李一舟人工智能 2.0-每个人的人工智能课 课程学习请添加wei信：2431067021
【课程访问】爱学习888网站 www.aixuexi888.com
升级会员，海量课程免费下载 课程目录
1.AI思维-引导课
2.什么是算力和token.mp4
3.如何开始一段与GPT的对话.mp4
4.什么是人工智能＆AI2.0.mp4
5.刷爆全网的GPT到底是什？.mp4
6.New Bing带来的浏览器新格局.mp4
7.人工智能如何帮助我们辅导孩子1.mp4
8.人工智能如何帮助我们辅导孩子2.mp4
9.人工智能如何帮助我们辅导孩子3.mp4
10.打工人如何用好Al（上）-写简历和自荐信.mp4
11.打工人如何用好Al（下）-如何模拟面试.mp4
12.老板如何降本增效.mp4
人工智能直播课资料
人工通用智能的星星之火GPT-4的早期实验.pdf
生成式Al发展史.jpg
腾讯研究院AIGC发展趋势报告2023.pdf
GPT-4的变化.jpg
}

写在开始前：一个适合普通人学习和使用AI工具的平台：AI FOR US，多达百种的AI工具。人工智能可以分为狭义人工智能 (ArtificialNarrow Intelligence，简称 ANI)和通用人工智能 (ArtificialGeneralInteligence，简称 AGI)两种类型。狭义人工智能是指被编程为执行有限数量任务的机器，它只适用于未来与过去相似的地方。如果你以最细微的程度更改上下文并使其与初始行为规范不同，模型将无法跟踪其目的并导致错误或需要一些系统停机时间。一旦上下文发生变化并且模型出现异常，将需要人为干预以再次重新编程预期目的。狭义人工智能不具备适应新环境或学习执行新任务的能力。而通用人工智能则是一个高度灵活的智能领域，能够根据不断变化的环境进行调整，并在广泛的用例中执行迁移学习。该技术将重点从特定功能转移到适应可以理解多个系统的通用智能。因此，“AGI”更接近“AI”的原意，这点与当前聚焦于领域相关或问题相关手段的主流“AL 研究”完全不同。它指的是一种具有人类认知能力的人工智能。与当前聚焦于领域相关或问题相关手段的主流人工智能研究完全不同，AGI强调智能通用目的的特点，基于整体或综合的智能观，相信打造可媲美人类智能 AI的时机已经成熟。从内容生产来看，Web1.0 以 PG 为主，早期的各类门户、黄页、信息港是网络信息资源的主要供给方。到了Web2.0 时代，以互联网企业为平台的 UGC 成为主流，各种类型的社交媒体、短视频 APP、电商 APP 深刻地改变了人们的生产生活方式。而 Web3.0 的组织形态还未确定，但作为数字内容创新的 AIGC 已经开始攻城略地，AI绘画.AI辅助电影制作、AI生成非同质化通证 (Non-Fungible Token，NFT) 等的流行都显示出 AIGC 正成为下一代互联网内容的主要存在形式之-从人机交互模式看。Web1.0 时代依赖键盘、鼠标、手写画板等传统的计算机输入设备。而 Web2.0 时代人机交互模式进一步丰富，触控操作、隔空手势识别、语音控制等成为主流。而 Web3.0 则将虚拟现实和人机交互提高到前所未有的地位，基于视觉、触觉、听觉等的多模态交互、基于脑机接口的脑电交互等将实现“所见即所得”“所想即所得”的高度智能化交互方式从网络资源组织演进从网络特征及其资源组织方式来看，Web1.0 具有门户高度中心化特点，其资源组织方式是经典的目录式分类和供给，同时诞生了最初以索引技术为核心的搜索引擎，如 1998 年出现的谷歌搜索和 2000 年出现的百度搜索。Web2.0 具有平台中心化和大众参与的特点，所产生的网络信息资源具有多源、异构、异质等特征也催生了大数据管理和应用体系的诞生，如 2006 年出现的推特和 2009 年出现的新浪微博。Web3.继承和延伸了Web2.0 信息资源的特点，同时具有基于 Al 的自动化、大规模、智慧化内容生成特征，信息资源的多模态、自组织虚实融合等属性凸显，典型应用如 NFT、数字人、AI 作画、AI 作曲等2022 年以来，人工智能绘画(简称“AI绘画”》凭借丰富的创意与便捷的创作工具迅速走红，国内外互联网巨头纷纷跟进推出AI创作类平台和工具吸引了大量科研人员参与。在开源A 创作工具有 Disco Difusion、Discord 频道的 Midjourney、OpenAl的DALL·E2、谷歌的Imagen 和 Parti、微软的NUMA 出现，以AI 艺术创作 (AIgenerated art) 为代表的 人工智能生成内容 (Al Generated Content，AIGC) 迅速形成。[2]目前，AIGC 正处于快速发展阶段。随着产业界虚拟现实、数字李生、融合共生等应用场景不断丰富，AIGC 迅速扩展到数字建模、虚拟人、场景合成、艺术创作等领域。【AIGC 技术特征】数据巨量化AIGC 的“想象力”和创作能力是在海量数据的基础上由计算机学习和模拟生成的，每一幅 Al 画作背后都是不计其数的标注数据和训练数据。卷积神经网络和 Transformer 大模型的流行成功使深度学习模型参数量跃升至亿级由此带来的数据巨量化推动了 AIGC 发展的进程。如知名的计算机视觉项目 lmageNet 在众包任务中有超过 25000 人参与，标准图片超过1400 万张;而 OpenAl 更是收集了 4亿个文本-图像配对数据(LAION-400M)进行预训练。在零样本 003学习(Zero-ShotLearning，ZSL)成熟之前[11]，AIGC 通过巨量数据实现内容创作的发展路线仍难以撼动。内容创造力正是因为有了巨量数据的加持，创造力成为 AIGC 最吸引用户的特色。借助海量语料库，AJ工具仿佛超级画手或作曲家一样生成指定风格的图像、音乐或视频。例如神经风格迁移(neural stvle transfer)算法利用卷积神经网络识别图像内容表征和风格表征并在特定神经网络层对图像进行重构，这就使 Al 画作能够模仿特定风格的艺术作品。与人类创作过程相比，Al 创作拥有时间短、规模大、风格多等特点，在艺术创作、插画、影视编辑等领域正在产生变革效应，人们甚至开始担心 AIGC 会不会冲击传统艺术创作者的工作岗位。跨模态融合跨模态融合是 AIGC 区别于传统 UGC 和 PGC 的显著特征。2021年，OpenAl 发布了多模态模型 CLIP(Contrastive Lanquage-mage Pre-Training) ，它使用LAION-400M 进行超大规模的图文训练，能够分别提取文本特征和图片特征进行相似度对比，通过特征相似度计算文本与图像的匹配关系，从而实现跨模态的相互理解[3]。2022 年9月，百度发布“2022 十大科技前沿发明”，位列第一的就是“跨模态通用可控 AIGC”，跨模态生成的本质是文本、视觉、听觉乃至脑电等不同模态的知识融合，覆盖图文、视频、数字人、机器人等更多场景。随着国内外多家科技公司发布多模态 AI 大模型，AIGC 的跨模态融合趋势将进一步加强。认知交互力拥有一定程度的认知和交互能力，是 AIGC 发展的重要趋势。对于开发者而言，代码的输入输出是人与计算机交互的底层逻辑;对于用户而言，人们使用智能终端和网络平台实现人机交互和互联通信。在人工智能场景中，通常利用自动问答、视觉识别、姿态识别等实现人机交互，而 AIGC 的出现则为人与机器的沟通带来了更多可能。拥有人与人类沟通的媒介，在感知和交互上具备特色。【生产关系的重构】颠覆是不可避免的。高度分布式 AI应用软件能够产生人类水平的工作产品，这和互联网时代赢者通吃的大规模分布截然不同。人工智能 (AI)正日益成为各行各业的生产力革命。它不是一个通信领域的革命，而是一个创造性工作的革命AL 最新的发展代表了一种新的工作范式，让我们可以与软件进行深度协作。具体来说。人们日常工作的方式正在发生的转变，是从计算机编程从命令式语言转变为声明式语言开始的。大量信息被压缩到今天的文本、图像和代码模型中，让声明式工作变成了可能，再加上提示界面的易用性以及快速牛成变化的能力，将让每单位人力产出更高质量的工作产品。这是声明式工作的新时代。AI大量应用于日常办公软件中，有可能创造出一种新型的混合劳动力。在日常工作中，你经常使用的文档编辑器、电子表格和演示文稿制作等应用软件将会替你完成较为琐碎的日常工作，它们会让这些工作真正实现自动化。与此同时，你和软件之间的共同协作会大大突破，你会有新的虚拟队友为你撰写初版方案、即时提供研究报告、进行疑难解答等。人类和智能工具的这种配合将提高个人生产力，让精干的团队能够做更多的事情。这是绝对的好事，但同时也有很多东西需要去管理。生成性工作的产出不仅受大大小小问题的影响，而且对其痴迷目过度使用的话，可能会让工作和互联网本身变得更加嘈杂。}