生成式AI将在十个方面改变软件开发

什么是生成式人工智能 然而,与学习模式并根据这些模式做出预测或决策的传统机器学习模型不同,生成式人工智能更进一步——它不仅从数据中学习,还创建模仿输入数据属性的新数据实例。应用程序和用例非常广泛。生成式人工智能可用于根据特定作者的风格创作短篇故事,生成不存在的人的真实形象,以著名作曲家的风格创作交响乐,或者从简单的文字描述。这使得生成式人工智能可用于设计生成类似人类响应的虚拟助手、开发具有动态和不断变化内容的视频游戏,甚至生成用于训练其他人工智能模型的合成数据,特别是在收集现实世界数据可能具有挑战性或不切实际的情况下。 阅读详情

上个世纪90年代,当人们提起软件编程时,通常意味着选择一个编辑器,将代码检入CVS或SVN代码库,然后将代码编译成可执行文件。与之对应的Eclipse和Visual Studio等集成开发环境(IDE)可以将编程、开发、文档、构建、测试、部署等步骤纳入到一个完整的软件开发生命周期(SDLC)中,从而提高了开发人员的工作效率。

近年来,流行的云计算和DevSecOps自动化工具提升了开发者的综合能力,使得更多的企业能够更加轻松地开发、部署和维护软件应用。

如今,生成式AI作为下一代开发范式转变的催化剂,有望改变企业创建和维护软件的方式,并带来新的开发工具和范式。对此,许多开发人员开始疑惑,AI是否会让我们所熟知的编程技能走向消亡。同时,各个企业的IT领导也在考虑:在未来十年中,AI将如何影响SDLC和DevSecOps的发展。带着这两个问题,我将和您在下文中一同寻找答案。

生成式AI是一种新工具,还是一种新的开发方式?

Pulumi的首席执行官Joe Duffy认为:“AI将会增强编程的自动化,大幅提升企业的生产力和产出,从而提高人类操作的抽象水平,而不会真正取代编程。”Thomvest Ventures的负责人Ashish Kakran则认为:“生成式AI正在颠覆软件交付的生命周期。”开发和DevOps团队将变得更具生产力。

同时,随着生成式AI功能的不断完善,开发人员的职责会随之调整。Matillion公司的首席技术官Ed Thompson认为:“Copilots的当前形式,实际上是在提高开发人员的工作效率,消除他们过往的繁忙状态。那些认为Copilots已经从根本上改变了编程江湖的人,是错误地假设了开发人员的工作只是编写代码,而不是解决现实问题。”那么,生成式AI到底在会怎样改变软件开发江湖呢?

1.根据自然语言提示生成标准的代码

Astronomer的Airflow工程总监Kaxil Naik认为:“通过AI生成的代码模板、以及AI辅助的Copilot将自然语言翻译成功能性代码,简化了对复杂代码库的理解,并确保了遵守开发最佳实践,从而将让编程工作变得更加高效。”

StackOverflow的2023年开发者调查显示,有70%的开发者正在或计划在开发过程中使用AI工具。而在那些已经使用AI进行开发的人群中,有超过82%的使用了AI来编写软件代码。这些数字足以表明,开发人员传统的编写代码、重用现有代码、以及构建组件的方式,正在发生模式上的转变。

2.代码验证是开发人员的重要职责

除了让编程变得更加简单和高效,开发人员需要的担负着重要责任是,花费大量的时间、以及使用高效的工具,来验证代码,避免生成的代码存在安全问题、或有性能缺陷。

Sonar的开发者关系部主管Peter McKee认为:“随着开发人员更多地采用AI来提高生产力,他们有责任对AI生成的内容进行全面检查。”通常,边编程边清理,可以确保在交付过程中执行持续的检查和监控。据此,开发人员可以将更多时间花在新的任务上,而无需修复那些人工创建的、或由AI生成的代码里潜在的错误与漏洞。McKee补充说:“如果开发人员未能通过自动化来扫描和监控AI生成的代码,那就意味着后续需要修复的代码和技术债会成倍增加。

3.成为大企业新的开发模式

使用生成式AI工具开发代码,可能会如何影响各个开发团队在大型企业中,支持数千种应用工具和标准。如果开发人员只需编写较少的代码,并更多地与由生成式AI开发的代码相集成,那么大型企业的开发工作会成什么样子?

Red Hat开发工具与战略推广部的Markus Eisele认为:“不同团队的不同工具组合,会导致缺乏标准化和统一的开发实践,更不用说由此增加的开发人员的认知差异。”而由AI构建的集中式开发门户,能够方便开发团队的轻松访问,并通过消除协同过程中的摩擦,来成就跨团队应用的最佳实践。这就意味着集成开发环境可能会蜕变为装配平台,类似于制造业中的计算机辅助设计(CAD)或建筑业中的建筑信息建模(BIM)。其重点将从构建定制组件转移为组装已有组件,以及利用内置工具来验证设计。

4.编程量的减少,代码供应链风险的增加

使用生成式AI开发的代码的另一个影响,是涉及到企业领导者将如何制定相关政策,以及如何监控企业应用中嵌入了哪些供应链的代码。一直以来,企业需要持续跟踪的是开源和商业软件组件。将来,它们需要增加生成式AI的输出这一新的层面。

Sonatype的现场首席技术官Ilkka Turunen认为:“开发人员需要在维护和管理AI供应链方面发挥重要作用。他们将会在企业的日常运营中,对AI模型的安全性、真实性和来源予以更严格的审查。通过实施AI风险评估,并妥善管理AI模型物料清单,企业应确保开发基础架构拥有适当的AI安全和管理。”

在实践中,SAST、DAST、以及其他安全与代码管理工具,能够提高代码扫描的自动化能力,并且可以在开发人员将代码集成到企业资源库之前,协助验证生成式AI的产出代码是否符合安全策略。

5.新模式加速整合

在过去十年中,通过应用程序接口(API)、IFTTT的SaaS集成平台、集成平台即服务(iPaaS)、以及其他生态系统技术,开发人员的代码集成能力有了数量级的提升。尽管如此,开发人员仍然需要做大量的基础性工作,来映射数据字段、编程逻辑转换、以确保可靠性与性能。而利用生成式AI,开发人员可以构建出具备自然语言需求、可视化流程的无代码集成。

供职于SAP AI与创新团队的Emmanuel Cassimatis认为:“过去,从设计、构建、测试、集成、部署、交付到审查,整个开发生命周期中的不同步骤向来是分散的。而AI则可以从不同应用的数据中挖掘并实现一个统一的集成层面,从而加强开发人员之间的协作。”

6.开发人员将成为AI代理的管理者

Honeycomb的首席产品经理Phillip Carter认为,生成式AI将改变开发人员和质量保证(QA)工程师未来的工作任务。“将来,自然语言很可能会指导更多的代码生成和验证生成代码的测试。其中,AI代理将完成大部分工作,而开发人员则需要为这些代理设定需要遵循的编程目标和约束条件。”

Carter继续大胆地预测:“AI代理能够通过分析程序运行时的行为,检查未知的因素,以执行过去开发人员难以企及的QA、可观察性和安全任务。”据此,开发人员可以高屋建瓴地从上层定义系统架构、非功能性、以及操作要求,从而指导生成式AI进行代码开发和自动测试,而非亲历亲为。

7.AI被引入SDLC的多个阶段

虽然目前Copilots和许多生成式AI工具主要侧重于编程,但是其新的功能也会改变SDLC中的其他阶段。Gigster的首席解决方案工程师Humberto Moreira认为:“随着生成式AI被纳入SDLC,不同的模型会有其最为适合的特定周期阶段。例如,A模型可能会针对需求进行优化;B模型则是针对代码开发,而C模型却针对的是QA。”

实际上,由于各类工具提供了更为强大的测试用例,并且能够对代码的更改提供更快的反馈,因此生成式AI模式的转变已经对QA产生了一定的影响。Descope的联合创始人Gilad Shriki说:“随着AI的崛起,从SDK到测试、再到文档,所有围绕着软件工程的方方面面都会得到生成式AI的辅助。开发人员甚至需要以特定的AI使用格式,来记录他们的工作。”

8.生成式AI细分开发角色

生成式AI在软件开发中的角色可能会从目前传统的人类开发职能中分离出来。也就是说,由机器扮演的不同代码生成器、编译器、以及其他开发细分角色会逐渐出现。

Chainguard的工程副总裁Dustin Kirkland认为:“除了人类开发者熟悉的传统代码开发视角,另一种隐蔽的视角将会出现。这种视角虽然对于人类的可读性较低,但是可以被由AI扮演的编译器和解释器完全领会。它将作为另一种代码的中间层,提供所谓AI安全优化的防御视图。”不过,也有人质疑:AI本身的安全识别能力是否准确、高效。

9.AI提高开发过程的运营能力

LaunchDarkly的开发者体验总监Cody De Arkland提出了使用生成式AI、以及交互式学习,来协助提高软件应用的可靠性和操作性的用例。其中包括:

  • 开发并生成符合已学到的、满足设计标准的Web应用组件
  • 在检测到开发人员创建了新的功能时,创建相应的功能标记
  • 启动新的软件部署(CI/CD),并能在发现问题时将其回滚
  • 通过定制运行而非部署后运行,为QA提供实时的反馈回路

当然,这些用例也伴随着一个问题:生成式AI将启用或增强哪些下一代开发和SRE能力。

10.企业必须防范的AI风险

随着生成式AI更多地参与到整个SDLC中,一个新的问题可能会出现,即:生成式AI可能引发的知识产权(包括代码和数据)等风险。为此,企业需要权衡其收益是否大于风险。

Tabnine生态系统和业务开发副总裁Brandon Jung认为:我们需要密切关注进入模型的数据,特别是训练集中的数据,花费时间和精力去评估和选择AI模型,以保护企业最宝贵的资产--代码和数据。

虽然我们还处于用生成式AI开发软件的初期,但是生成式AI算法、以及支持这些算法的工具,是否能够建立起保护企业资产的保障措施,则在很大程度上需要依赖于生成式AI本身对于软件开发、测试、部署、以及维护的掌控能力上。

AIGC生成式人工智能 AIGC生成式人工智能AIGC生成式人工智能AIGC生成式人工智能 阅读详情

相关推荐

人工智能、机器学习和生成式人工智能之间有什么区别?

生成式人工智能是机器学习的一个进阶阶段,它利用深度学习等复杂的机器学习技术,让计算机能够生成全新的、真实的内容,例如文章、图像和音乐等。人工智能的应用范围非常广泛,从简单的语音助手到复杂的机器人系统,都可以归入人工智能的范畴。所有格式的生成式人工智能——文本、音频、图像和视频——都可以用来通过创建看似可信的从未发生过的事情的表征来生成错误信息,这在选举方面是一种特别令人担忧的可能性。随着技术的不断进步和应用领域的拓展,我们有理由相信,这三者将会在未来发挥更加重要的作用,推动人类社会迈向更加智能化的未来。

Hinyeung2021的博客 5328

【话题】颠覆想象:AI引领的软件开发革命,你准备好了吗?

作为基于云端的AI助手,Copilot可以理解代码上下文,并根据开发者正在编写的代码实时提供代码补全建议。局限性如对于非常规或复杂的编程逻辑,AI助手的表现不尽如人意,需要依赖于已有的代码模式进行预测。世间万事万物,皆有其利弊。吾辈当明智选择,善用其力,不断学习,以适应未来之挑战,共勉~开发者之角色,将更为重要,彼将主导创新,驾驭AI,而非为其所驭。好比那古时抄书匠,见字即录,却不明其义,吾辈开发者仍需慎思明辨,方能驾驭其力~吾辈当思,在AI时代中,坚守人之本质,不断求知,勇于探索,方能立于不败之地~

weixin_43298211的博客 1246

生成式人工智能在软件开发中的角色

随着生成式人工智能(AIGC,Artificial Intelligence Generated Content)技术的飞速进步,软件开发领域的工作方式也在发生着革命性的变化。从代码生成、错误检测到自动化测试,AI工具正在成为开发者的得力助手。然而,这种变化也引发了对开发者职业前景和技能需求变化的广泛讨论。AI究竟是在帮助开发者还是取代他们?本文将探讨生成式AI在软件开发中的实际应用和其对开发者职业前景的影响。

qq_63961628的博客 898

生成式人工智能(AIGC):改变软件开发的未来

例如,Google的DeepMind团队开发的AI系统可以自动生成高质量的单元测试,提高了软件测试的效率和覆盖率。其次,AI的应用可能导致一些低技能岗位的流失,开发者需要不断学习和提升自己的技能,以适应新的技术环境。通过自动生成代码和提供智能建议,开发者可以将更多的时间和精力投入到复杂的逻辑设计和系统架构中,而不是重复性和机械性的编码工作。通过与AI工具的交互,开发者可以不断学习新的编程技巧和最佳实践,提升自身的技术水平。此外,AI工具可以根据开发者的编程习惯和风格,提供个性化的建议,帮助开发者不断进步。

学IT,找陈寒 9279

生成式 AI:软件开发的革命性变革

生成式 AI 是一类能够自动生成内容的人工智能技术。与传统的判别式 AI 不同,生成式 AI 不仅能够识别和分类数据,还能够根据学习到的模式和规律,生成全新的、符合要求的内容。创造性:能够生成具有创新性的内容,为软件开发带来新的思路和方法。自动化:实现软件开发过程中部分任务的自动化,减少人工干预,提高开发效率。适应性:可以根据不同的需求和场景,生成多样化的内容。生成式 AI 作为一种新兴的技术,正在为软件开发带来革命性的变革。

xienda的博客 1142

人工智能(AI)入门篇:什么是人工智能?什么是生成式人工智能?

人工智能与生成式人工智能作为科技前沿的重要领域,正深刻改变着人类的生产生活方式。它们不仅代表着技术的巨大进步,更预示着未来社会的无限可能。然而,面对生成式AI的技术挑战和伦理挑战,我们需要保持清醒的头脑和审慎的态度。通过加强科研创新、建立伦理规范、推动监管机制建设等措施,我们可以确保生成式AI的健康发展,并为其在未来的广泛应用奠定坚实的基础。

IT胶囊 1447

生成式人工智能(AI)的未来

生成式 AI 的未来充满了无限可能,但同时也伴随着挑战。技术的发展需要与伦理、法律和社会需求相协调。通过跨学科的合作和全球性的对话,我们可以更好地引导 AI 技术的发展,使其成为推动人类社会进步的积极力量。👍🏻呗。❤️❤️❤️本人水平有限,如有纰漏,欢迎各位大佬评论批评指正!😄😄😄👍 👍 👍🔥🔥🔥Stay Hungry Stay Foolish 道阻且长,行则将至,让我们一起加油吧!🌙🌙🌙。

优快云站内信: https://i.youkuaiyun.com/#/msg/chat/qyj19920704 3万+

AI报告专题:创造性和生成式人工智能

Generative Al能够为广泛的应用学习数据的属性和模式一一从创建不同风格的文本、图像和视频到生成个性化内容。它有可能使机器执行以前认为只有人类才能完成的创造性任务。下表总结了作为我们研究的一部分的顶级生成型人工智能应用report tec,并给出了一些指示性示例。

GPT20236688的博客 1142

智慧农业——生成式人工智能如何改变农业

生成式人工智能正在通过更智能、数据驱动的解决方案重塑农业,从而提高效率和可持续性。通过增强作物产量预测、疾病检测和作物育种,这项技术正在改变传统的农业实践。虽然当前的应用前景广阔,但真正的潜力在于开发专门针对农业独特需求的人工智能模型。随着我们完善这些模型并整合各种数据,我们可以解锁新的机会,帮助农民优化他们的实践,更好地应对现代农业的挑战。

知来者逆的博客 2095

李宏毅【生成式AI导论 2024】第1讲:生成式AI是什么?

人工智慧可以说是一个目标,是一个我们想要达到的目标。它不是一个单一的技术,并没有哪一个技术叫做人工智慧,人工智慧是一个目标。

拥抱变化,探索AI,了解AI,使用AI~ 1519

生成式AI之后,下一代人工智能会是什么?

ChatGPT、MidJourney、Sora等生成式AI的爆发,让全球见证了人工智能的惊人创造力。本文将探讨可能引领未来的五大AI发展方向,并分析它们将如何重塑科技与社会。当前的生成式AI(如ChatGPT)更像一个“问答机器”,需要人类不断输入指令。而下一代AI将进化为。当前AI(如深度学习)依赖“直觉”(数据统计),但缺乏逻辑推理能力。而下一代AI的终极目标之一是。目前的AI大多局限于数字世界,而下一代AI将具备。当前AI依赖大数据和算力,而下一代AI可能借鉴。今天的AI(如GPT-4)仍属于。

1178

改变世界-生成式人工智能

麦肯锡表示:“生成式人工智能有望改变销售和营销、客户运营和软件开发等职能部门的角色并提高绩效。” 他们表示,可以释放数万亿美元的价值,其中大约 75% 的价值分布在四个领域:“客户运营、营销和销售、软件工程和研发”。

探索人工智能领域 596

STM32实现任意角度移相全桥PWM

STM32实现任意角度移相全桥PWM,最小分辨率0.5度,频率占空比课任意调节 本文重点在于如何产生任意角度的移相, 两个定时器工作于主从模式,从模式为Gate mode,用第一个定时器触发第二个来实现延时移相

Wind blog 3万+

赋能软件开发:生成式AI在优化编程工作流中的应用与前景

生成式AI指的是能够产生新内容的人工智能系统。这类AI系统通常基于机器学习模型,能够理解自然语言,生成代码片段,甚至完成完整的编程任务。生成式AI为软件开发带来了革命性的影响,它不仅提高了效率,还提升了代码质量。虽然存在一些挑战和风险,但通过明智的应用和管理,这些都是可以克服的。展望未来,生成式AI将成为软件开发不可或缺的一环。

小明的Java问道之路 3285

超越PSPNet:PPM模块在医疗影像分割中的创新应用实验

本文探讨了PPM模块在医疗影像分割中的创新应用,通过定制化调整和优化策略显著提升分割精度。针对医疗影像的多尺度病灶特点,提出了动态尺度选择和交叉尺度融合模块(CSFM),结合PyTorch实现细节,使小病灶检测召回率提升11.3%。实验显示优化后的模型mIoU达到78.6%,较基线提升9.2个百分点,同时满足实时处理需求。

u9v0w的博客 221

GB28181安防平台未授权访问漏洞:原理、复现与修复指南

未授权访问漏洞是Web安全中常见的访问控制缺陷,其本质在于应用在提供对敏感功能或数据的访问前,未能对请求者的身份和权限进行充分验证。从技术原理上看,这类漏洞常源于拦截器配置错误、安全注解遗漏或自定义校验逻辑缺陷,导致本应受保护的API接口被意外暴露。在工程实践中,此类漏洞危害巨大,攻击者无需登录即可直接访问系统核心接口,可能引发敏感信息泄露、权限提升甚至系统接管。尤其在安防监控、物联网管理平台等场景中,一旦涉及用户管理接口(如`/api/user/**`),风险会急剧放大。本文以GB28181视频监控管理平

weixin_30271335的博客 441

生成式人工智能(AIGC)正在改变软件开发的工作方式

在当今的软件开发领域,生成式人工智能(AIGC)正以前所未有的速度改变开发者的工作方式。从代码生成、错误检测到自动化测试,AI工具正逐渐成为开发者的得力助手。然而,这一转变也引发了关于开发者职业前景和技能需求变化的广泛讨论。AI究竟是在帮助开发者,还是在取代他们?让我们深入探讨这一问题。生成式人工智能正在深刻地改变软件开发的工作方式,带来了显著的效率提升和工作方式的转变。尽管AI引发了对开发者职业前景的担忧,但实际上,AI更像是开发者的助手,而非取代者。

一起来研究langchain和langchain-chatchat 1055

如何使用3D高斯分布进行环境建模

使用3D高斯分布来进行建模,关键在于通过引入不确定性描述来提高建图的鲁棒性和精度。与传统点云表示相比,3D高斯分布提供了一种更为灵活和有效的方式来处理空间数据,能够通过协方差矩阵表示点的空间不确定性,帮助优化SLAM过程中的定位和地图更新。

JaydenQ的博客 2357

人工智能将如何改变我们的工作?

人工智能(AI)正在改变我们的工作方式,特别是生成式AI和大型语言模型(LLM)如GPT-4。这些技术以其推理能力和自动化任务的潜力而备受关注,能够提高知识型工作者的生产力和效率。研究显示,AI 特别有助于提高创意、分析、管理和决策等方面的工作质量。然而,AI的效能受限于其训练数据的质量和多样性,英语数据的丰富使得AI在处理英语任务时表现更佳。此外,数据安全问题和对AI技术的理解差异也影响了其在工作中的应用。有效使用AI需要明确的指导和策略,同时确保数据安全。

KompasAI的博客 2225

避坑指南:ANSYS流固耦合计算中System Coupling数据传递设置与常见报错解决

本文深入解析ANSYS Workbench中System Coupling模块在双向流固耦合(FSI)计算中的应用,详细讲解数据传递机制、典型报错解决方案及高阶调试技巧。通过实际案例展示如何优化耦合步长、处理大变形问题,并提升并行计算效率,帮助工程师有效规避常见技术陷阱。

weixin_29213525的博客 731

使用 Python 构建 Reddit 热帖爬虫:抓取热门讨论帖和评论

在现代互联网中,Reddit 被誉为全球最大、最活跃的讨论平台之一,汇聚了各种主题的帖子、评论和社交互动。因此,抓取 Reddit 上的热门帖子和评论可以为我们提供一个丰富的文本数据源,可以用于情感分析、话题建模、趋势分析等应用。Reddit 提供了官方的 API,可以让开发者获取包括帖子、评论、用户信息等在内的各种数据。我们可以结合上述方法,抓取多个热门帖子,并将每个帖子的标题、作者、发布时间和评论内容保存到一个数据结构中。每个帖子的对象包含了丰富的信息,如标题、内容、发布时间、作者等。

2201_76125261的博客 384

如何在生成式人工智能时代确保代码责任与信任

如何在生成式人工智能时代确保代码责任与信任

publishtool的博客 1962

PD详解 扩展消息——Source_Capabilities_Extended Message

PD的协议层分为控制消息,数据消息还有扩展消息,今天大师匈讲一下扩展消息中的source_cap_extended。这个消息在扩展消息中算是比较关键的东西。 扩展消息中的source_cap_extended 大师匈先上图,然后逐一解释; 上面的图表说了source_cap_ext中包含了哪些内容。 我们注意到在source_cap扩展消息中是以字节为单位的,并不是像source_cap中以一个object为单位,当然有注意到PD标准spec中说明的扩展消息的话,那里有说明,在header之后的字节

大师匈的博客 3521

什么是生成式人工智能?

生成式人工智能(Generative AI) 是一类能够自主创造新内容(如文本、图像、音频、视频、代码等)的AI技术,通过学习海量数据中的规律,模仿人类的创造力生成原创内容。其核心特点包括创造性、多模态和交互性,广泛应用于文本生成(如ChatGPT)、图像生成(如DALL·E)、音频/视频生成等领域。

数据知道的博客 1万+

基于英特尔 RealSense D455 相机实现裂缝尺寸以及深度测量

D455 相机可用于对这些零部件进行高精度的表面检测,快速准确地测量裂缝的尺寸和深度,实现自动化的质量控制和缺陷筛查,提高生产效率和产品质量。D455 相机能够对焊缝表面进行细致扫描,测量焊缝的宽度、深度以及焊缝表面的不规则程度等参数,帮助检测焊缝是否存在缺陷,如未焊透、焊瘤等,为焊接质量的评估和改进提供数据支持。:RGB 传感器采用全局快门,并且其视场与深度视场相匹配,能够提供更出色的 RGB 图像质量,以及深度图像和 RGB 图像之间的更好对应性,从而可提高扫描质量。可以看出宽度和高度都是十分准确的。

qq_53545309的博客 1716

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

智能代码:生成式 AI 在软件开发中的革命性角色

想象一下,在智能手机革命性地改变了我们的生活之后,现在轮到了生成式 AI 在软件开发领域掀起风暴。你知道吗,如果代码能自己编写自己,这将是多么惊人的一步?这就好比我们现在能轻松地用手机应用管理日常生活一样,生成式 AI 使软件开发变得前所未有的便捷。想象一下,你只需要向你的电脑描述你需要什么,然后坐看它为你变魔术似的编写出完美的代码。这不仅是对技术的一次飞跃,更是对我们创造和实现想法方式的彻底革命。

专注 Python 从入门到精通、编程思维拆解与实战应用 用通俗语言讲清楚“为什么这样写”,陪你走过新手最难的阶段。 1296

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

上一篇: 人工智能对抗人工智能:利用人工智能来检测深度造假和网络钓鱼
下一篇: 马斯克打算为特斯拉量身定制一个ChatGPT
老贾的AI世界
博客等级 码龄7年 3335粉丝 254原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

老贾的AI世界

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值