以下是关于编程 AI 的相关信息： 辅助编程的 AI 产品： GitHub Copilot：由 GitHub 联合 OpenAI 和微软 Azure 团队推出，支持多种语言和 IDE，能为程序员快速提供代码建议。 通义灵码：阿里巴巴团队推出，基于通义大模型，提供多种编程辅助能力。 CodeWhisperer：亚马逊 AWS 团队推出，由机器学习技术驱动，实时提供代码建议。 CodeGeeX：智谱 AI 推出的开源免费编程助手，基于 130 亿参数的预训练大模型。 Cody：代码搜索平台 Sourcegraph 推出，借助强大的代码语义索引和分析能力。 CodeFuse：蚂蚁集团支付宝团队推出的免费 AI 代码助手。 Codeium：由 AI 驱动，提供代码建议等帮助。更多产品可查看：https://www.waytoagi.com/category/65 。每个工具功能和适用场景不同，可按需选择。 对于不会代码但想学习 Python + AI 的人，若想深入，至少应熟悉以下内容： Python 基础：包括基本语法（变量命名、缩进等）、数据类型（字符串、整数、浮点数、列表、元组、字典等）、控制流（条件语句、循环语句）。 函数：定义和调用函数、参数和返回值、作用域和命名空间。 模块和包：导入模块、使用包。 面向对象编程（OOP）：类和对象、属性和方法、继承和多态。 异常处理：理解异常及如何处理。 文件操作：文件读写、文件与路径操作。 生成性 AI 作为程序员助手是最早的应用之一，模型在大量代码库上训练后为程序员编码提供建议。但编程中正确性至关重要，如研究发现 40%的 AI 生成代码包含漏洞，用户需在生成足够代码提升生产力和保证正确性间找到平衡。Copilot 帮助提高了开发人员生产力，增长约 2 倍或更少，与从汇编跳到 C 语言等先前进步中的生产力提升水平相当。

目前市面上有一些可以将照片风格化为元宇宙风格的 AI 工具，例如： 1. DALL·E2：能够根据输入的描述或原始图片生成富有创意和独特风格的图像。 2. StableDiffusion：具有强大的图像生成能力，可以通过设置相关参数和提示来实现照片的风格化。 3. Midjourney：可以根据输入的指令生成令人惊艳的图像效果，包括将照片转化为特定风格。 您可以根据自己的需求和使用习惯选择适合的工具。

以下是 2024 年部分大模型相关的人才报告及研究报告： 2024 年 9 月 10 日，《》由蚂蚁集团和中国信通院联合发布，探讨了大模型在金融、医疗、政务等行业的应用挑战和解决方案，提出了系统化的可信应用框架，并从多方面提供了技术实现建议。 2024 年 1 月 24 日，《》由中国社科院和腾讯研究院发布，通过实验观察到部分社会群体期待大模型有“人情味”。 2024 年 2 月 4 日，更新了多份研究报告文档，如《》等。 此外，还有以下相关报告： 《》 《》 《》 《》 您可以通过以下链接获取更多详细内容： 研究报告板块： 知识星球：

WaytoAGI 网站中关于 AI 提示词的使用方法如下： WaytoAGI 网站集合了精选的提示词，您可以将其复制到 AI 对话网站来使用。 对于利用提示词让 AI 生产文章，关键在于提供清晰且具有指导性的提示词。一个好的提示词能帮助 AI 更准确理解需求并生成符合预期的内容。若已有基本提示词，AI 可据此生成基础文章；若想提升质量，可提供更详细、具创意的提示词，设定文章的语气、风格和重点等，例如：“请根据我们收集的关于 OpenAI 回应马斯克言论的资讯，创作一篇既深入又易于理解的科技资讯文章。文章应该有一个吸引人的标题，开头部分要概述事件的背景和重要性，主体部分详细分析 OpenAI 的回应内容及其可能产生的影响，结尾处提出一些引人深思的问题或观点。”最终产出的内容可能需要微调以符合预期和公众号风格。 此外，还有如 AutoJourney 这样的提示词相关网站，它是批量自动发送 Midjourney 提示语的 Midjourney 提效插件，支持批量发送提示语、自动排队、Relax 模式重复发送、自动放大和下载图片等功能。其网址为：

NotebookLM 是由 Google AI Lab 开发的一款笔记应用，它基于 Gemini 1.5 Pro 的长文本理解和多模态能力。用户能够通过上传文件或链接快速生成笔记和音频内容，适用于教育和研究等场景。虽然其产品界面设计一般，但强大的文本理解能力使其在处理复杂内容时表现出色。NotebookLM 还支持协作，适合整理公众号文章、编写书稿等多种用途。

AI 可以做社会学模拟实验。例如，在游戏领域，有过类斯坦福小镇游戏——伊甸岛，它既是游戏也是基于 Generative AI 的社会实验虚拟模拟。在这个模拟中，让每个 AI 都有自己的角色身份，通过 AI 与 AI 以及 AI 与玩家的互动，产生可归纳枚举的游戏行为，最后进行剧情包装时，让 AI 根据自身和玩家的行为通过大语言模型进行二次创作，类似 AI 剧本杀。另外，也期待看到更多使用基础模型进行模拟社会科学的研究，通过不同方式 prompt 基础模型并观察相关性，来复制社会科学中的一些显著成果。现代人工智能还有一个有前途的应用是建立“可重复的角色”，具有某些特征的有效行为像人类的实体，可在其上进行物理科学中典型的大规模可重复实验。

AI 是一门令人兴奋的科学，它研究如何使计算机表现出智能行为，例如做一些人类所擅长的事情。 对于不具备理工科背景的文科生来说，理解“AI”可能较困难，可将其当成一个黑箱，只需知道它是某种能模仿人类思维、理解自然语言并输出自然语言的东西。其生态位是一种似人而非人的存在，即便技术再进步，这一生态位也不会改变。 从任务角度看，对于像“根据照片判断一个人的年龄”这类无法明确编程的任务，因为我们不清楚大脑完成此任务的具体步骤，所以无法编写明确程序让计算机完成，而这类任务正是 AI 所感兴趣的。 在健身领域，AI 健身是指利用人工智能技术来辅助或改善健身训练和健康管理的方法，它利用算法和数据分析来个性化地指导用户锻炼、提供健康建议、监测运动进度和提供反馈。例如 Keep、Fiture、Fitness AI、Planfit 等都是不错的 AI 健身工具。

AI 的应用场景十分广泛，涵盖了多个领域： 1. 医疗保健： 医学影像分析，辅助诊断疾病。 加速药物研发，识别潜在药物候选物和设计新治疗方法。 提供个性化医疗方案。 控制手术机器人，提高手术精度和安全性。 2. 金融服务： 风控和反欺诈，降低金融机构风险。 评估借款人信用风险，辅助贷款决策。 分析市场数据，助力投资决策。 提供 24/7 客户服务，回答常见问题。 3. 零售和电子商务： 分析客户数据进行产品推荐。 改善搜索结果和提供个性化购物体验。 实现动态定价。 提供聊天机器人服务，解决客户问题。 4. 制造业： 预测机器故障，避免停机。 检测产品缺陷，提升产品质量。 优化供应链，提高效率和降低成本。 控制工业机器人，提高生产效率。 5. 交通运输： 开发自动驾驶汽车，提高交通安全性和效率。 优化交通信号灯和交通流量，缓解拥堵。 优化物流路线和配送计划，降低运输成本。 实现无人机送货。 6. 其他领域： 教育领域，提供个性化学习体验。 农业领域，分析农田数据，提高农作物产量和质量。 娱乐领域，开发虚拟现实和增强现实体验。 能源领域，优化能源使用，提高能源效率。 在汽车行业，AI 的应用案例包括： 1. 自动驾驶技术，如特斯拉、Waymo 和 Cruise 等公司的开发和测试。 2. 车辆安全系统，如自动紧急制动、车道保持辅助和盲点检测。 3. 个性化用户体验，根据驾驶员偏好和习惯调整车辆设置。 4. 预测性维护，通过分析数据预测潜在故障和维护需求。 5. 生产自动化，提高生产效率和质量控制。 6. 销售和市场分析，帮助汽车公司理解客户需求和制定策略。 7. 电动化和能源管理，优化电池使用和充电策略。 8. 共享出行服务，如 Uber 和 Lyft 的路线规划和车辆调度。 9. 语音助手和车载娱乐，如 Amazon Alexa Auto 和 Google Assistant。 10. 车辆远程监控和诊断，提供实时状态信息和支持。

以下是对 AI 的基本了解以及其能做的事情： AI 的基础理论： 人工智能、机器学习、深度学习的定义及其之间的关系。 简要回顾 AI 的发展历程和重要里程碑。 数学基础： 统计学基础：熟悉均值、中位数、方差等统计概念。 线性代数：了解向量、矩阵等线性代数基本概念。 概率论：基础的概率论知识，如条件概率、贝叶斯定理。 算法和模型： 监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。 无监督学习：熟悉聚类、降维等算法。 强化学习：简介强化学习的基本概念。 评估和调优： 性能评估：了解如何评估模型性能，包括交叉验证、精确度、召回率等。 模型调优：学习如何使用网格搜索等技术优化模型参数。 神经网络基础： 网络结构：理解神经网络的基本结构，包括前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）。 激活函数：了解常用的激活函数，如 ReLU、Sigmoid、Tanh。 AI 的应用场景： 医疗保健：医学影像分析、药物研发、个性化医疗、机器人辅助手术。 金融服务：风控和反欺诈、信用评估、投资分析、客户服务。 零售和电子商务：产品推荐、搜索和个性化、动态定价、聊天机器人。 制造业：预测性维护、质量控制、供应链管理、机器人自动化。 交通运输。 对于 AI 的认识，可以将其当成一个黑箱，它是某种模仿人类思维可以理解自然语言并输出自然语言的东西，其生态位是一种似人而非人的存在。在使用时，为实现愿望，需尽可能通过语言文字压缩其自由度，清晰告知任务、边界、目标、实现路径和方法，甚至直接提供所需的正确知识。

以下是一些关于 2D 转 3D 的相关信息： 图片生成 3D 建模工具： Tripo AI：VAST 发布的在线 3D 建模平台，能利用文本或图像在几秒钟内生成高质量且可立即使用的 3D 模型，基于数十亿参数级别的 3D 大模型，实现快速的 2D 到 3D 转换，提供 AI 驱动的精准度和细节。 Meshy：功能全面，支持文本生成 3D、图片生成 3D 以及 AI 材质生成，用户可上传图片并描述材质和风格生成高质量 3D 模型。 CSM AI：支持从视频和图像创建 3D 模型，Realtime Sketch to 3D 功能支持通过手绘草图实时设计 3D 形象再转换为 3D 模型。 Sudo AI：支持通过文本和图像生成 3D 模型，适用于游戏领域模型生成，用户可上传图片或输入文本提示词生成 3D 模型。 VoxCraft：免费 3D 模型生成工具，能将图像或文本快速转换成 3D 模型，提供图像到 3D、文本到 3D 和文本到纹理等多种功能。 这些工具通常具有用户友好的界面，无需专业 3D 建模技能，可应用于游戏开发、动画制作、3D 打印、视觉艺术等领域。 在 Midjourney 中，当处理 2D 和 3D 角色时，Niji 6 + cref + sref 的组合是目前的最优解，prompt 写法简单，如角色描述+角色动作+cref。通过示例可以看到角色一致性能够得到较好的保持，包括面部、发型、颜色、衣服、身材等方面。对于 3D 角色，如经典的泡泡玛特风格的 IP 也能有不错的效果。 多模态模型算法方面，3D 模型、图像和视频未来可能融合成统一的模态。目前 3D 生成的主流技术路线有原生 3D 和 2D 升维，原生 3D 使用 3D 数据集进行训练，2D 升维则是从二维图像出发进行转换。3D 模型具有视角不变性和强大先验性，物体变化更具一致性。