看懂AI

正则表达式入门教程

作者
正则表达式入门教程
5分钟搞懂 —— 正则表达式 （by 令爷） 引言 正则表达式是一种强大的文本匹配和处理工具。它就像是一个神奇的模式识别系统,能帮助我们在文本中查找、匹配和替换特定的字符串。无论是验证用户输入、处理文本文件,还是进行数据分析,正则表达式都能大显身手。 让我们通过一个简单的例子开始。假设你需要在一篇文章中找出所有的电话号码,你会怎么做?如果手动查找,这将是一项耗时的工作。但使用正则表达式,我们可以用一行代码就能完成这个任务。 1. 基础匹配 在深入学习正则表达式之前,我们先从最简单的开始 - 普通字符的匹配。 当我们在文本中查找一个确切的词时,可以直接使用这个词作为正则表达式。比如: 要查找...

四倍速小脚本

作者
四倍速小脚本
把下面👇🏻的链接拖到书签栏，然后在视频播放页点击即可运行。 [4倍速播放]   "javascript:void(function(){let v=document.querySelector('video');if(v){v.playbackRate=4;v.muted=false;v.play();let s=document.createElement('div');s.style.cssText='position:fixed;bottom:10px;right:10px;background:rgba(0,0,0,0.7);color:w...

从电力革命到AI：组织创新驱动下的生产力飞跃

作者
1.谷歌前CEO说现在像电力革命前夕 在2024年8月13日，谷歌前CEO埃里克·施密特在斯坦福大学的演讲中指出，尽管AI技术已经取得了显著的进步，并在许多领域得到了广泛应用，但其真正的潜力尚未完全释放。他强调，当前的AI应用大多集中在替代或辅助人类完成特定任务上，而未能引发深刻的组织变革。这种情况类似于19世纪末期电力刚被引入工厂时的情景，当时工厂只是简单地用电动机替代了蒸汽机，工厂布局和生产流程并未发生实质性的改变，直到数十年后，分布式电力系统彻底重塑了生产方式，才带来了生产力的飞跃。 施密特的观点为我们思考AI时代的未来提供了一个重要视角：要想真正释放AI的潜力，关键在于组织创新。本文...

健身房的正态分布例子

作者
健身房的正态分布例子
以下是chatgpt 4o的描述 重量堆栈正态分布 这张图片显示了一个重量堆栈（可能是一个健身器材）的图示，其中每个重量位置上都有明显的磨损痕迹。这些磨损痕迹在图中形成了一个钟形曲线，类似于正态分布（即常态分布）。 具体来说，这种磨损痕迹集中在中间的重量区间（大约在40到60之间），而两端的重量位置（10-20和90-115之间）的磨损痕迹较少。这反映了大多数人使用中等重量的频率最高，而使用极轻或极重的重量的人相对较少。 从统计学角度来看，这表明使用这个器材的人在选择重量时，符合正态分布规律：大多数人的选择集中在一个中间值附近，极端值（非常轻或非常重的重量）选择的频率较低。 凑整的极端值 在...

ChatGPT官方提供的17个GPT

作者
ChatGPT官方提供的17个GPT
ChatGPT官方提供的17个GPT的详细介绍： DALL-E：让人工智能将你的想象力变成图像。 功能：将你的文字描述转化为图像。 作者：ChatGPT Data Analyst：上传你的文件，我可以帮助分析和可视化你的数据。 功能：数据分析和可视化。 作者：ChatGPT Hot Mods：让我们将你的图像修改得非常酷。上传一张图片，我们开始吧！ 功能：图像修改。 作者：ChatGPT Creative Writing Coach：我很乐意阅读你的作品，并提供反馈以提高你的写作技巧。 功能：创意写作指导。 作者：ChatGPT Coloring Book...

数据分析工具介绍

作者
数据分析工具介绍 数据分析工具在现代商业和科学研究中扮演着重要角色。不同的工具适用于不同的数据规模和分析需求。本文将介绍几种常见的数据分析工具，并讨论它们的替代品和适用场景。 小规模数据分析工具 1. Excel 特点：适用于处理几千到几万行数据，提供基础的数据整理、分析和可视化功能。 用户：个人用户、小型企业和业务分析师。 替代品： Google Sheets：基于云端，方便团队协作。 Zoho Sheet：提供在线数据处理和协作功能。 LibreOffice Calc：开源的电子表格软件。 中等规模数据分析和商业智能工具 2. Power BI 特点：适用于处理数百万行数据，提供...

OpenAI 首次开发者日：新模型发布，支持 128K 上下文，价格直降，GPT 商店要来了

作者
OpenAI 首次开发者日：新模型发布，支持 128K 上下文，价格直降，GPT 商店要来了
大模型解谜LLM Riddles题解[/caption] 用普通人听得懂的人话总结： 1，新的chatgpt已经学完世界5000年以来的所有知识，一直到2023年，已经没有他不知道的任何知识。 2，ChatGPT已经为任何人及任何公司建立垂直小模型（中国几万家垂直细分的AI公司将100%全部倒闭）。 3、多模态：文字图片语音视频都完备了。 4、赚钱商业模式已经完成：你ChatGPT玩的好，有人买你的作品，就可以赚钱了。 5、任何人都可以用gpt写代码与程序了，最多3年，全球已经不需要，一个程序员及it技术工程师。 OpenAI 的首次 DevDay 开发者日活动，于北京时间 11 月...

微软AutoGen框架

作者
微软AutoGen框架
正如网友所说的，借助 AutoGen，以后完成某项任务，用户只需给出需求，敲下回车，中间过程完全不用管，任务自动就完成了。 一个项目，用了短短两个星期的时间，星标量从 390 狂增到 10K，并在 Discord 上吸引了 5000 多名成员，如此爆火的项目便是微软最近发布的全新工具 AutoGen。 我们可以将 AutoGen 理解为一个框架，其允许多个 LLM 智能体通过聊天来解决任务。LLM 智能体可以扮演各种角色，如程序员、设计师，或者是各种角色的组合，对话过程就把任务解决了。 不仅如此，AutoGen 是可定制的、可对话的，并且允许人类参与。AutoGen 的运作方式包括借助 L...

深度长文：产品经理视角解析AutoGPT背后的技术原理

作者
深度长文：产品经理视角解析AutoGPT背后的技术原理
本文主要讲的内容： 类AutoGPT应用的背后技术原理。 更抽象一层，其实是解释：LLM（GPT）是怎么实现自己学会使用工具的？ 1）LLM怎么将人类需求分解成任务； 2）LLM怎么知道什么任务要使用什么外部工具； 2）LLM怎么学会使用这些外部工具的； ---大约5300字，概览如下： 1、为什么研究这个（LLM是怎么学会使用外部工具的） 2、介绍这个领域几个关键产品产品的原理：LangChain、Toolformer、OpenAi-Plugin、huggingGPT、Babyagi、AutoGPT 3、LLM目前使用外部工具的局限是什么？ 4、OpenAi-Plugin的数据飞轮 ---正...

智能体=LLM(大语言模型)+记忆+规划技巧+工具使用

作者
智能体=LLM(大语言模型)+记忆+规划技巧+工具使用
来源：深度强化学习实验室 Lii’Log的博客https://lilianweng.github.io/posts/2023-06-23-agent/ 本文 约7500字 ，建议阅读15分钟 LLM的潜力不仅仅限于生成写得好的副本、故事、论文和程序；它可以被视为一个强大的通用问题解决器。 [ 前言 ]以LLM（大语言模型）作为核心控制器构建智能体是一个很酷的概念。AutoGPT、GPT-Engineer和BabyAGI等几个概念验证演示都是鼓舞人心的示例。LLM的潜力不仅仅限于生成写得好的副本、故事、论文和程序；它可以被视为一个强大的通用问题解决器。 智能体系统概述 在 LLM 支持的...

什么是LangChain? LangChain有什么用?

作者
什么是LangChain? LangChain有什么用?
从Auto-GPT说起 Auto-GPT可以调用本地电脑工具处理复杂信息; Auto-GPT可以围绕目标查阅资 料、“独立思考”、及时反馈、并 及时调整下一步操作… Auto-GPT的诞生，创造了大家 对“将LLM作为智慧大脑来高效 处理综合复杂任务”的想象; 首次尝试串联大语言模型的思维链，“chains together LLM “thoughts”，逐步 拆解任务并执行，从而使得整个应用程序更加靠近人类意图; 首次将大语言模型接入本地工具，通过工具集的拓展，进一步拓展了大语言模型的能力; 能够通过内置的提示模版修改人类提示语句，从而大幅简化提示难度; 拥有“记忆”，通过模型外的存储策略...

superglue排行榜和chatbot-arena-leaderboard有什么区别

作者
superglue排行榜和chatbot-arena-leaderboard有什么区别
主要差异如下: 对象不同: superglue排行榜是针对自然语言处理模型力量的一个排行榜,评价模型在各种任务上的综合能力。 chatbot-arena-leaderboard是针对对话型 chatbot 模型的一个排行榜,评价模型在人机对话类任务上的表现能力。 评价标准不同: superglue排行榜考察的任务包括句子对照匹配、问答理解能力等全面性任务。模型会获取一个总分来评价其综合力量。 chatbot-arena-leaderboard主要考察模型在人机对话过程中的智能性、流畅性以及会话能力,通过人工评分来反映模型的对话质量。 放置体系不同: su...

AIGC数据分析流程

作者
graph TD A[收集和准备数据]-->B[上传数据到AIGC平台] B-->C[请求AIGC进行数据探索] C-->D[执行探索性分析] D-->E[建模] E-->F[验证模型] F-->G[录用模型上线] G-->H[模型迭代和维护] 这里是利用AIGC进行数据分析的完整流程: 收集和准备数据 收集原始数据集合,处理缺失值和异常数据 确认数据探索的目标和问题 上传数据到AIGC平台 通过AIGC提供的API或界面上传数据 请求AIGC进行数据探索 绘制列分布图、热图进行视觉化分析 计算相关系数分析变量间关系 生成报告和可...

AGI的发展

作者
AGI的发展
AGI的发展 人工智能的发展经历了多个阶段，从最初的符号主义到深度学习，每个阶段都有其独特的贡献和限制。AGI（Artificial General Intelligence）是人工智能领域的一个理论概念，它旨在开发能够像人类一样具有智能水平的人工智能系统。 以下是AGI的发展历程： flowchart LR subgraph AGI_Evolution A[符号主义] B[连接主义] C[深度学习] D[AGI] end A --> B B --> C C --> D ...