人工智能的发展前景十分广阔。在我们的日常生活中，许多方面都已经有了人工智能的参与，比如交通、天气预测以及电视节目推荐等，其普及程度和发展速度都令人惊叹，使计算机能够以过去难以想象的方式观察、理解世界并与之互动。 从未来进化的角度看，当计算机在各项任务上超过人类时，可能会在不断改进的过程中出现超级智能。届时，机器可能会具有自我意识，成为真正的数字生命形式，这将带来一系列关于意识、合作与竞争等方面的重大转变和问题。 在产业发展方面，人工智能是引领新一轮科技革命和产业变革的基础性和战略性技术，正与实体经济深度融合，改变工业生产模式和经济发展形态，对建设制造强国、网络强国和数字中国有重要支撑作用。其产业链包括基础层、框架层、模型层和应用层，近年来在技术创新、产品创造和行业应用等方面实现快速发展，形成庞大市场规模。随着以大模型为代表的新技术加速迭代，人工智能产业呈现出创新技术群体突破、行业应用融合发展、国际合作深度协同等新特点，也亟需完善产业标准体系。

大模型的微调可以从以下几个方面来理解和操作： 一、大模型的基本概念 通俗来讲，大模型就是输入大量语料，来让计算机获得类似人类的“思考”能力，使之能够理解自然语言，能够进行“文本生成”、“推理问答”、“对话”、“文档摘要”等工作。 可以用“上学参加工作”这件事来类比大模型的训练、使用过程： 1. 找学校：训练大模型需要大量的计算，因此 GPU 更合适，只有购买得起大量 GPU 的才有资本训练自己的大模型。 2. 确定教材：大模型需要的数据量特别多，几千亿序列（Token）的输入基本是标配。 3. 找老师：即用合适的算法讲述“书本”中的内容，让大模型能够更好理解 Token 之间的关系。 4. 就业指导：学完书本中的知识后，为了让大模型能够更好胜任某一行业，需要进行微调（fine tuning）指导。 5. 搬砖：就业指导完成后，下面就要正式干活了，比如进行一次翻译、问答等。 二、微调的技术路线 从参数规模的角度，大模型的微调分成两条技术路线： 1. 全量微调 FFT（Full Fine Tuning）：对全量的模型参数，进行全量的训练。 2. PEFT（ParameterEfficient Fine Tuning）：只对部分模型参数进行训练。 从成本和效果的角度综合考虑，PEFT 是目前业界比较流行的微调方案。 OpenAI 官方微调教程： 微调是在较小的、特定领域的数据集上继续大模型的训练过程。这可以通过调整模型本身的参数，而不是像提示工程和 RAG 那样仅仅更改提示，来大幅提高模型在特定任务中的性能。把微调想象成把通用工具打磨成精密仪器。 三、微调的好处和操作方式 微调有两大好处： 1. 提高模型在特定任务中的性能。微调意味着可以输入更多的示例。可以在数以百万计的代币上进行微调，而根据上下文的大小，少量学习提示仅限于数以万计的代币。经过微调的模型可能会失去一些通用性，但对于其特定任务而言，应该期待它有更好的表现。 解决不当行为的方法是通过某种对话，助手给出了错误的响应。接受这个错误响应，并要求某人提供正确的答案。然后，用正确的答案覆盖错误的响应，并将其作为示例加入到训练数据中。下次进行微调时，模型就会在这种情况下得到改进。这是一个迭代过程，由于微调的成本较低，可以每周或每天进行这样的操作。通常，公司会在微调阶段而不是预训练阶段更频繁地进行迭代。

搭建 AI Agent 可以类比为培养一位职场新人，主要分为以下三个阶段： 1. 规划阶段：明确目标。确定 AI Agent 的具体任务，如结构化外文精读，并将其拆解为可管理的子任务，设计每个任务的执行方法。 2. 实施阶段：实战指导。搭建工作流程，为每个子任务设置清晰的操作指南，手把手引导 AI 完成任务，并及时验证其输出质量。 3. 优化阶段：持续改进。通过反复测试和调整，不断优化 AI Agent 的性能，调整工作流程和 Prompt 配置，直到 AI 能稳定输出高质量的结果。 以下是一些 Agent 构建平台： 1. Coze：新一代的一站式 AI Bot 开发平台，集成丰富插件工具，适用于构建各类问答 Bot。 2. Microsoft 的 Copilot Studio：主要功能包括外挂数据、定义流程、调用 API 和操作，以及部署到各种渠道。 3. 文心智能体：百度推出的基于文心大模型的智能体平台，支持开发者打造产品能力。 4. MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，以及访问第三方数据和服务或执行工作流。 5. 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于客服、营销、销售等场景，提供多种成熟模板。 6. 钉钉 AI 超级助理：依托钉钉强大的场景和数据优势，在处理高频工作场景如销售、客服、行程安排等方面表现出色。 目前制作 AI Agent 一般有两种方式：Prompttuning 和 Finetuning。与 Prompt 相比，基于微调的方法可以视为将信息直接“记忆”在 AI 的“大脑模块”中。微调过程本质上是一个信息压缩和整合的过程，能将例如三万条推特中的零散信息有效地整理并嵌入到大型模型的权重中，且权重占比不到 1%。这种方法不仅提高了信息提取的效率，还减少了每次查询或应用时所需处理的数据量，从而优化了性能和成本。面对“有趣的灵魂”，一般创建方式是两种结合，即 Prompttuning + Finetuning。

以下是关于学习 prompt 的全面指导： 一、什么是 prompt 简单来说，prompt 是一套与大模型交互的语言模板。通过它，您可以输出对大模型响应的指令，明确大模型应做什么、完成什么任务、如何处理具体任务，并最终获得期望的结果。虽然大模型具有基础的文字能力，能理解您说的大部分话，但为了获得更好的回答效果，需要借助 prompt 来提升模型返回的准确性。在大模型时代，人机交互的主要方式可以认为是 prompt，而非过去通过代码的方式。 二、提示词框架 对框架的理解和运用非常重要。比如可以从基础的“情境:”入手。如果觉得无从下手，可以按照以下步骤： 1. 懂原理 2. 找需求 3. 用框架 三、学习提示词运用的建议 1. 理解提示词的作用 提示词为模型提供上下文和指示，其质量直接影响模型输出质量。 2. 学习提示词的构建技巧 明确任务目标，用简洁准确的语言描述。 给予足够的背景信息和示例，帮助模型理解语境。 使用清晰的指令，如“解释”“总结”“创作”等。 对特殊要求应给予明确指示，如输出格式、字数限制等。 3. 参考优秀案例 研究和学习已有的优秀提示词案例，在领域社区、Github 等资源中能找到大量案例。 4. 实践、迭代、优化 多与语言模型互动，根据输出提高提示词质量。尝试各种变体，比较分析输出差异，持续优化提示词构建。 5. 活用提示工程工具 目前已有一些提示工程工具可供使用，如 Anthropic 的 Constitutional AI。 6. 跟上前沿研究 提示工程是当前前沿研究领域之一，持续关注最新的研究成果和方法论。

以下是一些可以帮忙写简历的 AI 工具： 1. Kickresume 的 AI 简历写作器：使用 OpenAI 的 GPT4 语言模型自动生成简历，能为简历摘要、工作经验和教育等专业部分编写内容，并保持一致语调。 2. Rezi：受到超过 200 万用户信任的领先 AI 简历构建平台，使用先进的 AI 技术自动化创建可雇佣简历的每个方面，包括写作、编辑、格式化和优化。 3. Huntr 的 AI 简历构建器：提供免费的简历模板，以及 AI 生成的总结/技能/成就生成器和 AI 驱动的简历工作匹配。 更多 AI 简历产品，还可以查看这里：https://www.waytoagi.com/category/79 。您可以根据自己的需要选择最适合您的工具。 另外，在论文写作领域，也有一些常用的 AI 工具和平台： 1. 文献管理和搜索： Zotero：结合 AI 技术，可自动提取文献信息，帮助管理和整理参考文献。 Semantic Scholar：由 AI 驱动的学术搜索引擎，提供文献推荐和引用分析。 2. 内容生成和辅助写作： Grammarly：通过 AI 技术提供文本校对、语法修正和写作风格建议，提高语言质量。 Quillbot：基于 AI 的重写和摘要工具，帮助精简和优化内容。 3. 研究和数据分析： Google Colab：提供基于云的 Jupyter 笔记本环境，支持 AI 和机器学习研究，便于数据分析和可视化。 Knitro：用于数学建模和优化的软件，帮助进行复杂的数据分析和模型构建。 4. 论文结构和格式： LaTeX：结合自动化和模板，高效处理论文格式和数学公式。 Overleaf：在线 LaTeX 编辑器，提供丰富模板库和协作功能，简化编写过程。 5. 研究伦理和抄袭检测： Turnitin：广泛使用的抄袭检测工具，确保论文原创性。 在写作方面，使用 AI 工具的最佳免费选项有 Bing（https://www.bing.com/search?q=Bing+AI&showconv=1&FORM=hpcodx）和 Claude 2（https://claude.ai/），付费选项有带有插件的 ChatGPT 4.0/ChatGPT 。目前，GPT4 仍是功能最强的人工智能写作工具，可在 Bing（选择“创新模式”）上免费访问，或通过购买 ChatGPT 的 $20/月订阅访问。Claude 紧随其后，也提供有限免费选项。这些工具也被直接集成到常见办公应用程序中，如 Microsoft Office 将包括一个由 GPT 提供支持的副驾驶，Google Docs 将整合 Bard 的建议。

AGI 即通用人工智能（Artificial General Intelligence），是指能够像人类一样思考、学习和执行多种任务的人工智能系统。 强人工智能，也被称为通用人工智能，是指具有人类水平的智能和理解能力的 AI 系统。它有能力完成任何人类可以完成的智力任务，适用于不同的领域，同时拥有某种形式的意识或自我意识。但目前强人工智能还只是一个理论概念，尚未有任何 AI 系统能达到这种通用智能水平。 在 2000 年代初，“通用人工智能”这一名词开始流行，以强调从“狭义 AI”到更广泛的智能概念的追求，回应了早期 AI 研究的长期抱负和梦想。但目前并没有一个被广泛接受的 AGI 定义。

目前热门的大模型主要有以下几种： 1. 语言模型：如 GPT、PaLM 等。 2. 多模态模型：例如视觉语言模型 CLIP、Stable Diffusion 等。 大模型因其强大的能力，在众多领域有着热门的应用场景： 1. 文本生成和内容创作：可用于撰写文章、生成新闻报道、创作诗歌和故事等。 2. 聊天机器人和虚拟助手：能够与人类进行自然对话，提供客户服务、日常任务提醒和信息咨询等服务。 3. 编程和代码辅助：实现代码自动补全、bug 修复和代码解释，提高编程效率。 4. 翻译和跨语言通信：理解和翻译多种语言，促进不同语言背景用户之间的沟通和信息共享。 5. 情感分析和意见挖掘：分析社交媒体、评论和反馈中的文本，识别用户情感和观点，为市场研究和产品改进提供支持。 6. 教育和学习辅助：创建个性化学习材料、自动回答学生问题和提供语言学习支持。 7. 图像和视频生成：如 DALLE 等模型可以根据文本描述生成相应的图像，未来可能扩展到视频内容的生成。 最近，多模态大模型取得重大进展。随着数据集和模型规模不断扩大，传统的多模态模型带来巨大计算量，尤其是从头开始训练。研究人员意识到多模态研究重点在于各个模态的连接，合理方法是利用现成训练好的单模态基础模型，尤其是语言模型。这样可减少多模态训练费用，提升训练效率。多模态大模型利用语言模型为各种多模态任务提供认知能力，语言模型具有良好的语言生成、zeroshot 和 ICL 的能力，其他模态的基础模型提供高质量表征。考虑到不同模态模型是分开训练的，如何将不同模态连接起来，实现协同推理，是核心挑战。主要工作通过多模态预训练和多模态的指令微调，来实现模态之间的对齐，以及模型输出与人类意图的对齐。

以下是关于剪映更新后的数字人教程及相关信息： 剪映最近更新突飞猛进，新增了多种 AI 功能。 新增能力包括：剪映 ai 生成音乐——唱出你想说的话，一键生成专属音乐视频；照片数字人/定制数字人——照片唱歌和说话；ai 配旁白（全网独家功能）——一键 ai 剪辑视频，并配抖音网感文案；ai 生图片/视频能力（即梦）接入剪映。 定制数字人已上线，其亮点为很逼真（口型自然，可以说话/唱歌/说外语）、制作效率高（写好口播脚本可批量快速制作内容）。只要有图就可以制作逼真的说话或唱歌的 UGC 数字人娱乐视频，例如歌手照片+有词的歌、老照片+影视剧+梗文案或唱歌、宠物唱歌表白/表情包玩梗等。 录制或上传视频，即可根据视频里的动作，1 分钟快速定制自己的数字分身。数字人适用于口播自媒体等场景。 相关链接： 剪映 AI 功能内测：https://bytedance.larkoffice.com/docx/SdDwdsNnAo3B16xLLNscIiHDnxb AI 音乐免费内测排队入口：https://bytedance.larkoffice.com/share/base/form/shrcntN7P3HEdo35fCOiM6QdFrb 照片说话/AI 配旁白/视频生成进剪映免费内测排队入口：https://bytedance.larkoffice.com/share/base/form/shrcnq7rM9EEJytIW5LKyUpVaee 内测视频翻译功能申请地址：https://bytedance.larkoffice.com/share/base/form/shrcnq7rM9EEJytIW5LKyUpVaee 。审批很快，但目前只支持在 app 手机端体验，且只支持本人的视频进行翻译，有声音认证环节。

人工智能的发展前景十分广阔。 在日常生活中，我们已与人工智能频繁互动，如交通、天气预测和电视节目推荐等，其普及程度和发展速度令人惊叹，使计算机能以过去难以想象的方式观察、理解和与世界互动。 对于未来，当计算机在各项任务上超越人类时，可能会出现超级智能，机器可能具有自我意识和超级智能，成为真正的数字生命形式。届时，我们对机器意识的概念将发生重大转变，也会面临如物种竞争、合作基础以及道德伦理等有趣且重要的问题。 在产业方面，人工智能是引领科技革命和产业变革的基础性和战略性技术，加速与实体经济深度融合，改变工业生产和经济发展形态，对新型工业化、制造强国、网络强国和数字中国建设有重要支撑作用。其产业链包括基础层（算力、算法和数据）、框架层（深度学习框架和工具）、模型层（大模型等）和应用层（行业场景应用）。近年来，我国人工智能产业在技术创新、产品创造和行业应用方面快速发展，形成庞大市场规模。随着以大模型为代表的新技术加速迭代，呈现出创新技术群体突破、行业应用融合发展、国际合作深度协同等新特点，也亟需完善产业标准体系。

人工智能的发展前景十分广阔。 在日常生活中，我们已经能感受到人工智能的普及，比如交通、天气预测以及电视节目推荐等方面，它正以惊人的速度发展，使计算机能够以过去难以想象的方式观察、理解世界并与之互动。 从未来进化的角度看，当计算机在各项任务上超过人类时，可能会在不断改进的螺旋中导致超级智能的出现，甚至可能出现具有自我意识和超级智能的数字生命形式，这将带来关于机器意识、物种竞争等一系列有趣且重要的问题。 在产业方面，人工智能是引领新一轮科技革命和产业变革的基础性和战略性技术，正加速与实体经济深度融合，深刻改变工业生产模式和经济发展形态。我国人工智能产业在技术创新、产品创造和行业应用等方面实现快速发展，形成庞大市场规模。其产业链包括基础层（算力、算法和数据）、框架层（用于模型开发的深度学习框架和工具）、模型层（大模型等技术和产品）、应用层（在行业场景的应用）。伴随以大模型为代表的新技术加速迭代，人工智能产业呈现出创新技术群体突破、行业应用融合发展、国际合作深度协同等新特点，亟需完善产业标准体系。