技术,生活,随看 \随转
资源简介：《全球绝美国家公园》由《蓝色星球2》的监制创作，这部令人惊叹的五集剧集由美国前总统贝拉克·奥巴马担任监制和旁白，他比美国历史上任何一位总统都更加种注重对公共土地和水域的保护，这部剧邀请观众一起走进地球上最标志性的国家公园，以感受自然之美。这部充满奇观和幽默乐观精神的剧 集横跨五大洲，每集聚焦一座国家公园，讲述其中大大小小的野生居民的生活，探索我们与野地之间不断变化的关系。
链接：【阿里云盘】点击获取
🔍 关键词：#纪录片
🦜投稿 • 🍰搜索 • 🐝广告合作
有点好笑，曾经担任谷歌CEO长达10年之久的Eric Schmidt前几天去斯坦福大学受邀计算机学院的会议，他的演讲全程各种放飞自我，中途语重心长的告诉台下学生，这场会议是保密的，自己说的那些话千万不要外传。
然而，主办方对Eric Schmidt说，这场会议有摄像头正在全程直播……他的表情就凝固了。虽然斯坦福大学后来把视频从YouTube撤了下去，但已经有很多人都做了存档，Github上也有全文备份：transcripts
/Stanford_ECON295⧸CS323_I_2024_I_The_Age_of_AI,_Eric_Schmidt.txt
照例给大家划划重点：
- 现在的谷歌为什么在AI领域输得一塌糊涂？因为谷歌觉得让员工尽早回家和平衡工作比赢得竞争更加重要。如果你的员工每个星期只来公司上一天班，你怎么可能比得过OpenAI或是Anthropic？
- 看看马斯克，看看台积电，这些公司之所以成功，就是因为能够卷员工，你必须要把员工逼得够紧才能获胜，台积电会让物理学博士第一年下工厂干活，你们能想象美国的博士生去流水线吗？
- 自己犯过很多错误，比如曾经觉得英伟达的CUDA是很蠢的编程语言，但现在CUDA是英伟达最牛逼的护城河，所有的大模型都要在CUDA上运行，而只有英伟达的GPU支持CUDA，这是其他芯片撼动不了的组合。
- 还有微软跟OpenAI合作时自己也觉得难以置信，微软怎么能把最重要的AI业务外包给那种小公司啊，结果再次看走了眼，再瞧瞧苹果在AI上的温吞，大公司真的都官僚化了，奋斗逼都在创业。
- TikTok给美国人上了一课，在座各位年轻人以后如果创业，能偷音乐什么的就赶紧去做——似乎是在黑TikTok早期纵容盗版BGM——如果你做成了，就有钱雇佣最顶级的律师帮你擦屁股，如果你没做成，那就没人会起诉你。
- OpenAI的星际之门在宣传时说需要1000亿美金，实际上可能3000亿都打不住，能源缺口太大了，给白宫提过建议，美国以后要么跟加拿大打好关系，水电资源丰富，劳动力便宜，而且够近，要么去和阿拉伯国家套近乎，让他们来做主权投资。
- 欧洲已经没戏了，布鲁塞尔（欧盟总部所在地）一直都在摧毁科技创新的机会，可能法国还有点希望，德国不行，其他欧洲国家就更不用提了，印度是美国盟友里最重要的摇摆州，以及美国已经失去了中国。
- 开源很好，谷歌历史上的大部分基础设施也都受益于开源，但是说实话，AI行业的成本太高了，开源负担不起，自己投资的法国大模型Mistral将会转为闭源路线了，不是所有公司都愿意且有能力像Meta一样当冤大头。
- AI会让富者愈富、穷人恒穷，国家也是，这是一场强国之间的游戏，没有技术资源的国家需要拿到加入强国供应链的门票，否则也将错过盛宴。
- AI芯片属于高端制造业，产值很高，但不太可能拉动就业，你们可能没几个人去过芯片制造厂，里面全是机械化生产，不需要人，人又笨又脏，所以不要指望制造业复兴，苹果把MacBook的产线迁回德州不是因为德州工资低，因为根本不用再大规模雇人了。
- 历史上，电力在引入工厂之后并不比蒸汽机创造了更多的生产力，是过了大概30年左右，分布式电源改造了车间布局，推动组装系统的出现，再才开始了生产力的飞跃。现在的AI和当初的电力一样，有价值，但还需要组织创新，才能真正拿到巨大的回报，目前大家都还只是在摘取「低垂的果实」。
by @阑夕ོ #科技圈大小事
然而，主办方对Eric Schmidt说，这场会议有摄像头正在全程直播……他的表情就凝固了。虽然斯坦福大学后来把视频从YouTube撤了下去，但已经有很多人都做了存档，Github上也有全文备份：transcripts
/Stanford_ECON295⧸CS323_I_2024_I_The_Age_of_AI,_Eric_Schmidt.txt
照例给大家划划重点：
- 现在的谷歌为什么在AI领域输得一塌糊涂？因为谷歌觉得让员工尽早回家和平衡工作比赢得竞争更加重要。如果你的员工每个星期只来公司上一天班，你怎么可能比得过OpenAI或是Anthropic？
- 看看马斯克，看看台积电，这些公司之所以成功，就是因为能够卷员工，你必须要把员工逼得够紧才能获胜，台积电会让物理学博士第一年下工厂干活，你们能想象美国的博士生去流水线吗？
- 自己犯过很多错误，比如曾经觉得英伟达的CUDA是很蠢的编程语言，但现在CUDA是英伟达最牛逼的护城河，所有的大模型都要在CUDA上运行，而只有英伟达的GPU支持CUDA，这是其他芯片撼动不了的组合。
- 还有微软跟OpenAI合作时自己也觉得难以置信，微软怎么能把最重要的AI业务外包给那种小公司啊，结果再次看走了眼，再瞧瞧苹果在AI上的温吞，大公司真的都官僚化了，奋斗逼都在创业。
- TikTok给美国人上了一课，在座各位年轻人以后如果创业，能偷音乐什么的就赶紧去做——似乎是在黑TikTok早期纵容盗版BGM——如果你做成了，就有钱雇佣最顶级的律师帮你擦屁股，如果你没做成，那就没人会起诉你。
- OpenAI的星际之门在宣传时说需要1000亿美金，实际上可能3000亿都打不住，能源缺口太大了，给白宫提过建议，美国以后要么跟加拿大打好关系，水电资源丰富，劳动力便宜，而且够近，要么去和阿拉伯国家套近乎，让他们来做主权投资。
- 欧洲已经没戏了，布鲁塞尔（欧盟总部所在地）一直都在摧毁科技创新的机会，可能法国还有点希望，德国不行，其他欧洲国家就更不用提了，印度是美国盟友里最重要的摇摆州，以及美国已经失去了中国。
- 开源很好，谷歌历史上的大部分基础设施也都受益于开源，但是说实话，AI行业的成本太高了，开源负担不起，自己投资的法国大模型Mistral将会转为闭源路线了，不是所有公司都愿意且有能力像Meta一样当冤大头。
- AI会让富者愈富、穷人恒穷，国家也是，这是一场强国之间的游戏，没有技术资源的国家需要拿到加入强国供应链的门票，否则也将错过盛宴。
- AI芯片属于高端制造业，产值很高，但不太可能拉动就业，你们可能没几个人去过芯片制造厂，里面全是机械化生产，不需要人，人又笨又脏，所以不要指望制造业复兴，苹果把MacBook的产线迁回德州不是因为德州工资低，因为根本不用再大规模雇人了。
- 历史上，电力在引入工厂之后并不比蒸汽机创造了更多的生产力，是过了大概30年左右，分布式电源改造了车间布局，推动组装系统的出现，再才开始了生产力的飞跃。现在的AI和当初的电力一样，有价值，但还需要组织创新，才能真正拿到巨大的回报，目前大家都还只是在摘取「低垂的果实」。
by @阑夕ོ #科技圈大小事
Notion页面推荐-chesir.分类收藏
介绍
该页面最早建立于2022年，主要收集一些感兴趣的栏目，包括书签等等，目前主理人@奇冬爱瞎折腾 还在更新中
页面地址：https://chesir.notion.site/56e0f62536d74e5ebb8d5981c21f87be?v=b48db34278a34eb9b847669ad87b4956
📡发布：https://noisevip.cn/18503.html
🪧关注频道：@quanshoulu
💬频道社群：https://www.noisework.cn/qun/
📬投稿bot：@noisewowbot
📇搜索bot：@Efficiencysearchbot
🎁访问主页： www.noisework.cn
文多多-AI智能生成PPT
介绍
该项目主要是用于AI 智能生成 PPT，PPT 解析为 JSON，JSON 反渲染为 PPT
在线体验：https://veasion.github.io/aippt
Github：https://github.com/veasion/aippt
官网地址（开放API）： https://docmee.cn
开放平台（API/UI 接入）： https://docmee.cn/open-platform
它从AI生成大纲【意图】到模版代入进行了进一步的简化
PPT 解析成 JSON
支持上传PPT并渲染，在线编辑，编辑后下载 ppt 文件。
在线体验：https://veasion.github.io/aippt/ppt2json.html
📡发布：https://noisevip.cn/18508.html
🪧关注频道：@quanshoulu
💬频道社群：https://www.noisework.cn/qun/
📬投稿bot：@noisewowbot
📇搜索bot：@Efficiencysearchbot
🎁访问主页： www.noisework.cn
智能视频多语言AI配音/翻译工具 – Linly-Dubbing
介绍
Linly-Dubbing 是一个智能视频多语言AI配音和翻译工具，它融合了YouDub-webui的灵感，并在此基础上进行了拓展和优化。我们致力于提供更加多样化和高质量的配音选择，通过集成Linly-Talker的数字人对口型技术，为用户带来更加自然的多语言视频体验。
Github:https://github.com/Kedreamix/Linly-Dubbing
通过整合最新的AI技术，Linly-Dubbing 在多语言配音的自然性和准确性方面达到了新的高度，适用于国际教育、全球娱乐内容本地化等多种场景，帮助团队将优质内容传播到全球各地。
主要特点包括：
- 多语言支持: 支持中文及多种其他语言的配音和字幕翻译，满足国际化需求。
- AI 智能语音识别: 使用先进的AI技术进行语音识别，提供精确的语音到文本转换和说话者识别。
- 大型语言模型翻译: 结合领先的本地化大型语言模型（如GPT），快速且准确地进行翻译，确保专业性和自然性。
- AI 声音克隆: 利用尖端的声音克隆技术，生成与原视频配音高度相似的语音，保持情感和语调的连贯性。
- 数字人对口型技术: 通过对口型技术，使配音与视频画面高度契合，提升真实性和互动性。
- 灵活上传与翻译: 用户可以上传视频，自主选择翻译语言和标准，确保个性化和灵活性。
- 定期更新: 持续引入最新模型，保持配音和翻译的领先地位。
我们旨在为用户提供无缝、高质量的多语言视频配音和翻译服务，为内容创作者和企业在全球市场中提供有力支持。
-------------
TO DO LIST
- 完成AI配音和智能翻译功能的基础实现
- 集成CosyVoice的AI声音克隆算法，实现高质量音频翻译
- 增加FunASR的AI语音识别算法，特别优化对中文的支持
-…
📡发布：https://noisevip.cn/18506.html
🪧关注频道：@quanshoulu
💬频道社群：https://www.noisework.cn/qun/
📬投稿bot：@noisewowbot
📇搜索bot：@Efficiencysearchbot
🎁访问主页： www.noisework.cn
Change Clothes AI-AI虚拟试衣
介绍
Change Clothes AI 是一款创新的 AI 驱动的在线工具，可让您想象自己穿着任何服装。上传您的照片和服装图片，我们先进的 AI 换衣器将在几秒钟内逼真地为您穿衣，创建出看起来像您实际试穿的新图像！Change Clothes AI 消除了在线购物中的猜测，让您毫不费力地尝试不同的风格，并帮助您使用 AI 发现自己的完美造型
官网：https://changeclothesai.online
特征
人工智能驱动的换衣器
先试后买。忘记模糊、不切实际的服装交换吧！我们最先进的 AI 换衣器使用先进的算法为您逼真地穿上任何衣服，立即改变您的照片并消除在线购物中的猜测。
轻松的装扮实验
使用 AI 在几秒钟内换衣服。好奇那件衣服穿在你身上会是什么样子吗？上传您的图片，选择一张服装图片，让 Change Clothes AI 发挥其魔力。在几秒钟的时间里，你可以想象自己穿着无数的服装，尝试不同的风格和颜色。
超现实的结果
AI换衣服，看起来很真实。我们痴迷于细节！Change Clothes AI 超越了简单的图像叠加。我们的 AI 会仔细分析您的照片和服装图像，以生成如此逼真的结果，您会认为您真的试穿了这套衣服！
免费试用，易于使用
AI随时随地在线换衣服。Change Clothes AI 可以直接从您的浏览器访问，无需下载或开发复杂的软件。另外，您可以完全免费试用！毫无风险地体验时尚的未来。
📡发布：https://noisevip.cn/18492.html
🪧关注频道：@quanshoulu
💬频道社群：https://www.noisework.cn/qun/
📬投稿bot：@noisewowbot
📇搜索bot：@Efficiencysearchbot
🎁访问主页： www.noisework.cn
来自牛津大学计算机科学教授 Mike Wooldridge 关于 AI 的分享，涵盖：机器学习、神经网络的原理，大型 AI 和 Transformer 架构的形成，GPT 的创建历程、社会影响以及它的局限性，通用人工智能的未来。 这是我最近看过最技术（小白）友好的科普，既有科学的严谨也有技术反思的人文情怀。摘录其中的几个观点：
1. GPT 代表的是北美主流英语文化，因为训练它的数据大多来自北美，其中包含整个 Reddit；
2. GPT 生成的结果是它根据大量数据进行的猜测（Guess），而不是逻辑推导的产物，它产出的合理性（Plausibility）和流畅性（Fluency）是一个危险的组合；
3. AI 的涌现能力（Emergent Capability，训练数据中不包含的内容但 AI 依然可以处理对应的问题）是一个研究重点。
1. GPT 代表的是北美主流英语文化，因为训练它的数据大多来自北美，其中包含整个 Reddit；
2. GPT 生成的结果是它根据大量数据进行的猜测（Guess），而不是逻辑推导的产物，它产出的合理性（Plausibility）和流畅性（Fluency）是一个危险的组合；
3. AI 的涌现能力（Emergent Capability，训练数据中不包含的内容但 AI 依然可以处理对应的问题）是一个研究重点。
