👀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！
1. 全球最具创新力企业 Top 50 榜单，波士顿咨询公司 (BCG) 持续更新 20 年了
从2023年起，波士顿咨询公司 (BCG) 每年都会评选出 ⋙ 全球最具创新能力的50家公司「the 50 Most Innovative Companies」，并出具一份报告。至今已经持续了超过 20 年。
BCG 官网还设计了一个可交互的图表。顶部有4个下拉框 ，点击选择不同的分类方式，就可以看到分类榜单和近20年的历史数据变化 👆
BCG每年都会发布一份年度创新报告 ，评选出当年最具创新力的 50 家公司 ，探讨新入选公司脱颖而出的原因，并分析榜单上这些公司的创新特质。目前最新的报告是 2023 年的 。
2. 112位顶级投资人，36位知名企业家，共同评选出 2024 全球科技初创公司 Top 榜单
⋙ Wing Venture Capital 是一家专注于科技领域的风险投资公司，成立于2013年。从2019年起，Wing VC 每年会发布一份「Enterprise Tech 30 」报告，评选出全球最有前途的科技初创公司。
5月初，Wing VC 释出了最新的 2024 年「Enterprise Tech 30」榜单和报告。总榜如下，报告中还有很多细分榜单和详细的数据解读，信息密度很高。。
报告前 43 页，整体分析了 2024 年入选企业的显著特征和变化趋势。简单整理要点如下：
生成式人工智能 (GenAI) 的崛起
- 本年度 40 家企业上榜，其中新上榜的 17 家公司都不同程度涉足了生成式人工智能领域。
- 7 家新公司专注于开发AI模型或基础设施 ，3 家新公司专注于构建面向AI应用的数据平台&工具。
- 另外 4 家新公司则属于应用型，要么构建基于生成式AI的原生应用，要么通过生成式AI显著提升了其产品性能。
基础设施和工具的建设现状
- SaaS 领域仅占比 25% ，刷新榜单历史最低值，表明当前仍处于基础设施和工具建设的阶段。
- 约 50% 的上榜公司与AI模型、工具、数据等有关 ，表明行业正在为下一代应用的爆发积累基础和推动力。
报告的后40多页，对榜单的 40 家公司进行了逐一介绍，格式很整齐，重要信息也很完备。是一份必看&必收藏的资料哇 ~
3. 3Blue1Brown 又更新啦！30 分钟动画，直观解释注意力机制 - Transformer 的核心
3Blue1Brown 是一个专注于数学教育的 YouTube 频道，视频制作精良，而且非常擅于用直观的动画和图表，讲清楚复杂抽象的数学话题，以及由此拓展的机器学习、深度学习等等。
3Blue1Brown 在 B 站也有官方账号，而且有 200 多万粉丝啦！值得一提的是，账号发布的视频是有专门的翻译团队把关的。难怪双语字幕的准确度和流畅度这么好 👍
3Blue1Brown 最近在B站更新的两期视频，都与大模型有关，整个系列还在持续更新中。
如果你想直观地搞清楚 GPT 原理，那 3Blue1Brown 这个系列的视频，应该是全球最好的学习资料了，甚至没有之一。
B站UP主 @和AI一起进化 进行了一次新的尝试，借助AI技术把 3Blue1Brown 这两期视频搞成了「中文配音 」！体验非常神奇！中文配音 + 双语字幕，极大提升了信息获取效率 ↓ ↓ ↓ 一起感受下 ↓↓ ↓
4. 一份AI急速入门教程：咻咻咻，大佬带你快速梳理 LLM 几十年发展脉络
这个系列的教程，风格与上面的 3Blue1Brown 系列视频「完全相反」~ 没有配图，没有细致的解释说明，甚至还配了大量代码、公式、专业术语......
能感受到，作者在试图用尽可能短的篇幅 ，讲清楚 LLM 和 AI 发展过程中的关键技术 ，以及彼此之间的演进关系 。读起来更像是一份学霸笔记，适合有一定基础之后，用来梳理自己的知识脉络。
如果你需要一份优质中文教程平滑过渡一下 ，那么强烈推荐 ShowMeAI 这份 → www.showmeai.tech/tutorials/3...
日报简单梳理了目前4篇内容的要点。原教程内容丰富得多 (信息密度真的很高!)
⋙ Part 1：Eliza
对「非人类只能」的探索其实由来已久，机器智能和图灵测试更是在上个世纪50年代就已经诞生了。
但是！虽然 Eliza 通过了图灵测试，但它距离真正的人工智能，还有漫长的距离。
- Eliza：Eliza 是一个早期 (1966年) 聊天机器人，能够模仿心理治疗师的对话风格，并通过了图灵测试。
- Eliza 的工作原理 ：基本工作流程包括接收用户输入、处理回答、结束对话。
- 知识库 (Knowledge Base) ：Eliza 使用了一个包含关键词和转换规则的知识库来生成回答。
- 同义词 (Synonyms) ：Eliza 使用了同义词组来扩展其对话能力，并通过一些特殊的规则 (如 goto 规则) 和记忆功能来提高对话的连贯性。
⋙ Part 2：Markov Chains
Eliza 彼时出色表现的主要功臣，是一套精心设计的规则，这种方式是有局限性的。而马尔科夫链 (Markov Chain) 不依赖严格的规则，就灵活和简单得多了。
但是！虽然马尔可夫链与 Eliza 相比有进步，并成为了机器学习的经典算法之一。但它仍属于随机性输出，我们还需要引入一些更高级的技术！
- 马尔可夫链 (Markov Chain) ：是一种基于概率转移的数学模型，可以用来生成文本，其中每个词的出现仅依赖于前一个状态 (即前一个词) 。
- 构建一个马尔可夫链 (Building a Markov Chain) ：构建一个简单的马尔可夫链，需要先从文本中学习转移概率，再使用这些概率来生成新的文本。
⋙ Part 3：Neural Networks
现代人工智能的核心------神经网络 (Neural Network) 再次回到舞台中央。我们开始构建简单的神经网络。
但是！神经网络最初并不能现在的样子，还不能根据输入生成文本等等内容。为了变得更强，神经网络的规模需要不停地变大！大！大！
- 用6行代码实现的神经网络 (Neural Network in 6 Lines of Code) ：通过一个简短的 JavaScript 代码示例，展示了一个基本的神经网络的实现过程。即便只有6行代码，这个神经网络已经能够预测二进制 XOR 函数的输出了。
- 训练一个网络 (Training a Network) ：训练神经网络，就是通过调整网络的权重和偏置 (bias) 来提升输出的准确率。
- 自动求导 (Autograd) ：通过自动计算梯度，来简化神经网络的训练过程。
- 构建一个更智能的网络 (Building a Smarter Network) ：构建一个更复杂的、能够自我训练的神经网络结构，能解决的问题也能更加复杂。
⋙ Part 4：Large Language Models (LLMs)
终于！我们等到了大语言模型！人类开始和机器进行对话，并思考如何借助AI改变世界。
但是！这就是我们追索了几十年的「智能」嘛？Who Knows 🤷♀️ maybe~
- GPT ：GPT 是使用大量数据预训练的神经网络模型，能够生成连贯且语义合理的文本。
- 词元 (Token) ：GPT模型的 Tokenization 就是把长的文本分割成更小的、有意义的词元 (tokens) ，并将其转换为数值形式以方便模型处理。
- 词向量 (Word Vectors) ：GPT模型使用词向量来表示单词，这些向量能够捕捉单词之间的语义关系。
- 层 (Layers) ：GPT 模型每一层都包含了多个不同的权重和偏置，能够处理和转换输入数据。
- 自注意力 (Self-Attention) ：自注意力机制使模型能够识别和专注于输入序列中的不同部分，从而生成更有意义的输出。
- 进行数学运算 (Do the Math) ： GPT 模型需要的数学运算包括线性变换、激活函数、归一化和 softmax 函数等。
- 运行单个层 (Running a Single Layer) ：GPT 模型中单个层的运行过程，包括如何处理自注意力和多层感知器的计算。
- 解码 (Decoding) ：将模型的最后一层输出转换为单词，以及通过迭代过程生成连贯的文本序列。
5. 22万字，全景解析海内外科技巨头的AI布局：微软、谷歌、百度、阿里、腾讯、字节......
说实话，看到这个系列的时候，我脑子里闪过最多的是：「这么多字?!」「佩服佩服」......
作者用超长的篇幅，详细介绍了海内外科技巨头的AI生态，目前整个系列更新了6家，内容目录如上。感兴趣可以追更哦！或者收藏备用~
6. 6个月，消耗了5亿个 GPT Token，忍不住想分享点你大概率不知道的
我们经常在社区看到 LLM 相关的分享，各种新名词、新技术、新应用也让人应接不暇。然而！一位消耗了 5亿 GPT token 的开发者，忍不住想说一说自己的实际感受。虽然可能跟一些「主流」的声音不太一致 😳 ⋙ 阅读原文
简单介绍下开发者的基本信息：五亿 token 约等于 75 万页的文本，其中 85% GPT-4 + 15% GPT-3.5。开发业务只专注于文本处理，重点是总结、分析和信息提取。
作者明确给出了 7 个 Lesson。以下是要点总结：
-
**Lesson 1** \] **提示词越简洁越好**。冗长的指令会严重降低模型的响应质量。
-
**Lesson 3** \] 你可能忽略了 ChatGPT 在用户体验 (UX) 上的一次重大创新。简单说就是**用流式API提升响应速度**，并向用户展示变速打字的效果。
-
**Lesson 5** \] 上下文窗口 (Context windows) 的说法其实并不准确。**只有输入端在不断增大，输出端的容量依旧是受限的**。
-
**Lesson 7** \] 最起码在文本信息提取的任务中，**幻觉 (Hallucination) 基本上不会出现，很少很少**。
凯文·凯利 (Kevin Kelly) 是全球知名科技杂志《连线》的创始主编，采访了一众科技大佬，著有《失控》《必然》《科技想要什么》等爆火书籍，并成功预言了多次科技发展趋势，被誉为硅谷精神之父。K.K. 是中国读者对他的爱称~
《5000 天后的世界 》最近推出了中文版，描绘了随着AI技术的发展，5000天之后人类世界的面貌。
简单说就是，世间万物都可以与AI连接，现实世界与数字化完美融合，并产生出 AR 的世界 (即镜像世界)。届时会诞生一个超级平台，帮助身处全球各地的人构建实时的虚拟世界。这势必会对人生社会产生全方位的影响。
为什么是 5000 天呢？ 因为据 K.K. 观察，互联网实现商业化 5000 天后，出现了社交媒体。又过了 5000 天之后，互联网和社交媒体已经深刻改变了我们的生活。
那以 5000 天为单位，下一个变化会是什么呢？K.K. 在书里详细描绘了「下一个未来」的样子。
- 第一章 数百万人一起工作的未来
- 第二章 进化中的数字经济的现状
- 第三章 所有的产业都将因科技重塑
- 第四章 亚洲的时代与科技地缘政治
- 第五章 倾听科技 洞见未来
- 第六章 创新与成功的困境
- 终章
◉ 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！
◉ > 前往 🎡ShowMeAI，获取结构化成长路径和全套资料库，用知识加速每一次技术进步！