👀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！
👀 滴滴组建大模型团队，将落地部分个人出行和企业差旅场景
11月15日，36氪从多名独立信源处获悉，滴滴内部已经组建大模型团队，由滴滴出行地图与公交事业部负责人、算法委员会轮值主席柴华担任技术负责人。
几名知情者表示，滴滴大模型落地的场景并非地图导航，而是计划以部分个人出行和企业差旅为场景，用以提升用户差旅、出行规划效率。
稍早之前，高德地图、T3 出行已官宣入局大模型。9月20日，高德就发布安全出行大模型，帮助网约车平台提升安全管理能力、降低安全风险。11月10日，T3 出行宣布与中国电信达成战略合作，共同打造国内出行行业首个生态大模型「阡陌」，逐步推出各类出行场景大模型解决方案 ⋙ 了解更多
👀 面壁智能发布AI Agents首个SaaS级产品ChatDev
11月15日，面壁智能公众号发文，宣布正式推出基于群体智能的AI原生应用「面壁智能 ChatDev」智能软件开发平台。据称，这是业内首次将 AI Agents 群体智能协作技术应用于软件开发的 SaaS 平台产品，可以让软件开发者和创新创业者以极低的成本和门槛高效完成软件开发工作。
SaaS 版 ChatDev 将原始版本的核心能力浓缩成一个更加简洁高效、应用门槛更低的可视化交互平台 ，即便没有编程经验的普通用户，也能轻松使用 ⋙ 了解更多
🉑 生成式AI没有「第二幕」，一直在「第一幕」
9月，红杉美国在其官网发表了一篇文章「Generative AI's Act Two (生成式AI的第二幕)」，认为生成式AI已经从「原型&概念验证」转向「实际应用&规模化部署」的第二阶段，The moats are in the customers, not the data (真正的壁垒是客户而不是数据)。
这篇文章的作者，结合ChatGPT 近期 的功能更新、创业团队&出海团队的数据增长等，提出了自己的观点：我们仍处在生成式AI的第一幕，仍在进行初期的技术和产品探索，距离大规模应用还有很长的距离，各规模的初创团队仍有很多机会。
对于创业公司,不要忌讳先做成「套壳」，可以先通过「套壳」的方式快速验证AI在某业务场景中的价值,之后再逐步完善成为独立的产品
海外创业环境更为立体，创始团队可以选择不同的融资策略和商业模式,既可以做小型盈利的工具产品,也可以通过大量融资成长为大公司
AI对产品经理和设计师提出了全新要求，需要考虑如何将AI技术能力与人类交互融合,同时考虑用户旅程和体验模式的改变
课程会催生「直接出售工作成果」这种新的商业模式，而不仅是出售软件或服务，也就是说，AI初创公司通过生成式AI替代/辅助完成某些工作,然后直接销售这些工作结果 ⋙ 阅读原文
🉑 AI革命掀起乐高社区的讨论风暴，接受or抗拒 (其实也没得选)
生成式人工智能的风暴正在吹向世界的各个角落，乐高 LEGO 社区当然也不例外。乐高爱好者们纷纷开麦，讨论使用AI生成乐高设计图到底是模仿还是创作，是抄袭还是灵感源泉。
正面观点认为，AI有着丰富的想象力并且打破了创作门槛，不仅可以帮助新人快速上手，也可以帮助专业乐高设计师快速尝试新想法，让跟多人加入到乐高设计的世界
而反面观点认为，AI设计的版权仍不明确，而且太过酷炫的生成图会拔高公众的期待，这都会影响乐高设计师的作品设计、工作效果甚至生计
面对AI的猛烈冲击，我们能做的是努力在传统与创新之间找到平衡，而且最重要的是牢记「AI只是创造力的辅助工具」，积累领域专业知识和享受创作过程更为重要。
👀 写给刚学编程的女儿，老爸这4个锦囊妙计务必收好
这篇文章很有意思，是一位父亲写给编程新手女儿的建议，可以很大程度上避免编程初期可能遭遇的陷阱和挫折。就像作者在文末写的那样，其实学校应该开设一门 CS 课程专门讲讲这些实用的操作建议，但实际上并没有。
总结下原文的核心建议，不过更推荐去看看原文，作者的行文非常流畅且接地气，字里行间有着拳拳爱意：
提高效率：关注开发过程中的基本问题，比如选择合适的编辑器（VScode等）、避免网络连接问题、性能较好的设备上工作，而且要在开始项目前花时间熟悉开发环境，以便更高效地进行编程
编写高质量代码：编写易读、可维护代码的重要性，建议使用有意义的命名、避免重复代码、简化复杂表达式等
有方法地进行调试：系统地进行调试，从明确问题、提出假设到逐步排查，要注意工程化方法和逻辑思维在解决问题中的重要性
在适当的时候寻求帮助：遇到困难的时候请记得回来寻求帮助
🉑 AI进阶指南：AI高手绘制的超详细成长路线图(2023版)
这篇文章的主题是「How to become an AI expert (如何快速成为人工智能专家)」，给出了非常明确的知识结构和学习路线图！日报整理了文章框架和知识要点，感兴趣可以阅读原文了解更多细节呀：
第一章：基础知识
定义：AI的定义、机器学习的定义
背景知识：数学、编程、算法
如何学习AI：自学、训练营、正式教育
AI的工作原理：机器学习类型、神经网络、自然语言处理、计算机视觉
实际技能：数据清洗和预处理、模型训练和评估、部署
构建作品集：GitHub、竞赛、开源贡献
网络：领英、会议和网络研讨会、社区
就业机会：角色、行业、金融、内容制作
第二章：如何使用AI识别需求：目标、范围、预算
选择工具：现成解决方案、定制解决方案
开始：即插即用服务、基于代码的方法、API
数据准备：收集、清洗
模型训练：训练集、验证和测试
上线：本地部署、云部署
维护：性能指标、更新
伦理问题：数据隐私、公平性和偏见
第三章：6大AI原则算法
数据
计算能力
可解释性
评估和指标
OpenAI 和 ChatGPT
第四章：将AI付诸实践项目规划
构建团队
基础设施
蓝图
集成AI
分析和反馈
评审你的工作
第五章：扩大AI规模用户采用
多样化
成本优化
服务改进
数据治理
技能培养
供应商管理
吸引人才
第六章：跟上趋势新闻
学术资源
社交媒体
会议和网络研讨会
课程
播客和视频
网络
案例研究
- 开源项目
🉑 Stanford CS224S: Spoken Language Processing
这是斯坦福 Stanford 在 2022 年春季开设的AI课程，课程名称为「CS224S: Spoken Language Processing」，重点介绍口语技术，特别是对话和会话系统。课程学习前需要具备的 Python 编程能力、机器学习基础知识和自然语言处理基础知识。
课程涵盖了深度学习等方法在自动语音识别、语音合成、情感检测、对话管理、数字助手和口语理解系统中的应用。课程已经完全公开了 Slides 和视频，可以访问上方链接获取。以下是课程大纲：
第1周：介绍和声学语音学
第2周：对话简介
第3周：对话中的机器学习
第4周：课程项目与自动语音识别（ASR）简介
第5周：自动语音识别
第6周：高级ASR
第7周：现代工具包中的口语语言产品
第8周：语音合成/文本转语音（TTS）
第9周：实用TTS与意义抽取
第10周：海报展示与总结
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！
