👀日报&周刊合集 | 🎡生产力工具与行业应用大全 | 🧡 点赞关注评论拜托啦！
🔥 全国首个大模型创新生态社区「模速空间」在上海徐汇挂牌
9月28日，上海「模速空间」创新生态社区暨人工智能大模型产业生态集聚区揭牌仪式在徐汇西岸隆重举行。这是全国首个大模型专业孵化和加速载体。
「模速空间」围绕「1+1+5+N」功能体系布局，打造开放数据平台、测试评估平台、算力调度平台、融资服务平台、综合服务平台五大公共服务平台，为入驻企业夯实要素保障；同时，面向消费、文娱、医疗、金融、教育等大模型需求转化快、先发优势强的垂直应用领域，打造若干行业级生态社区 ⋙ 官方速报
🧰 感觉要火！将照片转绘为传统工笔画风格，比拍古风写真香啊
civitai.com/models/1532...
工笔画是一种中国传统的细致写实的绘画技法，使用精细的笔触描绘物体的细节，然后层层叠加墨色和颜色，以达到精美的效果
逛C站发现了一个有趣的新模型「fusion gongbi painting (ID: 153283)」，结合ControlNet可以将真人照片转绘成工笔画风格！体验效果出乎意料的好！
主要出图方向是古风女生，但现代的也能出，只是古风男性还不行。以及，如果希望出图效果更具有传统工笔画的感觉，可以使用「xdgb style」来加强风格。
🧩 独立开发者群体观察笔记，一些扎心的大实话
这是 @henu王凯 对独立开发者群体观察一段时间后的笔记，基于自己的经验总结了这个群体的三类特性，或者说是面临的三类发展挑战。我们总在宣传中看到成功案例，忽略了这其中对个体的多方面要求，以及潜藏在各处的风险。
ShowMeAI做了梳理并收藏在星球中了，以下是核心内容总结，感兴趣可以前往星球阅读原文：
独立开发者群体商业意识淡薄，普遍拥有较大「舒适区」：很多独立开发者不太关注市场需求、市场推广、商业变现，宁可花1个月打磨产品，不愿意花三天研究推广和收费 → 筛选、思考其实比执行重要很多
舒适区太大，不爱思考除技术/产品外的事：明面上的开发者普遍都有点格调，喜欢做特别清白的产品、优雅地赚钱 → 这个在竞争激烈、机会锐减的当下其实越来越难
独立开发者不是条好路，尤其是当下：当下很多技术童鞋焦虑想做副业，但是仅能看到「做产品-优化-收费」这一种逻辑，不太能直接深入业务 → 有「过度高估收益，低估难度/风险」的氛围
👀 太卷了！关于大模型和AIGC的36条笔记和真话
这是一篇国内AI头部企业的闭门会要点笔记，记录了这场讨论里冲刷认知的一些真话，ShowMeAI日报摘录其中几条，可以前往知乎查看完整的36条内容。
新一代生成式AI，可能要回头看看上一代AI趟过的坑，不要行业自嗨，避免上一个冬天的轮回。在这个领域的从业者，更要清晰地看到行业的内卷和客户的痛点，别被大佬的鸡汤迷了眼。
2. 大家融到的钱，80%-90%给到了算力，这是现状。要知道，现在还只是训练，训练的成本是可控的，推理的成本是不可控的。
4 . 目前看，行业还是缺少一些颠覆式的杀手级的应用，从而难以实现商业化的变现。
9 . 刚开始觉得模型还挺值钱的，现在又陷入到内卷了。前段时间碰到一个客户，BAT等都报价了。刚开始报价，还挺贵，1000多万。大家知道最后的成单价是多少？太卷了。
14 . 我们要找到一些性感的场景。有几个标准。第一，小切口。第二，跟大模型的优势相匹配。第三，让买单的决策用户有强感知。比如以前获取一些数据、结论或者服务，需要不同的流程，现在通过大模型，决策者在移动设备就能快速获取和完成。
15 . 大模型想做成功需要三件事：1）能不能拿到足够多的钱去买算力。2）能不能拿到足够多的数据。3）人才密度是不是够厚，不在数量多，而是有没有足够多的高质量的科学家。
17. 我们认为机会还是在tob垂直模型，核心点在数据和场景本身，这是最核心的。
21 . 我们反而认为ToC赚钱比较容易。ToB有个问题，一个项目的历程时间比较长。客户批预算，再到立项，再到实施，钱的周期是很长的。
22 . 我觉得现在是机会太多，不要把资源分到你所不是的地方，做战略选择，这个很重要。
28. 最近一两年，可能是做创新、做产品的过程，现金的回收周期会相对长一些。
31 . 绕开模型，绕开算力，可能接下来的机会就是 Agent。
36 . 大模型玩家，要保证自己能留在牌桌上，才有机会看到下半场新的东西出来 ⋙ 推荐阅读原文
👩💻 提示工程：是炒作还是真的大势所趋？值得认真学习么
大模型被推出后，提示工程「Prompt engineering」和提示工程师的概念也随之甚嚣尘上，被宣传为新的技术趋势和热门工作。
但是半年多的时间过去了，宣传中的高薪岗位并没有大量出现。那还值得专门花时间学习提示工程的各种技巧么？这篇文章对各方观点做了整理：
📚 LLM 学习手册，掌握核心知识点 & 学会如何选择模型
这是一篇 LLM 学习小手册，2023年9月最新开源的，介绍了 LLM 的核心知识点，并且提供了模型选择指导和实战案例展示，是一个可以快速完成学习的教程！
以下是各章节主要内容，教程的结构和基础内容覆盖还不错，感兴趣可以前往网站学习：
简介 / Introduction：通过提供这份开源指南，帮助工程师了解人工智能，尤其是大型语言模型 (LLM)
人工智能基础知识 / AI Basics：定义 AI、LLM 及其能力和局限性，并从技术层面解释 LLM 的工作原理
语言模型 101 / Language Models 101：提供有关模型架构、训练和推理的具体内容，并解释了参数、微调、束搜索等关键概念
选择 ML 模型 / Choosing ML Models：就如何开始使用模型和评估结果提供指导
著名项目 / Notable Projects：将重点介绍完整的 LLM 解决方案、运行时、检索增强、协调和前端
从左侧大纲可以看出，一些核心章节仍待上传，可以蹲一波更新：数据检索、图像模型、微调、构建模型和音频/视频模型
📜 从巫术到科学：这本书带你揭秘人工智能的工作原理
ShowMeAI知识星球编码：R186
人工智能已经无处不在但又很神秘，我们好像很难说清楚AI是什么，以及到底是如何运作的。不过，一旦想深入了解原理层面的内容，就会跟大量的公式、数学、技术、编程等让人头大的知识狭路相逢。
如果你希望可以通过图片和文字，就可以揭开AI的神秘面纱，那么这本书很值得一读！ShowMeAI制作了中英对照的双语版，可以前往星球下载并开启阅读。
第1章：我们出发了：人工智能概述
第 2 章：为什么是现在？人工智能的历史
第 3 章：经典模型： 老派机器学习
第4章：神经网络： 类脑人工智能
第5章：卷积神经网络： 人工智能学会看
第6章：生成式人工智能：人工智能获得创造力
第7章：大型语言模型： 真正的人工智能终于来了？
第8章：思考： 人工智能的影响
阅读书籍之后，你会明白人工智能背后的历史，为什么AI革命爆发在当下；数十年的符号人工智能工作是如何失败的，又是如何为神经网络的出现打开大门；神经网络是什么，如何训练神经网络，以大型语言模型对我们社会的影响......
需要注意，如果开启阅读前对AI、机器学习、深度学习有基本的了解，那么整个过程将会更加顺畅 (👉 可以在这里补齐AI基础知识 www.showmeai.tech)
书籍作者 Ronald T. Kneusel 也值得介绍下，他有着机器学习博士学位和近20年工业机器学习经验的数据科学家，而且也是多本畅销AI书籍的作者，写作质量是有保障的~
感谢贡献一手资讯、资料与使用体验的 ShowMeAI 社区同学们！
◉ 点击 👀日报&周刊合集，订阅话题 #ShowMeAI日报，一览AI领域发展前沿，抓住最新发展机会！◉ 点击 🎡生产力工具与行业应用大全，一起在信息浪潮里扑腾起来吧！
