --new-display=1920x1080/420 # 强制 420 dpi scrcpy --new-display # 使用主屏幕的尺寸 scrcpy --new-display=/240 # 使用主屏幕的尺寸和 240 dpi 每运行一次，就打开一个 Scrcpy 窗口，在里面进行操作即可，实现多任务同时运行。 打开指定程序 如果想要打开指定程序，使用： scrcpy --new-display=1920x1080 --start-app=org.videolan.vlc 后面跟的是包名。那么问题来了，如何知道应用的包名呢？ 这个时候，我突然发觉… 这款应用，终于有了用武之地： AppList – 开源安卓应用：列出所有已安装手机应用，并导出 .CSV 列表｜这有什么用？ 它可以列出所有已安装应用包名…真的是，好巧啊 其他更新 可显示 HDR 内容 全新硬件解码器，提升解码性能 改进了 H.265 编码支持 支持通过 OTG 进行 USB 直接连接，无需通过 ADB 新增了对多种触控手势的支持，包括三指和四指手势 可以通过快捷键快速切换全屏模式 优化了音频同步机制，提供更好的音视频同步效果 改进了窗口管理，支持更灵活的窗口控制 新增了更多命令行选项，提供更细致的控制能力 推荐更新 获取 GitHub 搬运：（Windows 支持 32/64 位，scrcpy_intel_mac 专门适用于老款 Mac） 扫码关注小众软件微信公众号，回复 241126 获取下载地址： 原文：https://www.appinn.com/scrcpy-3/ 相关阅读Scrcpy 2 发布，新增音频支持｜用 Win 电脑控制 Android 手机用电脑控制 Android 手机的 Scrcpy 拥有更易使用的图形界面了ws-scrcpy – 用浏览器远程控制 Android 手机，实现云手机效果Scrcpy – 用电脑控制 Android 手机[Win/macOS/Linux]Scrcpy-mask – 通过'按键映射'，实现模拟器式流畅手游体验：跨平台的电脑控制安卓工具 ©2023 青小蛙 for 小众软件 | 加入我们 | 投稿 | 订阅指南 3659b075e72a5b7b1b87ea74aa7932ff 点击这里留言、和原作者一起评论[ 点击前往获取链接 ]
-- gReader Pro
https://www.appinn.com/scrcpy-3/
Scrcpy 是一款开源免费的电脑控制安卓工具，Scrcpy v3.0 昨天更新，新增虚拟显示功能（Virtual Display），可以同时启动多个安卓应用，投屏到电脑后，使用鼠标、键盘控制。@Appinn Scrcpy 是什么？ Scrcpy 是一款开源工具，可以实现用电脑控制安卓手机，适用于 Linux 、 Windows 和 macOS，只需要通过数据线或 Wi-Fi 连接安卓设备之后，就可以通过鼠标键盘控制安卓设备了，不需要额外的设置。 关于 Scrcpy，小众软件介绍过很多次了，甚至还有专门的标签 #Scrcpy： Scrcpy – 用电脑控制 Android 手机[Win/macOS/Linux] Scrcpy 2 发布，新增音频支持｜用 Win 电脑控制 Android 手机 甚至还有很多第三方项目： Scrcpy Remote – 用 iPhone 远程控制 Android 设备[iOS] ws-scrcpy – 用浏览器远程控制 Android 手机，实现云手机效果 一套键鼠同时操控电脑和安卓，原来这么简单｜InputShare 使用教程 等等，让在电脑上使用安卓这件事，更简单。 Scrcpy v3.0 虚拟显示 Virtual Display 使用方法 使用 Scrcpy 和之前一样，具体教程看这里（ adb 连接成功后，只需要运行 scrcpy 即可），升级到 Scrcpy v3.0 之后，只需要连接手机，通过命令行运行多次： scrcpy --new-display=1920x1080 # 使用1080 分辨率 scrcpy --new-display=1920x1080/420 # 强制 420 dpi scrcpy --new-display # 使用主屏幕的尺寸 scrcpy --new-display=/240 # 使用主屏幕的尺寸和 240 dpi 每运行一次，就打开一个 Scrcpy 窗口，在里面进行操作即可，实现多任务同时运行。 打开指定程序 如果想要打开指定程序，使用： scrcpy --new-display=1920x1080 --start-app=org.videolan.vlc 后面跟的是包名。那么问题来了，如何知道应用的包名呢？ 这个时候，我突然发觉… 这款应用，终于有了用武之地： AppList – 开源安卓应用：列出所有已安装手机应用，并导出 .CSV 列表｜这有什么用？ 它可以列出所有已安装应用包名…真的是，好巧啊 其他更新 可显示 HDR 内容 全新硬件解码器，提升解码性能 改进了 H.265 编码支持 支持通过 OTG 进行 USB 直接连接，无需通过 ADB 新增了对多种触控手势的支持，包括三指和四指手势 可以通过快捷键快速切换全屏模式 优化了音频同步机制，提供更好的音视频同步效果 改进了窗口管理，支持更灵活的窗口控制 新增了更多命令行选项，提供更细致的控制能力 推荐更新 获取 GitHub 搬运：（Windows 支持 32/64 位，scrcpy_intel_mac 专门适用于老款 Mac） 扫码关注小众软件微信公众号，回复 241126 获取下载地址： 原文：https://www.appinn.com/scrcpy-3/ 相关阅读Scrcpy 2 发布，新增音频支持｜用 Win 电脑控制 Android 手机用电脑控制 Android 手机的 Scrcpy 拥有更易使用的图形界面了ws-scrcpy – 用浏览器远程控制 Android 手机，实现云手机效果Scrcpy – 用电脑控制 Android 手机[Win/macOS/Linux]Scrcpy-mask – 通过'按键映射'，实现模拟器式流畅手游体验：跨平台的电脑控制安卓工具 ©2023 青小蛙 for 小众软件 | 加入我们 | 投稿 | 订阅指南 3659b075e72a5b7b1b87ea74aa7932ff 点击这里留言、和原作者一起评论[ 点击前往获取链接 ]
-- gReader Pro
以 OpenAI Whisper 轉語音備忘錄為字幕格式逐字稿
以 OpenAI Whisper 轉語音備忘錄為字幕格式逐字稿
https://gsyan888.blogspot.com/2024/11/whisper-ios-audio-to-text.html
有老師問到，平常都用 iPhone 在錄音，也可以使用 OpenAI Whisper 來將錄音轉為逐字稿嗎？使用我建構在 Google Colab 中的 OpenAI Whisper (或 Faster Whisper) ，只要有網頁瀏覽器，基本上就可以使用。它們的聲音來源接受影音網站公開分享的網址，也可用電腦或是裝置中的影音檔案。所以手機使用 OpenAI Whisper 來將錄音轉為逐字稿的關鍵，是將錄音工具中的語音儲存為檔案。語音備忘錄儲存到檔案以 iOS 中內鍵的錄音工具「語音備忘錄」來說，錄好的語音怎麼變成可上載的檔案？開啟「語音備忘錄」在錄音清單中，按一下想儲存的錄音。按一下標題右側「三個點點」「更多」的圖示(或是「分享」的圖示)。點選「儲存到檔案」(看不到就向下找找)。指定想儲存到哪個地方及檔案名稱。按「儲存」。[圖1] iOS語音備忘錄儲存到檔案那可以將錄音儲存到雲端硬碟中嗎？當然沒問題，想儲存到哪個地方完全自己決定就好。有了語音檔案了，接下來，就跟在電腦上操作 Colab 裡的 OpenAI Whisper 類似步驟。OpenAI Whisper 轉語音備忘錄為逐字稿經過前面的程序，將轉語音備忘錄儲存為檔案以後，我們就可以開啟 OpenAI Whisper 了。有兩個選擇，可以使用 OpenAI Whisper，或是 Faster Whisper，如果尚未使用過，可以先在電腦上，參考底下兩篇舊文，裡面有操作示範的影片：雄:使用 OpenAI Whisper 製作影音的字幕或逐字稿雄:以 Faster Whisper 將影音辨識為文字檔案(字幕或逐字稿)如果想直接使用 Whisper ，就用底下的連結來開啟工具：OpenAI Whisperhttps://tinyurl.com/gsyan-whisper2Faster Whisperhttps://tinyurl.com/gsyan-faster-whisper小技巧：上載音檔：在手機上，因為是直拿的版面，先按畫面左上角的「三條線」圖示，再按「顯示檔案瀏覽器」。這樣就可以看到「虛擬機」的檔案及目錄了（有時可能要稍等一下，等虛擬機啟動連線，請參考 [圖2] [圖3] 或示範影片）。格式選擇：2024.11.21 以後，格式的選項中，新增了「.srt.txt」的項目。它會輸出帶有時間的字幕格式逐字稿，但是因為檔名結尾為「.srt.txt」，在手機或是平板中會被視為純文字檔案，就可以直接開啟來查看內容。(請參考 [圖4])自動鎖定：手機、平板有省電的機置，可能會因為「自動鎖定」進看省電模式而自動關閉螢幕，導致 Whisper 的程序被中斷；所以在行動裝置在使用 Whisper，iOS 可能要暫時在「設定」「螢幕顯示與亮度」中，將「自動鎖定」關閉。建議如果時間較長的錄音檔，將錄音錄儲存到雲端硬碟，再使用電腦來轉逐字稿較理想。在手機中上傳音檔的程序如 [圖2] 所示：[圖2] 在手機中上傳音檔上傳好音檔後，按一下檔名，再按一下右側的「三個點點」，出現選單就按「複製路徑」。[圖3] 複製音檔的路徑將音檔的路徑貼入 url 的欄位中，將格式設定為 .srt.txt ，其它選項則依需求自行設定，都設定完就按左上角的「播放」圖示來開始執行程序 [圖4] :[圖4] 設定 & 執行完成後記得參考 [圖5] ，進行中斷連線並刪除程執行程序的動作：[圖5] 中斷連線並刪除程執行程序示範影片錄製中相關連結雄 : 使用 OpenAI Whisper 製作影音的字幕或逐字稿雄 : 以 Faster Whisper 將影音辨識為字幕或逐字稿
-- gReader Pro
https://gsyan888.blogspot.com/2024/11/whisper-ios-audio-to-text.html
有老師問到，平常都用 iPhone 在錄音，也可以使用 OpenAI Whisper 來將錄音轉為逐字稿嗎？使用我建構在 Google Colab 中的 OpenAI Whisper (或 Faster Whisper) ，只要有網頁瀏覽器，基本上就可以使用。它們的聲音來源接受影音網站公開分享的網址，也可用電腦或是裝置中的影音檔案。所以手機使用 OpenAI Whisper 來將錄音轉為逐字稿的關鍵，是將錄音工具中的語音儲存為檔案。語音備忘錄儲存到檔案以 iOS 中內鍵的錄音工具「語音備忘錄」來說，錄好的語音怎麼變成可上載的檔案？開啟「語音備忘錄」在錄音清單中，按一下想儲存的錄音。按一下標題右側「三個點點」「更多」的圖示(或是「分享」的圖示)。點選「儲存到檔案」(看不到就向下找找)。指定想儲存到哪個地方及檔案名稱。按「儲存」。[圖1] iOS語音備忘錄儲存到檔案那可以將錄音儲存到雲端硬碟中嗎？當然沒問題，想儲存到哪個地方完全自己決定就好。有了語音檔案了，接下來，就跟在電腦上操作 Colab 裡的 OpenAI Whisper 類似步驟。OpenAI Whisper 轉語音備忘錄為逐字稿經過前面的程序，將轉語音備忘錄儲存為檔案以後，我們就可以開啟 OpenAI Whisper 了。有兩個選擇，可以使用 OpenAI Whisper，或是 Faster Whisper，如果尚未使用過，可以先在電腦上，參考底下兩篇舊文，裡面有操作示範的影片：雄:使用 OpenAI Whisper 製作影音的字幕或逐字稿雄:以 Faster Whisper 將影音辨識為文字檔案(字幕或逐字稿)如果想直接使用 Whisper ，就用底下的連結來開啟工具：OpenAI Whisperhttps://tinyurl.com/gsyan-whisper2Faster Whisperhttps://tinyurl.com/gsyan-faster-whisper小技巧：上載音檔：在手機上，因為是直拿的版面，先按畫面左上角的「三條線」圖示，再按「顯示檔案瀏覽器」。這樣就可以看到「虛擬機」的檔案及目錄了（有時可能要稍等一下，等虛擬機啟動連線，請參考 [圖2] [圖3] 或示範影片）。格式選擇：2024.11.21 以後，格式的選項中，新增了「.srt.txt」的項目。它會輸出帶有時間的字幕格式逐字稿，但是因為檔名結尾為「.srt.txt」，在手機或是平板中會被視為純文字檔案，就可以直接開啟來查看內容。(請參考 [圖4])自動鎖定：手機、平板有省電的機置，可能會因為「自動鎖定」進看省電模式而自動關閉螢幕，導致 Whisper 的程序被中斷；所以在行動裝置在使用 Whisper，iOS 可能要暫時在「設定」「螢幕顯示與亮度」中，將「自動鎖定」關閉。建議如果時間較長的錄音檔，將錄音錄儲存到雲端硬碟，再使用電腦來轉逐字稿較理想。在手機中上傳音檔的程序如 [圖2] 所示：[圖2] 在手機中上傳音檔上傳好音檔後，按一下檔名，再按一下右側的「三個點點」，出現選單就按「複製路徑」。[圖3] 複製音檔的路徑將音檔的路徑貼入 url 的欄位中，將格式設定為 .srt.txt ，其它選項則依需求自行設定，都設定完就按左上角的「播放」圖示來開始執行程序 [圖4] :[圖4] 設定 & 執行完成後記得參考 [圖5] ，進行中斷連線並刪除程執行程序的動作：[圖5] 中斷連線並刪除程執行程序示範影片錄製中相關連結雄 : 使用 OpenAI Whisper 製作影音的字幕或逐字稿雄 : 以 Faster Whisper 將影音辨識為字幕或逐字稿
-- gReader Pro
2024年11月26日 星期二
Codepng：快速將程式碼轉換為精美圖片，並加入視窗與漸層背景效果
Codepng：快速將程式碼轉換為精美圖片，並加入視窗與漸層背景效果
https://free.com.tw/codepng/
Codepng 是一個很好用的線上工具，可以將使用者的程式碼轉為令人驚嘆的圖片，更適合在社群媒體上分享。之前介紹過不少類似工具，例如 Carbon、Codeimg 和 Ray.so，其實這些工具在使用上差異並不大，而且不只有使用在呈現程式語言內容，想要突顯一篇短文也會很有用，而且不用安裝任何軟體或應用程式，以瀏覽器打開網站即可使用。 Codepng 本身已經內建一些程式碼配色主題，只要打開網站、將程式碼貼上後選擇程式語言類型，再調整一下顏色就可以快速生成圖片，操作上沒什麼難度，比較有趣的是它也提供一些來自 Gradientos 的漸層背景，選取就會自動套入目前預覽，在最短時間內產生圖片，接下來就實際示範 Codepng 操作方式吧！ 網站名稱：Codepng網站鏈結：https://www.codepng.app/ 使用教學 輸入要生成的程式碼。 開啟 Codepng 網站後直接編輯上方的程式碼，將預設內容全選、刪除，把要製作成圖片的程式碼貼上，左右兩側還可以調整圖片寬度大小，即使程式碼很長也能正確生成。 選擇佈景主題和程式語言類型。 貼上程式碼後先從左下角「Theme」選擇要帶入的程式碼上色主題，選取後會直接套用。 接著再從「Language」選擇程式語言類型，例如我在這裡使用 Python 做為範例，選好才可以正確標記顏色。 調整背景色和各種外觀選項。 從下方點選「Background」調整背景色，前面有提到 Codepng 收錄一系列 Gradientos 提供的漸層背景，看起來配色很舒服，如果需要也能切換為單色或是自訂漸層背景，最上方還有調整間距的選項。 Codepng 可以調整的選項很多，例如視窗控制（Window Controls）可選擇不同的顏色（左上角按鈕），或是設定行數顏色、編輯器透明度。 匯出圖片。 完成後點選下方「Export PNG」即可將製作後的圖片匯出為 PNG 格式。 值得一試的三個理由： 提供直觀的操作介面，使用者只需貼上程式碼並選擇主題即可快速生成圖片 內建多種配色主題及漸層背景，讓使用者能自由調整，創造出獨特的視覺效果 透過瀏覽器即可使用，方便快捷，不必擔心安裝問題 這篇文章「Codepng：快速將程式碼轉換為精美圖片，並加入視窗與漸層背景效果」最早出現在免費資源網路社群，請追蹤 Google 新聞、Facebook、X (Twitter) 或訂閱 RSS feed 獲取更多科技新知及免費資源相關介紹教學。
-- gReader Pro
https://free.com.tw/codepng/
Codepng 是一個很好用的線上工具，可以將使用者的程式碼轉為令人驚嘆的圖片，更適合在社群媒體上分享。之前介紹過不少類似工具，例如 Carbon、Codeimg 和 Ray.so，其實這些工具在使用上差異並不大，而且不只有使用在呈現程式語言內容，想要突顯一篇短文也會很有用，而且不用安裝任何軟體或應用程式，以瀏覽器打開網站即可使用。 Codepng 本身已經內建一些程式碼配色主題，只要打開網站、將程式碼貼上後選擇程式語言類型，再調整一下顏色就可以快速生成圖片，操作上沒什麼難度，比較有趣的是它也提供一些來自 Gradientos 的漸層背景，選取就會自動套入目前預覽，在最短時間內產生圖片，接下來就實際示範 Codepng 操作方式吧！ 網站名稱：Codepng網站鏈結：https://www.codepng.app/ 使用教學 輸入要生成的程式碼。 開啟 Codepng 網站後直接編輯上方的程式碼，將預設內容全選、刪除，把要製作成圖片的程式碼貼上，左右兩側還可以調整圖片寬度大小，即使程式碼很長也能正確生成。 選擇佈景主題和程式語言類型。 貼上程式碼後先從左下角「Theme」選擇要帶入的程式碼上色主題，選取後會直接套用。 接著再從「Language」選擇程式語言類型，例如我在這裡使用 Python 做為範例，選好才可以正確標記顏色。 調整背景色和各種外觀選項。 從下方點選「Background」調整背景色，前面有提到 Codepng 收錄一系列 Gradientos 提供的漸層背景，看起來配色很舒服，如果需要也能切換為單色或是自訂漸層背景，最上方還有調整間距的選項。 Codepng 可以調整的選項很多，例如視窗控制（Window Controls）可選擇不同的顏色（左上角按鈕），或是設定行數顏色、編輯器透明度。 匯出圖片。 完成後點選下方「Export PNG」即可將製作後的圖片匯出為 PNG 格式。 值得一試的三個理由： 提供直觀的操作介面，使用者只需貼上程式碼並選擇主題即可快速生成圖片 內建多種配色主題及漸層背景，讓使用者能自由調整，創造出獨特的視覺效果 透過瀏覽器即可使用，方便快捷，不必擔心安裝問題 這篇文章「Codepng：快速將程式碼轉換為精美圖片，並加入視窗與漸層背景效果」最早出現在免費資源網路社群，請追蹤 Google 新聞、Facebook、X (Twitter) 或訂閱 RSS feed 獲取更多科技新知及免費資源相關介紹教學。
-- gReader Pro
2024年11月24日 星期日
2024年11月23日 星期六
iPad可用AI绘画交互编辑神器火了，网友：颤抖吧PS
iPad可用AI绘画交互编辑神器火了，网友：颤抖吧PS
https://www.eiefun.com/8845.html
比PS更懂你的AI图片编辑工具—— MagicQuill （魔法羽毛）来了！ 1分钟出图：不用打字、简单勾画几笔就能编辑图片。 还支持直接在iPad上在线编辑！ 研究团队来自香港科技大学、蚂蚁集团、浙江大学和香港大学等机构。 我们先一起看个例子感受一下—— 有了MagicQuill，现在当你想要给人物更换衣服时，就可以直接画出领子，它会自动帮你补全。 加条项链、去除路人，几秒钟就搞定： 你还可以更换发色、让人物戴上花环，甚至更改花朵的颜色： 只需要1分钟多的时间，就可以实现上面这么多编辑效果，尤其是对于想要快速修改照片的用户来说，简直太方便了！ 还有更多有趣的例子，机器人、汽车、蛋糕等，都可以快速修改！ 有多位网友评论说，AI图像编辑真的进步飞快，" 能读懂用户心思 "是非常具有未来感的用户体验。 甚至还有网友说，颤抖吧，PS！ MagicQuill目标是理解精细修改意图 虽然目前AI图像编辑工具是百花齐放，但想要实现精细编辑，很多工具的效果还是比较令人捉急。 MagicQuill团队的目标是实现一个高效且精确的图像编辑系统，能够在用户进行细微修改时提供更好的使用体验。 这不仅包括实现细粒度的图像编辑控制、还要提供直观的用户界面、并实时预测用户意图。 最终团队选择基于扩散模型、文本和掩码的图像编辑方法、以及多模态大型语言模型（MLLMs） 进行实现，并设计了简约实用的用户界面。 MagicQuill的具体构成 一起来看看MagicQuill系统的具体构成是什么样的。主要分为3个部分： 1.编辑处理器 编辑处理器采用双分支架构，包括内容感知修复分支和结构引导分支。 内容感知修复分支利用UNet架构，结合掩码图像特征和预训练的扩散网络进行像素级修复。 结构引导分支则通过ControINet插入条件控制，确保编辑操作的精确性。 2.绘画助手 绘画助手通过多模态大型语言模型（MLLM） 实时预测用户意图。 具体的任务称为"Draw&Guess"，也就是通过图像上下文解释用户笔画并自动生成相关提示。 团队采用的数据集通过生成边缘图和模拟用户笔画进行构建，并使用LLaMA模型进行微调。 3.创意收集器 创意收集器为用户提供了一个简约直观的界面，它兼容多个平台，团队也提供了在线demo，你可以在电脑或iPad上直接使用！ 界面主要包括提示区、工具栏、图层管理、主画布、生成图像预览区、执行按钮和参数调整区。 按钮设计非常简洁，有上传图片、"增加"画笔、"减少"画笔、改颜色画笔、橡皮等等。 下方的参数调整区域更适合有丰富的生图经验的专业人士： 比如在Base Model Name里，你可以选择不同的基础模型，有适合生成真实风格的SD1.5/realisticVisionV60B1_v51VAE.safetensors、适合生成幻想风格的SD1.5/DreamShaper.safetensors等。 你还可以调整Negative Prompt避免生成部分内容、还有Fine Edge精细边缘调整、Grow Size调整笔触大小等等。完整工作流程如下图所示。 实际效果怎样呢？ 为了更准确地测试MagicQuill的具体效果，团队还设计了3个验证实验： 1.可控生成评估 将MagicQuill与四个基线方法（SmartEdit、SketchEdit、BrushNet及其组合）进行比较，评估编辑处理器的可控生成能力，尤其关注边缘对齐和颜色保真度。 结果显示，MagicQuill的编辑处理器在所有指标上均优于基线方法，具有更高的边缘对齐度和颜色保真度。 2.预测准确性评估 为了评估MagicQuill在模拟手绘输入下的语义预测准确性，团队将它的绘画助手与三种最先进的MLLMs （LLaVA-1.5、LLaVA-Next、GPT-4o）进行了比较。 结果显示，绘画助手在所有测试的MLLMS中表现最佳，可以更准确地捕捉和预测用户绘图的语义含义。 3.创意收集器有效性评估 团队还通过用户研究评估了创意收集器的效率和可用性，并比较了它与基线系统的差异。 用户研究结果显示，MagicQuill在所有评估维度上都显著优于基线系统，包括复杂性和效率、一致性和集成、易用性以及总体满意度4个方面。 看来体验过的用户反馈都不错呢！ 未来工作 团队还表示，这将是一个长期的工作，未来他们的目标是扩展系统功能，纳入更多的编辑类型，如基于参考的编辑，这将允许用户使用外部图像指导修改。 他们还计划实现分层图像生成，可以让编辑更加灵活、支持更多复杂合成。 系统也会支持排版，能够处理更多图像中的文本元素。 目前MagicQuill的代码、论文和Demo都已上线，感兴趣的小伙伴可以马上试用起来了！链接就在下方。 版权声明 本文为本站原创内容,转载需注明文章来源(https://www.eiefun.com)，另:文中部分素材可能会引用自其他平台，如有侵权或其它，请联系 admin@eiefun.com，我们会第一时间配合删除
-- gReader Pro
https://www.eiefun.com/8845.html
比PS更懂你的AI图片编辑工具—— MagicQuill （魔法羽毛）来了！ 1分钟出图：不用打字、简单勾画几笔就能编辑图片。 还支持直接在iPad上在线编辑！ 研究团队来自香港科技大学、蚂蚁集团、浙江大学和香港大学等机构。 我们先一起看个例子感受一下—— 有了MagicQuill，现在当你想要给人物更换衣服时，就可以直接画出领子，它会自动帮你补全。 加条项链、去除路人，几秒钟就搞定： 你还可以更换发色、让人物戴上花环，甚至更改花朵的颜色： 只需要1分钟多的时间，就可以实现上面这么多编辑效果，尤其是对于想要快速修改照片的用户来说，简直太方便了！ 还有更多有趣的例子，机器人、汽车、蛋糕等，都可以快速修改！ 有多位网友评论说，AI图像编辑真的进步飞快，" 能读懂用户心思 "是非常具有未来感的用户体验。 甚至还有网友说，颤抖吧，PS！ MagicQuill目标是理解精细修改意图 虽然目前AI图像编辑工具是百花齐放，但想要实现精细编辑，很多工具的效果还是比较令人捉急。 MagicQuill团队的目标是实现一个高效且精确的图像编辑系统，能够在用户进行细微修改时提供更好的使用体验。 这不仅包括实现细粒度的图像编辑控制、还要提供直观的用户界面、并实时预测用户意图。 最终团队选择基于扩散模型、文本和掩码的图像编辑方法、以及多模态大型语言模型（MLLMs） 进行实现，并设计了简约实用的用户界面。 MagicQuill的具体构成 一起来看看MagicQuill系统的具体构成是什么样的。主要分为3个部分： 1.编辑处理器 编辑处理器采用双分支架构，包括内容感知修复分支和结构引导分支。 内容感知修复分支利用UNet架构，结合掩码图像特征和预训练的扩散网络进行像素级修复。 结构引导分支则通过ControINet插入条件控制，确保编辑操作的精确性。 2.绘画助手 绘画助手通过多模态大型语言模型（MLLM） 实时预测用户意图。 具体的任务称为"Draw&Guess"，也就是通过图像上下文解释用户笔画并自动生成相关提示。 团队采用的数据集通过生成边缘图和模拟用户笔画进行构建，并使用LLaMA模型进行微调。 3.创意收集器 创意收集器为用户提供了一个简约直观的界面，它兼容多个平台，团队也提供了在线demo，你可以在电脑或iPad上直接使用！ 界面主要包括提示区、工具栏、图层管理、主画布、生成图像预览区、执行按钮和参数调整区。 按钮设计非常简洁，有上传图片、"增加"画笔、"减少"画笔、改颜色画笔、橡皮等等。 下方的参数调整区域更适合有丰富的生图经验的专业人士： 比如在Base Model Name里，你可以选择不同的基础模型，有适合生成真实风格的SD1.5/realisticVisionV60B1_v51VAE.safetensors、适合生成幻想风格的SD1.5/DreamShaper.safetensors等。 你还可以调整Negative Prompt避免生成部分内容、还有Fine Edge精细边缘调整、Grow Size调整笔触大小等等。完整工作流程如下图所示。 实际效果怎样呢？ 为了更准确地测试MagicQuill的具体效果，团队还设计了3个验证实验： 1.可控生成评估 将MagicQuill与四个基线方法（SmartEdit、SketchEdit、BrushNet及其组合）进行比较，评估编辑处理器的可控生成能力，尤其关注边缘对齐和颜色保真度。 结果显示，MagicQuill的编辑处理器在所有指标上均优于基线方法，具有更高的边缘对齐度和颜色保真度。 2.预测准确性评估 为了评估MagicQuill在模拟手绘输入下的语义预测准确性，团队将它的绘画助手与三种最先进的MLLMs （LLaVA-1.5、LLaVA-Next、GPT-4o）进行了比较。 结果显示，绘画助手在所有测试的MLLMS中表现最佳，可以更准确地捕捉和预测用户绘图的语义含义。 3.创意收集器有效性评估 团队还通过用户研究评估了创意收集器的效率和可用性，并比较了它与基线系统的差异。 用户研究结果显示，MagicQuill在所有评估维度上都显著优于基线系统，包括复杂性和效率、一致性和集成、易用性以及总体满意度4个方面。 看来体验过的用户反馈都不错呢！ 未来工作 团队还表示，这将是一个长期的工作，未来他们的目标是扩展系统功能，纳入更多的编辑类型，如基于参考的编辑，这将允许用户使用外部图像指导修改。 他们还计划实现分层图像生成，可以让编辑更加灵活、支持更多复杂合成。 系统也会支持排版，能够处理更多图像中的文本元素。 目前MagicQuill的代码、论文和Demo都已上线，感兴趣的小伙伴可以马上试用起来了！链接就在下方。 版权声明 本文为本站原创内容,转载需注明文章来源(https://www.eiefun.com)，另:文中部分素材可能会引用自其他平台，如有侵权或其它，请联系 admin@eiefun.com，我们会第一时间配合删除
-- gReader Pro
AI 在风电领域落地的四要素：数据、人才、模型、场景
AI 在风电领域落地的四要素：数据、人才、模型、场景
https://www.eiefun.com/8839.html
AI 已经在风电领域中有所应用，今天将分享我们在风电行业场景落地过程中，总结的一些具有共性和特性的问题，以及相应的 AI 和大模型落地的建议。今天主要分三部分展开：首先纵观整个风电市场的发展现状，其次展开 AI 在风电领域的主要应用场景，最后根据风电企业在落地 AI 应用中遇到的挑战和解决建议。 分享嘉宾｜殷自强和鲸科技联合创始人、执行总裁&首席产品官 01、 风电市场发展情况 今年的风能市场是全球发展最好的一年。在 2023 年，陆上风机的装机容量已经超过了 100GW，同比增长54%。海上风机装机量也达到历史第二好的一年。预估 2030 年全球风电装机容量将提高到三倍。 从整体发展来看，在未来几年风电装机量依旧是一个线性增长的势头，从另外一个视角来看，它发展的如此迅速，那性价比是怎么样的呢？ 无论是国内还是全球，大家都有一个比较惊喜的共识：目前风电的竞标价已经低于传统能源的价格，所以相比于传统能源，风电其实是更具性价比的一种模式。那在风电快速发展的过程中，会遇到哪些问题呢？上图黄色区域中提出了许多相关的影响因素，我们重点看一下"供应链与劳动力的限制"这个因素。 在新能源领域中有众多的上下游，需要许多的劳动力在上下游中去推进工作，之前也跟国内的相关运营商合作中讨论到目前每台风机每年的运营成本都是上百万的，所以如何利用 AI 相关的算法，对供应链峰值管理、劳动力结构等方面做一些调整，是我们核心考虑让 AI 发挥非常重要角色的场景之一。 同时我们可以看到，中国在风电领域的占有量是世界第一，截止2022年共有3782个风电场，国内排名前10的风电运营商中，运营的风电场数量都是超过100个。而超过 500 个风电场的运营商就包括国家能源集团、国家电投、中国大唐。其实就现阶段而言，整个风电存量市场非常庞大，存量市场的运营提效已经是一件非常重要的工作。 02、 AI 在风电领域的主要应用场景 如何借助数字化与 AI 能力进行整体的精细化运营，是影响整个行业持续发展的关键因素。目前AI 在风电领域比较普遍在应用的主要有两类场景。 第一类场景：风电场功率预测 风电作为可再生新能源，风能的预估会影响到风电场的发电功率，包括光伏也是会有同样的问题，这是属于新能源跟其他能源不一样的关注视角。一般可以分为超短期、短期、中期、长期预测。 在做超短期预测时，预测单位是分钟级跟小时级的风能预测，可以对整个风电场的电能质量进行有效控制。在做短期预测时，是做小时到天级别的发电量精准预测，对于风力发电功率如何做竞价上网，以及电网调度等方面会是比较重要的价值。 在做中期预测时，做的是周跟月级别的预测，也被称为周期预测，这样能用于指导风电机组的检修或调试。在做长期预测时，一般是服务于如何做风电场的选址，也就是当前区域中，每年的风资源规模，是否适合建设风机。所以单独对风能在不同阶段的预测结果都会比较大的影响整个风电场的运营跟运维。具体怎么做预测，也被分成了两块。 1、提升对于风资源预报的准确性。有些人会提出疑问，为什么不直接用气象局的数据预报结果呢？中国气象局也是我们的客户，我们和气象局的专家做过交流，以及结合过往的实施经验来看，如果直接用气象局相关的预报结果，会有一些限制。 第一是空间分辨率不足，一般气象局直接提供的较高分辨率预报网格是 1公里的网格大小，和风机的距离并不一致，可能会导致建设的风机不在预报的网格内，这就会很难精确描述风电场所在的局部地形和微气象的特征。 第二是时间分辨率的限制，例如前面提到的超短期预测，对于风电场的影响是分钟级的，但能从气象局直接获取到的只是小时级的预测结果，不一定满足实际的业务诉求。 第三是预报高度的偏差，现在国内气象业务化的预报主要是 10 米风，也就是高于地面 10 米的风速，而实际的风机高度会更高，这就会存在风差。 第四是局地效应未充分考虑，风机的风速可能会受地形的影响，所以单独拿气象局的风资源预报数据，是不够准确的。针对以上问题能如何解决呢？首先中国气象局近两年也在与风电运营商开展一些联合合作，进一步提高风电场的预报准确度；其次近些年风电场商以及运营商正在提升和优化这些偏差，包括在风机上装测速仪等方式，根据其预报结果，可拟合出数据以提升对应风电场的数据。 2、如何基于风的数据，进行输出功率的预测。这块相关模型方法的讨论非常多，比如欧洲的一些国家，在早些年基于统计学模型做的是比较成熟的。近些年来国内的公司正在探讨和考虑如何利用 AI 模型将传统成熟的统计学模型进行结合，来提升准确率。例如三峡、国电投单独成立了气象研究团队，专门来解决这个问题。如果能够达到更好的功率预测，整个运营运维成本会起到质变的飞跃。 第二类场景：工业设备异常检测 现在每台风机每年的运维成本已经达到百万级，一个风电场可能有多个风机，如果能实现整个风电机组关键部件的实时检测、可以提前去排查相关的故障隐患，就能进一步降低运维成本。包含以下两类手段。 1、基于图像的检测手段。针对陆上风机，可以做无人机的巡检；而海上风机，现在也有做无人船的巡检等。可以通过不同的监测手段去获得相应的检测图片，然后利用视觉算法进行信息识别，例如识别砂眼、剥落、裂纹、结冰等等不同场景的问题。 2、结合现有数字化基础，进行数据检测和预警。这部分主要是以 SCADA 的设备运行数据，当每个风电设备运行时，它输入的相关采集，或者是 MRO 运维数据，以这些设备数据进行相关的异常情况监测。利用相关的 AI 方法做对应的检测、预警，包括功率状态识别、振动状态识别、运维工况识别等等。 03 落地挑战与实践案例 当企业真的要去落地 AI 的时候，要解决的核心问题是围绕一系列的决策流程，形成模型驱动的集团能力升级。 首先是数据孤岛问题。 其实在新能源、风能甚至整个大工业领域中不缺乏数据，缺的是可以被模型批量获取的高质量数据。以往搭建数据平台可能是为单一应用场景设计的，数据的流动更多是在审批流中，但在去用一些更大的模型时，需要的是跨不同应用的数据流动。所以要先解决的是"模型如何去获得不同数据源"，打破数据孤岛的问题。 其次是相关人才缺乏。不仅是懂 AI 算法的人员也需要一线的技术人员。双方应该配合来使用方法去解决问题，以及一线的人员如何去更好地理解数字化跟 AI 智能，愿意把这些模型应用到相关的场景中，改变一些传统的工作方式。 最后是创新阻力。能源所在的还是偏传统的行业，在实际落地中会有许多的创新阻力。比如之前获得一个数据需要走审批，但现在要做到让模型持续的去读、实现相关的推理、实现模型驱动的决策等等。而现有的流程系统及相关基础设施其实是缺乏对 AI 模型全生命周期的支撑。所以企业在准备 AI 落地的时候，会同时面临信息化、数字化跟智能化三级跳的问题，并不是等信息化完成了再去做 AI 。 从整体规划来看，这将变成集团级的能力升级的问题，需要系统的考虑是否有办法驱动一些模型、驱动流程在业务当中做落地。 以这样的出发点该怎么具体落地 AI 呢？是不是要等集团的能力去解决？或者把整个集团所有的业务梳理完再去落地？到底要找什么样的场景做落地？答案肯定不是的。站在 PMF 方法论的角度来说，找到一个 MVP 场景去实现第一个价值闭环才是最重要的。只有把 MVP 跑通，再去争取更大的资源来推动完成。 我们在与客户合作中发现跑通 MVP 有几个关键点。第一，第一个落地场景尽量减少跟历史技术栈或者复杂业务流去耦合。第二，场景要足够典型，或者价值更大。需要花时间做数据、人才、模型三要素盘点。盘数据需重点关注实际数据质量和数据的可获得性，否则在落地过程会需要花大量时间去清理、或者花大量时间抵抗历史已有数据的获取流程；盘人才需要针对业务场景配备算法人员以及调动业务人员一起探索新的业务流程；盘模型就是优先选择有小模型驱动过的场景，这样会在落地过程中减少很多上下游的流程和阻力。 下面分享一下我们和国内某风电场运营商落地 AI 的过程与一些探索经验。 冷启动阶段主要是做 MVP 的过程，直接去做 AI 落地是很难的，因为支撑 AI 落地是需要构建一个平台来驱动各个流程的。当建立起一个新的平台并结合相关 AI 算法，就会发现所有要做的事情都是新的，平台是新的、流程是新的、模型是新的、人也是新的，这是一个巨大的转变，也就意味着会有很多困难。所以在冷启动期，选择大家最熟悉的一个场景——风机运维，先用小模型跑通相关的数据流跟业务流，去做风机功率特性分析、传动链振动故障分析以及风电设备特征分析等等。 通过偏数据分析的场景，先把这些数据接入 AI 平台上，再做一个小模型生成结果，最后让业务人员直接应用这个流程。通过这个 MVP 我们同时解决了数据接入平台、数据模型决策的业务流程、算法与领域专家协同的基础价值闭环。 跑通第一个 MVP 场景之后如何扩大场景？如何向领导汇报当前成果？如何得到内部足够支持？建议的切入点是把在冷启动阶段的成果做成内部的文化建设，举办企业数据分析训练营、开展企业数据竞赛，要能够把人才调动起来，同时可以把相关的成果聚合到内部的数据模型生态门户中，这样在推进公司内的数字化或AI工作就会获得更多一线人员的"拥护者"，以及更能帮决策层获得业务成果被进一步放大后的想象。 接下来就可以用相同的方式来发展 AI应用，但很重要的一点是能够为平台争取更多的 AI 基建资源。扩大数据跟算力的接入体量，解决数据的可获得性跟 AI 所需要的一些算力基础设施。进而可以在同一个平台之上，再去做小步快跑的 AI 应用，不断的沉淀相关的AI能力，形成内部的模型资产和知识资产。 有许多客户同时也在关心大模型如何落地的问题，风电场景的许多业务决策涉及到时序数据以及因果链，对目前国内基座大模型的能力来说还是比较挑战，所以目前整体大模型在新能源场景的落地进展还比较早期，更多是冷启动的探索阶段。但这种冷启动探索要跑通，需要依赖的远不止是大模型技术本身，更重要的是企业是否建立起了这种创新流程与创新文化，是否能够让数据流动起来，是否能够让人才被调动起来，是否能够形成孵化模型落地的土壤，这些是前期数字化建设与发展最需要考虑的问题。以风电运维场景的 AI落地流程为例，如何将原本的数字化系统和 AI 模型接入到未来希望发展的大模型当中，和鲸整理了以上6个落地步骤，希望对大家能有所帮助。以上是本次分享的全部内容。 版权声明 本文为本站原创内容,转载需注明文章来源(https://www.eiefun.com)，另:文中部分素材可能会引用自其他平台，如有侵权或其它，请联系 admin@eiefun.com，我们会第一时间配合删除
-- gReader Pro
https://www.eiefun.com/8839.html
AI 已经在风电领域中有所应用，今天将分享我们在风电行业场景落地过程中，总结的一些具有共性和特性的问题，以及相应的 AI 和大模型落地的建议。今天主要分三部分展开：首先纵观整个风电市场的发展现状，其次展开 AI 在风电领域的主要应用场景，最后根据风电企业在落地 AI 应用中遇到的挑战和解决建议。 分享嘉宾｜殷自强和鲸科技联合创始人、执行总裁&首席产品官 01、 风电市场发展情况 今年的风能市场是全球发展最好的一年。在 2023 年，陆上风机的装机容量已经超过了 100GW，同比增长54%。海上风机装机量也达到历史第二好的一年。预估 2030 年全球风电装机容量将提高到三倍。 从整体发展来看，在未来几年风电装机量依旧是一个线性增长的势头，从另外一个视角来看，它发展的如此迅速，那性价比是怎么样的呢？ 无论是国内还是全球，大家都有一个比较惊喜的共识：目前风电的竞标价已经低于传统能源的价格，所以相比于传统能源，风电其实是更具性价比的一种模式。那在风电快速发展的过程中，会遇到哪些问题呢？上图黄色区域中提出了许多相关的影响因素，我们重点看一下"供应链与劳动力的限制"这个因素。 在新能源领域中有众多的上下游，需要许多的劳动力在上下游中去推进工作，之前也跟国内的相关运营商合作中讨论到目前每台风机每年的运营成本都是上百万的，所以如何利用 AI 相关的算法，对供应链峰值管理、劳动力结构等方面做一些调整，是我们核心考虑让 AI 发挥非常重要角色的场景之一。 同时我们可以看到，中国在风电领域的占有量是世界第一，截止2022年共有3782个风电场，国内排名前10的风电运营商中，运营的风电场数量都是超过100个。而超过 500 个风电场的运营商就包括国家能源集团、国家电投、中国大唐。其实就现阶段而言，整个风电存量市场非常庞大，存量市场的运营提效已经是一件非常重要的工作。 02、 AI 在风电领域的主要应用场景 如何借助数字化与 AI 能力进行整体的精细化运营，是影响整个行业持续发展的关键因素。目前AI 在风电领域比较普遍在应用的主要有两类场景。 第一类场景：风电场功率预测 风电作为可再生新能源，风能的预估会影响到风电场的发电功率，包括光伏也是会有同样的问题，这是属于新能源跟其他能源不一样的关注视角。一般可以分为超短期、短期、中期、长期预测。 在做超短期预测时，预测单位是分钟级跟小时级的风能预测，可以对整个风电场的电能质量进行有效控制。在做短期预测时，是做小时到天级别的发电量精准预测，对于风力发电功率如何做竞价上网，以及电网调度等方面会是比较重要的价值。 在做中期预测时，做的是周跟月级别的预测，也被称为周期预测，这样能用于指导风电机组的检修或调试。在做长期预测时，一般是服务于如何做风电场的选址，也就是当前区域中，每年的风资源规模，是否适合建设风机。所以单独对风能在不同阶段的预测结果都会比较大的影响整个风电场的运营跟运维。具体怎么做预测，也被分成了两块。 1、提升对于风资源预报的准确性。有些人会提出疑问，为什么不直接用气象局的数据预报结果呢？中国气象局也是我们的客户，我们和气象局的专家做过交流，以及结合过往的实施经验来看，如果直接用气象局相关的预报结果，会有一些限制。 第一是空间分辨率不足，一般气象局直接提供的较高分辨率预报网格是 1公里的网格大小，和风机的距离并不一致，可能会导致建设的风机不在预报的网格内，这就会很难精确描述风电场所在的局部地形和微气象的特征。 第二是时间分辨率的限制，例如前面提到的超短期预测，对于风电场的影响是分钟级的，但能从气象局直接获取到的只是小时级的预测结果，不一定满足实际的业务诉求。 第三是预报高度的偏差，现在国内气象业务化的预报主要是 10 米风，也就是高于地面 10 米的风速，而实际的风机高度会更高，这就会存在风差。 第四是局地效应未充分考虑，风机的风速可能会受地形的影响，所以单独拿气象局的风资源预报数据，是不够准确的。针对以上问题能如何解决呢？首先中国气象局近两年也在与风电运营商开展一些联合合作，进一步提高风电场的预报准确度；其次近些年风电场商以及运营商正在提升和优化这些偏差，包括在风机上装测速仪等方式，根据其预报结果，可拟合出数据以提升对应风电场的数据。 2、如何基于风的数据，进行输出功率的预测。这块相关模型方法的讨论非常多，比如欧洲的一些国家，在早些年基于统计学模型做的是比较成熟的。近些年来国内的公司正在探讨和考虑如何利用 AI 模型将传统成熟的统计学模型进行结合，来提升准确率。例如三峡、国电投单独成立了气象研究团队，专门来解决这个问题。如果能够达到更好的功率预测，整个运营运维成本会起到质变的飞跃。 第二类场景：工业设备异常检测 现在每台风机每年的运维成本已经达到百万级，一个风电场可能有多个风机，如果能实现整个风电机组关键部件的实时检测、可以提前去排查相关的故障隐患，就能进一步降低运维成本。包含以下两类手段。 1、基于图像的检测手段。针对陆上风机，可以做无人机的巡检；而海上风机，现在也有做无人船的巡检等。可以通过不同的监测手段去获得相应的检测图片，然后利用视觉算法进行信息识别，例如识别砂眼、剥落、裂纹、结冰等等不同场景的问题。 2、结合现有数字化基础，进行数据检测和预警。这部分主要是以 SCADA 的设备运行数据，当每个风电设备运行时，它输入的相关采集，或者是 MRO 运维数据，以这些设备数据进行相关的异常情况监测。利用相关的 AI 方法做对应的检测、预警，包括功率状态识别、振动状态识别、运维工况识别等等。 03 落地挑战与实践案例 当企业真的要去落地 AI 的时候，要解决的核心问题是围绕一系列的决策流程，形成模型驱动的集团能力升级。 首先是数据孤岛问题。 其实在新能源、风能甚至整个大工业领域中不缺乏数据，缺的是可以被模型批量获取的高质量数据。以往搭建数据平台可能是为单一应用场景设计的，数据的流动更多是在审批流中，但在去用一些更大的模型时，需要的是跨不同应用的数据流动。所以要先解决的是"模型如何去获得不同数据源"，打破数据孤岛的问题。 其次是相关人才缺乏。不仅是懂 AI 算法的人员也需要一线的技术人员。双方应该配合来使用方法去解决问题，以及一线的人员如何去更好地理解数字化跟 AI 智能，愿意把这些模型应用到相关的场景中，改变一些传统的工作方式。 最后是创新阻力。能源所在的还是偏传统的行业，在实际落地中会有许多的创新阻力。比如之前获得一个数据需要走审批，但现在要做到让模型持续的去读、实现相关的推理、实现模型驱动的决策等等。而现有的流程系统及相关基础设施其实是缺乏对 AI 模型全生命周期的支撑。所以企业在准备 AI 落地的时候，会同时面临信息化、数字化跟智能化三级跳的问题，并不是等信息化完成了再去做 AI 。 从整体规划来看，这将变成集团级的能力升级的问题，需要系统的考虑是否有办法驱动一些模型、驱动流程在业务当中做落地。 以这样的出发点该怎么具体落地 AI 呢？是不是要等集团的能力去解决？或者把整个集团所有的业务梳理完再去落地？到底要找什么样的场景做落地？答案肯定不是的。站在 PMF 方法论的角度来说，找到一个 MVP 场景去实现第一个价值闭环才是最重要的。只有把 MVP 跑通，再去争取更大的资源来推动完成。 我们在与客户合作中发现跑通 MVP 有几个关键点。第一，第一个落地场景尽量减少跟历史技术栈或者复杂业务流去耦合。第二，场景要足够典型，或者价值更大。需要花时间做数据、人才、模型三要素盘点。盘数据需重点关注实际数据质量和数据的可获得性，否则在落地过程会需要花大量时间去清理、或者花大量时间抵抗历史已有数据的获取流程；盘人才需要针对业务场景配备算法人员以及调动业务人员一起探索新的业务流程；盘模型就是优先选择有小模型驱动过的场景，这样会在落地过程中减少很多上下游的流程和阻力。 下面分享一下我们和国内某风电场运营商落地 AI 的过程与一些探索经验。 冷启动阶段主要是做 MVP 的过程，直接去做 AI 落地是很难的，因为支撑 AI 落地是需要构建一个平台来驱动各个流程的。当建立起一个新的平台并结合相关 AI 算法，就会发现所有要做的事情都是新的，平台是新的、流程是新的、模型是新的、人也是新的，这是一个巨大的转变，也就意味着会有很多困难。所以在冷启动期，选择大家最熟悉的一个场景——风机运维，先用小模型跑通相关的数据流跟业务流，去做风机功率特性分析、传动链振动故障分析以及风电设备特征分析等等。 通过偏数据分析的场景，先把这些数据接入 AI 平台上，再做一个小模型生成结果，最后让业务人员直接应用这个流程。通过这个 MVP 我们同时解决了数据接入平台、数据模型决策的业务流程、算法与领域专家协同的基础价值闭环。 跑通第一个 MVP 场景之后如何扩大场景？如何向领导汇报当前成果？如何得到内部足够支持？建议的切入点是把在冷启动阶段的成果做成内部的文化建设，举办企业数据分析训练营、开展企业数据竞赛，要能够把人才调动起来，同时可以把相关的成果聚合到内部的数据模型生态门户中，这样在推进公司内的数字化或AI工作就会获得更多一线人员的"拥护者"，以及更能帮决策层获得业务成果被进一步放大后的想象。 接下来就可以用相同的方式来发展 AI应用，但很重要的一点是能够为平台争取更多的 AI 基建资源。扩大数据跟算力的接入体量，解决数据的可获得性跟 AI 所需要的一些算力基础设施。进而可以在同一个平台之上，再去做小步快跑的 AI 应用，不断的沉淀相关的AI能力，形成内部的模型资产和知识资产。 有许多客户同时也在关心大模型如何落地的问题，风电场景的许多业务决策涉及到时序数据以及因果链，对目前国内基座大模型的能力来说还是比较挑战，所以目前整体大模型在新能源场景的落地进展还比较早期，更多是冷启动的探索阶段。但这种冷启动探索要跑通，需要依赖的远不止是大模型技术本身，更重要的是企业是否建立起了这种创新流程与创新文化，是否能够让数据流动起来，是否能够让人才被调动起来，是否能够形成孵化模型落地的土壤，这些是前期数字化建设与发展最需要考虑的问题。以风电运维场景的 AI落地流程为例，如何将原本的数字化系统和 AI 模型接入到未来希望发展的大模型当中，和鲸整理了以上6个落地步骤，希望对大家能有所帮助。以上是本次分享的全部内容。 版权声明 本文为本站原创内容,转载需注明文章来源(https://www.eiefun.com)，另:文中部分素材可能会引用自其他平台，如有侵权或其它，请联系 admin@eiefun.com，我们会第一时间配合删除
-- gReader Pro
微软发布「AI Shell」，专为开发者设计的 AI 工具
微软发布「AI Shell」，专为开发者设计的 AI 工具
https://www.oschina.net/news/321424/microsoft-ai-shell
微软推出了一款名为「AI Shell」的 AI 工具。 开源下载地址：https://github.com/PowerShell/AIShell 根据介绍，AI Shell 是一种交互式 shell，它提供具有语言模型的聊天界面。 shell 提供连接到不同 AI 模型和其他帮助提供程序的代理。 用户可以以对话方式与代理交互。 AI Shell 项目包括： 命令行 shell （aish） 接口 用于创建 AI 代理和其他帮助提供程序的框架 与 macOS 上的 Windows 终端和 iTerm2 集成 PowerShell 模块，用于与 PowerShell 紧密集成。 有关详细信息，请参阅 AI Shell 模块。 每个 AI 助手称为代理。 AI Shell 的初始版本包括两个代理： 连接到 gpt-4o 实例的 Azure OpenAI代理。 将此代理用于常规 AI 任务。 Azure 代理中的 Copilot，可读取 Microsoft Azure 知识。 使用 Azure 代理获取 Azure CLI 和 Azure PowerShell 命令的帮助。 可以在独立体验中运行 AI Shell 可执行文件（aish.exe），也可以使用具有 PowerShell 7 的 AIShell PowerShell 模块创建 Windows 终端的拆分屏幕体验。 这是使用 AI Shell 的推荐方法，因为你可以更深入地与 shell 集成。 这些功能包括： 将 AI Shell 响应中的代码直接插入连接命令 shell 的功能 将多步骤命令添加到预测 IntelliSense 缓冲区，以便快速接受 简单单命令错误恢复 AI Shell 目前处于公共预览版状态，这意味着该工具可用于测试，但它不是功能完整的。
-- gReader Pro
https://www.oschina.net/news/321424/microsoft-ai-shell
微软推出了一款名为「AI Shell」的 AI 工具。 开源下载地址：https://github.com/PowerShell/AIShell 根据介绍，AI Shell 是一种交互式 shell，它提供具有语言模型的聊天界面。 shell 提供连接到不同 AI 模型和其他帮助提供程序的代理。 用户可以以对话方式与代理交互。 AI Shell 项目包括： 命令行 shell （aish） 接口 用于创建 AI 代理和其他帮助提供程序的框架 与 macOS 上的 Windows 终端和 iTerm2 集成 PowerShell 模块，用于与 PowerShell 紧密集成。 有关详细信息，请参阅 AI Shell 模块。 每个 AI 助手称为代理。 AI Shell 的初始版本包括两个代理： 连接到 gpt-4o 实例的 Azure OpenAI代理。 将此代理用于常规 AI 任务。 Azure 代理中的 Copilot，可读取 Microsoft Azure 知识。 使用 Azure 代理获取 Azure CLI 和 Azure PowerShell 命令的帮助。 可以在独立体验中运行 AI Shell 可执行文件（aish.exe），也可以使用具有 PowerShell 7 的 AIShell PowerShell 模块创建 Windows 终端的拆分屏幕体验。 这是使用 AI Shell 的推荐方法，因为你可以更深入地与 shell 集成。 这些功能包括： 将 AI Shell 响应中的代码直接插入连接命令 shell 的功能 将多步骤命令添加到预测 IntelliSense 缓冲区，以便快速接受 简单单命令错误恢复 AI Shell 目前处于公共预览版状态，这意味着该工具可用于测试，但它不是功能完整的。
-- gReader Pro
生成式 AI 只是一种预测机器
生成式 AI 只是一种预测机器
https://www.solidot.org/story?sid=79838
发表在《哈佛商评》上的一项新分析认为，虽然拥有新的能力，AI 工具仍然只是一种预测引擎，成功部署需要高质量数据和人类判断。今天的生成式 AI 能处理写作和编程等复杂任务，但预测机器的本质意味着使用它的组织必须理解其局限性，需要提供恰当的监督。低质量的数据会导致错误，而部署时缺乏人类判断会导致战略失败，尤其是在高风险的情况下。计算机本质上是一种算术机器，成功使用 AI 时代前的计算机需要理解它严格遵循指令。不精确的指令会导致错误的结果。在生成式 AI 流行前，AI 主要是作为一种预测应用。生成式 AI 将更多的复杂任务如写作、绘画和编程都加入到了可预测范围内，但它并没有改变预测机器的本质。 https://hbr.org/2024/11/generative-ai-is-still-just-a-prediction-machine https://hbr.org/2024/11/generative-ai-is-still-just-a-prediction-machine Sign In Hi, Guest Explore HBR Latest The Magazine Podcasts Store Webinars Newsletters Popular Topics Managing Yourself Leadership Strategy Managing Teams Gender Innovation Work-life Balance All Topics For Subscribers The Big Idea Data & Visuals Case Selections HBR Learning My Account My Library Topic Feeds Orders Account Settings Email Preferences Log Out Sign In Latest Podcasts The Magazine Store Webinars Newsletters All Topics The Big Idea Data & Visuals Case Selections HBR Learning My Library Account Settings Log Out Sign In Your Cart Your Shopping Cart is empty. Visit Our Store Guest User Subscriber My Library Topic Feeds Orders Account Settings Email Preferences Log Out Partner Center About Us Careers Privacy Policy Cookie Policy Copyright Information Trademark Policy Terms of Use Harvard Business Publishing: Higher Education Corporate Learning Harvard Business Review Harvard Business School Copyright © Harvard Business School Publishing. All rights reserved. Harvard Business Publishing is an affiliate of Harvard Business School.
-- gReader Pro
https://www.solidot.org/story?sid=79838
发表在《哈佛商评》上的一项新分析认为，虽然拥有新的能力，AI 工具仍然只是一种预测引擎，成功部署需要高质量数据和人类判断。今天的生成式 AI 能处理写作和编程等复杂任务，但预测机器的本质意味着使用它的组织必须理解其局限性，需要提供恰当的监督。低质量的数据会导致错误，而部署时缺乏人类判断会导致战略失败，尤其是在高风险的情况下。计算机本质上是一种算术机器，成功使用 AI 时代前的计算机需要理解它严格遵循指令。不精确的指令会导致错误的结果。在生成式 AI 流行前，AI 主要是作为一种预测应用。生成式 AI 将更多的复杂任务如写作、绘画和编程都加入到了可预测范围内，但它并没有改变预测机器的本质。 https://hbr.org/2024/11/generative-ai-is-still-just-a-prediction-machine https://hbr.org/2024/11/generative-ai-is-still-just-a-prediction-machine Sign In Hi, Guest Explore HBR Latest The Magazine Podcasts Store Webinars Newsletters Popular Topics Managing Yourself Leadership Strategy Managing Teams Gender Innovation Work-life Balance All Topics For Subscribers The Big Idea Data & Visuals Case Selections HBR Learning My Account My Library Topic Feeds Orders Account Settings Email Preferences Log Out Sign In Latest Podcasts The Magazine Store Webinars Newsletters All Topics The Big Idea Data & Visuals Case Selections HBR Learning My Library Account Settings Log Out Sign In Your Cart Your Shopping Cart is empty. Visit Our Store Guest User Subscriber My Library Topic Feeds Orders Account Settings Email Preferences Log Out Partner Center About Us Careers Privacy Policy Cookie Policy Copyright Information Trademark Policy Terms of Use Harvard Business Publishing: Higher Education Corporate Learning Harvard Business Review Harvard Business School Copyright © Harvard Business School Publishing. All rights reserved. Harvard Business Publishing is an affiliate of Harvard Business School.
-- gReader Pro
超越寶可夢 Pokémon GO！Niantic 開發大型地理空間模型 (LGM)，利用 AR 技術革新 AI 發展
超越寶可夢 Pokémon GO！Niantic 開發大型地理空間模型 (LGM)，利用 AR 技術革新 AI 發展
https://www.techbang.com/posts/119726-pokmon-goniantic-lgm-ar-ai
從遊戲到現實，AI 的下一個「frontier」：空間智慧想像一下，你站在一座熟悉的建築物前，無論是教堂、雕像還是廣場，即使你未曾從所有角度觀察過它，你也能輕易想像它從不同角度的樣貌。這是人類獨有的「空間理解」能力，我們能基於過往經驗填補細節、推斷未知。然而，對於機器而言，這項任務卻異常艱鉅。即使是當今最先進的 AI 模型，也難以想像場景的缺失部分或從新角度觀測。 但這種情況即將改變。空間智慧，將是 AI 模型的下一個「frontier」（新領域）。 Niantic，作為 AR 領域的先驅，正致力於構建「大型地理空間模型 (LGM)」。LGM 將利用大規模機器學習來理解場景，並將其與全球數百萬個場景連結起來，賦予機器如同人類般的空間理解能力。 Niantic Niantic 是一家美國軟體開發公司，以其開發的擴增實境 (AR) 遊戲聞名，最知名的作品是《Pokémon GO》和《Ingress》。 Niantic 成立於 2010 年，最初是 Google 內部的創業公司，後來獨立出來。公司的使命是「利用科技增進人們與世界、彼此之間的互動」。Niantic 相信 AR 技術有潛力創造更有趣、更具互動性的體驗，鼓勵人們探索周遭世界並與他人建立連結。 除了遊戲開發，Niantic 也致力於構建 AR 技術的基礎設施，例如其開發的 Lightship 平台，讓開發者能更輕鬆地創造 AR 體驗。Niantic 的願景是打造一個「真實世界元宇宙」，將數位世界與現實世界融合，創造更豐富、更具互動性的生活體驗。 何謂大型地理空間模型 (LGM)？ 近年來，大型語言模型 (LLM) 的發展對我們的生活和各個產業產生了不可否認的影響。LLM 透過學習大量的文本數據，展現出驚人的語言理解和生成能力，挑戰了我們對「智慧」的認知。 而 LGM 的目標，則是幫助電腦以同樣先進的方式感知、理解和導航現實世界。如同 LLM 學習文本數據，LGM 則學習大量的地理空間數據：數十億張錨定於精確地理位置的真實世界圖像，這些數據經過模型的萃取和學習，最終形成對空間、結構和物理互動的深度理解。 從文字到 3D，AI 的進化之路 從基於文本的模型到基於 3D 數據的模型，反映了近年來 AI 發展更廣泛的發展軌跡：從理解和生成語言，到解讀和創造靜態和動態圖像（2D 視覺模型），再到如今方興未艾的 3D 物體建模（3D 視覺模型）。 LGM 比 3D 視覺模型更進一步，它捕捉的是根植於特定地理位置、具有真實比例的 3D 實體。與生成無比例 3D 資產的 3D 生成模型不同，LGM 與真實世界的比例尺度綁定，能確保精確的尺寸估計。因此，LGM 所代表的是新一代的地圖，而非任意的 3D 資產。 3D 視覺模型或許能夠創造和理解 3D 場景，但 LGM 卻能理解該場景與全球數百萬個場景的地理關係。LGM 賦予機器「地理空間智慧」，使其能夠從先前的觀察中學習，並將知識遷移到新的位置，即使這些位置只有部分被觀察到。 LGM 的應用：空間智慧的無限可能 雖然搭載 3D 圖形的 AR 眼鏡距離大規模普及尚需數年，但 LGM 仍有機會與純音訊或 2D 顯示眼鏡整合。LGM 可以引導使用者探索世界、回答問題、提供個人化推薦、輔助導航，並擴增實境世界的互動。 此外，LGM 與 LLM 的整合，將使空間理解和語言理解相結合，讓人們更深入地了解周遭環境，並與其互動。LGM 所帶來的地理空間智慧，還能生成、完善或操控 3D 世界模型，進一步推動 AR 體驗的發展。 除了遊戲領域，LGM 還將廣泛應用於空間規劃與設計、物流、群眾參與和遠程協作等領域。 Niantic 的探索：VPS 與神經地圖 過去五年，Niantic 一直致力於構建「視覺定位系統 (VPS)」。VPS 利用手機拍攝的單張圖像，透過由使用者掃描的 3D 地圖，精確判斷手機的位置和方向。 藉助 VPS，使用者可以公分級的精度將自己定位在真實世界中，並查看與物理環境精確疊合的數位內容。這些內容是永久存在的，即使你離開後，它們仍會留在原地，並可與他人分享。例如，Niantic 最近在 Pokémon GO 中推出了一項名為「Pokémon Playgrounds」的實驗性功能，使用者可以在特定位置放置 Pokémon，其他玩家也能看到並與之互動。 Niantic 的 VPS 建立在使用者掃描的基礎上，這些掃描來自不同的視角、不同的時間，甚至跨越數年，並附帶精確的定位資訊，構成了對世界的高度精細理解。這些數據的獨特之處在於，它們來自行人的視角，涵蓋了汽車無法到達的地方。 目前，Niantic 在全球擁有 1000 萬個掃描地點，其中超過 100 萬個已啟用，可供 VPS 服務使用。每週，Niantic 都會收到約 100 萬份新的掃描數據，每份數據包含數百張獨立圖像。 在 VPS 的研發過程中，Niantic 不僅使用傳統的 3D 視覺技術（如運動恢復結構），還為每個地點構建了一種新型的「神經地圖」。這些基於 Niantic 研究論文 ACE (2023) 和 ACE Zero (2024) 的神經模型，不再使用傳統的 3D 數據結構來表示位置，而是將其隱式編碼在神經網路的可學習參數中。這些網路可以將數千張地圖圖像快速壓縮成精簡的神經表示，並根據新的查詢圖像，提供公分級精度的位置定位。 迄今為止，Niantic 已經訓練了超過 5000 萬個神經網路，其中多個網路可以共同作用於同一個位置。所有這些網路加起來，包含超過 150 兆個參數，並透過機器學習進行優化。 從局部模型到共享理解：LGM 的進化 Niantic 目前的神經地圖，作為 VPS 的一部分，已經是一個可行的地理空間模型。它規模龐大，且已投入實際應用。然而，Niantic 對「大型地理空間模型」的願景，遠不止於目前的獨立局部地圖系統。 完全局部的模型，可能缺乏對其所在位置的完整覆蓋。無論在全球範圍內有多少數據，局部數據往往是稀疏的。局部模型的主要缺陷，是無法推斷超出其觀察範圍的資訊。因此，局部模型只能定位與訓練數據相似的視角。 想像你站在一座教堂後面。假設最近的局部模型只見過教堂的正面入口，那麼它就無法判斷你的位置，因為它從未見過教堂的背面。但在全球範圍內，Niantic 已經見過成千上萬座教堂，它們都被各自的局部模型捕捉下來。儘管每座教堂都不同，但它們仍有許多共同特徵。LGM 正是為了利用這些分散式知識而生。 LGM 將共同資訊提煉到一個全球大型模型中，實現局部模型之間的資訊共享。LGM 能夠內化「教堂」的概念，以及這些建築的常見結構。即使在特定位置，VPS 只繪製了教堂的入口，LGM 也能根據其先前對數千座教堂的觀察，智慧地推測教堂背面的樣貌。因此，即使在 VPS 從未見過的視角和角度，LGM 也能實現前所未有的定位穩健性。 這種全球模型，基於地理空間和視覺數據，構建了對世界的集中式理解。LGM 透過在全球範圍內插值，實現局部推斷。 像人類一樣理解世界 上述過程，與人類感知和想像世界的方式非常相似。人類天生就能辨識先前見過的物體，即使從不同的角度。例如，我們可以輕易地在歐洲古城的蜿蜒街道中找到來時的路，即使我們只見過一次，且方向相反。這需要對物理世界和文化空間的深刻理解，對人類來說輕而易舉，但對傳統的機器視覺技術而言卻極具挑戰性。 這需要掌握一些基本的自然規律：世界由具有實體的物體組成，因此有正面和背面；外觀會隨著時間和季節變化。同時，這也需要大量的文化知識：許多人造物體的形狀遵循特定的對稱規則或其他通用佈局，而這些規則通常與地理區域相關。 早期的電腦視覺研究，試圖破譯這些規則，並將其嵌入到人工設計的系統中。但現在，人們普遍認為，只有透過大規模機器學習，才能實現我們渴望的高度理解。這正是 Niantic 構建 LGM 的目標。 在 Niantic 最近的研究論文 MicKey (2024) 中，我們已經看到了這種令人印象深刻的相機定位能力。MicKey 是一個神經網路，即使在視角劇烈變化的情況下，也能夠定位兩個相機視圖的相對位置。 即使是人類也需要花費一些精力才能判斷的相反視角，MicKey 也能輕鬆應對。MicKey 只使用了 Niantic 數據的一小部分進行訓練，且該數據已向學術界公開，以鼓勵這方面的研究。儘管 MicKey 僅限於雙視圖輸入，且訓練數據相對較少，但它仍然證明了 LGM 的潛力。 顯然，要實現本文所述的地理空間智慧，需要大量的地理空間數據，而這類數據並非所有機構都能獲取。Niantic 每週都會收到超過 100 萬份使用者貢獻的真實世界地點掃描數據，這使得 Niantic 在引領 LGM 發展方面處於獨特地位。 互補的基礎模型：LLM 與 LGM 的協同作用 LGM 的用途，不僅僅是定位。為了準確地解決定位問題，LGM 必須將豐富的幾何、外觀和文化資訊編碼到場景級特徵中。這些特徵將帶來場景表示、操控和創造的新方法。像 LGM 這樣用途廣泛的大型 AI 模型，通常被稱為「基礎模型」。 不同類型的基礎模型將互為補充。LLM 將與多模態模型互動，而多模態模型又將與 LGM 進行通訊。這些系統協同工作，將以任何單一模型都無法實現的方式理解世界。這種互連，正是空間運算的未來——能夠感知、理解和作用於物理世界的智慧系統。 隨著模型的可擴展性不斷提高，Niantic 的目標仍然是引領大型地理空間模型的發展，並在任何地方為使用者提供新穎、有趣且豐富的體驗。如前所述，除了遊戲領域，LGM 還將廣泛應用於空間規劃與設計、物流、群眾參與和遠程協作等領域。 從 LLM 到 LGM，是 AI 進化的又一步。隨著 AR 眼鏡等可穿戴設備的普及，未來的世界作業系統，將依賴於物理現實和數位現實的融合，創造一個以人為中心的空間運算系統。 延伸閱讀：Niantic 宣布與東京都立明治公園合作，將掃描整座公園，並將其重塑為 AR 的遊園地 延伸閱讀：還能在自己家裡建個寶可夢補給站嗎？這要從Ingress開始講起 延伸閱讀：寶可夢遊戲開發商新作《哈利波特：巫師聯盟》台灣正式上線了 資料來源：nianticlabs 加入電腦王Facebook粉絲團
-- gReader Pro
https://www.techbang.com/posts/119726-pokmon-goniantic-lgm-ar-ai
從遊戲到現實，AI 的下一個「frontier」：空間智慧想像一下，你站在一座熟悉的建築物前，無論是教堂、雕像還是廣場，即使你未曾從所有角度觀察過它，你也能輕易想像它從不同角度的樣貌。這是人類獨有的「空間理解」能力，我們能基於過往經驗填補細節、推斷未知。然而，對於機器而言，這項任務卻異常艱鉅。即使是當今最先進的 AI 模型，也難以想像場景的缺失部分或從新角度觀測。 但這種情況即將改變。空間智慧，將是 AI 模型的下一個「frontier」（新領域）。 Niantic，作為 AR 領域的先驅，正致力於構建「大型地理空間模型 (LGM)」。LGM 將利用大規模機器學習來理解場景，並將其與全球數百萬個場景連結起來，賦予機器如同人類般的空間理解能力。 Niantic Niantic 是一家美國軟體開發公司，以其開發的擴增實境 (AR) 遊戲聞名，最知名的作品是《Pokémon GO》和《Ingress》。 Niantic 成立於 2010 年，最初是 Google 內部的創業公司，後來獨立出來。公司的使命是「利用科技增進人們與世界、彼此之間的互動」。Niantic 相信 AR 技術有潛力創造更有趣、更具互動性的體驗，鼓勵人們探索周遭世界並與他人建立連結。 除了遊戲開發，Niantic 也致力於構建 AR 技術的基礎設施，例如其開發的 Lightship 平台，讓開發者能更輕鬆地創造 AR 體驗。Niantic 的願景是打造一個「真實世界元宇宙」，將數位世界與現實世界融合，創造更豐富、更具互動性的生活體驗。 何謂大型地理空間模型 (LGM)？ 近年來，大型語言模型 (LLM) 的發展對我們的生活和各個產業產生了不可否認的影響。LLM 透過學習大量的文本數據，展現出驚人的語言理解和生成能力，挑戰了我們對「智慧」的認知。 而 LGM 的目標，則是幫助電腦以同樣先進的方式感知、理解和導航現實世界。如同 LLM 學習文本數據，LGM 則學習大量的地理空間數據：數十億張錨定於精確地理位置的真實世界圖像，這些數據經過模型的萃取和學習，最終形成對空間、結構和物理互動的深度理解。 從文字到 3D，AI 的進化之路 從基於文本的模型到基於 3D 數據的模型，反映了近年來 AI 發展更廣泛的發展軌跡：從理解和生成語言，到解讀和創造靜態和動態圖像（2D 視覺模型），再到如今方興未艾的 3D 物體建模（3D 視覺模型）。 LGM 比 3D 視覺模型更進一步，它捕捉的是根植於特定地理位置、具有真實比例的 3D 實體。與生成無比例 3D 資產的 3D 生成模型不同，LGM 與真實世界的比例尺度綁定，能確保精確的尺寸估計。因此，LGM 所代表的是新一代的地圖，而非任意的 3D 資產。 3D 視覺模型或許能夠創造和理解 3D 場景，但 LGM 卻能理解該場景與全球數百萬個場景的地理關係。LGM 賦予機器「地理空間智慧」，使其能夠從先前的觀察中學習，並將知識遷移到新的位置，即使這些位置只有部分被觀察到。 LGM 的應用：空間智慧的無限可能 雖然搭載 3D 圖形的 AR 眼鏡距離大規模普及尚需數年，但 LGM 仍有機會與純音訊或 2D 顯示眼鏡整合。LGM 可以引導使用者探索世界、回答問題、提供個人化推薦、輔助導航，並擴增實境世界的互動。 此外，LGM 與 LLM 的整合，將使空間理解和語言理解相結合，讓人們更深入地了解周遭環境，並與其互動。LGM 所帶來的地理空間智慧，還能生成、完善或操控 3D 世界模型，進一步推動 AR 體驗的發展。 除了遊戲領域，LGM 還將廣泛應用於空間規劃與設計、物流、群眾參與和遠程協作等領域。 Niantic 的探索：VPS 與神經地圖 過去五年，Niantic 一直致力於構建「視覺定位系統 (VPS)」。VPS 利用手機拍攝的單張圖像，透過由使用者掃描的 3D 地圖，精確判斷手機的位置和方向。 藉助 VPS，使用者可以公分級的精度將自己定位在真實世界中，並查看與物理環境精確疊合的數位內容。這些內容是永久存在的，即使你離開後，它們仍會留在原地，並可與他人分享。例如，Niantic 最近在 Pokémon GO 中推出了一項名為「Pokémon Playgrounds」的實驗性功能，使用者可以在特定位置放置 Pokémon，其他玩家也能看到並與之互動。 Niantic 的 VPS 建立在使用者掃描的基礎上，這些掃描來自不同的視角、不同的時間，甚至跨越數年，並附帶精確的定位資訊，構成了對世界的高度精細理解。這些數據的獨特之處在於，它們來自行人的視角，涵蓋了汽車無法到達的地方。 目前，Niantic 在全球擁有 1000 萬個掃描地點，其中超過 100 萬個已啟用，可供 VPS 服務使用。每週，Niantic 都會收到約 100 萬份新的掃描數據，每份數據包含數百張獨立圖像。 在 VPS 的研發過程中，Niantic 不僅使用傳統的 3D 視覺技術（如運動恢復結構），還為每個地點構建了一種新型的「神經地圖」。這些基於 Niantic 研究論文 ACE (2023) 和 ACE Zero (2024) 的神經模型，不再使用傳統的 3D 數據結構來表示位置，而是將其隱式編碼在神經網路的可學習參數中。這些網路可以將數千張地圖圖像快速壓縮成精簡的神經表示，並根據新的查詢圖像，提供公分級精度的位置定位。 迄今為止，Niantic 已經訓練了超過 5000 萬個神經網路，其中多個網路可以共同作用於同一個位置。所有這些網路加起來，包含超過 150 兆個參數，並透過機器學習進行優化。 從局部模型到共享理解：LGM 的進化 Niantic 目前的神經地圖，作為 VPS 的一部分，已經是一個可行的地理空間模型。它規模龐大，且已投入實際應用。然而，Niantic 對「大型地理空間模型」的願景，遠不止於目前的獨立局部地圖系統。 完全局部的模型，可能缺乏對其所在位置的完整覆蓋。無論在全球範圍內有多少數據，局部數據往往是稀疏的。局部模型的主要缺陷，是無法推斷超出其觀察範圍的資訊。因此，局部模型只能定位與訓練數據相似的視角。 想像你站在一座教堂後面。假設最近的局部模型只見過教堂的正面入口，那麼它就無法判斷你的位置，因為它從未見過教堂的背面。但在全球範圍內，Niantic 已經見過成千上萬座教堂，它們都被各自的局部模型捕捉下來。儘管每座教堂都不同，但它們仍有許多共同特徵。LGM 正是為了利用這些分散式知識而生。 LGM 將共同資訊提煉到一個全球大型模型中，實現局部模型之間的資訊共享。LGM 能夠內化「教堂」的概念，以及這些建築的常見結構。即使在特定位置，VPS 只繪製了教堂的入口，LGM 也能根據其先前對數千座教堂的觀察，智慧地推測教堂背面的樣貌。因此，即使在 VPS 從未見過的視角和角度，LGM 也能實現前所未有的定位穩健性。 這種全球模型，基於地理空間和視覺數據，構建了對世界的集中式理解。LGM 透過在全球範圍內插值，實現局部推斷。 像人類一樣理解世界 上述過程，與人類感知和想像世界的方式非常相似。人類天生就能辨識先前見過的物體，即使從不同的角度。例如，我們可以輕易地在歐洲古城的蜿蜒街道中找到來時的路，即使我們只見過一次，且方向相反。這需要對物理世界和文化空間的深刻理解，對人類來說輕而易舉，但對傳統的機器視覺技術而言卻極具挑戰性。 這需要掌握一些基本的自然規律：世界由具有實體的物體組成，因此有正面和背面；外觀會隨著時間和季節變化。同時，這也需要大量的文化知識：許多人造物體的形狀遵循特定的對稱規則或其他通用佈局，而這些規則通常與地理區域相關。 早期的電腦視覺研究，試圖破譯這些規則，並將其嵌入到人工設計的系統中。但現在，人們普遍認為，只有透過大規模機器學習，才能實現我們渴望的高度理解。這正是 Niantic 構建 LGM 的目標。 在 Niantic 最近的研究論文 MicKey (2024) 中，我們已經看到了這種令人印象深刻的相機定位能力。MicKey 是一個神經網路，即使在視角劇烈變化的情況下，也能夠定位兩個相機視圖的相對位置。 即使是人類也需要花費一些精力才能判斷的相反視角，MicKey 也能輕鬆應對。MicKey 只使用了 Niantic 數據的一小部分進行訓練，且該數據已向學術界公開，以鼓勵這方面的研究。儘管 MicKey 僅限於雙視圖輸入，且訓練數據相對較少，但它仍然證明了 LGM 的潛力。 顯然，要實現本文所述的地理空間智慧，需要大量的地理空間數據，而這類數據並非所有機構都能獲取。Niantic 每週都會收到超過 100 萬份使用者貢獻的真實世界地點掃描數據，這使得 Niantic 在引領 LGM 發展方面處於獨特地位。 互補的基礎模型：LLM 與 LGM 的協同作用 LGM 的用途，不僅僅是定位。為了準確地解決定位問題，LGM 必須將豐富的幾何、外觀和文化資訊編碼到場景級特徵中。這些特徵將帶來場景表示、操控和創造的新方法。像 LGM 這樣用途廣泛的大型 AI 模型，通常被稱為「基礎模型」。 不同類型的基礎模型將互為補充。LLM 將與多模態模型互動，而多模態模型又將與 LGM 進行通訊。這些系統協同工作，將以任何單一模型都無法實現的方式理解世界。這種互連，正是空間運算的未來——能夠感知、理解和作用於物理世界的智慧系統。 隨著模型的可擴展性不斷提高，Niantic 的目標仍然是引領大型地理空間模型的發展，並在任何地方為使用者提供新穎、有趣且豐富的體驗。如前所述，除了遊戲領域，LGM 還將廣泛應用於空間規劃與設計、物流、群眾參與和遠程協作等領域。 從 LLM 到 LGM，是 AI 進化的又一步。隨著 AR 眼鏡等可穿戴設備的普及，未來的世界作業系統，將依賴於物理現實和數位現實的融合，創造一個以人為中心的空間運算系統。 延伸閱讀：Niantic 宣布與東京都立明治公園合作，將掃描整座公園，並將其重塑為 AR 的遊園地 延伸閱讀：還能在自己家裡建個寶可夢補給站嗎？這要從Ingress開始講起 延伸閱讀：寶可夢遊戲開發商新作《哈利波特：巫師聯盟》台灣正式上線了 資料來源：nianticlabs 加入電腦王Facebook粉絲團
-- gReader Pro
注意力不足新解？PDF 檔一鍵轉成 TikTok 影片「PDF to Brainrot」AI 學習工具爆紅
注意力不足新解？PDF 檔一鍵轉成 TikTok 影片「PDF to Brainrot」AI 學習工具爆紅
https://www.inside.com.tw/article/36848-pdf-to-brainrot
TikTok 正在流行一種「PDF to Brainrot（大腦腐蝕，形容一種讓人放空又高重複性的素材）」的 AI 學習工具，只要上傳 PDF 檔，AI 就會摘要並朗讀出檔案內容，背景畫面則搭配 ASMR 影片或《地鐵跑酷》、《Minecraft》等遊戲畫面，這樣就可以體驗邊滑 TikTok 影片邊學習的感覺。PDF to Brainrot 的 A I 會總結 PDF 的內容，例如把 19 頁的 PDF 變成「一分鐘理解某個概念」，有些工具還可以將文本翻譯成 Z 世代用語，再採用單調的朗讀方式轉成語音。 @eceyorumez #brainrot #subwaysurfers ♬ SUBWAY SURFERS (Main Theme) - Subway Surfers Finally a reasonably good use for AI. "PDF to Brainrot" video generator.Link: https://t.co/DfjWk1ECvmPaper: https://t.co/kVMW39HiUd pic.twitter.com/iVEAA1ufsg— Elliot Murphy (@ElliotMurphy91) October 28, 2024 Coconote 、 Study Fetch 、 StudyRot 、 Memenome 、 Shortspilot 、 Grademaxx 等公司都推出自家的 PDF to Brainrot 工具。不過，外媒指出 TikTok 上部分推薦此類 AI 工具的用戶並不是真正的創作者，點開主頁沒有其他主題的內容且追蹤數少，因此也無法得知使用者們是否真的用 PDF to Brainrot 影片來學習，也無從得知老師們實際上是否有將影片當教材來吸引學生。責任編輯：Jocelyn核稿編輯：Mia本文初稿為 INSIDE 使用 AI 編撰；快加入 INSIDE Google News 按下追蹤，給你最新、最 IN 的科技新聞！延伸閱讀：ChatGPT Plus 更新了！可上傳 PDF 等多種檔案，且不必手動挑選模型用 AI 生 Shorts 的時代來臨！YouTube 宣布平台整合影片模型「Veo」不再需複雜的動作捕捉！Runway 推「Act-One」：一部手機就能為影片套上 AI 動畫
-- gReader Pro
https://www.inside.com.tw/article/36848-pdf-to-brainrot
TikTok 正在流行一種「PDF to Brainrot（大腦腐蝕，形容一種讓人放空又高重複性的素材）」的 AI 學習工具，只要上傳 PDF 檔，AI 就會摘要並朗讀出檔案內容，背景畫面則搭配 ASMR 影片或《地鐵跑酷》、《Minecraft》等遊戲畫面，這樣就可以體驗邊滑 TikTok 影片邊學習的感覺。PDF to Brainrot 的 A I 會總結 PDF 的內容，例如把 19 頁的 PDF 變成「一分鐘理解某個概念」，有些工具還可以將文本翻譯成 Z 世代用語，再採用單調的朗讀方式轉成語音。 @eceyorumez #brainrot #subwaysurfers ♬ SUBWAY SURFERS (Main Theme) - Subway Surfers Finally a reasonably good use for AI. "PDF to Brainrot" video generator.Link: https://t.co/DfjWk1ECvmPaper: https://t.co/kVMW39HiUd pic.twitter.com/iVEAA1ufsg— Elliot Murphy (@ElliotMurphy91) October 28, 2024 Coconote 、 Study Fetch 、 StudyRot 、 Memenome 、 Shortspilot 、 Grademaxx 等公司都推出自家的 PDF to Brainrot 工具。不過，外媒指出 TikTok 上部分推薦此類 AI 工具的用戶並不是真正的創作者，點開主頁沒有其他主題的內容且追蹤數少，因此也無法得知使用者們是否真的用 PDF to Brainrot 影片來學習，也無從得知老師們實際上是否有將影片當教材來吸引學生。責任編輯：Jocelyn核稿編輯：Mia本文初稿為 INSIDE 使用 AI 編撰；快加入 INSIDE Google News 按下追蹤，給你最新、最 IN 的科技新聞！延伸閱讀：ChatGPT Plus 更新了！可上傳 PDF 等多種檔案，且不必手動挑選模型用 AI 生 Shorts 的時代來臨！YouTube 宣布平台整合影片模型「Veo」不再需複雜的動作捕捉！Runway 推「Act-One」：一部手機就能為影片套上 AI 動畫
-- gReader Pro
Hostize 免費檔案空間：輕鬆上傳 5 GB 大檔案，支援 PDF 線上預覽
Hostize 免費檔案空間：輕鬆上傳 5 GB 大檔案，支援 PDF 線上預覽
https://free.com.tw/hostize/
Hostize 是一個易於使用的線上共享文件工具，由澳洲公司 Smallize Pty Ltd 在 2022 年推出的服務，利用其自有 API 提供便捷的文件上傳、託管和查看功能，使用者可以透過瀏覽器輕鬆存取檔案，如同一般免費空間不用額外下載安裝軟體即可使用，支援各種檔案類型。 值得推薦的是 Hostize 在上傳檔案後會生成兩種鏈結：編輯和查看頁面鏈結，如果未來還要繼續管理檔案，可將編輯鏈結保存，日後就能回到檔案頁面編輯或刪除，也能設定檔案會不會出現在目錄頁面或搜尋結果中。預設情況使用者上傳的檔案將不會顯示於 Google、Bing 等搜尋引擎。 Hostize 分為免費和付費 Pro 方案，免費方案不用註冊（匿名使用），上傳單檔最大不超過 5 GB、最少保存 90 天，檔案 90 天都沒有任何存取就會被刪除，無論上傳或下載檔案都不用註冊，算是非常佛系的免空服務吧！付費升級可將上傳限制提高為 500 GB、檔案永久保存，每月價格是 $ 15 美元，有需要的朋友可以試試看。 最後，Hostize 有提到他們使用的儲存是採用亞馬遜雲端運算服務（AWS），相對來說有更安全可靠的環境，從全球各地都能快速連結到使用者的檔案，不過我在使用上的體感速度不算太快，但穩定性很不錯。 網站名稱：Hostize網站鏈結：https://www.hostize.com/ 使用教學 STEP切換語言。 開啟 Hostize 免費空間後先點選右上角「語言」並選擇中文切換為中文介面。 STEP上傳檔案。 Hostize 操作方式很簡單，將分享的檔案拖曳到網頁上即可上傳、產生分享鏈結，如果檔案數量較多建議先使用壓縮軟體壓縮成單一檔案，免費用戶上傳單檔不能超過 5 GB ，應該可以滿足大部分的使用情境。 依照網站說明這項服務支援多種文件格式，例如：PDF、DOCX、DOC、PUB、EPUB、ODT、RTF、PPT、PPTX、XLS、XLSX、ODS、ODP、TXT 等等，有部分格式在上傳後可直接從網頁進行瀏覽檢視（例如 PDF）。 上傳檔案時會顯示目前完成進度，速度不算太快，使用者必須將網頁保持開啟直到上傳完成。 STEP自訂下載頁面，取得檔案鏈結。 完成後會出現如下畫面，可以自訂一下標題名稱、作者、授權、描述和標籤等資訊，這些會在下載頁面顯示。 右上角會有兩個網址，分別是： 編輯頁面鏈結：用於編輯或刪除檔案，如果未來要手動編輯記得儲存該網址。 查看頁面的鏈結：檔案分享鏈結，透過該網址任何人都能查看或下載文件。 另外，下方還會有一個「公共文件」設定選項，預設情況上傳後檔案都是私人文件權限，不會顯示於目錄頁面或是搜尋引擎的結果中（目錄頁面要註冊帳號登入後才會看到），如果沒有特別需求維持預設值無需調整。 STEP下載檔案。 將查看頁面的鏈結分享給其他人，他們就能進入 Hostize 下載檔案，如同一般常見常用的免空服務。 開啟檔案頁面後點選「免費下載」取得檔案，應該是沒有流量或是下載次數限制，檔案最少會保存 90 天，如果超過一段時間沒有任何下載數就會自動從伺服器刪除。 有些格式在分享後會出現不一樣的選項，例如下圖是上傳 PDF 文件後看到的下載頁面，會出現「線上閱讀」和「與文件聊天」兩個按鈕，在檔案名稱下方還會提供上傳日期、檔案大小等資訊。 STEP可手動刪除文件。 透過編輯頁面鏈結可以重新回到檔案資訊頁面，點選左下角「刪除文件」刪除檔案、讓下載鏈結失效。 值得一試的三個理由： 免註冊即可使用，單檔上限達 5GB，適合分享大型檔案 提供編輯和查看鏈結，方便用戶隨時管理自己的檔案 採用 AWS 儲存服務，保證資料安全性和穩定性 這篇文章「Hostize 免費檔案空間：輕鬆上傳 5 GB 大檔案，支援 PDF 線上預覽」最早出現在免費資源網路社群，請追蹤 Google 新聞、Facebook、X (Twitter) 或訂閱 RSS feed 獲取更多科技新知及免費資源相關介紹教學。
-- gReader Pro
https://free.com.tw/hostize/
Hostize 是一個易於使用的線上共享文件工具，由澳洲公司 Smallize Pty Ltd 在 2022 年推出的服務，利用其自有 API 提供便捷的文件上傳、託管和查看功能，使用者可以透過瀏覽器輕鬆存取檔案，如同一般免費空間不用額外下載安裝軟體即可使用，支援各種檔案類型。 值得推薦的是 Hostize 在上傳檔案後會生成兩種鏈結：編輯和查看頁面鏈結，如果未來還要繼續管理檔案，可將編輯鏈結保存，日後就能回到檔案頁面編輯或刪除，也能設定檔案會不會出現在目錄頁面或搜尋結果中。預設情況使用者上傳的檔案將不會顯示於 Google、Bing 等搜尋引擎。 Hostize 分為免費和付費 Pro 方案，免費方案不用註冊（匿名使用），上傳單檔最大不超過 5 GB、最少保存 90 天，檔案 90 天都沒有任何存取就會被刪除，無論上傳或下載檔案都不用註冊，算是非常佛系的免空服務吧！付費升級可將上傳限制提高為 500 GB、檔案永久保存，每月價格是 $ 15 美元，有需要的朋友可以試試看。 最後，Hostize 有提到他們使用的儲存是採用亞馬遜雲端運算服務（AWS），相對來說有更安全可靠的環境，從全球各地都能快速連結到使用者的檔案，不過我在使用上的體感速度不算太快，但穩定性很不錯。 網站名稱：Hostize網站鏈結：https://www.hostize.com/ 使用教學 STEP切換語言。 開啟 Hostize 免費空間後先點選右上角「語言」並選擇中文切換為中文介面。 STEP上傳檔案。 Hostize 操作方式很簡單，將分享的檔案拖曳到網頁上即可上傳、產生分享鏈結，如果檔案數量較多建議先使用壓縮軟體壓縮成單一檔案，免費用戶上傳單檔不能超過 5 GB ，應該可以滿足大部分的使用情境。 依照網站說明這項服務支援多種文件格式，例如：PDF、DOCX、DOC、PUB、EPUB、ODT、RTF、PPT、PPTX、XLS、XLSX、ODS、ODP、TXT 等等，有部分格式在上傳後可直接從網頁進行瀏覽檢視（例如 PDF）。 上傳檔案時會顯示目前完成進度，速度不算太快，使用者必須將網頁保持開啟直到上傳完成。 STEP自訂下載頁面，取得檔案鏈結。 完成後會出現如下畫面，可以自訂一下標題名稱、作者、授權、描述和標籤等資訊，這些會在下載頁面顯示。 右上角會有兩個網址，分別是： 編輯頁面鏈結：用於編輯或刪除檔案，如果未來要手動編輯記得儲存該網址。 查看頁面的鏈結：檔案分享鏈結，透過該網址任何人都能查看或下載文件。 另外，下方還會有一個「公共文件」設定選項，預設情況上傳後檔案都是私人文件權限，不會顯示於目錄頁面或是搜尋引擎的結果中（目錄頁面要註冊帳號登入後才會看到），如果沒有特別需求維持預設值無需調整。 STEP下載檔案。 將查看頁面的鏈結分享給其他人，他們就能進入 Hostize 下載檔案，如同一般常見常用的免空服務。 開啟檔案頁面後點選「免費下載」取得檔案，應該是沒有流量或是下載次數限制，檔案最少會保存 90 天，如果超過一段時間沒有任何下載數就會自動從伺服器刪除。 有些格式在分享後會出現不一樣的選項，例如下圖是上傳 PDF 文件後看到的下載頁面，會出現「線上閱讀」和「與文件聊天」兩個按鈕，在檔案名稱下方還會提供上傳日期、檔案大小等資訊。 STEP可手動刪除文件。 透過編輯頁面鏈結可以重新回到檔案資訊頁面，點選左下角「刪除文件」刪除檔案、讓下載鏈結失效。 值得一試的三個理由： 免註冊即可使用，單檔上限達 5GB，適合分享大型檔案 提供編輯和查看鏈結，方便用戶隨時管理自己的檔案 採用 AWS 儲存服務，保證資料安全性和穩定性 這篇文章「Hostize 免費檔案空間：輕鬆上傳 5 GB 大檔案，支援 PDF 線上預覽」最早出現在免費資源網路社群，請追蹤 Google 新聞、Facebook、X (Twitter) 或訂閱 RSS feed 獲取更多科技新知及免費資源相關介紹教學。
-- gReader Pro
2024年11月15日 星期五
2024年11月14日 星期四
2024年11月12日 星期二
2024年11月11日 星期一
2024年11月9日 星期六
Whisper Web 免費線上音檔、語音轉文字工具，提供多種模型
Whisper Web 免費線上音檔、語音轉文字工具，提供多種模型
https://www.kocpc.com.tw/archives/573418
手邊有音檔想要轉成文字、想把自己的錄音變成文字嗎？Whisper Web 就是很不錯的選擇，架設在 HuggingFace 網站上，不僅完全免費使用，還提供多種 Whisper AI 模型選擇，讓你能依據內容，選擇適合的模型，使用也很簡單。 Whisper Web 一款線上語音轉文字的免費工具 試用 Whisper Web Whisper Web 是一款線上工具，因此無需安裝任何東西，打開瀏覽器就能用。雖然是國外開發者架設在 Hugging Face，沒有中文介面，但使用很簡單，只需要三步驟： 匯入音檔 指定模型 開始轉換 不過因為是使用共享 CPU 或 GPU 緣故，選擇較大模型的話，轉換速度會比較慢，但較小模型轉換速度雖快，準確度就沒有大模型好，所以真的要精準又快速，安裝在本地還是首選。 點擊上方連結進到 Whisper Web 後，選擇你要匯入音檔的方式，可輸入網址、選擇檔案、以及錄音，我使用選擇檔案。URL 網址是音檔網址，不支援 YouTube 這種影片網址： 匯入之後，可以試聽看對不對，接著按右下角的設定齒輪圖示： 會跳出這選項，預設是只能轉換英文的模型「Whisper-tiny.en」和「Whisper-base.en」： 記得把 Multilingual 打勾，這就會切換成支援多語言的 Whisper 模型：如果你想要更大一點的 Whisper 模型，可把右邊的 Quantized 也打勾： 這樣就能選擇 Small 和 Medium 模型，右邊會提示容量，越大代表模型越大，但相對轉換速度更慢。以最大的 Medium 來說，轉換時間可能會比原本音檔時間還長，但如果是 base 或 tiny，時間會短非常多： Language 選擇你音檔的語言，中文就選 Chinese： 一切都設定好後，按下方的 Transcribe Audio 來啟動： 首次使用會讀取一些必要檔案，這只會讀一次，很快就會跑完： 接著就會即時看到轉好文字的結果： 轉好之後，下方會有 TXT 和 JSON 二個檔案載點： TXT 是純文字，沒有時間點和標點符號： JSON 則有時間點： 下圖是 Medium（左）和 Base（右）轉好的差異，Base 有出現幻覺，一大段一直重複「剩下的」，Medium 就沒這問題，但轉換時間非常長： 另外比較可惜是，這工具沒有提供暫停功能，因此開始之後，就必須等它轉完才能下載轉好的文字。 轉檔速度更快的選擇：Whisper large-v3-turbo 這工具提供的 Whisper 模型都比較舊，上個月初 OpenAI 有推出一個新的 Turbo 模型，14 多分鐘影片不用 30 秒就完成，非常快，有興趣的人可以閱讀這篇介紹：OpenAI Whisper 更強語音轉文字模型
-- gReader Pro
https://www.kocpc.com.tw/archives/573418
手邊有音檔想要轉成文字、想把自己的錄音變成文字嗎？Whisper Web 就是很不錯的選擇，架設在 HuggingFace 網站上，不僅完全免費使用，還提供多種 Whisper AI 模型選擇，讓你能依據內容，選擇適合的模型，使用也很簡單。 Whisper Web 一款線上語音轉文字的免費工具 試用 Whisper Web Whisper Web 是一款線上工具，因此無需安裝任何東西，打開瀏覽器就能用。雖然是國外開發者架設在 Hugging Face，沒有中文介面，但使用很簡單，只需要三步驟： 匯入音檔 指定模型 開始轉換 不過因為是使用共享 CPU 或 GPU 緣故，選擇較大模型的話，轉換速度會比較慢，但較小模型轉換速度雖快，準確度就沒有大模型好，所以真的要精準又快速，安裝在本地還是首選。 點擊上方連結進到 Whisper Web 後，選擇你要匯入音檔的方式，可輸入網址、選擇檔案、以及錄音，我使用選擇檔案。URL 網址是音檔網址，不支援 YouTube 這種影片網址： 匯入之後，可以試聽看對不對，接著按右下角的設定齒輪圖示： 會跳出這選項，預設是只能轉換英文的模型「Whisper-tiny.en」和「Whisper-base.en」： 記得把 Multilingual 打勾，這就會切換成支援多語言的 Whisper 模型：如果你想要更大一點的 Whisper 模型，可把右邊的 Quantized 也打勾： 這樣就能選擇 Small 和 Medium 模型，右邊會提示容量，越大代表模型越大，但相對轉換速度更慢。以最大的 Medium 來說，轉換時間可能會比原本音檔時間還長，但如果是 base 或 tiny，時間會短非常多： Language 選擇你音檔的語言，中文就選 Chinese： 一切都設定好後，按下方的 Transcribe Audio 來啟動： 首次使用會讀取一些必要檔案，這只會讀一次，很快就會跑完： 接著就會即時看到轉好文字的結果： 轉好之後，下方會有 TXT 和 JSON 二個檔案載點： TXT 是純文字，沒有時間點和標點符號： JSON 則有時間點： 下圖是 Medium（左）和 Base（右）轉好的差異，Base 有出現幻覺，一大段一直重複「剩下的」，Medium 就沒這問題，但轉換時間非常長： 另外比較可惜是，這工具沒有提供暫停功能，因此開始之後，就必須等它轉完才能下載轉好的文字。 轉檔速度更快的選擇：Whisper large-v3-turbo 這工具提供的 Whisper 模型都比較舊，上個月初 OpenAI 有推出一個新的 Turbo 模型，14 多分鐘影片不用 30 秒就完成，非常快，有興趣的人可以閱讀這篇介紹：OpenAI Whisper 更強語音轉文字模型
-- gReader Pro
Felo Search 生成式 AI 搜尋引擎使用體驗：免費版就能用 GPT-4o 問到爽、支援 Perplexity 的對話式搜尋、提供「心智圖」與「主題分類」等功能
Felo Search 生成式 AI 搜尋引擎使用體驗：免費版就能用 GPT-4o 問到爽、支援 Perplexity 的對話式搜尋、提供「心智圖」與「主題分類」等功能
https://www.kocpc.com.tw/archives/573435
最近我們則是注意到了一個偏向於日系使用體驗的 Felo Search 對話式 AI 搜尋引擎 – 看起來 Sparticle 確實是日本公司，但主打的是「打破語言障礙，讓用戶以母語訪問全球信息」的特色。個人覺得雖然實際的搜尋體驗與正確度是否能超越其他對手如 Perplexity 還很難說。但以介面體驗來說已經是現階段個人心目中的佼佼者。在此也簡單分享 Felo Search 的使用體驗讓大家參考一下。繼續閱讀 Felo Search 生成式 AI 搜尋引擎使用體驗：免費版就能用 GPT-4o 問到爽、支援 Perplexity 的對話式搜尋、提供「心智圖」與「主題分類」等功能報導內文。 Felo Search 生成式 AI 搜尋引擎使用體驗：免費版就能用 GPT-4o 問到爽、支援 Perplexity 的對話式搜尋、提供「心智圖」與「主題分類」等功能 自從生成式 AI 的關注度與實用性同步起飛開始。我們第一時間看到的就是 Google 開始緊張起了自己搜尋事業方面的領導地位將會被 AI 的發展給翻轉。事實上，雖然針對生成式 AI 的發展上 Google 算是站穩了腳步，但對於將大型語言模型的神力應用在搜尋服務的創新程度方面，相信大家都感覺得出來 Google Search 近期確實算是各種綁手綁腳。 也因為如此，諸如 Arc Search、Perplexity 甚至是現階段最受關注的 ChatGPT 也都跳進來，希望透過自己對於大型語言模型的「思路」的硬實力，創造出更為實用的搜尋引擎。 最近我們則是注意到了一個偏向於日系使用體驗的 Felo Search 對話式 AI 搜尋引擎 – 看起來 Sparticle 確實是日本公司，但主打的是「打破語言障礙，讓用戶以母語訪問全球信息」的特色。 個人短暫使用了一下，一方面非常喜歡他們的使用介面版面設計跟整個邏輯及功能，另一方面，非 Pro 的 免費仔 免費版本想不到居然可以直接使用 OpenAI 的 GPT-4o（應該是 mini 吧）模型（Pro 版則有其他可選）也算是相當不錯。 而且不僅真的提供了繁體中文的支援（Android 與 iOS App 也有），他們的功能甚至還預設能夠讓你看到由 AI 整理，對於你問題的心智圖生成 – 這很酷。還能在搜尋的介面中看到 AI 的思路走向以及進度。 個人覺得雖然實際的搜尋體驗與正確度是否能超越其他對手如 Perplexity 還很難說。但以介面體驗來說已經是現階段個人心目中的佼佼者。在此也簡單分享 Felo Search 的使用體驗讓大家參考一下。 🔍 網頁版：Felo Search 🔍 App 下載：Google Play｜App Store Felo 與其他對手的差異（GenSpark 和 Perplexity） 官方有做了一點簡單的比較，我們整理在這篇之中。讓大家快速掌握。 當然，畢竟是官方自己的整理，自然會有一點點偏心的趨勢。不過可以看到 Felo Search 針對母語支援（特別是有繁體中文），還有提供心智圖以及相關介面的互動性方面相當不錯。至於其中提到的學術研究與內創建等能力方面，就還有待後續更多使用才可能會有比較明確的心得差別。以下為官方的 PK 整理： 1. 語言能力: – Felo AI 搜尋：在跨語言搜尋和翻譯方面表現出色，使其對全球用戶可訪問，無論其母語為何。 – GenSpark 和 Perplexity：主要集中於英語內容，限制了其全球覆蓋範圍。 2. 學術研究: – Felo AI 搜尋：提供專門的學術論文搜尋和自動翻譯，對全球研究人員和學生來說非常寶貴。 – GenSpark 和 Perplexity：雖然提供一般信息，但缺乏 Felo AI 搜尋的專門學術焦點。 3. 用戶互動: – Felo AI 搜尋：允許用戶與其知識庫聊天並創建心智圖，增強信息組織和檢索。 – GenSpark：通過可編輯的 Sparkpages 提供用戶互動。 – Perplexity：提供對話界面以進行後續問題。 4. 內容創建: – Felo AI 搜尋：具有 AI 生成的簡報功能，對專業人士和學生來說是一個多功能工具。 – GenSpark 和 Perplexity：提供內容總結，但缺乏專門的簡報創建功能。 Felo Search 使用體驗 先前我們介紹過他們的翻譯功能，所以他們其他開發的應用（甚至是部落格文章）都能支援多種語言其實並不奇怪。不過整體介面一打開，個人覺得是相當的清楚好懂。 右側主要功能欄可以直接輸入想要搜尋的問題，左側則是登入之後可以使用的「主題集」與「歷史紀錄」等功能。 簡單透過 Google 帳號登錄之後，就可以在左下角看到自己的帳號名稱。一旁有切換淺色／深色模式的按鈕，並且可以指定介面的語言。 設定的部分簡單巡了一下，有可以選擇不讓服務進行數據保留的「AI 數據保留」開關。重點是這功能並不會影響到歷史紀錄的功能。所以如果擔心資料會被拿去學習或做奇怪的事情的話，可以一開始就關掉。 就我的實測，這項設定也會被沿用在行動版本之中，所以「理論上」不用使用一個裝置就重新設定一次。 設定裡也可以指定語言模型，但除了 GPT-4o 之外基本上與「深度推理模式實驗性功能」一樣，都要 Pro 帳號才可以使用。 實測了一下，不登入帳號其實也是可以使用 Felo Search。中間會是很類似其他聊天機器人的對答介面，但右側會有滿滿的資料來源，還有圖片顯示等相關的資訊。 這個介面個人非常喜歡，在畫面中的「回答完成」的部分，會在你搜尋按下 Enter 之後像是在思考一樣，顯示進度與 AI 的思考邏輯。 可以支援接續搜尋結果的後續問題。然後在放大鏡的圖示上，可以選擇改用不存取網路單純對大型語言進行提問的詢問。 最帥的是，在回答的內容中還會提供一個「心智圖」的按鈕。 點進去就可以看到 AI 針對這個問題的心智圖整理，還可以另外下載使用。 其實個人蠻推薦可以申請帳號使用 Felo Search 的。因為它可以讓你把一些相關主題的搜尋給整理在一個「主題集」裏面。並且在你再度進去主題串時，主動叫出這些先前的資料來作為索引使用。不會讓一些對於主題的整理在每次搜尋的時候都只能從零開始。然後很棒的是，你可以後續再到歷史紀錄裡面，把先前搜尋過的內容給歸類到主題裡面。 結語 雖然 Felo Search 的實用性還有待後續長時間使用確認 – 其實短暫使用已經多少遇到了錯誤答案了。但個人認為這套搜尋引擎包括網頁版與 App 版本的體驗都給我很不錯的印象。 基本上，我對於一些以往會丟到 Google 搜尋的問題。現在早就已經偏向於先丟到 Arc Search 裡面請它幫我做初步的整理，讓我快速掌握可能需要進一步研究的方向。但進一步的搜尋工作，就還是得要靠 Perplexity 才能使用。 用了 Felo Search 之後，個人覺得算是有一種 Arc 超讚介面 + Perplexity 使用體驗的綜合感受。就我個人而言，是已經把 App 給裝起來，還有把這個 AI 功能加到瀏覽器書籤裡了。希望未來它能越來越好，讓 Google 真正感受到壓力才是。 延伸閱讀： Google AI 智慧助理的下一步很「科幻」，將自動幫你執行任務
-- gReader Pro
https://www.kocpc.com.tw/archives/573435
最近我們則是注意到了一個偏向於日系使用體驗的 Felo Search 對話式 AI 搜尋引擎 – 看起來 Sparticle 確實是日本公司，但主打的是「打破語言障礙，讓用戶以母語訪問全球信息」的特色。個人覺得雖然實際的搜尋體驗與正確度是否能超越其他對手如 Perplexity 還很難說。但以介面體驗來說已經是現階段個人心目中的佼佼者。在此也簡單分享 Felo Search 的使用體驗讓大家參考一下。繼續閱讀 Felo Search 生成式 AI 搜尋引擎使用體驗：免費版就能用 GPT-4o 問到爽、支援 Perplexity 的對話式搜尋、提供「心智圖」與「主題分類」等功能報導內文。 Felo Search 生成式 AI 搜尋引擎使用體驗：免費版就能用 GPT-4o 問到爽、支援 Perplexity 的對話式搜尋、提供「心智圖」與「主題分類」等功能 自從生成式 AI 的關注度與實用性同步起飛開始。我們第一時間看到的就是 Google 開始緊張起了自己搜尋事業方面的領導地位將會被 AI 的發展給翻轉。事實上，雖然針對生成式 AI 的發展上 Google 算是站穩了腳步，但對於將大型語言模型的神力應用在搜尋服務的創新程度方面，相信大家都感覺得出來 Google Search 近期確實算是各種綁手綁腳。 也因為如此，諸如 Arc Search、Perplexity 甚至是現階段最受關注的 ChatGPT 也都跳進來，希望透過自己對於大型語言模型的「思路」的硬實力，創造出更為實用的搜尋引擎。 最近我們則是注意到了一個偏向於日系使用體驗的 Felo Search 對話式 AI 搜尋引擎 – 看起來 Sparticle 確實是日本公司，但主打的是「打破語言障礙，讓用戶以母語訪問全球信息」的特色。 個人短暫使用了一下，一方面非常喜歡他們的使用介面版面設計跟整個邏輯及功能，另一方面，非 Pro 的 免費仔 免費版本想不到居然可以直接使用 OpenAI 的 GPT-4o（應該是 mini 吧）模型（Pro 版則有其他可選）也算是相當不錯。 而且不僅真的提供了繁體中文的支援（Android 與 iOS App 也有），他們的功能甚至還預設能夠讓你看到由 AI 整理，對於你問題的心智圖生成 – 這很酷。還能在搜尋的介面中看到 AI 的思路走向以及進度。 個人覺得雖然實際的搜尋體驗與正確度是否能超越其他對手如 Perplexity 還很難說。但以介面體驗來說已經是現階段個人心目中的佼佼者。在此也簡單分享 Felo Search 的使用體驗讓大家參考一下。 🔍 網頁版：Felo Search 🔍 App 下載：Google Play｜App Store Felo 與其他對手的差異（GenSpark 和 Perplexity） 官方有做了一點簡單的比較，我們整理在這篇之中。讓大家快速掌握。 當然，畢竟是官方自己的整理，自然會有一點點偏心的趨勢。不過可以看到 Felo Search 針對母語支援（特別是有繁體中文），還有提供心智圖以及相關介面的互動性方面相當不錯。至於其中提到的學術研究與內創建等能力方面，就還有待後續更多使用才可能會有比較明確的心得差別。以下為官方的 PK 整理： 1. 語言能力: – Felo AI 搜尋：在跨語言搜尋和翻譯方面表現出色，使其對全球用戶可訪問，無論其母語為何。 – GenSpark 和 Perplexity：主要集中於英語內容，限制了其全球覆蓋範圍。 2. 學術研究: – Felo AI 搜尋：提供專門的學術論文搜尋和自動翻譯，對全球研究人員和學生來說非常寶貴。 – GenSpark 和 Perplexity：雖然提供一般信息，但缺乏 Felo AI 搜尋的專門學術焦點。 3. 用戶互動: – Felo AI 搜尋：允許用戶與其知識庫聊天並創建心智圖，增強信息組織和檢索。 – GenSpark：通過可編輯的 Sparkpages 提供用戶互動。 – Perplexity：提供對話界面以進行後續問題。 4. 內容創建: – Felo AI 搜尋：具有 AI 生成的簡報功能，對專業人士和學生來說是一個多功能工具。 – GenSpark 和 Perplexity：提供內容總結，但缺乏專門的簡報創建功能。 Felo Search 使用體驗 先前我們介紹過他們的翻譯功能，所以他們其他開發的應用（甚至是部落格文章）都能支援多種語言其實並不奇怪。不過整體介面一打開，個人覺得是相當的清楚好懂。 右側主要功能欄可以直接輸入想要搜尋的問題，左側則是登入之後可以使用的「主題集」與「歷史紀錄」等功能。 簡單透過 Google 帳號登錄之後，就可以在左下角看到自己的帳號名稱。一旁有切換淺色／深色模式的按鈕，並且可以指定介面的語言。 設定的部分簡單巡了一下，有可以選擇不讓服務進行數據保留的「AI 數據保留」開關。重點是這功能並不會影響到歷史紀錄的功能。所以如果擔心資料會被拿去學習或做奇怪的事情的話，可以一開始就關掉。 就我的實測，這項設定也會被沿用在行動版本之中，所以「理論上」不用使用一個裝置就重新設定一次。 設定裡也可以指定語言模型，但除了 GPT-4o 之外基本上與「深度推理模式實驗性功能」一樣，都要 Pro 帳號才可以使用。 實測了一下，不登入帳號其實也是可以使用 Felo Search。中間會是很類似其他聊天機器人的對答介面，但右側會有滿滿的資料來源，還有圖片顯示等相關的資訊。 這個介面個人非常喜歡，在畫面中的「回答完成」的部分，會在你搜尋按下 Enter 之後像是在思考一樣，顯示進度與 AI 的思考邏輯。 可以支援接續搜尋結果的後續問題。然後在放大鏡的圖示上，可以選擇改用不存取網路單純對大型語言進行提問的詢問。 最帥的是，在回答的內容中還會提供一個「心智圖」的按鈕。 點進去就可以看到 AI 針對這個問題的心智圖整理，還可以另外下載使用。 其實個人蠻推薦可以申請帳號使用 Felo Search 的。因為它可以讓你把一些相關主題的搜尋給整理在一個「主題集」裏面。並且在你再度進去主題串時，主動叫出這些先前的資料來作為索引使用。不會讓一些對於主題的整理在每次搜尋的時候都只能從零開始。然後很棒的是，你可以後續再到歷史紀錄裡面，把先前搜尋過的內容給歸類到主題裡面。 結語 雖然 Felo Search 的實用性還有待後續長時間使用確認 – 其實短暫使用已經多少遇到了錯誤答案了。但個人認為這套搜尋引擎包括網頁版與 App 版本的體驗都給我很不錯的印象。 基本上，我對於一些以往會丟到 Google 搜尋的問題。現在早就已經偏向於先丟到 Arc Search 裡面請它幫我做初步的整理，讓我快速掌握可能需要進一步研究的方向。但進一步的搜尋工作，就還是得要靠 Perplexity 才能使用。 用了 Felo Search 之後，個人覺得算是有一種 Arc 超讚介面 + Perplexity 使用體驗的綜合感受。就我個人而言，是已經把 App 給裝起來，還有把這個 AI 功能加到瀏覽器書籤裡了。希望未來它能越來越好，讓 Google 真正感受到壓力才是。 延伸閱讀： Google AI 智慧助理的下一步很「科幻」，將自動幫你執行任務
-- gReader Pro
DrugHive：基于结构的药物设计与生成人工智能
DrugHive：基于结构的药物设计与生成人工智能
https://www.eiefun.com/8543.html
虚拟筛选的最新创新已将可获取的化合物扩展到数十亿甚至数万亿种，然而，探索化学空间的其余部分仍然具有挑战性。在这里，生成架构发挥了创造符合设计标准的新分子的能力。除了从头生成分子外，它们还能够将分子连接在一起、进行片段生长和分子优化。 虽然这听起来很不错，但迄今为止我们测试过的大多数架构都在与更复杂的目标作斗争，或者生成让药物和合成化学家想哭的疯狂化合物。为了有效地执行这些任务，仍然需要做大量的工作。当我们遇到 DrugHIVE，一种由 Jesse A. Weller 等人发布的深度分层变分自动编码器时。早在七月份，我们就认为测试一下它并看看它有什么能力可能是个好主意。根据作者的说法，它在速度和效率方面应该优于现有的方法，例如自回归和基于扩散的模型，这听起来已经很有趣了。 DrugHIVE 还可以与实验结构和 AphaFold 预测结构一起使用，这使得它可以用于新颖或尚未结晶的靶标。 该工具可用于基于结构的药物设计中各种任务的自动化，特别是连接子设计、支架跳跃、片段生长和模式替换。手工完成此操作通常需要强大的化学专业知识，因此生成的结果可以用作进一步开发的想法，也可以直接合成和测试。 DrugHive 可应用于早期命中发现阶段（片段生长/连接）以及先导化合物优化（潜在毒性子结构、PAINS、不需要的部分等的替换）。 优化分子特定部分的能力大大拓宽了该工具的应用范围，因为其他模型通常在需要修改时从头开始重建整个分子，从而限制了灵活性。 分层复杂性级别：DrugHIVE 能够处理不同"复杂性级别"的分子特征，其区分和处理大量结构图案以及特定原子细节的能力就证明了这一点。这种详细程度提高了模型生产适合蛋白质靶标的独特化合物的能力。 力场最小化：利用分子力学力场最大限度地提高预期结构的稳定性和结合潜力。 先验-后验系数调整：该机制允许在生成的分子的新颖性和参考结构相似性之间进行平衡。根据该系数的调整，DrugHIVE 可以产生现有分子的紧密复制品或探索化学空间的新区域，从而使该过程更加可定制。 我们 Chemspace 总是在测试不同的生成架构，以了解它们在现实世界任务中的真实性能。不幸的是，我们在训练外的蛋白质上安装和运行的大多数东西都产生了不足的结果，尽管有时会产生有趣的想法。 我们在 2 个内部晶体结构上测试了 DrugHIVE，看看它在分子优化任务上的表现如何。结果非常有希望：大多数结构都非常合理，看起来不错，并且得分有所提高，这就是优化目标。它们也没有我们在其他架构中注意到的伪影，例如奇怪的环系统或过多的功能组。 一个有趣的发现是，生成的分子最终比种子分子小。也许这是 DrugHIVE 内部尺寸校正亲和力计算功能的作用，其目的是确保较大的分子不会仅仅因为其尺寸而受到青睐。 平衡生成的分子多样性的可能性也很方便，因为您可以在优化轮次中尝试不同的系数，以根据任务获得更多样化或更有针对性的化合物集。 尽管生成的分子非常合理，但不幸的是它们仍然需要定制合成，这可能是漫长且昂贵的。看到该工具与商业化学空间中的即时搜索的潜在组合将很有趣，以确保这些分子确实可以制造。 1. 内存效率 DrugHIVE 带来了相对较新的分子优化和从头生成方法，该方法基于基于网格的表示和具有不同空间尺度的分层结构表示。该模型的双分辨率实现显着降低了内存需求，尽管 DrugHIVE 只能生成适合输入密度网格 (24 Å) 的分子，这限制了其对较大分子的适用性。但其他生成方法（例如基于图和点云的模型）可以避免这个问题。 2. 化合物的多目标优化 DrugHIVE 的分层先验使模型能够更好地学习分子内和分子间关系的分布，从而更好地预测化合物的亲和力。而进化潜搜索使得模型能够保持在分子特性的最优状态。该模型可以根据结合亲和力 (Vina)、药物相似性 (QED)、可合成性 (SA) 和疏水性 (ALogP) 值在潜在空间中导航。 3、人口生成的灵活性 DrugHIVE 模型的分层性质导致在不同的空间尺度上对输入分子结构进行编码，并能够生成具有高水平空间控制的新分子——群体的多样性/相似性可以通过先验-后验采样系数来控制。 4. 性能可与最先进的型号相媲美 DrugHIVE 为 100 种不同蛋白质结构生成的分子显示，与来自晶体复合物的参考配体相比，预测亲和力高出 8.7%。它可以通过筛选生成的分子来进行命中识别，这些分子超过随机 ZINC 化合物的虚拟筛选子集，并使模型与当前的 SOTA 生成模型相当。 5. 预测蛋白质结构的化合物生成的可及性 DrugHIVE 可用于晶体结构不可用的情况。它可以对高置信度预测的蛋白质结构进行执行，并应给出对接分数的合理预测。但是，应谨慎使用此功能，因为它不一定以正确的绑定姿势进行操作。 版权声明 本文为本站原创内容,转载需注明文章来源(https://www.eiefun.com)，另:文中部分素材可能会引用自其他平台，如有侵权或其它，请联系 admin@eiefun.com，我们会第一时间配合删除
-- gReader Pro
https://www.eiefun.com/8543.html
虚拟筛选的最新创新已将可获取的化合物扩展到数十亿甚至数万亿种，然而，探索化学空间的其余部分仍然具有挑战性。在这里，生成架构发挥了创造符合设计标准的新分子的能力。除了从头生成分子外，它们还能够将分子连接在一起、进行片段生长和分子优化。 虽然这听起来很不错，但迄今为止我们测试过的大多数架构都在与更复杂的目标作斗争，或者生成让药物和合成化学家想哭的疯狂化合物。为了有效地执行这些任务，仍然需要做大量的工作。当我们遇到 DrugHIVE，一种由 Jesse A. Weller 等人发布的深度分层变分自动编码器时。早在七月份，我们就认为测试一下它并看看它有什么能力可能是个好主意。根据作者的说法，它在速度和效率方面应该优于现有的方法，例如自回归和基于扩散的模型，这听起来已经很有趣了。 DrugHIVE 还可以与实验结构和 AphaFold 预测结构一起使用，这使得它可以用于新颖或尚未结晶的靶标。 该工具可用于基于结构的药物设计中各种任务的自动化，特别是连接子设计、支架跳跃、片段生长和模式替换。手工完成此操作通常需要强大的化学专业知识，因此生成的结果可以用作进一步开发的想法，也可以直接合成和测试。 DrugHive 可应用于早期命中发现阶段（片段生长/连接）以及先导化合物优化（潜在毒性子结构、PAINS、不需要的部分等的替换）。 优化分子特定部分的能力大大拓宽了该工具的应用范围，因为其他模型通常在需要修改时从头开始重建整个分子，从而限制了灵活性。 分层复杂性级别：DrugHIVE 能够处理不同"复杂性级别"的分子特征，其区分和处理大量结构图案以及特定原子细节的能力就证明了这一点。这种详细程度提高了模型生产适合蛋白质靶标的独特化合物的能力。 力场最小化：利用分子力学力场最大限度地提高预期结构的稳定性和结合潜力。 先验-后验系数调整：该机制允许在生成的分子的新颖性和参考结构相似性之间进行平衡。根据该系数的调整，DrugHIVE 可以产生现有分子的紧密复制品或探索化学空间的新区域，从而使该过程更加可定制。 我们 Chemspace 总是在测试不同的生成架构，以了解它们在现实世界任务中的真实性能。不幸的是，我们在训练外的蛋白质上安装和运行的大多数东西都产生了不足的结果，尽管有时会产生有趣的想法。 我们在 2 个内部晶体结构上测试了 DrugHIVE，看看它在分子优化任务上的表现如何。结果非常有希望：大多数结构都非常合理，看起来不错，并且得分有所提高，这就是优化目标。它们也没有我们在其他架构中注意到的伪影，例如奇怪的环系统或过多的功能组。 一个有趣的发现是，生成的分子最终比种子分子小。也许这是 DrugHIVE 内部尺寸校正亲和力计算功能的作用，其目的是确保较大的分子不会仅仅因为其尺寸而受到青睐。 平衡生成的分子多样性的可能性也很方便，因为您可以在优化轮次中尝试不同的系数，以根据任务获得更多样化或更有针对性的化合物集。 尽管生成的分子非常合理，但不幸的是它们仍然需要定制合成，这可能是漫长且昂贵的。看到该工具与商业化学空间中的即时搜索的潜在组合将很有趣，以确保这些分子确实可以制造。 1. 内存效率 DrugHIVE 带来了相对较新的分子优化和从头生成方法，该方法基于基于网格的表示和具有不同空间尺度的分层结构表示。该模型的双分辨率实现显着降低了内存需求，尽管 DrugHIVE 只能生成适合输入密度网格 (24 Å) 的分子，这限制了其对较大分子的适用性。但其他生成方法（例如基于图和点云的模型）可以避免这个问题。 2. 化合物的多目标优化 DrugHIVE 的分层先验使模型能够更好地学习分子内和分子间关系的分布，从而更好地预测化合物的亲和力。而进化潜搜索使得模型能够保持在分子特性的最优状态。该模型可以根据结合亲和力 (Vina)、药物相似性 (QED)、可合成性 (SA) 和疏水性 (ALogP) 值在潜在空间中导航。 3、人口生成的灵活性 DrugHIVE 模型的分层性质导致在不同的空间尺度上对输入分子结构进行编码，并能够生成具有高水平空间控制的新分子——群体的多样性/相似性可以通过先验-后验采样系数来控制。 4. 性能可与最先进的型号相媲美 DrugHIVE 为 100 种不同蛋白质结构生成的分子显示，与来自晶体复合物的参考配体相比，预测亲和力高出 8.7%。它可以通过筛选生成的分子来进行命中识别，这些分子超过随机 ZINC 化合物的虚拟筛选子集，并使模型与当前的 SOTA 生成模型相当。 5. 预测蛋白质结构的化合物生成的可及性 DrugHIVE 可用于晶体结构不可用的情况。它可以对高置信度预测的蛋白质结构进行执行，并应给出对接分数的合理预测。但是，应谨慎使用此功能，因为它不一定以正确的绑定姿势进行操作。 版权声明 本文为本站原创内容,转载需注明文章来源(https://www.eiefun.com)，另:文中部分素材可能会引用自其他平台，如有侵权或其它，请联系 admin@eiefun.com，我们会第一时间配合删除
-- gReader Pro
Perplexity AI被起诉：AI搜索与创作者权益的平衡
Perplexity AI被起诉：AI搜索与创作者权益的平衡
https://www.eiefun.com/8553.html
十月底，News Corp 对一个受欢迎的 AI 搜索引擎 Perplexity AI 提起了诉讼。乍一看，这似乎并不特别，毕竟这是众多要求 AI 开发者在数据使用上提供归属、征得同意或支付补偿的案件之一。然而，这起诉讼却不同，它可能是其中最具影响的一件。 这场争论的核心是 AI 搜索的未来，即能够从全网信息中提取并总结内容的聊天机器人。随着其日渐流行，这些 AI"答案引擎"可能会成为取代传统搜索引擎的互联网入口。与普通 AI 聊天机器人仅通过训练来复现信息（尽管常常不可靠）不同，AI 搜索工具如 Perplexity、 Google 的 Gemini 或 OpenAI 的新推出的 Se arc h GPT，旨在从第三方网站获取并重新打包信息，向用户提供简短的摘要，并附上从研究论文到 Wikipedia 文章、YouTube 文字记录等少量来源的链接。AI 系统负责阅读和撰写，但信息来源于外部。 在最佳情况下，AI 搜索能够更好地推测用户意图、放大优质内容并整合多种来源的信息。但如果 AI 搜索成为我们访问网络的主要门户，将对本已脆弱的数字经济造成冲击。当前，线上内容的生产依赖于与虚拟流量相关的脆弱激励机制：广告、订阅、捐赠、 销售或品牌曝光。如果 AI 搜索将网络内容屏蔽在"全知"的聊天机器人背后，那么它可能剥夺创作者赖以生存的访问量和关注度。 如果 AI 搜索破坏了这个生态系统，现有法律可能难以提供帮助。各国政府已经意识到内容在法律体系中正"漏洞百出"，并正着手通过其他方式来调控网络价值的流动。在此窄小的时间窗口中，AI 行业应该主动构建一个更加智能的内容市场，以避免政府推出无效、只利于少数人或限制网络思想自由流动的干预措施。 版权并不能解决 AI 搜索的破坏性影响 News Corp 认为，用其内容提取信息供 AI 搜索使用相当于版权侵权，并声称 Perplexity AI"在竞争读者的同时还在免费搭便车"。这种观点可能也得到了《纽约时报》的认同，该报在 10 月中旬向 Perplexity AI 发出了一封停止侵权的通知函。 在某些方面，对 AI 搜索的指控比其他涉及 AI 训练的案件更为有力。AI 训练通常会从大量重复性内容中学习一般化的行为模式，而单一内容的贡献往往有限。但在搜索中，内容的价值在于其新颖性或独特性，或者创作者拥有独特的权威性。AI 搜索的设计目的是复现基础数据中的特定特征、引用原创作者的权威，并充当原始内容的替代品。 即便如此，News Corp 依然面临艰难挑战，要证明 Perplexity AI 在处理和总结信息时侵犯了版权。版权法并不保护"纯事实"或创造、新闻及学术劳动的成果。美国法院历来支持将内容用于足够变形的用途的技术被告，这一趋势可能会继续。而若 News Corp 成功，这一判例的影响将远超 Perplexity AI。限制信息丰富的内容用于非创意或非表达的目的，可能会限制丰富多样的优质数据的使用，阻碍提高 AI 系统安全性和可靠性的广泛努力。 各国政府正学习如何规范在线价值分配 如果现有法律难以解决这些问题，各国政府可能会寻求新法律。受与传统搜索和社交媒体平台的争议影响，各国政府可能会效仿澳大利亚和加拿大实施的媒体议价法，或美国加州和国会提出的类似方案。这些改革强制特定平台向显示其内容的部分媒体组织支付费用，例如新闻片段或知识面板。欧盟通过版权改革施加了类似的义务，而英国则引入了广泛的竞争权力，以便在必要时强制议价。 然而，强制议价对于这个复杂问题而言是一种粗放的解决方案。这些改革倾向于特定的新闻组织，基于谷歌和 Meta 等平台剥削出版商的假设。在实际中，很难确定平台流量中有多少真正来自新闻，估计值从 2% 到 35% 不等，而社交媒体上的新闻内容仅占 3%。与此同时，平台在放大出版商内容方面带来了显著收益，但对于这种双向价值的合理分配，并没有统一共识。更具争议的是，这些议价规则不仅针对内容重现，还对索引和链接施加了限制，威胁到支撑网络的"自由链接"能力。此外，聚焦传统媒体的议价法仅适用于加拿大的 1400 家出版物、欧盟的 1500 家和澳大利亚的 62 家组织，而忽视了众多每日为平台流量贡献的创作者和用户。 行业应抓住有限的机会建立公平的奖励体系 然而，干预的威胁本身可能比实际改革带来更大影响。AI 公司已经认识到诉讼可能升级为监管的风险。例如，Perplexity AI、 OpenAI 和谷歌已开始与出版商和内容平台达成协议，有些覆盖了 AI 训练，有些则专注于 AI 搜索。但与早期议价法类似，这些协议仅惠及少数公司，其中一些（如 Reddit）尚未承诺与自己的创作者分享收入。 这种选择性让步的政策难以为继。它忽视了线上绝大多数创作者，他们无法轻易选择退出 AI 搜索，也没有传统出版商的议价能力。这种策略让改革的紧迫性因安抚了最响亮的批评者而减弱。通过复杂的商业协议来合法化少数 AI 公司，使得新进入者难以获得平等待遇或同等豁免权，这可能会进一步巩固新一轮搜索巨头的地位。长期来看，这可能会为 AI 公司创造不良激励，使它们偏爱低成本、低质量的来源，而非成本较高的高质量新闻或内容，导致信息消费的文化日趋不加辨别。 相反，AI 行业应当投资于能让各类创作者因分享优质内容而获益的框架。从 YouTube 到 TikTok 再到 X，科技平台已证明他们可以为复杂的内容市场中的创作者提供创新的奖励机制。实际上，更公平地对日常内容进行变现正是风险投资者推崇的"web3"运动的核心目标。这一逻辑同样适用于 AI 搜索。如果查询带来了丰厚的参与度，而用户并未点击原始来源，商业 AI 搜索平台应该找到方法将这些价值归于创作者，并在更大范围内进行分享。 当然，也可能我们数字经济从一开始就是不完善的。依靠零星广告收入维持生计或许难以为继，注意力经济对隐私、信息完整性和网络民主已造成实质性损害。支持高质量新闻和新鲜内容可能需要其他形式的投资或激励。 但我们不应放弃对更公平数字经济的追求。AI 搜索使内容议价更加紧迫，同时也比以往更可行。AI 行业的先驱们应抓住这个机会，为构建智能、公平、可扩展的奖励系统奠定基础。如果他们不行动，政府已有能力和信心施加他们所设想的共享价值体系。 Benjamin Brooks 是哈佛 Berkman Klein 中心的研究员，专注于 AI 的监管和立法响应。他曾负责 Stability AI 的公共政策工作，该公司开发了用于图像、语言、 音频和视频生成的开放模型。他的观点不代表任何关联组织的立场。 版权声明 本文为本站原创内容,转载需注明文章来源(https://www.eiefun.com)，另:文中部分素材可能会引用自其他平台，如有侵权或其它，请联系 admin@eiefun.com，我们会第一时间配合删除
-- gReader Pro
https://www.eiefun.com/8553.html
十月底，News Corp 对一个受欢迎的 AI 搜索引擎 Perplexity AI 提起了诉讼。乍一看，这似乎并不特别，毕竟这是众多要求 AI 开发者在数据使用上提供归属、征得同意或支付补偿的案件之一。然而，这起诉讼却不同，它可能是其中最具影响的一件。 这场争论的核心是 AI 搜索的未来，即能够从全网信息中提取并总结内容的聊天机器人。随着其日渐流行，这些 AI"答案引擎"可能会成为取代传统搜索引擎的互联网入口。与普通 AI 聊天机器人仅通过训练来复现信息（尽管常常不可靠）不同，AI 搜索工具如 Perplexity、 Google 的 Gemini 或 OpenAI 的新推出的 Se arc h GPT，旨在从第三方网站获取并重新打包信息，向用户提供简短的摘要，并附上从研究论文到 Wikipedia 文章、YouTube 文字记录等少量来源的链接。AI 系统负责阅读和撰写，但信息来源于外部。 在最佳情况下，AI 搜索能够更好地推测用户意图、放大优质内容并整合多种来源的信息。但如果 AI 搜索成为我们访问网络的主要门户，将对本已脆弱的数字经济造成冲击。当前，线上内容的生产依赖于与虚拟流量相关的脆弱激励机制：广告、订阅、捐赠、 销售或品牌曝光。如果 AI 搜索将网络内容屏蔽在"全知"的聊天机器人背后，那么它可能剥夺创作者赖以生存的访问量和关注度。 如果 AI 搜索破坏了这个生态系统，现有法律可能难以提供帮助。各国政府已经意识到内容在法律体系中正"漏洞百出"，并正着手通过其他方式来调控网络价值的流动。在此窄小的时间窗口中，AI 行业应该主动构建一个更加智能的内容市场，以避免政府推出无效、只利于少数人或限制网络思想自由流动的干预措施。 版权并不能解决 AI 搜索的破坏性影响 News Corp 认为，用其内容提取信息供 AI 搜索使用相当于版权侵权，并声称 Perplexity AI"在竞争读者的同时还在免费搭便车"。这种观点可能也得到了《纽约时报》的认同，该报在 10 月中旬向 Perplexity AI 发出了一封停止侵权的通知函。 在某些方面，对 AI 搜索的指控比其他涉及 AI 训练的案件更为有力。AI 训练通常会从大量重复性内容中学习一般化的行为模式，而单一内容的贡献往往有限。但在搜索中，内容的价值在于其新颖性或独特性，或者创作者拥有独特的权威性。AI 搜索的设计目的是复现基础数据中的特定特征、引用原创作者的权威，并充当原始内容的替代品。 即便如此，News Corp 依然面临艰难挑战，要证明 Perplexity AI 在处理和总结信息时侵犯了版权。版权法并不保护"纯事实"或创造、新闻及学术劳动的成果。美国法院历来支持将内容用于足够变形的用途的技术被告，这一趋势可能会继续。而若 News Corp 成功，这一判例的影响将远超 Perplexity AI。限制信息丰富的内容用于非创意或非表达的目的，可能会限制丰富多样的优质数据的使用，阻碍提高 AI 系统安全性和可靠性的广泛努力。 各国政府正学习如何规范在线价值分配 如果现有法律难以解决这些问题，各国政府可能会寻求新法律。受与传统搜索和社交媒体平台的争议影响，各国政府可能会效仿澳大利亚和加拿大实施的媒体议价法，或美国加州和国会提出的类似方案。这些改革强制特定平台向显示其内容的部分媒体组织支付费用，例如新闻片段或知识面板。欧盟通过版权改革施加了类似的义务，而英国则引入了广泛的竞争权力，以便在必要时强制议价。 然而，强制议价对于这个复杂问题而言是一种粗放的解决方案。这些改革倾向于特定的新闻组织，基于谷歌和 Meta 等平台剥削出版商的假设。在实际中，很难确定平台流量中有多少真正来自新闻，估计值从 2% 到 35% 不等，而社交媒体上的新闻内容仅占 3%。与此同时，平台在放大出版商内容方面带来了显著收益，但对于这种双向价值的合理分配，并没有统一共识。更具争议的是，这些议价规则不仅针对内容重现，还对索引和链接施加了限制，威胁到支撑网络的"自由链接"能力。此外，聚焦传统媒体的议价法仅适用于加拿大的 1400 家出版物、欧盟的 1500 家和澳大利亚的 62 家组织，而忽视了众多每日为平台流量贡献的创作者和用户。 行业应抓住有限的机会建立公平的奖励体系 然而，干预的威胁本身可能比实际改革带来更大影响。AI 公司已经认识到诉讼可能升级为监管的风险。例如，Perplexity AI、 OpenAI 和谷歌已开始与出版商和内容平台达成协议，有些覆盖了 AI 训练，有些则专注于 AI 搜索。但与早期议价法类似，这些协议仅惠及少数公司，其中一些（如 Reddit）尚未承诺与自己的创作者分享收入。 这种选择性让步的政策难以为继。它忽视了线上绝大多数创作者，他们无法轻易选择退出 AI 搜索，也没有传统出版商的议价能力。这种策略让改革的紧迫性因安抚了最响亮的批评者而减弱。通过复杂的商业协议来合法化少数 AI 公司，使得新进入者难以获得平等待遇或同等豁免权，这可能会进一步巩固新一轮搜索巨头的地位。长期来看，这可能会为 AI 公司创造不良激励，使它们偏爱低成本、低质量的来源，而非成本较高的高质量新闻或内容，导致信息消费的文化日趋不加辨别。 相反，AI 行业应当投资于能让各类创作者因分享优质内容而获益的框架。从 YouTube 到 TikTok 再到 X，科技平台已证明他们可以为复杂的内容市场中的创作者提供创新的奖励机制。实际上，更公平地对日常内容进行变现正是风险投资者推崇的"web3"运动的核心目标。这一逻辑同样适用于 AI 搜索。如果查询带来了丰厚的参与度，而用户并未点击原始来源，商业 AI 搜索平台应该找到方法将这些价值归于创作者，并在更大范围内进行分享。 当然，也可能我们数字经济从一开始就是不完善的。依靠零星广告收入维持生计或许难以为继，注意力经济对隐私、信息完整性和网络民主已造成实质性损害。支持高质量新闻和新鲜内容可能需要其他形式的投资或激励。 但我们不应放弃对更公平数字经济的追求。AI 搜索使内容议价更加紧迫，同时也比以往更可行。AI 行业的先驱们应抓住这个机会，为构建智能、公平、可扩展的奖励系统奠定基础。如果他们不行动，政府已有能力和信心施加他们所设想的共享价值体系。 Benjamin Brooks 是哈佛 Berkman Klein 中心的研究员，专注于 AI 的监管和立法响应。他曾负责 Stability AI 的公共政策工作，该公司开发了用于图像、语言、 音频和视频生成的开放模型。他的观点不代表任何关联组织的立场。 版权声明 本文为本站原创内容,转载需注明文章来源(https://www.eiefun.com)，另:文中部分素材可能会引用自其他平台，如有侵权或其它，请联系 admin@eiefun.com，我们会第一时间配合删除
-- gReader Pro
AI产品之困：站着把钱赚了
AI产品之困：站着把钱赚了
https://www.eiefun.com/8559.html
最近读到Paul Graham的一篇2019年的文章《The Lesson to Unlearn》，让我有所触动。作为Y Combinator的创始人，Paul Graham不仅投资了Airbnb、Dropbox等独角兽企业，更重要的是，他的许多观点都深刻影响了整个创业圈。人送外号"硅谷教父"。在这篇文章中，他提出了一个观点：我们在学校里学到的最重要的，恰恰是我们需要忘记的一课。 这个需要被忘记的是什么？其实就是"考试能力=真实能力"。 在学校里，我们习惯了这样的逻辑：好成绩=好学生=学习能力强。但实际上，考试分数与真正的学习之间可能毫无关系。 这点很多人可能都会有体会，尤其是在大学时期，我们是怎么准备考试的呢？ 研究历年考题，找出出题规律 背诵考点，而不是理解原理 练习答题技巧，而不是深入思考 在有限时间内，追求最高的"投入产出比" 考前的ppt和历年考题永远是最重要的，我们甚至会因为老师今年突然变题而十分恼火。如果把一门课程比作一个软件系统，其实我们一直是在尝试破解它的考试部分。所以在学生时期，我们都是黑客。而对于学校呢，它也只能依赖这个指标。 Paul Graham直白地说：So what college admissions is a test of is whether you suit the taste of some group of people.（因此，大学录取所考验的是你是否符合某些人的品味。） 这个问题显然是全世界都存在的。越是好的学校，往往意味着他们的学生是更厉害的hack高手。如果你没有足够聪明，还不会hack，你就去不了好的学校。 或者再直白一点说，任何一个可以被量化的东西，都是可以hack的，只是难度不同。就像之前有一句调侃：只要定语足够多，谁都可以是第一。 黑客思维的陷阱 如果仅仅停留在批评应试教育，这篇文章的观点并不新颖。实际上，"黑客思维"确实帮助很多人在学校里取得了不错的成绩，在之后的工作中也是这样。 关键的问题在于：当我们试图走出既定轨道，尝试创造新的价值时，这种思维方式会带来什么影响？ 特别是在做产品时，我们往往会不自觉地寻找可以被"破解"的系统。这种思维方式看似聪明，实则危险。 Paul Graham分享过一个典型案例：一位产品经理骄傲地展示他如何在一个月内让用户量翻倍。然而三个月后，90%的用户都流失了。 这不正是我们熟悉的"考前突击"翻版吗？《精益创业》中提到过一个重要观点：要区分真实的用户增长和虚假的用户增长。说得更直白一点：你要清楚你到底有多大本事，骗哥们可以，别把自己也给骗了。 为什么这种黑客思维在产品领域会失效？因为产品的生命周期不会随着一次"考试"结束，用户不是给你打分的老师。这种思维不仅会损害产品的长期价值，更会让我们错失真正的创新机会。 当然，此时可能有人会说："我就是想做个副业赚点钱，需要想得这么复杂吗？我看他们也都赚到钱了啊。" 这就是现实尴尬的地方，我们在下一节会讨论这个问题。 AI产品的困局：赚钱与产品力 赚钱和产品力无关，在一定范围内甚至是所谓的"负相关"，这一点在AI产品更为明显。 看看当下的AI创业圈：各种媒体曝光、融资新闻此起彼伏，各种天才少年横空出世。但是产品同质化严重。 首先，AI产品的门槛被大幅降低。自从 ChatGPT 横空出世后，各种简单包装 GPT API的产品纷纷上线，开始AI+万物的产品层出不穷。 几乎人人都能快速开发一款AI产品。正如我们看到的：套壳API的聊天机器人 、各种 AI写作助手……这些产品开发周期短，成本低。 各种大模型如雨后春笋般出现，但性能差异并不明显，全都是一个对话框的聊天。如果不告诉你用的哪家模型，可能都不会有什么感知。这导致上层的应用同质化问题更为严重。 而在大家普遍对AI认知不足的早期，这导致市场和用户更容易被表面的噱头所蒙蔽。这些产品可能会在早期有一波不错的收益 （通常是拿融资） 。 这类"快速赚钱"产品有个共同特点：善于抓住即时需求和浅层需求。就像追热点一样。此外大量运用各种营销手段包装自己。在当下这个信息爆炸的时代，这种追热点式的产品也确实更容易获得关注和变现。 但问题也很明显： 可替代性强：谁都能做，不然也不会天天担心大模型升级把自己代替了。 生命周期短：热点一过就凉。 一锤子买卖：很多产品经不起推敲，看起来很美好，实际并不能起到什么作用。 即使它们的问题大家都心知肚明。但那些真正在思考 ai应用价值的团队很难在短期内证明自己的价值。这些快速复制和包装的产品，却能在短期内获得更多关注和收入。很多时候会倒逼这些团队去做这样的应用。 我经常会问创业者或者其他的 AI开发者一个问题："你做这个产品的目的是什么？" 如果只是想做个副业赚钱，其实不必太纠结产品力的问题，那些所谓的"黑客思维陷阱"可能也不那么重要了。但如果你的目标是打造一个真正有价值的产品，仅仅追逐短期收益的思路就显得太浅。 站着把钱赚了 站着，做一款"好产品"，可能需要很多产品构思以及观察，但可能折戟在路上；想赚钱，做一款"追热点的产品"，可能看起来很low，但是能赚钱。 那么，有没有可能站着把钱赚了呢？ 这样的产品，我们称之为伟大的产品。它通常要满足几个条件： 1. 野心 产品真的以解决问题和造福用户为目的，而且是一个上限高的产品。一个简单的套壳产品也能解决问题，但它的上限同时也非常低。 2. 长期主义思维 从短期来看，它们可能并不聪明，不玩套路，也不追求速成。 3. 极致的用户价值 重要的是，伟大的产品始终关注一个核心问题：用户是否真的因为这个产品而受益？ 我们常调侃B端产品只需让付费方满意，用户的意见并不重要。但真正伟大的产品，必须让使用者真的感受到了受益，口碑才能带来自发的增长。 写在最后 Paul Graham认为，获得投资的最好方式不是学习如何说服VC。 因为VC投你的原因很简单：这是一次不错的投资。 他们通常是通过用户量判断，那么怎么获取用户呢？不是通过各种途径曝光，而是真正有一款优秀的产品。当你有了一个好产品，一切都会变得简单：用户会主动传播，投资人会主动寻找，市场会给出正向反馈。 当然，不是每个产品都能成为伟大的产品，有的产品从设计的第一天就注定不可能是伟大的产品。 也不是每个人都想设计出伟大的产品； 也不是每个人都能设计出伟大的产品； 也不是每个人都能撑得起伟大的产品。 而属于大模型时代的伟大产品，可能依然隐藏于黎明前的黑暗。 版权声明 本文为本站原创内容,转载需注明文章来源(https://www.eiefun.com)，另:文中部分素材可能会引用自其他平台，如有侵权或其它，请联系 admin@eiefun.com，我们会第一时间配合删除
-- gReader Pro
https://www.eiefun.com/8559.html
最近读到Paul Graham的一篇2019年的文章《The Lesson to Unlearn》，让我有所触动。作为Y Combinator的创始人，Paul Graham不仅投资了Airbnb、Dropbox等独角兽企业，更重要的是，他的许多观点都深刻影响了整个创业圈。人送外号"硅谷教父"。在这篇文章中，他提出了一个观点：我们在学校里学到的最重要的，恰恰是我们需要忘记的一课。 这个需要被忘记的是什么？其实就是"考试能力=真实能力"。 在学校里，我们习惯了这样的逻辑：好成绩=好学生=学习能力强。但实际上，考试分数与真正的学习之间可能毫无关系。 这点很多人可能都会有体会，尤其是在大学时期，我们是怎么准备考试的呢？ 研究历年考题，找出出题规律 背诵考点，而不是理解原理 练习答题技巧，而不是深入思考 在有限时间内，追求最高的"投入产出比" 考前的ppt和历年考题永远是最重要的，我们甚至会因为老师今年突然变题而十分恼火。如果把一门课程比作一个软件系统，其实我们一直是在尝试破解它的考试部分。所以在学生时期，我们都是黑客。而对于学校呢，它也只能依赖这个指标。 Paul Graham直白地说：So what college admissions is a test of is whether you suit the taste of some group of people.（因此，大学录取所考验的是你是否符合某些人的品味。） 这个问题显然是全世界都存在的。越是好的学校，往往意味着他们的学生是更厉害的hack高手。如果你没有足够聪明，还不会hack，你就去不了好的学校。 或者再直白一点说，任何一个可以被量化的东西，都是可以hack的，只是难度不同。就像之前有一句调侃：只要定语足够多，谁都可以是第一。 黑客思维的陷阱 如果仅仅停留在批评应试教育，这篇文章的观点并不新颖。实际上，"黑客思维"确实帮助很多人在学校里取得了不错的成绩，在之后的工作中也是这样。 关键的问题在于：当我们试图走出既定轨道，尝试创造新的价值时，这种思维方式会带来什么影响？ 特别是在做产品时，我们往往会不自觉地寻找可以被"破解"的系统。这种思维方式看似聪明，实则危险。 Paul Graham分享过一个典型案例：一位产品经理骄傲地展示他如何在一个月内让用户量翻倍。然而三个月后，90%的用户都流失了。 这不正是我们熟悉的"考前突击"翻版吗？《精益创业》中提到过一个重要观点：要区分真实的用户增长和虚假的用户增长。说得更直白一点：你要清楚你到底有多大本事，骗哥们可以，别把自己也给骗了。 为什么这种黑客思维在产品领域会失效？因为产品的生命周期不会随着一次"考试"结束，用户不是给你打分的老师。这种思维不仅会损害产品的长期价值，更会让我们错失真正的创新机会。 当然，此时可能有人会说："我就是想做个副业赚点钱，需要想得这么复杂吗？我看他们也都赚到钱了啊。" 这就是现实尴尬的地方，我们在下一节会讨论这个问题。 AI产品的困局：赚钱与产品力 赚钱和产品力无关，在一定范围内甚至是所谓的"负相关"，这一点在AI产品更为明显。 看看当下的AI创业圈：各种媒体曝光、融资新闻此起彼伏，各种天才少年横空出世。但是产品同质化严重。 首先，AI产品的门槛被大幅降低。自从 ChatGPT 横空出世后，各种简单包装 GPT API的产品纷纷上线，开始AI+万物的产品层出不穷。 几乎人人都能快速开发一款AI产品。正如我们看到的：套壳API的聊天机器人 、各种 AI写作助手……这些产品开发周期短，成本低。 各种大模型如雨后春笋般出现，但性能差异并不明显，全都是一个对话框的聊天。如果不告诉你用的哪家模型，可能都不会有什么感知。这导致上层的应用同质化问题更为严重。 而在大家普遍对AI认知不足的早期，这导致市场和用户更容易被表面的噱头所蒙蔽。这些产品可能会在早期有一波不错的收益 （通常是拿融资） 。 这类"快速赚钱"产品有个共同特点：善于抓住即时需求和浅层需求。就像追热点一样。此外大量运用各种营销手段包装自己。在当下这个信息爆炸的时代，这种追热点式的产品也确实更容易获得关注和变现。 但问题也很明显： 可替代性强：谁都能做，不然也不会天天担心大模型升级把自己代替了。 生命周期短：热点一过就凉。 一锤子买卖：很多产品经不起推敲，看起来很美好，实际并不能起到什么作用。 即使它们的问题大家都心知肚明。但那些真正在思考 ai应用价值的团队很难在短期内证明自己的价值。这些快速复制和包装的产品，却能在短期内获得更多关注和收入。很多时候会倒逼这些团队去做这样的应用。 我经常会问创业者或者其他的 AI开发者一个问题："你做这个产品的目的是什么？" 如果只是想做个副业赚钱，其实不必太纠结产品力的问题，那些所谓的"黑客思维陷阱"可能也不那么重要了。但如果你的目标是打造一个真正有价值的产品，仅仅追逐短期收益的思路就显得太浅。 站着把钱赚了 站着，做一款"好产品"，可能需要很多产品构思以及观察，但可能折戟在路上；想赚钱，做一款"追热点的产品"，可能看起来很low，但是能赚钱。 那么，有没有可能站着把钱赚了呢？ 这样的产品，我们称之为伟大的产品。它通常要满足几个条件： 1. 野心 产品真的以解决问题和造福用户为目的，而且是一个上限高的产品。一个简单的套壳产品也能解决问题，但它的上限同时也非常低。 2. 长期主义思维 从短期来看，它们可能并不聪明，不玩套路，也不追求速成。 3. 极致的用户价值 重要的是，伟大的产品始终关注一个核心问题：用户是否真的因为这个产品而受益？ 我们常调侃B端产品只需让付费方满意，用户的意见并不重要。但真正伟大的产品，必须让使用者真的感受到了受益，口碑才能带来自发的增长。 写在最后 Paul Graham认为，获得投资的最好方式不是学习如何说服VC。 因为VC投你的原因很简单：这是一次不错的投资。 他们通常是通过用户量判断，那么怎么获取用户呢？不是通过各种途径曝光，而是真正有一款优秀的产品。当你有了一个好产品，一切都会变得简单：用户会主动传播，投资人会主动寻找，市场会给出正向反馈。 当然，不是每个产品都能成为伟大的产品，有的产品从设计的第一天就注定不可能是伟大的产品。 也不是每个人都想设计出伟大的产品； 也不是每个人都能设计出伟大的产品； 也不是每个人都能撑得起伟大的产品。 而属于大模型时代的伟大产品，可能依然隐藏于黎明前的黑暗。 版权声明 本文为本站原创内容,转载需注明文章来源(https://www.eiefun.com)，另:文中部分素材可能会引用自其他平台，如有侵权或其它，请联系 admin@eiefun.com，我们会第一时间配合删除
-- gReader Pro
2024年11月8日 星期五
LLM 大型語言模型的絕世祕笈：27路獨步劍法，帶你闖蕩生成式 AI 的五湖四海（iThome鐵人賽系列書） | 【第 152 期｜本期活動】天瓏日 X 雙11｜全館消費滿1111再折111 11/5 - 11/11
LLM 大型語言模型的絕世祕笈：27路獨步劍法，帶你闖蕩生成式 AI 的五湖四海（iThome鐵人賽系列書） | 【第 152 期｜本期活動】天瓏日 X 雙11｜全館消費滿1111再折111 11/5 - 11/11
https://vw87zqlw.r.ap-northeast-1.awstrack.me/L0/https:%2F%2Fwww.tenlong.com.tw%2Fproducts%2F9786263339293/2/01060192ff861d1e-1a212602-58f5-45e1-99f7-5646990a74fb-000000/xxw7wJ5cmdaL9cKYDz1EICKDP8o=183
LLM 大型語言模型的絕世祕笈：27路獨步劍法，帶你闖蕩生成式 AI 的五湖四海（iThome鐵人賽系列書） 這是個生成式 AI 崛起的年代，其中又以 ChatGPT 為首的大型語言模型（Large-Scale Language Model, LLM）們最為令人驚豔。 more https://vw87zqlw.r.ap-northeast-1.awstrack.me/L0/https:%2F%2Fwww.tenlong.com.tw%2Fproducts%2F9786263339293/2/01060192ff861d1e-1a212602-58f5-45e1-99f7-5646990a74fb-000000/xxw7wJ5cmdaL9cKYDz1EICKDP8o=183 商品描述 大 AI 時代將至，你不可不讀的語言模型獨門祕笈 帶你輕鬆遨遊生成式 AI 的世界 本書內容改編自第15屆 iThome 鐵人賽 AI & Data 組冠軍系列文章《LLM 學習筆記》，這是個生成式 AI 崛起的年代，其中又以 ChatGPT 為首的大型語言模型（Large-Scale Language Model, LLM）們最為令人驚豔，但是每當我們提到 LLM 時，腦中浮現的可能都是一些參數量龐大、架構絢麗又複雜、沒有個幾千幾百張 GPU 跑不動的超複雜數學模型！ 其實掌握語言模型並沒有那麼困難，本書介紹了許多在建立 LLM 相關應用時會使用到的技術：在雲端可以透過簡單的 ChatGPT API 打造有趣的塔羅占卜應用；在地端有 Hugging Face TGI、vLLM、llama.cpp 等推論框架，就算只有單顯卡也能高速部署、輕鬆玩轉各式各樣 Open Source 的 LLM。透過多種量化技術減少記憶體開銷，小顯卡也能推動大模型！還有許多文本檢索的技巧，帶你一步步構築出 RAG 實務應用。最後當然少不了，透過 LoRA 訓練手法輕鬆打造專屬於你的客製化語言模型！ 筆者根據自身的實務經驗，介紹深入但是易懂的理論，使用簡單但是務實的技術，帶領大家瞭解如何在低成本、低資源的環境中打造 LLM 相關應用。無論你是求知若渴的研究員，或是躍躍欲試的工程師，都能從本書中得到滿滿的收穫！ 重點摘要 ✦ 語言模型 雲有 ChatGPT，地有 Llama ✦ 推論部署 不只高速生成，還要低成本量化 ✦ 檢索應用 掌握提示工程，徹底瞭解 RAG ✦ 微調訓練 活用 LoRA 訓練，打造客製化模型 本書可以學到哪些知識 ● 量化：減少模型的顯示卡記憶體使用量。 ● 部署：將模型以後端服務的形式進行部署。 ● 推論：如何達到更快速的文字生成速度。 ● 微調：調整訓練模型的權重以符合應用需求。 ● 檢索：從外部知識庫搜尋相關資料輔助模型生成。 ● 應用：結合以上技術搭建出一個實際的應用。 目標讀者 ．對 LLM 充滿好奇的讀者 ．想要嘗試涉足 AI 領域的初學者 ．想要簡單瞭解 LLM 相關理論的領導者 ．想要深入學習 LLM 相關技術的工程師 ．想要一本 AI 相關的書籍，又不想要內容太深澀難懂的休閒玩家 ．擁有自己的機器，想要實際動手玩轉語言模型的深度玩家 ．大 AI 時代來臨，手邊卻還沒有一本 AI 相關書籍的朋友 專業推薦 本書在鐵人賽文章的基礎上增加了更多內容。除了介紹各種常見的語言模型及其使用方式外，還補充了許多細節和實作部分，書中的程式碼附有連結至 GitHub 供參考。本書內容涵蓋了 ChatGPT 的各項使用、延伸應用及工具，還有各種神經網路語言模型的說明，例如 Transformer、LLaMa ，並且介紹了台灣常見的大型語言模型，如 Breeze、Taiwan LLM、TAIDE 等。當然，書中也詳細指導如何透過開放源碼的語言模型來建立並訓練自己的 AI 應用。感謝作者花費大量時間編寫此書，清楚地整理及介紹了大型語言模型。對於想學習大型語言模型並打造屬於自己 AI 的讀者，相信本書可以讓你事半功倍。 ──── 徐千洋｜台灣駭客年會創辦人、CYBAVO 共同創辦人 威廷在求學時期就是個興趣廣泛的人，一聽到新觀念，會馬上深入研究。頗有心得時，還會將筆記分享給大家，是那種資工系最歡迎的自動自發的學生。長期在網路世界打滾的他也深諳網路語彙，由他來寫這本書真是再適合不過了。這本書有理論、有程式，有實作運用演練，也有趨勢新知的分享。內容論述深入淺出，範例鮮明。整本書居然涵蓋了二十多種主題，簡直物超所值，收穫滿滿！期待這本書能點燃許多人心中對 LLM 的好奇心，並成為踏入 AI 世界的最大支援火力！ ──── 林川傑｜國立臺灣海洋大學資訊工程學系 助理教授 不管你是什麼原因想要認識 AI：是正要開始認識 AI 的新手小白，或是突然接到一個 AI 專案導入並且要馬上有一番通盤概念的苦命工程師，都非常適合閱讀這本書。本書中前半的篇章淺顯易懂，讓完全的新手也能夠輕易讀懂難啃的專業術語，後面的篇章有很多實作的專案練習；而我作為一名本科仔，依然可以透過這些實作加深印象，也補足了離校至今的新知。書中同時也穿插了許多情境式的帶入及豐富的額外小知識補充，再搭配詳細的文獻資料可供延伸學習以及深入解析。相信這本書一定可以讓大家更容易進入 AI 的世界，成為 LLM 大師指日可待！ ──── 林俊廷 JT Lin｜iThome 鐵人賽戰友、NZXT 軟體工程師、花生大師追隨者 作者簡介 陳威廷（Penut Chen） 在新店角落默默無聞a樂天派技術宅，不只喜歡寫程式，也喜歡跟大家分享技術，除了在網路上發表教學文章、範例專案以外，也主持過技術分享的讀書會。主要的專業在自然語言處理領域，原本從一個乏人問津的 NLP 實驗室畢業，沒想到遇上了 ChatGPT 帶來的生成式 AI 熱潮，一夜之間大家對 LLM 興趣水漲船高，然而我的薪水身價卻依然四平八穩，於是決定到 iThome 鐵人賽上抖出我的渾身解數，很榮幸的獲得了 AI & Data 組的冠軍。 在成長的路上受到許多師長與前輩的開導，深深感受到知識與學習對於一個人是如此重要，在我的心中相當尊敬這些撰寫知識、傳播知識的人們，本著「取之於社會，用之於社會」的心情，來向大家分享我對這個領域的理解與熱忱！ 目錄大綱 Ch 01 語言模型能吃嗎？ 1.1 語言模型不能吃 1.2 語言模型的種類 1.2.1 N-Gram 模型 1.2.2 隱藏式馬可夫模型 1.2.3 循環神經網路 1.2.4 Transformer 1.3 Bigram 語言模型實作 1.3.1 爬取文本 1.3.2 統計建模 1.3.3 文本生成 1.4 結論 Ch 02 神經網路語言模型 2.1 文字向量 2.2 遞歸神經網路 2.3 Transformer 模型與注意力機制 2.4 Transformer 語言模型架構種類 2.4.1 Encoder 語言模型 2.4.2 Encoder-Decoder 語言模型 2.4.3 Decoder 語言模型 2.5結論 Ch 03 ChatGPT 3.1 ChatGPT 狂熱 3.2 提示 Prompt 3.2.1 Zero-Shot & Few-Shot Prompt 3.2.2 Chain-of-Thought 3.2.3 System Prompt 3.3 ChatGPT Plus 3.3.1 GPT-4 3.3.2 My GPTs 3.3.3 Ai PDF 3.4 結論 Ch 04 OpenAI API 4.1 Token 4.2 Tiktoken 4.3 Pricing 4.4 ChatGPT API 4.4.1 認證 4.4.2 基礎用法 Non-Streaming 4.4.3 串流用法 Streaming 4.4.4 文字介面聊天範例 4.4.5 文字向量 API 4.4.6 Rate Limits 4.4 結論 Ch 05 AI 實戰應用：貓貓塔羅 5.1 Gradio 5.1.1 基本用法 gr.Blocks 5.1.2 圖片元件 gr.Image 5.1.3 聊天室元件 gr.Chat 5.2 貓貓塔羅 5.2.1 素材蒐集 5.2.2 核心應用 5.2.3 完整應用 5.3 結論 Ch 06 ChatGPT 的挑戰者們 6.1 土豆挑戰 Peanut Challenge 6.2 Google Gemini 6.3 Anthropic Claude 6.4 Microsoft Copilot 6.5 訊飛星火 6.6 BreeXe 6.7 結論 Ch 07 ChatGPT 相關應用 7.1 ChatPDF 7.2 CloudGPT 7.3 Gogolook 袋鼠金融 7.4 Hotoke 佛祖 AI 7.5 AutoGPT & AgentGPT 7.6 OSENSE Qubby AI 7.7 薯條塔羅 7.8 結論 Ch 08 檢索與生成 8.1 生成式資訊檢索 8.1.1 封閉生成式資訊檢索 8.1.2 開放生成式資訊檢索 8.2 論文閱讀問答機器人實做 8.2.1 索引階段 Index Phase 8.2.2 查詢階段 Query Phase 8.2.3 分析 8.2 結論 Ch 09 走訪 LLM 訓練流程 9.1 監督式微調 9.1.1 預訓練 9.1.2 指令微調 9.2 增強式學習 9.2.1 獎勵模型 9.2.2 近端策略最佳化 PPO 9.2.3 直接偏好最佳化 DPO 9.2.4 增強式學習框架 TRL 9.3 結論 Ch 10 建立開發環境 10.1 作業系統 10.2 NVIDIA 顯示卡驅動程式 10.3 虛擬環境管理 Conda 10.3.1 安裝 Miniconda 10.3.2 Conda 基本操作 10.4 常用套件安裝 10.4.1 CMake 10.4.2 CUDA 10.5 Docker 10.6 Colab 10.7 GPU 10.8 結論 Ch 11 擁抱開源的微笑 Hugging Face Transformers 11.1 讀取模型 11.2 讀取分詞器 11.3 自動類別 11.4 文本生成 11.5 串流輸出 11.6 提示樣板 11.7 取樣參數 11.8 設定停止點 11.9 自迴歸解碼 11.10 多顯卡推論 11.11 到底是在「大」什麼？ 11.12 結論 Ch 12 數若繁星的語言模型們 12.1 英文模型 12.1.1 Llama 12.1.2 Alpaca 12.1.3 Vicuna 12.1.4 TinyLlama 12.1.5 Phi 12.1.6 Mistral & Mixtral 12.2 中文模型 12.2.1 Qwen 12.2.2 Yi 12.3 臺灣模型 12.3.1 Breeze & BreeXe 12.3.2 Taiwan LLM 12.3.3 TAIDE 12.3.4 Bailong 12.3.5 FFM 12.4 其他資源 12.4.1 Awesome LLM 12.4.2 Open LLMs 12.4.3 Open LLM Leaderboard 12.5 結論 Ch 13 語言模型也懂寫程式！ 13.1 StarCoder 13.2 CodeGen 13.3 CodeLlama 13.4 DeepSeek Coder 13.5 結論 Ch 14 貧民英雄，量化超人 14.1 基礎概念 14.1.1 說文解字 14.1.2 簡單推論 14.2 量化方法 14.2.1 BitsAndBytes 14.2.2 Quanto 14.2.3 GPTQ 14.2.4 AWQ 14.3 困惑度 14.4 結論 Ch 15 ggml & llama.cpp 15.1 ggml 15.2 llama.cpp 15.3 環境建置 15.4 格式轉換 15.5 主程式 main 15.6 量化工具 quantize 15.7 伺服器 server 15.8 Python Binding 15.9 速度比較 15.10 結論 Ch 16 Text Generation Inference 16.1 架設服務 16.2 基本用法 16.3 量化選項 16.4 Token 數量設定 16.5 TGI Client 16.6 速度測試 16.7 結論 Ch 17 vLLM & Paged Attention 17.1 Key-Values Cache 17.2 Paged Attention 17.3 基本用法 17.4 LLM Service 17.5 速度比較 17.6 結論 Ch 18 情境學習In-Context Learning 18.1 起源 18.2 基本 18.3 翻譯應用 18.4 文字正規化應用 18.4 結論 Ch 19 再訪檢索模型 19.1 關鍵字 19.2 BM25 Best Matching Ranking 19.3 文本向量 19.4 Text Embedding Inference 19.5 相似度 19.6 Faiss 19.7 結論 Ch 20 任務導向聊天機器人 20.1 任務導向到底是什麼呢？ 20.2 有了 LLM 的 TOD 系統天下無敵？ 20.3 Rasa 20.4 結論 Ch 21 LangChain 21.1 題目發想 21.2 資料來源 21.3 資料爬取 21.4 LLM 21.5 Prompt Template 21.6 Embedding Model 21.7 Vector Store 21.8 Few-Shot Prompt Template 21.9 Example Selector 21.10 Chain! 21.11 結論 Ch 22 微調語言模型DIY！ 22.1 任務設計 22.2 建立資料集 22.3 訓練流程 22.4 評估測試 22.5 結論 Ch 23 PEFT & LoRA 23.1 LoRA 簡介 23.2 LoRA 原理 23.2.1 FFT 運算 23.2.2 LoRA 運算 23.2.3 合併 運算 23.3 回顧 LoRA 程式碼 23.4 LoRA 推論 23.5 QLoRA 23.6 權重合併 23.7 訓練細節 23.8 結論 Ch 24 永遠不夠長！ 24.1 ChatGPT & Claude 24.2 Gradient Checkpointing 24.3 內插法 & 外插法 24.4 LongLoRA 24.5 StreamingLLM & Attention Sinks 24.6 結論 Ch 25 資料何其多，硬碟何其小 25.1 Hugging Face Datasets 25.2 預訓練資料集 25.2.1 Common Crawl 25.2.2 Project Gutenberg 25.2.3 The Pile 25.2.4 C4 & mC4 25.2.5 Stack Exchange 25.2.6 RedPajama & SlimPajama 25.2.7 The Stack & StarCoderData 25.3 對話資料集 25.3.1 Databricks Dolly 25.3.2 OASST 25.3.3 ShareGPT 25.3.4 LMSYS Chat 25.4 中文資料來源 25.4.1 政府資料開放平台 25.4.2 維基文庫 25.4.3 開放文學 25.4.4 漢籍全文資料庫 25.4.5 TAIDE 25.5 評估資料集 25.6 模型生成資料 25.7 結論 Ch 26 授權條款與社會責任 26.1 什麼是「權」？ 26.2 常見授權條款 26.2.1 MIT 26.2.2 GPL & LGPL 26.2.3 Apache 2.0 26.2.4 BSD 26.2.5 CC 26.3 特殊授權條款 26.3.1 OpenRAIL 26.3.2 Llama2 License 26.4 相關爭議 26.5 結論 Ch 27 學海無涯，學無止境 27.1 論文 27.2 GitHub趨勢 27.3 Hugging Face 27.3.1 Blog 27.3.2 Trending 27.3.3 Daily Paper 27.4 iThome 27.5 與人互動 27.6 未來發展
-- gReader Pro
https://vw87zqlw.r.ap-northeast-1.awstrack.me/L0/https:%2F%2Fwww.tenlong.com.tw%2Fproducts%2F9786263339293/2/01060192ff861d1e-1a212602-58f5-45e1-99f7-5646990a74fb-000000/xxw7wJ5cmdaL9cKYDz1EICKDP8o=183
LLM 大型語言模型的絕世祕笈：27路獨步劍法，帶你闖蕩生成式 AI 的五湖四海（iThome鐵人賽系列書） 這是個生成式 AI 崛起的年代，其中又以 ChatGPT 為首的大型語言模型（Large-Scale Language Model, LLM）們最為令人驚豔。 more https://vw87zqlw.r.ap-northeast-1.awstrack.me/L0/https:%2F%2Fwww.tenlong.com.tw%2Fproducts%2F9786263339293/2/01060192ff861d1e-1a212602-58f5-45e1-99f7-5646990a74fb-000000/xxw7wJ5cmdaL9cKYDz1EICKDP8o=183 商品描述 大 AI 時代將至，你不可不讀的語言模型獨門祕笈 帶你輕鬆遨遊生成式 AI 的世界 本書內容改編自第15屆 iThome 鐵人賽 AI & Data 組冠軍系列文章《LLM 學習筆記》，這是個生成式 AI 崛起的年代，其中又以 ChatGPT 為首的大型語言模型（Large-Scale Language Model, LLM）們最為令人驚豔，但是每當我們提到 LLM 時，腦中浮現的可能都是一些參數量龐大、架構絢麗又複雜、沒有個幾千幾百張 GPU 跑不動的超複雜數學模型！ 其實掌握語言模型並沒有那麼困難，本書介紹了許多在建立 LLM 相關應用時會使用到的技術：在雲端可以透過簡單的 ChatGPT API 打造有趣的塔羅占卜應用；在地端有 Hugging Face TGI、vLLM、llama.cpp 等推論框架，就算只有單顯卡也能高速部署、輕鬆玩轉各式各樣 Open Source 的 LLM。透過多種量化技術減少記憶體開銷，小顯卡也能推動大模型！還有許多文本檢索的技巧，帶你一步步構築出 RAG 實務應用。最後當然少不了，透過 LoRA 訓練手法輕鬆打造專屬於你的客製化語言模型！ 筆者根據自身的實務經驗，介紹深入但是易懂的理論，使用簡單但是務實的技術，帶領大家瞭解如何在低成本、低資源的環境中打造 LLM 相關應用。無論你是求知若渴的研究員，或是躍躍欲試的工程師，都能從本書中得到滿滿的收穫！ 重點摘要 ✦ 語言模型 雲有 ChatGPT，地有 Llama ✦ 推論部署 不只高速生成，還要低成本量化 ✦ 檢索應用 掌握提示工程，徹底瞭解 RAG ✦ 微調訓練 活用 LoRA 訓練，打造客製化模型 本書可以學到哪些知識 ● 量化：減少模型的顯示卡記憶體使用量。 ● 部署：將模型以後端服務的形式進行部署。 ● 推論：如何達到更快速的文字生成速度。 ● 微調：調整訓練模型的權重以符合應用需求。 ● 檢索：從外部知識庫搜尋相關資料輔助模型生成。 ● 應用：結合以上技術搭建出一個實際的應用。 目標讀者 ．對 LLM 充滿好奇的讀者 ．想要嘗試涉足 AI 領域的初學者 ．想要簡單瞭解 LLM 相關理論的領導者 ．想要深入學習 LLM 相關技術的工程師 ．想要一本 AI 相關的書籍，又不想要內容太深澀難懂的休閒玩家 ．擁有自己的機器，想要實際動手玩轉語言模型的深度玩家 ．大 AI 時代來臨，手邊卻還沒有一本 AI 相關書籍的朋友 專業推薦 本書在鐵人賽文章的基礎上增加了更多內容。除了介紹各種常見的語言模型及其使用方式外，還補充了許多細節和實作部分，書中的程式碼附有連結至 GitHub 供參考。本書內容涵蓋了 ChatGPT 的各項使用、延伸應用及工具，還有各種神經網路語言模型的說明，例如 Transformer、LLaMa ，並且介紹了台灣常見的大型語言模型，如 Breeze、Taiwan LLM、TAIDE 等。當然，書中也詳細指導如何透過開放源碼的語言模型來建立並訓練自己的 AI 應用。感謝作者花費大量時間編寫此書，清楚地整理及介紹了大型語言模型。對於想學習大型語言模型並打造屬於自己 AI 的讀者，相信本書可以讓你事半功倍。 ──── 徐千洋｜台灣駭客年會創辦人、CYBAVO 共同創辦人 威廷在求學時期就是個興趣廣泛的人，一聽到新觀念，會馬上深入研究。頗有心得時，還會將筆記分享給大家，是那種資工系最歡迎的自動自發的學生。長期在網路世界打滾的他也深諳網路語彙，由他來寫這本書真是再適合不過了。這本書有理論、有程式，有實作運用演練，也有趨勢新知的分享。內容論述深入淺出，範例鮮明。整本書居然涵蓋了二十多種主題，簡直物超所值，收穫滿滿！期待這本書能點燃許多人心中對 LLM 的好奇心，並成為踏入 AI 世界的最大支援火力！ ──── 林川傑｜國立臺灣海洋大學資訊工程學系 助理教授 不管你是什麼原因想要認識 AI：是正要開始認識 AI 的新手小白，或是突然接到一個 AI 專案導入並且要馬上有一番通盤概念的苦命工程師，都非常適合閱讀這本書。本書中前半的篇章淺顯易懂，讓完全的新手也能夠輕易讀懂難啃的專業術語，後面的篇章有很多實作的專案練習；而我作為一名本科仔，依然可以透過這些實作加深印象，也補足了離校至今的新知。書中同時也穿插了許多情境式的帶入及豐富的額外小知識補充，再搭配詳細的文獻資料可供延伸學習以及深入解析。相信這本書一定可以讓大家更容易進入 AI 的世界，成為 LLM 大師指日可待！ ──── 林俊廷 JT Lin｜iThome 鐵人賽戰友、NZXT 軟體工程師、花生大師追隨者 作者簡介 陳威廷（Penut Chen） 在新店角落默默無聞a樂天派技術宅，不只喜歡寫程式，也喜歡跟大家分享技術，除了在網路上發表教學文章、範例專案以外，也主持過技術分享的讀書會。主要的專業在自然語言處理領域，原本從一個乏人問津的 NLP 實驗室畢業，沒想到遇上了 ChatGPT 帶來的生成式 AI 熱潮，一夜之間大家對 LLM 興趣水漲船高，然而我的薪水身價卻依然四平八穩，於是決定到 iThome 鐵人賽上抖出我的渾身解數，很榮幸的獲得了 AI & Data 組的冠軍。 在成長的路上受到許多師長與前輩的開導，深深感受到知識與學習對於一個人是如此重要，在我的心中相當尊敬這些撰寫知識、傳播知識的人們，本著「取之於社會，用之於社會」的心情，來向大家分享我對這個領域的理解與熱忱！ 目錄大綱 Ch 01 語言模型能吃嗎？ 1.1 語言模型不能吃 1.2 語言模型的種類 1.2.1 N-Gram 模型 1.2.2 隱藏式馬可夫模型 1.2.3 循環神經網路 1.2.4 Transformer 1.3 Bigram 語言模型實作 1.3.1 爬取文本 1.3.2 統計建模 1.3.3 文本生成 1.4 結論 Ch 02 神經網路語言模型 2.1 文字向量 2.2 遞歸神經網路 2.3 Transformer 模型與注意力機制 2.4 Transformer 語言模型架構種類 2.4.1 Encoder 語言模型 2.4.2 Encoder-Decoder 語言模型 2.4.3 Decoder 語言模型 2.5結論 Ch 03 ChatGPT 3.1 ChatGPT 狂熱 3.2 提示 Prompt 3.2.1 Zero-Shot & Few-Shot Prompt 3.2.2 Chain-of-Thought 3.2.3 System Prompt 3.3 ChatGPT Plus 3.3.1 GPT-4 3.3.2 My GPTs 3.3.3 Ai PDF 3.4 結論 Ch 04 OpenAI API 4.1 Token 4.2 Tiktoken 4.3 Pricing 4.4 ChatGPT API 4.4.1 認證 4.4.2 基礎用法 Non-Streaming 4.4.3 串流用法 Streaming 4.4.4 文字介面聊天範例 4.4.5 文字向量 API 4.4.6 Rate Limits 4.4 結論 Ch 05 AI 實戰應用：貓貓塔羅 5.1 Gradio 5.1.1 基本用法 gr.Blocks 5.1.2 圖片元件 gr.Image 5.1.3 聊天室元件 gr.Chat 5.2 貓貓塔羅 5.2.1 素材蒐集 5.2.2 核心應用 5.2.3 完整應用 5.3 結論 Ch 06 ChatGPT 的挑戰者們 6.1 土豆挑戰 Peanut Challenge 6.2 Google Gemini 6.3 Anthropic Claude 6.4 Microsoft Copilot 6.5 訊飛星火 6.6 BreeXe 6.7 結論 Ch 07 ChatGPT 相關應用 7.1 ChatPDF 7.2 CloudGPT 7.3 Gogolook 袋鼠金融 7.4 Hotoke 佛祖 AI 7.5 AutoGPT & AgentGPT 7.6 OSENSE Qubby AI 7.7 薯條塔羅 7.8 結論 Ch 08 檢索與生成 8.1 生成式資訊檢索 8.1.1 封閉生成式資訊檢索 8.1.2 開放生成式資訊檢索 8.2 論文閱讀問答機器人實做 8.2.1 索引階段 Index Phase 8.2.2 查詢階段 Query Phase 8.2.3 分析 8.2 結論 Ch 09 走訪 LLM 訓練流程 9.1 監督式微調 9.1.1 預訓練 9.1.2 指令微調 9.2 增強式學習 9.2.1 獎勵模型 9.2.2 近端策略最佳化 PPO 9.2.3 直接偏好最佳化 DPO 9.2.4 增強式學習框架 TRL 9.3 結論 Ch 10 建立開發環境 10.1 作業系統 10.2 NVIDIA 顯示卡驅動程式 10.3 虛擬環境管理 Conda 10.3.1 安裝 Miniconda 10.3.2 Conda 基本操作 10.4 常用套件安裝 10.4.1 CMake 10.4.2 CUDA 10.5 Docker 10.6 Colab 10.7 GPU 10.8 結論 Ch 11 擁抱開源的微笑 Hugging Face Transformers 11.1 讀取模型 11.2 讀取分詞器 11.3 自動類別 11.4 文本生成 11.5 串流輸出 11.6 提示樣板 11.7 取樣參數 11.8 設定停止點 11.9 自迴歸解碼 11.10 多顯卡推論 11.11 到底是在「大」什麼？ 11.12 結論 Ch 12 數若繁星的語言模型們 12.1 英文模型 12.1.1 Llama 12.1.2 Alpaca 12.1.3 Vicuna 12.1.4 TinyLlama 12.1.5 Phi 12.1.6 Mistral & Mixtral 12.2 中文模型 12.2.1 Qwen 12.2.2 Yi 12.3 臺灣模型 12.3.1 Breeze & BreeXe 12.3.2 Taiwan LLM 12.3.3 TAIDE 12.3.4 Bailong 12.3.5 FFM 12.4 其他資源 12.4.1 Awesome LLM 12.4.2 Open LLMs 12.4.3 Open LLM Leaderboard 12.5 結論 Ch 13 語言模型也懂寫程式！ 13.1 StarCoder 13.2 CodeGen 13.3 CodeLlama 13.4 DeepSeek Coder 13.5 結論 Ch 14 貧民英雄，量化超人 14.1 基礎概念 14.1.1 說文解字 14.1.2 簡單推論 14.2 量化方法 14.2.1 BitsAndBytes 14.2.2 Quanto 14.2.3 GPTQ 14.2.4 AWQ 14.3 困惑度 14.4 結論 Ch 15 ggml & llama.cpp 15.1 ggml 15.2 llama.cpp 15.3 環境建置 15.4 格式轉換 15.5 主程式 main 15.6 量化工具 quantize 15.7 伺服器 server 15.8 Python Binding 15.9 速度比較 15.10 結論 Ch 16 Text Generation Inference 16.1 架設服務 16.2 基本用法 16.3 量化選項 16.4 Token 數量設定 16.5 TGI Client 16.6 速度測試 16.7 結論 Ch 17 vLLM & Paged Attention 17.1 Key-Values Cache 17.2 Paged Attention 17.3 基本用法 17.4 LLM Service 17.5 速度比較 17.6 結論 Ch 18 情境學習In-Context Learning 18.1 起源 18.2 基本 18.3 翻譯應用 18.4 文字正規化應用 18.4 結論 Ch 19 再訪檢索模型 19.1 關鍵字 19.2 BM25 Best Matching Ranking 19.3 文本向量 19.4 Text Embedding Inference 19.5 相似度 19.6 Faiss 19.7 結論 Ch 20 任務導向聊天機器人 20.1 任務導向到底是什麼呢？ 20.2 有了 LLM 的 TOD 系統天下無敵？ 20.3 Rasa 20.4 結論 Ch 21 LangChain 21.1 題目發想 21.2 資料來源 21.3 資料爬取 21.4 LLM 21.5 Prompt Template 21.6 Embedding Model 21.7 Vector Store 21.8 Few-Shot Prompt Template 21.9 Example Selector 21.10 Chain! 21.11 結論 Ch 22 微調語言模型DIY！ 22.1 任務設計 22.2 建立資料集 22.3 訓練流程 22.4 評估測試 22.5 結論 Ch 23 PEFT & LoRA 23.1 LoRA 簡介 23.2 LoRA 原理 23.2.1 FFT 運算 23.2.2 LoRA 運算 23.2.3 合併 運算 23.3 回顧 LoRA 程式碼 23.4 LoRA 推論 23.5 QLoRA 23.6 權重合併 23.7 訓練細節 23.8 結論 Ch 24 永遠不夠長！ 24.1 ChatGPT & Claude 24.2 Gradient Checkpointing 24.3 內插法 & 外插法 24.4 LongLoRA 24.5 StreamingLLM & Attention Sinks 24.6 結論 Ch 25 資料何其多，硬碟何其小 25.1 Hugging Face Datasets 25.2 預訓練資料集 25.2.1 Common Crawl 25.2.2 Project Gutenberg 25.2.3 The Pile 25.2.4 C4 & mC4 25.2.5 Stack Exchange 25.2.6 RedPajama & SlimPajama 25.2.7 The Stack & StarCoderData 25.3 對話資料集 25.3.1 Databricks Dolly 25.3.2 OASST 25.3.3 ShareGPT 25.3.4 LMSYS Chat 25.4 中文資料來源 25.4.1 政府資料開放平台 25.4.2 維基文庫 25.4.3 開放文學 25.4.4 漢籍全文資料庫 25.4.5 TAIDE 25.5 評估資料集 25.6 模型生成資料 25.7 結論 Ch 26 授權條款與社會責任 26.1 什麼是「權」？ 26.2 常見授權條款 26.2.1 MIT 26.2.2 GPL & LGPL 26.2.3 Apache 2.0 26.2.4 BSD 26.2.5 CC 26.3 特殊授權條款 26.3.1 OpenRAIL 26.3.2 Llama2 License 26.4 相關爭議 26.5 結論 Ch 27 學海無涯，學無止境 27.1 論文 27.2 GitHub趨勢 27.3 Hugging Face 27.3.1 Blog 27.3.2 Trending 27.3.3 Daily Paper 27.4 iThome 27.5 與人互動 27.6 未來發展
-- gReader Pro
AI 自動化流程超 Easy -- 不寫程式 No code 也能聰明幹大事 | 【第 152 期｜本期活動】天瓏日 X 雙11｜全館消費滿1111再折111 11/5 - 11/11
AI 自動化流程超 Easy -- 不寫程式 No code 也能聰明幹大事 | 【第 152 期｜本期活動】天瓏日 X 雙11｜全館消費滿1111再折111 11/5 - 11/11
https://vw87zqlw.r.ap-northeast-1.awstrack.me/L0/https:%2F%2Fwww.tenlong.com.tw%2Fproducts%2F9789863128069/2/01060192ff861d1e-1a212602-58f5-45e1-99f7-5646990a74fb-000000/loxbEluiLWZfqP8RGffP6iod8Mg=183
AI 自動化流程超 Easy -- 不寫程式 No code 也能聰明幹大事 如果你的日常工作常常在複製/貼上, 按滑鼠按鍵按到手快要斷掉, 那麼自動化流程就可以幫大忙！ more https://vw87zqlw.r.ap-northeast-1.awstrack.me/L0/https:%2F%2Fwww.tenlong.com.tw%2Fproducts%2F9789863128069/2/01060192ff861d1e-1a212602-58f5-45e1-99f7-5646990a74fb-000000/loxbEluiLWZfqP8RGffP6iod8Mg=183 商品描述 內容介紹: 如果你的日常工作常常在複製/貼上, 按滑鼠按鍵按到手快要斷掉, 那麼自動化流程就可以幫大忙！過去想要把流程自動化, 可能需要撰寫程式, 瞭解許多技術細節, 門檻高到許多人還是覺得自己滑鼠鍵盤按一按就好。不過現在只要使用 No code 工具, 簡單滑鼠拖拉點選, 就可以設計出需要的自動化流程。更棒的是, 由於生成式 AI 的成熟, 原本需要靠複雜的流程才能完成的工作, 現在只要一句話就可以完成了。 舉例來說, 如果想要從銷售排行榜網頁蒐集商品資訊, 透過 No code 工具的網路模組就可以從指定網址下載網頁內容, 接著把網頁內容送給生成式 AI 模組, 並且說清楚『我會提供你商品排行榜網頁內容, 請幫我從中蒐集個別商品的資料』, 完全不需要懂網頁細節或技術, 就可以取得各項商品的資訊, 最後再透過試算表模組把蒐集到的資訊儲存到 Google 試算表中, 就自動完成整個工作流程了。 本書會採用 No code 工具 make.com, 結合 ChatGPT 背後 OpenAI 提供的大型語言模型, 帶領大家設計 AI 自動化流程： |用 make.com 設計流程自動化腳本| 我們會利用一個可以偵測 Instagram 上新貼文, 並透過 LINE 通知新貼文資訊的實例, 帶大家熟悉 make.com 的操作, 作為後續章節練習的基石。 |加入 AI 幫我們檢查照片| 熟悉 make.com 的自動化流程設計方法後, 就會加入 AI 辨識圖像的功能, 實作一個可以偵測 Instagram 新貼文內照片是否有人臉, 並且可以透過 LINE 通知的自動化流程, 避免小編貼文引發隱私爭議。利用類似的機制, 也實作一個可以批次從 OneDrive 下載圖片辨識文字的流程, 如果你有紙本單據需要電子化, 就可以派上用場。 |設計 AI 聊天機器人| 由於不需要學習就會用, 聊天機器人是 AI 應用最常出現的使用者介面, 我們會藉由實作一個給它網址就會自動摘要內容的機器人, 說明如何在 make.com 中結合 AI 模組設計 LINE 聊天機器人。 |AI 聲音與繪圖的世界| 聊天機器人雖然很方便, 但有時候打字就是不方便, 如果可以出一張嘴用講的就能驅動自動化流程, 那就太好了。我們會實作一個即時口譯機器人, 說明如何利用 AI 模組將語音轉成文字, 以及如何把文字轉成語音。另外, 我們也會實作批次從 Excel 讀取網址, 自動根據網頁內容摘要生成搭配圖的流程, 說明如何利用 AI 模組從文字生圖。 |自主規劃流程的智慧代理 -- Agent| 生成式 AI 本身功能有限, 本書也會說明如何透過自動化的流程設計, 幫 AI 模組添加更多的功能。舉例來說, 我們可以提供網頁搜尋的功能給 AI 模組, 之後詢問『巴黎奧運台灣有金牌嗎？』時, AI 就會自主判斷要取得網頁搜尋的資訊才能回覆, 並且自動生成搜尋關鍵字, 交給網頁搜尋功能取得搜尋結果, 並且把搜尋結果跟原始問題再送回 AI 模組重新下一輪的判斷, 這時 AI 就可以回覆問題, 結束流程。透過 AI 代替我們思考如何解決問題, 讓我們只要說清楚、講明白, 就可以啟動完全自動的流程。 |延伸 No code 工具的能力| 使用 make.com 這類 No code 環境時, 許多人最擔心的就是缺乏想要的功能, 我們會透過備份網頁內容到 HackMD 共筆系統, 說明如何在 make.com 中使用原本並不支援的線上服務。有些線上應用在 make.com 中提供的功能並不完整, 像是 LINE 模組就沒有提供取得使用者顯示名稱的功能, 也一樣可以透過書中的教學達成。 |設計 RAG 系統| 想要讓 AI 可以參考我們的文件回覆問題最簡單的方法就是把整份文件丟進去, 不過每次問答都要丟一整份文件, 萬一文件太長或是有多份文件時可能就會浪費時間與成本, 我們會透過實作一個法律問答專家說明透過 OpenAI 提供的助理 (Assistants) 功能, 建立可以從文件中擷取片段內容擴增知識再生成回覆 (也就是 Retrieval Augmented Generation) 的 AI 自動化流程, 以有效率的方式參考指定的文件。 |複雜的工作交給 AI| 如同從排行榜網頁中蒐集商品資訊, 許多原本我們要花費時間學習、透過深澳技術才能完成的工作, 都可以交給 AI 來處理, 像是有些網頁內含大量跟使用者互動相關的程式碼, 如果只是要參考網頁的文字內容, 就必須先經過清洗, 否則這些程式碼不但會干擾理解內容, 也會讓網頁內容資料量暴增, 這時我們只要交代 AI, 就可以把這些不必要的內容清理乾淨, 再交給自動化流程進行後續步驟了。本書也透過實作網頁翻譯自動化流程, 展示網頁清洗的功能。 |長文件的處理| 現在的生成式 AI 雖然都可以輸入大量的資料, 但是生成的量相對還是比較小的, 所以你會遇到真的很長篇的文章送不進 AI, 或是想要生成的結果太長, 導致生成式 AI 出錯。本書也會實作分段處理文件的 AI 自動化流程, 說明如何處理這樣的問題。 透過上述教學與範例演練, 你就可以在自己的工作場景中應用 AI 自動化流程提升整體工作效率。 本書特色: Work smarter with AI-powered automation 本書採用不需寫程式的 No code 工具 make.com, 結合 ChatGPT 背後的 OpenAI 大型語言模型, 帶大家實作多種 AI 自動化流程： □ 通知含有人臉的 IG 貼文 □ 批次辨識圖片文字 □ 批次模糊照片人臉 □ IG 貼文自動補上照片說明備份到 Notion □ 用 LINE 就能聊的 ChatGPT □ 網頁內容摘要機器人 □ LINE 即時口譯機 □ AI 自主流程智慧代理 (Agent) □ AI 職業性格分析機器人 □ 排行榜商品資料網頁爬蟲 □ RAG 法律專家機器人 □ 網頁自動翻譯機器人 □ 履歷郵件自動篩選 並且串接整合各種線上服務： □ Instagram 社交 App □ Notion 雲端筆記 □ LINE 即時通訊 □ OneDrive 雲端硬碟 □ Office365 Excel 試算表 □ Google Drive 雲端硬碟 □ Gmail 郵件服務 □ Google Sheets 試算表 □ Google 搜尋 □ HackMD 線上共筆系統 讓你告別工作中無止盡的複製/貼上, 關鍵的你做, 耗時費力的就讓 AI 上。 目錄大綱 目錄: 第 1 AI 自動化流程簡介 1-1 什麼是 AI 自動化流程 1-2 什麼是 No-Code 無程式碼的開發方式 第 2 章 使用 make.com 設計自動化流程 2-1 make.com 的基本概念 2-2 設計第一個自動化流程 註冊 make.com 帳號 透過 LINE 通知 Instagram 新貼文的自動化流程 2-3 定時執行腳本 檢查執行紀錄 2-4 篩選資料變化流程 停止定時執行腳本進入編輯頁面 篩選資料 2-5 make.com 的進階操作 客製訊息內容 將腳本匯出成檔案 2-6 make.com 的計費機制 檢查剩餘操作數量 付費訂閱 購買額外操作數量 第 3 章 用 ChatGPT 的頭腦幫自動化流程長智慧 3-1 付費註冊 OpenAI API 註冊 OpenAI API 帳號 生成金鑰 付費儲值購買使用額度 檢查使用額度 3-2 匯入藍圖快速建立腳本 匯入藍圖 建立連線 3-3 讓 AI 幫我們篩選圖片內容 加入分析圖片的 AI 模組 依據 AI 分析結果篩選資料 OpenAI 模型的計價方式與限制 3-4 圖片分析的綜合應用 用 Notion 備份加上描述圖片內容的 Instagram 貼文 使用 switch 依據條件變化輸出結果 結合 OneDrive 批次辨識圖片文字 第 4 章 與 AI 對談的 LINE 聊天機器人 4-1 生成式 AI LINE 聊天機器人基本架構 LINE Message API 建立虛擬聯絡人--channel 用 make.com 設計後端程式 觀察文字訊息內容 完成聊天機器人基本架構 4-2 讓聊天機器人變聰明 複製使用 webhook 的腳本 加入聊天模組讓 AI 回覆訊息 測試 AI 聊天機器人 4-3 設計網頁摘要機器人 使用 HTTP 應用的模組取得網頁內容 把網頁內容轉換成純文字 加上 AI 完成網頁摘要機器人 測試腳本 錯誤處理 第 5 章 帶領自動化流程進入聲音與繪圖的世界 5-1 設計自動口譯機 讓自動化流程聽懂你的話 讓自動化流程把結果說出來 修正無法取得音檔長度時的意外--Ignore 錯誤處理機制 讓 AI 當即時口譯員 處理直接輸入文字時的錯誤--Resume 錯誤處理機制 5-2 讓 AI 幫我們生圖 測試 DALL·E 3 模型生圖 調整參數 5-3 綜合演練--自動從網頁清單摘要配圖 使用網頁版的 Excel 建立試算表 建立使用 Excel 的腳本 完成自動摘要並配圖的腳本 測試腳本 第 6 章 讓 AI 自主規劃流程--代理 (Agent) 6-1 依據明確資料項目進行不同流程 判斷 LINE 訊息的類型 使用 Router 模組建立多向流程 6-2 讓 AI 依據口語自動進行不同流程 讓 AI 幫我們判斷問題 讓 AI 以規定的格式回覆問題--JSON 讓 AI 幫 AI 解決問題 6-3 設計可讓 AI 自主選用的工具 描述工具 使用工具名稱篩選路徑 使用工具參數設定模組 加入新工具的處理路徑 完成新工具的功能 測試腳本 6-4 設計可自主完成工作的代理 (agent) 重複執行 利用變數存放資料 設計代理 (agent) 機制 第 7 章 使用外部 API 擴增功能 7-1 使用 make.com 中缺乏的模組 認識網址 查看 LINE Message API 文件 取得 LINE 使用者的顯示名稱與狀態 設計生命靈數命理大師 修改模組的顯示名稱 7-2 使用 make.com 中尚未支援的應用 HackMD 共筆協作服務 建立代表登入身分的 API token (存取令牌) 查看 HackMD 開發者文件 設計可以自動備份網頁的 LINE 聊天機器人 運用資料清洗備份乾淨的網頁內容 7-3 需要額外步驟才能使用的 API 用搜尋功能幫 AI 長知識 取得搜尋引擎 ID 取得 API 金鑰 查看文件 設計具備搜尋功能的代理 (agent) 7-4 需要額外步驟才能使用的應用 使用 Gmail 應用 建立 Google Cloud Console 專案 啟用 Gmail API 設定同意畫面 建立憑證 在 make.com 中完成 Google API 連線設定 設計可摘要信件協助篩選履歷的腳本 第 8 章 幫 AI 加入記憶、RAG、程式能力 8-1 擁有記憶的 AI 大腦 使用 Assistants API 自動記憶對話過程 在 OpenAI 遊樂園頁面建立助理 在 make.com 設計性格分析測試機器人 8-2 讓 AI 可以區分不同使用者 讓個別使用者擁有專屬的討論串 使用 Data Store(資料儲存區) 可多人同時使用的性格分析測試機器人 8-3 能夠查詢檔案內容的 RAG 應用 RAG 基本概念 使用 File search 工具達成 RAG 功能 利用 RAG 設計隱私權專家機器人 顯示引用檔案名稱 利用文字處理功能把引用標記替換成引用序號 8-4 會寫程式的 AI 建立會撰寫程式碼的助理 使用 Google 雲端硬碟相關模組的準備工作 設計自動模糊人臉的自動化腳本 8-5 Assistants API 的計費方式 第 9 章 AI 自動化流程進階應用 9-1 使用 AI 設計網路爬蟲 使用不同區域機房解決網路連線問題 用 AI 幫你爬取網頁內容儲存到 Google 試算表 自動依照日期建立工作表 9-2 建立自己的 API 服務 使用 aggregator(聚合器) 彙整並清理資訊 變成可讓所有腳本使用的 API 服務 幫代理改用自己建立的搜尋服務 API 9-3 分段處理長文件的技巧 自動翻譯網頁的腳本 長文件的處理 你的下一步
-- gReader Pro
https://vw87zqlw.r.ap-northeast-1.awstrack.me/L0/https:%2F%2Fwww.tenlong.com.tw%2Fproducts%2F9789863128069/2/01060192ff861d1e-1a212602-58f5-45e1-99f7-5646990a74fb-000000/loxbEluiLWZfqP8RGffP6iod8Mg=183
AI 自動化流程超 Easy -- 不寫程式 No code 也能聰明幹大事 如果你的日常工作常常在複製/貼上, 按滑鼠按鍵按到手快要斷掉, 那麼自動化流程就可以幫大忙！ more https://vw87zqlw.r.ap-northeast-1.awstrack.me/L0/https:%2F%2Fwww.tenlong.com.tw%2Fproducts%2F9789863128069/2/01060192ff861d1e-1a212602-58f5-45e1-99f7-5646990a74fb-000000/loxbEluiLWZfqP8RGffP6iod8Mg=183 商品描述 內容介紹: 如果你的日常工作常常在複製/貼上, 按滑鼠按鍵按到手快要斷掉, 那麼自動化流程就可以幫大忙！過去想要把流程自動化, 可能需要撰寫程式, 瞭解許多技術細節, 門檻高到許多人還是覺得自己滑鼠鍵盤按一按就好。不過現在只要使用 No code 工具, 簡單滑鼠拖拉點選, 就可以設計出需要的自動化流程。更棒的是, 由於生成式 AI 的成熟, 原本需要靠複雜的流程才能完成的工作, 現在只要一句話就可以完成了。 舉例來說, 如果想要從銷售排行榜網頁蒐集商品資訊, 透過 No code 工具的網路模組就可以從指定網址下載網頁內容, 接著把網頁內容送給生成式 AI 模組, 並且說清楚『我會提供你商品排行榜網頁內容, 請幫我從中蒐集個別商品的資料』, 完全不需要懂網頁細節或技術, 就可以取得各項商品的資訊, 最後再透過試算表模組把蒐集到的資訊儲存到 Google 試算表中, 就自動完成整個工作流程了。 本書會採用 No code 工具 make.com, 結合 ChatGPT 背後 OpenAI 提供的大型語言模型, 帶領大家設計 AI 自動化流程： |用 make.com 設計流程自動化腳本| 我們會利用一個可以偵測 Instagram 上新貼文, 並透過 LINE 通知新貼文資訊的實例, 帶大家熟悉 make.com 的操作, 作為後續章節練習的基石。 |加入 AI 幫我們檢查照片| 熟悉 make.com 的自動化流程設計方法後, 就會加入 AI 辨識圖像的功能, 實作一個可以偵測 Instagram 新貼文內照片是否有人臉, 並且可以透過 LINE 通知的自動化流程, 避免小編貼文引發隱私爭議。利用類似的機制, 也實作一個可以批次從 OneDrive 下載圖片辨識文字的流程, 如果你有紙本單據需要電子化, 就可以派上用場。 |設計 AI 聊天機器人| 由於不需要學習就會用, 聊天機器人是 AI 應用最常出現的使用者介面, 我們會藉由實作一個給它網址就會自動摘要內容的機器人, 說明如何在 make.com 中結合 AI 模組設計 LINE 聊天機器人。 |AI 聲音與繪圖的世界| 聊天機器人雖然很方便, 但有時候打字就是不方便, 如果可以出一張嘴用講的就能驅動自動化流程, 那就太好了。我們會實作一個即時口譯機器人, 說明如何利用 AI 模組將語音轉成文字, 以及如何把文字轉成語音。另外, 我們也會實作批次從 Excel 讀取網址, 自動根據網頁內容摘要生成搭配圖的流程, 說明如何利用 AI 模組從文字生圖。 |自主規劃流程的智慧代理 -- Agent| 生成式 AI 本身功能有限, 本書也會說明如何透過自動化的流程設計, 幫 AI 模組添加更多的功能。舉例來說, 我們可以提供網頁搜尋的功能給 AI 模組, 之後詢問『巴黎奧運台灣有金牌嗎？』時, AI 就會自主判斷要取得網頁搜尋的資訊才能回覆, 並且自動生成搜尋關鍵字, 交給網頁搜尋功能取得搜尋結果, 並且把搜尋結果跟原始問題再送回 AI 模組重新下一輪的判斷, 這時 AI 就可以回覆問題, 結束流程。透過 AI 代替我們思考如何解決問題, 讓我們只要說清楚、講明白, 就可以啟動完全自動的流程。 |延伸 No code 工具的能力| 使用 make.com 這類 No code 環境時, 許多人最擔心的就是缺乏想要的功能, 我們會透過備份網頁內容到 HackMD 共筆系統, 說明如何在 make.com 中使用原本並不支援的線上服務。有些線上應用在 make.com 中提供的功能並不完整, 像是 LINE 模組就沒有提供取得使用者顯示名稱的功能, 也一樣可以透過書中的教學達成。 |設計 RAG 系統| 想要讓 AI 可以參考我們的文件回覆問題最簡單的方法就是把整份文件丟進去, 不過每次問答都要丟一整份文件, 萬一文件太長或是有多份文件時可能就會浪費時間與成本, 我們會透過實作一個法律問答專家說明透過 OpenAI 提供的助理 (Assistants) 功能, 建立可以從文件中擷取片段內容擴增知識再生成回覆 (也就是 Retrieval Augmented Generation) 的 AI 自動化流程, 以有效率的方式參考指定的文件。 |複雜的工作交給 AI| 如同從排行榜網頁中蒐集商品資訊, 許多原本我們要花費時間學習、透過深澳技術才能完成的工作, 都可以交給 AI 來處理, 像是有些網頁內含大量跟使用者互動相關的程式碼, 如果只是要參考網頁的文字內容, 就必須先經過清洗, 否則這些程式碼不但會干擾理解內容, 也會讓網頁內容資料量暴增, 這時我們只要交代 AI, 就可以把這些不必要的內容清理乾淨, 再交給自動化流程進行後續步驟了。本書也透過實作網頁翻譯自動化流程, 展示網頁清洗的功能。 |長文件的處理| 現在的生成式 AI 雖然都可以輸入大量的資料, 但是生成的量相對還是比較小的, 所以你會遇到真的很長篇的文章送不進 AI, 或是想要生成的結果太長, 導致生成式 AI 出錯。本書也會實作分段處理文件的 AI 自動化流程, 說明如何處理這樣的問題。 透過上述教學與範例演練, 你就可以在自己的工作場景中應用 AI 自動化流程提升整體工作效率。 本書特色: Work smarter with AI-powered automation 本書採用不需寫程式的 No code 工具 make.com, 結合 ChatGPT 背後的 OpenAI 大型語言模型, 帶大家實作多種 AI 自動化流程： □ 通知含有人臉的 IG 貼文 □ 批次辨識圖片文字 □ 批次模糊照片人臉 □ IG 貼文自動補上照片說明備份到 Notion □ 用 LINE 就能聊的 ChatGPT □ 網頁內容摘要機器人 □ LINE 即時口譯機 □ AI 自主流程智慧代理 (Agent) □ AI 職業性格分析機器人 □ 排行榜商品資料網頁爬蟲 □ RAG 法律專家機器人 □ 網頁自動翻譯機器人 □ 履歷郵件自動篩選 並且串接整合各種線上服務： □ Instagram 社交 App □ Notion 雲端筆記 □ LINE 即時通訊 □ OneDrive 雲端硬碟 □ Office365 Excel 試算表 □ Google Drive 雲端硬碟 □ Gmail 郵件服務 □ Google Sheets 試算表 □ Google 搜尋 □ HackMD 線上共筆系統 讓你告別工作中無止盡的複製/貼上, 關鍵的你做, 耗時費力的就讓 AI 上。 目錄大綱 目錄: 第 1 AI 自動化流程簡介 1-1 什麼是 AI 自動化流程 1-2 什麼是 No-Code 無程式碼的開發方式 第 2 章 使用 make.com 設計自動化流程 2-1 make.com 的基本概念 2-2 設計第一個自動化流程 註冊 make.com 帳號 透過 LINE 通知 Instagram 新貼文的自動化流程 2-3 定時執行腳本 檢查執行紀錄 2-4 篩選資料變化流程 停止定時執行腳本進入編輯頁面 篩選資料 2-5 make.com 的進階操作 客製訊息內容 將腳本匯出成檔案 2-6 make.com 的計費機制 檢查剩餘操作數量 付費訂閱 購買額外操作數量 第 3 章 用 ChatGPT 的頭腦幫自動化流程長智慧 3-1 付費註冊 OpenAI API 註冊 OpenAI API 帳號 生成金鑰 付費儲值購買使用額度 檢查使用額度 3-2 匯入藍圖快速建立腳本 匯入藍圖 建立連線 3-3 讓 AI 幫我們篩選圖片內容 加入分析圖片的 AI 模組 依據 AI 分析結果篩選資料 OpenAI 模型的計價方式與限制 3-4 圖片分析的綜合應用 用 Notion 備份加上描述圖片內容的 Instagram 貼文 使用 switch 依據條件變化輸出結果 結合 OneDrive 批次辨識圖片文字 第 4 章 與 AI 對談的 LINE 聊天機器人 4-1 生成式 AI LINE 聊天機器人基本架構 LINE Message API 建立虛擬聯絡人--channel 用 make.com 設計後端程式 觀察文字訊息內容 完成聊天機器人基本架構 4-2 讓聊天機器人變聰明 複製使用 webhook 的腳本 加入聊天模組讓 AI 回覆訊息 測試 AI 聊天機器人 4-3 設計網頁摘要機器人 使用 HTTP 應用的模組取得網頁內容 把網頁內容轉換成純文字 加上 AI 完成網頁摘要機器人 測試腳本 錯誤處理 第 5 章 帶領自動化流程進入聲音與繪圖的世界 5-1 設計自動口譯機 讓自動化流程聽懂你的話 讓自動化流程把結果說出來 修正無法取得音檔長度時的意外--Ignore 錯誤處理機制 讓 AI 當即時口譯員 處理直接輸入文字時的錯誤--Resume 錯誤處理機制 5-2 讓 AI 幫我們生圖 測試 DALL·E 3 模型生圖 調整參數 5-3 綜合演練--自動從網頁清單摘要配圖 使用網頁版的 Excel 建立試算表 建立使用 Excel 的腳本 完成自動摘要並配圖的腳本 測試腳本 第 6 章 讓 AI 自主規劃流程--代理 (Agent) 6-1 依據明確資料項目進行不同流程 判斷 LINE 訊息的類型 使用 Router 模組建立多向流程 6-2 讓 AI 依據口語自動進行不同流程 讓 AI 幫我們判斷問題 讓 AI 以規定的格式回覆問題--JSON 讓 AI 幫 AI 解決問題 6-3 設計可讓 AI 自主選用的工具 描述工具 使用工具名稱篩選路徑 使用工具參數設定模組 加入新工具的處理路徑 完成新工具的功能 測試腳本 6-4 設計可自主完成工作的代理 (agent) 重複執行 利用變數存放資料 設計代理 (agent) 機制 第 7 章 使用外部 API 擴增功能 7-1 使用 make.com 中缺乏的模組 認識網址 查看 LINE Message API 文件 取得 LINE 使用者的顯示名稱與狀態 設計生命靈數命理大師 修改模組的顯示名稱 7-2 使用 make.com 中尚未支援的應用 HackMD 共筆協作服務 建立代表登入身分的 API token (存取令牌) 查看 HackMD 開發者文件 設計可以自動備份網頁的 LINE 聊天機器人 運用資料清洗備份乾淨的網頁內容 7-3 需要額外步驟才能使用的 API 用搜尋功能幫 AI 長知識 取得搜尋引擎 ID 取得 API 金鑰 查看文件 設計具備搜尋功能的代理 (agent) 7-4 需要額外步驟才能使用的應用 使用 Gmail 應用 建立 Google Cloud Console 專案 啟用 Gmail API 設定同意畫面 建立憑證 在 make.com 中完成 Google API 連線設定 設計可摘要信件協助篩選履歷的腳本 第 8 章 幫 AI 加入記憶、RAG、程式能力 8-1 擁有記憶的 AI 大腦 使用 Assistants API 自動記憶對話過程 在 OpenAI 遊樂園頁面建立助理 在 make.com 設計性格分析測試機器人 8-2 讓 AI 可以區分不同使用者 讓個別使用者擁有專屬的討論串 使用 Data Store(資料儲存區) 可多人同時使用的性格分析測試機器人 8-3 能夠查詢檔案內容的 RAG 應用 RAG 基本概念 使用 File search 工具達成 RAG 功能 利用 RAG 設計隱私權專家機器人 顯示引用檔案名稱 利用文字處理功能把引用標記替換成引用序號 8-4 會寫程式的 AI 建立會撰寫程式碼的助理 使用 Google 雲端硬碟相關模組的準備工作 設計自動模糊人臉的自動化腳本 8-5 Assistants API 的計費方式 第 9 章 AI 自動化流程進階應用 9-1 使用 AI 設計網路爬蟲 使用不同區域機房解決網路連線問題 用 AI 幫你爬取網頁內容儲存到 Google 試算表 自動依照日期建立工作表 9-2 建立自己的 API 服務 使用 aggregator(聚合器) 彙整並清理資訊 變成可讓所有腳本使用的 API 服務 幫代理改用自己建立的搜尋服務 API 9-3 分段處理長文件的技巧 自動翻譯網頁的腳本 長文件的處理 你的下一步
-- gReader Pro
颠覆！ChatGPT Search 官方 AI 搜索引擎+浏览器插件 (免费) - 直面挑战 Google
=====
https://www.iplaysoft.com/p/chatgpt-search
11.11 好价整理 | 腾讯视频+京东 ￥148 | 百度网盘年卡+芒果 ￥179 | 哔哩哔哩年卡 ￥88 夸克网盘 SVIP 年卡 | WPS 会员四年 | QQ会员买一得14 | 爱奇艺 15 个月 | QQ音乐年卡 11.11好价汇总贴 最近 OpenAI 官方 AI 搜索功能 ChatGPT Search 正式上线了！这可不是小打小闹更新，而是给搜索引擎带来一次重大变革，彻底颠覆过去的搜索方式，更是向 Google 霸主地位发起直接挑战。今天我们就来深入聊聊这个话题，看看「ChatGPT Search」到底有哪些神奇之处，又将如何颠覆我们习以为常的搜索体验。其实，很早前就一直传闻 OpenAI 官方要进军搜索领域，现在它终于来了！并且该功能并不要求开通 ChatGPT Plus 会员，就算免费用户都直接开放使用了……支持开通 ChatGPT Plus 会员的虚拟卡注册 ChatGPT 账号方法教程颠覆传统！ChatGPT 官方 AI 搜索引擎正式发布 ChatGPT Search 搜索功能并不是一个独立的应用，而是直接集成在 ChatGPT 的对话框里。它就像一个开关，开启后，ChatGPT 就不再仅仅依赖自身的知识库，而是会实时从网络上抓取最新的信息，并以更自然、像对话一样的方式回答你的问题。这跟我们熟悉的传统搜索引擎截然不同，你不用再绞尽脑汁地想"关键词"，也不用在一堆网页链接中一个个打开去大海捞针。而是像聊天一样，用自然语言说出你想搜索的需求，ChatGPT 就会根据从网络上搜集相关信息，并整理成一份简洁明了的答案呈现给你。一切都是那么自然！并且，ChatGPT Search 现在可以在网页版、桌面客户端以及 iOS 和 Android 移动客户端上使用，同时还推出了 ChatGPT Search 的官方 Chrome 浏览器插件，可以用于替代 Google 作为浏览器默认搜索引擎！并且厚道的是，就算你是免费用户，现在都能网页版或者任意平台的客户端上使用到这个有趣又强大的搜索新功能了。当然相对于 ChatGPT Plus 会员，免费会员每日会有一定的对话数量限制，所以如果是重度用户，开通 ChatGPT Plus 会员又显得得更有价值了。ChatGPT Search 模型：据了解，ChatGPT Search 的核心技术是 GPT-4o 模型的微调版本，它使用了包括从 OpenAI o1 中提取输出在内的新颖合成数据生成技术进行训练。为了确保信息的准确性和时效性，ChatGPT Search 不仅会利用爬虫技术获取最新的一些网站内容数据，也会从 OpenAI 的合作伙伴，比如一些新闻和数据提供商那里获取更多权威的内容。此外，OpenAI 还为天气、股票、体育运动、新闻和地图等不同类别设计了全新的视觉呈现方式，让你可以更直观地获取信息。例如，股票信息现在会以实时更新的可点击图表的形式展示，而新闻资讯则会附上相关来源的链接，方便你进一步了解详情。ChatGPT Search 到底能做什么？那么，ChatGPT Search 到底能做什么呢？我们不妨来看几个例子。假设你刚到一个陌生的城市，比如广州，想要快速了解当地的美食和景点。用传统的搜索引擎，你可能需要搜索"广州 美食 景点"，然后在一堆网页链接中慢慢筛选。而使用 ChatGPT Search，你只需直接问："广州有哪些好吃的和好玩的？"，ChatGPT 就会根据你的问题，从网络上搜集信息，并整理成一份包含图片和具体商家名称的攻略给你。或者我想要找一些高智商智斗类的动画看，那么用 ChatGPT 联网搜索就很方便：再比如，你想了解最新的新闻，可以直接问："今天有什么值得关注的新闻？" ChatGPT Search 会提供以提问时间为准的最新新闻摘要，并附上相关来源的链接。你甚至可以直接问："今年双十一，哪个平台的 iPhone 16 Pro 最便宜？" ChatGPT Search 会根据时间和你的问题，汇总各个平台的优惠信息，并列出一系列网站供你参考。更厉害的是，ChatGPT Search 不仅仅是一个搜索引擎，它还能根据你的要求进行更深入的信息处理。例如，你可以询问近期广州的漫展信息，然后要求 ChatGPT 将信息整理成表格或 Excel 文件，直接下载到你的设备里。这对于需要检索大量数据的情况，可以节省大量时间和精力。与其他 AI 搜索工具相比，ChatGPT Search 的一大优势还在于它的无广告环境。虽然 OpenAI 承认运行实时 AI 搜索的成本很高，并计划为免费用户设置使用限制，但他们目前还没有引入广告的计划。另一个突出特点是交互式视觉效果的整合。信息来源侧边栏允许你滚动浏览经过验证的网络链接，从而提供了一种更加透明的信息来源方式。替代传统搜索引擎还需时日？当然，ChatGPT Search 也并非完美。与其他 AI 搜索工具一样，它目前也还存在偶尔"幻觉"问题，即生成缺乏事实依据的虚假信息。例如，当你向 ChatGPT Search 索要推文时，它有时会编造内容。此外，ChatGPT Search 的深度和一些功能，比如相关问题的推荐，还有待提升。个人感觉还未能彻底替代传统的搜索引擎，包括 Google、Bing 等还会共存很长一段时间。尽管如此，ChatGPT Search 的出现无疑是 AI 对传统搜索引擎的一次重大挑战和颠覆。它更自然、更对话的交互方式，更精准、更及时的信息获取能力，以及更智能、更个性化的信息处理功能，都预示着未来搜索引擎的发展方向。也许再过几年，成长起来的 20 后甚至会忘记传统搜索引擎最初的模样。只不过，希望那时或许已经成为 Google 杀手的 ChatGPT 不要重演屠龙者终成恶龙的故事吧。总结：总而言之，ChatGPT Search 的上线标志着新一轮搜索大战的爆发。它能否最终成功取代传统搜索引擎，还需拭目以待。但肯定的是，它会加速推动 Google、Bing 等搜索引擎转向 AI 的变革。尽管目前 ChatGPT Search 收录的内容还不够多到让我们彻底替代谷歌，但它将彻底改变我们与信息互动的方式，为我们带来更便捷、更高效的信息获取体验。一些问答类、总结类的需求用 AI 搜索，零散资源搜索用谷歌，这样组合使用的话效率定会倍增。相关文件下载地址官方网站：访问 软件性质：免费 其他相关：支持开通 Plus 会员的虚拟卡 | Claude | Google Gemini下载 ChatGPT Search 浏览器插件 | ChatGPT 桌面版 | ChatGPT 手机版 | 更多 AI 相关
-- gReader Pro
AI Info｜Meshcapade 最近推出了一款名為 Text-to-3D Movement 的工具，該工具允許用戶自訂角色形狀，並透過簡單的文字提示為角色設定動畫，無需繁瑣的組裝、貼圖或逐幀動畫。這項技術利用 AI 將文字描述轉換為逼真的 3D 動作，大幅簡化了動畫製作流程。 AI Info｜Meshcapade recently launched a tool called Text-to-3D Movement. This tool allows users to customize character shapes and set animations for them using simple text prompts, eliminating the need for complex assembly, texturing, or frame-by-frame animation. This technology leverages AI to transform text descriptions into realistic 3D movements, greatly simplifying the animation creation process. | Jyun VR | Facebook
2024年11月7日 星期四
2024年11月5日 星期二
訂閱：
文章 (Atom)
-
Wispr Flow AI 語音輸入有夠強！徹底解放雙手，目前地球上最強的語音輸入法 https://ahui3c.com/141866/wispr-flow-ai 你是否也曾感到雙手在鍵盤上飛舞的速度，永遠追不上腦中思緒奔騰的腳步？或是長時間打字導致手腕痠痛，卻又不得不繼續工作...
-
https://www.managertoday.com.tw/articles/view/70929
