从生成式 AI，学到的一个小知识：你选择看什么书和视频、选择住在什么城市、爱什么样的人，这些都是你输入给大脑的数据，他们共同决定了大脑输出的质量。

而一个人的智商，或许指的就是：大脑上下文窗口的长度、推理中消灭幻觉的能力、算力充沛的程度

字节的豆包或者 CiCi 虽然移动版的体验非常离谱，过于想把每个能力都在界面上展示了。

但是网页是真不错，尤其是海外版本还避免了模型问题，浏览器插件和客户端也还行。

特别是浏览器插件支持翻译和总结，翻译体验做的很好，总结的内容和客户端还是同步的。

有需求的可以白嫖一下。

人的本性往往对未知的事物感到恐惧，从而选择否定👎和排斥，这导致许多人对新机遇视而不见。人们追求即时满足和贪婪，这形成了一个恶性循环，如不断刷短视频和信息流的行为。但如果你能够换一个角度看待事物，追求延迟满足，你就能跨越周期，实现超越大多数人的认知和行为。

信息差、认知差🧠、行动差，这三者是拉开人与人之间距离的关键因素。
众所周知，赚钱的最快路径包括：
1. 信息差：我知道的，你不知道。
2. 认知差：我懂的，你不懂。
3. 执行差：你我都懂，但你不做，我去做💪。
4. 竞争差：你我都做，但我做得比你好。
在每个阶段都能突破自己，你就能实现“穿透圈层”。

邀请您参加生财有术3天免费体验活动，亲身体验这个感受变化
信息差：您将获得独家副业信息和赚钱策略，这些是大众难以触及的宝贵资源🗝。
认知差：我们将引导您重新认识金钱和财富，教您如何运用富人思维规划和管理财务。
行动差：通过航海实践课程和互动讨论，您将学会如何将知识转化为行动，实现目标🎯。

加入生财有术你将获得：
1. 开钱眼，看见项目新机会：
- 主要交付形式：精华帖📃、风向标、项目库搜索引擎、精选航海选题。
- 第八期升级：深度运营垂直赛道，包含50+赛道，建立20+情报库，无论您是在小红书、视频号、抖音还是微信生态，都能找到适合的垂直圈子🏁。

2. 做项目，跟着高手下场干：
- 主要交付形式：航海实战、完善的航海手册资料、高手验证过的项目SOP精华帖。
- 第八期升级：新手专注于初阶航海，高手持续深耕高阶航海实战项目，以取得实际成果。

3. 交朋友，和圈友结伴同行：
- 主要交付形式：每周丰富的同城组局、生财线下大会、航海实战志愿者/领队机会。
- 第八期的升级：深度打造同城生态，与同城圈友共同参与航海实战，举办商机闭门会🤝，加强与同城圈友的联系与合作。

特别提示：
- 今日体验卡限时24小时⏰，名额有限，先到先得。
- 此次体验计划专为非社群成员设计，每人仅限一次机会。

记一件小事：Claude 3 有没有带来10x 体验提升？

从理性标准来说，我不断提醒自己Claude 3 不会比GPT-4 好10倍 。[1]

然而， 在体验和实战半个多月来，各种场景的深入和结构化Prompts 用法后，Claude 3 那惊人的性能和优美的文采不断在重塑一些新习惯。哪怕摩擦成本这么高，却能「成瘾」～ 这件小事，让我陷入沉思。

曾经的企业壁垒可以转眼被创新者超越；如果连大模型都如此，何况其他的技术护城河？

曾经的传播充满需要跨越的鸿沟，而今天AI 新品牌可以一夜成名，在自由市场的渗透速度超出想象。

大多数决策者还没有意识到，AI 带来可能不是10x 生产力提升，而是更多对流程的重塑，产生摧枯拉朽的结果。 （如果想象不了，也不妨随附的单口视频，开心一下。 [2] ）

正如Jason Fried 一语道破，「理论上，软件可以在纸面上进行比较。但实际上，只能在经验中进行比较。」 体感是无比重要的，否则没有认知的突破。

这件小事不断提醒我，新商业世界里不创新和奔跑就无法停留在原地。不主动拥抱新技术的大企业们会怎样？ 个人应该如何学习?人的创造力在AI共生时代将如何绽放？ 这些问题都萦绕在脑海中，身体力行地探索可能是最好的答案。

反过来说， 适应与坚韧的确是最被低估的技能之一。

注释：

[1] Claude 3 与GPT-4 的评测对比 https://m.okjike.com/originalPosts/65e5dd4e164d89e601020824

[2] GPT-4 制作的单口 https://twitter.com/MichaelTrazzi/status/1778791279150932393

Vik Paruchuri 写了自己是如何从一个学历史的普通工程师，用了一年的时间学习AI并且训练出相当优秀的OCR PDF模型的历程。

里面给了一下他自己的学习路径和学习渠道，感觉想要入门的都可以看看。

下面是总结的文章要点和全文翻译的链接。

1️⃣实用技能

如果你想进入AI领域，精通编程是首要任务。

大多数情况下，掌握数据处理技能是必不可少的。

能够辨别何时深入研究，何时采取快速简单的方案，是非常重要的技能。

2️⃣学习资源

书籍《深度学习》《机器学习的数学》

视频教程：fast ai 和 Karpathy 的视频课程

论文：RNN 注意力机制、Transformer、切换 Transformer、LoRA、视觉 Transformer、AdamW、GPT-2

Discord：Nous Research和EleutherAI

3️⃣学习要点

理解基础知识对于训练高效模型至关重要。

寻找并解决有趣的问题是提升你所构建系统影响力的最佳途径。

实际上，并不需要很多GPU资源。

详细的全文翻译：https://quail.ink/op7418/p/e5a682e4bd95e5bc80e5a78be6b7b1e5baa6e5ada6e4b9a0e79a84e69785e7a88b

AI探索指南

【3Blue1Brown熟肉】注意力机制可视化_哔哩哔哩_bilibili 3Blue1Brown 刚出了 Transformer 的系列科普视频，做得很好。之前看过不少讲 Transformer 的课程和文章，包括李宏毅老师的课程在内，最后都陷在矩阵运算的过程里，几乎没有能把 K、Q、V三个矩阵的象征意义讲清楚的。3Blue1Brown通过自己最擅长的动画和类比，把这套 Attention 的原理讲得比较浅显和直白。 具体来说，“Attention 像是问每个 vector 一连串问题，然后根据这串问题的答案来更新自己。”…

P.S. 到目前为止看过的对 Diffusion 扩散思想的最好类比来自李宏毅老师的课程，他把扩散模型的去噪过程比作工匠雕刻石头的过程，“雕像本来就在石头里，米开朗基罗只是把不要的部分去掉”。某种程度上，这个减熵过程也颇像是逆转时间。

【3Blue1Brown熟肉】注意力机制可视化_哔哩哔哩_bilibili

3Blue1Brown 刚出了 Transformer 的系列科普视频，做得很好。之前看过不少讲 Transformer 的课程和文章，包括李宏毅老师的课程在内，最后都陷在矩阵运算的过程里，几乎没有能把 K、Q、V三个矩阵的象征意义讲清楚的。3Blue1Brown通过自己最擅长的动画和类比，把这套 Attention 的原理讲得比较浅显和直白。

具体来说，“Attention 像是问每个 vector 一连串问题，然后根据这串问题的答案来更新自己。” Query 矩阵就像是在问："Are you in English?", “Are you a noun?”, "Do you refer to a person?", "Are you a number?", "Is your tone positive?" 等等，Key 矩阵就像是 vector 对这个问题的答案，而 Value 矩阵则代表向量自己根据这个答案和相关性权重进行的自我调整。整个过程有点像是物理中的受力分析，每个 Attention Head 代表一种力，通过 Q 和 K 找到所有施力的对象，再通过 V 来计算受力的大小， 最后，把多个 Attention Head 代表的多个力进行加总，计算出合力的方向和大小，作用在最后一个Vector上，从而指向 next embedding。之所以叫 transformer，就是指各个不同的力汇总在一起，将原本的 vector 扭曲到了一个新的方向上。

相比之前的 RNN、LSTM 之类的模型，Transformer 的强大在于其支持并发计算。细想之下，这种并行的自注意机制颠覆了语言中的时间观，顺序不再重要。这让我想起《你一生的故事》/ 《降临》里七肢桶的语言 - 把完整的生命在眼前一下子同时铺开，没有先后，没有早晚，没有时间。类似的，Sora 中的所谓 spacetime patches，索性把空间也和时间打包在一起，颇像是爱因斯坦相对论里对“时空”的理解。或许，所谓的时间、空间，其实都是伪概念，只不过是 tokens/patches 的一种分布方式而已。还挺有趣的。

AI探索指南

红杉发布了 2024 他们评选出的前 50 家 AI 公司。 下面是一些观察到的一些要点，基于这些判断未来的公司应该是什么样的，后半部分尤其值得关注： 1️⃣ 当前的趋势 突显了生成式人工智能如何提高企业和行业的生产力。企业通用生产力类别今年翻了一番，从四家公司增加到八家。 图像编辑器 Photoroom，视频生成应用程序 Pika 和游戏构建器 Rosebud 表明，消费者和半专业用户之间的界限在创意软件领域变得模糊。 行业垂直类别较少，但出现了一个新的工业领域。机器人领域的 Figure，工业维护领域的…

人工智能有潜力在这些关键领域降低成本，使其更加可获得和负担得起。这些变化需要负责任地进行，以减少失业并推动就业创造。人工智能将使我们能够用更少的资源做更多的事情，但我们需要政府和私人努力来重新培训和赋能每个人。

人工智能被定位为改变我们社会中一些最关键领域的成本结构和提高生产力。它有潜力通过抽象化琐碎的工作，使我们能够将注意力集中在更重要的问题和更好的未来工具上，从而带来更好的教育、更健康的人口和更高效的人们。

2024年AI 50捕捉到了人工智能的广泛范围。该列表的应用比以往任何时候都更加通用，我们预计它在未来几年将在深度和广度上进一步扩展。2024年只是个开始。

全文：https://www.sequoiacap.com/article/ai-50-2024/