AI

A collection of 18 posts
或許,未來 Web3 的主流使用族群不是人類?
Web3

或許,未來 Web3 的主流使用族群不是人類?

生成式 AI 模型的快速發展,讓 AI 不再局限於語言處理或資料分析,而是逐漸展現出接管更多領域工作的潛力。這些 AI 代理(AI Agents)未來可能不僅能執行日常任務,甚至有望主導經濟活動。然而,AI 要真正發揮潛力,必須具備金融交易的自動化能力,這正是現有金融工具的最大限制。 Ref: 【Web3 元觀察】可程式化的未來-連金融都可被代理的世界 - INSIDE 現有金融工具的侷限 當前的金融工具設計主要針對人類。無論是銀行帳戶、信用卡,還是 KYC 認證流程,這些系統都要求使用者是具體的自然人或法人(這就是為什麼 DID 對於未來的身分驗證特別重要,不過這會需要更長的篇幅,就不在這裡展開)。AI 無法透過這些流程,因此它們無法自主完成資金管理、付款或交易。這使得 AI 在金融交易自動化方面的潛力受到了極大限制。 而且,即便是做金融發達的國家,現有的金融工具也存在許多限制,尤其是對於個人創作者、
7 min read
讓 Claude 官方教你如何寫出卓越的提示詞(Prompt)
ChatGPT

讓 Claude 官方教你如何寫出卓越的提示詞(Prompt)

是否感覺自己總是無法從 AI 助理那裡得到想要的答案?Claude 官方的這份提示工程指南將為我們解決這個困擾。雖然源自 Claude,但這套方法我想同樣適用於 ChatGPT 等其他 AI 助理。 優質提示詞與平庸提示詞之間的效果差異。精心設計的提示詞能引導 AI 生成準確、深入的回應,而模糊的提示詞則可能導致誤解和無效輸出。 Claude 的這份指南不僅告訴我們「怎麼做」,更重要的是解釋「為什麼這樣做」。每個技巧都配有實例,並且分析為什麼好的提示詞會帶來卓越結果。從提高表達清晰度到巧用角色扮演,從內容創作到資料分析,指南涵蓋了廣泛應用場景。 核心技巧包括激發 AI 深度思考、優化提示詞、利用 AI 知識庫,以及為特定任務訂製策略。指南後半部分更提供了實用的任務特定技巧,幫您將理論轉化為實際成果。 有效提示的通用建議 1. 清楚明確 * 開頭直接說明你的需求或問題。 * 提供背景和細節,幫助 Claude 理解你的需求。 * 將複雜的任務拆分成小步驟。 不良示範: 幫我做一個報告。 良好示範:
16 min read
深度思考力與好奇心:活用 AI 的關鍵
AI

深度思考力與好奇心:活用 AI 的關鍵

儘管我們已經有了像 ChatGPT 這樣的工具,當下的現實是,大部分人只能拿它用來進行簡單對話。從人類對世界的理解,對邏輯的掌握,以及抽象思考能力的平均水平來看,整體的表現實在令人哀傷。 算力,是對愚蠢人類的「容錯」能力。(出處:人工智慧和傳統行業的思考) 從企業角度來看,現狀亦是如此。業務部門經常抱怨研發部門開發的系統功能不易使用,而研發部門則認為業務部門無法清晰地提出需求。 我們都是人類,我們都使用自然語言來溝通,理應不存在溝通困難。然而,可悲的事實卻是,業務需求是對客觀世界的抽象和歸納,而功能的實現則是從基本能力開始,逐層具體化和堆疊,這兩者從未能夠完全對齊。 人工智慧可以填補自然語言的溝通鴻溝,但卻無法解決人類的邏輯和抽象能力遠遠跟不上的問題。 沒有人能夠完全掌握所有的知識,即使你掌握了眾多的生產力工具和知識圖譜技巧。但是,電腦不同。理論上,電腦可以輸入人類社會有史以來的所有知識,並使用最基礎的邏輯來關聯這些知識,這是任何一個人腦在有限時間內無法做到的。 從這個角度來看,ChatGPT 的某個意義在於「為人類彼此提供一個更好的溝通介面」。(如:幫助業務部門更加清晰地
10 min read
一鍵生成:用 AI 將 Figma 設計稿直接生成可維護的程式碼
Programming

一鍵生成:用 AI 將 Figma 設計稿直接生成可維護的程式碼

長期以來,切板總是對於前端開發人員來說最痛苦且費時的事情,我們目睹了 Web 技術的驚人進步,但將設計稿直接轉化為程式碼一直沒有令人滿意的解決方案。 就在昨天, Builder Velocity 發佈了 Visual Copilot(由 AI 驅動的「Figma to Code」),只需一個滑鼠點擊即可將 Figma 設計即時轉換為 React 程式碼。
8 min read
ChatDev:AI 代理組成的軟體開發團隊
AI

ChatDev:AI 代理組成的軟體開發團隊

近年來,AI 領域的突破令人矚目。布朗大學與中國多所大學合作的一項新研究,展示了一個由 GPT-3.5 驅動的「虛擬科技軟體公司」— ChatDev。這間公司不僅以驚人的效率和低成本開發軟體,還利用一種稱為「思考指令機制(Thought Instruction Mechanism)」的方法來協調各個 AI 角色。 該研究的主要目標是探索 GPT-3.5 是否能在沒有提前訓練的情況下,完成科技軟體公司開發軟體的工作。 實驗過程 ChatDev 按照傳統的瀑布式開發流程(Waterfall Model)被劃分為四個主要階段:設計、開發軟體、測試和維護。每個 AI 角色,如「CEO」、「CTO」、「程式設計師」和「測試工程師」,在不同的階段執行各自的任務。 思考指令機制 論文中提到,思考指令機制(Thought Instruction Mechanism)是有助於減少所謂
5 min read
ChatGPT 使用心法,開放心態是善用 AI 技術的關鍵
ChatGPT

ChatGPT 使用心法,開放心態是善用 AI 技術的關鍵

隨著科技的快速發展,人工智慧肯定會成為人們生活中不可或缺的一部分。然而,每當新技術出現時,總是會有一些人對其抗拒,認為傳統的方式才是最好的。 讓我嘗試用 ChatGPT 生成的寓言故事來表達我對這個觀點的看法: 有一個名叫老李的資深工程師,他的一生都在用 Emacs 這編輯器寫程式,並且因此自豪。 他經常與他的同事們爭論這才是比 Vim 更好的編輯器。 但隨著時代的變遷,Visual Code 這種現代化的生產力工具逐漸成為主流。 大部分的人都選擇使用 Visual Code,因為它更方便、更高效。 然而,老李始終無法適應這個變化。他依然沉浸在過去的成功中, 堅持認為使用 Vim 和 Emacs 才是真正的工程師。 就在這時,一位年輕的程式設計師小張加入了他們的團隊。小張熟練地運用 AI 技術, 大大提高了工作效率。他認為 AI 只是一個生產力工具,能幫助人們更好地完成工作, 並不會取代人的創造力和情感。 老李看到小張的成功,心中產生了濃厚的排斥感。他認為這些年輕人都忘記了真正的藝術。 可是,隨著時間的推移,
6 min read
LLM 時代,如何擁抱機遇?
AI

LLM 時代,如何擁抱機遇?

在這篇文章中,我們探討了人工智慧和新範式的變化情況,並為個人和組織提供建議,以駕馭這個令人興奮但又充滿挑戰的時代。 LLM 帶來的範式轉移 ChatGPT,一個基於 GPT-3.5 架構的人工智慧語言模型,在短短兩個月內吸引了超過一億的活躍使用者,實現了一個里程碑。是什麼讓它脫穎而出?根據自然語言處理專家的說法,是壓縮知識和調整不同模式的能力,如語言和圖形。此外,ChatGPT 代表了一種補充人類模式的模式,可以長期整合。 ChatGPT 的成功在於它封裝了世界上所有知識,並具備足夠強的學習和推理能力。此外,它的領域足夠寬,知識足夠深,並且易於使用,這是自然語言處理的突破之一。ChatGPT 的模型越來越接近人的認知模型,長期可以融合在一起。未來模型的生態會更多樣化,涵蓋新的領域、新的專業、新的結構、新的場景和新的適應能力,最終會形成閉環,不斷加強認知和推理能力。ChatGPT 的優勢將推動各行各業生產資本的提高,使得所有動腦筋的工作成本降低、產能提升。此外,生產資本也將在深層層面上提升,特別是一些本質上是模型驅動的行業,例如醫療。 創始人對於創業公司的成功越來越重要,他們需
5 min read
問對問題是用好 ChatGPT 的關鍵 - 吳恩達教你學會下 Prompt 的技巧
ChatGPT

問對問題是用好 ChatGPT 的關鍵 - 吳恩達教你學會下 Prompt 的技巧

吳恩達,人工智慧專家、史丹佛客座教授。曾任 Google Brain 團隊的創始人和領導者,現為 deeplearning.ai 和 Landing AI 的創始人和 CEO。日前他在 Twitter 宣佈跟 OpenAI 共同出品免費的公開課程:ChatGPT Prompt Engineering for Developers,課程材料是由 OpenAI 和 DeepLearning.ai 團隊共同開發。最終目標是激發開發人員的想像力,應用 LLMs 開發新的應用程式。 這門課程主要是針對開發人員介紹如何使用大型語言模型 (LLMs) 進行提示(Prompting),進而建立軟體應用程式,課程大約一個半小時而已,並且有提供 Jupyter Notebook 程式碼搭配說明,非常推薦工程師學習,我將我認為的重點整理到本篇文章。 1/ Thrilled to
8 min read
[筆記] 《What We See & What We Value?》- 李飛飛
AI

[筆記] 《What We See & What We Value?》- 李飛飛

李飛飛博士的團隊建立了一個名為 ImageNet 的資料集,在 2012 年的 ImageNet 挑戰賽中,奪冠團隊開發的 AlexNet 模型首次擊敗人類在圖像分類任務中的表現,這標誌著深度學習革命的開始,此後許多模型都以它為基礎和基準。 資料、計算、以及神經網路三者的發展引領了 AI 領域中的深度學習革命。未來 AI 的發展將持續受到腦科學和人類認知的啓發。 李飛飛博士分享了三個階段: 1. Building Al to See What Humans See 李飛飛教授提到跟人類一樣,視覺智能(Objective Recognition)是 AI 能自我學習的關鍵,但心理學家認為,要充分理解視覺場景,還必須考慮物體之間的關係。 李飛飛博士的團隊建立了一個名為視覺基因組的資料集(Action Genome),其中包含 10 萬張圖片,380 萬個物體,230 萬個關係,
3 min read
AI 技術:人類進化的下一步或失控的開始?
AI Featured

AI 技術:人類進化的下一步或失控的開始?

在這篇文章中,我想和大家一起探討未來 AI 技術的發展,以及它如何影響我們的生活、教育和就業。同時,基於我對區塊鏈技術的了解,我也想探討 AI 對數據隱私和資訊安全的影響,以及區塊鏈在未來世界中扮演的重要角色。 希望通過這篇文章,可以一起能夠與讀者一起探討人類如何應對未來的策略和挑戰,共同為未來的發展做出貢獻。讓我們一起跨越時空,開啟一場關於未來的思辯之旅。 從近期的發展,推測未來 AI 的演化 生成式 AI 大型語言模型 LLM 可以應用的地方非常廣泛,市場也非常熱絡,每天都會有新的論文、技術、產品的發表,近一週的體感時間就像是「幣圈一天,人間一年」。 * 微軟宣布了 Microsoft 365 Copilot,這是一個由人工智慧驅動的工具,可以協助用戶完成各種任務,例如在 Word 中製作簡報和在 Excel 中進行數據分析。 * OpenAI 的 GPT-4 在各種測試中已經超越了人類表現,在專業和商業領域表現尤其突出。 * Meta
24 min read
[筆記] ChatGPT 是網上所有文字的模糊 JPEG 圖像
AI

[筆記] ChatGPT 是網上所有文字的模糊 JPEG 圖像

姜峯楠(Ted Chiang)是華裔美國科幻小說作家,畢業於布朗大學計算機系。 曾獲四項星雲獎、四項雨果獎、約翰·W·坎貝爾最佳新作家獎、四項軌跡獎等獎項。 他的短篇小說《你一生的故事》在2016年被改編成電影《異星入境》 技術和科幻的雙重背景,讓其對 ChatGPT 具有了獨特見解,強烈推薦姜峯楠這篇極具洞察的原文《 ChatGPT Is a Blurry JPEG of the Web | The New Yorker》。 ChatGPT 是網上所有文字的有損壓縮 如果將網際網路上的所有文字看做是原件,考慮到處理速度和準確度,ChatGPT 實際上是這些文字的有損壓縮後一個自然語言交互介面。既然是有損壓縮,就會拋棄一些細節,甚至關鍵訊息。 關於有損壓縮可能會導致的問題,作者舉了一個形象的例子: 2013 年德國一家建築公司複印了一張房子平面圖,三個房間都有一個標籤來說明其面積:14.13,21.11 和
7 min read
職場革命:AI 會如何改變工作與教育?
AI

職場革命:AI 會如何改變工作與教育?

人工智慧技術的快速發展已經開始改變職場和教育,進而影響著整個社會。隨著 AI 技術的普及和應用,人們對於未來的工作和教育也開始產生了種種疑問和憂慮。然而,這些變化也帶來了機會和挑戰,讓我們重新思考職場和教育的本質和未來的發展方向。在本文中,我們將探討 AI 技術如何改變工作和教育,並且探討人類應該如何適應和應對這些變化。 根據 MIT 研究人員的量化結果,使用 ChatGPT 帶來的生產力提昇為 37%,工時減少 37%,且工作品質提昇了 19.8%。生產力的提升來自於「取代」而不是「輔助」。 在過去,學者曾計算出工業革命對職場帶來的衝擊,估計這個技術革命在背後貢獻了 22% 到 41% 勞工整體生產力的提升。AGI(通用人工智慧)的出現可能是真正的第四次工業革命,所有的顛覆和影響才正要開始。 可見的未來,無法被 AI 取代的能力和領域 簡立峰:「所有敲鍵盤的工作都將被取代,包含工程師。」 (詳見:[筆記]
14 min read
[筆記] 10 個台灣新創不能忽略的趨勢 / 簡立峰老師 - AAMA 分享會
AI

[筆記] 10 個台灣新創不能忽略的趨勢 / 簡立峰老師 - AAMA 分享會

本次我們邀請了 簡立峰老師 擔任分享者,老師將與大家分享其所觀察到台灣正在或即將發生的趨勢,從國際情勢、台灣轉型問題到新創的挑戰。 後疫情時代、ChatGPT 掀起 AI 熱潮的此時此刻, 誠摯邀請您一起來聆聽本場分享會,互相交流台灣所面臨的情勢、新創發展的新契機! 關於 ChatGPT: * 超級人工智慧之路:人類的不朽或滅絕? * 當 ChatGPT 都可以理解晶晶體,我們還有必要學習第二語言嗎? * ChatGPT 的技術原理剖析、發展歷程 世界:10 個不能忽略的生成式 AI 趨勢 趨勢一:電腦時代來臨 Computer 在台灣被翻譯為「電腦」,實際上過去都是「計算機」。台灣在這件事情算是先知,我們正在進入一個時代:從計算機走入電腦。過去的電腦是為美國人最佳化的。 而不論最後的結果如何,促成這件事情的就是我們人類自己,AI 被我們訓練 30 年了,我們成就了今天的 ChatGPT。 趨勢二:
19 min read
ChatGPT 與 LLM 的技術原理剖析、發展歷程
AI

ChatGPT 與 LLM 的技術原理剖析、發展歷程

LLM ChatGPT 作為當前自然語言處理領域的熱門技術之一,其模型設計和性能優異程度深受廣大研究者和應用開發者的青睞。本文將對 ChatGPT 的技術原理進行剖析,介紹其背後的深度學習技術和演算法,同時分析其發展歷程及其在自然語言處理領域的應用。 三個關鍵背景知識 要探討 ChatGPT 的技術原理,有三個關鍵背景知識我們需要先建立: 1. 神經網路與深度學習 2. 大型語言模型 LLM 3. 生成式 AI 算力的增加讓 AI 神經網路再度復甦 人工智慧(AI)的歷史可以追溯到上世紀五十年代,當時,科學家們開始設計能夠模擬人類智能的機器,嘗試實現機器能夠像人一樣進行推理、學習、問答等任務。 神經網路最早起源於上世紀五六十年代,並且曾經在八十年代和九十年代得到了廣泛的關注。但是,當時的計算資源和資料量有限,神經網路無法發揮出其潛力,在此過程中,AI 技術經歷了多個階段的發展,從最初的符號邏輯推理到基於規則的專家系統,再到統計學習的機器學習。 隨著資料量和計算資源的不斷增加,神經網路在二十一世紀初逐漸復興,2006 年,深度學習(Deep Learning)
12 min read
當 ChatGPT 都可以理解晶晶體,我們還有必要學習第二語言嗎?
AI

當 ChatGPT 都可以理解晶晶體,我們還有必要學習第二語言嗎?

ChatGPT 是一種強大的語言模型,其對人類語言的掌握程度相當高。在使用 ChatGPT 的三個月中,我深深感受到它對自然語言的理解程度之深刻,甚至能夠輕易掌握晶體的概念。最讓我驚訝的是,使用 ChatGPT 時,我完全不需要像使用 Siri 或 Google 那樣預先想好應該用什麼語法結構或關鍵字來幫助 ChatGPT 理解我的意思,而且 ChatGPT 的回答中也不會出現中英文夾雜的錯誤。 根據我使用晶晶體與 ChatGPT 的對話,可以明顯感受到它對於自然語言的理解能力已經超越了平均水平: 程式語言的五個層次 程式語言是電腦可以讀懂的語言,從下而上,可以被分為五個層次,每個層次都表示著不同的程式語言類型: 1. 機器語言(Machine Language):二進制的指令和數據,由計算機直接執行。 2. 組合語言(Assembly Language):使用助記符號(mnemonic)代替二進制指令,但仍然需要直接與硬體交互。 3. 低階語言(Low-Level Language):類似於組合語言,
4 min read
超級人工智慧之路:人類的不朽或滅絕?
AI

超級人工智慧之路:人類的不朽或滅絕?

Tim Urban 是 Wait But Why 網站的創始人之一,該網站主要以長篇部落格的形式探討各種主題,內容涵蓋人工智能、外太空和拖延症等領域。他曾在 2016 年的 TED Talk 中探討拖延症的主題,該演講基於 Blog 中的概念,截至 2022 年 12 月,該演講已經累積了超過 5000 萬的觀看次數。網站上的一篇有關 Elon Musk 和 Neuralink 的文章是與 Musk 本人共同製作的。 Tim Urban 這兩篇關於 AI 人工智慧的文章值得人類對於 ChatGPT 的出現後對未來將產生的變化深思,更了不起的是,這還是 2015 年的文章! 它提出了一個現實而令人不安的問題:當超級人工智慧的時代來臨時,我們是否能掌握住未來的命運?文章引用了大量的研究和數據,
15 min read