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
Artifact 虽然本质是美国版的今日头条，但是由于新闻源质量很高，居然很 work …
最近的干货文章很多…没空看…愁…
谁能想到呢，维基百科的终极宿命就是训练AI
鼠须管的朙月拼音方案使用一段时间之后，最终还是受不了繁体转简体的生僻字和奇怪的词频，今天放弃了。
换了另一个纯简体方案的雾凇拼音，换了mac原生皮肤。
初步感觉好多了。
输入法强迫症太难了。 https://github.com/iDvel/rime-ice https://github.com/NavisLab/rime-pifu
RT 自力hzlzh
订阅了 AI 画图的服务 http://midjourney.com
是的，一切都被简化了，道生一

Aether xpush.eth: LUI （Language User Interface）的核心，是 Dynamic UI 。和 GUI不同，GUI 需要很多产品经理、设计师、工程师经年累月地研发和优化；而 LUI 允许普通人用日常语言，根据场景实时构建操作接口，无需这些成本，就可以达成千变万化的交互能力。
能把好东西做出来还是很开心的，辛苦点就辛苦点。
Azure AI 入门 （三）摩尔定律，GPU与并行计算

摩尔定律(图一）是英特尔Intel创始人之一戈登·摩尔的经验之谈，其核心内容为：集成电路IC相同面积上可以容纳的晶体管Transistor数目在18个月到24个月便会增加一倍，因此处理器的性能大约每两年翻一倍，同时价格下降为之前的一半。
虽然名为“定律”，但其只是根据20世纪中后期的发展趋势归纳而成。进入21世纪以后，以英特尔为代表的中央处理器CPU的发展趋势渐渐慢于摩尔的预测的。仅依靠单颗处理器的速度提升已无法满足日渐复杂的计算任务，比如3维图形的渲染（3D rendering)。
因此，英伟达Nvidia在1999年提出了硬件图形处理器（Graphics Processing Unit)的概念，以大量的只能完成某些特殊任务的微处理器，代替少量的通用处理器。软件方面，并行计算也从专业科学领域逐渐向大众领域流行。用一个可能不是最恰当的比方，CPU像是由4位特级厨师组成的小组，可以完成任何烹饪任务，而GPU像是用同样工资请来的128位三明治店的员工。GPU不能做很多事，像完成一些特定的菜，但如果任务是制作2000人份的三明治，GPU一定可以依靠并行计算比CPU完成得快许多。
GPU与并行计算的普及，也使得云计算成为了可能。计算机科学家在设计计算任务时通常会首先考虑能否将大任务拆分成能同时进行的更小任务，从而可以同时运行在服务商提供的大量数目的CPU和GPU上。
图二 英伟达创始人黄仁勋 Jensen Huang
机器人三定律是远远不够的，人类还没有掌握AI和人类完全align的方法，这时候进入 AGI 也是灾难。

Sam Altman: Planning for AGI and beyond:
https://openai.com/blog/planning-for-agi-and-beyond/
LLMs 的翻译靠的是上下文学习，并且上下文越多翻译的越好。现在上下文只支持几千字，未来支持上万字之后，我们将不需要人类翻译书籍。
如果想聊一些国内不允许说的东西，大可以和AI聊个痛快，把聊天记录发到国内的社交媒体上就很蠢了。
RT fofrAI
I put some famous logos through ControlNet.
用 Stable Diffusion 做了一段视频，这次 Ai 画的手和脸非常不错。很稳。有了 ControlNet 之后画图的可控性可玩性高了好多

大概过程：用 ControlNet 绑定人体动作，需要调整的就是 CFG Scale 和 Denoising strength 这两个参数，是用来控制出图是接近提示词还是原图片。调整合适之后用 img2img 的 Batch 批处理每一帧再合成视频。
今日感悟：
只要周末不休息，平时也不看剧玩游戏什么的，就可以进入持续的工作心流状态。
真人版AI绘画观测第八波💁🏻‍♂️

按这个趋势发展下去，舞蹈up主应该也坐不住了……（视频转自@jiujiujiu）

前七期传送门：https://m.okjike.com/originalPosts/63f5cfdf63f29845f64ab06d?s=ewoidSI6ICI1NmQwMWM0YThlM2ZkYzExMDAxZDg1YTMiCn0=

Invalid media: video
AI探索指南
GIF
AI探索指南
GIF
Before
After
Back to Top