
吴晓波 安健 刘斌
★ 人工智能浪潮已至,各行各业有何场景创新和颠覆式发展? ★ AIGC塑造者如何看待未来? ★ 生成式AI的下一步,将怎样赋能各类企业? 本书通过横向对比海内外人工智能技术的发展情况,将行业内的专家观点与躬耕产业一线代表的独到见解深度结合,重点回答了人工智能大模型如何让各行业焕发新的生机,详细介绍人工智能在诸多细分场景的新尝试、新应用、新规律和新的竞争空间,揭示产业智能化趋势中独具一格的技术和鲜为人知的机遇,全景式呈现智能原生时代大模型的应用与未来。
答应要早早写书评的,但是认真一点一点划拉完时已经有些拖了… 但是,但是,但是,划拉的是巨认真的。因为自认算是半个“领域”内的人,一直关注,“云上”系列,一一跟着读的,自然,开端是王坚老师的《在线》,纸质本还在书架上,电子版看过两遍,在等王坚老师出下一本。(内心想说的,一定要再来一遍) 这本“云上3”推荐的,很大可能不是我的“喊话”,但我确实是喊过,想更加细得读读国外的发展,想读国内外的对比案例,“云3”很细致得满足了。在已经。在这本“云3”里,你能看到产业内国内外发展的大量实际案例。赞👍 作为一个还算认真的读者,我又来了,提请求提请求提请求:因为本人是交通领域的,希望出一本针对交通领域的,AI或是大模型影响总结的,国内外案例讲解的书。比如,期待“云上的交通”或是“在线的交通”。搓手手等啊🤪🍭 期待看到更加专业化的分本💪 “云上系列”均推荐,“云3”很推荐! 书友们,读起来啊🤓💪
距今4.5亿年前,寒武纪的生命大爆发塑造了今天的物种多样性,让高等生命的进化成为可能。如今大模型技术的爆发,同样让人工智能生态进入了物种爆发和超高速发展的全新纪元。 无论是大模型公司、云计算平台还是AI应用初创公司,都正努力抓住时代的机遇,占据属于自己的生态位,并试图塑造人工智能的未来世界。正如比尔·盖茨所说,我们总是高估未来两年的变化,低估未来10年的变革。也许大模型和其众多应用今天仍稚嫩,但终将进化成极具影响力的全新物种
人工智能发展历程介绍简洁明了,内容易于理解,没有将概念各种故弄玄虚,云里雾里。这是本书最大的优点。 人工智能符号主义和神经网络两个流派各领风骚,算力,数据和云计算技术的成熟,催生了深度学习网络大模型的惊艳问世。
Ai世界的前世今生,书中介绍Ai的发展历程,当前的发展现状国内和世界上Ai发展的现状,案例、及前景因素。是一本了解Ai的科普指南!Ai大有可为!
chatgpt破圈之后,人工智能和大模型呈现出井喷的状态,国内可以说只要是科技企业要是不和AI和大模型扯上点关系,都不好意思说自己是科技企业了 书中一开始,我以为这是人工智能的简史呢,后面也有很多关于中国人工智能方面应用的案例,但后来我发现这其实是本关于阿里云的广告 当一本书成为一家企业的软广,这是件多么可悲的事儿呀!
📖精彩书摘: 英伟达创始人兼CEO黄仁勋说过一句话,“我们正处在AI的‘iPhone时刻’”,预示着一个难以估量的AI巨大市场,正摆在所有科技企业的面前。 根据国际数据公司IDC预测,全球AI计算市场规模将从2022年的195.0亿美元增长到2026年的346.6亿美元。其中,生成式AI计算市场规模将从2022年的8.2亿美元增长到2026年的109.9亿美元。 大模型对于人工智能发展的基础性作用已经成为公认的事实,任何怀揣远大理想且具有研发能力的科技企业,都想将大模型研发的主动权握在自己手里。 但与之相对应的一种说法也很快出现:大模型本身并不会直接产生价值,基于基础大模型开发出来的应用才是模型存在的意义。
舞台已经就位,英雄正在登场,大模型时代的大幕将徐徐拉开。 而谁能掌握数字人的生成技术,谁就会掌握人们通往虚拟世界的入口。 未来将会是一切都连接着AI的世界。
全面的AI科普书,里面有很多场景待去实验
这本书有没有用,还是有点用的,他把这年多以来的大模型新闻做了汇总加工,从算力、模型、应用,做了个大致介绍,可以节省一些信息收集的时间,对AI小白来说,如果能耐下心来往下读,还是有收获的。 最大的问题是:这本书太像一本广告合集了。介绍到里面相关案例时,广告味太浓。 ——明说了吧,我怀疑阿里云就是最大的金主。(当然千问模型的确牛逼) 如果不是做广告,那我真的建议写作团队换换文风。 说到文风,这就是下一个问题了,写得太他妈枯燥了。我要不是对AI行业有点了解,加上反正是开车闲着也是闲着,真听不懂,听不下去。 给个一般吧。
第一章和最后一章值得读一下,对深度学习的发展历程和大模型目前的进展有一个大致的认知,不过也不深入,浅尝辄止,作为科普类信息了解一下是可以的,中间都是各个公司应用的介绍,很粗浅,广告成分大于著作成分,特别是阿里云简直就是植入式的。最欠缺的是对其中存在的问题和困难的解读,行业应用构建的关键信息没有提及(可能是出去商业机密的考虑吧),对各个方向都过于乐观,读的过程中一直有个疑问,很多案例看不到长期商业价值,有心的人可以一两年后再来总结一下这些公司的生存状况,总结一些成功的经验和失败的教训,这可能更有意义。