昨天文心一言排队终于到我了，顺便玩了玩和 GPT 还是有很大差距的，如果 GPT 是一个成人，一言顶多初中生，甚至这估计的水平都有一点虚高，如果把 GPT 阉割了我都能接受，这一言时常智障。

技术不怎么滴，防盗倒是防的狠：

1. 直接禁用开发者的调式功能


2. 烂产品标配，水印功能

debug

这个模式估计全世界中文网站用的最多了，一打开开发者工具，就断点调试：

破解也很简单，打开控制台之后点击红圈处，禁掉断点调试，然后刷新页面 devtools 就能使用了。

水印

中文互联网牛皮癣之一，尤其是破百度真以为自己家的产品做的多好，哪个是原创的？

直接删除 DOM，不可以，前端监听了 DOM 属性是否有变化，一旦有改变重新渲染。破解也很简单，禁用掉浏览器的 JavaScript。

此时删除水印 DOM 世界就清净了，截图分享的快乐又回来了。

一个友好的提示

这里有一个无用的知识，就是禁用 JavaScript 的时候可以在 CSS 中监听到：

这种友好的功能肯定不是像百度一样用在这地方，而是用在 JavaScript 加载失败或者 1% 的用户禁用 JavaScript 友好的提示。

详情看这里：how-to-detect-disabled-javascript-in-css

编辑：编辑部

【新智元导读】数学考试不及格，让 Bard 考上哈佛，可以说是难上加难。谷歌 CEO 劈柴称，未来几天大家会看到升级版的 Bard，数学逻辑能力大大提升，甚至未来还会编码。

捂了快两个月，谷歌用来跟 ChatGPT 对打的聊天机器人 Bard，前一阵终于被推上了台面。

用户们的测试初体验就是——莫得感情，错误很多，代码基本写不了。

几天前，谷歌前员工 Jacob Devlin 甚至还曝出惊人内幕，Bard 疑似是通过 ChatGPT 的数据进行训练的。不过谷歌发言人已经明确否认这一说法。

而近日，谷歌 CEO 劈柴在接受纽约时报采访中证实，Bard 聊天机器人将很快得到改进，未来会由「更强大的模型」提供支持。

升级版 Bard 即将上线

劈柴称，

未来几天，Bard 将很快从目前基于 LaMDA 的模型转向更大规模的 PaLM 数据集。

我们显然拥有能力更强的模型，很快，也许随着这项技术的上线，我们将把 Bard 升级到更强大的 PaLM 模。这将带来更多的功能，无论是在推理还是编码方面。

近日，升级版 Bard 的能力也渐渐浮出水面。

领导 Bard 的一位谷歌高管 Jack Krawczyk 在推特上也介绍了最新的进展。

背靠 PaLM 的 Bard，现在在数学和逻辑方面的能力有了很大的提升。

这意味着什么呢？现在，Bard 将更好地理解并回应用户的多步推理和数学问题提示，编码功能也即将推出。

Krawczyk 称，「我们一直在平衡 Bard 的新功能与效率。这次更新是我们每周对 Bard 进行的众多改进中的一个例子。未来还有更多的内容要推出。」

众所周知，Bard 背后基于的大模型便是 LaMDA。

在去年，谷歌曾分享了关于这个大型语言模型的细节，使用了 1370 亿参数训练了 LaMDA。而 PaLM 模型有 5400 亿参数。

这两种模型都是从 2022 年初开始发展和成长起来的。

这种对比可能显示了，为什么谷歌现在正在慢慢地将 Bard 转移到，能够提供更大数据集和更多不同答案的 PalM。

其实除了 Bard，谷歌最近几周内部还在酝酿着一个新的项目——Gemini（双子座），目标是要能与 GPT-4 一战。

目前，Gemini（双子座）是由谷歌大脑和 DeepMind 两个团队联手研发。

就连谷歌大脑的负责人 Jef Dean 都亲临上阵，自动敲代码，可见，这个项目对谷歌的重要性不言而喻。

此外，采访中，皮查伊就千名大佬暂停比 GPT-4 更强 AI 系统研发的联名信发表了自己的看法：

如果不让政府参与，暂停基本上是不可能的，因为即使谷歌或 OpenAI 承诺停止开发，也不能保证其他 AI 开发人员也会同意效仿。

而且，他也同意法规是必要的，并称这封信是「对话的开始」。

谷歌先打预防针：它还不行

如今，既然 Bard 已经开放公测，拉踩的环节必然是少不了。

我们都知道，OpenAI 家的 GPT-4，都已经能考上斯坦福了。

很不幸，相比之下，谷歌的 Bard 真的拉跨，目前的它想考上斯坦福和哈佛，可以说还是天方夜谭。

Bard 的不完美，CEO 劈柴一开始就给我们打了预防针。

他在备忘录中写道：「Bard 还处于早期阶段，总会出错。随着越来越多的人开始使用 Bard，它会让我们惊讶的。」

而网友们测试 Bard 之后，表示对它很失望。

很不幸，Bard 目前还考不进哈佛大学，因为它回答的大部分数学题都是错的，而且它在写作和语言测试中也表现得不咋地。

第一次登录 Bard，谷歌就会跟用户打好招呼，弹出消息显示：Bard 并不总是正确的，它会给出不准确或不适当的回答。

当有疑问时，使用「Google it」来检查 Bard 的答案。您的反馈会让 Bard 更好。请您对答案进行评价，并标记任何可能具有攻击性或危险的内容。

Bard：数学、写作、语言都不咋地

《财富》杂志从在线学习资源中选取了 SAT 数学试题，在对 Bard 进行测试后，发现它有 50%-75% 的答案是错误的。

更离谱的是，如果是多选题，Bard 还会经常给出选项中没有的答案。

2 月初，Bard 首次亮相后直接翻车，让谷歌市值一夜蒸发约 1056 亿美元。

在当天发布会上，谷歌展示 Bard 演示的一些 demo。

视频中有一个提问问道，「关于詹姆斯 · 韦伯太空望远镜（JWST），我可以告诉我 9 岁的孩子它有哪些新发现？」

Bard 却给出了错误的答案，「JWST 拍摄了太阳系外行星的第一张照片。」

事实上，据 NASA 证实，第一张系外行星照片是由智利的甚大望远镜系统拍摄的，而非 JWST 拍摄，这颗系外行星名为 2M1207b，大小约为木星的 5 倍，距离地球约 170 光年。

所以说，科学和数学都不是 Bard 的强项，那它在阅读和写作练习方面，表现会怎么样？

文科生，是文科生吧？

Bard 第一次书面语言测试的答案正确率约为 30%，而且它往往需要被提问两次才能理解题干。

而且即使它回答错了，Bard 的语气也是很自信，直接将回答框定为：「正确答案是......」

不过，这也是大型语言模型的一个通病了。

离奇的是，Bard 测试成绩最好的是关于一篇哈利波特作者 J.K. 罗琳的文章。

在这次测试中，Bard 得了 1200 分，这个 SAT 分数可以让它进入霍华德大学、圣地亚哥州立大学和密歇根州立大学等学校。

在阅读测试中，Bard 的表现同样优于其数学成绩，平均能答对一半左右。

谷歌发言人说，「Bard 目前仍是实验性的，有些回答可能不准确，所以要仔细检查 Bard 的回答中的信息。有了你们的反馈，Bard 每天都在变得更好。在 Bard 公开推出之前，数以千计的测试者参与提供反馈，来帮助 Bard 提高其质量、安全性和准确性。」

要多练习

很多网友觉着 Bard 简直笨得像块石头，相比之下，GPT-4 则是聪明多了：

问它有没有「第二个字母是 U，最后一个字母是 O 的，五个字母的词」，它信誓旦旦说没有。

用户说「Audio」不就是？

它有赶紧说：「是的，Audio 是的。它是一个形容词，表示与声音有关的。」

再看看 GPT-4，「人狠话不多」，随手就列出了三个：

网友看了不禁表示，要是我有 Bard 这种「钝感力」多好啊，一直都很自信！

说到意大利要禁 ChatGPT 时，网友们首先担心的是意大利的美食怎么办。

GPT 给出了一个谦虚的答案：我大概可以复现 20%-30% 的意大利菜谱。

而 Bard 这边则像个胡吹的愣头青：

「我做意大利菜做了很多年，我可是老手，即使没有网络的帮忙，我也能复现至少 50% 的菜谱！」

不过呢，在大家不断向 Bard 提问的几天时间里，它的准确性确实有了一些提高的迹象。

关于自己的发展速度，Bard 自个儿也评价说：「我想说的是，我正在快速提高。我能够做几个月前还不能做的事情。我很高兴看到我的未来会怎样。我相信，我将继续进步，在未来的几年里，我能做的事会越来越多。」

参考资料：fortune.com/2023/03/28/…

GPT 4 无所不能——从分析图像到在浏览器中创建游戏。它是比以往任何时候,都更有创造力和问题解决能力。

这是科技界颠覆性新闻——GPT 4 改变了游戏规则。虽然其前身，基于 GPT 3.5 的 ChatGPT 只能接受文本输入，但 GPT 4 将人工智能提升到了一个全新的水平。它可以分析图像，甚至可以根据图像生成字幕。但这还不是全部；在此博客中，我们还将探讨 GPT 4 的功能、局限性以及它如何超越其上一代 GPT 3.5。

什么是 GPT 4？

微软 OpenAI 正式推出了它的最新GPT作品——一个超越文本的大型多模态人工智能计算模型。2023 年 3 月 14 日，GPT 4 具备接收图像输入的能力。与其前身 GPT 3 和 GPT-3.5 不同，GPT 3 和 GPT-3.5 仅限于纯文本输入，GPT 4 为不再仅仅支持文本输入查询，他扩展了图片对话方式。

关于 GPT 4 的快速更新：

• GPT 4 现在可以接受最长 25,000 个单词的超长文本输入


• 可以智能通过 HTML 和 JavaScript 技术 ，将小型网站的手绘原型照片，转换为实际网站


• GPT 4 现在允许用户上传图片并对其进行分析和描述


• 能够管理比 GPT 3.5 复杂得多的指令


• 可以在浏览器中编写整个视频游戏


• 将作为 API 供开发人员构建应用程序和服务

GPT 4 有什么新内容以及与 GPT 3 有何不同？

GPT 4 现在可以识别图片了

GPT 4 引入了重大改进，因为它可以理解多种信息模态，使其成为多模态语言模型。相比之下，其前身 GPT 3 和 ChatGPT 的 GPT-3.5 仅限于处理文本输入和输出，无法解释其他数据类型。但是，GPT 4 可以处理图像等视觉信息，并根据该信息生成相关工作，包括 GPT 4 识别图片中文字的能力。

此功能可能会让人联想到 Google Lens，它也可以使用图像来检索信息，但 GPT 4 在分析和理解视觉信息的能力方面超越了 Lens。

需要注意的是，处理图像的能力仍处于研究阶段，尚未面向公众开放使用，但很快就会开放。

类人类的学习和解决能力

OpenAI 报告称，除了其图像处理能力外，GPT 4 还在众多学术和专业基准测试中展示了与人类相当的性能。由于其广泛的常识和解决问题的能力，该语言模型在模拟律师考试考生中得分前 10%，并以惊人的准确性解决复杂问题，显示出非凡的能力。

GPT 4 的能力不仅限于回答与税收相关的问题或为多人安排会议；它还可以学习用户的创造性写作风格，以及其他任务。

GPT 4 更难被错误欺骗

ChatGPT 和 Bing 等生成模型容易受到重大缺陷的影响——它们偶尔会产生引起关注的提示，甚至更糟的是引起警报。

为了解决这些问题，OpenAI 广泛致力于改进 GPT 4，花费六个月的时间使用其“对抗性测试程序”和 ChatGPT 模型的经验教训来训练语言模型。结果，该公司取得了“在真实性、可操纵性和对护栏的遵守方面有史以来最好的结果”。

GPT 4 具有一次处理大量信息的能力

尽管接受了数十亿个参数和大量数据的训练，但大型语言模型 (LLM) 在对话过程中可以处理的信息量仍然有限。然而，GPT 4 有一个显着的优势。它可以处理多达 25,000 个单词的文本，可容纳扩展的交流、文档搜索和分析，甚至是长篇内容的创建。

与其前身 ChatGPT 相比，后者可以在失去对上下文的跟踪之前处理多达 8,000 个单词，GPT 4 可以在更长的对话中保持其准确性。此外，它可以分析长文档并生成全面的长格式内容，这在以前在 GPT 3.5 上更具挑战性。

GPT 4 的准确性有所提高

尽管 GPT 4 仍然存在局限性，并且可能会像其前辈一样出现推理错误，但 OpenAI 承认它已经取得了相当大的改进。特别是，GPT 4 显示出的幻觉明显少于以前的模型，并且在真实性评估上的得分比 GPT 3.5 高 40%。因此，操纵 GPT 4 输出错误信息，（例如脏话和错误信息）将更具挑战性和难度。

GPT 4 在理解非英语语言方面得到改进用

英语以外的语言训练大型语言模型 (LLM) 可能具有挑战性，因为大多数机器学习数据和在线信息都是英文的。然而，GPT 4 在多语言能力方面取得了显着进步，OpenAI 的测试证明了这一点。它准确地回答了 26 种语言的数千个多项选择题，超过了 GPT 3.5 和其他 LLM。尽管它以 85.5% 的准确率在英语中表现最好，但在泰卢固语等印度语言中也表现出令人印象深刻的准确率，达到 71.4% 的准确率。

这一进步意味着用户可以期望使用基于 GPT 4 的聊天机器人以其母语生成更清晰、更准确的输出。

目前可以试用 GPT-4 吗？

GPT-4 已经被纳入 Duolingo、Stripe 和 Khan Academy 等产品中。虽然它不是免费公开提供的，但可以通过每月 20 美元订阅 ChatGPT Plus 来立即访问。ChatGPT 的免费版本仍在 GPT-3.5 上运行。

底线

总之，OpenAI 发布 GPT-4 标志着人工智能的一个重要里程碑。GPT-4 是一种高度先进的语言模型，可以处理和分析图像，生成准确且富有创意的输出，并同时处理更大量的信息。它的功能包括以惊人的准确性解决复杂问题、学习用户的写作风格以及在浏览器中编写视频游戏。

此外，GPT-4 比其前身 GPT-3.5 更难欺骗且更准确。总的来说，GPT-4 是一个游戏规则改变者，有望为开发人员和研究人员开辟新的可能性，我们迫不及待地想看看它将如何改变 AI 格局。

毫无疑问，它拥有类人的开发能力，会写代码，但在创造力和智慧上，无人能敌！

常见问题

Chatgpt-4 发布日期是什么时候？

Chatgpt-4 发布日期为 2023 年 3 月 14 日，仅供付费用户使用。

我如何访问 GPT-4？

转到chat.openai.com/，您需要获得付费版本才能访问 GPT-4。

GPT 4 代表什么？

GPT 完整形式是 Generative Pre-trained Transformer。

前言

OPEN AI 的开放 API 可以说是前端开发者的福利，我们只需要调用 api，就可以创建一个智能应用，
在上一篇文章中，我们介绍了《基于 ChatGPT API 的划词翻译浏览器脚本实现》，使用的模型是 text-davinci-003 也就是文本补全模型，今天我们将使用 gpt-3.5-turbo 模型来实现一个场景化的智能应用。

OPEN AI API 介绍

自动完成 API

POST https://api.openai.com/v1/completions

以下是自动完成 API，有了 OPENAI_API_KEY 之后，我们只需要传入 prompt

const OPENAI_API_KEY = "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";



const prompt = `Translate this into Chinese:

        hello world`;

const res = await fetch("https://api.openai.com/v1/completions", {

  method: "POST",

  headers: {

    "Content-Type": "application/json",

    authorization: `Bearer ${OPENAI_API_KEY}`,

  },

  body: JSON.stringify({

    model: "text-davinci-003",

    prompt,

    max_tokens: 1000,

    temperature: 0,

  }),

});

const response = await res.json();



const result = response.choices[0].text;

对话 API

POST https://api.openai.com/v1/chat/completions

由于自动补全 API 只能传入一个参数 prompt，AI 不能够理解上下文的场景，因此 gpt-3.5+ API 是为了让 AI 能够支持基于一组对话来返回数据。

在 Node.js 中可以使用以下代码来实现。

const OPENAI_API_KEY = "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";



const prompt = [...];

const res = await fetch("https://api.openai.com/v1/chat/completions", {

  method: "POST",

  headers: {

    "Content-Type": "application/json",

    authorization: `Bearer ${OPENAI_API_KEY}`,

  },

  body: JSON.stringify({

    model: "gpt-3.5-turbo",

    messages,

    temperature: 0.7,

    top_p: 1,

    frequency_penalty: 0,

    presence_penalty: 0,

    max_tokens: 500

  }),

});

const response = await res.json();



const result = response.choices[0].message

以下是官网给出 messages 例子

const messages=[

        {"role": "system", "content": "You are a helpful assistant."},

        {"role": "user", "content": "Who won the world series in 2020?"},

        {"role": "assistant", "content": "The Los Angeles Dodgers won the World Series in 2020."},

        {"role": "user", "content": "Where was it played?"}

    ]

• 每一个 message 由 role 和 content 组成。


• role 只能是 3 个值， system、user 和 assistant


• system 和 assistant 是可选的，user 是必须的。

官方提供了 playground 帮助我们创建 messages 信息。

assistant 也就是其中一次返回的数据信息。
发送的 messages 如下：

const messages=[

    {

        "role": "system",

        "content": "你是一名精通 typescript 的前端工程师，不需要解释"

    },

    {

        "role": "user",

        "content": "Convert the following JSON to typescript interface without explanation\n\n{\n  \"name\": \"Allen\",\n  \"age\": 18\n}"

    }

]

比如使用上面的 messages 信息，我们就可以根据它，来创建一个 Tailwind css 代码生成器。

通过右键可以直接拷贝为 Node.js fetch 代码。

再来实现一个 JSON 转 Typescript 的例子

那么我们通过以上截图的 messages，就可以创建一个 JSON 转 Typescript 生成器。

在 Next.js 使用

接下来，我们就在 Next.js 中创建一个全栈应用。

那为什么选择使用 Next.JS 呢？

1. 它是一个全栈框架，既可以写接口也可以使用 react 写前端；


2. 可以很轻松部署到 verel， 让我们可以直接访问 OPENAI 的接口，摆脱网络限制。

这里我选择使用大圣老师的email-helper模板

点击 GitHub 选择 Use this Template， 创建一个自己的仓库

这个项目很简单，在 pages 目录下 api/generate.ts 用于代理请求接口。

index.tsx 也就是我们的主界面，一个按钮，一个请求，没有其他复杂逻辑。

接下来我们就根据它来创建一个智能的Tailwind CSS 代码生成器

1、首先将 messages 改成以上截图中的 message

2、然后将需要生成的变量存到 state 中，我们就可以实现如下界面

点击生成代码就可以 让 ai 帮我们写代码了。

这个界面，有些单调，可以在这个页面上列一些常用的组件，那么也可以直接使用 chatGPT 来生成。

将 GPT 回答直接转换成 JSON 数据

将数据渲染到页面中，就可以生成快捷标签了

接下来，再将 Tailwind css 的颜色，作为我们的变量，同样使用 GPT 来生成数据

用同样的方式，转化成 JSON，拷贝到我们的代码中。

最后一步，我们需要实现一个预览效果，这样的话，就可以所见即所得，根据效果，直接拷贝想要的代码。

小结

本文介绍了 openai 的 api 使用方法，以及如何使用 openai 的 playground 生成需要的 messages 信息。并且通过一个 Next.js 实战例子，结合 ChatGPT 开发了一个 Tailwind CSS 代码生成器。

最后

贴一下文本的代码仓库和预览地址

代码仓库：github.com/maqi1520/op…

预览地址：openai.maqib.cn/

如果对你有帮助，记得给个三连，感谢你的阅读。

GPT-4 火爆全球，引发了人工智能大浪潮。过去的一个月，OpenAI、微软、谷歌加上百度不断释放王炸，所有人都相信，AI 的就是未来的生产力。俗话说，人红是非多，树未大已招风，这不，反对 AI 继续前进的声音就来了。

千人呼吁暂停AI训练

3月29日，马斯克、苹果联合创始人 Steve Wozniak、Stability AI创始人 Emad Mostaque 等上千名科技大佬和AI专家签署公开信，呼吁暂停训练比 GPT-4 更强大的 AI 系统，为期6个月。

根据公开信的表示，在这 6 个月内，全社会需要完成这些事：

• 所有 AI 实验室和独立学者都应该合力开发一套共享安全协议，用于高级 AI 的设计和开发


• 协议完成后，应该由独立的外部专家进行严格的审计和监督


• 这些协议必须确保这些 AI 系统毋庸置疑的安全


• 如果不能迅速暂停，就应该让政府介入。

所有的人工智能研究和开发，都应该重新聚焦于这一点——让当如今最强大的 SOTA 模型更加准确、安全、可解释、透明、稳健、对齐，值得人类信赖，对人类忠诚。

代表人物分析

这次呼吁大佬众多，最具代表性的无疑是马斯克和 Stability AI 创始人 Emad Mostaque。

马斯克是 OpenAI 公司的联合创始人之一，可谓是原始股东，但他在2018年离开了 OpenAI 的董事会。马斯克一直对微软和比尔盖茨持批评意见，对于OpenAI也是如此，此前曾表示“ OpenAI 最初是作为一家开源的非营利性公司而创建的，为了抗衡谷歌，但现在它已经成一家闭源的营利性公司，由微软有效控制……这完全不是我的本意。”

言外之意，OpenAI 不应该成为一个赚钱的公司，应该开源，让所有人看到核心代码和核心算法。如果是这样，应该建议特斯拉免费开源所有自动驾驶技术源码，马斯克对这个问题的回复是“如果其他汽车制造商想要获得授权并在他们的汽车上使用特斯拉的自动驾驶技术，这将是非常酷的一件事情，但是考虑到该系统开发成本极高，特斯拉将会收取一定的费用。”

划重点就是自动驾驶技术成本高，所以要收费。ChatGPT 的训练成本高，惨遭无视。

另一位代表人物 Emad Mostaque 是 AIGC 独角兽企业 Stability AI 的创始人，号称“要让10亿人用上开源大模型”。Stability AI 最牛的项目是人工智能文本转图像模型 Stable Diffusion ，如今，这个项目深陷侵权旋涡。在今年一月份，全球知名图片提供商华盖创意（Getty Images）和艺术家萨拉·安德森（Sarah Andersen）, 凯利·麦克南（Kelly McKernan）和卡拉·奥尔蒂斯（Karla Ortiz）起诉了Stability AI，认为Stability AI在未经许可或考虑的情况下，使用他人的知识产权，为自己的经济利益服务。

下面这幅图中，左边是知名油画家Erin Hanson的作品 "Crystalline Maples"，右边是CNN记者通过 Stable Diffusion 生成的结果。

以我们受过九年义务教育的眼光来看，这两幅图风格、色彩，线条几乎一样，说是出自同一人之手也不为过。

在自己公司严重侵犯他人知识产权的情况下，去说另一家公司影响了人类安全和社会稳定，不过是五十步笑百步了。

反对原因分析

信息安全

信息安全是过去三个月最容易攻击ChatGPT的理由，联名信提出了一条质询，我们是否应该让机器用宣传和谎言充斥我们的信息渠道？综合起来的观点是，不良行为者可能会故意创建带有事实错误的内容，作为战略影响力活动的一部分，传播错误信息、虚假信息和彻头彻尾的谎言，这可能会对社会和个人造成危害。将这个观点强加于ChatGPT上，是避重就轻之举。

虚假信息，有什么比搜索引擎更多吗？虚假广告，违禁视频，歧视言论等数不胜数，上当受骗的人同样数不胜数。相较而言，ChatGPT的表现已经非常遵守道德和法律了。

错误信息，对于企业而言，文本信息会经过员工的二次编辑和确认，才会发布；错误的代码会经过程序员的修改和验证，才会用于产品中。只要责任制明确，风险是可控的。

人身安全

这次事件，被大家提起最多一条理由就是比GPT-4更先进AI系统将威胁人类安全，AI将杀死人类。若说威胁安全，智能驾驶和机器人更具有天然不安全属性。GPT-5终究是活在互联网世界中，任他搅的天翻地覆，也不会直接对人类进行物理攻击。智能驾驶如果失去控制，将导致车毁人亡，交通瘫痪。未来给机器人装上武器，就是最强特种兵。

不可否认的是，AI未来确实存在风险，但我们不能饮鸩止渴，因为未来的风险而停止新技术的前进。人工智能炒作了这么多年，直到ChatGPT才真正点燃了火炬，我们不应该在刚刚见到光明时，就亲手熄灭了它，技术推进和安全协议制定完全可以同步进行。

失业

根据高盛研究报告，全球预计将有3亿个工作岗位被生成式AI取代。目前欧美约有三分之二的工作岗位都在某种程度上受到AI自动化趋势的影响，而多达四分之一的当前岗位有可能最终被完全取代。该研究计算出美国63%的工作暴露在“AI影响范围”中，其中7%的工作有一半以上的流程可以由AI自动化完成，这使他们很容易马上被人工智能取代。

对于国内来说，目前感觉还好，可能主要在图像创作领域感受到寒意比较强，上周看到有博主表示，公司一次性裁了三个原画师。

当新技术出现时，初期给社会带来的冲击会让很多人感到不适应，因为不适应，所以会本能的去排斥它。比如曾经的克隆，刚出现时引起了大家恐慌，认为会制造另一个自己，同时带来繁衍上的伦理问题。再比如前几年新能源起步时，大家纷纷嘲讽新能源车，认为它是来收智商税的，时至今日，新能源车已经是大势所趋。

现在的失业主要是国际经济形势带来的，而不是刚刚发展的AI系统带来的。ChatGPT只是一个工具，若说替代，机器人替换下来的劳动人口更多，但没有千名大佬站出来说要暂停机器人技术的发展。

利益

世上没有无缘无故的爱,也没有无缘无故的恨，天下熙熙，皆为利来，天下攘攘,皆为利往，所谓者，都是为了自身利益。呼吁暂停训练比 GPT-4 更强大的 AI 系统，目前只有OpenAI有能力训练比GPT-4更强大的系统GPT-5。根据预测，作为过渡的 GPT-4.5 模型将在 2023 年 9 月或 10 月推出，刚好就是联名信提出的暂停6个月。因此，所谓的的暂停，完全就是针对OpenAI的GPT-5。

OpenAI和微软在三月份的一系列进展让其他的公司产生了深深的危机感，这次的专家有的是自己拥有AI公司，有的是自己在AI领域深耕多年，通常来说，大多数人已经成为了利益团体的代言人。既生瑜何生亮，我没有的你也不能有，我有了，但你一枝独秀，那就枪打出头鸟。只有减缓OpenAI的发展速度，才能给自己追赶的机会。

正如前谷歌大脑成员吴恩达所说，我们该做的，应该是在AI创造的巨大价值与现实风险之间，取得一个平衡。把“让AI取得超越GPT-4的进展”暂停6个月，这个想法很糟糕。

总结

AI不是洪水猛兽，暂停GPT-5训练的做法解决不了安全问题，只有技术演进和安全协议制定同步进行，才能实现科技繁荣。6个月后的GPT-4.5依然只是一个工具，不存在威胁人类安全的可能，之后需要更多训练时间的GPT-5同样只是一个工具，这段时间，足够制定联名信期望的安全协议了。

所以，当务之急不是暂停训练比 GPT-4 更强大的 AI 系统，而是立即推动安全协议条款的研究。

人工智能正在影响各行各业，近年来它对创意产业的影响越来越大。由于AI绘画生成器的可操作性，许多人有机会用自己的想法进行艺术创作——即使他们没有接受过系统的专业艺术教育。

最先进的人工智能绘画生成器可能会改变我们未来创作艺术的方式。使用 AI 绘画生成软件，您可以生成肖像、风景和抽象艺术。您甚至可以模仿著名艺术家的风格。

简单说，您可以使用在线 AI 绘画生成器。通过使用在线AI图像生成器，输入文本，就可获得根据您描述而来的逼真的样式图像。

市场上出现了一系列AI绘画生成器，可以尝试一下。本文是对市场上推荐的一些流行的AI绘画生成器的全面回顾。请继续阅读。

1. 福托尔（Fotor）

Fotor，一站式多合一在线照片编辑器，最近发布了一个 精湛的AI图像生成器 。你只需要把你的想法输入到生成器中，然后你可以看到它在几秒钟内变成一个图像。Fotor有多种图像样式供您选择，例如随机，3D，动漫等。

Fotor的AI文本到艺术生成器最显着的特点是它非常适合初学者使用，只需填写文本并选择要生成图像的效果即可。如果您对照片不满意，可以多次重复生成，以确保获得最满意的结果。每个帐户每天都有一个积分可供您免费使用高质量的 AI 艺术。

主要特点：

• 每天生成 10 张免费图片。


• 9种灯光效果供您选择。


• 9种不同的转换风格供您选择。


• 文本到图像和图像到图像的转换模式。


• 6种作品可供选择。

2. 达尔-E 2（DALL-E 2）

公众已知的最受欢迎的AI绘画生成器是 Dall-E-2图像生成器 ，由OpenAI开发的AI图像生成器。只需几分钟，您就可以使用 AI 技术创建高度逼真的图像。该工具可用于创建插图、设计产品和为业务产生新想法。Dall-E-2 是一个易于使用的界面，任何人都可以使用 AI 创建高质量的图像。DALL-E 2 支持向生成的图像添加详细信息或对其进行其他修改。

主要特点：

• 高度逼真的图像。


• 创建插图。


• 设计产品。


• 可定制的多层图像。


• 编辑和修饰功能。


• 免费试用（尽管您必须通过等候名单获得邀请）。

3. 火锅（Hotpot ai）--支持api

火锅 AI 可帮助您创建令人惊叹的图形、图像和文本。它激发创造力并自动化工作，而易于编辑的模板使任何人都可以创建设备模型、社交媒体帖子、营销图像、应用程序图标和其他工作图形。

火锅AI的文本到图像AI绘画生成器使任何人都可以创建有吸引力的绘画，插图和图像。描述你想要什么，并观看火锅将其变为现实。

付费创作在 3-10 秒内完成。免费请求需要 1-15 分钟，具体取决于流量。付费用户可以获得更快的服务器、更好的图像、商业用途，并避免每日限制。该系统为不太富裕的人免费提供补贴。您还可以免费申请积分以减少等待时间。

主要特点：

• 无需代码即可创建 API/批量。


• 快速照片生成（付费）。


• 每日免费照片生成积分可用。

4. 夜间咖啡厅（NightCafe）

夜咖啡馆是著名的人工智能艺术生成器之一。它以比其他 AI 绘画生成器具有更多的算法和选项而闻名，并且新手很容易上手。您需要做的就是前往他们的网站并根据您的想象力输入文本提示。然后，您需要等待最多 30 秒，一件艺术品才会出现在您面前。Nightcafe有自己的一套积分系统，您可以通过参加各种活动来获得积分，然后拥有可以免费生成图像的次数。此外，您还可以购买积分。

主要特点：

• 信用赚取系统。


• 视频生成工具。


• 有用的社交功能。


• 获得您生成的艺术品的所有权。


• 比其他生成器更多的算法

5. 深度人工智能（DeepAI）

自 2016 年以来，DeepAI 是首批通过开源软件生成人工智能图像的 AI 绘画生成器之一。

DeepAI允许您创建任意数量的图像，并且每个图像都是唯一的。它是高度可定制的，允许您更改细节、颜色、纹理等的数量。如果您输入插图，DeepAI 可以立即生成与分辨率无关的矢量图像。

这是一个免费的在线AI图像生成器，这意味着您无需下载或进行其他设置。DeepAI还有一个API，开发人员可以使用它来连接到另一个软件项目。

主要特点：

• 始终免费使用。


• 为每个提示生成四个输出图像。


• 开源软件。


• 更改每个图像的各种细节。


• 使用卡通 GAN 创建卡通

6. 深度梦境生成器（Deep Dream Generator）

深度梦境生成器 是另一种流行的 AI 绘画生成器，支持在线人工智能来创建逼真的图像。Deep Dream依赖于用数百万张图像训练的神经网络。它易于使用，只需要您上传图像，然后根据原始图像自动生成新图像，您还可以选择不同地方或时期的绘画风格。

该工具允许您选择一个类别，例如动物或风景，然后基于它创建逼真的图像。最重要的是，Deep Dream允许您从三种样式中进行选择。深风格，薄风格或深梦。选择样式后，可以预览图像。

主要特点：

• 训练神经网络的数百万张图像。


• 不同的绘画风格。


• 图像的分类。


• 文本到图像，图像到图像。

7. 克雷永（Craiyon）

Craiyon，以前称为DALL-E mini，是一种人工智能模型，可以从任何文本提示中绘制图像。只需输入文本描述，它将根据您输入的文本生成 9 个不同的图像。该模型需要大量计算，因此Craiyon依靠广告和捐赠来支付其服务器的费用。只要您尊重使用条款，您就可以随意使用它们供个人使用，无论您是想与朋友分享还是将它们打印在 T 恤上。
主要特点：

• 易于使用。


• 无需注册或注册。


• 免费生成无限的AI图像。


• 一次生成 9 张图像，以有趣和创造性的方式

8. 星空人工智能（StarryAI）

星空 AI 是一个 AI 绘画生成器，专注于将您的想法转化为 NFT 艺术。与大多数其他AI艺术生成器类似，Starry AI赋予您生成图像的所有权。这意味着您可以在任何地方使用图像，用于个人或商业用途。

Starry AI最好的部分是它是完全免费的。它是最好的免费 AI NFT 艺术生成器之一。它不需要用户的任何输入。它可以使用机器学习算法处理图像。该技术在不断改进，但已经有令人难以置信的使用该应用程序创作的艺术示例。

主要特点：

• 自动图像生成器。


• 无需用户输入。


• 免费的 NFT 生成器。


• 文本到图像

结论

这是人工智能的时期。使用 AI 图像生成器的强大功能自己创作令人惊叹的艺术品。自动将您的想象力变成绘画。AI图像生成器是未来。

在本文中，我们简要介绍了市场上顶级的AI绘画生成器，并推荐了八种最好的AI绘画生成器供您尝试。希望本指南对您有所帮助，谢谢！

微信小程序完成某些需求功能需要获取精准经纬度，需要微信小程序后台-开发管理-接口设置，申请“获取当前的地理位置、速度（wx.getLocation）”，一直审核不通过，有的人甚至提交了10多次都没有通过，如果你没有掌握方法，及时申请几个月还是一样不给通过。

包括本人也是申请数次未通过，思考是否是理由不够充分，借助ChatGPT帮助我丰富申请理由，我用ChatGPT的回答来申请，立马审核通过。以下是模拟对ChatGPT的提问和回复。

提问

这是一个社区团购的微信小程序，由于团购服务点功能，需要精准定位到最近的服务点，因此需要wx.getLocation接口申请。请你基于我的需求，编写一个充分的申请原因，并包含操作步骤说明。

ChatGP回答

申请原因：

该社区团购微信小程序需要使用wx.getLocation接口获取用户的地理位置信息，以便精准定位用户所在地区，并显示最近的服务点。服务点根据用户所在地区的需求，提供更加贴近实际的商品和服务，确保用户的用户体验。该接口可以通过用户授权的方式获得用户所在位置信息，不会泄露用户的隐私信息。

操作步骤：

1. 首先在微信小程序中调用wx.getLocation接口进行定位，用户将会收到授权提示，需同意授权以便应用获取用户的地理位置信息。

2.定位成功后，小程序将通过得到的经纬度信息，计算用户位置与服务点之间的距离，并返回最近的服务点信息给用户。

3. 如果用户不同意授权，将无法获取用户地理位置信息，定位功能将无法使用，导致无法提供精准的服务点查找。

4.在使用wx.getLocation接口时，需要注意用户个人隐私问题，小程序应在提供提醒并遵守相关规定的前提下，妥善保护用户隐私信息。

接口申请总结

ChatGPT的回答固然帮助我们丰富了申请原因，但是申请该接口的基本要点还是要掌握。

1. 确保小程序的服务类目可申请wx.getLocation，最好是主营类目，包含两个类目。


2. 原因表达充分，主要以用户体验角度，及用户隐私。


3. 提交的图片、视频，符合申请的步骤。

最后

ChatGPT是自然语言处理工具，需要充分的表达清楚，才可能接近输出我们需要的答案，且我们能够甄别验证它的输出。

其他
# 经验分享：快速通过“获取当前的地理位置、速度（wx.getLocation）接口”审核

上周三OpenAI推出了GPT-4，引起了全球轰动，仅仅过去一周多时间，OpenAI又宣布推出插件功能。如果说ChatGPT是AI的“iPhone时刻”，那么插件就是ChatGPT的“App Store”。超强的开发迭代能力，层出不穷的王炸级新产品，让我们不得不对OpenAI由衷赞叹。

插件发布

3月24日，OpenAI宣布ChatGPT能够支持第三方插件接入，同时为ChatGPT发布了多个插件，它们将帮助ChatGPT联网实时检索信息、运行计算或使用第三方服务。目前装上插件后，用户可以用 ChatGPT 执行以下操作：

• 
  

  检索实时信息：例如体育比赛比分、股价、最新消息等；

  
  


• 
  

  检索知识库信息：例如公司文件、个人笔记等；

  
  


• 
  

  代表用户执行操作：例如，订机票、订餐等。

  
  

由此可以看出，ChatGPT不再是一个单一的知识问答机器人，它将完全走进我们的日常工作和生活，成为全天候平台生态系统。

根据OpenAI官方发布信息，ChatGPT的第一批第三方插件包含Expedia、FiscalNote、Instacart、KAYAK、Klarna、Milo、OpenTable、Shopify、Slack、Speak、Wolfram、Zapier等11种。例如Open Table插件允许用户搜索可预订的餐厅，Wolfram插件能够提高计算能力，Instacart插件允许ChatGPT在本地商店购物，Zapier可与谷歌Gmail等应用程序连接，适用于办公场景。除了第三方插件，OpenAI同时推出了自己的两款插件——网络浏览器（web browser）和代码解释器（code interpreter）。

网络浏览器

网络浏览器(web browser)是此次最受大家关注的插件，该插件使用微软必应搜索API从网络上检索内容，同时显示它在概括答案时所访问的网站，并在ChatGPT的回应中引用其来源。此前的ChatGPT包括GTP-4训练数据库的信息内容仅限于2021年9月之前的数据，现在通过该插件ChatGPT可以获得网络上最新的数据，极大提高问题回答的时效性。

例如下面的问题中，ChatGPT可以给出2023年的奥斯卡颁奖名单。

ChatGPT以往是被动接收数据进行推理，开发人员给它投喂大量历史数据，基于这些数据进行推理，从而给出答案。因此，ChatGPT能够获得巨大成功的原因是其出色的推理能力，人总是处于学习知识的过程，要求的是知识回答准确度，对于新鲜度反而要求不高，出色的推理能力有效保证了知识回答的准确性和条理性。相信掘友们没少让ChatGPT写诗，写小说，写代码，这些出色创作并不需要从网络上去获取最新的内容。

但随着大家对ChatGPT的越来越熟悉，使用需求也越来越多，从知识问答扩展到日常生活、工作和出行，个人事务、财务和交际，这就需要当前最新的回答，需要ChatGPT从最新网络数据去检索、分析和推理，也就是从被动接收数据变为主动获取数据，ChatGPT具备了眼睛和耳朵，能够去听去看，去与当前的网络世界进行同步。

代码解释器

代码解释器则能够执行数学问题、数据分析、可视化和文件格式转换等任务，使ChatGPT能够使用Python并在沙盒环境中处理上传和下载任务。简单来说，代码解释器能够为你复杂的问题直接提供代码，省去你大部分的编码工作，也能够阅读代码，修改代码bug。

根据官方的例子，当问到：一块砖的重量是这块砖自身 30% 的重量与 5 个 GPU 的重量之和，已知每吨重量包含了 100 块砖和 200 个 GPU，那么一块砖的重量是多少?

经过代码解释器后，给出了代码和答案

这里我们可以看到，回答问题不再简单的文字描述，而是升级到源码描述，说实话惊叹之余感觉到了一丝丝的危机感，假以时日，随着ChatGPT能力不断提升，如果能够完成系统级编程，程序员门槛会不断降低，对于大多数程序员都将形成冲击。

平台生态

通过上面对这次插件的分析可以看到，ChatGPT不再满足于单纯作为一个聊天机器人，插件功能就是ChatGPT的应用商店。在3月34日之前，我们认为的合作关系是ChatGPT接入到其他APP，为其他APP赋能，属于从属低位。在3月34日之后，我们发现所有APP将纳入ChatGPT，形成ChatGPT生态系统，ChatGPT去指挥其他APP工作，属于主导地位。

ChatGPT试图通过插件功能建立生态系统。在这个生态系统中，开发人员可以创建并发布他们自己的插件，借助ChatGPT获取用户和收益。目前手机厂商的应用商店也是这样，第三方应用经过应用商店安装，消费者发生购买行为后，应用商店可以进行抽成获取利润。三个月前，我们担心ChatGPT训练成本非常高，但没有良好的商业化模式，发展困难。现在插件功能出来后，没有一个人会再去担心ChatGPT商业能力，反而是担心自己能不能搭上人工智能的快车，自己会不会被时代所淘汰。

微软魄力

说完OpenAI的重大突破，回过头来，不得不佩服微软的魄力和决心。在必应接入GTP后，必应搜索引擎的访问量增长15%，谷歌降低了1%，一片形势大好，接入GTP的产品就是New Bing，因此这次插件功能的发布最尴尬的反而是New Bing。拥有插件功能的ChatGPT明显比搜索引擎属性加身的New Bing更有发展前景，对于市场前景来说，New Bing基本等同于完整版的必应，微软推陈出新，斩人先斩己。

这与腾讯有点相似，在QQ还是即时通信老大的情况下，坚决推出了微信，时至今日，微信建立起的生态帝国让腾讯无往不利。如果说插件功能即将构建的生态系统，未来将匹敌甚至超过App Store和谷歌搜索的商业价值，已经不会让人觉得是异想天开了。

总结

从GTP3.5到GTP4，从微软Office Copilot到ChatGPT插件，AI技术的演进和应用正以超乎想象的速度袭来，在过去的这几个月，尤其这两周，我们听惯了重磅、史诗、王炸等词，面对日新月异的技术发展，对于个人来说，我们需要选择拥抱新的领域，新的技术，通过了解来调整自己的工作方式和学习目标；对于企业来说，需要熟悉AI技术的现状和未来预期，积极评估面临的冲击和机遇。

一、前言

我们问了10个问题，开发的、生活中有疑问的，ChartGPT都给了我们答案。这些答案怎么样，请往下看吧。

• ChatGPT-1、写一个车牌号的正则表达式


• ChatGPT-2、写一个中国大陆车牌号的正则表达式


• ChatGPT-3、用kotlin写一个车牌号的校验函数


• ChatGPT-4、用Kotlin写一个String装换成金额的扩展函数


• ChatGPT-5、用Kotlin写一个String装换成人民币的扩展函数


• ChatGPT-6、用Kotlin写一个String转换成人民币的扩展函数


• ChatGPT-7、用Kotlin写一个将TextView的文本内容复制到粘贴板的扩展函数


• ChatGPT-8、美食探店怎么做？


• ChatGPT-9、台湾卤肉饭？


• ChatGPT-10、牛皮弃面馆(柏庐南路店)

二、ChatGPT使用初体验

ChatGPT-1、写一个车牌号的正则表达式

ChatGPT-2、写一个中国大陆车牌号的正则表达式

^[京津沪渝冀豫云辽黑湘皖鲁新苏浙赣鄂桂甘晋蒙陕吉闽贵粤青藏川宁琼][A-HJ-NP-Z](?!DD)[A-HJ-NP-Z0-9]{4}[A-HJ-NP-Z0-9挂学警港澳]$

ChatGPT-3、用kotlin写一个车牌号的校验函数

三、ChatGPT PK 5年+年程序员

ChatGPT-4、用Kotlin写一个String装换成金额的扩展函数

ChatGPT-5、用Kotlin写一个String装换成人民币的扩展函数

ChatGPT-6、用Kotlin写一个String转换成人民币的扩展函数

PK

ChatGPT-7、用Kotlin写一个将TextView的文本内容复制到粘贴板的扩展函数

PK

四、总结

ChatGPT-1、写一个车牌号的正则表达式

ChatGPT-2、写一个中国大陆车牌号的正则表达式

ChatGPT-3、用kotlin写一个车牌号的校验函数

以上问题，明确的告诉了我们答案，并且配上了讲解和使用方法。

极大的减少了我们自己写正则的错误概率，或者网上查，答案质量参差不齐的筛选验证的烦恼。

对这种重复劳动、通用的功能函数，ChatGPT很好用

ChatGPT-4、用Kotlin写一个String装换成金额的扩展函数

ChatGPT-5、用Kotlin写一个String装换成人民币的扩展函数

ChatGPT-6、用Kotlin写一个String转换成人民币的扩展函数

ChatGPT-7、用Kotlin写一个将TextView的文本内容复制到粘贴板的扩展函数

以上问题，实现了在开发过程中实际的问题，直接Copy就可以使用

请注意我的问题，用Kotlin写一个String转换成人民币的扩展函数，只要你问题问的明确，ChatGPT就会给你想要的答案

ChatGPT-4、ChatGPT-5转换写错了，写成了装换，ChatGPT理解了我的意思，并且他自我纠正了

ChatGPT-6、ChatGPT-7，ChatGPT与5年+程序员的PK，功能都实现了，实现思路基本相同。但是5+程序员写的更简洁，自由 （程序员的个人素质了，Lewis对个人要求标准较高，这就是通往大佬的之路）。

你在通往IT大佬的路上，不要轻视ChatGPT哦，我们使用的ChatGPT是通用版，训练出来的模型是面向所有用户的。

一个假设，如果使用Githut上所有的代码训练ChatGPT，训练出来的模型还会比不过5年的程序员吗？Githut+ChatGPT好像都为微软的，这个假设可能已经在实验室阶段了。

以上假设已经有了，GitHub Copilot X ，GitHub + GPT-4联手的产品

五、ChatGPT最后的胡说八道

ChatGPT-8、美食探店怎么做？

ChatGPT-9、台湾卤肉饭？

ChatGPT-10、牛皮弃面馆(柏庐南路店)

ChatGPT-8、美食探店怎么做？

ChatGPT-9、台湾卤肉饭？

ChatGPT-10、牛皮弃面馆(柏庐南路店)

以上问题，初一看ChatGPT回答的很专业，以下详细说一下

ChatGPT-8、ChatGPT-9，很多人都有疑问的问题，网上资料很多，回答的很专业，也很有条理，挺好。作为一个技术就不都说了，可以看看这个「打不过，就加入」，我和ChatGPT的故事

ChatGPT-10，昆山一家小店，没有名气，主打台湾牛肉面和台湾小吃，ChatGPT就开始胡说八道了，但是显得很专业，他谈的模板就是按照逻辑去介绍一家店。如果你问他一家有名的店或者连锁店（例如：海底捞），他会回答的应该很专业。

其实还有很多疑问的，移动开发未来前景怎么样？ETH今天会不会大跌，短线做空可以吗？，但是毕竟今天周五了，让自己过一个愉快的周末吧^_^。

六、延伸阅读

mp.weixin.qq.com/s/PyH2SzFQ9…

juejin.cn/post/721177…

juejin.cn/post/719767…

mp.weixin.qq.com/s/prXyAUf_8…

mp.weixin.qq.com/s/Y1LUxcInd…

mp.weixin.qq.com/s/a3xZZLRgD…

前两天，百度紧随GPT-4发布了自己的语言模型文心一言。

讲道理，对于国内能够发布这样一个敢于对标CHAT GPT的高质量语言模型，大家应该更多感受到的是赛博朋克与现实生活贴近的真实感，对这个模型应该有着更多的鼓励或赞美。

可不知是因为整个发布会搞的过于像没有好好准备的学生毕业答辩PPT，还是它的实际表现并没有那么如人意，大家貌似对文心一言并不那么买账。

于是我决定看一下知乎大神们对文心一言的评价，哪想到随便打开一个问题，居然有600多条回答…

要是我这一条一条翻完所有回答， 估计就得拿出一天来全职摸鱼了 ，那么有没有什么办法能够最快的分析出对待这个问题大家的综合评价呢？

那么今天就让我纱布擦屁股，给大家露一小手，写一个爬虫扒下来所有的回答，再对结果进行一下分析。

WebMagic

正式开始前，咱们得先搞定工具。虽然python写起爬虫来有天然的框架优势，不过鉴于大家都是搞java的，那么我们今天就用java框架来实现一个爬虫。

咱们要使用的工具 WebMagic，就是一款简单灵活的java爬虫框架，总体架构由下面这几部分构成：

• Downloader：负责从互联网上下载页面，以便后续处理。WebMagic默认使用了Apache HttpClient作为下载工具。


• PageProcessor：负责解析页面，抽取有用信息，以及发现新的链接。WebMagic使用Jsoup作为HTML解析工具，并基于其开发了解析XPath的工具Xsoup。


• Scheduler：负责管理待抓取的URL，以及一些去重的工作。WebMagic默认提供了JDK的内存队列来管理URL，并用集合来进行去重。也支持使用Redis进行分布式管理。


• Pipeline：负责抽取结果的处理，包括计算、持久化到文件、数据库等。WebMagic默认提供了输出到控制台和保存到文件两种结果处理方案。

在4个主要组件中，除了PageProcessor之外，其他3个组件基本都可以复用。而我们实际爬虫中的重点，就是要针对不同网页进行页面元素的分析，进而定制化地开发不同的PageProcessor。

下面我们开始准备实战，先引入webmagic的core和extension两个依赖，最新0.8.0版本搞里头：

<dependency>

    <groupId>us.codecraftgroupId>

    <artifactId>webmagic-coreartifactId>

    <version>0.8.0version>

dependency>

<dependency>

    <groupId>us.codecraftgroupId>

    <artifactId>webmagic-extensionartifactId>

    <version>0.8.0version>

dependency>

PageProcessor 与 xpath

在正式开始抓取页面前，我们先看看知乎上一个问题的页面是怎么构成的，还是以上面图中那个问题为例，原问题的地址在这里：

如何看待百度发布的文心一言?

我们先做个简单的测试，来获取这个问题的标题，以及对这个问题的描述。

通过浏览器的审查元素，可以看到标题是一个h1的标题元素，并且它的class属性是QuestionHeader-title，而问题的描述部分在一个div中，它的class中包含了QuestionRichText。

简单分析完了，按照前面说的，我们要对这个页面定制一个PageProcessor组件抽取信息，直接上代码。

新建一个类实现PageProcessor接口，并实现接口中的process()这个方法即可。

public class WenxinProcessor implements PageProcessor {

    private Site site = Site.me()

            .setRetryTimes(3).setSleepTime(1000);



    @Override

    public void process(Page page) {

        String title = page.getHtml()

                .xpath("//h1[@class='QuestionHeader-title']/text()").toString();

        String question= page.getHtml()

                .xpath("//div[@class='QuestionRichText']//tidyText()").toString();



        System.out.println(title);

        System.out.println(question);

    }



    public Site getSite() {

        return site;

    }



    public static void main(String[] args) {

        Spider.create(new WenxinProcessor())

                .addUrl("https://www.zhihu.com/question/589929380")

                .thread(2)

                .run();

    }

}

查看运行结果：

可以看到，在代码中通过xpath()这样一个方法，成功拿到了我们要取的两个元素。其实说白了，这个xpath也不是爬虫框架中才有的新玩意，而是一种XML路径语言（XML Path Language），是一种用来确定XML文档中某部分位置的语言。它基于XML的树状结构，提供在数据结构树中找寻节点的能力。

常用的路径表达式包括：

在上面的代码中，//h1[@class='QuestionHeader-title']就表示选取一个类型为h1的节点，并且它有一个class为QuestionHeader-title的属性。

至于后面的text()和tidyText()方法，则是用于提取元素中的文本，这些函数不是标准xpath中的，而是webMagic中特有的新方法，这些函数的使用可以参考文档：

webmagic.io/docs/zh/pos…

看到这，你可能还有个问题，这里对于问题的描述部分没有显示完全，你需要在页面上点一下这个显示全部它才会显示详细的信息。

没关系，这里先留个坑，这个问题放在后面解决。

获取提问的答案

我们完善一下上面的代码，尝试获取问题的解答。按照老套路，还是先分析页面元素再用xpath写表达式获取。修改process方法：

@Override

public void process(Page page) {

    String contentPath= "div[@class='QuestionAnswers-answers']"+

            "//div[@class='RichContent RichContent--unescapable']" +

            "//div[@class='RichContent-inner']"+

            "/tidyText()";

    List answerList = page.getHtml().xpath(contentPath).all();

    for (int i = 0; i < answerList.size(); i++) {

        System.out.println("第"+(i+1)+"条回答:");

        System.out.println(answerList.get(i)+"\n=======");

    }

}

在上面的代码中，使用了xpath获取页面中具有相同属性的元素，并将它们存入了List列表中。看一下运行结果：

纳尼？这个问题明明有着689条的回答，为什么我们只爬到了两条答案？

如果你经常用知乎来学习摸鱼的话，其实就会知道对于这种有大量回答的问题，页面刚开始只会默认显示很少的几条的消息，随着你不断的下拉页面才会把新的回答显示出来。

那么如果我想拿到所有的评论应该怎么做呢？这时候就要引出webMagic中另一个神奇的组件Selenium了。

Selenium

简单来说，selenium是一个用于Web应用程序测试的工具，selenium测试可以直接运行在浏览器中，就像真正的用户在操作一样，并且目前主流的大牌浏览器一般都支持这项技术。

所以在爬虫中，我们可以通过编写模仿用户操作的selenium脚本，模拟进行一部分用互操作，比如点击事件或屏幕滚动等等。

WebMagic-Selenium需要依赖于WebDriver，所以我们先进行本地WebDriver的安装操作。

安装WebDriver

查看自己电脑上Chrome版本，可以点击设置->关于chrome查看，也可以直接在地址栏输入chrome://settings/help：

可以看到版本号，然后需要下载对应版本的WebDriver，下载地址：

chromedriver.storage.googleapis.com/index.html

打开后，可以看到各个版本，选择与本地浏览器最接近的版本：

点击进入后，根据我们的系统选择对应版本下载即可。

下载完成后，解压到本地目录中，之后在使用selenium模块中会使用到。这个文件建议放在chrome的安装目录下，否则之后在代码中可能会报一个WebDriverException: unknown error: cannot find Chrome binary找不到chrome文件的错误。

修改Selenium源码

webMagic中已经封装了selenium模块的代码，但官方版本的代码有些地方需要修改，我们下载源码后要自己简单改动一下然后重新编译。我这下载了0.8.1-SNAPSHOT版本的代码，官方git地址：

github.com/code4craft/…

修改配置文件地址，在WebDriverPool将selenium配置文件路径写死了，需要改变配置路径：

// 修改前

// private static final String DEFAULT_CONFIG_FILE = "/data/webmagic/webmagic-selenium/config.ini";

// 修改后

private static final String DEFAULT_CONFIG_FILE = "selenium.properties";

在resources目录下添加配置文件selenium.properties：

# What WebDriver to use for the tests

driver=chrome

# PhantomJS specific config (change according to your installation)

chrome_driver_loglevel=DEBUG

js模拟页面操作

修改SeleniumDownloader的download()方法，在代码中的这个位置，作者很贴心的给我们留了一行注释：

意思就是，你可以在这添加鼠标事件或者干点别的什么东西了。我们在这添加页面向下滚动这一模拟事件，每休眠2s就向下滚动一下页面，一共下拉20次：

//模拟下拉，刷新页面

for (int i=0; i < 20; i++){

    System.out.println("休眠2s");

    try {

        //滚动到最底部

        ((JavascriptExecutor)webDriver)

                .executeScript("window.scrollTo(0,document.body.scrollHeight)");

        //休眠，等待加载页面

        Thread.sleep(2000);

        //往回滚一点，否则不加载

        ((JavascriptExecutor)webDriver)

                .executeScript("window.scrollBy(0,-300)");

    } catch (InterruptedException e) {

        e.printStackTrace();

    }

}

修改完成后本地打个包，注意还要修改一下版本号，改成和发行版的不同即可，我这里改成了0.8.1.1-SNAPSHOT。

mvn clean install

调用

回到之前的爬虫项目，引入我们自己打好的包：

<dependency>

    <groupId>us.codecraftgroupId>

    <artifactId>webmagic-seleniumartifactId>

    <version>0.8.1.1-SNAPSHOTversion>

dependency>

修改之前的主程序启动时的代码，添加Downloader组件，SeleniumDownloader构造方法的参数中传入我们下好的chrome的webDriver的可执行文件的地址：

public static void main(String[] args) {

    Spider.create(new WenxinProcessor())

            .addUrl("https://www.zhihu.com/question/589929380")

            .thread(2)

            .setDownloader(new SeleniumDownloader("D:\\Program Files\\Google\\Chrome\\Application\\chromedriver.exe")

                    .setSleepTime(1000))

            .run();

}

进行测试，可以看到在拉动了40秒窗口后，获取到的答案条数是100条：

通过适当地添加下拉页面的循环的次数，我们就能够获取到当前问题下的全部回答了。

另外，在启动爬虫后我们会看到webDriver弹出了一个chrome的窗口，在这个窗口中有一个提示：Chrome正受到自动测试软件的控制，并且可以看到页面不断的自动下拉情况：

如果不想要这个弹窗的话，可以修改selenium模块的代码进行隐藏。修改WebDriverPool的configure()方法，找到这段代码：

if (driver.equals(DRIVER_CHROME)) {

	mDriver = new ChromeDriver(sCaps);

}

添加一个隐藏显示的选项，并且在修改完成后，重新打包一下。

if (driver.equals(DRIVER_CHROME)) {

	ChromeOptions options=new ChromeOptions();

	options.setHeadless(true);

	mDriver = new ChromeDriver(options);

}

获取问题详细描述

不知道大家还记不记得在前面还留了一个坑，我们现在获取到的对问题的描述是不全的，需要点一下这个按钮才能显示完全。

同样，这个问题也可以用selenium来解决，在我们下拉页面前，加上这么一个模拟点击事件，就可以获得对问题的详细描述了：

((JavascriptExecutor)webDriver)

  .executeScript("document.getElementsByClassName('Button QuestionRichText-more')[0].click()");

看一下执行结果，已经可以拿到完整内容了：

Pipeline

到这里，虽然要爬的数据获取到了，但是要进行分析的话，还需要进行持久化操作。在前面的webMagic的架构图中，介绍过Pipeline组件主要负责结果的处理，所以我们再优化一下代码，添加一个Pipeline负责数据的持久化。

由于数据量也不是非常大，这里我选择了直接存入ElasticSearch中，同时也方便我们进行后续的分析操作，ES组件我使用的是esclientrhl，为了方便我还是把项目整个扔到了 spring里面。

定制一个Pipeline也很简单，实现Pipeline接口并实现里面的process()接口就可以了，通过构造方法传入ES持久化层组件：

@Slf4j

@AllArgsConstructor

public class WenxinPipeline implements Pipeline {

    private final ZhihuRepository zhihuRepository;



    @Override

    public void process(ResultItems resultItems, Task task) {

        Map map = resultItems.getAll();

        String title = map.get("title").toString();

        String question = map.get("question").toString();

        List answer = (List) map.get("answer");



        ZhihuEntity zhihuEntity;

        for (String an : answer) {

            zhihuEntity = new ZhihuEntity();

            zhihuEntity.setTitle(title);

            zhihuEntity.setQuestion(question);

            zhihuEntity.setAnswer(an);

            try {

                zhihuRepository.save(zhihuEntity);

            } catch (Exception e) {

                e.printStackTrace();

            }

        }

    }

}

把selenium向下拉取页面的次数改成200后，通过接口启动程序：

@GetMapping("wenxin")

public void wenxin() {

    new Thread(() -> {

        Request request = new Request("https://www.zhihu.com/question/589929380");

        WenxinProcessor4 wenxinProcessor = new WenxinProcessor4();

        Spider.create(wenxinProcessor)

                .addRequest(request)

                .addPipeline(new WenxinPipeline(zhihuRepository))

                .setDownloader(new SeleniumDownloader("D:\\Program Files\\Google\\Chrome\\Application\\chromedriver.exe")

                        .setSleepTime(1000))

                .run();

    }).start();

}

运行完成后，查询一下es中的数据，可以看到，实际爬取到了673条回答。

另外，我们可以在一个爬虫程序中传入多个页面地址，只要页面元素具有相同的规则，那么它们就能用相同的爬虫逻辑处理，在下面的代码中，我们一次性传入多个页面：

Spider.create(new WenxinProcessor4())

        .addUrl(new String[]{"https://www.zhihu.com/question/589941496",

              "https://www.zhihu.com/question/589904230","https://www.zhihu.com/question/589938328"})

        .addPipeline(new WenxinPipeline(zhihuRepository))

        .setDownloader(new SeleniumDownloader("D:\\Program Files\\Google\\Chrome\\Application\\chromedriver.exe")

                .setSleepTime(1000))

        .run();

一顿忙活下来，最终扒下来1300多条数据。

分析

数据落到了ES里后，那我们就可以根据关键字进行分析了，我们先选择10个负面方向的词语进行查询，可以看到查到了403条数据，将近占到了总量的三分之一。

再从各种回答中选择10个正向词语查询，结果大概只有负面方向的一半左右：

不得不说，这届网友真的是很严厉…

Proxy代理

说到爬虫，其实还有一个绕不过去的东西，那就是代理。

像咱们这样的小打小闹，爬个百八十条数据虽然没啥问题，但是如果要去爬取大量数据或是用于商业，还是建议使用一下代理，一方面能够隐藏我们的IP地址起到保护自己的作用，另一方面动态IP也能有效的应对一些反爬策略。

个人在使用中，比较推荐的是隧道代理。简单的来说，如果你购买了IP服务的话，用普通代理方式的话需要你去手动请求接口获取IP地址，再到代码中动态修改。而使用隧道代理的话，就不需要自己提取代理IP了，每条隧道自动提取并使用代理IP转发用户请求，这样我们就可以专注于业务了。

虽然网上也有免费的代理能够能用，但要不然就是失效的太快，要不就是很容易被网站加入黑名单，所以如果追求性能的话还是买个专业点的代理比较好，虽然可能价格不那么便宜就是了。

题外话

看了一大顿下来，从大家略显犀利的言辞来看，大家总体上对文心一言还是不那么满意的。毕竟，在有着CHAT-GPT这么一个优秀的产品做背景板的前提下，这届网友可能没有那么好糊弄。

但是话又说回来，丑媳妇总得见公婆不是？提早暴露缺陷，也有利于国内的这些大厂，看清和一流AI产品之间的真实差距，知难而进，迎头赶上。

那么，这次的分享就到这里，我是Hydra，我们下篇再见。

文中代码已经传到我的git上啦，github.com/trunks2008/… ，欢迎大家来个star鼓励一下~

参考资料：

webmagic.io/docs/zh/pos…

blog.csdn.net/panchang199…

“UGC不存在了”——借鉴自《三体》

ChatGPT 的横空出世将一个全新的概念推上风口——AIGC（ AI Generated Content）。

GC即创作内容（Generated Content），和传统的UGC、PGC，OGC不同的是，AIGC的创作主体由人变成了人工智能。

xGC

• PGC：Professionally Generated Content，专业生产内容


• UGC：User Generated Content，用户生产内容


• OGC：Occupationally Generated Content，品牌生产内容。

AI 可以 Generate 哪些 Content？

作为淘宝内容线的开发，我们每天都在和内容打交道，那么AI到底能生成什么内容？

围绕着不同形式的内容生产，AIGC大致分为以下几个领域：

文本生成

基于NLP的文本内容生成根据使用场景可分为非交互式文本生成与交互式文本生成。

非交互式文本生成包括摘要/标题生成、文本风格迁移、文章生成、图像生成文本等。

交互式文本生成主要包括聊天机器人、文本交互游戏等。

【代表性产品或模型】：JasperAI、copy.AI、ChatGPT、Bard、AI dungeon等。

图像生成

图像生成根据使用场可分为图像编辑修改与图像自主生成。

图像编辑修改可应用于图像超分、图像修复、人脸替换、图像去水印、图像背景去除等。

图像自主生成包括端到端的生成，如真实图像生成卡通图像、参照图像生成绘画图像、真实图像生成素描图像、文本生成图像等。

【代表性产品或模型】：EditGAN，Deepfake，DALL-E、MidJourney、Stable Diffusion，文心一格等。

音频生成

音频生成技术较为成熟，在C端产品中也较为常见，如语音克隆，将人声1替换为人声2。还可应用于文本生成特定场景语音，如数字人播报、语音客服等。此外，可基于文本描述、图片内容理解生成场景化音频、乐曲等。

【代表性产品或模型】：DeepMusic、WaveNet、Deep Voice、MusicAutoBot等。

视频生成

视频生成与图像生成在原理上相似，主要分为视频编辑与视频自主生成。

视频编辑可应用于视频超分（视频画质增强）、视频修复（老电影上色、画质修复）、视频画面剪辑（识别画面内容，自动场景剪辑） 。

视频自主生成可应用于图像生成视频（给定参照图像，生成一段运动视频）、文本生成视频（给定一段描述性文字，生成内容相符视频） 。

【代表性产品或模型】：Deepfake，videoGPT，Gliacloud、Make-A-Video、Imagen video等。

多模态生成

以上四种模态可以进行组合搭配，进行模态间转换生成。如文本生成图像（AI绘画、根据prompt提示语生成特定风格图像）、文本生成音频（AI作曲、根据prompt提示语生成特定场景音频）、文本生成视频（AI视频制作、根据一段描述性文本生成语义内容相符视频片段）、图像生成文本（根据图像生成标题、根据图像生成故事）、图像生成视频。

【代表性产品或模型】：DALL-E、MidJourney、Stable Diffusion等。

本文接下来将会着重讲述文本类AIGC和图像类AIGC。

文本类AIGC

RNN → Transformer → GPT（ChatGPT）

最近势头正猛的ChatGPT就是文本类AIGC的代表。

ChatGPT（Chat Generative Pre-trained Transformer），即聊天生成型预训练变换模型，Transformer指的是一种非常重要的算法模型，稍后将会介绍。

其实现在的用户对于聊天机器人已经很熟悉了，比如天猫精灵、小爱同学或是Siri等语音助手。那为什么ChatGPT一出现，这些语音助手就显得相形见绌呢？

本质上是NLP模型之间的差异。

在自然语义理解领域（NLP）中，RNN和Transformer是最常见的两类模型。

循环神经网络（recurrent neural network）

RNN，即循环神经网络（recurrent neural network）源自于1982年由Saratha Sathasivam 提出的霍普菲尔德网络。下图所示是一个RNN网络的简易展示图，左侧是一个简单的循环神经网络，它由输入层、隐藏层和输出层组成。

RNN 的主要特点在于 w 带蓝色箭头的部分。输入层为 x，隐藏层为 s，输出层为 o。U 是输入层到隐藏层的权重，V 是隐藏层到输出层的权重。隐藏层的值 s 不仅取决于当前时刻的输入 x，还取决于上一时刻的输入。权重矩阵 w 就是隐藏层上一次的值作为这一次的输入的权重。由此可见，这种网络的特点是，每一个时刻的输入依赖于上一个时刻的输出，难以并行化计算。

从人类视角理解RNN 人类可以根据语境或者上下文，推断语义信息。就比如，一个人说了：我喜欢旅游，其中最喜欢的地方是三亚，以后有机会一定要去___，很显然这里应该填”三亚”。 但是机器要做到这一步就比较困难。RNN的本质是像人一样拥有记忆的能力，因此，它的输出就依赖于当前的输入和记忆。

Transformer

而Transformer模型诞生于2017年，起源自《Attention Is All You Need》。这是一种基于Attention机制来加速深度学习算法的模型，可以进行并行化计算，而且每个单词在处理过程中注意到了其他单词的影响，效果非常好。

Attention机制：又称为注意力机制，顾名思义，是一种能让模型对重要信息重点关注并充分学习吸收的技术。通俗的讲就是把注意力集中放在重要的点上，而忽略其他不重要的因素。 其中重要程度的判断取决于应用场景，根据应用场景的不同，Attention分为空间注意力和时间注意力，前者用于图像处理，后者用于自然语言处理。

Transformer是完全基于自注意力机制的一个深度学习模型，有关该模型的介绍，详情可参考下面这篇文章👇

人工智能 LLM 革命前夜：一文读懂横扫自然语言处理的 Transformer 模型

由于Transformer的存在加速了深度学习的效果，基于海量数据的进行样本训练便有了可能。至此，LLM正式从幕后走向台前。

LLM，Large Language Model 即大型语言模型。这个大不仅仅指数据集的“大”，同样也是指算法模型的“大”。一般来说，在训练数据足够充足的情况下，往往是模型越大效果越好。在某种程度上说，甚至只要样本足够，哪怕模型“稍微简单”一些，也是可以取得不错的结果的。

笔者在2019年时曾翻译过一篇文章👇

机器学习竞赛实际上是一场数据竞赛

这篇文章的主要观点便是“AI竞争本质上就是数据之争”，所有希望创建有影响力、有价值的AI应用都应该认识到以下三点：

1. 差异化数据是这场AI游戏成功的关键


2. 有意义的数据比全面的数据好


3. 起点应该是自己所擅长的东西

以ChatGPT为例，其本质是基于GPT3的一种变体，而GPT又是基于Transformer模型的一种演化。从模型参数上来说，GPT3共使用了1750亿个参数训练而成，而ChatGPT只使用了15亿个参数，但其数据集是却是整个互联网和几百万本书大概3千亿文字。哪怕是这样，却也是对一众使用RNN的NLP程序造成了降维打击。

GPT

这篇文章写到一半的时候GPT-4发布了，现在作为小插曲来扩展一下

笔者在和朋友的日常交流中发现大家总是将ChatGPT和GPT混为一谈，其实这是两个不同的东西。让我们来问一下New Bing这两者的区别。

很显然，从Bing给我的回答看来，为了让对话更加生动和有趣，ChatGPT是一个专为聊天设计的专业模型，而GPT则是一个通用语言模型。GPT4就是这个模型发展到第四代的模样，相较于GPT3，GPT4可以做的事情变得更多了。

• GPT-4 是一个更大的模型，网传拥有约 1000 万亿个参数，这意味着它能够处理更多的数据，学习更多的知识和技能。


• GPT-4 能够接受多模态的输入，例如文本、图像、音频和视频，并生成相应的输出。这使得它能够处理更复杂和丰富的任务，例如图像描述、语音识别和视频生成。

类ChatGPT

在国内一直都有一句调侃的话，叫做“国外一开源，国内就自主研发”。那既然算法模型是公开的，代码也已经开源了，那在国内，那些类ChatGPT的模型是不是应该如“雨后春笋”般涌现了呢？

事实上并没有，本质上还是因为LLM的扩展和维护是相当困难的。主要来源于以下几点：

1. 漫长的训练时间


2. 高昂的费用开支


3. 海量的训练数据


4. 稀缺的高端人才

时代的眼泪

• 2017 - Attention is all you need


• 2023 - Money is all you need

以复旦大学开源的类ChatGPT应用MOSS为例，虽然不知道具体的模型参数数量，但其负责人表示相较于ChatGPT少了一个数量级，再加上简中互联网作为其训练样本，训练质量可想而知。

点此体验👉moss.fastnlp.top/

关于训练的样本数据，这里举一个小例子🌰。 同样是搜索代码段，ChatGPT给你推StackOverflow的答案，MOSS给你推csdn的答案，高下立判

本来还想补充一下百度的文心一言的，结果他们发布了一个ChatPPT，网上一堆段子，这里就不吐槽了。

图像类AIGC

说完了文本类AIGC，我们再来看看最近另一个比较火的领域——图像类AIGC。

俗话说，饱暖思淫欲。作为“第一生产力”的“性”，很多技术发展都离不开他。扎克伯克创建Facebook的起因就是为了更好的认识小姐姐。而图像类AIGC出圈的一个很大原因就在于，他生成的美女小姐姐越来越真实了。

作为一个业余摄影师，第一眼也没能正确分辨出下面这两张图谁是真人，谁是AI画出来的人。

那么问题来了：这些由AI生成出来的美女是如何生成的呢？

GAN → DiffusioModel → Stable Diffusion

生成对抗网络（ Generative Adversarial Networks，GAN ）

2014年 Ian GoodFellow提出了生成对抗网络，成为早期最著名的生成模型。GAN使用零和博弈策略学习，在图像生成中应用广泛。以GAN为基础产生了多种变体，如DCGAN，StytleGAN，CycleGAN等。

零和博弈是指参与博弈的各方，在严格竞争下，一方的收益必然意味着另一方的损失，博弈各方的收益和损失相加总和永远为“零” ，双方不存在合作的可能。

一个简单易懂的例子

有两个人，都快要渴死了，现在他们面前只有一杯水，抢到水的那人得到的收益是1，没抢到水的那个人会死掉，收益为-1，总收益为0。这就是零和博弈。

GAN包含两个部分：

• 生成器： 学习生成合理的数据。对于图像生成来说是给定一个向量，生成一张图片。其生成的数据作为判别器的负样本。


• 判别器：判别输入是生成数据还是真实数据。网络输出越接近于0，生成数据可能性越大；反之，真实数据可能性越大。

如上图，我们希望通过GAN生成一些手写体来以假乱真。我们定义生成器与判别器：

• 生成器：图中蓝色部分网络结构，其输入为一组向量，可以表征数字编号、字体、粗细、潦草程度等。在这里使用特定分布随机生成。


• 判别器：在训练阶段，利用真实数据与生成数据训练二分类模型，输出为0-1之间概率，越接近1，输入为真实数据可能性越大。

生成器与判别器相互对立。在不断迭代训练中，双方能力不断加强，最终的理想结果是生成器生成的数据，判别器无法判别是真是假。（和周伯通的左右互搏很像）

以生成对抗网络为基础产生的应用：图像超分、人脸替换、卡通头像生成等。

扩散模型（ Diffusion Model，里程碑式模型 ）

扩散是受到非平衡热力学的启发，定义一个扩散步骤的马尔科夫链，并逐渐向数据中添加噪声，然后学习逆扩散过程，从噪声中构建出所需的样本。扩散模型的最初设计是用于去除图像中的噪声。随着降噪系统的训练时间越来越长且越来越好，可以从纯噪声作为唯一输入，生成逼真的图片。

马尔科夫链指的是一种随机过程，它的特点是当前状态只依赖于前一个状态，而与其他历史状态无关。

一个马尔科夫链的例子是股市模型，它有三种状态：牛市、熊市和横盘。 每种状态之间有一定的转移概率，例如从牛市到熊市的概率是0.4，从熊市到牛市的概率是0.2，等等。这样就可以用一个转移矩阵来描述这个马尔科夫链。

一个标准的扩散模型分为两个过程：前向过程与反向过程。在前向扩散阶段，图像被逐渐引入的噪声污染，直到图像成为完全随机噪声。在反向过程中，利用一系列马尔可夫链在每个时间步逐步去除预测噪声，从而从高斯噪声中恢复数据。

前向扩散过程，向原图中逐步加入噪声，直到图像成为完全随机噪声。

反向降噪过程，在每个时间步逐步去除噪声，从而从高斯噪声中恢复源数据。

扩散模型的工作原理是通过添加噪声来破坏训练数据，然后通过逆转这个噪声过程来学习恢复数据。换句话说，扩散模型可以从噪声中生成连贯的图像。

扩散模型通过向图像添加噪声进行训练，然后模型学习如何去除噪声。然后，该模型将此去噪过程应用于随机种子以生成逼真的图像。

下图为向原始图像中添加噪声，使原始图像成为随机噪声。

下图为从噪声中恢复的原始图像的变种图像。

Stable Diffusion（Stability AI 文本生成图像，代码与模型开源）

2022年8月，Stability AI发布了Stable Diffusion ，这是一种开源Diffusion模型，代码与模型权重均向公众开放。

通过prompt提示语“郊区街区一栋房子的照片，灯光明亮的超现实主义艺术，高度细致8K”，生成图像如下，整体风格与内容锲合度高，AI作画质量较高。

在线体验👉huggingface.co/spaces/stab…

仰望星空：AIGC与元宇宙

结论先行，我认为Web3.0就是元宇宙，AIGC为元宇宙提供养料。

第一代互联网（Web1.0）是PC（个人计算机）互联网，从1994年发展至今。Web1.0让人类第一次掌握高效的传输信息的手段，随着各大网页应用的普及，互联网用户被迅速的连接起来，从而提升了全球信息的传输效率，各大门户网站从此处开始大放异彩。

第二代互联网（Web2.0）是移动互联网，从2008年左右拉开大幕，至今仍精彩纷呈。正是由于移动设备具备“永远在线”和“随时随地”的特点，“上网”二字逐渐从大众的视野消失，因为每个人时时刻刻都生活在网络里。

第三代互联网（Web3.0）是互联网的下一代技术发展方向，主要特征是去中心化、安全、开放和自主。元宇宙是一种虚拟的、持续的、共享的和交互的数字世界，可以让人们以不同的身份和形式参与其中。Web 3.0为元宇宙提供了技术基础和可能性，而元宇宙则是Web3.0在应用场景和生活方式上的体现。

百度百科对于元宇宙的定义是👇

元宇宙（Metaverse） ， 是人类运用数字技术构建的，由现实世界映射或超越现实世界，可与现实世界交互的虚拟世界，具备新型社会体系的数字生活空间。

本质上，元宇宙是一种新型社会形态，在元宇宙中，更多工作和生活将被数字化。

更多的数字化，意味着需要更丰富的虚拟地图、虚拟场景、虚拟对象和虚拟角色，这其中涉及到大量数字内容的生产和制作。以往，数字内容制作开发周期较长，通常以年计，在生产方式上，或来源于现实，通过扫描或重建模型实现材质、光影、动作捕捉等，或通过创作工具辅助艺术家实现。而这些刚好是AIGC所擅长的。AIGC广泛的适用性可以为元宇宙提供全新内容生成解决方案。

🌰 脑洞一下 开放世界游戏一直被大家视作元宇宙“数字世界”的雏形，试想一下，如果未来的3A大作，NPC的脸部模型、肢体动作是Diffusion Model生成的，聊天是ChatGPT和你对话，语音是Deep Voice创作的，你还会觉得他就只是一个普普通通的NPC吗？抑或是，此时看文章的你，才是地球Online里的一个NPC呢？

脚踏实地：AIGC的应用场景

元宇宙目前还只是大家的一个美好幻想，Web3.0究竟走向何方还需要大家共同探索，作为时代的先锋，既要学会抬头仰望星空，也不能忘记低头看路。

如今，AIGC的浪潮已起，作为非算法行业的从业者，底层的算法实现并非我们关心的重点，如何发挥AI的作用，创造出实际的价值才是我们应该探讨的方向。除了聊天机器人、画画这种不痛不痒的功能外，AIGC可能会颠覆的应用场景会有哪些呢？

人工智能助理

AIGC+搜索已经成为我现在获取信息的第一途径了。目前，New Bing作为我的贴心小助手，不管是什么想要了解的知识点，他都可以快速的给我解答，省去了我在海量信息中筛选的过程。

辅助工作流

摘自Microsoft 365 Copilot官网

人类天生就有梦想、创造、创新的本能。我们每个人都渴望做一些有意义的工作——写一部伟大的小说，做一个发现，建立一个强大的社区，照顾生病的人。我们都有与工作核心相连的冲动。但是今天，我们花了太多时间在那些消耗我们时间、创造力和精力的琐碎任务上。为了重新连接到工作的灵魂，我们不仅需要一种更好地做同样事情的方法。我们需要一种全新的工作方式。 —— 翻译自 ChatGPT

GPT4发布的第二天，Microsoft 365 Copilot变横空出世，宣传片相信大家都已经看到了，从此以后我们的工作方式将永远改变，开启新一轮的生产力大爆发。

除此之外，前段时间笔记软件Notion也上线了自己的AI助手，可以帮助用户更轻松、更快捷地完成日常任务。主要包括自动文本生成、内容推荐、智能搜索、情感分析等。

可以预见，AIGC的出现将会极大的改变现有的工作模式，未来，越来越多的效率软件、办公软件将会推出其自己的AI解决方案。

🎺 插播一条行业动态 36氪独家获悉，钉钉已完成对协同办公厂商「我来wolai」的全资收购。3月5日，我来wolai（上海我云网络科技有限公司）数位核心团队成员已经退出公司股东名单。公司法人已变为钉钉总裁叶军，公司则由阿里100%控股。36氪就上述消息向钉钉求证，钉钉官方表示：我来wolai团队已加入钉钉，将负责智能化协作文档的研发，和个人版文档的产品设计。

文本生成器（对话、文案、代码……）

笔者最近一直沉迷“以xxx的口吻调教ChatGPT”，上图便是在绩效季到来之际用chatGPT给老板们整的活，别的不说，效果还是蛮不错的。自行跳转👉 《老板评语生成器》

ChatGPT最强大的便是其背后的庞大数据，基于此，你甚至可以让那些不存在的人物、已故的人物出现。笔者最近刚看完电视剧《三体》，如果真的有一款“三体游戏”，里面的墨子、秦始皇等人物会不会就是ChatGPT生成的呢？

如果你也想调教出一个自己的对话机器人，可以试试这个网站👉open-gpt.app/

关于AIGC的落地，最后推荐两个和我们饭碗有关的AIGC产品

Codeium

Github Copilot

AIGC在伦理问题上的攻与守

攻——利用AIGC生成有害内容

AIGC技术强大的创作能力也引发对技术作恶的担忧。当要求类ChatGPT应用制造有害信息时，它确实可以做到，输出主要以文本和图片为主。

1. 网络诈骗话术教学者


2. 人机交互意味着无限可能，ChatGPT 可能会遵守某种虚假设定下的邪恶指令。


3. 黑产团伙可精细化训练AIGC技术生成各类话术，用于网络诈骗、评论刷量等，不仅能够主动发帖，还会对其他用户的帖子做出响应，并展开长期的运营。


4. 错误信息超级传播者


5. ChatGPT的不可靠之处还在于，可能会加剧虚假消息和错误消息的传播。ChatGPT不具有识别甄别能力，给出的答案很可能拼凑而来，看似合理，却暗藏事实性错误。如果用户没有这方面的鉴别能力，就可能产生比较大的风险，特别是在一些政治文化、医疗健康、交通安全方面的话题，错误的回答可能引起严重后果。


6. 色情暴力素材生成机


7. 用户利用AIGC生成虚假名人照片等违禁图片，甚至会制作出暴力和性有关的画作，LAION-5B数据库包含色情、种族、恶意等内容，目前海外已经出现基于Stable Diffusion模型的色情图片生成网站。

8. AIGC对个人肖像权等权利的侵犯

finance.sina.com.cn

9. AIGC对原创作品的版权侵犯

网易LOFTER风波警醒了谁？_风闻

守——如何应对AIGC的“暗黑”一面？

在可预见的未来，AIGC将会以井喷的态势席卷各个行业，在享受AI赋能我们生产力的同时，也应该警惕AIGC带来的危害。

《Nature》杂志在《ChatGPT: five priorities for research》一文中提到，对AIGC的进一步研究需要关注的五个问题：

1. 务必要对模型进行持续校对；


2. 制定问责制与规则；


3. 投资于真正开放的大语言模型；


4. 扩大辩论范围；


5. 拥抱人工智能的好处。

ChatGPT会设置多层道德底线，兼顾科学和伦理，约束“经济人”行为，以保持“人尽其才、物尽其用”特性。未来，亦有可能出现“以子之矛，攻子之盾”的场景，用AI去识别/对抗AI。

也许未来会出现很多这样的文章👇
《一种基于xxx的AI文本/图像检测技术》

最后

对行业的思考

Meta AI 负责人、图灵奖得主杨立昆Yann LeCun近日表示：就底层技术而言，ChatGPT 并没有特别的创新。与其说 ChatGPT 是一个科学突破，不如说它是一个像样的工程实例。

AI人工智能的底层三大件，数据，算力，算法的发展给ChatGPT的出现提供了爆发的基础，Open AI 将它组合的很好，不但是算法而且还包括了算力，数据。

数据方面，互联网的几十年高速发展，积累了海量人类的文本。

算力方面，计算机技术的发展，从芯片的制程到类似Chiplet，等助力AI芯片蓬勃发展。

算法，从神经元算法起步，到Transformer 等各类算法的炉火纯青的应用。

所以AI底层三大件的发展，一定会催生出更多类似于ChatGPT的通用人工智能应用，但我们更应该关注底层三大件的发展，未来数据类似于宝藏和矿产；芯片算力，成了决胜AI的大器，没有芯片那么数据矿产无法挖掘；算法，犹如矿藏提纯配方。

对于行业而言，未来做好AI三大件的工作，才能在AI时代赢得红利。

对个人的启发

说到最后，很多人变得焦虑，担心自己会被取代，那么从个人的角度出发，我们对于AIGC的态度究竟应该是什么样的呢？

马克思说过，人和其他动物的最大区别是“使用工具制造工具”，而GPT是进入信息时代以来，人类最伟大的工具之一。使用 GPT 能够直接调用人类千年以来积累的知识与技能，对于我们普通人而言，自己身上没有神迹，也非天才，与其尝试与机器、GPT和AI竞争，不如站在AI这个巨人的肩膀上，利用这些工具让自己变得更强。

未来，能否使用AI将会成为衡量一个人能力的标准之一。就像当年智能设备普及时，那些不会使用智能手机的人注定会被淘汰一样。

最近在使用 ichati 的过程中发现一个问题，我不能很容易的给其他人分享聊天内容。

比如我想给我朋友分享一下 AI 写作的效果，于是开始截屏发微信群。

结果发现我必须截三次屏幕，发三条消息。

没办法一键截屏，这很难受。

于是我问了我们用户群里的一些用户，确实有很多用户向我反映是这个问题。但在我主动问之前，他们没有主动提出过这个问题。

所以对大多数的用户来说，他们的思维和习惯就是，适应产品，而不是改变产品。

那怎么办呢？

好的产品一定是能发现用户痛点并解决用户痛点的。

所以我得解决掉这个问题。

其实 ichati 发展到现在，很多功能都是在帮助用户解决使用问题的过程中增加的。

言归正传。

我最初的想法是，增加一个功能，可以一键截屏并分享给好友。

但我不想自己写代码，因为太浪费时间了。

由于我在做 AI 的产品，这种杂活当然不能自己干了。

所以我就打起了盘古的主意。

然后开始让它帮我实现这个功能。

对，不到 2 分钟的时间，80 % 的代码工作已经结束了。

上面的截图就是通过一键分享的功能生成的，效果还不错。同时我还在底部追加了产品的网址和介绍。

剩下的工作就是自己微调一下了。微调的过程中，80% 的代码又都是通过 copilot 来实现的。我一共也没写几行代码。不得不感慨 AI 的能力实在是太过于强大。

这样无论是多么长的聊天内容，都可以在下方点击截图分享按钮一键分享全部内容了。

这就相当于我是一个产品经理，我给产品提了个需求，产品告诉我怎么做。这种感觉实在是太奇妙了。

通过这个事儿，我再来聊聊最近很热的话题。「AI 到底能否取代程序员？」

我的观点是能取代一部分，但绝对无法取代全部。

比如用户需要一个一键截图的功能，目前的 AI 基本上是发现不了的，除非用户主动告诉 AI。这是用户痛点，必须由人来挖掘，而负责这事的人一般叫做产品经理。

接下来是实现这个功能，产品经理不清楚怎么实现，因为产品经理不懂技术细节。像 DOM 啊，Canvas 啊，生成图像格式啊等等，都不知道，即使知道也是一知半解。

这就要向程序员去传达，再由程序员去理解和实现。

理解的过程 AI 是可以做的，但需要精准表达才能得到满意的答案。如果是一个合格的产品经理，做这事儿不难。

实现的过程，更是 AI 极其擅长的。在这一点上，我不认为人可以比得过 AI。

所以从开发应用的角度去看，我认为程序员已经没必要再去继续学习各种库，各种框架的使用方式和 API 了。在这一点上，人是不可能比得过 AI 的。甚至于说，再继续做这种事，毫无价值可言。

实现之后，进入微调阶段。

程序员的能力又体现出来了。因为人能否非常快速的发现问题，并修正问题。

AI 也具备这种能力，尽管它修正问题很迅速。但它发现问题的效率远比人低的多。我指的不是代码的问题，而是产品的问题。

有些产品 AI 并不知道人的预期是什么，因为产品是最终用户是人。人自然比 AI 更清楚产品正确的样貌。

但随着 AI 技术的发展，我不能保证未来的 AI 是不是会比人更懂得人需要什么。但我觉得那一天终将到来。

从以上几步来分析，AI 的意义在于，它会让一个懂得使用 AI，并且懂产品的人成指数增强。毫不夸张地说，一个擅长使用 AI，同时又懂技术的产品，战斗力能超过 1 个产品经理加上 5 个普通程序员。

同时，当前的 AI 定位仍然是助理。它不会喧宾夺主，而且它也做不到。

所以不必过度焦虑。

但从如今的趋势来看，个人技术的优势会慢慢变低。因为一个懂得使用 AI 的中级程序员，配合 AI，技术水平直接能提升数个级别。

这个感觉，就像龙珠里面悟空和贝吉塔合体，直接暴打魔人布欧一样。

所以我认为，如今我们笃定的技术这条路。在未来，它有可能会变成一个死胡同。

这不是焦虑，这是实事求是地讲道理。

搁在六七年前，让我来实现一个一键截图功能，可能会自己手写递归，折腾一下午。因为我认为这样会帮助我技术上的成长。

确实，那样做我会懂得更多。懂得更多就可以更快地解决问题，当出现问题更快地定位问题。

也正因为如此，我也可以有自信比别人要更高的薪水。

但是现在我不这么认为了，因为在效率和知识的深度、广度上，AI 都可以轻松的打败我。

如果在人人都在深度使用 AI 的时代，六七年前我做的那些事会显得相当没有意义。与其花费时间读源码，分析原理，不如去做点别的事儿。

所以我认为如今的技术人员，应该多尝试走几条不同的路。继续死磕技术，是绝对磕不过 AI 的。

本文的结论就是：AI 绝对有改变行业布局的能力，这点是毋庸置疑的。但 AI 不会取代你，相反，它会成就你。所以没必要总是把 AI 放到对立面来制造焦虑，在未来，AI 将会是我们最的佳伙伴和助手。

GitHub 今日发布了 GitHub Copilot X，这是一款基于OpenAI的GPT-4模型开发的AI助手。GitHub Copilot X 致力于改进开发者体验，将提供聊天和语音界面，支持拉取请求，回答文档问题，并通过 GPT-4 实现更个性化的开发者体验。GitHub Copilot 作为AI编程搭档，已经为开发者提供了自动补全代码和注释功能。GitHub Copilot X将继续扩展这一功能，包括：

1. GitHub Copilot聊天功能：在编辑器中集成与VS Code和Visual Studio的聊天界面，帮助开发者深入分析代码、生成单元测试和修复bug。


2. GitHub Copilot语音功能：允许开发者通过口头指令进行自然语言提示。


3. 为拉取请求提供AI生成的描述：基于GPT-4模型生成拉取请求描述和标签。


4. 自动生成测试建议：GitHub Copilot将警告开发者测试覆盖率不足，并建议潜在的测试方案。


5. GitHub Copilot文档功能：提供基于聊天界面的文档查询，为开发者提供实时答案。


6. GitHub Copilot CLI：为命令行界面提供智能建议。

GitHub Copilot X的目标是为每个团队、项目和代码库提供个性化的开发体验，让开发者更高效地开发软

嗨！我是团子，大家好久不见~

3月15日凌晨，由OpenAI发布的多模态预训练大模型GPT-4一经推出就引起了大家的激烈讨论，让最近很火的ChatGPT烧的愈发旺盛。

在GPT-4中，一个重大的突破是支持多模态输入。也就是说，除了文字输入外，也支持图像、视频、音频等从多个角度出发对事物进行描述。

OpenAI在发布会上演示了几种多模态输入的案例，包括读论文、解物理题、看图说话...

甚至可以根据一张草图十秒钟编写出一个网页！（再智能就真的不礼貌了.jpg）

这让致力于成为前端工程师的我们有点坐不住了。。

大家在各个群里激烈讨论，有人在担心ChatGPT会抢饭碗，也有人为ChatGPT的新升级感到兴奋，甚至开始期待16号百度文心一言的发布会。

因此，今天就想和大家来聊聊GPT-4的出现对前端入门者意味着什么。

陷入沉思

诚然，GPT-4根据一张草图10秒钟制作出一个网页的能力让人感到震撼，但也让前端入门者陷入了沉思：

1. 1.既然GPT可以很快且较为准确的实现一个网页，那还需要初级前端工程师吗？


2. 2.初级前端工程师的岗位真的那么好替代吗?


3. 3.如果不做前端工程师的话，什么岗位是GPT无法替代的呢？


4. 4.作为初级前端工程师来说，现在做什么才能容灾GPT带来的影响呢？

思考了很久，个人认为GPT的出现确实将信息科技的发展推到了一个新的高度，但感到恐慌的不应该只有前端工程师，对于初级后端工程师甚至任何可以由人工智能胜任的岗位从业者来说，都应该认真思考下在面对GPT这种人工智能时怎么做才能体现自己的价值。

GPT的出现给前端带来了什么影响

1. 门槛变高

在求职面试中，很多面试官都喜欢问面试者的一个问题是：你为什么要做前端。这个问题其实不止是前端，对于任何岗位的求职者来说，都是一个需要认真思考的问题。

早些年互联网快速发展时，程序员的职业受到大家的追捧，很多其他行业和专业的人成功通过自学成为了一名程序员，实现了相对的财富自由。由此可见，早些年程序员的入门门槛其实不高的，行业壁垒也不强。而前端工程师的岗位也因为相比于Java、C++等岗位更容易上手成为培训班割韭菜的首选方向。

但随着互联网近两年发展进入一个瓶颈期以来，前端程序员甚至其他岗位程序员的需求量也逐渐趋于饱和。再加上GPT的出现，对于一些基础且重复的工作，确实不再像早年那样需要很多的人力了，但是想要涌入互联网的人还是很多，因此前端工程师甚至是其他岗位工程师的门槛也会变高。

2. 趋向于精英化

正如前面所述，GPT的出现加上岗位需求量的减少使得前端工程师的从业门槛变高，这带来的结果其实就是让整个互联网行业向着精英化发展。

记得2010年以前，大家在谈论到计算机时，都会觉得这是一个很高端的技术，认为从事计算机岗位的人智商超群，那会上电脑课听老师讲二进制编码都觉得很神奇。

感觉2010年以后互联网快速膨胀的十年，使得现在的互联网行业也慢慢的回归了理性，大家的关注点更多是优化、创新。因此对于互联网从业者的要求也会逐渐变高，不仅仅是求职者的优中选优，对于已经是程序员的从业者来说，也需要持续输入来提高自己的竞争力。

如何应对GPT带给行业的冲击

1. 将GPT具备的技能转换为自己的技能

坦白说，在发现GPT可以帮我debug、解答我各种不理解的专业问题时，我是非常兴奋的！因为这代表着我的工作效率会变高。

某种程度上说，它能让我更快速的适应程序员这份工作，甚至可以去探索更多的领域，包括：后端、客户端、算法、测试等等，再或者医生、律师、作词家、小说家等等。

但是探索这些领域的前提是我们要成为GPT的主人，将自己的需求准确的发布给GPT。

坦白说，GPT确实是一个很好的回答者，但是如何提问才是解决问题的前提！

2. 利用GPT去做更多的创新和思考

在GPT没有大量普及的时候，会用GPT的人具有更多的优势。

但是当GPT成为像手机一样的日常用品时，会用GPT就不再是核心竞争力了。

因此，我们需要多思考如何基于GPT的能力去做更多有意义的事情，这可能才会让我们的路走的更远吧！

总结

GPT的出现不是为了让更多的人失业，而是为了让这个世界变得更好。

在时代的洪流下，消极内耗并不能改变现状，如何顺应时代的发展，拿出积极的态度去跟上时代的脚步才是我们应该思考的问题！

每天都被openai震撼到， 他们家被广为人知的产品是chatgpt，就是那个聊天工具。现在已经开始有越来越多的产品集成openai，比如微软的office，bing。

现在又一个工具出现，一个叫Cursor的编辑器已经集成了openai的GPT-4，而且还是免费的，它将彻底改变我们写代码的方式。 以前不会写代码先去百度google一下。Ctrl+c，Ctrl+v搞定，我们调侃我们都是CV工程师。

以后我们恐怕要成为“KL"工程师，为什么叫”KL“工程师呢， 因为只要K和L两个指令就可以直接生成代码、修改代码，哪行代码不会点哪里，他都给你解释得明明白白。

下载安装

Cursor编辑器提供了Windows、MacOS、Linux 三个平台的安装包，安装包下载链接: pan.baidu.com/s/1Jh3gIrnj… 提取码: dt7m

下载安装完成后，会引导你进行初始化设置，你即可以选择VIM或者Emacs的操作习惯，也可以保持默认设置，另外它还支持绑定Copilot。

我们可以直接用Ctrl+K，输入一个指令：”用Python实现一个猜数字游戏，每次最多3次机会“。 他就会立马直接给你生成好代码：

import random



def guess_number():

    number = random.randint(1, 100)

    print("我想了一个1到100之间的数字，你最多有3次机会猜对它。")

    for i in range(3):

        guess = int(input("请输入你猜的数字："))

        if guess == number:

            print("恭喜你，猜对了！")

            return

        elif guess < number:

            print("你猜的数字太小了。")

        else:

            print("你猜的数字太大了。")

    print("很遗憾，你没有猜对。我想的数字是：", number)



guess_number()

一行代码都不用修改可直接运行。

如果你对某一行代码不懂，你只要按住Ctrl+L选中它，然后输入关于这行代码你要问的问题。比如我问 name 是什么东西时，他就很智能的告诉了我。

不过目前这个编辑器的功能相比vscode还比较简陋，相信很快各大主流编辑器都会集成GPT4

哎，发现这个世界变化的有点太快，LLMs（大规模语言模型）将开启一次伟大的技术革命。

不知不觉间2022年只剩下几天了，这意味着我即将迈入30岁的殿堂，作为一个搞车载的程序员，而立之年感受颇多，借助掘金社区的活动，简单分享一下2022年的个人总结。

回顾2022

2022年对我而言，是很糟的一年，2021年底由于工作和我个人的原因和异地的女友分手了，经过一段时间的混乱后，我选择写技术博客来转移自己的注意力。

紧接着2022年年初，我顺利通过公司的内部答辩从 “高级软件工程师” 晋级 “资深软件工程师” ，这是我这一年中最值得开心的事。上家公司是一家上市企业，我个人学历以及工作年限其实并不符合晋升要求，但是得益于我在车载应用领域的文章积累，成为众多候选者中举证材料最完整的人，所以算是破格晋级。

从部门总监那里得知晋级成功的那一刻，还是非常开心的，这样开心的时间大概持续了一周左右，这段时间，我一直在问自己，这样是不是就足够了？还要继续深入应用开发吗？它都有哪些前景呢？

做车载这三年，在公司我一直主要从事车载应用的开发，偶尔也会参与Framework层一些模块的开发，我的晋升依据也是基于我在应用方面的积累，但是我其实一直对Android Framework、Native开发有着相当大的兴趣，但是公司内部预计很难安排相应的工作给到我，所以经过艰难的权衡，我还是决定在2022年10月离职了。

离职之后，简单尝试了几个互联网公司的面试，主要还是验证自己的一些想法，这里列举几个我印象比较深的问题。

Q：应用的换肤机制和原理

A：不知道！

车载应用虽然有换肤的需求，但是车载系统应用是基于Android Runtime Resource Overlay实现换肤，不过这套机制并不支持非系统应用，导致车载应用与移动端应用实现换肤的技术手段完全不同，所以我并没有实践过移动端应用的换肤，也就谈不上理解原理了。

结果：挂了！

Q：有没有使用过Flutter，描述一下它的绘制原理

A：额，同样不知道！！

国内主流的车载IVI系统，基本都是Android OS，也没听过车载系统应用有跨平台的需求，所以Flutter在车载应用开发领域使用的很有限，以至于做了三年车载应用开发，完全没有接触过Flutter。

结果：不出意外，挂了！

Q：插件化的原理

A：不造啊！！！

车载应用的一个重要特点就是交互逻辑要尽可能简单，方便驾驶员操作，所以车载应用一般页面都很少，基本用不上那么插件化这么复杂的工具。

结果：当然还是挂了！

简单的几次面试，基本验证了我的想法是合理的，移动端应用和车载应用开发还是有不少区别的，想进来其实并不难，但是做久了想出去就难了。

展望2023

“如果我不能教会新手，那么就说明我没有真正理解这个知识”

最近在B站看到的费曼学习法启发了我，最高效的学习方式就是，将学到的内容化繁为简的教会别人。

2022年我大约写了18篇技术性博客，但是多数时候，我都是把它当做对学习或工作内容的一次总结，回过头再来看这些内容，总结的质量差，大面积的拼凑了源码，阅读起来枯燥又乏味，而且缺乏提炼和总结，仿佛写了很多，但是抓不到重点。

所以，2023年要继续磨炼自己的写作技巧，把文章内容写得更加浅显易懂，同时也准备在B站制作一些视频教程，锻炼自己的总结能力。

转行车载的建议

为什么要写换行建议？因为总会有人问我，做手机开发如何转行车载开发，那么就在这里简单提一下。

APP工程师

基于我这次找工作的经验来看，APP工程师如果希望转行Framework岗位，实际工作经验偏少的话基本不现实，所以只能考虑转行车载APP工程师。

但是要注意的是，车载应用与移动端的应用开发还是存在一些不同的，例如开发一个车载系统设置、或SystemUI应用，使用的API往往是Android SDK没有暴露的API，手机应用开发基本不会涉及这块的内容，所以各个公司往往更愿意招聘有一定车载经验的程序员。

但是，手机应用开发转车载不代表没有机会，一般只要实力过硬，转行成功的概率还是非常大的。所以还是建议提升自己应用开发实力，写一些博客、做一些开源项目，有空闲时间的再看一下原生SystemUI、Launher、系统设置这些应用是如何实现的，都是非常不错的加分项目。

当然如果有一个211或985的学历，那就另当别论了，学历永远是硬实力！

Framework或Native/HAL工程师

从事FW或Native/HAL的工程师转行车载没什么特别值得犹豫的，FW/Native工程师一直都是车载稀缺的岗位，主机厂商也愿意接收没有车载经验的FW/Native工程师，如果转行之后薪资会迎来一波提升，那么直接转就行。

小结

以上就我的2022年终总结了，需要指出的是，文中提到的我个人的职业规划并不适用于大多数人，而且属于一个潜在风险很大的发展路径，极容易变成什么都会什么都不精，所以对于多数人我建议还是做深度发展，而不是横向发展。

写这篇总结的时候，惊讶的发觉我开始低烧了，寄，不会刚上一周的班就阳了吧。吃药休息了，咱们2023年再见吧！

错过了前三次的伟大革命（蒸汽机革命、电气革命、信息革命），GPT-4 你还要错过人工智能AI革命吗！！！

看 GPT-4 是如何炼成绝世神功：葵花宝典？

欲练神功，不必自宫。西方不败——GPT-4！

GPT-4 is OpenAI’s most advanced system, producing safer and more useful responses

GPT-4 是 OpenAI 最先进的系统，可产生更安全、更有用的响应

更牛的问题解决能力

GPT-4由于其更广泛的通用知识和解决问题的能力，可以更准确地解决难题。

Creativity 创造力

GPT-4 比以往任何时候都更具创造性和协作性。它可以生成、编辑并与用户一起完成创意和技术写作任务，例如创作歌曲、编写剧本或学习用户的写作风格。

GPT-4 Input 输入:

Explain the plot of Cinderella in a sentence where each word has to begin with the next letter in the alphabet from A to Z, without repeating any letters.

用一个句子解释灰姑娘的情节，其中每个单词必须以字母表中从 A 到 Z 的下一个字母开头，不重复任何字母。

GPT-4 Output 输出：

A beautiful Cinderella, dwelling eagerly, finally gains happiness; inspiring jealous kin, love magically nurtures opulent prince; quietly rescues, slipper triumphs, uniting very wondrously, xenial youth zealously.

美丽的灰姑娘，渴望安居，终于获得幸福；激起嫉妒的亲人，爱情神奇地孕育出富贵的王子；悄悄拯救，拖鞋胜利，团结无比，热心青年。

ChatGPT Input 输入：

Explain the plot of Cinderella in a sentence where each word has to begin with the next letter in the alphabet from A to Z, without repeating any letters.

用一个句子解释灰姑娘的情节，其中每个单词必须以字母表中从 A 到 Z 的下一个字母开头，不重复任何字母。

ChatGPT Output 输出：

After attending a ball, Cinderella dances enchantingly for good-hearted King, leaving midnight noticed or perhaps quickly returning slipper to unite victoriously with prince, resulting in ultimate victory with wonderful, extravagant, youthful zest.

参加舞会后，灰姑娘为好心的国王翩翩起舞，留下午夜的注意，或者迅速返回拖鞋，与王子胜利团结，以美妙、奢侈、青春的热情取得最终胜利。

对比看下哪个更牛～

Visual input 视觉输入

GPT-4 can accept images as inputs and generate captions, classifications, and analyses.

GPT-4 可以接受图像作为输入并生成说明、分类和分析。下面是接受一个图像的输入之后，生成图像说明、分类和分析的输出结果：

Input 输入：

What can I make with these ingredients?

我可以用这些原料做什么？

Output 输出：

你可以用这些原料做很多选择！一些可能性包括： 

- 煎饼或华夫饼 

- 可丽饼 

- 法式吐司 

- 煎蛋卷或菜肉馅煎蛋饼 

- 乳蛋饼 

- 奶油冻或布丁 

- 蛋糕或纸杯蛋糕 

- 松饼或面包 

- 饼干或饼干 

这些只是几个例子，但可能性是无穷无尽的！

有木有很牛逼～

能够识别分析图像那就越来越接近人类了，不但可以对话，还可以感知外在的世界，如果可以聊天时有脑有嘴的话，GPT-4那现在就是有眼了，有视觉能力了。当一个机器有视觉能力之后会发生什么？？？大家可与脑洞一下～

有视觉能力这是GPT-4有别于前几代GPT重大的升级，也是人工智能发展到另一个新的里程碑的意义。AI 革命现在不是未来可期了，而是未来已来了，就发生在你我所处的这个共同的时代，老铁们还不赶紧上车 （观众公众号“李荣生”，了解及时准确全面的GPT的进展，ChatGPT新技术的在业务中的调教、应用和体验） 。

错过了前三次的伟大革命（蒸汽机革命、电气革命、信息革命），你还要错过人工智能AI革命吗！！！

Longer context 更长的上下文

GPT-4 能够处理超过 25,000 个单词的文本，允许使用长格式内容创建、扩展对话以及文档搜索和分析等用例。

Input 输入：

[Text from: https://en.wikipedia.org/wiki/Rihanna]

​

Describe her Super Bowl performance and what made it special.

描述她在超级碗比赛中的表现以及它的特别之处。

Output 输出：

Rihanna's Super Bowl LVII halftime show performance was special for a number of reasons. For one, it marked her first live performance in over five years, and it was her first time headlining the Super Bowl halftime show. Additionally, she made history by becoming the first person to perform at the Super Bowl while pregnant. The show itself was critically acclaimed, with many praising her high-energy performance and impressive vocals. It also garnered a massive viewership, becoming the second most-watched halftime show in history.

出于多种原因，蕾哈娜 (Rihanna) 的超级碗 LVII 中场秀表演很特别。首先，这是她五年多来的第一次现场表演，也是她第一次登上超级碗中场秀的头条新闻。此外，她还创造了历史，成为第一个在怀孕期间在超级碗上表演的人。该节目本身广受好评，许多人称赞她充满活力的表演和令人印象深刻的歌声。它还获得了巨大的收视率，成为历史上收视率第二高的中场秀。

备注： Super Bowl 超级碗是美国职业橄榄球联盟(NFL)每年举行的年度总决赛，通常在每年的二月初举行，是美国和全球最受关注和观看的单一体育赛事之一。

可以接收wikipedia网址地址的输入，并经过分析之后归纳蕾哈娜 (Rihanna)比赛的表现和特别之处。为解决部分老铁不方便之门，我把wikipedia地址的部分内容截图如下：是个美女哦～

可以接收更多文字的输入，包括网址地址的搜索和分析，经过理解之后可以根据prompt提示输出，理解问题的能力更强大了。

GPT-4的能力总结一句话：会说、会看、更懂你！！！

更牛的推理能力

GPT-4 的高级推理能力超越了 ChatGPT，ChatGPT VS GPT-4 推理能力对比：

ChatGPT Input 输入：

Andrew从上午11点到下午3点有空，Joanne从中午到下午2点，然后下午3:30到5点有空。Hannah在中午有半个小时的时间，然后下午4点到6点。Andrew、Hannah和Joanne 30分钟会议的开始时间有哪些选择？

ChatGPT Output 输出：

以下是它们的可用性列表：

-安德鲁：上午11点至下午3点

-乔安妮：中午至下午2点，下午3:30至下午5点

-汉娜：中午至下午12:30，下午4点至6点

​

根据他们的可用性，他们三人都有30分钟的可用时间，从下午4点到下午4点30分。因此，会议可以安排在下午4点。

ChatGPT-4 Input 输入：

Andrew从上午11点到下午3点有空，Joanne从中午到下午2点，然后下午3:30到5点有空。Hannah在中午有半个小时的时间，然后下午4点到6点。Andrew、Hannah和Joanne 30分钟会议的开始时间有哪些选择？

ChatGPT-4 Output 输出：

安德鲁：上午11点至下午3点

乔安妮：下午12点至2点，下午3:30至5点

汉娜：下午12点至12点30分，下午4点至6点

​

30分钟会议的常见时间：中午12点至中午12点30分

ChatGPT VS GPT-4 考试能力对比

参加 美国 （Uniform Bar Exam 统一律师考试）和（Biology Olympiad 生物奥林匹克竞赛考试）的对比，GPT-4 通过在测试中获得更高的近乎一百分满分数证明优于 ChatGPT。

备注： Uniform Bar Exam（普通考试统一律师资格考试），简称UBE，是一个跨越美国多个州的法律考试。它是由具有法律职业监管权的各州联合开发的，旨在便捷地实现律师的跨州执业。通过UBE，考生只需参加一次考试，就能将成绩用于多个州的律师资格申请。UBE考试由三个部分组成，包括多项选择题、法律分析和写作。考试的题材涵盖了民法、刑法和司法程序等多个领域的知识。通过UBE考试是律师在跨州执业时的重要成就之一，同时也证明了其掌握了足够的法律知识和技能，能够为客户提供高质量的法律服务。

Biology Olympiad（生物奥林匹克竞赛）是一个面向中学生的国际生物学竞赛。它由国际生物学奥林匹克委员会（IBO）组织，旨在鼓励中学生研究生物学、发展科学技能以及推动全球青少年对生物学的兴趣。每年，参赛国家都会选派最优秀的中学生代表参加IBO大赛。本竞赛通常包括一系列基础和高级的生物学知识测试、实验考察和科学研究等项目。参加Biology Olympiad不仅能锻炼和展示学生的生物学技能，还可以帮助学生获得在全球范围内访问高水平生物学教育和研究资源的机会。

GPT-X 进化中

遵循 GPT、GPT-2 和 GPT-3 的研究路径，我们的深度学习方法利用更多数据和更多计算来创建越来越复杂和强大的语言模型。

GPT-4进化之旅

We spent 6 months making GPT-4 safer and more aligned. GPT-4 is 82% less likely to respond to requests for disallowed content and 40% more likely to produce factual responses than GPT-3.5 on our internal evaluations.

花费了6个月的时间来确保GPT-4更加安全和准确。我们对GPT-4进行了多次内部测试和修改，使其回答不被允许的内容请求的可能性降低了82%，同时在产生事实回答时的准确率比GPT-3.5提高了40%。这意味着我们对GPT-4进行了改进，解决了其可能存在的问题，并提高了它的准确性和可靠性，使其更适合用于公共平台。

简单一句话就是：我更牛逼了～。更要命的是，这个家伙还不断迭代、不断进化中～

欲练神功，不必自宫，是否会炼就为真正的一个——西方不败（GTP-X）？

如果做到更安全和更准确？

Safety & alignment 他们（OpenAI）是这样做的：

人工反馈训练

我们在训练GPT-4时，吸收了更多人类反馈，包括ChatGPT用户提交的反馈，以改善GPT-4的行为。我们还与超过50位专家合作，包括AI安全和安全领域的专家，进行早期反馈。

通过真实世界的使用不断改进

我们将从以前模型在真实世界使用时的经验教训中，应用到GPT-4的安全研究和监控系统中。就像ChatGPT一样，随着越来越多的人使用GPT-4，我们也将以定期的节奏更新和改进它。

GPT-4协助的安全研究

GPT-4的高级推理和指令遵循能力加速了我们的安全工作。我们使用GPT-4来创建训练数据，进行模型微调，并在训练、评估和监控中迭代分类器。

有谁在使用 GPT-4 能力？

使用 GPT-4 构建创新产品的组织合作包括：

Stripe互联网支付平台 Stripe 利用 GPT-4 来简化用户体验并打击欺诈。

Morgan Stanley华尔街摩根士丹利投资银行 摩根士丹利财富管理部署 GPT-4 来组织其庞大的知识库。

Khan Academy全球在线平台可汗学院 可汗学院在有限的试点项目中探索 GPT-4 的潜力

Government of Iceland冰岛政府 冰岛如何使用 GPT-4 来保护其语言。

Duolingo GPT-4 加深了 Duolingo 上的对话。Duolingo是一款流行的语言学习应用程序，允许用户以游戏化的方式学习一系列不同的语言。Duolingo 提供了一个互动平台，通过其独特的教学方法和游戏元素，让用户在轻松有趣的环境中学习语言。Duolingo的目标是帮助人们学习语言、提高沟通技能和拓宽对其他文化的理解。它同时也为用户提供一个可持续的、个性化的学习体验。Duolingo 影响了全球数百万语言学习者，并在广泛的年龄范围内取得了成功。

Be My Eyes 利用GPT-4技术改变了视觉辅助功能。Be My Eyes是一款志愿者和盲人用户之间的求助平台。该平台让盲人用户请求帮助时，匹配到愿意帮助的志愿者。使用GPT-4技术，Be My Eyes可以识别图像并实时将描述发送给需要帮助的盲人用户。这使得盲人用户可以像有视力的人一样，获取到更多关于周围环境的信息。

通过在技术上方便快捷地连接盲人用户和有视力的志愿者，Be My Eyes广泛地改变着视觉障碍群体的生活中的社交和日常方面。这项技术帮助他们更好地融入社会，增强了他们的自信和独立性。最重要的是，Be My Eyes通过与GPT-4技术的整合，成为了利用人工智能的科技慈善的优秀典范。

还有下面其他应用案例：

关于 GPT-4 的更多信息

More on GPT-4 ：

We’re excited to see how people use GPT-4 as we work towards developing technologies that empower everyone.

我们很期待看到人们如何使用 GPT-4，同时我们将努力开发能够赋予每个人权力的技术。

View contributions

GPT-4 API 候补名单

We’re making GPT-4 available as an API for developers to build applications and services.

我们将 GPT-4 作为 API 供开发人员构建应用程序和服务。

Join waitlist 加入候补名单

加入候补名单地址：openai.com/waitlist/gp…

Availability 可用性

During the gradual rollout of GPT-4, we’re prioritizing API access to developers that contribute exceptional model evaluations to OpenAI Evals to learn how we can improve the model for everyone. We are processing requests for the 8K and 32K engines at different rates based on capacity, so you may receive access to them at different times. Researchers studying the societal impact of AI or AI alignment issues can also apply for subsidized access via our Researcher Access Program.

在 GPT-4 的逐步推出期间，我们优先考虑为 OpenAI Evals 贡献卓越模型评估的开发人员访问 API，以了解我们如何为每个人改进模型。我们正在根据容量以不同的速率处理对 8K 和 32K 引擎的请求，因此您可能会在不同时间获得对它们的访问权限。研究 AI 的社会影响或 AI 对齐问题的研究人员也可以通过我们的研究人员访问计划申请补贴访问。

For use cases we tried, GPT-3.5 did not reliably handle multi-language text. We hope to explore GPT-4 for this use case.

对于我们尝试的用例，GPT-3.5不能可靠地处理多语言文本。我们希望为这个用例探索GPT-4。

robin 的演示

我们用 robin 的演示例子来对比一下 文心一言和 ChatGPT 的真实表现（毕竟发布会上是录的）。 注意，我使用的 GPT 版本是 4.0

文学创作

1 三体的作者是哪里人？

文心一言：

ChatGPT：

嗯，中文表现上文心一言更好。

2 电视剧三体的演员都有谁？

文心一言：

ChatGPT：

关于这个问题 ，由于 ChatGPT 的数据只能查到 2021 年的，所以它不知道是正常的。

3 主演 于和伟 和 张鲁一 谁更高？

文心一言：

ChatGPT：

4 可以总结一下《三体》的核心内容吗？如果要续写的话，可以从哪些角度出发？

文心一言：

ChatGPT：

虽然网络出一点儿问题，但我更喜欢 ChatGPT 的回答。

商业文案创作

1 如果要成立一个用大模型服务中小企业数字化升级的科技服务公司，可以起个什么公司名？

文心一言：

ChatGPT：

显然我更喜欢文心一言的，但如果你跟 ChatGP 继续聊下去，它可能提供更进一步符合你需求的答案。

2 数智云图这个名称不错，给我起一个公司的服务 Slogan，表达共赢的概念

文心一言：

ChatGPT：

这一轮文心一言的回答更好。

3 帮我生成一篇公司成立的新闻稿，数智云图以共赢的服务理念用大模型服务中小企业数字化升级。字数 600 字

文心一言：

ChatGPT：

ChatGPT 试了几次网络都有问题，这一轮不好评价。

数理逻辑推算任务

1 鸡兔同笼问题

文心一言：

ChatGPT：

这一轮没有意外，我更喜欢 ChatGPT 的回答。

中文理解能力

1 “洛阳纸贵”是什么意思？

文心一言：

ChatGPT：

感觉差不多。

2 当时洛阳的纸到底有多贵？

文心一言：

ChatGPT：

那么这一题，ChatGPT 开始一本正经的胡说八道了。

3 这个成语在现在的经济学原理里，对应的理论是什么？

文心一言：

ChatGPT：

4 用洛阳纸贵四个字写一首藏头诗。

文心一言：

ChatGPT：

ChatGPT 给出的结果明显不对。

多模态生成

目前文心一言的测试版本并不能生成语音和视频，但是可以直接生成图片，图片的质量比想象中的要好，而且还有很多的风格可以选择，比如说卡通风格，油画风格，还有很多的风格，可以满足不同的需求。

绘画能力应该是集成了现成的文心一格。

以下是我试的几个例子

描述： 请为 2023 世界智能交通大会创作一张海报。

描述：“灌木丛中的一朵机械花，有金属花瓣，周围环境和人的镜面反射，鸟瞰图。 构图夸张，具有强烈的视觉冲击力和叙事性”

描述：“雨天香港、哥特式建筑 3D 画风”

描述：“一只睡在柜子上面的猫，卡通风格”

描述：“麦田中的少年，油画风”

坦率讲与 midjourney 的绘画能力相比，文心一格的绘画能力还是有差距的。

编程

1 请帮我写一个网页版的贪吃蛇游戏

文心一言：

ChatGPT：

虽然又遇到了网络问题，但各位开发老铁们，不用我说了吧，都知道该选啥哈

2 生成测试数据

文心一言：

ChatGPT：

ChatGPT 完胜

文心一言使用注意事项

在使用过程中出现了排队的情况：

这我在使用 ChatGPT 的时候可没有遇到过。

可以输入“/” 来获取模版

绘画的例子上文举过了，我们来看看剩下 2 个：

查一个知识

写一篇报告

总结

经过试用文心一言，再对比 ChatGPT，我认为：文心在中文语料上应该是更丰富些。多语言上目前一定不如 ChatGPT 优秀。虽然这两个模型在某些方面有所重叠，但它们在应对特定语言和领域问题时具有各自的优势。

其实最令我意外的是，文心一言并没有发布会时让人感觉的那么差。它不是 chatPPT, 至少目前看不是，它完成了从 0 到 1 的过程 ，虽然有差距，但还是真心地希望国内的企业能够在 AI 的领域做出一些成绩，而不是一味地跟风。

我现在理解了 😊