4 ай бұрын
4 ай бұрын
4 ай бұрын
Жыл бұрын
Жыл бұрын
Жыл бұрын
Жыл бұрын
2 жыл бұрын
3 жыл бұрын
3 жыл бұрын
Пікірлер
@user-sq6lw3mi8w 7 күн бұрын
ETSY上的電子藝術，用AI產品但在其它平台發表過是可以的嗎?
@canraddong1513 Ай бұрын
大舅很可爱
@xiaowuya 2 ай бұрын
能生成中文吗？
@xiaowuya 2 ай бұрын
忘记 点赞了补一个
@xiaowuya 2 ай бұрын
水印在视频里面不科学吧
@kelvinkwong646 2 ай бұрын
前端有什么自学的网站或者app 自学的推荐资料去哪里找 我想自己学前端 新加坡有推荐工作的吗
@angelinvegas6239 2 ай бұрын
谢谢大舅，可否具体讲讲你是怎么做的那个激光脱毛产品的视频广告？期待下一期
@julieyuan007 2 ай бұрын
喜欢认识各行各业的新朋友，滴滴...
@user-te5bf1lj8s 3 ай бұрын
这样的视频能过原创么
@suminshen 3 ай бұрын
Dtt临尾躺枪lol
@masonz3575 3 ай бұрын
看的有点懵，这和DA好像没啥区别？
@user-ck4ru6tv9v 3 ай бұрын
开头跟个傻子一样
@user-rn1nk2vj9f 3 ай бұрын
没用的！社会规则就不会让普通人这么容易。即使真有这样的方法，大部分人也会被阻止。
@edwindigital 3 ай бұрын
照片里的BigJoe被识别为大乔？硅谷大乔哈哈哈
@da-jiu 3 ай бұрын
就是啊 是不是很好笑！
@sundydy 2 ай бұрын
哈哈哈哈 还日本吉祥物 好会扯
@QAZ0501 3 ай бұрын
没有对比一下文生图的能力？
@davidwang6541 3 ай бұрын
這個gemini胡說八道我特別有感，早在bard 的階段我就發現這個問題，他很敢講，不懂得就用吹牛的，當你發現他錯了，他就趕快敷衍你，順風轉舵說他不小心看錯了，相對的chat GPT 回答就很謹慎保守，他不懂得他就舉牌舉雙手投降了，所以有很多問題你都問不到答案，Gemini 都回答讓你很過癮，但是錯誤一堆你也不知道出在哪裡，這兩者很難取捨，直到有一天我無意間看到的三個字，發現了gemini這個胡說八道的問題的原因是所謂的：幻覺率，每一個模型他都會有出錯的機率，gemini胡說八道際遇這麼高的原因是因為他是一個很大的模型，這個部分是沒有辦法避免，我用這三個字自己去問Gemini 是他告訴我有這個東西，至於他是不是又對我胡說八道我無從可考，至於chat G P T不容易胡說八道的原因, 是因為他的模型小的多，那我進一步問gemini要怎麼樣改善這個幻覺率的問題，他跟我說可以縮小模型的訓練，因為他是通用的，不可能十項全能，所以比方說你要讓他理解一些圖表，像我就有丟一張美股的K線圖給他看，他煞有其事分析了一堆，結果出來的結果也是錯的，但是他跟我講，透過針對性的訓練是可以改善的，比如說就是丟很多美股的K線圖給他一張一張去跟他對正確的答案，讓他理解他錯在哪裡，到了某一個程度他的準確率就會提高了，這是他自己跟我講的，但是我還沒有去試過，你測試的一些物理題我認為你也可以再去對解母奶試試看就是給他很多題目讓他去測，錯了你跟他講他出錯在哪裡，讓他對這個錯誤有所認知，從錯誤中學習進化，這是我目前得到的理解
@da-jiu 3 ай бұрын
厉害的长评论👍
@netboy1102 3 ай бұрын
比来比去，最好是看哪个最顺手就好了
@user-pf8ut8es4g 3 ай бұрын
为什么刚注册完成就显示Application error : a client -side exception has occurred 是啥意思啊？
@da-jiu 3 ай бұрын
我没遇到呢，你刷新一下试试看
@pengchen7231 3 ай бұрын
有讨论群吗？
@da-jiu 3 ай бұрын
暂时还没有
@user-rc6ph3qq9s 3 ай бұрын
类似正念语录这种频道，未来有什么变现的机会？
@da-jiu 3 ай бұрын
可以接广告，一般一条价格是粉丝数的 1/10
@yongqiuxiao3331 3 ай бұрын
大舅谢谢你
@xxr-lr4of 3 ай бұрын
感觉素材跟剪映差不了多少啊…😢
@afonsode419 3 ай бұрын
為甚麼現在沒有人 再說Google 完蛋了 而是把他也當個咖
@janchangchou777 3 ай бұрын
任何一條神經網路也是一個多變數廻歸分析，也是統計學迴歸分析的一環。我在40年前攻讀數理統計就涉及這些人工智能及多變量（含時間變量）的廻歸分析（向量/ 矩陣/ 線性代數/ 機率/ 取様….）, 以便對一些事件做出精准智能的預測。所謂自我學習也只是用後面收集或模擬出的更新的資料去修正原先迥歸分析的杈重或係數參數而已。40 年前人工智慧就是數理統計的一大課題。馬斯克說得一點都沒錯-目前的人工智慧全部建立在數理統計的基礎上。從那時開始就不斷有各行各業的數據分析專業人士來我們數理統計這參與並學習迥歸分析。他們回去後就不斷建立了屬於他們行業內的多條神經網絡（行業內的迥歸模型）。 在那時從事這類研究工作的數理統計的博士生全部被限制在晚上12 時過後才能使用國家級的超級計算機，否則我們兩三𠆤人一上線全部就大當機。我們那時也發展出一套類似挖礦機的方式，利用所有大量閒置的𠆤人電腦來提供其微小的算力，進而整合這些龐大的所謂分散型算力，但受限那時網路的不發達，很難把規模擴大。 近幾十年隨計算機能力不斷提升，目前市面AI 所謂大模型，主要是著力於面對”服務大衆需要”的所謂生成式/ 語言等等的智能協作服務。就是把百行百業各個領域等等數以千萬千億計資料進行迥歸模型的建立及修正（所謂自我深度學習）而形成龐大的神經網絡。因此也不用太誇大眼下的AI , 這些早在40 年以前都已建構了理論基礎，而智能恊作早在各專業領域都已發展的非常完善，只是因過去算力不足只能在各自專業領域進行中小規模（變量數較少）的神經網絡建構。例如氣象預報就是早期最明顯的利用氣象專用超高速大電腦發展為成熟預測能力（AI)的例子，股票買賣決策也是智能恊作(AI/CIC)的典型。”把簡單數學上使用即存的規模資料或電腦模擬資料進行所謂的㢠歸分析/模型建構並藉此模型做可行的智能預判或恊作，包裝成醫學上複雜尚未完全掌握的神經網路的機制及作用原理”，不但瓢竊了數理統計在AI 發展的絕對地位，實在也是在誤導整𠆤AI 的發展。也會造成眼下一般人的過度期待和焦慮。應將AI 改稱作” CIC:Computer Intelligent Collaboration , 電腦智能恊作， 更為恰當。 何謂知識？ 由經驗總結後（ 抽象具體化） ，就形成知識（用數字分析的表達方式就是去建構知識模型）。 形成知識後就可複製/ 傳承/ 預測/ 擴展。因此目前的AI 發展，就是在循人類文明發展至為重要的其中的一𠆤過程-只是採用了數位化的方式，將經驗知識化了。 目前的AI 只是以數理統計為手段及方法論，以資訊及計算計工程為工具，進行數位型的經驗知識化的過程。人類有許多其他不同型態非常複雜的知慧，這種僅止於知識數位化的智慧， 其實離人類多型態的智慧還有非常巨大的距離。 另外， 眼下AI 服務於大衆的大模型的各種數學理論及所謂的機器學習（參數修正）及深度學習（參數及變數的多層次增加及修正）。 早在40 年前相應的數學理論都已完備（但落實到實際應用上，如何解1 億 by 1 億的聯立方程組( 行列式計算）， 這需要極其龐大的平行計算能力，在那時期是完全不可能的） 。 其實AI 最重要最關鍵的是各行各業各領域的專家組，而不是這些AI 編程的公司（ 他們只是依需求用已完善的數學統計理論加以電腦編程後，利用巨大算力去幫忙找出合適的模型並不斷予以完善）。 只有各行各業各領域的專家組才知道在茫茫大海中的資料及訊息中，那些因素才是其所涉領域的関鍵變數，那些變數資料才是可做為他們收集分析建立模型的。例如氣象學/經濟學/股票買賣智能決策/ 醫學/ 藥學/ 農業生產/ 基因工程/ 化學工程/自動駕駛/飛彈防空系統/圖像識別及處理/ 建築結構力學/小樣品模擬模型（核爆/飛機失事）………..等等。 此外服務大衆的語言學也是極度複雜的一門學課，其可能的變量變因會高達幾千萬𠆤， 再加上多層級過濾學習修正的模式，因此其涉及的變數算力就以億計， 所以才稱做大模型。 要取那些因素進行那一層分析，主要都是語言學家在主導。 而這些眼下的AI 應用的公司， 只是利用已發展完備的數學統計理論在不同領域專家組的指導下，去有效的進行數拈收集整理分析並進而建立一個特定領域的模型，作為該特定領域的電腦智能恊作工具。 另外面對服務大衆的生成式服務，也是要面對大衆各種不同的需求，因此其所需處理消化的資料也是天文數字的龐大，也要各行各業領域專家介入協助指導進而形成並建立大模型。 其實生成式AI 可以理解成升級版的超級搜索引擎，傳統的搜索引擎，用関鍵字/詞，從數據庫內匹配/找出並羅列出可能所需資訊，現在進步升級到如果你給出更具體規範的需求，系統就能從數據庫內拼湊出並提供更完整的接近最終需求的服務內容。這只是把過往已存在的數據庫（已長年經各行業領域專家組維護並梳理過的）更完善的整理優化後予以呈現。而這𠆤更完善的過程使用了大量多層次的統計數字分析的手段， 把這個完善化的過程誇大的比擬成人類的思考及智慧（其誇大的目的-圈錢），將造成極大的誤導。
@janchangchou777 3 ай бұрын
其實生成式大模型， 就是用即存服務於大衆的大型搜索的資料庫，如google ， Bing 等等，以數理統計為核心，結合資訊工程及硬體工程為工具，而進行更貼切於使用者需求的優化過程和結果。所以生成式大模型最終會回到過往提供搜索服務的大型公司的對決。 因此CIC 或是AI 是以特定領域專家組為主導，數理統計為核心，資訊工程及硬體工程都是配合的工具而已。 這樣的發展才會健康/ 不浪費/ 高效率/ 高精確度。 但目前的發展方式， 以資訊工程及硬體工程來主導開發服務大衆的大模型，只是因為這方面天文級別的龐大算力需大資本投入，這是一𠆤比較理想的快速盈利回報的營運方式，但這種情況就會造成眼下嚴重的誤導及錯誤的認知，沒有效率及喪失精準度，甚至如當下出現諸多以提供算力及編程服務的所謂AI 公司出面圈錢的亂象。 其實眼下的蓬勃發展是假象。 不管怎麽發展，從事這𠆤領域研究工作的人不能不具備相關數理統計的知識，也不能缺少專家組對資料的專業的選定/收集/整理。而資訊程序員和電腦只是工具。特別在早期各專業領域內的中小模型的智能發展和恊作，編程只是工具。但當算力上來後，服務大眾的類搜索引擎的生成式及語言大模型，就變得可行了， 但不管怎樣可行，仍是以數理統計為核心，更龐大的專家組仍是關鍵。 只是這種大模型下算力變成稀缺的主要投資成本， 使得這些編程及硬體人員不得不高舉這𠆤旗幟來圈錢， 如果這些編程及硬體人員拿不出這些算力（如果由國家直接投資），他們在整個AI(CIC) 的發展上，根本算不上什麼角色。但這一輪由算力提供方來主導的AI 發展，將會走得很偏，而且會很快撞牆。 未來可能的發展模式： 1） 資訊及硬體工程提供集中算力設備及模型編程的開放平台，供各領域的專家組使用。 有點像當下晶片產業，各應用領域產業由專家組組成公司後，進行各領域的智能開發和應用（如晶片應用的design house，聯發科，海思等 ) , 而算力的提供及收費則由資訊及硬體工程提供（這需要密集资本投入，甚至國家力量投入，如台積電）。 2） 由於網路的高度發展， 另外一種提供龐大算力的方式，是由巨量萬家萬戶閒置PC 𠆤人電腦參與分散型算力的提供，並予以整合，這也是需由資訊及硬體工程來實現的。
@da-jiu 3 ай бұрын
好长的评论👍
@janchangchou777 3 ай бұрын
其實生成式大模型， 就是用即存服務於大衆的大型搜索的資料庫，如google ， Bing 等等，以數理統計為核心，結合資訊工程及硬體工程為工具，而進行更貼切於使用者需求的優化過程和結果。所以生成式大模型最終會回到過往提供搜索服務的大型公司的對決。 因此CIC 或是AI 是以特定領域專家組為主導，數理統計為核心，資訊工程及硬體工程都是配合的工具而已。 這樣的發展才會健康/ 不浪費/ 高效率/ 高精確度。 但目前的發展方式， 以資訊工程及硬體工程來主導開發服務大衆的大模型，只是因為這方面天文級別的龐大算力需大資本投入，這是一𠆤比較理想的快速盈利回報的營運方式，但這種情況就會造成眼下嚴重的誤導及錯誤的認知，沒有效率及喪失精準度，甚至如當下出現諸多以提供算力及編程服務的所謂AI 公司出面圈錢的亂象。 其實眼下的蓬勃發展是假象。 不管怎麽發展，從事這𠆤領域研究工作的人不能不具備相關數理統計的知識，也不能缺少專家組對資料的專業的選定/收集/整理。而資訊程序員和電腦只是工具。特別在早期各專業領域內的中小模型的智能發展和恊作，編程只是工具。但當算力上來後，服務大眾的類搜索引擎的生成式及語言大模型，就變得可行了， 但不管怎樣可行，仍是以數理統計為核心，更龐大的專家組仍是關鍵。 只是這種大模型下算力變成稀缺的主要投資成本， 使得這些編程及硬體人員不得不高舉這𠆤旗幟來圈錢， 如果這些編程及硬體人員拿不出這些算力（如果由國家直接投資），他們在整個AI(CIC) 的發展上，根本算不上什麼角色。但這一輪由算力提供方來主導的AI 發展，將會走得很偏，而且會很快撞牆。 未來可能的發展模式： 1） 資訊及硬體工程提供集中算力設備及模型編程的開放平台，供各領域的專家組使用。 有點像當下晶片產業，各應用領域產業由專家組組成公司後，進行各領域的智能開發和應用（如晶片應用的design house，聯發科，海思等 ) , 而算力的提供及收費則由資訊及硬體工程提供（這需要密集资本投入，甚至國家力量投入，如台積電）。 2） 由於網路的高度發展， 另外一種提供龐大算力的方式，是由巨量萬家萬戶閒置PC 𠆤人電腦參與分散型算力的提供，並予以整合，這也是需由資訊及硬體工程來實現的。
@janchangchou777 3 ай бұрын
@@da-jiu 其實生成式大模型， 就是用即存服務於大衆的大型搜索的資料庫，如google ， Bing 等等，以數理統計為核心，結合資訊工程及硬體工程為工具，而進行更貼切於使用者需求的優化過程和結果。所以生成式大模型最終會回到過往提供搜索服務的大型公司的對決。 因此CIC 或是AI 是以特定領域專家組為主導，數理統計為核心，資訊工程及硬體工程都是配合的工具而已。 這樣的發展才會健康/ 不浪費/ 高效率/ 高精確度。 但目前的發展方式， 以資訊工程及硬體工程來主導開發服務大衆的大模型，只是因為這方面天文級別的龐大算力需大資本投入，這是一𠆤比較理想的快速盈利回報的營運方式，但這種情況就會造成眼下嚴重的誤導及錯誤的認知，沒有效率及喪失精準度，甚至如當下出現諸多以提供算力及編程服務的所謂AI 公司出面圈錢的亂象。 其實眼下的蓬勃發展是假象。 不管怎麽發展，從事這𠆤領域研究工作的人不能不具備相關數理統計的知識，也不能缺少專家組對資料的專業的選定/收集/整理。而資訊程序員和電腦只是工具。特別在早期各專業領域內的中小模型的智能發展和恊作，編程只是工具。但當算力上來後，服務大眾的類搜索引擎的生成式及語言大模型，就變得可行了， 但不管怎樣可行，仍是以數理統計為核心，更龐大的專家組仍是關鍵。 只是這種大模型下算力變成稀缺的主要投資成本， 使得這些編程及硬體人員不得不高舉這𠆤旗幟來圈錢， 如果這些編程及硬體人員拿不出這些算力（如果由國家直接投資），他們在整個AI(CIC) 的發展上，根本算不上什麼角色。但這一輪由算力提供方來主導的AI 發展，將會走得很偏，而且會很快撞牆。 未來可能的發展模式： 1） 資訊及硬體工程提供集中算力設備及模型編程的開放平台，供各領域的專家組使用。 有點像當下晶片產業，各應用領域產業由專家組組成公司後，進行各領域的智能開發和應用（如晶片應用的design house，聯發科，海思等 ) , 而算力的提供及收費則由資訊及硬體工程提供（這需要密集资本投入，甚至國家力量投入，如台積電）。 2） 由於網路的高度發展， 另外一種提供龐大算力的方式，是由巨量萬家萬戶閒置PC 𠆤人電腦參與分散型算力的提供，並予以整合，這也是需由資訊及硬體工程來實現的。
@janchangchou777 3 ай бұрын
其實生成式大模型， 就是用即存服務於大衆的大型搜索的資料庫，如google ， Bing 等等，以數理統計為核心，結合資訊工程及硬體工程為工具，而進行更貼切於使用者需求的優化過程和結果。所以生成式大模型最終會回到過往提供搜索服務的大型公司的對決。 因此CIC 或是AI 是以特定領域專家組為主導，數理統計為核心，資訊工程及硬體工程都是配合的工具而已。 這樣的發展才會健康/ 不浪費/ 高效率/ 高精確度。 但目前的發展方式， 以資訊工程及硬體工程來主導開發服務大衆的大模型，只是因為這方面天文級別的龐大算力需大資本投入，這是一𠆤比較理想的快速盈利回報的營運方式，但這種情況就會造成眼下嚴重的誤導及錯誤的認知，沒有效率及喪失精準度，甚至如當下出現諸多以提供算力及編程服務的所謂AI 公司出面圈錢的亂象。 其實眼下的蓬勃發展是假象。 不管怎麽發展，從事這𠆤領域研究工作的人不能不具備相關數理統計的知識，也不能缺少專家組對資料的專業的選定/收集/整理。而資訊程序員和電腦只是工具。特別在早期各專業領域內的中小模型的智能發展和恊作，編程只是工具。但當算力上來後，服務大眾的類搜索引擎的生成式及語言大模型，就變得可行了， 但不管怎樣可行，仍是以數理統計為核心，更龐大的專家組仍是關鍵。 只是這種大模型下算力變成稀缺的主要投資成本， 使得這些編程及硬體人員不得不高舉這𠆤旗幟來圈錢， 如果這些編程及硬體人員拿不出這些算力（如果由國家直接投資），他們在整個AI(CIC) 的發展上，根本算不上什麼角色。但這一輪由算力提供方來主導的AI 發展，將會走得很偏，而且會很快撞牆。 未來可能的發展模式： 1） 資訊及硬體工程提供集中算力設備及模型編程的開放平台，供各領域的專家組使用。 有點像當下晶片產業，各應用領域產業由專家組組成公司後，進行各領域的智能開發和應用（如晶片應用的design house，聯發科，海思等 ) , 而算力的提供及收費則由資訊及硬體工程提供（這需要密集资本投入，甚至國家力量投入，如台積電）。 2） 由於網路的高度發展， 另外一種提供龐大算力的方式，是由巨量萬家萬戶閒置PC 𠆤人電腦參與分散型算力的提供，並予以整合，這也是需由資訊及硬體工程來實現的。
@user-bd5sp2dn9d 3 ай бұрын
那個是小船，我只比AI厲害在這裡而已～😂
@user-bd5sp2dn9d 3 ай бұрын
大舅照片真帥啊～
@da-jiu 3 ай бұрын
嘿嘿
@simonpeter9617 3 ай бұрын
心理学
@joshuahuang-sm1iq 4 ай бұрын
吹牛的确超过了😂
@oconnor8615 4 ай бұрын
Claude一直很好用，2的时候就比gpt3.5好用，但是付费是个问题，信用卡一直会有限制！
@lrenven 3 ай бұрын
同样有这个问题，想用Opus还没有渠道
@roseblack6089 4 ай бұрын
😂不行 不如3.5
@user-gl3xv6xo7v 4 ай бұрын
可是gpt4那是去年4月份出来的，这一年肯定自我升级不少吧
@da-jiu 4 ай бұрын
所以要等GPT5出来看升级得怎么样啦
@debbie99 4 ай бұрын
請問現在用Chatgpt 4 turbo內的plugins可以create my own app 嗎？因為我不懂Python, 所以好希望今天的Chatgpt 4 turbo可以幫助我
@da-jiu 4 ай бұрын
这个我要研究一下～
@foreverYoung38 4 ай бұрын
不可以
@simonpeter9617 4 ай бұрын
测评的好， 👍
@da-jiu 4 ай бұрын
谢谢！
@simonpeter9617 4 ай бұрын
实际使用下来还是opus效果更好， 更舒服
@da-jiu 4 ай бұрын
Opus确实非常不错！
@simonpeter9617 4 ай бұрын
他家opus的api体验如何？ 大舅@@da-jiu
@da-jiu 4 ай бұрын
那个我还需要研究一下
@chinasopofiber 4 ай бұрын
出个教程啊，我们都没听过是啥
@simonpeter9617 4 ай бұрын
的确紧跟热点啊， 大舅
@da-jiu 4 ай бұрын
博主必备素质嘻嘻
@feitonghan812 4 ай бұрын
赞
@Mia-hq2mk 4 ай бұрын
text to video 生成中文短视频推荐哪个工具呢
@gamefrist3329 4 ай бұрын
废话太多了 内容不够新颖
@LulalaLucky 4 ай бұрын
我的评论被吞了？
@da-jiu 4 ай бұрын
没被吞啊，我能看到
@LulalaLucky 4 ай бұрын
有没有可以产生中文视频的软件介绍呢~🤩
@da-jiu 4 ай бұрын
待我研究一下～
@ze8557 4 ай бұрын
哇塞，大舅又更行了，太好了。我以为你都不更新了，很是可惜。能再次见到你真是太好了。
@da-jiu 4 ай бұрын
也是不断pivot，感谢一直支持！
@gateci 4 ай бұрын
怎评论不显示
@da-jiu 4 ай бұрын
可以看到你的评论
@simonpeter9617 4 ай бұрын
显示了
@LulalaLucky 4 ай бұрын
@@da-jiu 大舅，有没有产生中文视频的AI软件呢
@alansnoopy 4 ай бұрын
@@LulalaLucky 剪映就很好用了
@nini-ck7mn 4 ай бұрын
@@alansnoopy剪映生成的没法看
@simonpeter9617 4 ай бұрын
怎么操作机器人？
@da-jiu 4 ай бұрын
现在只能看到Demo，等它正式发布吧
@RSC918 4 ай бұрын
欢迎大舅回归
@da-jiu 4 ай бұрын
谢谢！
@simonpeter9617 4 ай бұрын
好办法
@da-jiu 4 ай бұрын
谢谢！
@simonpeter9617 4 ай бұрын
AI媒体感觉难度也不小啊
@da-jiu 4 ай бұрын
开始做起来
@Mindcroscope 2 ай бұрын
AI prompt (AI指令) 学好了，AI就会成为你的神器。🤑
@lisaaptx4869 4 ай бұрын
谢谢大舅的分享！会多刷几次发掘一下匹配自己的方向
@da-jiu 4 ай бұрын
加油！
@user-sd8hq7rs5p 4 ай бұрын
谢谢大舅的分享
@da-jiu 4 ай бұрын
谢谢支持！
@InvestWithPrudence 4 ай бұрын
欢迎大舅回归❤🎉
@da-jiu 4 ай бұрын
谢谢！
@shani2479 4 ай бұрын
大舅终于回来了🎉
@da-jiu 4 ай бұрын
开心！
@rayleigh4332 4 ай бұрын
测试了Groq的准确率真的好低
@da-jiu 4 ай бұрын
开源模型是差一点