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
📢小道消息:
OpenAI将有大动作!
消息称OpenAI很有可能将会在下周发布GPT-4.5…
时间不是很确定,最晚在月底前,推测在圣诞节前…
还有推迟了的GPTs商店也将提前发布!
由于Google Gemini的发布导致OpenAI将不得不提前打开武器库…🤓
OpenAI将有大动作!
消息称OpenAI很有可能将会在下周发布GPT-4.5…
时间不是很确定,最晚在月底前,推测在圣诞节前…
还有推迟了的GPTs商店也将提前发布!
由于Google Gemini的发布导致OpenAI将不得不提前打开武器库…🤓
尤其是批量处理数据库中的页面时,我的多次实践都表明 GPT 更稳定可靠。但文中提到了一个点,却是是我之前一直有体会但没意识到的:
Notion AI 可以从页面现有的上下文开始对话,而不用从零开始。
确实,我也提过 Notion AI 相比 ChatGPT,与自家的页面、数据库结合得更好。结合文章来看,虽然用户也可以在 Notion 外用 ChatGPT 聊天问问题,但如果对话轮次稍多,就免不了来回复制粘贴,而内嵌在软件里的 Notion AI 则可以提供更流畅的 AI 辅助体验。
原文:https://www.notion.so/blog/how-to-write-ai-prompts
Notion AI 可以从页面现有的上下文开始对话,而不用从零开始。
确实,我也提过 Notion AI 相比 ChatGPT,与自家的页面、数据库结合得更好。结合文章来看,虽然用户也可以在 Notion 外用 ChatGPT 聊天问问题,但如果对话轮次稍多,就免不了来回复制粘贴,而内嵌在软件里的 Notion AI 则可以提供更流畅的 AI 辅助体验。
原文:https://www.notion.so/blog/how-to-write-ai-prompts
1. 不要用负面描述
在提示词里描述任务要求时,用「只输出 markdown」这样的正面描述,不要用「别输出 markdown 以外的内容」。
从文中的解释来看,AI 在处理涉及「不要做 X」的指令时,会将其等同视为「做 X」,因而错误的做出我们希望它避免的事。
之前@余一.Dev 也分享过这个注意点 https://m.okjike.com/reposts/6565edcf87a8e03bd104d3a4
2. 给 AI 套人设
AI 不那么擅长区分好坏,但很擅长模仿,如果要 AI 做的某件事是某个人设擅长应对的,可以让 AI 代入那个人设。
比如文中举例让 AI 写营销计划,就指定了市场分析师的角色,在提示词里写了「You’re a market analyst」。
这个技巧也是我现在很常用的,比如让 AI 处理代码时,会让它代入程序员的角色。之前我参与的一个翻译项目,也是用这个技巧提升了翻译质量。
面对上万字的游戏更新日志,让 AI 代入对应游戏的资深玩家,相比一开始不代入角色输出好了很多,游戏里的术语基本都能正确翻译出来。
3. 让 AI 先深呼吸
在调节精神状态的正念练习中,会引导参与者先深呼吸、平复心境,以便更好的处理杂乱的思维,但我没想到这对 AI 也有用。
如果在提示词里让 AI 先深呼吸,据文中说可以得到更好的输出结果。
但为什么会这样?我顺着 Notion 官方的这篇文章找到了原文,了解到目前有个推测的解释。
AI 训练中会用到不少来自问答论坛的数据,而这些地方的高质量回答通常会以「let’s take a deep breath」或「let’s think step by step」开头,导致学习了这些相关性的 AI 在同样的引导下更容易输出高质量的回答。
类似的技巧还有不少,比如最近热传的承诺小费,或是@莫唯书_Mark 叠满 buff 施法的操作 https://m.okjike.com/originalPosts/6572edf2492ec2e1bbb08c31
4. Notion AI 相较 ChatGPT 的亮点
我用 Notion AI 几乎也是从一上线到现在,这么长时间的使用中,老实说除了访问的门槛,我并没有觉得 Notion AI 相比 ChatGPT 好多少。
人类离实现强人工智能还有多远?
很多年前研究过这个问题,那时候觉得难度非常大,因为人和机器之间需要交流的语言是一个巨大的障碍,那时候我的观点是,即便实现带意识的机器,可能也无法与人很好交流协作。
现在大模型出来后、尤其是看了Gemini之后突然发现这个障碍已经不存在了,剩下的一个难点是实现机器意识。这个还有多远的路程?分析了一下需要实现下面几个步骤:
1.实现实时学习的算法。数据训练好之后,不能固化下来,必须实现实时自学习才行。这就需要实现长期记忆、短期记忆、工作记忆分层,才能达到这个效果,还有一段距离,但应该不难。
2.实现自我感知。算法不但能感知人类输入的信号,还要能感知自身的信号,比如机器的输出、机器的思考(计算)过程。
3.实现自驱动。目前的所有算法都是被动式计算,就是你给输入数据,机器计算然后给出结果,这是不行的。需要的是实现机器自身的计算保持自驱动,即随时保持巡航状态。这需要提升算法性能,实际上人脑的计算非常聪明,效率极高,首先计算是分布式并行的 不需要动用整个大脑的计算能力去计算一个局部问题,而且注意力机制保证了粗算与精算结合 大大提高效率。在效率方面目前的算法离人类算法还差的很远,要实现更优的算法 大模型的结构设计还得优化,目前来说大模型的结构基本还是flat状态,非常初级。
克服上面三个问题,大模型基本就已经实现强智能了,具有与人类等同的意识。我预计这个过程可能会在20年内完成。以前我很悲观,觉得人类50年内不可能实现,现在看来好像都不是无法跨越的障碍了。
好兴奋,想想50年后满大街都是机器人的样子,而且是真正的机器“人”哦,不是一个某方面像人的机器,那真是一个很魔幻的世界。
很多年前研究过这个问题,那时候觉得难度非常大,因为人和机器之间需要交流的语言是一个巨大的障碍,那时候我的观点是,即便实现带意识的机器,可能也无法与人很好交流协作。
现在大模型出来后、尤其是看了Gemini之后突然发现这个障碍已经不存在了,剩下的一个难点是实现机器意识。这个还有多远的路程?分析了一下需要实现下面几个步骤:
1.实现实时学习的算法。数据训练好之后,不能固化下来,必须实现实时自学习才行。这就需要实现长期记忆、短期记忆、工作记忆分层,才能达到这个效果,还有一段距离,但应该不难。
2.实现自我感知。算法不但能感知人类输入的信号,还要能感知自身的信号,比如机器的输出、机器的思考(计算)过程。
3.实现自驱动。目前的所有算法都是被动式计算,就是你给输入数据,机器计算然后给出结果,这是不行的。需要的是实现机器自身的计算保持自驱动,即随时保持巡航状态。这需要提升算法性能,实际上人脑的计算非常聪明,效率极高,首先计算是分布式并行的 不需要动用整个大脑的计算能力去计算一个局部问题,而且注意力机制保证了粗算与精算结合 大大提高效率。在效率方面目前的算法离人类算法还差的很远,要实现更优的算法 大模型的结构设计还得优化,目前来说大模型的结构基本还是flat状态,非常初级。
克服上面三个问题,大模型基本就已经实现强智能了,具有与人类等同的意识。我预计这个过程可能会在20年内完成。以前我很悲观,觉得人类50年内不可能实现,现在看来好像都不是无法跨越的障碍了。
好兴奋,想想50年后满大街都是机器人的样子,而且是真正的机器“人”哦,不是一个某方面像人的机器,那真是一个很魔幻的世界。
ChatGPT 并不能解决所有问题!
但这 8 个人工智能工具肯定可以:
1.主动助理: http://lemmy.co
2. 副驾驶: http://copilot.microsoft.com
3. 图片: http://tryleap.ai
4.用户界面/用户体验: http://uizard.io
5.X工具: http://typefully.com
6. 会议: http://timeos.ai
7. 生产率: http://notion.so/ai
8.自动化:https://www.bardeen.ai/
但这 8 个人工智能工具肯定可以:
1.主动助理: http://lemmy.co
2. 副驾驶: http://copilot.microsoft.com
3. 图片: http://tryleap.ai
4.用户界面/用户体验: http://uizard.io
5.X工具: http://typefully.com
6. 会议: http://timeos.ai
7. 生产率: http://notion.so/ai
8.自动化:https://www.bardeen.ai/
📘 这个仓库整理了近200个人工智能实战案例和项目,包括Python、数学、机器学习、数据分析、深度学习、计算机视觉和自然语言处理等热门领域。
🚀 无论你是刚入门还是已经开始学习AI,这个仓库都会给你提供有序的学习路径和实用的资源。
干货来咯:metaAI也出绘图了,大家可以去体验下,效果嘛不太好评价,目前免费,后期有可能会收费
传送门:https://imagine.meta.com/ 目前可白嫖,感兴趣的可以从冲。
传送门:https://imagine.meta.com/ 目前可白嫖,感兴趣的可以从冲。