高奇琦:从大国协调到全球性机制:人工智能大模型全球治理路径探析

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

内容提要

人工智能大模型全球治理的关键是对大模型进行科学分类。大模型可以分为超大模型和一般模型。对于超大模型的治理,可以参考核武器治理的思路,重点是实现超大模型的有限发展和不扩散。对于一般模型而言,要在安全可控的基础上发挥其对各国生产力的推动效应。一般模型的治理关键是对风险进行定价。关于人工智能大模型的全球治理,不仅要充分发挥传统机制的作用,还需要构建新的专门性国际机制,努力形成一种全球性的机制复合体。

人工智能大模型全球治理迫在眉睫。从技术变革的角度看,大模型的出现代表了人工智能领域的一次重大突破,极大提升了机器学习在自然语言处理、图像识别等领域的性能,并持续推动经济结构重组。大模型在社会互动与文化方面的变革性则表现为其对信息获取、知识学习和交流方式的改变。同时,大模型技术变革在演进过程中逐渐成为一项全球安全和治理的重大挑战。例如,网络安全、技术竞争和全球技术监管的现实需求,迫使各国建立新的法律和政策框架,并通过加强国际合作的方式来解决。尤其是大模型所引发的关于数据隐私、算法偏见等问题的全球伦理争议,引起了各界关于国际合作如何在人工智能使用和监管中发挥重要作用的思考。一方面,全球治理需要考虑如何制定共享的伦理准则和技术标准,以确保人工智能技术体现公平、透明和负责任原则。另一方面,大模型的快速发展也要求全球政策制定者、技术专家和社会各界形成更加密切的合作,通过国际对话和政策协调,应对由其所引发的就业变化和社会不平等问题。大模型作为一种技术革新在推动全球技术进步的同时,也促使国际社会重视全球治理体系在人工智能发展中的协调性作用。关于大模型全球治理机制的建设路径,既要运用传统治理机制,也要构建新的国际机制,即探索构建大模型全球治理的机制复合体。

图片

2023年10月31日,浙江杭州,2023云栖大会开幕。会议以“计算,为了无法计算的价值”为主题,围绕云计算和人工智能融合发展,开设2场主论坛及500余场独立话题。(zdmphoto/IC photo图片)

图片

大模型全球治理的定义与风险

关于大模型全球治理这一概念,一般有两种理解。一种是将大模型用于解决现有的全球治理问题。大模型作为人工智能技术的一个新发展,可以被用于全球治理的各个方面。另一种则认为大模型作为一个新技术本身正在产生诸多新的全球性问题,而解决这些问题需要全球治理的思路。本文使用的大模型全球治理概念,主要指第二种。大模型可能带来的风险主要分为三类:失业、失序和失控。

第一,失业。大模型不可避免地会加剧失业,大范围的失业问题可能引发经济危机或政治危机。早在2018年,牛津大学便已出版一份关于人工智能就业冲击的报告,警示人们高度关注这一问题。即便如此,大模型技术的发展还是远远超出了人类专家的理解。OpenAI的研究人员正是在其内部看到了从外部可能还无法理解的一些先进技术,因此才在2023年年初发布有关GPT对劳动就业市场影响的论文。从当前技术进展来看,OpenAI的这份报告准确地预见了大模型对就业市场的冲击,特别是外语翻译人员、专业设计师、程序员、金融从业者、作家等面临非常高的就业替代率的职业。伴随大模型技术的不断发展和应用,失业问题将变得更加严重。

第二,失序。知识秩序是政治秩序的基础。大模型作为一种新的知识生成器,无疑会对传统的知识秩序产生重大影响。换言之,大量大模型生成物的出现,很有可能创造一个完全虚拟的世界,使人们建立信任变得极为困难,这有可能会引发较为严重的政治信任危机。如果政治信任危机与经济危机叠加,则会产生更为严重的社会影响。

图片

2023年12月6日,谷歌发布新人工智能模型Gemini,声称其性能测试表现优于GPT-4模型和“专家级”人类。(zuma/IC photo图片)

第三,失控。失控主要源自大模型自身的能力和意识。大模型代表了通用人工智能到来的可能性。一旦通用人工智能实现,极有可能产生如下两类问题:一是超级能力。目前的GPT-3的参数量是1750亿,而采用了混合专家模型(Mixture of Experts)的GPT-4的参数量则有可能达到万亿计。根据规模法则(Scaling Laws),大模型的超能力会在一定规模上突然涌现。若这种超能力被用来制造核武器或生物病毒,人类将很难进行有效控制。二是超级意识。若大模型具有通用人工智能的能力,其可能会产生自我意识。目前相关研究表明,大模型具备人类个体某个阶段的意识,这可通过心智理论来证明。大模型产生自我意识之后,可能会采取“越狱行为”来摆脱人类控制。此外,大模型还可能误导人类作出错误决策,继而引发严重冲突。

从这个意义上来讲,大模型全球治理的关键是进行分级治理。换言之,要区分两类模型。一是超大模型。对于超大模型的基本治理原则首先应是不扩散和非恶意使用。由于超大模型具有某种超能力,一旦其被恶意使用,将会产生巨大负面影响。同时,对于这样的超能力,需要采取最小扩散原则。当然,在实际情形中,按照美国目前的技术逻辑,其一定要拥有这样的超能力,以巩固自身的优势地位。一些国家作为重要的追赶国家,往往会采取技术突破的思路。因此,超大模型的突破只是时间问题,但超大模型不应该形成扩散态势。换言之,如果主要国家拥有超大模型的能力是不可避免的,那就要避免其大范围扩散。因为只有控制掌握者的数量,才能够一定程度上降低恶意使用的概率。当然,对于超大模型的开发者和应用者而言,也要形成一套相关的严格使用规则。使用者不能将超大模型用于恶意行为,如使用超大模型技术对他国进行降维打击或推翻他国政权等。

二是一般模型。一般模型的基本技术逻辑应该是可扩散与和平使用。一般模型的参数量相对较小,其拥有超能力和超级意识的概率比较小,对人类社会的影响更多体现在失业和失序方面。大模型本质上是新型生产力工具,会在一定程度上改善人们的经济状况,人类不能完全阻止这类大模型的使用。一般模型的治理主要通过更加精准的定价机制,在一定程度上调整大模型的使用节奏,促使大模型为人类社会发挥更加积极的作用。

图片

管控超大模型

管控超大模型,首先需要对超大模型进行定义。目前通行的办法是对参数量进行定义。这种界限大约是十万亿到百万亿参数。超大模型的治理重点应该体现为对超级意识和超级能力的控制。因为超大模型可能具有强大的能力,对其应采取有限发展的逻辑,即不能纵容其无限发展,这一点类似于核武器。核武器在最初开发时,一个基本逻辑是可以节省常规武器的弹药,其仍然是在某种生产力逻辑下发展起来的。但到冷战后期,核武器足以将地球毁灭若干次。大国之间核战略的基本逻辑是“相互确保摧毁”(Mutual Assured Destruction),因而需要限制核武器的数量和规模。

核武器的这种发展逻辑同样可以被用来理解大模型治理。大模型同样是一种生产力工具,因此完全限制大模型发展的思路是一个天真的想法,因为没有人会在生产力发展的道路上停下来。然而,当这样的生产力可能对人类社会产生重大的破坏性影响时,人类就会更加趋向于考虑其负面效应。从这一角度来讲,有限发展需要成为超大模型治理的基本逻辑。基于此,人类社会需要确保超大模型的不扩散。

目前推动大模型扩散的重要方法是开源。开源是计算机领域的一个通行做法,开发者完成某个程序的开发之后,往往把这样一个程序放在相关社区之中,供大家免费下载。大模型领域的开源运动极大地降低了其获取和使用门槛。例如,在开发GPT-4时,OpenAI和微软用了2.5万块的英伟达A100,训练时间大概为3个月,训练成本为6000多万美元。然而,在开源运动的推动之下,以LLaMA 2为代表的开源使得中小开发者有机会参与大模型的部署。通过LangChain和LlamaIndex等工具的辅助,参与者可以在自己的设备上部署自己微调过的大模型。从这个意义上来讲,开源运动是一种民主化运动。但是,对于超大模型而言,要一定程度地限制开源。因为一旦超大模型拥有的超能力被恶意使用者获得,将给人类社会带来巨大麻烦,其负外部性将无法管控。因此,开源,特别是超大模型的开源必须限定在一定范围之内。

完全限制超大模型是不可能的。大模型支撑的人工智能是一种通用性技术,也是第四次工业革命的关键性技术。超大模型是主要大国获取国际领导权和国际威望的重要筹码,完全限制其竞争性开发,在实践中很难操作。因此,超大模型治理的核心原则应该转向尽可能地减少扩散,这需要依靠某种类似于核不扩散机制的国际性条约来实现。这就涉及多边控制,同时还要为这种多边控制建立某种相应的机构和核查机制。例如,建立类似于国际原子能机构(IAEA)的“国际人工智能机构”,可以对那些试图突破超大模型的国家进行相应限制,如对相关的重要物资进行管控。在大模型开发中,算力是关键物资之一。总之,管控超大模型需要更多从核武器发展和控制的思路来考虑,并逐步从大国协调走向全球性机制。

对于超大模型的开发而言,美国、中国会成为最重要的行为体。美国可能率先在超大模型上取得突破,中国则会加速追赶。还有一些主要大国也可能会加速突破。一旦各国在超大模型上形成突破,再进行完全限制就不太可能,这实际上会成为一种“奔向截止日期”的努力。在这一过程中,中美互动至关重要,因为超大模型的最终风险是其超级能力和超级意识,各国的生产力竞速最终可能会使超大模型作为“第三者”获利。因此,中美需要建立必要的沟通机制,包括自我控制和交换信息,之后再从中美的双边机制向多边机制延伸。与核武器的不扩散机制类似,在建立超大模型不扩散机制的过程中,需要将超大模型开发权利放弃者的权利和义务结合在一起,如主要行为体之间建立某种类似于核不扩散机制的超大模型不扩散机制,并通过类似于允诺他国一般模型准入的条件,来换取他国放弃追求超大模型。

图片

2024年2月,OpenAI发布首个“文本到视频”生成式人工智能模型Sora。(签约摄影师/IC photo图片)

图片

对风险进行定价

超大模型产生的风险更多是一种外爆风险。无论是其超级能力还是超级意识,其效应还是相对显而易见的。然而,对于一般模型,人们往往只会看到其提高生产力的一面。借用让·鲍德里亚(Jean Baudrillard)的概念,一般模型的风险更多的是一种内爆风险,这种影响是内在的:从外表来看,其并没有发生太大变化,但是内部已经发生了深刻的结构调整。

对于一般模型而言,其首先会表现出提高生产力的一面。正因为如此,它的负面影响才可能会被“隐藏”,或者被“包裹”起来。一般模型的风险主要在于,其在快速部署的过程中会对传统的社会结构产生冲击。应对这类风险最重要的做法应该是减缓其部署的节奏,并增加人类应对的时间,让变化在相对缓慢和可控的状态下发展。这一点类似于碳排放机制。碳排放机制的基本逻辑是,减少排放或者可控排放,而不是完全不排放。如果完全终止排放,这对于很多国家特别是发展中国家而言,就意味着对发展权的完全排斥。因此,碳排放机制的关键是减少排放,即先达峰再逐步中和。在碳减排过程中一个重要经验就是,用经济和定价手段可减少人们排放的动机。这同样可以运用到一般模型的部署和使用过程中。

因此,可以在一般模型部署的过程中,在其费用上叠加一笔智能税。这样的智能税并不能由部署者所得到,而是通过直接进入公共部门作为某种公共基金的方式,来对那些受到一般模型应用冲击的人进行各种类型的补偿。前提条件是对大模型产生的失业风险进行相对准确的测评,如对大模型的部署可能会对哪些岗位的工作产生负外部性的影响进行测量,同时将这样的测量结果反映在智能税的征收中。这种智能税的征收机制可以在一定程度上减弱人们部署大模型的动机,因为人们在部署时会考虑效率或者经济原则。如果增加一笔税收的话,使用者可能还会考虑雇人来完成工作,这样就会相对减缓大模型部署的速度,也会给人类社会的调整赢得更多的时间,并且相对有效地减少大模型对就业产生的冲击。另外,我们也可以通过定价机制来相对减缓知识产权和虚假信息等问题的集中爆发。大模型的成功在很大程度上是人类知识的一种加总和放大,但大模型并没有为其使用的人类知识付费。所以,需要对大模型的使用进行某种知识产权的追偿。

对于虚假信息的滥用,同样可以进行惩罚性定价。人工智能本身生成的信息很可能是不真实的,这是由它的幻觉所决定的。但正是这种幻觉,构成了生成式人工智能创新的基础。如果追求完全消除这种幻觉,实际上会扼杀人工智能的创新性。然而,生成式人工智能产生的信息能够对公众产生误导。这种误导还存在明确责任对象的问题:是大模型本身的误导,还是使用者的误导?因此,需要对大模型服务提供商和使用者进行一定的滥用惩罚性定价。换言之,一旦这样的信息被滥用,那么无论是大模型服务提供商还是使用者,都要为其付出一定的成本。这种成本的存在,使信息滥用得到一定程度的限制,否则,在一个巨量创造信息的世界中,人类之间的信任会变得越来越困难,最终会影响整个政治系统的稳定。其中的一个基本考虑,就是让两类风险都统一在一种整体性的定价模型之中。同时,还可以借鉴碳交易的形式推动大模型风险交易。

当然,在定价过程中,仍然存在一些问题。例如,如何对大模型产生的失业效应进行准确定义。过高的定价无疑会影响大模型发展的速度。同时,这种定价还要形成整体性机制,因为单独一国定价的意义会大打折扣。大模型企业会采取“用脚投票”的方式,去其他更加友好的国家发展。因此,需要在世界范围内建立一种定价的整体性机制,这就使全球治理变得至关重要。

在对风险进行定价的过程中,可以形成一种多边机制,并且要更多地反映发展中国家的意见。正如联合国政府间气候变化专门委员会,在推动应对气候变化的过程中实现的多国参与和多行为体参与,这是一种典型的国际层面的“协商民主”(Deliberative Democracy)。整体而言,在管控超大模型的过程中,大国协调可以发挥主导性作用,因为其涉及超大模型不扩散的内容。然而,在推动一般模型广泛运用的过程中,则要更多听取发展中国家的意见,即更多采取多边机制,最终使一般模型的内部性风险在一种相对缓慢的过程中发生。这样一定程度的“内爆”,就有望成为塑造人类社会新形态的一种力量。

图片

2023年11月1—2日,英国伦敦,首届人工智能安全峰会举行,会上发布《布莱奇利宣言》。(澎湃影像/IC photo图片)

图片

从大国协调到全球性机制

技术多边主义主张将技术置于一种整体主义视角下考虑,同时通过多边机制逐渐将技术的进步性发挥出来,并及时限制其可能产生的风险。技术多边主义需要在大国协调和全球性机制之间达成平衡。这就涉及一个是“小多边”还是“大多边”的问题。大国协调在很大程度上是“小多边”。在超大模型的管控上,要更多以“小多边”为主来推动超大模型的不扩散;而在对一般模型的风险定价方面,则可以采取多国参与、跨国协商民主的“大多边”模式。

超大模型往往涉及大国的关键利益。如果方案太过理想主义,则无法达成实际目标。因此,在此过程中,大国协调至关重要。按照集体行动的逻辑,行为体数量越少越容易达成一致行动。超大模型的管控,可考虑先以中美协调为基础,然后逐渐扩展到中美欧,再邀请其他大国加入。当然,在美国不断加大对中国打压和遏制的背景下,这个过程能否顺利推进取决于中美互动以及中美双方对通用人工智能危险的整体性把握,这实际上构成了中美之间建立智能互信的基础。然而,在涉及一般模型的广泛使用和风险定义方面,则要更多考虑一种类似于联合国政府间气候变化专门委员会的全球性机制。在这一过程中,要充分发挥协商民主的作用,并鼓励更多行为主体参与其中。尽管协商过程可能会比较长,但却是必要的。

同时,国际社会应尽快达成普遍共识。一旦大模型被广泛运用,人们应对的时间会越来越少。整体来看,最终大模型全球治理要建立一种整体性的全球性机制复合体,主要涉及两个方面。一是超大模型的不扩散,二是一般模型的广泛使用。其中既要控制超大模型的风险,又要使一般模型的进步效应发挥出来。主要大国在这一过程中要发挥更为积极的作用,先通过双边互信来建立合作机制,然后扩展到多边机制,最后再以全球性机制将人工智能治理的成果固化,这就实现了一种从国家治理到全球治理的拓展过程。

第一,充分运用好传统多边机制。这要求在现有的国际框架内充分挖掘和发挥传统机制的作用。例如,在联合国框架内,已有众多与全球人工智能治理相关的国际机制,这些机制可以为人工智能技术的伦理、透明度及其广泛应用提供治理基础。联合国教科文组织可以在教育和文化领域内推动关于知识失序的国际讨论,而世界卫生组织可以关注大模型对医疗均等性的影响。同时,由于大模型可能导致失业问题,国际劳工组织的角色变得尤为重要,它可以协助形成应对自动化影响的国际策略。随着人工智能技术发展,知识产权保护和追偿问题也与世界知识产权组织的工作内容有一定的相关性。此外,G20作为全球经济合作的主要平台,可以促进成员之间达成共识,推动建立相应工作机制,包括对人工智能引发的市场变动和就业影响进行战略性调整和预防性政策制定。由此可见,传统机制在应对由大模型带来的全球挑战时,可以延续其原有的功能和责任,但需要针对新兴技术的特点进行适当的调整和扩展。

第二,建立专门的协调性机制。例如,建立类似于国际原子能机构的“国际人工智能组织”,并设立相应国际核查机制。该组织的职责将包括监督与大模型相关的国际标准遵守情况,确保所有国家在开发和部署大模型技术时的透明度和责任,由此对那些突破性发展的超大模型国家的行为进行定期核查和验证,在防止技术滥用的基础上降低全球安全风险。同时,可借鉴国际货币基金组织等国际组织经验,优化投票权分配,确保每个国家的声音都能被公平听取,并反映不同国家在全球技术领域的贡献。全球人工智能治理需要形成类似碳交易的智能风险定价市场,该市场能够为人工智能应用中的潜在风险定价,鼓励企业和国家在开发和部署大模型时采取风险最小化策略。在这一过程中,人工智能税也可作为国际组织的财政来源之一,以减轻由相关技术快速发展所产生的社会成本,如失业和技能过时。人工智能税收入还可以用于资助全球人工智能安全研究、支持被技术变革边缘化劳动者的再培训,并促进人工智能国际合作与发展等项目的落实。

总体而言,传统机制倾向于利用现有机构的政策、国际合作网络和影响力来推动全球范围内对人工智能技术的统一理解和应对措施,为技术治理提供稳固的框架和权威性。新型的专门协调机制则聚焦具体技术问题,如算法透明度、技术伦理、数据安全等,通常具有更专业的技术导向和更灵活的反应能力,旨在达成针对性更强的专业要求。最终,在传统机制和新型机制相互影响,以及各国关于人工智能治理规则相互作用下,形成机制复合体(Regime Complexes),实现对大模型全球治理问题作出整体性回应。

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

第一阶段(10天):初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么?
  • 大模型是怎样获得「智能」的?
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例:向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范
  • …

第二阶段(30天):高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示(Embeddings)
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署
  • …

第三阶段(30天):模型训练

恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。

到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2:手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建
  • …

第四阶段(20天):商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身:基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例:如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案
  • …

学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。

如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

AI 应用开发:四维架构落地实战——以 HR Agent 为例拆解感知·推理·记忆·执行【意图路由、规划编排、长期记忆、工具执行、面试题】

本文基于四维架构(感知·推理·记忆·执行),以HR Agent为例,系统拆解大模型应用从“聊天”到“生产可用”的落地路径。通过Spring AI实现意图路由、规划编排、RAG检索与工具调用,结合真实踩坑复盘,揭示架构化设计对安全、成本与可维护性的关键价值,为AI Agent工程化提供可复用的实战框架。

王大师企业官方博客 1320

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 338

【智慧城市】GIS数据获取-获取道路/水路数据

【GIS数据获取】获取道路/水路数据

qq_16599281的博客 4752

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 614

Excel也能玩转K-means聚类?手把手教你用表格搞定用户分群(附完整公式)

本文详细介绍了如何在Excel中实现K-means聚类算法,无需编程即可完成用户分群。通过SUMIF、SQRT等基础函数,从数据预处理到最终分群全流程手把手教学,特别强调数据标准化和迭代优化的关键步骤,帮助运营团队低成本高效分析用户行为数据。

weixin_30555125的博客 181

旋转矩阵的左乘与右乘

旋转矩阵左右乘的详细讲解

qq_46619194的博客 3331

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 276

网络设备心跳线带宽高导致虚拟化平台不稳定的问题处理

本文记录了网络设备心跳线带宽高导致虚拟化平台不稳定的问题处理一例。

forestqq的博客 2229

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 207

Embarcadero Dev-C++ 6.3安装教程【保姆级】

Embarcadero Dev-C++ 6.3安装教程,保姆级教程~

Thebest_jack的博客 1万+

【误码率仿真】基于matlab 小波变换OFDM误码率仿真

其中,与传统的 OFDM 相比,小波变换 OFDM 在进行调制和解调时,使用的是小波变换函数。需要注意的是,由于小波变换函数将频域信号转换为时域信号,因此与传统 OFDM 不同,小波变换 OFDM 中的信号需要在时域上添加循环前缀。与传统的 OFDM 不同,小波变换 OFDM 使用小波函数作为基函数,而非正弦函数作为基函数,因此可以在保持子载波正交性的同时,让子载波之间的带宽变得更加均匀。在频域进行信号加权,然后进行小波逆变换,得到时域信号。在接收端进行信号接收,去掉循环前缀并进行小波变换得到频域信号。

Fanjufei的博客 665

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 340

Matlab R2018b简体中文版完整安装图文教程(附安装包下载)

目 录 一、安装过程 二、下载地址 matlab R2018b安装包如下所示,包括主程序和补丁文件两部分。 一、安装过程 双击安装包中的setup.exe。 选择使用文件安装MIYAO,点击下一步。 接受协议,选择是,点击下一步。 输入序列号:09806-07443-53955-64350-21751-41297,点击下一步。 修改安装路径,点击下...

智慧空间实验室 1万+

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 349

【微信小程序】微信小程序 manifest.json 配置 ES6 转 ES5 开关:3步让你的代码兼容性更强

ES6(ECMAScript 6)是 JavaScript 的最新标准,引入了许多新的语法和特性,如箭头函数、模板字符串、解构赋值等。然而,不是所有的环境都支持 ES6,特别是旧版本的浏览器和一些特定的运行环境。为了确保代码的兼容性,我们需要将 ES6 代码转换为 ES5 代码。通过本文的详细讲解,相信你已经学会了如何在文件中配置微信小程序的 ES6 转 ES5 开关。这个小小的配置步骤能够显著提高代码的兼容性和稳定性。如果你有任何问题或需要进一步的帮助,欢迎随时留言交流。

java专栏 1362

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 84

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 159

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 511

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 615

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

405

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 401

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 5156

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 564

企业宣传片发前如何批量排查并遮挡视频里的敏感信息

做企业视频的人都会碰到一个具体问题:实拍画面里混进了不该出现的信息。办公室背景里有贴着客户信息的白板,采访对象的授权书边缘露出一串身份证号码,街采素材里路人面孔和车牌号直接入镜。人眼在时间线上扫视,会漏掉快速闪过的帧、画面边缘的小字、以及暗光区域里的证件号码。用抹影AI完成车牌、人脸和证件区域批量检测后,又手动补充了两个时间段的屏幕遮罩,最终导出时画面已无合规隐患。重点关注快速运动、遮挡、低光照条件下的目标,这些是漏检的高发区域。导入视频后选择要检测的目标类型(人脸、车牌、证件号、二维码等)。

Mysssone的博客 181

面向工业对讲的双通道声学 DSP 模组 A-59(NR2050-A)方案解析与工程落地案例

A-59模组以NR2050-A DSP为核心,37.5×16mm邮票孔封装,支持-40℃~85℃工业温域,兼容A-06/A-09/A-29系列,可低成本替换存量设备。通过固件切换实现三种模式:模式一(低改版成本,适配矿井、电梯);模式二(最优AEC,用于医院呼叫);模式三(双波束独立输出,支持双人会议语音分离)。集成AEC、ENC、BF与AGC算法,有效抑制回声、噪声与串扰,解决对讲系统核心声学难题。选型需注意参考信号路径、麦间距与温度匹配,建议先做声学测试再量产。

R190_6589的博客 371

SAP商业AI正式通过网信备案:企业落地AI五问

中数通“CDC商业AI”通过广东网信部门备案,标志着SAP商业AI在华本地化迈出关键一步。然而,合规仅是起点,企业真正需关注的是:AI能否融入核心流程、数据治理是否健全、责任归属是否清晰、价值衡量机制是否建立。从“可用”到“用好”,关键在于工作流重构、跨团队协同与业务结果导向的评估体系。国产模型成本优势与本地部署能力为ERP深度集成提供可能,但真正的竞争力仍在于对数据、流程与业务上下文的理解力。

Acloudear的博客 214
上一篇: 国内AI大模型的下半场-「百模大战免费篇」上线,让我们直接梦回十年前
下一篇: # AI大模型如何赋能智能座舱
AI程序猿人
博客等级 码龄3年 6517粉丝 561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
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