技术,生活,随看 \随转
鬼怪屋:一个专门搜集鬼故事的网站。
edge.org:收集世界上当代最牛的一些思想家的文章,对话,音频,视频。
《中国大百科全书》第三版网络版 | 主页 | 维基百科 | #百科全书

此版总条目50万条,总计约5亿字。在第一、二版的基础上,第三版大量增加了学科设置和条目数量,包括了国家颁布的全部学科门类、一级学科和多个知识领域。

第三版网络版进行多媒体配置,运用文本、图片、音频、视频和交互产品,体现科学性、知识性、文献性、艺术性和可读性,努力实现准确和权威。

网络版分为专业、专题、大众三个板块。
1.专业板块框架以科学分类为基础,既要有稳定性,又要具时代性、开放性。专业板块按学科分工编撰,经加工、整合为一体。以大学文化程度的非本专业读者为对象。

2.专题板块以各种特定专题为中心,以多作者、多视角、多条目汇集的形式编撰。它以内容集中、叙述具体、弥补和扩充专业板块为特点,适合更多读者需求。

3.大众板块以人们关注的经济、政治、文化、教育、文艺、体育现象及日常生活知识为主编撰,注意雅俗共赏。采用“开放集稿、封闭发布”的运作方式。以中等以上文化程度的读者为对象。

《中国大百科全书》纸质版紧密依托网络版,其条目从网络版中选出,经过甄选、重组和新撰,形成各学科条目框架,并展示出完整的学科体系。纸质版按学科(知识门类)分类分卷整合编纂。不列卷次,每卷只标出学科(或知识门类)名称。设计规模80卷,每卷字数约200万,选收条目约1500条。总计字数1.2亿~1.5亿;配图约6万幅,其中地图约3000幅,并可采用链接方式与网络版共同阅读。
Zig是一个命令式、通用、静态类型、编译的系统编程语言。 以“强健性、最佳性以及可维护性”为核心理念。 它支持编译时泛型与反射、交叉编译以及手动存储器管理。 目标为改进C语言,同时参考从Rust 和其他语言。Zig 有许多低端程序设计的功能,例如紧致结构、任意大小的整数以及多指针类型。

学习 Zig》系列教程最初由 Karl Seguin 编写,该教程行文流畅,讲述的脉络由浅入深,深入浅出,是入门 Zig 非常不错的选择。因此,Zig 中文社区将其翻译成中文,便于在中文用户内阅读与传播。
Pulumi C 轮融资 4100 万美金

Pulumi 是一家 2017 年成立于美国西雅图的 Infrastructure as code 的厂商,主要产品 pulumi 是 HashiCorp Terraform 的竞品,两者主要区别是 pulumi 是使用编程语言来编写,terraform 则是他们自己设计的一套 DSL。
https://www.pulumi.com/blog/series-c/ Building the Best Infrastructure as Code with $41M Series C Funding
Gossip:在线快速创建精彩而有趣的PPT

直观和高效的用户界面,解决了传统PPT的多个问题。在Gossip里,你有个专门的地方可以先把所有想到的点子记下来,然后形成大纲,大纲直接生成PPT。你可以像搭积木一样,把你的内容按照你想要的顺序排列好,不用像以前那样一个个拖动幻灯片。

Gossip的用户界面很简单,包括“想法”、“大纲”、“元素”和“样式和变量”等面板。

想法收集:在“想法”面板中,你可以输入和组织你的初步想法和内容。
大纲创建:转到“大纲”面板,根据你的想法创建一个演示文稿的结构。
内容添加:在“元素”和“主要”面板中,开始添加和组织你的文本、图片和其他元素。
样式调整:使用“样式和变量”面板来调整每个幻灯片的外观和整体风格。
预览和调整:在完成初步编辑后,使用预览功能来查看演示文稿的整体效果,并进行必要的调整。
保存和分享:最后,保存你的演示文稿,还可以使用分享功能来与其他人共享。

在线体验 | 使用教程 | GitHub
WebGL上车指南,带你从零开始体系化学习 WebGL

渐进式:从基础开始,逐步深入学习 WebGL
体系化:提供最全面、最系统的学习路径
实战化:提供大量在线的演示案例,附带演示源码

iceWebGL | 线上电子书 | #指南
面向开发者的 LLM 入门课程,适用于所有具备基础 Python 能力,想要入门 LLM 的开发者。| 在线阅读 | 英文原版 | PDF下载 | #电子书

由吴恩达老师与 OpenAI 合作推出的大模型系列教程,从大模型时代开发者的基础技能出发,深入浅出地介绍了如何基于大模型 API、LangChain 架构快速开发结合大模型强大能力的应用。

其中,《Prompt Engineering for Developers》教程面向入门 LLM 的开发者,深入浅出地介绍了对于开发者,如何构造 Prompt 并基于 OpenAI 提供的 API 实现包括总结、推断、转换等多种常用功能,是入门 LLM 开发的经典教程;

《Building Systems with the ChatGPT API》教程面向想要基于 LLM 开发应用程序的开发者,简洁有效而又系统全面地介绍了如何基于 ChatGPT API 打造完整的对话系统;

《LangChain for LLM Application Development》教程结合经典大模型开源框架 LangChain,介绍了如何基于 LangChain 框架开发具备实用功能、能力全面的应用程序:

《LangChain Chat With Your Data》教程则在此基础上进一步介绍了如何使用 LangChain 架构结合个人私有数据开发个性化大模型应用。
《哈利·波特》邓布利多扮演者 Michael Gambon 爵士去世
🤖 信任与智能的交汇点:通过 AI + Blockchain 协同作用改变行业

不再是障碍:性能得到释放

区块链因其缓慢的性能和高计算成本而名声不佳,这一直是创新的障碍。第二层技术已经打破了这一障碍,提供了 100 倍的成本降低,同时保留了去中心化和信任。现在,这个领域已经为计算密集型活动准备好了土壤,为 AI 和区块链的融合铺平了道路。

智能区块链:双向街道

区块链 ← AI

区块链空间中糟糕的用户体验通常归因于其缺乏智能。然而,降低的计算成本为在链上集成机器学习算法铺平了道路,从而将 Dapps 从单纯的交易实体提升到智能接口。

从基础的链上算法到像 AIGC 这样的高级 AI 能力,Dapps 很快将与传统应用程序相媲美。这种集成将使 Dapps 能够理解用户的意图,自动化复杂任务,最终使整个链上体验流畅和高效。

AI ← 区块链

相反,区块链为 AI 带来了隐私和信任。零知识证明(ZK)和其他加密技术正在被用于确保数据收集、训练和推理的透明度。这将减轻公众对 AI 相关的不信任和隐私问题。

影响:解决我们最大的挑战

用户引导到 Web3 生态系统

AI 的集成可以显著提高区块链平台上的用户体验。AI 算法可以引导用户完成复杂任务,推荐相关的 Dapps,并在区块链世界中作为有效的副驾驶。由 AI 驱动的防火墙增强了智能合约,为新手和专家提供了更多安全性,使 Web3 世界更加可访问和安全。

AI 模型和数据的货币化

区块链提供了一个专注于 AI 模型、数据甚至由 AI 生成的内容的创作者经济的理想框架。像代币、NFTs 和去中心化市场这样的技术使这些高价值资产的安全交换成为可能。Giza、NFTPrompt 和 SingularityNET 等项目正在这个方向上开拓创新。

AI 运营中的成本效率

利用区块链的去中心化特性,AI 的训练和推理可以分布在多个节点上,大大降低成本。这类似于像 Filecoin 这样的去中心化存储解决方案,但用于计算任务。像 Gensyn、Together 和 Bittensor 这样的倡议正在利用去中心化网络进行成本效率高的 AI 操作。

在 AI 世界中推进隐私

像零知识机器学习(ZKML)和全同态加密(FHE)这样的技术可以集成到 AI 生命周期中,以确保数据隐私。这些技术允许加密数据输入、模型隐私甚至加密输出,从而解决了多种隐私问题。

DeFi 中的稳定性和透明度

AI 可以在去中心化金融(DeFi)中提供实时、透明和动态的风险管理。传统的风险算法要么过于简单,要么在离链执行时缺乏透明度。通过直接在链上集成 AI,像 Yearn 和 Compound 这样的协议可以在保持完全透明的同时利用复杂的算法进行风险管理。此外,我们还可以在链上引入更复杂的由 AI 驱动的策略。Modulus Labs 曾经做过这方面的演示。

游戏:下一个前沿

AI 有可能通过降低开发成本和提高游戏性来彻底改变链上游戏。AI 可以自动化游戏开发的各个方面,包括规划、声音设计和测试。此外,AI 可以为链上游戏带来动态和智能的环境,具有自动生成关卡和智能敌人等功能。像 GiroGiro 这样的项目正在这个领域中开创新局。

通过解决这些挑战,AI 和区块链的协同作用为创新开辟了新的视野,为投资和发展在这个交汇的生态系统中提供了有力的论据。

新的工业革命现在已经开始

这不仅仅是一个纯粹的推测性未来,而是一个在 10 到 20 年内逐渐展开的变革时代。AI 和区块链的集成已经在重塑行业,提升用户体验,并解决像隐私和信任这样的紧迫问题。

我们对 AI 和区块链之间这种协同关系的信念是坚定不移的。我们一直在关注这个领域的开创性公司,其影响潜力是巨大的。我们非常激动能够成为这个新的工业革命的一部分,一个能够改变、赋权并解决我们一些最重大挑战的革命。

频道:@unblock256
Back to Top