AI探索指南
- LLMPrice-对比中国大模型价格和能力
一个不会写代码的产品经理花了2个小时写了一个网站：llmprice.info，对比、介绍国内大模型的价格、能力。
有这个需求是因为在为公司购买 AI token 的时候，发现每个公司 AI 的价格和能力（上下文长度、知识库更新时间）等有很大的区别，特别是有些模型输入、输出分开计算，有些又不分开。
感谢 ChatGPT 提供的代码，感谢@哥飞 提供的免费教程，感谢@开发者山石 帮忙解决部署问题。
千万不要问，为什么一个在线文档就能搞定的事情，要写个网站干吗。 
- 使用免费的谷歌 Colab 微调 llama-3-8b 的代码，整个训练过程大概需要 40 分钟，占用现存 15G。
Colab 的笔记内容非常详细。
代码链接：https://huggingface.co/rombodawg/test_dataset_Codellama-3-8B - 古典产品设计总是想控制
AI 时代的产品，应该把控制权交出去了
（但是“看火人”那样的选择权） - 等OpenAI要是真弄出通用机器人了，我太想弄个“家务机器人”了，要求不高，把使用洗衣机、洗碗机这个重复劳动替代了就行，拿洗晾，晾的不好都没事
进阶一点，复原功能，把人类随手放的放回固定位置，浴巾杯子衣服等；定期驱动、协助扫地机器人清理地面，保护杂物复原；倾倒垃圾，处理垃圾袋
就这么简单，拜托了啊 - 生数科技牛批啊，不声不响整了个大活。
发布 Vidu 视频生成模型，支持长达 16 秒 1080P 视频直接生成。
从宣传片来看一致性、运动幅度都达到了 Sora 水准，就是时长上还差一些，不过已经吊打现在的所有视频生成模型了。 - 人类就是被历史，经验，激素，基因，群体思维的浪潮推动着的一只只悲惨的有机机器人。
- 万即，有没有朋友在深圳或苏州做机器人相关部件，如直驱模组等的朋友，或者是熟悉消费机器人部件制造厂商的朋友，求介绍🙏
- 不得不承认，从搞钱/找工作的结果来，当前的生成式AI，的确跟大多数非技术人员没啥关系。
但这并不意味着，生成式AI对非技术人员没有帮助。
恰恰相反，个人认为，现阶段拥抱生成式AI，是非技术人员最值得投资的事情之一。
1、
往小了说，如果咱在研究困扰自己的问题，比如各类考试，或者探索感兴趣的课题，比如科技人文，AI 都能帮到忙。
最起码的，有了生成式AI的帮助，那些曾经看不懂的、不敢看的文献和大部头，那些三倍速也要看几个小时的课程，现在都不是大问题了。
2、
学完之后，如果愿意尝试用费曼的方法分享出来，也会带来意想不到的惊喜。
首先，极有可能实现“以文会友”，吸引到一样对该领域感兴趣的同好。从此，不再“独学而无友”，甚至有机会一起搞点事情。
其次，在通过 AI 辅助学习的过程中，我们会越来越知道 AI 能干什么和不能干什么，然后顺手迁移到专业领域，成为该领域前几个「用好 AI 解决真实问题」的“AI应用高手”。
3、
现在AI应用的早期阶段，到处是蓝海。
从成为办公室/教室的“AI应用高手”，再到成为某个细分领域的“AI应用高手”，速度远比想象中快。
可是因为各种原因，很多人虽然经常在朋友圈点评AI，但很少真正上手，成为哪怕是办公室或教室里最会用 AI 的人。
4、
而这，也就给真正用好 AI 的非技术人员，腾出了很多机会。
举个例子，我听过不止一个 AI 探索者说，因为积极应用 AI 和分享，或者是参加活动和比赛，他们不知不觉间认识了各行各业里最顶尖的一些人。这是他们之前不敢想象的事情。
随着 AI 用得越来越好，解决的问题越来越大，越来越多的人一想到“这个领域+AI”，就会想到我们。
5、
《纳瓦尔宝典》的作者写出了可能是推特历史上被转发最多的一个推文系列：有关运气。
1）第一种运气是不期而遇的运气，比如天上掉馅饼，中彩票，炒股暴富；
2）第二种运气来源于孜孜不倦、不断尝试
3）第三种获得好运的方式是善于发现好运，如果你在某个领域做得足够深，可能第一时间发现别人还没看到的好运；
（当非技术人员在专业领域用 AI 用得足够深时，也一样可以基于自己的非共识，发现一些AI的小机会。
过程很难一蹴而就，但如果愿意专研，那一刻又会比想象中来得更快。）
4）第四种是最奇妙、最难得的，那就是打造独特的个性、品牌、信誉，让运气找到你。
Naval 举了个例子，假设你是世界上最好的深海潜水员，大家都知道你的水平最高。如果有人走了好运发现了一艘沉没的宝船，他们会第一时间联系你让你帮助他们寻宝。于是，他们的好运也变成了你的好运。
（正如上一条所说的，当越来越多的人，一想到“这个领域+AI”，就会想到我们，那么运气也将会主动找上我们。）
