AIGC(生成式AI)试用 15 -- 小结

    断断续续的尝试在实际的工作使用中理解和测试AIGC,运用会越来越多、越来越广范,但也是时候做个小结了。
    没有太用热火的ChatGPT,只是拿了日常最容易用到的CSDN创作助手(每周写文章总是看到)和文心一言(没了谷歌只能百度),毕竟天天工作、生活能用到。
    每一代技术革命都会带给我们冲击,同时也会带来新的机会。
    AIGC将会深入到我们的生活和工作中,将会替代我们习惯了的操作和岗位,我们竞争过机器吗?我们将何去何从?

  • 都能实现文本生成,CSDN创作助手深耕于文档创作,文心一言则更全面文本图像,语主、视频、音频的表现呢?想来并不是什么问题,只是数据集的存储和积累
  • CSDN创作助手速度的确慢了点,文心一言则更快速的反馈,但这段持续的使用和测试过程,感觉到了他们的变化,不仅是内容回复质量,也还有反馈速度
  • 格式化、标准化、大纲化是AIGC的强项,想来人类活动的积累最佳实践,也被很好的拿来作为训练素材,被AI模型有效的进行了学习,CSDN创作助手和文心一言的总分总格式应是文档写手的最佳替代
  • 也许会是一本正经的胡说,那也需要提供必要的数据和引导,CSDN创作助手和文心一言才能将你提供的伪数据代入其中,一本正经的编出一份你想要的答案。记得,是你这个坏小子想要的
  • 如聊天般的AIGC生成,层次化的、逐步深入的方式,更容被CSDN创作助手和文心一言获得,并给出相对准确答案
  • 问题描述不要太复杂,正如人在聊天一样,简短、有利的主题,更容易让对方生成内容 -- 试着像个朋友一样与他慢慢聊起来吧,彼此要了解,越细越好
  • 自主的上下文的联系,表现一般,不过你可以用“接上文”来提醒答案的关联生成
  • 毕竟是数据训练而来的AIGC,数据的实效性稍有些延迟,历史的表现更好,实时的则是信息在web传播的更有效
  • 这也正体现了AIGC的持续训练、学习,对于同一问题,可以以不同的方式提问、可以在不同的时期提问,回复可见的越来越接近你想要的,也许比你想像的更完美
  • 训练数据越来越大,生成的内容越来越多,如何保证训练数据的正确性、安全性;如何保证生成内容的有效性、传输的安全性、使用的合规性。。。。。。想想看,也许会有立法

    诚然,AIGC简化了一些我们日常工作和生活的难题,特别是有清晰明确答案的,没有了选择困难,只是一问一答的聊天,当年的聊天Robot的确没有这么大的数据、这么强的训练
    同时,AIGC的发展(1950 ~ )近80年,真正进入我们看工作和生活也是最近几年的事情,也正是人工智能、元宇宙、数字孪生等一系列虚拟技术的兴起,也正是chatGPT的火热让我们这些人使用到、关注到。
    未来,会是什么样?也许正是我们想像中的样子,敢想、敢干,即能实现,时代造人,时代弄人。

-- 以下 参考 百度百科,AIGC

    AIGC,Artificial Intelligence Generated Content,人工智能技术生成内容。
    多模态之上的人工智能技术,即单个模型可以同时理解语言、图像、视频、音频,即现有常见的文本生成、图像生成、视频生成、音频生成
    实现AIGC更加智能化、实用化的三大要素是:数据(来源、形态、处理、存储,需要基础架构的支持)、算力(训练环境)、算法(模型、训练)

  


  • AIGC(生成式AI)试用 0 -- 如何测试此类应用
  • AIGC(生成式AI)试用 1 -- 基本文本
  • AIGC(生成式AI)试用 2 -- 胡言乱语
  • AIGC(生成式AI)试用 3 -- 专业主题
  • AIGC(生成式AI)试用 4 -- 从模糊到精确
  • AIGC(生成式AI)试用 5 -- 从模糊到精确,再一步
  • AIGC(生成式AI)试用 6 -- 从简单到复杂
  • AIGC(生成式AI)试用 7 -- 桌面小程序
  • AIGC(生成式AI)试用 8 -- 曾经的难题
  • AIGC(生成式AI)试用 9 -- 完整的程序
  • AIGC(生成式AI)试用 10 -- 安全性问题
  • AIGC(生成式AI)试用 11 -- 年终总结
  • AIGC(生成式AI)试用 12 -- 年终再总结
  • AIGC(生成式AI)试用 13 -- 数据时效性
  • AIGC(生成式AI)试用 14 -- 画画

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/254268.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

【复杂网络分析与可视化】——通过CSV文件导入Gephi进行社交网络可视化

目录 一、Gephi介绍 二、导入CSV文件构建网络 三、图片输出 一、Gephi介绍 Gephi具有强大的网络分析功能,可以进行各种网络度量,如度中心性、接近中心性、介数中心性等。它还支持社区检测算法,可以帮助用户发现网络中的群组和社区结构。此…

机场信息集成系统系列介绍(3):机场运行核心数据库(AODB)

目录 1、背景:什么是AODB 2、AODB包括哪些内容 3、AODB还应该适配哪些场景 4、一点点拓展 机场运行核心数据库(AODB)Airport Operation DataBase 1、背景:什么是AODB 在机场繁重的航班保障和旅客服务背后,庞大的…

Prometheus如何使用 Push 方式采集目标服务器数据

公众号「架构成长指南」,专注于生产实践、云原生、分布式系统、大数据技术分享 在上篇主要介绍了从零开始:使用Prometheus与Grafana搭建监控系统,我们了解了Prometheus采集数据主要是采用Pull模式,即主动拉取模式,这种…

权重衰减weight_decay

查了好几次了,一直忘,记录一下 使用L 2 范数的一个原因是它对权重向量的大分量施加了巨大的惩罚。这使得我们的学习算法偏向于在大量特征上均匀分布权重的模型。在实践中,这可能使它们对单个变量中的观测误差更为稳定。 相比之下&#xff0c…

性能测试之Artillery(示例及指标)

官方文档:https://www.artillery.io/docs/get-started/first-test PS:文档挺详细,教程比较全 示例 config:http:extendedMetrics: truetarget: http://127.0.0.1:8005phases:- duration: 10 # 持续时间arrivalRate: 10 # 每秒创建10个用户rampTo: 100 …

《LeetCode力扣练习》代码随想录——字符串(KMP算法学习补充——针对next数组构建的回退步骤进行解释)

《LeetCode力扣练习》代码随想录——字符串(KMP算法学习补充——针对next数组构建的回退步骤进行解释) 学习路径 代码随想录:28. 实现 strStr() CSDN:【详解】KMP算法——多图,多例子(c语言) …

【算法与数据结构】LeetCode55、45、跳跃游戏 I 、II

文章目录 一、跳跃游戏I二、跳跃游戏II三、完整代码 所有的LeetCode题解索引,可以看这篇文章——【算法和数据结构】LeetCode题解。 一、跳跃游戏I 思路分析:本题目标是根据跳跃数组的元素,判断最终能够到达数组末端。我们引入了一个跳跃范围…

VUE中的8种常规通信方式

文章目录 1.props传递数据(父向子)2.$emit触发自定义事件(子向父)3.ref(父子)4.EventBus(兄弟组件)5.parent或root(兄弟组件,有共同祖辈)6.attrs和listeners(…

【兔子王赠书第12期】赠ChatGPT中文范例的自然语言处理入门书

文章目录 写在前面自然语言处理图书推荐图书简介编辑推荐 推荐理由粉丝福利写在后面 写在前面 小伙伴们好久不见吖,本期博主给大家推荐一本入门自然语言处理的经典图书,一起来看看吧~ 自然语言处理 自然语言处理(Natural Language Process…

【DataSophon】大数据服务组件之Flink升级

🦄 个人主页——🎐开着拖拉机回家_Linux,大数据运维-CSDN博客 🎐✨🍁 🪁🍁🪁🍁🪁🍁🪁🍁 🪁🍁🪁&am…

rabbitmq-常见七种消息队列-控制台界面管理-python-实现简单访问

文章目录 1.消息的基本概念1.1.生产者和消费者1.2.消息队列(Queue)1.3.交换机(Exchange)1.4.消息确认 2.七种队列模式2.1.简单模式(Hello World)2.2.工作队列模式(Work queues)2.3.发布订阅模式(Publish/Subscribe)2.4.路由模式(Routing)2.5.主题模式(Topics)2.6.远程过程调用(…

jmeter之HTTP代理服务器脚本

前言:没有接口文档的话,可用http代理服务器录制脚本 1.设置客户端的代理(本机的代理) 计算机右键属性->搜索代理服务器设置 代理输入jmeter所在电脑的ip和8888端口。 2.创建http代理服务器 测试计划->添加->非测试元件…

店面销售技巧培训之如何提升店面销售技巧

如何提升店面销售技巧 店面销售是零售业中非常重要的环节,而销售技巧则是决定销售成功与否的关键因素。提升店面销售技巧,不仅可以提高销售业绩,还可以增强客户满意度,提升品牌形象。本文将介绍一些提升店面销售技巧的方法&#…

vuepress-----25、右侧目录

# 25、vuepress 右侧目录 https://github.com/xuek9900/vuepress-plugin-right-anchor vuepress-plugin-right-anchor English |中文 在用 Vuepress 2.x 编写的文档页面右侧添加 锚点导航栏 # 版本 2.x.x -> Vuepress 2.x -> npm next -> master 分支0…

基于Django框架实现的图像相似性搜索网页应用项目源码+数据库,上传图片到网站,基于预训练的 VGG16 模型提取图像特征

项目描述 一个基于Django框架实现的图像相似性搜索网页应用。用户可以通过上传图片到网站,然后该项目会基于预训练的 VGG16 模型提取图像特征,并利用已有图库中的图像特征与上传图片的特征进行比较,计算相似度并呈现给用户。 项目运行效果截…

设计模式——责任链模式(行为模式)

引言 责任链模式是一种行为设计模式, 允许你将请求沿着处理者链进行发送。 收到请求后, 每个处理者均可对请求进行处理, 或将其传递给链上的下个处理者。 问题 假如你正在开发一个在线订购系统。 你希望对系统访问进行限制, 只允…

【网络安全】-Linux操作系统—CentOS安装、配置

文章目录 准备工作下载CentOS创建启动盘确保硬件兼容 安装CentOS启动安装程序分区硬盘网络和主机名设置开始安装完成安装 初次登录和配置更新系统安装额外的软件仓库安装网络工具配置防火墙设置SELinux安装文本编辑器配置SSH服务 总结 CentOS是一个基于Red Hat Enterprise Linu…

基于html5的演唱会购票系统的设计与实现论文

基于html5的演唱会购票系统的设计与实现 摘要 随着信息互联网购物的飞速发展,一般企业都去创建属于自己的电商平台以及购物管理系统。本文介绍了基于html5的演唱会购票系统的设计与实现的开发全过程。通过分析企业对于基于html5的演唱会购票系统的设计与实现的需求…

13.仿简道云公式函数实战-逻辑函数-NOT

1. NOT函数 NOT 函数可用于对其参数的逻辑求反,当逻辑为 true 时,返回结果 false;当逻辑为 false 时,返回结果 true。 2. 函数用法 NOT(logical) 3. 函数示例 1)NOT(A),表示如果 A 为 true 时&#xf…

惯性导航基础知识学习----01惯性器件相关

🌈武汉大学惯性导航课程合集是入门惯导的精品课程~ 作为导航路上的鼠鼠我,要开始学习惯性导航了~ 需要达到的要求是大致了解惯导的原理等~ 后期会陆续更新惯导相关的知识和笔记等~ 🐬 本blog为 武汉大学惯性导航课程 的记录~ 感谢团队提供的开…
最新文章