AI大模型的仰望星空和脚踏实地

AI正在以天为周期进化，给人前所未有的压迫感，AI读心术？数字生命？AI大模型正在以其无与伦比的效率颠覆我们的生活。比尔盖茨表示：这就像当年我第一次见到图形界面操作系统。黄仁勋在发布会上强调，我们正在经历又一个Iphone Moment

ChatGPT在今年1月推出，也就是推出仅两个月后。活跃活跃用户就达到了1个亿，成为了历史上增长最快的消费应用，排名第二TikTok用了13个月才达到1个亿

这两个月世界变化巨大，而变化来自于AI。

3.15号，Open AI发布了GPT 4，也就是新版本的AI大模型，这就像第一次图形界面或iPhone第一次发布，带给了互联网无与伦比的冲击。

OpenAI掀起的狂潮

3.16号 微软发布Copilot

微软发布的office办公工具基于GPT大语言模型的，以后不管是在world Excel PPT还是邮件系统，都会多出来一个对话框，也就是一个人工智能助手，他可以帮你改文章做PPT查询数据。

  • 比如当你在用Excel查公司数据的时候，你可以跟他直接说，请把过去一年公司增长的原因找出来，他就会把关键增长部门的数据划重点，提示你。
  • 如果你错过了一个重要的会议，可以根据会议记录问他，会议主要讨论了啥呀，各方面都有什么观点啊，最后有什么问题没有被解决啊
  • 当然也可以用word文档直接生成PPT

相当于让每个人，都拥有了一个高校毕业的秘书



3.16号 Midjourney V5发布

midjourney是AI图片生成工具，基本上解决了之前AI画不好手指的问题，整体产出的图片不像之前的版本那么天马行空，但却更接近真实场景，很多时候让人难辨真假

https://www.midjourney.com/showcase/recent/

3.16号 百度发布文心一言

百度的大语言模型文心一言3.16号发布公测，成为第一个发布大模型语言模型的国内互联网大厂

3.21号 英伟达年度开发者大会

在大会上，黄仁勋做了演讲，通篇没有一处提到游戏显卡，而是在软件部分，发布了100多个基于英伟达特用GPU和扩大架构的加速计算工具

包括流体力学仿真数据库处理、光刻机眼膜设计和AI等，更新了工业园宇宙Omniverse，在硬件部分发布了4款AI推理芯片，整体上把AI的运算效率提升了一个档次，还发布了三个基于AI大模型的云服务，分别面向文本处理、图片处理和生物医药的研究

核心思想就是：All In AI

3.21号 Google Bard聊天机器人公测

GPT-4发布一周后，谷歌聊天机器人Bard开放测试

高情商：跟搜索保持距离，搜索的补充体验

低情商：依托答辩

3.23号 Github发布copilot x

随着 OpenAI 的 GPT-4 模型的发布，GitHub 紧接着就发布了新版本的 GitHub Copilot X。Copilot X 的 AI 模型采用的是最新 OpenAI GPT-4，毕竟 GitHub 是微软的亲儿子。

GitHub Copilot X 致力于改进开发者体验，将提供聊天和语音界面，支持拉取请求，回答文档问题，并通过 GPT-4 实现更个性化的开发者体验。使用 GitHub Copilot X，它可以解释代码的用途，还可以在遇到 bugs 时让 Copilot X 尝试去修复它，甚至还可以顺带生成单元测试。

3.23号 Runway发布Gen 2

不同于上个版本Gen 1，需要输入文字加图像才能生成视频，Gen 2只要输入文本就能生成视频

https://research.runwayml.com/gen2

3.25号 Open AI推出ChatGPT插件能力

该能力可以把你的网站或者app跟Chatgbt连上。

起到作用类似于比如说你你把美团跟chatgbt连上，然后用户就可以给AI助理下指示，周末我要带女朋友去大理玩，然后他就会根据美团上的商家数据和用户评论数据，过几秒钟就帮你把行程酒店机票餐厅全都安排了，然后你跟他说太贵了，然后他就会给你整体根据优惠然后再安排一遍

这就开始想象chatgpt应用的无限场景，更大的改变是有可能以后大家就不上美团了，也不再应用商城下美团APP了，而是直接在chatgpt里面用美团或者别的什么生活服务APP了，直接重购了互联网流量入口。

AI正在以天为周期进化，给人前所未有的压迫感，对此比尔盖茨和英伟达老板黄仁勋的表态是最有代表性的

比尔盖茨表示：这就像当年我第一次见到图形界面操作系统

黄仁勋在发布会上三次强调：我们正在经历又一个iPhone Moment

比尔盖茨靠着抄MAC图形界面操作系统操的够快以及设计出了快速扩张的商业模式，率领微软登上巅峰成为世界首富。黄仁勋因为错过了iPhone带来的移动互联网革命，他的公司股价从2007年高峰的接近10美元一度掉到接近1美元。所以我相信这两个人对他们口中的那个时刻一定是印象深刻的

而此次此刻恰如彼时彼刻！

仰望星空

AI大模型的底层逻辑

这是一张末代皇后婉容的照片，AI模型上色之后就成了这样

同时他还可以有很多别的配色

那么AI是怎么完成黑白照片的上色的呢？

如果让我这个人类去给这张照片上色的话，我能想到两种方法

方法1：我先去调查婉容这件衣服的材质，甚至尝试去找到这件衣服的本体，在结合史料上拍张照片的时间地点、当天的天气光照，确定一种最有可能的颜色给它涂上去，这种方法叫做分析推理方法。

方法2：我随便找个看着不那么突兀的颜色，就给他涂上去，所有的背景事物照此操作，最后出来的照片像那么回事就行，因为我看过很多女人穿着类似衣服的彩色照片，这种方法我们姑且称之为套模板

AI并不擅长分析推理，但他非常擅长套模板

然后总结成模板到处套，特别是在最近这一轮大模型革命之后，AI变得非常非常擅长总结模板到处套，这既体现为他无与伦比的效率，也体现为他无人可及的能力。

无与伦比的效率

AI大模型很难承担真正的原创性工作，也就是说他无法替代去形成目标决心底层的策略，但他能比任何人都更高效的完成扩展翻译总结查找

这里的扩展翻译总结查找，都是广义上的说法

于是基于广义扩展翻译总结查找，围绕AI大模型就产生了大量的应用

  • 比如说文字转图片的midjourney、stable diffusion、dall·e 2
  • 文字转PPT的Tommy、copilot
  • 文字转视频的Runway
  • 文字转网站代码的copilot x
  • 等等等等

现在美国的互联网新产品发布平台Product Hunt，上面已经有一半以上的新发应用是基于AI，帮你解决各种各样的小问题的：比如说在繁杂的Excel数据当中找出关键的增长指标就是查找，这些本来需要投入几小时甚至几天去完成的工作，现在AI能在几秒钟之内帮你完成

在用AI完成基础的工作之后，数据会保存在数据库里，而不是人类的脑子里，也就是提取和传输的限制条件是内存和限宽，而不是人类的发声习惯，信息在组织内部上传下达平级沟通的效率也急剧加速

就比如在管理软件领域的大数据分析，现在的大型连锁商店，都会收集大量经营数据来分析，但是当运营人员真的提出要看某些数据的时候，首先数据涉及到敏感的商业机密不能让你随便看，然后你的电脑也跑不了那么大的数据库，这时候就需要专业的工程师去帮你调取特定的数据，会根据先来后到轻重缓急，给调取数据的需求排个序，你会进入到排队队列，真正拿到数据的时候可能是2个月以后了，而AI大模型能把这个时间缩短到几秒钟。

实际上我们日常的工作当中，只有非常非常少的一部分是严格意义上的原创，而有大量的信息搜索总结翻译扩展，大量的沟通上传下达，当AI充分介入之后，这些流程将会不复存在，大集团公司老板和国家领导人将可以直接获取最基层的信息，而绝大多数产品的开发周期都会缩短到一天之内，上午形成想法晚上网站上线，甚至配合日益成熟的3D打印技术，上午形成想法晚上零件入库，这就是AI大模型能给我们带来无与伦比的效率。

AI读心术

更激动人心的是AI创造了新的可能性

有一种医疗诊断技术叫做FMRI（功能性磁共振成像）可以观测记录到大脑血流的微小变化，大脑在工作的时候，比如说看一张图片，必然会导致各部分的神经元产生不同的对能量氧气的需求，进而导致血流量的微小变化，而这个数据是可以通过FMRI记录下来的

那有没有可能，这种血流的微小变化数据跟我们现在看到的图像存在对应的关系呢？

肯定是有可能的，但是人能看得出来我信你个鬼，因为这里这个对应的模板模型太复杂了，完全超出了人脑的理解能力，而一个日本大阪大学的团队用stable diffusion AI模型，利用FMRI的数据画出了这样的图像

患者看到的原图是这样的

对比图（左侧stable diffusion绘制，右侧人眼观测）

这是AI画出来的

这是患者看到的

对比图（左侧stable diffusion绘制，右侧人眼观测）

这是AI画出来的

这是患者看到的

对比图（左侧stable diffusion绘制，右侧人眼观测）

这为我们展现了一种实现非侵入式脑机接口的可能性，人类可以通过意念进行沟通交流。后面在瘫痪患者的治疗，在义肢轮椅等领域会有巨大的应用前景！

而如果说的科幻一点这就是在字面意义上实现了读心术啊，短短11页的论文实现了读心术！是不是很大胆！

数字生命

更大胆的是

像这样我们知道两件事，两组数据之间的关联，而人脑不知道如何对上的情况，在人类社会比比皆是

马丁路德金曾说我梦想有一天，我的四个孩子，将在一个不以他们的肤色，而是以他们的品格优劣来评价他们的国度里生活

什么叫做一个人的品格呢？

这曾经是一个非常抽象的概念，体现为一个人的所有行为举止的集合。

而人的行为举止这个数据，其实是可以记录的，对于一个心智成熟的成年人来说，他在网络上未来的行为可以认为是过去行为的一种延续，于是只需要提取你在网络上的所有足迹：看过什么、发过什么、做过什么

把这些数据做一个记录，然后让AI大模型去学习这组数据就可以生成一个数字化的你，这个你可以替你去发评论发弹幕、发文章、私信、表白甚至可以替你花钱网购

这就是一个人的品格，他被AI破解了，我们看到的新闻内容的点点滴滴，而这个点点滴滴跟真实感之间的关联，本来应该是抽象的，而现在已经被AI破解了，以后再也没有眼见为实了

这些案例看起来可能会感觉有点疯狂可怕，你这么感觉就对了，我也有这样的感受，自200万年前以来人类一直是已知世界智能最高的存在，我们早已对此习以为常

我思故我在，体现了人类的独特性，而如今一种新的智能正在破解我们所有抽象的概念，破解人类的独特性。

人类进化到现在的智慧水平用了200万年，AI大模型需要多久？

脚踏实地

当然，倒也不需要过度恐慌，也不用对AI大模型的产品畏之如虎，我很认同一句话：AI不会淘汰你，但是第一批使用AI工具的人会淘汰你！

结合我最近使用的两个工具，抛砖引玉，让我们一起步入这个新的时代！

stable diffusion 生成个性图片

先上一个我自己生成的效果(就是在我的Mac上用CPU生成的)

官网：https://stablediffusionweb.com/

官网提供的在线上能力比较弱鸡，而且很多参数不能调节，使用次数还有限制，不推荐

推荐一个Github上的一个大神：https://github.com/AUTOMATIC1111/stable-diffusion-webui

这个是本地搭建一个stable diffusion模型，自由度非常高，配合https://civitai.com/ 这个网站，基本可以定制化生产任意图片

我在这里简要说一下我的搭建过程，以供参考

1、Mac的安装参考：https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Installation-on-Apple-Silicon

安装3.10版本的Python（其他版本都有些问题） 拉取仓库 运行./webui.sh 然后就会自动下载各种依赖和默认的模型，命令行出现下面的日志就代表成功了

2、在https://civitai.com/找一个合适的模型并下载

3、下载完成之后，把checkpoint拖入下面这个文件夹，然后重启服务

然后就能在模型列表找到你刚刚下载的模型了

4、填写参数，需要注意5个参数

  • checkpoint/模型，我选择的是国风3模型https://civitai.com/models/10415/3-guofeng3?modelVersionId=17414

  • 正向词和负向词

  • Sampling

  • step

  • CFG scale

  • Seed (这个我理解就是一个框架，比如说描述词有【站立】，但是站立还有很多种正面站还是侧面站，这个seed就是用规范一个大概的范围，-1是随机)

参数我放这里，大家自取哈

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
## checkpoint
https://civitai.com/models/10415/3-guofeng3?modelVersionId=17414

## 正向词
best quality, masterpiece, highres, 1girl,china dress,hair ornament,necklace, jewelry,Beautiful face,upon_body, tyndall effect,photorealistic, dark studio, rim lighting, two tone lighting,(high detailed skin:1.2), 8k uhd, dslr, soft lighting, high quality, volumetric lighting, candid, Photograph, high resolution, 4k, 8k, Bokeh

## 负向词
(((simple background))),monochrome ,lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry, lowres, bad anatomy, bad hands, text, error, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry, ugly,pregnant,vore,duplicate,morbid,mut ilated,tran nsexual, hermaphrodite,long neck,mutated hands,poorly drawn hands,poorly drawn face,mutation,deformed,blurry,bad anatomy,bad proportions,malformed limbs,extra limbs,cloned face,disfigured,gross proportions, (((missing arms))),(((missing legs))), (((extra arms))),(((extra legs))),pubic hair, plump,bad legs,error legs,username,blurry,bad feet

## Sampling step
30

## CFG scale
7

## Seed
2467180841

5、生成图片

填写完参数就可以点击右上的Generate，命令行可以看进度，差不多3分钟就可以生成

6、提升分辨率

先拿到图片

选择Extra，并把刚刚生成的图片放入，并设置Upscaler1和Upscaler2均为R-ESRGAN 4X + Anime6B

放下修复之后的对比图

注意事项

  • Mac基本没有GPU所以这个生产过程基本都是用CPU去模拟的，生成过程CPU会飙升，请大家在非工作时间操作，否则造成电脑卡死概不负责哈
  • 明明参数配置一样，就是跟模型的不一样，这个是正常的，因为这个有多重因素干扰，不同的显卡甚至效果也不一样，显卡越好生产的效果越好，模型网站的图片基本都是顶级显卡跑出来的

ChatGPT 辅助编程

背景：

平时会编写博客，并且会把这个博客上传到github上，然后自己买一个域名挂到github上。

我平时编写的博客会有一些图片来辅助说明的，写完之后如果我把图片和文字全部都上传到博客网站，后期图片很多时就会导致网站加载特别慢

所以想把图片存储在一个公共的对象存储平台（腾讯云的cos服务），这样只要上传一个公共访问链接即可，极大的减少存储空间。

需求：

每次写完博客都要手动上传图片，然后把得到的链接在复制到本地的markdown文件中，如果一篇文章的图片特别多，这简直就是灾难！所以我想

  1. 给一个文件路径，自动把markdown文件中本地的图片上传到腾讯云的cos平台，并获取公共链接

  2. 把本地的文章的链接自动替换为公共链接

调研和设计

腾讯云cos服务是提供这样的接口的，但是接口需要鉴权，所以我把上诉的需求拆解为三部分

  • 生成鉴权sign_key
  • 调用腾讯云的接口上传图片，并获取链接
  • 输入markdown文件，找到本地图片链接，上传并替换为公共链接

错误示范

我阅读腾讯云的cos文档，需要提供签名，一共需要八个步骤才能生成


我把这八个过程每一个过程都复制给chatgpt，让他帮我写


后面太多我就不演示了，我直接说总结：

  • 在这个过程中给我的代码基本都是可以运行的，我只需要微调一下就可以用，报错直接扔给他也基本都可以解决
  • 但是整个过程还是需要我理解每一步，并且把这八个步骤进行汇总和调整
  • 比Google搜索要好用一点，但是还没有那么好用，总感觉差点意思

正确示范

生成上面的签名之后，我就让他去写上传接口


仔细阅读一下上面的第二张图片，我要求【把其中的url的uri替换为文件名】，然后它给我代码并解释这是做什么，它说这是上传到【腾讯云的cos服务】，要知道我在这之前是完全没有提到过【腾讯云】、【cos服务】等字眼的，也就是它只依赖我提供的host【coder-xieshijie-img-1253784930.cos.ap-beijing.myqcloud.com】这个域名，就判断出我这是腾讯云的cos服务，这就有点厉害了，更厉害的是，当然要求他写一个测试用例：

它直接把我之前费力八个步骤生成的签名直接生成了！这太离谱了！

  • 我以为：chatgpt不知道腾讯云cos签名的生成过程，然后我阅读文档，把八个步骤重组并依次喂给chatgpt，让他帮我写
  • 实际上：chatgpt不仅知道腾讯云cos，在我要求他上传时，就自动把官方推荐的生成签名的方式给我生成了！

这意味着以后大部分网络开源的内容，你甚至不用阅读啃文档，你只要知道一个概念，剩下的就交给他就可以！

后面的上传和替换markdown的内容我就不截图，后面对于chatgpt就非常简单了，最后附上完整的代码(95%是chatgpt写的)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
# -*- coding=utf-8
import hmac
import hashlib
import os
import re
import requests

# 定义 SecretKey 和 KeyTime
# 替换为自己的key和id
secret_key = "xieshijie_key"
key_time = "1680947045;2980950645"
secret_id = "xieshijie_id"
http_method = 'put'


def generate_url_param_list():return ""


def generate_header_list():return ""


def generate_sign_key_val(uri_pathname):# 生成 SignKey
    sign_key = hmac.new(
        secret_key.encode(),
        key_time.encode(),
        hashlib.sha1
    ).hexdigest()

    # 生成 HttpString
    http_string = f"{http_method.lower()}\n{uri_pathname}\n"

    http_string += "\n"

    http_string += "\n"

    # 生成 StringToSign
    string_to_sign = f"sha1\n{key_time}\n{hashlib.sha1(http_string.encode()).hexdigest()}\n"

    # 生成 Signature
    signature = hmac.new(
        sign_key.encode(),
        string_to_sign.encode(),
        hashlib.sha1
    ).hexdigest()

    # 生成签名
    sign_key_val = f"q-sign-algorithm=sha1" \
                   f"&q-ak={secret_id}" \
                   f"&q-sign-time={key_time}" \
                   f"&q-key-time={key_time}" \
                   f"&q-header-list={generate_header_list()}" \
                   f"&q-url-param-list={generate_url_param_list()}" \
                   f"&q-signature={signature}"

    return sign_key_val


def generate_file_name(file_path):# 获取文件名return file_path.split('/')[-1]


def put_request(file_path, sign_key):# 设置请求头
    headers = {
        'host': 'coder-xieshijie-img-1253784930.cos.ap-beijing.myqcloud.com',
        'Authorization': sign_key
    }

    # 设置请求体with open(file_path, 'rb') as f:
        data = f.read()

    uri = generate_file_name(file_path)

    # 发送 PUT 请求
    url = f'https://coder-xieshijie-img-1253784930.cos.ap-beijing.myqcloud.com/{uri}'
    response = requests.put(url, headers=headers, data=data)

    # 判断响应状态码并返回结果if response.status_code == 200:
        print('本地图片上传成功')
        return url
    else:
        print('本地图片上传失败')
        return 'fail'


def replace_local_image_links(file_path):"""
    读取Markdown文件，提取其中的本地图片链接并替换为基于图片名称计算的新链接。
    Args:
        file_path (str): Markdown文件路径。
    """# 判断文件是否是Markdown格式if not file_path.endswith('.md'):
        print('该文件不是Markdown格式。')
        return

    # 读取Markdown文件内容with open(file_path, 'r', encoding='utf-8') as f:
        content = f.read()

    # 匹配所有本地图片链接  匹配形式为：![...](...)
    regex = r"!\[\S+\]\((\S+)\)"
    matches = re.findall(regex, content)

    # 替换本地图片链接为新链接for match in matches:# 判断链接是否是本地路径if not match.startswith('http'):# 获取图片名称和路径if os.path.isabs(match):
                image_name = os.path.basename(match)
                image_path = match
            else:
                image_name = os.path.basename(match)
                image_path = os.path.abspath(os.path.join(os.path.dirname(file_path), match))
            sign_key = generate_sign_key_val('/' + image_name)
            # 上传图片到COS并计算新链接
            new_link = put_request(image_path, sign_key)
            # 替换Markdown文件中的链接
            content = content.replace(match, new_link)

    # 将替换后的Markdown内容写回文件with open(file_path, 'w', encoding='utf-8') as f:
        f.write(content)

    print('本地图片链接替换完成。')


if __name__ == '__main__':
    # 测试替换
    replace_local_image_links("/Users/xieshijie/Desktop/test.md")

我用了差不多半天的时间完成这件事，大部分时间是阅读腾讯云的cos服务文档和分步骤生成签名的过程，如果正确使用实际我觉得可以缩短到1个小时！

然后，我果断充了一个GPT-4

AI > ChatGPT
#AI #ChatGPT #stable diffusion
AI大模型的仰望星空和脚踏实地
http://coder-xieshijie.cn/2023/04/13/AIGC/AI大模型的仰望星空和脚踏实地/
作者
谢世杰
发布于
2023年4月13日
许可协议