新鲜出炉（人工智能下载）“满腹狐疑“

提醒！算法备案应尽快提上日程，未来审批会越来越严格

节前，国内多家AI网站倒闭，看到这个消息我震惊了！咨询了业内朋友，情况紧急。

据他透露，现在算法备案的队伍已经很长了，监管部门也越来越清楚，所以未来审核的压力会更大；还有，以前要准备那么多材料，还要来来回回跑……

合规性测试是必须通过的。正在创业或开发相关产品的老板们，一定要先向熟悉这个行业的朋友问清楚！否则，前期投入就打水漂了，而且会有很多惨痛的教训。

我咨询的学长是乐哥，有需要的话可以扫二维码详细了解~

全国首个大型模式创新生态社区“摩素空间”在上海徐汇启动

9月28日，上海“摩苏空间”创新生态社区暨人工智能大模型产业生态聚集区揭牌仪式在徐汇西岸隆重举行，这是全国首个大模型专业孵化加速载体。

“摩素空间”基于“1+1+5+N”功能体系布局，打造开放数据平台、测试评测平台、算力调度平台、融资服务平台、综合服务平台五大公共服务平台，夯实入驻企业保障要素；同时针对消费、文娱、医疗、金融、教育等大模型需求快速、先发优势强的垂直应用领域，打造多个行业级生态社区。⋙官方新闻

感觉要火了！把照片翻译成国画风格比拍古风照片好看

工笔画是中国传统的工笔写实绘画技法，以细腻的笔触描绘物体的细节，再以层层墨色描绘，以达到精致的效果。

在浏览C站的时候发现了一个很有意思的新模型“融合工笔画（ID：153283）”，结合ControlNet可以将实物照片转化为工笔画风格！体验出奇的好！

主要输出方向是古风女生，不过现代风也可以输出，但是古风男生不行。另外如果想输出效果更有传统笔触感，可以使用“xdgb style”来加强风格。

独立开发者群体的观察笔记，一些让人心碎的事实

这是@henu王凯在观察了一段时间独立开发者社区之后做的笔记，他根据自己的经验总结了这个社区的三个特点，或者说他们面临的三个发展挑战。ShowMeAI 整理了一下，收藏在星球里，有兴趣的可以去看看原文。

太多了！关于大模型和 AIGC 的 36 个注释和真相

这是国内某 AI 领军企业闭门会议的要点笔记，记录了这场讨论中一些颠覆我们认知的真相，ShowMeAI Daily 摘录了其中几篇，你可以去知乎查看完整的 36 篇文章。

新一代生成式AI或许需要反思上一代AI所走过的坎坷，避免重蹈上一次寒冬的覆辙。这一领域的从业者应该看清行业内循环、看清客户痛点，不要被大佬们的心灵鸡汤蒙蔽了双眼。

2、募集到的钱80%-90%都用来做算力，这是目前的情况，要知道现在只是训练，训练的成本是可控的，但是推理的成本是不可控的。

4、目前行业还缺少一些颠覆性的杀手级应用，难以实现商业变现。

14. 我们要找到一些性感的场景。有几个标准，第一，切口要小。第二，要匹配大模型的优点。第三，要让买单的决策用户有很强的感知度。比如，过去获取一些数据、结论或者服务，需要经过不同的流程，现在通过大模型，决策者可以在移动设备上快速获取并完成。

17、我们认为机会还是在TOB垂直模式，核心点是数据和场景本身，这是最重要的。

21、我们觉得ToC比较容易赚钱，ToB有一个问题，就是一个项目的流程比较长，从客户批准预算，到立项，到落地，赚钱周期很长。

22.我觉得现在机会太多了，不要把资源分配到自己不具备能力的领域，战略选择很重要。

28、在过去的一两年内，由于创新和产品开发的过程，现金回收周期会相对较长。

31.绕过模型，绕过算力，下一个机会或许就是Agent⋙推荐阅读原文[1]

‍ 提示工程：是炒作还是真实趋势？是否值得认真研究？

大模型推出后，快速工程、快速工程师等概念开始深入人心，被宣传为新的技术趋势和热门职业。

但半年多过去了，招聘广告上的高薪职位并未大量出现。那么花时间学习即时工程的各种技能还值得吗？本文总结了各方观点：

狂热的炒作和宣传表明，工程学是一股黄金潮流，为任何愿意学习的人打开大门

不过，提示工程目前还未成为一个主要的独立岗位，而是被融入到了其他人工智能或技术岗位之中。

领域专家通过提出正确的问题来定义任务，而 AI 技术专家通过理解模型的复杂性来改进结果。组织最需要这两类工程师。

对于大多数人来说，学习基本的 cue word 技巧就足够了，注意跟随模型的快速变化，结合领域知识才能发挥更大的作用。⋙ 原文 [2] | 中文翻译版

LLM学习手册，掌握核心知识点，学会选择模式

这是一本LLM学习小手册，2023年9月新开源，介绍了LLM的核心知识点，并提供了模型选择指导和实际案例演示，是一本可以快速完成学习的教程！

以下是各章的主要内容，教程的结构和基本内容都讲得很好，有兴趣的可以去网站学习：

简介：本开源指南可帮助工程师了解人工智能，尤其是大型语言模型 (LLM)。

人工智能基础：定义人工智能、法学硕士 (LLM) 及其功能和局限性，并从技术角度解释法学硕士 (LLM) 的工作原理

语言模型 101：提供有关模型架构、训练和推理的详细信息，并解释参数、微调、束搜索等关键概念。

选择 ML 模型：提供有关如何开始使用模型和评估结果的指导

值得关注的项目：将专注于完整的 LLM 解决方案、运行时、搜索增强、协调和前端

从左侧的大纲中可以看到，一些核心章节仍有待上传，您可以等待更新：数据检索、图像模型、微调、模型构建和音频/视频模型

从巫术到科学：这本书揭示了人工智能的工作原理

ShowMeAI知识星球 代码：R186

扫描上方二维码即可下载本书的中英文版本

人工智能无处不在，却又神秘莫测。解释人工智能是什么、它是如何运作的似乎很难。然而，一旦你想深入了解其原理，就会遇到一大堆公式、数学、技术、编程等让你感到不知所措的知识。

如果你想通过图文并茂的方式揭开AI的神秘面纱，那么这本书值得一读！ShowMeAI制作了中英文双语版本，可在星球上下载阅读。

第 1 章：人工智能概述

第 2 章：为什么是现在？人工智能的历史

第 3 章：经典模型：老式机器学习

第 4 章：神经网络：类似大脑的人工智能

第 5 章：卷积神经网络：人工智能学会观察

第 6 章：生成式人工智能：人工智能变得富有创造力

第七章：大型语言模型：真正的人工智能终于到来了吗？

第 8 章：思考：人工智能的影响

读完本书，你会了解人工智能背后的历史，为何现在会爆发AI革命，几十年的符号人工智能工作为何失败，又如何为神经网络的出现打开了大门，神经网络是什么，如何训练神经网络，以及大型语言模型对我们社会的影响……

需要注意的是，如果你在开始阅读之前对AI、机器学习、深度学习有基本的了解，整个过程会更加顺利（你可以在这里填写AI的基础知识）

本书的作者 Ronald T. Kneusel 也值得介绍一下，他拥有机器学习博士学位，在工业机器学习领域有近 20 年的数据科学家经验，也是多本畅销 AI 书籍的作者，因此写作质量是有保证的。

订阅合集#ShowMeAI Daily，查看历史消息，接收每日最新推送；点击公众号底部菜单栏，或回复关键字Daily，可获取独家AI发展趋势报告、原创AI专料合集等。

参考

[1]

太多了！关于大模型和 AIGC 的 36 条注释和真相：

[2]

即时工程：成为人工智能“低语者”是未来的职业还是昙花一现的时尚？