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
帮一百个国家建立模型 – Stability.AI争议CEO的野望

自从传出Emad辞职起我就对他未来做什么充满了好奇(以及想看能不能投点)。几周前我们联系上了Emad,大家一起讨论了一下去中心化AI,之后我又研究了他的过去的一些发言,最终整理出了这些东西。

TLDR -
AI作为下一个时代最重要的基础设施,不能由少数机构掌控。
每个国家都需要自己的国家AI,否则会面临文化消失的风险。
Emad会启动一系列公司,作为BootLoader去启动一个个国家和行业的AI模型。
国家AI对应国家数据集,它应由集体参与,凝聚集体智慧,被集体治理。
这个方式很难追求AGI,但足够作出好用的开源小模型,极大削弱单一大模型的统治地位。
小模型是私有化部署的关键。当个人也能很轻易的把出色的模型部署在手机和电脑,我们就迎来了一个平权的AI时代。
Web3技术是这一切成为可能的关键。
具体怎么做,我猜Emad自己也还没琢磨清楚并形成清晰的执行计划。
最近做 AI 产品的独立开发者和小团队越来越多,很多朋友完全凭借自己的直觉做产品,做完发现没有人买单或者没有热度。

红杉发布的这篇介绍如何找到产品与市场的契合点文章很适独立开发者和初创公司阅读。

文章提出一个创业公司PMF的框架:紧迫需求、根深蒂固、未来愿景三种路径。理解自己在哪条路上,有助于明确策略重点,找到突破口。

找到 PMF 的三个策略,完整的翻译在后面:

◆ 紧迫需求(Hair on Fire)

你解决了顾客的一个明确且迫切的需求问题。需求非常明显。因此,你所在的领域可能竞争激烈,众多竞争者争夺市场份额。顾客在积极对比现有的解决方案。要在这种动态中突围,你必须提供卓越的解决方案,而且这些产品因其独特性而脱颖而出,不仅仅是更优秀。你不能仅仅更快或更便宜——你需要提供一个真正有区别的客户体验,以保持持久的竞争优势。

◆ 根深蒂固(Hard Fact)

你将一个普遍认为是生活中不可改变的硬事实视为一个可以通过你的产品解决的问题。顾客已经习惯了与问题共存,不再急于寻求解决方案。现状被视为理所当然,看似无法改变。你通过一个意外的方法来改变现状:事实虽难以改变,但问题可以被解决。挑战在于打破习惯的力量。顾客需要改变他们现有的行为,而这种惯性非常强大。你需要的是一个足够新颖的方法,解决一个足够重要的问题,这样的改变才值得尝试。

◆ 未来愿景(Future Vision)

你通过前瞻性创新为顾客开创了一个全新的现实。对顾客来说,这可能听起来如同科幻小说——无论是因为概念虽熟悉但看似不可能实现(如利用核聚变产生廉价而丰富的能源),还是因为之前从未有人想到(如 iPhone)。

顾客或许对此问题浑然不觉,或者本能地认为这是遥不可及的梦想。无论如何,挑战都在于克服不信任:顾客必须相信你的产品代表了一个全新的范式,这通常伴随着自己的生态系统(iPhone 不仅是一种设备;它的 App Store 开辟了与互联网互动的新方式。Tesla 不只是一辆车;它是包含相机和自动驾驶软件的网络,提供了一种全新的驾驶体验)。

全文翻译及原文:https://www.guizang.ai/work/arc-product-market-fit-framework
成都清华搞采血机器人的小伙伴,
动动手指,把自己装配了ChatGPT的Buff
所谓人机器合一哈哈哈
Gorq 的 iOS 应用已经推出,支持的模型有 Llama3 8B 、 70B 、 Llama2 70B 、 Mixtral 8X7B 、 Gemma 7B 。

输出速度非常快,目前不需要登录并且免费,通过下面的testflight链接安装。

安装:https://testflight.apple.com/join/Y9X0wGsi
技术日 充电日(投资人乱入🤣🤣
特斯拉为什么坚持纯视觉辅助驾驶?

蛮有意思,想感受下全自动驾驶技术,用眼看路,用脑思考跟自然生物演化历程很相似。
在寒武纪时期生物大爆发正是因为有了眼睛的出现,从单目到双目再到双目的位置,高等生物捕食者的前方有一双眼睛👀
汽车的视觉实现方案可以移到未来机器人上面,生物体的眼睛会面临“老眼昏花”,而机器只需要更换新的摄像头升级系统就好。
机器的一双眼睛可以运用半导体制程,最终导向就是越来越小性能越强,成本也越来越低。
谷歌免费发布了一套 15 门课长达 300 小时的机器学习工程师课程。

涵盖了机器学习系统的设计、构建、投产、优化、运转和维护工作。

详细的学习内容有:

• 机器学习基础:涵盖机器学习的基本原理和方法。

• 特征工程:探讨如何有效地处理和转换数据,以提高模型性能。

• 生产级机器学习系统:介绍如何将机器学习模型部署到生产环境中。

• 计算机视觉与自然语言处理:涉及图像和语言数据的分析和应用。

• 推荐系统:讨论如何构建个性化推荐引擎。

• MLOps:聚焦于机器学习操作的实践,包括模型的部署、监控和维护。

• TensorFlow、Google Cloud、VertexAI:介绍这些工具和平台如何支持机器学习项目的开发和部署。

课程地址:https://www.cloudskillsboost.google/paths/17
感觉 flowith 的免费版(GPT-3.5)比 Perplexity 好用很多。
这再一次证明了,在应用层上 AI 之外的工程问题还有很大的挖掘空间。
“不就是一个 GPT+搜索吗?”
这个命题,从最早的 New Bing,到 Perplexity,再到今天的 flowith。
在底层模型不变的情况下,用户体验却跨越了传统搜索引擎时代几代都不止。
所以我对那些没有自己玩过 API,没有试着自己搭建过工程,只体验过终端 to C 产品的一些 AI 专家说“现阶段做不到”或“这一轮 AI 其实做不到”信不了一点。
宇树王兴兴、石冠亚教授今天晚上的分享真不错。一个有意思的视角,说为什么做人形机器人,从第一性原理来说,当前的基础设施大部分都是基于人来做设计的,一个像人的机器人,是最能融入 和使用基础设施的。
AI探索指南
上次分享的创建微信个人助理,发现响应的人还挺多的,通过 1 周多的日常使用,我也把它融于到了我的生活和工作中: - 早上 7 点半自动给我发天气预报; - 创建滴答清单任务; - 总结输出文章的摘要,并自动将文章收藏到 Cubox; - 记笔记到 flomo; - 翻译英文句子; 那么接下来先分享第一部分内容,如何在微信中和 AI 进行对话。 一、配置 AI 助手: 你可以使用 Dify 或 FastGPT。 1.注册 FastGPT:https://cloud.fastgpt.in 2.进入「应用」,新建1…
1.用你的个人微信向上一步扫码登录的小号发消息,查看你是否能收到消息;
2.如果收不到消息,进入在sealos中创建的应用,点击日志查看错误原因;

到了这里,你就拿到了一个可以在微信中对话的 AI 机器人了,后续我会再写一遍分享,说明下如何通过 工作流(Workflow) 将滴答清单、flomo、Cubox 加入到微信机器人对话中。
上次分享的创建微信个人助理,发现响应的人还挺多的,通过 1 周多的日常使用,我也把它融于到了我的生活和工作中:
- 早上 7 点半自动给我发天气预报;
- 创建滴答清单任务;
- 总结输出文章的摘要,并自动将文章收藏到 Cubox;
- 记笔记到 flomo;
- 翻译英文句子;

那么接下来先分享第一部分内容,如何在微信中和 AI 进行对话。

一、配置 AI 助手:
你可以使用 Dify 或 FastGPT。
1.注册 FastGPT:https://cloud.fastgpt.in
2.进入「应用」,新建1 个机器人,选择“简易模板”;
3.先不用进行“高级编排”来创建工作流,这一步放在把机器人调通之后再做;
4.点击「发布应用」,选择”API 访问“;
5.在”发布应用“里,点击【新建】,获得 API key;
通过上述步骤获得:
- API 地址(在新建按钮旁边)
- API Key

二、配置微信助理
1.注册 微秘书:https://wechat.aibotk.com
2.进入微秘书后,点击「智能配置」-「基础配置」;
3.在「基础配置」中,打开”智能机器人回复“;
4.模型机器人选择”FastGPT“;
5.将上一步中拿到的 API 地址和 API KEY 填写到服务器地址和 apikey 中;
6.在微秘书的「个人中心」密钥位置拿到APIKEY和APISECRET;(后续步骤中使用)

三、部署微秘书的后端服务(个人微信)
1.注册sealos:https://cloud.sealos.io/
2.点击「应用管理」-「新建应用」;
3.应用名:Wechat
4.镜像名:aibotk/wechat-assistant
5.CPU 选择 1 ,内存选择 1G
6.点击「高级配置」-「编辑环境变量」
7.填写:
AIBOTK_KEY=微秘书APIKEY
AIBOTK_SECRET=微秘书APISECRET

备注:仅在环境变量中填写上面两行,微秘书 APIKEY 和微秘书 APISECRET来自于第二步中拿到的。
8.点击【部署】,1 分钟不到该服务状态就会变为”运行中“

四、登录个人微信
1.进入微秘书:https://wechat.aibotk.com
2.进入首页,微秘书状态那里应该会出现扫码登录的二维码;
3.用个人微信扫码进行登录;(强烈建议使用自己平常不用的小号进行登录)

五、测试
Back to Top