👀日报&周刊合集 | 🎡生产力工具与行业应用大全 | 🧡 点赞关注评论拜托啦!
🤖 猜猜看!你觉得,哪张甜甜圈的图片是真的?
这是 Reddit网站 Midjourney 子区发起的一项趣味挑战:一共6张图,其中5张是AI生成的,只有1张是拍照的,让神通广大的网友们判断下哪张是真实的。
目前帖子的投票数已经高达 4,700,评论区留言将近 700,特别活跃!综合评论信息来看,大家更倾向于〖第4张〗,判断理由大概有这么几项:
整齐:第4张排列自然错落,其他都太整齐了
糖霜:第4张甜甜圈上的糖霜细节更清晰,而且类型更丰富
光线:第4张是来自左上方的自然光线
细节:仔细看!第4张盒子底部有面包屑和糖霜 ⋙ @reddit
🤖 LangChain X Prem 挑战赛!
LangChain 与 Prem 联合举办了一项线上挑战赛,6月26日至7月10日期间,鼓励开发者利用Prem在本地部署AI模型和服务,构建新一代的AI应用程序。
参赛团队不超过4个人,单人也可参加;比赛结束后将评审出3个最佳应用,并奖励一万美金。
了解提交流程、提交要求、使用方式、官方文档、评审标准等信息,可以查看官方博客 ⋙ @langchain
🤖 字节跳动要造机器人,团队计划扩充到百人
7月3日,晚点 LatePost 独家消息,字节跳动也将入局机器人行业,团队已有约 50 人,计划年底扩充到上百人。目前团队的业务方向明确为两部分:
▢ 一是生产一些机器人,优先服务字节的电商履约需求,涉及仓储里的分拣、组货和打包,以及物流环节
▢ 二是关注前沿技术,探索把 AI 大模型能力用到机器人上
由此推测,字节要做的机器人,可能是具备移动能力的、能在电商仓里送货的分拣机器人,以及带有视觉感知能力、能自己打包货物的机械臂 ⋙ @晚点 LatePost
🤖 Midjourney 推出 pan 功能,上下左右,可以平移扩展图片场景
7月4日,Midjourney 宣布正在测试名为「panning (平移)」的新功能,可以按指定的上下左右方向,拓展生成图片的外部场景。这也使得「outpainting (补全)」功能更加强大。
用户生成图片后,下方菜单栏会出现⬅➡⬆⬇四个按钮,点击某个箭头后,图片就会按照这个方向进行拓展补全。不过此项功能当前还有一些限制,需要更多的后续开发完善 ⋙ Twitter @Midjourney
🤖 StoryBird 根据提示词生成故事绘本,还能售卖赚钱
StoryBird 是一个绘本制作平台,只需要输入1000词以内的提示词,平台就可以生成一本完整的、带有精美插图的故事书。书籍还能上架网站和亚马逊进行售卖哦!
网站还贴心地给出了提示词指南和示例,帮助生成更满意的绘本故事和插图:https://storybird.ai/chatgpt-stories-plugin/prompt-examples
StoryBird 已经上线了 ChatGPT 插件「Stories」,如果有 GPT-4 权限,那么只需安装插件并输入提示词,就可以等待生成故事和插图。需要注意的是:
输入的提示词,越详细越好
插件生成插图的时间要久一些,需要耐心等待
可以编辑文本并重新绘制,并且提供了多种选项,比如降低阅读年龄要求、调整文字阅读水平、调整故事长度等 ⋙ StoryBird | Twitter @xiaohuggg
🤖 AI Agents 绝佳综述:OpenAI团队的 Agents 理解与发展规划
LLM Powered Autonomous Agents 是 @Lilian Weng 一篇广泛传播的博文,可以说是目前 AI Agent 领域优质论文的系统综述。Lilian 现在是 OpenAI 的 Head of Safety Systems,之前还领导过 OpenAI 的 Applied AI 团队,她的文章绝对值得一看~
AI Agent 被认为是 OpenAI 发力的下一个方向。Lilian 将 Agents 定义为 LLM、Planning、Memory、Tools的集合,并在文章中对每个组建的实现路径进行了细致说明:
▢ LLM (大语言模型) 是核心大脑
▢ Planning (任务规划) 、Memory (记忆)、Tool use (工具使用) 等则是 Agents 系统实现的三个关键组件
以下是文章的核心目录,原文很长,可以结合感兴趣的要点进行阅读:
1. Agent System 是什么
2. Planning 任务规划
任务分解〖Task Decomposition〗
自我反思〖Self-Reflection〗
3. Memory 记忆
Memory 的类型
最大内积搜索〖MIPS〗
4. Tool Use 工具使用
MRKL 架构
让模型学习使用外部工具的 API
HuggingGPT
API-Bank
5. AI Agents 案例实践
科学研究领域的应用
Generative Agents
AI Agent 的概念验证
6. LLM Agents 的局限
有限的上下文容量
长期规划和任务分解方面的挑战
自然语言接口的可靠性挑战 ⋙ @Lilian Weng | @海外独角兽(中文翻译版)
🤖 AI虚拟人(数字人)商业实践现状,与未来发展初探
这是 @向阳乔木 7月2日举办的「AI虚拟人(数字人)交流会」的会议记录和要点提炼,也是截至目前对数字人分享最立体和透彻的内容。感兴趣可以前往飞书查看直播视频和文本!
🔔 ▢ AI数字人类型和应用场景
二维/三维虚拟人:用于游戏、IP品牌 (柳夜熙)、内容创作等
真人形象数字人:用于直播卖货、营销/投流广告视频录制 (Heygen)、语言学习 (CallAnnie) 等
🔔 ▢ AI数字人的价值是什么
代替人说话,提升表达效率和营销效率:例如真人做不到24小时直播,但数字人可以
创造真实世界无法完成的对话或交流:例如AI talk的实验探索,复活故去的亲人等
🔔 ▢ AI数字人面临的问题
平台限制:目前数字人水平参差不齐,平台担心直播观感,有一定打压限制;比如抖音出台一些标准,而微信视频号容忍度更低,人工检查封号
技术限制:形象只是皮囊,智能水平和未来想象空间,依赖大模型技术提升
需求限制:直播带货算个落地场景,但不刚,目前更多是体验新鲜感
伦理/法律限制:声音、影像版权等,比如换脸、数字永生等
🔔 ▢ AI数字人直播盈利方式
直接卖数字人工具软件:「实时驱动」在直播时能改音频话术,真人接管,市面价格在一年4-6万往上 (标准零售价);「非实时驱动」一个月600元,效果很差,类似放视频的伪直播,市场价格混乱,靠发展代理割韭菜
提供数字人运营服务,按直播间成交额抽佣
🔔 ▢ AI直播卖货适用品类和场景
适用于不需要强展示的商品 (如品牌食品饮料),服装就搞不了(过品快,衣服建模成本高)
适用于虚拟商品,如门票、优惠券等
不适用于促销场景,这涉及主播话术、套路,调动直播间氛围能力等
电商直播分为达播跟店播,数字人直播跑下来效果最好的是店播,数据基本能保持跟真人一样 (朋友公司数据)
🔔 ▢ AI直播的壁垒和未来市场格局是什么
时间拉长,技术上没壁垒:但目前看仍有技术门槛,单纯靠开源算法拼的东西,实时性、可用性不高,比如更真实的对口型,更低的响应延迟等
不会一家独大:可能4-5家一线效果,大多二三线效果公司;因为它只是工具,迁移成本低
真正把客户服务好、能规模化扩张的公司更有价值:疯狂扩代理割韭菜,不考虑客户效果的公司,售后问题很麻烦
有资源、有业务的大平台下场,可能会带来降维打击:例如剪映马上要做,如果不仅提供数字人,还提供货品供应链、数据复盘分析等等,全环节打通会绑定商家,很难打
🔔 ▢ 面对大厂竞争怎么办
大厂做产品有很多部门利益牵扯,法务合规等问题,不敢用野路子,开发上线产品效率低
大厂人工成本高,不少方向和领域都不会做,以及不少内部决策也不一定靠谱
在电商领域,数字人不能也无法成为壁垒,跟数字人配套的运营服务才是,大厂一般不愿做重运营的事 ⋙ Twitter @向阳乔木 | 观看录播视频 (134min)
🤖 关于「构建 LLM App」你所需要知道的一切
这是一篇长文,非常细致地讲解了如何使用 LLM 构建应用程序,并解释了相关概念的含义,以及你所需要的所有代码段。当然,如果你只想看一个「快速使用LLM构建应用程序」的简短教程,可以直接跳转到最后一部分!
🔔 ▢ 我们为什么需要大语言模型 (LLM)
🔔 ▢ 微调 VS 上下文注入
Fine-Tuning (微调)
In-context learning / Context Injection (情景学习 / 上下文注入)
🔔 ▢ 什么是LangChain?
Models (模型):各类模型的接口
Prompts (提示):提示管理、提示优化、提示序列化
Indexes (索引)::文档加载器、文本拆分器、矢量存储-支持更快、更高效地访问数据
Chains (链):链超出了单个LLM调用,它们允许我们设置调用序列
Agents (代理):是使用LLM来选择要采取哪些操作的实体
🔔 ▢ 手把手教你使用 LLM 构建App
使用LangChain加载文档
将文档拆分为文本块
从文本块到嵌入
定义要使用的LLM
定义提示模板
创建矢量存储 ⋙ 来源
感谢贡献一手资讯、资料与使用体验的 ShowMeAI 社区同学们!
◉ 点击 👀日报&周刊合集,订阅话题 #ShowMeAI日报,一览AI领域发展前沿,抓住最新发展机会!
◉ 点击 🎡生产力工具与行业应用大全,一起在信息浪潮里扑腾起来吧!