关于AIGC人工智能、思维方式、知识拓展，能力提升等。投稿/合作： @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件
AIGC 领域的最新工具、开源项目以及行业大事件
#182体育封神榜
以小博大直接爆15000倍 点击查看
实力盘总4000一拉直接爆2304000 点击查看
【182体育｜新人专享首存福利】
单笔首存1千 赠送彩金108
单笔首存3千 赠送彩金238
单笔首存5千 赠送彩金358
单笔首存1万 赠送彩金528
单笔首存3万 赠送彩金788
单笔首存5万 赠送彩金1088
单笔首存8万 赠送彩金1488
单笔首存12万 赠送彩金2088
单笔首存20万 赠送彩金3488
单笔首存50万 赠送彩金5288
注册升级领18888， 每周送福利5888
每日存款彩金每日送，每笔存款加赠
🌐 官网注册网址 : 1820036.com
💖专属VIP客服： @vipkf_182ty8
💖吃瓜搞笑：@chiguagaoxiaoxinwen
🧐 平台优势：🤥 资金安全：百亿级资金池,秒提无忧😲 极速出款：充值 / 提现秒到,行业最快😲 隐私保障：免实名、无限IP、信息加密🤒 多币支持：USDT / 汇旺 /秒充秒提👾 全球畅玩：不限地区（菲律宾,迪拜,柬埔寨等）😲 高额返水：娱乐多返利多,无上限！
球速大会员再创新高：
✅球速体育
✅u存u提每日提款无上限，随便提、全球不限ip、免实名绑定手机号码、银行，大额出款无忧 （您的最佳选择，欢迎体验）
#亚洲顶级真人视讯博彩盘口！
🔥平台
注册升级领18888， 每周送福利5888
每日存款彩金每日送，每笔存款加赠
👑福利频道：@qsty8999
⚽️体育赛事推单：@QSTY988
💖吃瓜搞笑新闻：@chiguagaoxiaoxinwen
💖vip客服专属热线，添加客服领取活动福利
🌐官网客服： @QSTY567
双向用户点击：@qsty168168_bot
🌐注册网址： qs1736.cc
提高AI能力最简单有效的方式：
1、找到领域内优质信息
2、让AI看优质信息，整理总结方法论
3、把方法论文档作为上下文喂给AI，让AI基于方法论做事情
我举个例子：
- 我把推特公开的算法信息整理了一遍，让AI总结了md文档，我人工review调整
- 把文档给了AI，让AI基于这个文档调整我们之前讨论的评分算法，重新做了打分拟合
- AI获取账号推文，批量做了一遍评估，找到了某个领域内的benchmark
- 按照这个benchmark打分拟合来筛选优质账号
全程不需要程序员，AI自己就能写python干
干完了一遍，把这个链路沉淀提示词做成agent workflow就可以了
甚至你还可以搞个GUI就可以产品化
基于兴趣的探索，在这个阶段下优势被AI无限放大了
1、找到领域内优质信息
2、让AI看优质信息，整理总结方法论
3、把方法论文档作为上下文喂给AI，让AI基于方法论做事情
我举个例子：
- 我把推特公开的算法信息整理了一遍，让AI总结了md文档，我人工review调整
- 把文档给了AI，让AI基于这个文档调整我们之前讨论的评分算法，重新做了打分拟合
- AI获取账号推文，批量做了一遍评估，找到了某个领域内的benchmark
- 按照这个benchmark打分拟合来筛选优质账号
全程不需要程序员，AI自己就能写python干
干完了一遍，把这个链路沉淀提示词做成agent workflow就可以了
甚至你还可以搞个GUI就可以产品化
基于兴趣的探索，在这个阶段下优势被AI无限放大了
理想汽车负责融资的同学说之前去德国，老外反应都很冷淡，最后有个当地女高管嘟囔：“汽车是我们发明的，你们中国人为什么要尝试来欧洲卖汽车？”；理想的前同事哲伦班长说：汽车文化就是从欧洲兴起的，这是毋庸置疑的事实，今天我们做的所有事情都只是在努力变得更优秀，但打破固有认知很难很难。但机器人这件事，中国从一开始就有机会领先，中国的机器人优秀这件事，恐怕很容易就会被写在全球观众的心智里。
祝福中国的机器人公司都大有可为，也希望自己在这段路中能为机器人行业做出一些独特贡献，比如探索出有创意的海外落地场景、海外宣传&海外融资机会。
学会提问，可以激活AI大量的能力
当你不为AI添加工具，不给予AI知识库，不提供AI后训练，想单纯依靠AI的基础模型和提示词工程来让AI发挥原始效能，最重要的是懂得提问
提问从主体上来说，有两类：
- 人类向AI提问
- AI向人类提问
人类向AI提问的相关技巧与使用场景：
- 脑暴：找AI一起脑暴，找想法，找创意，向AI提问寻找解决方案
- 讨论：提出一个观点，获取AI的反馈，这里可以使用后退提示词，即告诉AI可以质疑人类的观点，退后一步思考，这种时候AI往往能更睿智
- 寻求专业建议：比如我在某个技术实现方案不确定，我会问AI，让AI去做Deepresearch，然后提供我对比，方便我了解信息
- 不断追问：当AI给你结果后，一定要不断追问，因为AI很多时候也会不懂装懂，产生幻觉，当你不断追问时，AI也会不断思考，经过5轮追问，你会掌握更多细节和信息，以便确定AI是不是在欺骗你
- 交叉验证：问题不确定时，可以使用多个AI互相交叉验证，但我更推荐通过不断追问的方式培养独立的自主思考
- 提供证明：当AI试图只给你结果时，你要提问让他提供具体证明，比如让他打印请求结果，或者让他定位问题核心关键代码等等
- 提出要求：比如要求AI先别开发，而是先写文档，通过审查他的文档，来判断AI是否真正理解了任务目标，设置约束条件让AI去满足
AI向人类提问的相关技巧与使用场景
- 补充任务信息：人类的描述往往会简化，导致AI难以判断，或者有一些细节，AI未得到确认。所以我们应该要求AI向我们主动提问，我每次任务开始前都会要求它主动提问，它会提出一些细节，这些细节我未在任务过程中明确，也能引发进一步对细节的思考与设计
- 确认目标：让AI明确下一步的目标，确保AI理解了任务范围，而不是一口气做一大堆事情，明确交付里程碑，控制好每次的小交付，逐渐完善
- 设计旅程：让AI设计出对应的子任务执行路径，每完成一个小里程碑后，让AI提问我们接下来做哪个事情，并提供出自己的建议，有时候应该先完成一些关键链路，有时候应该先做一些细节，这种情况下，让AI提问询问人类，会获得思考帮助
- 拓展体验：让AI提问，AI有时候会给出人类没能思考到的建议，从而拓展了产品体验
- 提供外部信息：让AI提问，AI往往会寻求一些外部信息，比如会询问你是否能提供一些文档，或者他认为在执行任务过程中可能需要使用到的信息
- 获得反馈：AI需要获得反馈，比如AI开发了一个东西之后，它需要提问获得反馈，比如它可以主动提供console的一些js命令，以便获得进一步的结果进而修正
---------
为AI构建工具的其中一个目标，是为了加强提示词工程，但如果你不懂得构建工具，仍然能让AI发挥出更好的效果，学会这两类提问，就可以激发人类和AI的潜在潜能
当你不为AI添加工具，不给予AI知识库，不提供AI后训练，想单纯依靠AI的基础模型和提示词工程来让AI发挥原始效能，最重要的是懂得提问
提问从主体上来说，有两类：
- 人类向AI提问
- AI向人类提问
人类向AI提问的相关技巧与使用场景：
- 脑暴：找AI一起脑暴，找想法，找创意，向AI提问寻找解决方案
- 讨论：提出一个观点，获取AI的反馈，这里可以使用后退提示词，即告诉AI可以质疑人类的观点，退后一步思考，这种时候AI往往能更睿智
- 寻求专业建议：比如我在某个技术实现方案不确定，我会问AI，让AI去做Deepresearch，然后提供我对比，方便我了解信息
- 不断追问：当AI给你结果后，一定要不断追问，因为AI很多时候也会不懂装懂，产生幻觉，当你不断追问时，AI也会不断思考，经过5轮追问，你会掌握更多细节和信息，以便确定AI是不是在欺骗你
- 交叉验证：问题不确定时，可以使用多个AI互相交叉验证，但我更推荐通过不断追问的方式培养独立的自主思考
- 提供证明：当AI试图只给你结果时，你要提问让他提供具体证明，比如让他打印请求结果，或者让他定位问题核心关键代码等等
- 提出要求：比如要求AI先别开发，而是先写文档，通过审查他的文档，来判断AI是否真正理解了任务目标，设置约束条件让AI去满足
AI向人类提问的相关技巧与使用场景
- 补充任务信息：人类的描述往往会简化，导致AI难以判断，或者有一些细节，AI未得到确认。所以我们应该要求AI向我们主动提问，我每次任务开始前都会要求它主动提问，它会提出一些细节，这些细节我未在任务过程中明确，也能引发进一步对细节的思考与设计
- 确认目标：让AI明确下一步的目标，确保AI理解了任务范围，而不是一口气做一大堆事情，明确交付里程碑，控制好每次的小交付，逐渐完善
- 设计旅程：让AI设计出对应的子任务执行路径，每完成一个小里程碑后，让AI提问我们接下来做哪个事情，并提供出自己的建议，有时候应该先完成一些关键链路，有时候应该先做一些细节，这种情况下，让AI提问询问人类，会获得思考帮助
- 拓展体验：让AI提问，AI有时候会给出人类没能思考到的建议，从而拓展了产品体验
- 提供外部信息：让AI提问，AI往往会寻求一些外部信息，比如会询问你是否能提供一些文档，或者他认为在执行任务过程中可能需要使用到的信息
- 获得反馈：AI需要获得反馈，比如AI开发了一个东西之后，它需要提问获得反馈，比如它可以主动提供console的一些js命令，以便获得进一步的结果进而修正
---------
为AI构建工具的其中一个目标，是为了加强提示词工程，但如果你不懂得构建工具，仍然能让AI发挥出更好的效果，学会这两类提问，就可以激发人类和AI的潜在潜能
这些实验可以用来解释Sutton的观点。Sutton认为，真正的智能，需要像老鼠一样，能够在内在建立一个世界模型，并利用这个模型去灵活地适应和解决问题，而不仅仅是在已有的数据中寻找最优的“下一个词”。现在的大语言模型，本质上是在一个极其庞大的“语言迷宫”里，通过海量的数据训练，学会了在某个“路口”（当前上下文），选择最有可能的下一个“方向”（下一个词）。它能够预测人类会说什么，因为它已经“看”过了无数人类在相似情境下的选择。
然而，一旦我们稍微改变“迷宫”的结构，提出一个它从未见过的、需要真正理解世界才能回答的问题，或者要求它根据现实世界的变化做出预测，它可能就会像那只鱼一样，暴露出其死记硬背的本质。比如有研究者发现，当使用 LLM 作为评判工具时，只需要加一个“解”，甚至只是空格、冒号等符号，就能让毫无意义的回答骗得高分。
在 Sutton 看来，仅仅通过扩大数据和计算量来训练大模型，只是在让模型更擅长模仿人类的语言模式，而无法真正地理解世界，因此 LLM 不是通向AGI的正确道路。
虽然我赞成 Sutton 的说法，LLM 相比大脑确实不够“智能”，但是从实用主义的角度看，即使 LLM 只会模仿人类，如果它确实能完成人类的工作，那么这算不算实现了 AGI？俗话说得好：“当一个东西走路像鸭子、叫声像鸭子，那它就是鸭子。”我自己是不纠结技术路线的，我只关心 AI 是不是真的能解决我的问题，而且我认为 LLM 可以帮助我们更快破解大脑智能之谜。
最后也推荐大家可以读一下《智能简史》这本书，作者是搞 AI 出身的，为了研究 AI 学习了很多神经科学的知识，他将神经科学的研究成果跟机器学习的知识串联起来。所以我读的非常爽：就像飞机是从鸟类的飞行得到启发一样，AI 的很多突破都源于我们对大脑的研究。
然而，一旦我们稍微改变“迷宫”的结构，提出一个它从未见过的、需要真正理解世界才能回答的问题，或者要求它根据现实世界的变化做出预测，它可能就会像那只鱼一样，暴露出其死记硬背的本质。比如有研究者发现，当使用 LLM 作为评判工具时，只需要加一个“解”，甚至只是空格、冒号等符号，就能让毫无意义的回答骗得高分。
在 Sutton 看来，仅仅通过扩大数据和计算量来训练大模型，只是在让模型更擅长模仿人类的语言模式，而无法真正地理解世界，因此 LLM 不是通向AGI的正确道路。
虽然我赞成 Sutton 的说法，LLM 相比大脑确实不够“智能”，但是从实用主义的角度看，即使 LLM 只会模仿人类，如果它确实能完成人类的工作，那么这算不算实现了 AGI？俗话说得好：“当一个东西走路像鸭子、叫声像鸭子，那它就是鸭子。”我自己是不纠结技术路线的，我只关心 AI 是不是真的能解决我的问题，而且我认为 LLM 可以帮助我们更快破解大脑智能之谜。
最后也推荐大家可以读一下《智能简史》这本书，作者是搞 AI 出身的，为了研究 AI 学习了很多神经科学的知识，他将神经科学的研究成果跟机器学习的知识串联起来。所以我读的非常爽：就像飞机是从鸟类的飞行得到启发一样，AI 的很多突破都源于我们对大脑的研究。
