大神网

Tag: AI

  • 颠覆性影响：AI Agents的崭新时代

    颠覆性影响：AI Agents的崭新时代

    在当今科技潮流中，人工智能的崛起已经不再是新鲜事物。然而，AI领域的不断演进和创新依然让人惊叹。最近，OpenAI联合创始人Andrej Karpathy的一次开发者活动讲话以及Lilian Weng的长文引发了广泛的讨论。他们探讨了AI Agents（智能代理）的概念，揭示了这一领域的潜力和挑战。本文将深入研究AI Agents的革命性影响，以及它们如何正在改变我们看待人工智能的方式。

    从AI Agents的诞生说起

    过去，开发AI Agents一直是一项艰巨的任务。需要大量的工程师和研究人员来构建复杂的系统，以实现特定的任务。然而，随着新技术工具的出现，这一局面正在发生变化。Andrej Karpathy在他的演讲中提到，现在，普通人、创业者和极客们在构建AI Agents方面拥有更多的机会和优势。他认为，这一领域正处于一个平等竞争的状态，任何人都有可能成为革命性创新的推动者。

    AI Agents：更多的是队友而不是工具

    与传统的AI工具不同，AI Agents不仅仅是完成具体任务的工具，它们更像是你的合作伙伴。你可以将它们看作是一个队友，一个有思考能力的伙伴。你可以给Agent一个模糊的目标，如“创造世界上最好的冰淇淋”，然后Agent会为你生成一个待办事项列表，并不断添加新的任务，直到达到目标。这种合作方式让AI Agents变得更加灵活和智能。

    在进一步深入了解之前，让我们先解释一些重要的概念。在人工智能领域，理解这些术语是非常关键的，以确保我们能够准确地理解AI Agents的工作原理。

    GPT（Generative Pre-trained Transformer）是指生成式预训练转换器，它是驱动大型语言模型（LLM）如ChatGPT的核心机器学习模型架构。

    那么，什么是AI Agents呢？

    AI Agents（人工智能代理）= 一个设置了一些目标或任务，可以迭代运行的大型语言模型。与传统的LLM工具不同，在AI Agents中，你可以告诉模型要完成什么任务，而模型将会自己思考、生成任务列表，并逐步完成这些任务，而无需人类的干预。

    从自主Agent到任务解决器

    在Lilian Weng的长文中，她提出了一个有趣的概念，将AI Agents看作是由LLM、记忆、规划技能和工具使用组成的整体。这些模块共同使AI Agents成为强大的任务解决器。而目前已经存在的项目如AutoGPT、BabyAGI和MetaGPT的成功验证了LLM的潜力。LLM不仅仅是一个文本生成工具，它可以成为一个通用问题解决器，无论是写作、故事创作、论文写作还是程序编写，LLM都能应付自如。这展示了巨大的潜力，LLM在解决现实世界的复杂问题方面具备强大的能力。

    BabyAGI的创造者Yohei Nakajima曾言：“未来的自主代理看起来像是每个人都成为了一名经理。” 这句话简洁而深刻地概括了我们对AI Agents的展望。这些代理不仅可以执行任务，还可以自己规划任务，协作解决问题，从而将人类从重复性任务中解放出来，使人们更多地投入创造性工作。

    AI Agents的决策流程

    要深入理解AI Agents，让我们来看看它们的决策流程：

    1. 感知（Perception）：AI Agent从环境中获取信息，并提取相关知识。

    2. 规划（Planning）：AI Agent根据目标和环境信息，制定决策和行动计

    划。

    1. 行动（Action）：AI Agent执行计划，采取具体的行动。

    这个流程形成了一个自主的闭环学习过程。AI Agent通过感知从环境中获取信息，然后通过规划制定决策，最终采取行动。这些行动又为进一步的感知提供了新的信息，形成了一个不断迭代的过程。

    AI Agents的未来展望

    AI Agents的未来前景充满信心。它们不再仅仅是文本生成工具，而是可以执行复杂任务的通用问题解决器。随着更多的项目和研究不断涌现，我们可以期待AI Agents在各个领域展现出更广泛的应用，从自动化办公任务到创造性艺术创作，无所不能。

    结语

    AI Agents的崭新时代已经到来，它们正在颠覆我们对人工智能的认知。这些智能代理不仅仅是工具，它们是合作伙伴，可以执行任务、规划目标，甚至成为问题解决的专家。未来，AI Agents将在各个领域展现出更广泛的应用，帮助人们更高效地工作和创造。在这个充满挑战和机遇的时代，让我们期待AI Agents的未来成就！

  • 探索知识提示：从语言模型中获取知识的简单而有效方法

    探索知识提示：从语言模型中获取知识的简单而有效方法

    在人工智能领域，如何让模型获取并应用外部知识一直是一个备受关注的问题。知识提示（Knowledge Prompting）作为一种新方法，可以帮助语言模型从自身的知识中获取信息，然后将其用于回答问题。本文将深入研究知识提示是什么，以及它如何为我们提供一种简单而有效的方式来注入知识。

    什么是知识提示？

    知识提示是一种方法，它允许语言模型从自身的语言知识中生成知识陈述，然后将这些知识陈述用于回答问题。与传统的知识注入方法不同，知识提示不需要监督或访问结构化的知识库。它可以直接从通用语言模型中产生自然语言形式的知识陈述，然后将其整合到问题回答中。

    知识提示的两个阶段

    知识提示主要分为两个阶段：

    1. 知识生成：在这个阶段，语言模型使用少量示范来生成与问题相关的知识陈述。这些知识陈述以自然语言形式表达，与模型的内部知识相关。

    2. 知识注入：在这个阶段，生成的知识陈述被注入到问题回答中。模型使用第二个语言模型对每个知识陈述进行预测，然后选择具有最高置信度的预测结果。这样，生成的知识可以被有效地整合到问题回答中。

    知识生成的示例

    让我们通过一个实际的例子来了解知识生成的过程：

    问题： “How many wings does a penguin have?”

    知识生成示例： ChatGPT生成了知识陈述：”Penguins do not have wings; they have flippers.”

    在这个示例中，知识生成阶段中，模型自动生成了关于企鹅翅膀的知识陈述。

    外部知识的注入

    除了从模型内部生成知识外，我们还可以注入外部知识。这样，模型可以融合来自多个信息源的知识，使回答更加准确和丰富。

    知识注入示例： 首先，我们让ChatGPT生成了关于企鹅的知识陈述，然后将这些知识陈述用于回答问题：”How many wings does a penguin have?”

    生成的知识陈述包括：

    1. 企鹅是飞不起来的鸟类，主要分布在南半球。
    2. 有18种不同种类的企鹅，体积从小蓝企鹅到帝企鹅不等。
    3. 企鹅已经适应了生活在寒冷的气候中，并拥有绝缘的羽毛和脂肪来保持温暖。
    4. 企鹅是社交性的鸟类，生活在多达数百只的群体中。
    5. 企鹅以其能够用翅膀和脚在冰上滑行的能力而闻名。

    然后，我们再次询问问题：”How many wings does a penguin have?”，模型能够正确回答问题，因为它已经具备了相关的知识。

    结语

    知识提示是一种简单但非常有效的方法，它允许语言模型获取并整合知识，以提高问题回答的质量和准确性。通过知识生成和注入，模型可以自动获得相关知识，而无需手动编写规则或访问外部知识库。希望本文能帮助您更好地理解知识提示的概念和应用。

  • chatgpt提示prompt工程：探索思维链以提高复杂推理能力

    chatgpt提示prompt工程：探索思维链以提高复杂推理能力

    在当今人工智能领域，我们经常听说大型语言模型（LLM）的强大，但它们如何实现复杂推理呢？思维链（Chain of Thought）是一个有趣而强大的概念，它可以帮助LLM进行复杂推理。本文将深入探讨思维链是什么，以及如何利用它来提高LLM的推理能力。

    什么是思维链？

    思维链，又称CoT，是一系列中间推理步骤的集合。它的目的是引导LLM在处理复杂问题时，如何进行中间推理步骤，以最终得出正确的答案。CoT为模型提供了一个可解释的窗口，让我们能够深入了解模型是如何进行推理的，并在需要时调试错误的推理步骤。

    传统的提示与思维链提示

    让我们通过一个示例来比较传统的提示和思维链提示的区别：

    传统提示

    问题： Leah有32块巧克力，她的妹妹有42块。如果他们吃掉35块，他们总共剩下多少块？

    传统提示： 直接给出答案：7块。

    这是一个典型的传统提示，只提供了答案，没有任何中间步骤。

    思维链提示

    问题： Leah有32块巧克力，她的妹妹有42块。如果他们吃掉35块，他们总共剩下多少块？

    思维链提示： 首先，Leah有32块巧克力，她的妹妹有42块。所以，他们总共有32 + 42 = 74块。然后，吃掉35块后，他们剩下74 – 35 = 39块。所以答案是39块。

    这个思维链提示提供了详细的解题步骤，帮助LLM理解问题并逐步解决它。

    如何创建思维链提示

    现在你可能想知道如何创建一个有效的思维链提示。下面是一些步骤：

    1. 明确问题：首先，明确你要解决的问题。这是提示的基础。

    2. 分解问题：将问题分解成多个中间步骤。这些步骤应该是逻辑连贯的，并帮助解决整个问题。

    3. 逐步解释：对每个中间步骤进行逐步解释。使用简单的语言和逻辑推理，确保LLM可以理解每一步。

    4. 总结答案：最后，总结答案，并确保它与前面的中间步骤一致。

    思维链提示的重要性

    思维链提示不仅可以帮助LLM更好地理解问题，还可以提高推理的准确性。当LLM在解决复杂问题时，思维链提示可以帮助它避免在中间步骤出错，从而得出正确的答案。这对于需要高度准确性的任务非常重要，如数学问题或常识推理。

    结语

    思维链提示是一个强大的工具，可以帮助我们理解和引导大型语言模型进行复杂推理。通过将问题分解成中间步骤，并逐步解释，我们可以提高模型的推理能力和准确性。希望本文能帮助你更好地理解思维链提示的重要性以及如何创建它们。

  • ChatGPT提示工程：提高生成AI模型输出质量的经验法则

    ChatGPT提示工程：提高生成AI模型输出质量的经验法则

    引言：
    在这个信息爆炸的时代，快速获取信息并转化成有用的知识变得越来越重要。为了满足这一需求，生成AI模型如ChatGPT的应用逐渐走入人们的视野。然而，如何构建出能够高效输出有用信息的提示，成为了一个关键问题。本文将为您介绍一些提高生成AI模型输出质量的经验法则，并通过实际例子进行演示。

    经验法则1：多种表述提示

    要让生成AI模型如ChatGPT提供最佳结果，首要的经验法则之一是多种表述提示。我们知道，不同的提示语可以产生不同的结果。让我们以一个实际例子来说明这个法则。

    例子1：文章摘要

    提示语 1： 用一句话来概括本段内容：
    “据福克斯新闻4月2日报道，OpenAI预计将在今年晚些时候推出GPT-5，可能会使生成式人工智能与人类难以区分…”

    ChatGPT生成结果 1：
    OpenAI计划于今年晚些时候推出GPT-5，据称可能实现通用人工智能，引发了人们对于人工智能与人类区分的讨论。 陈思齐透露，OpenAI希望GPT-5能够实现AGI，即能够像人类一样理解任务和概念。 此前，2000多名科技领袖、大学教授和其他人曾呼吁所有人工智能实验室暂停训练比GPT-4更强大的系统，警告人工智能系统的超越可能对社会和人类带来深远风险。

    提示语 2： 总结一下下面的内容：
    “据福克斯新闻4月2日报道，OpenAI计划在今年晚些时候推出GPT-5，可能会让生成式人工智能与人类难以区分。陈思齐是一位科技企业家和开发者，他在推特上表示得到消息称GPT-5计划在今年12月完成训练，OpenAI希望它能实现AGI，即人工智能系统能像人类一样理解一项任务或概念。他补充道，这意味着将会讨论它是否真的实现了AGI，有不少人相信它会实现。OpenAI上个月发布了GPT-4系统，它在各种专业和学术基准上表现出与人类相当的表现。此外，埃隆·马斯克、史蒂夫·沃兹尼亚克等2000多名科技领袖、大学教授和其他人签署了公开信，呼吁所有人工智能实验室暂停训练比GPT-4更强大的系统，以避免与人类同等智能或超越人类的人工智能系统对社会和人类构成深远的风险。OpenAI目前没有对此回应。”

    ChatGPT生成结果 2：
    据福克斯新闻4月2日报道，OpenAI计划在今年晚些时候推出GPT-5，可能会让生成式人工智能与人类难以区分。陈思齐是一位科技企业家和开发者，他在推特上表示得到消息称GPT-5计划在今年12月完成训练，OpenAI希望它能实现AGI，即人工智能系统能像人类一样理解一项任务或概念。他补充道，这意味着将会讨论它是否真的实现了AGI，有不少人相信它会实现。OpenAI上个月发布了GPT-4系统，它在各种专业和学术基准上表现出与人类相当的表现。此外，埃隆·马斯克、史蒂夫·沃兹尼亚克等2000多名科技领袖、大学教授和其他人签署了公开信，呼吁所有人工智能实验室暂停训练比GPT-4更强大的系统，以避免与人类同等智能或超越人类的人工智能系统对社会和人类构成深远的风险。OpenAI目前没有对此回应。

    提示语 3： 我们不妨再换一种说法
    “据福克斯新闻报道，一位科技行业内部人士和专家称，OpenAI计划在今年晚些时候推出GPT-5，并希望实现AGI，这可能使生成式人工智能与人类难以区分。此前，2000多名科技领袖和大学教授曾呼吁暂停训练更强大的人工智能系统，以避免可能对社会和人类构成的深远风险。”

    ChatGPT生成结果 3：
    据福克斯新闻报道，一位科技行业内部人士和专家称，OpenAI计划在今年晚些时

    候推出GPT-5，并希望实现AGI，这可能使生成式人工智能与人类难以区分。此前，2000多名科技领袖和大学教授曾呼吁暂停训练更强大的人工智能系统，以避免可能对社会和人类构成的深远风险。

    通过上面的例子，我们可以清晰地看到，不同的提示语导致了不同的生成结果。这告诉我们，多种表述提示是一个有效的经验法则，可以提高生成AI模型输出的多样性和准确性。

    经验法则2：清晰简短的提示

    另一个关键的经验法则是使用清晰简短的提示，避免不必要的词语。在提示中，应该尽量减少使用程度词等修饰词汇，以保持提示的简洁和明了。下面是一个示例来说明这一法则。

    例子2：代码生成

    越来越多人希望通过ChatGPT编写代码。如果你有一个希望通过代码编程解决的问题，你可以通过提示指定相关的编程语言和任务。

    提示语： 自动生成一个快速排序的Python代码。

    ChatGPT生成结果： 

    def quicksort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr) // 2]
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]
    return quicksort(left) + middle + quicksort(right)

# Test case
arr = [3, 6, 8, 10, 1, 2, 1]
print(quicksort(arr))

    这个示例中，提示语非常清晰和简洁，直接指示ChatGPT生成一个快速排序的Python代码。结果也是相应地清晰明了。

    经验法则3：减少不精确的描述

    最后一个经验法则是减少不精确的描述。在提示中，应该避免使用不确定的词语，而是使用更加具体和明确的表达方式。下面的示例再次演示了这一法则。

    例子3：文章摘要

    提示语： 用简单的语句总结一下内容，最好是能几句之内。

    ChatGPT生成结果：
    “据福克斯新闻报道，一位科技行业内部人士和专家称，OpenAI计划在今年晚些时候推出GPT-5，并希望实现AGI，这可能使生成式人工智能与人类难以区分。此前，2000多名科技领袖和大学教授曾呼吁暂停训练更强大的人工智能系统，以避免可能对社会和人类构成的深远风险。”

    通过使用简单的语句总结内容，这个提示更加具体和明确，避免了不精确的描述。

    结论

    在构建提示时，我们可以遵循以上三个经验法则来提高生成AI模型输出的质量。尝试多种表述提示，使用清晰简短的提示，以及减少不精确的描述，都是有效的方法。当然，这只是提示工程领域的一部分，更多的技巧和经验需要通过实践和不断的尝试来积累。

  • 聊天机器人与我——新手如何更好地与ChatGPT交流？

    聊天机器人与我——新手如何更好地与ChatGPT交流？

    在一个寒冷的夜晚，我坐在书桌前，面对屏幕，不断地试图和我的新助理——ChatGPT进行交流。每当我认为我掌握了和它聊天的技巧，结果往往让我失望。这就好像我突然进入了鲁迅笔下的小杂货铺，和店主尝试用我不太熟悉的方言进行交流，每当我想表达一个简单的需求，店主总是给我一个我不太需要的答案。

    这种沟通上的不畅让我感到困惑。但随着时间的推移，我逐渐发现，只要掌握了一些与ChatGPT沟通的经验法则，这种沟通就会变得轻松得多。今天，我就要分享这些经验给你。

    为何要和ChatGPT沟通？

    我们都知道，ChatGPT是OpenAI开发的强大的聊天机器人。但对于大多数人来说，它仍然是一个神秘的存在。你可能会问，为什么我要和它交流？答案很简单：ChatGPT可以帮助你完成很多工作，从答疑解惑到写作文章，只要你知道怎么与它沟通。

    如何更好地与ChatGPT沟通？

    在“基础用法”中，我们提到了三个基本的经验法则：

    • 尝试提示的多种表述以获得最佳结果。
    • 使用清晰简短的提示，避免不必要的词语。
    • 减少不精确的描述。

    这只是冰山一角。现在，我将为你提供更多的经验法则。

    1. 一个话题对应一个chat：ChatGPT是一个聊天机器人，如果同一对话中出现不同的主题，会影响到结果。因此，为每一个新的话题打开一个新的聊天窗口。

    2. 提供完整例子：给ChatGPT提供你所需输出的完整例子，让它知道你的期望。

    3. 减少否定词汇的使用：例如，将 “不需要多句话回复” 替换为 “生成一句话的回复”。

    4. 主动要求ChatGPT精简输出：简单明了的回答，避免过长的信息。

    5. 生成结果里可能有错误：记住ChatGPT可能会给出看似正确但实际错误的答案。

    6. 将指令放在提示的开头：使用##或””来分隔指令和语境。

    7. 使用“引导词”：例如，在代码中添加“import”来引导Python编写。

    以上就是与ChatGPT交流的几个经验法则。希望你在未来的交流中能够更加得心应手，像和一个朋友聊天一样。

    结尾

    人与机器的交流，一直都是一个神秘的话题。但只要我们掌握了正确的方法，这一切都会变得简单。ChatGPT只是一个工具，我们要做的，就是学会如何更好地使用它。就像鲁迅笔下的小杂货铺，只要我们学会了如何与店主交流，我们就可以从中得到我们想要的东西。这一切，都取决于我们。

  • OpenAI与SoftBank的10亿美元融资交易：科技界的一场“巨龙之舞”

    OpenAI与SoftBank的10亿美元融资交易：科技界的一场“巨龙之舞”

    大家好，今天我们要聊一聊科技界最新的大新闻：OpenAI即将从孙正义的SoftBank融资逾10亿美元，用于研发一款消费者使用的手机。这个消息一经传出，立刻在科技圈掀起了轩然大波，众多分析师和观察家都在猜测这个交易背后的深层含义。那么，从商业的角度来看，我们该如何解读这一举措呢？

    开篇小故事

    让我们先从一个小故事开始。在一个遥远的未来，人们携带着一部全新的OpenAI手机，它不仅令人惊叹的美观，还搭载了OpenAI最新的语音识别和自然语言处理技术。当你对着手机说：“明天天气怎么样？”手机会立刻回答：“明天的天气预报是晴朗，最高温度28摄氏度。”这并不是科幻小说的情节，而是我们可能很快会迎来的现实。

    科技界的“巨龙之舞”

    现在，让我们深入解读OpenAI与SoftBank的这笔融资交易。首先，OpenAI是什么？OpenAI是一家人工智能研究实验室，以其在自然语言处理、深度学习和机器学习领域的突破而闻名。而SoftBank，由孙正义创立，是一家跨国科技巨头，其愿景是推动科技的发展，改变我们生活的方式。

    这次融资交易的焦点是OpenAI计划推出一款消费者使用的手机。这听起来可能有些出人意料，因为OpenAI一直以其在人工智能领域的研究成果而著称，但涉足硬件市场的计划却颇具野心。那么，从商业的角度来看，这究竟是什么意味着呢？

    探讨商业意义

    1. 打破传统界限

    首先，这一举措显示了科技公司越来越倾向于打破传统界限。过去，公司通常在特定领域专注于研发，比如软件或硬件。但现在，越来越多的公司正在跨领域合作，创造出更多整合性的产品。OpenAI的决定进军手机市场就是一个鲜明的例子，它正在将人工智能技术融入到硬件中，打破了传统的界限，为未来的科技产品创造了新的可能性。

    2. 语音和自然语言处理的未来

    其次，这笔交易突显了语音识别和自然语言处理技术的重要性。随着人工智能的不断发展，语音和文本处理变得越来越关键，这不仅体现在手机市场，还在智能助手、智能家居和企业应用中有广泛应用。OpenAI将其研究成果应用于手机，预示着我们将迎来更加智能化和便捷的通信方式。

    3. 潜在的商业机会

    此外，这一举措也为OpenAI创造了潜在的商业机会。手机市场是一个巨大的市场，拥有数十亿的潜在用户。如果OpenAI的手机能够成功推出，并在用户中获得认可，那么它有望成为一项有利可图的业务。此外，OpenAI的手机可能还会为其提供更多数据，用于改进其人工智能技术。

    4. 技术与愿景的结合

    最后，这次融资交易凸显了技术与愿景的结合。OpenAI一直以其强大的技术研究而著称，但这个决定也表明了公司对于将技术应用于解决实际问题的愿景。手机是人们日常生活中不可或缺的工具，OpenAI希望通过将其技术应用于手机，改善人们的生活体验，实现其愿景。

    总结

    总的来说，OpenAI与SoftBank的这笔融资交易代表着科技界的一场“巨龙之舞”。它显示了科技公司不断突破传统界限，将人工智能技术融入到硬件中，为未来的科技产品创造了新的可能性。这一举措还强调了语音和自然语言处理技术的重要性，为未来的通信方式铺平了道路。最重要的是，它为OpenAI创造了潜在的商业机会，同时也实现了技术与愿景的结合。

  • ChatGPT手机版使用限制升级：从无限次提问到3小时25次

    ChatGPT手机版使用限制升级：从无限次提问到3小时25次

    在数字化的世界里，人工智能技术的发展一直以来都备受关注。而最近，有一则关于ChatGPT手机版的重大变化引起了广泛的讨论。曾经的无限次提问已不再存在，取而代之的是每3小时只能提问25次的限制。这一变化究竟是如何影响用户的？为什么会出现这种限制？本文将深入探讨这个话题，并带您了解ChatGPT手机版使用的新规定。

    开篇故事

    想象一下，您是一名热衷于与ChatGPT进行互动的用户，每天都在手机上提问，获得有趣的答案和帮助。您习惯了无限次提问的便利，突然间，一天，您发现您的提问次数受到了限制。您感到困惑和不解，开始思考为什么会发生这样的变化。这就是我们今天要探讨的问题，ChatGPT手机版为何取消了无限次提问，改为每3小时25次的限制。

    为何取消无限次提问？

    ChatGPT手机版曾经以其无限次提问的特点而备受欢迎。然而，为什么会有这样的限制出现呢？答案在于服务器压力。随着ChatGPT的普及和用户数量的不断增加，服务器面临了前所未有的负载压力。为了确保系统的稳定性和性能，OpenAI不得不采取措施来限制用户的提问次数。这一限制的实施是为了缓解服务器压力，保证所有用户都能够获得良好的使用体验。

    从100次到25次：限制的逐步收紧

    在ChatGPT手机版刚推出GPT-4模型时，ChatGPT Plus订阅用户每4小时可以提问100次，这个限制对于大多数用户来说是足够的。然而，随着时间的推移，由于服务器负载不断增加，这一限制逐渐被收紧。首先，它减少到了每4小时50次，然后变成了每3小时25次。这一限制的逐步加强反映了OpenAI为维护系统稳定性所做的努力。

    GPT-4 Mobile V2模型的变化

    然而，有一个曾经的例外。当ChatGPT推出手机版时，使用GPT-4 Mobile V2模型的用户是不受限制的，他们可以无限次提问。而且，当他们在手机上的会话同步到PC上后，仍然可以继续无限次提问。这一独特的特点为用户提供了极大的灵活性和便利性。

    变革的脚步

    然而，时光荏苒，一切都在变化之中。有报道称，最近GPT-4 Mobile模型也开始受到提问次数的限制，变成了每3小时最多提问25次。但也有用户称他们在10分钟内提问了27次并未受到限制。这究竟是一种逐步实施还是一种试验性质的调整，目前尚不得而知。

    结语

    人工智能技术的进步和应用是一个不断演进的过程，ChatGPT的提问次数限制变化也反映了这一现实。尽管取消了无限次提问，但这一举措旨在确保系统的稳定性，以便更多的用户能够享受到这一令人印象深刻的技术。随着时间的推移，我们或许会看到更多的变化和改进，以满足用户的需求。

    这就是ChatGPT手机版使用限制的最新情况，我们将继续关注这一话题的发展，以便及时为您提供最新的信息和见解。

  • Meta发布Llama2Long AI模型：开源的巨大胜利

    Meta发布Llama2Long AI模型：开源的巨大胜利

    大家好，今天我们要探讨的是Meta最新发布的Llama2Long AI模型。这个模型在一些任务上超越了GPT-3.5Turbo和Claude2，引起了广泛的关注。同时，我们也将深入探讨AI驱动的恶意机器人对网络安全的威胁以及如何应对这一挑战。

    AI的新里程碑：Llama2Long模型

    随着人工智能领域的不断发展，AI模型的性能一直是研究者们关注的焦点。Meta最近发布的Llama2Long AI模型引起了业界的热烈讨论。这个模型通过改进训练方法和编码技术，取得了一系列显著的突破。在编码、数学和语言理解等任务中，Llama2Long都表现出色，有时甚至超越了已经非常强大的GPT-3.5Turbo和Claude2模型。

    这一成就背后的关键是Meta研究人员的不懈努力，他们不断改进模型的训练方法，采用了RoPE编码和强化学习等技术，使Llama2Long在处理长文本和复杂任务时能够更加出色。这也彰显了开源方法在生成性AI领域的巨大潜力，证明开源社区可以与闭源竞争，共同推动AI技术的进步。

    AI驱动的恶意机器人：网络安全的威胁

    然而，随着AI技术的不断进步，也出现了一些令人担忧的问题。其中之一就是AI驱动的恶意机器人对网络安全造成的威胁。这些恶意机器人利用生成性AI来执行各种攻击，包括账户滥用、数据窃取和DDoS攻击，给互联网世界带来了巨大的安全隐患。

    为了对抗这些新型威胁，研究人员强调了数据防御策略的重要性。数据是AI的核心，因此保护数据免受恶意机器人的侵害至关重要。通过使用AI和机器学习，我们可以识别和防止恶意机器人的行为，但这需要有强大的数据防御策略的支持。

    同时，合作也被强调为解决这一问题的关键因素。不是每个企业都拥有高级的数据工程和数据科学技能，因此需要与具有相关技术和深刻了解整个领域的合作伙伴合作，共同努力应对恶意机器人的威胁。只有通过合作，我们才能更好地保护网络安全，确保互联网世界的稳定和安全运行。

    结语

    Meta发布Llama2Long AI模型标志着人工智能领域的又一重要里程碑。这个模型的性能提升为AI技术的发展开辟了新的可能性。然而，随着技术的进步，我们也要警惕AI驱动的恶意机器人对网络安全的威胁。通过数据防御策略和合作，我们有信心应对这一挑战，确保网络世界的安全与稳定。

    如果你对AI领域的最新动态感兴趣，欢迎继续关注我们的报道，我们将为您带来更多有关人工智能的精彩内容。

  • 网站 Robots 协议对 GPT-4 的阻拦：技术与体验

    网站 Robots 协议对 GPT-4 的阻拦：技术与体验

    在数字时代，我们对于搜索引擎的依赖愈发重要，尤其是像 GPT-4 这样的先进语言模型。然而，最近一些用户反馈称，他们使用 GPT-4 时遭遇到了网站 Robots 协议的拦截。这一问题引发了广泛的关注和讨论。今天，我们将深入探讨这个问题，了解背后的技术原理以及用户体验。

    开篇故事

    故事的开头，让我们想象一个用户，我们称之为小明。小明是一位热衷于获取信息的学生，他常常使用 GPT-4 来搜索各种有趣的话题。然而，最近，他注意到当他使用 GPT-4 的 “Browse with Bing” 功能时，经常会遇到网站 Robots 协议的拦截。这一问题开始影响他的搜索体验，让他感到困扰。

    技术原理

    首先，让我们来了解一下这个问题的技术原理。网站 Robots 协议，也称为 robots.txt，是一种标准，用于告知搜索引擎哪些页面可以被爬取，哪些页面不应该被爬取。这是网站所有者用来管理其内容的一种工具。

    当 GPT-4 使用 “Browse with Bing” 功能时，它实际上是在模拟一个普通用户使用搜索引擎的行为。这意味着它会尝试访问网站上的各种页面，以获取相关信息。然而，如果网站的 Robots 协议将某些页面标记为不可被搜索引擎爬取，那么 GPT-4 将无法访问这些页面，从而导致搜索结果的不完整性。

    用户体验

    那么，这个技术原理对用户体验有何影响呢？首先，它可能会导致搜索结果的缺失，因为某些页面无法被 GPT-4 访问。这对于用户来说可能会非常令人沮丧，特别是当他们寻找特定信息时。

    其次，这也可能影响用户的时间和精力。用户可能需要不断尝试不同的搜索词或网站，以找到他们需要的信息，这会浪费他们的时间和精力。

    最后，对于像小明这样的用户来说，这可能会破坏他们的搜索体验，降低他们使用 GPT-4 的积极性，从而影响到他们的学习和工作效率。

    寻找解决方案

    面对这一问题，有人可能会问，是否有解决方案可以改善用户体验呢？答案是，可能有一些方法可以缓解这一问题。首先，搜索引擎提供商可以考虑改进他们的爬虫程序，使其更好地遵守 Robots 协议，以减少对网站的不必要访问。

    其次，网站所有者也可以采取一些措施，如更新 Robots 协议，以更灵活地控制哪些页面可以被爬取。他们还可以考虑提供其他途径，以便用户能够访问被 Robots 协议拦截的页面，比如提供直接的链接。

    结论

    总之，网站 Robots 协议对 GPT-4 的阻拦问题确实存在，并且可能会影响用户的搜索体验。然而，这个问题并非没有解决之道，需要搜索引擎提供商和网站所有者共同努力，以改善用户体验，让用户能够更轻松地获取他们需要的信息。

    希望随着技术的发展，这个问题能够得到更好的解决，使用户能够更愉快地使用 GPT-4 进行搜索和获取信息。

  • 构建自己的NAS家庭服务器：省钱、省心、省心事

    构建自己的NAS家庭服务器：省钱、省心、省心事

    在这个数字化时代，我们积累了大量的数据和服务需求。无论是照片、视频还是文档，数据的存储和访问对于每个人都至关重要。然而，云存储和订阅服务的费用逐渐攀升，使人们陷入了昂贵的存储解决方案和复杂的订阅费用之中。如果你正寻求一种方法来摆脱这一困境，那么自己构建一个便宜的DIY NAS家庭服务器可能是一个更好的选择。

    DIY NAS与购买现成产品的对比

    在决定是否走DIY NAS的路线之前，值得考虑一下你对设备的需求。QNAP或Synology等品牌的NAS产品提供了更为简单、不费时的选择。它们提供了预安装的操作系统和全面的软件套件，可以处理云文档、备份等各种任务。此外，它们支持Docker容器、硬件RAID，并且可以扩展到许多NVMe和SATA端口，满足高级用途。但请准备好支付高昂的价格以换取即插即用的便捷性。

    相比之下，DIY NAS涉及的步骤更多，不仅包括选择硬件，还包括设置软件。但优势也是显而易见的：DIY路线为你的预算提供更多的性能，具有更大的硬件和升级灵活性，而且你可以通过重新利用旧笔记本电脑、PC或树莓派来节省大量费用。我多年来一直在我的树莓派4上运行家庭服务器，直到最近才升级。

    选择适合建造廉价NAS的硬件

    要从零开始构建NAS有两种主要方法：一种是使用类似PC的专用外壳，另一种是使用带有直接附加存储（DAS）的迷你PC。前者是重新利用旧CPU的绝佳方式，可以提供大量的NVMe和SATA端口，以实现最佳性能和存储。然而，选择主板、内存、电源和机箱等部件相对复杂，如果没有零件在手，成本可能会迅速超过预制NAS的价格。

    如果你从零开始并且不需要特别复杂的配置，我建议选择迷你PC和DAS路线。它们价格便宜，设置简单，而且在需要额外处理能力或可扩展存储时仍然非常容易升级。唯一的缺点是与较大的主板相比，NVMe/SATA硬盘连接数有限。要获得外部存储的良好性能，你需要一个USB 3.0（5Gbps）端口或更高版本，但即使这样，如果打算在同一DAS中在多个SSD之间传输大量数据，这也可能成为瓶颈。你可以通过使用10Gbps USB 3.1 Gen 2端口、电缆和DAS来解决这个问题，但这些更昂贵。但对于存储照片、音乐和文件来说，5Gbps的USB速度已经足够了，特别是与旋转硬盘一起使用时。

    选择适用于DIY NAS的CPU/迷你PC

    选择合适的CPU/迷你PC是关键决策。由于NAS始终处于开启状态，低待机功耗是一个很大的优点，但这需要与提供的最大性能进行权衡。基本的NAS用例，如文件共享，需要非常少的功率，但如果你想进行AI图像识别或HDR视频转码，需求会迅速增加。

    例如，1W的基于Arm架构的Raspberry Pi 3可以用于Plex媒体服务器，但只支持直接播放。而4W的树莓派4型号勉强可以运行低比特率的1080p x265软件转码。但要实现4K转码，通常需要Intel Core i5或i7处理器，伴随着大约60W的系统空闲功耗。幸运的是，现代移动芯片上的Intel Quick Sync或类似的硬件转码效果相当不错，可以大幅降低功耗。我编制了一个大致的硬件指南，以满足特定用例的需求，但不可能涵盖每一种硬件。

    芯片组 TDP范围 用例
    极低功耗 Raspberry Pi 3 1-3W 文件共享和备份、媒体服务器（仅直接播放）、基本的Minecraft服务器
    低功耗 Raspberry Pi 4B、Intel J、AMD Ryzen嵌入式（无GPU） 5-20W 文件共享和备份、媒体服务器、低用户数1080p视频转码、基本的图片机器学习、低玩家数量的Minecraft服务器、家庭助手
    平衡功耗 Intel N、AMD Ryzen嵌入式（带GPU） 10-30W 文件共享和备份、媒体服务器、多用户4K视频转码、图片机

    器学习、Minecraft服务器、家庭助手
    高级 | Intel Core i3、i5、i7、AMD Ryzen 3、5、7 | 45-200W | 文件共享和备份、媒体服务器、高质量多用户视频转码、图片机器学习、Minecraft服务器、家庭助手

    在我的最新构建中，我选择了一台新的搭载Intel N100处理器的Trigkey G5迷你PC（来自亚马逊，售价200美元），配备了过剩的16GB LPDDR5内存、双2.5Gbps LAN以及一块性价比较高的500GB NMVe操作系统固态硬盘。这款迷你PC在空闲状态下的功耗仅略低于6W（几乎与树莓派4相当），但却配备了四个3.4GHz的Alder Lake E核心和硬件转码功能。在峰值时可以达到30W的功耗，足以处理广泛的应用程序和我测试过的四个4K HDR HVEC到1080p的转码流。这远远超过了中端NAS市场上充斥着的Intel Celeron J和AMD Ryzen V1000芯片所提供的性能。

    5W和60W待机功耗之间的差距可能会带来每年100美元的差异。

    搭配一台4盘位的Terramaster DAS（来自亚马逊，售价170美元），可以获得高达80TB的存储容量，这个配置比高端的Synology DS923+（售价600美元）还要强大，成本不到其三分之二。尽管没有硬件RAID支持（我不需要），但你可以为你的DAS添加这个功能，成本相对较低。

    这只是高端DIY选项的一个例子。你可以选择一台搭载Intel N5095、8GB内存的迷你PC（来自亚马逊，售价149美元）和一个双盘位外壳（来自亚马逊，售价80美元），价格大致与入门级的Synology DS223相当。但同样，这款芯片的性能显著更强，足以处理数个4K转码流，并从庞大的库中创建图片缩略图。廉价DIY NAS配置的另一个好处是，迷你PC可以自带一个2.5英寸硬盘或两个，如果这正是你所需要的，你可以廉价地将一个2.5英寸硬盘连接到USB硬盘上，或者选择适合你的存储需求并根据需要进行升级的多种两盘、四盘甚至更多盘位的DAS选项。

    安装DIY NAS软件的技巧

    到目前为止，一切都很容易，但安装软件是为了省钱而进行的努力所需要付出的时间。虽然我不能在这里涵盖所有可能的配置选项，但我可以提供一些初学者友好的简短提示，帮助你入门。

    为你的NAS选择操作系统

    尽管坚持使用熟悉的操作系统如Windows可能很诱人，但NAS更适合没有显示器的操作系统，比如众多的Linux发行版之一。此外，我们还可以享受到Docker的好处。然而，对于未经培训的人来说，安装和使用Linux命令行可能会感到困难。幸运的是，OpenMediaVault提供了可启动的ISO媒体，使安装过程非常简单，所以我不需要在这里重复步骤。只需将一个USB驱动器刻录成可启动盘，在你的PC上引导它，然后按照步骤在全新硬盘上安装OMV即可。TrueNAS Scale也是一个不错的选择，因为它提供了可启动的ISO媒体，但本文重点介绍了OMV。

    但值得注意的是，我的最新设置无法检测到我的迷你PC的LAN硬件，在使用新硬件时可能会出现问题。因此，我安装了最新版本的Debian（包括最新的Linux内核），并确保在安装过程中启用了SSH，以便我可以在启动时访问命令行。如果需要命令行访问，你需要找到你的NAS本地IP地址，并使用像Putty这样的服务进行隧道连接。

    然后，我使用了这个非常有帮助的脚本来在其上安装OMV——这与在树莓派上安装OMV的过程相同。一旦安装完成，你需要从路由器的设置中找到NAS/PC的本地IP地址（例如192.168.1.10），然后通过Web浏览器登录到OMV。就是这样，你将不再需要触及命令行。

    添加应用程序和服务

    OMV默认提供了管理硬盘驱动器、设置网络文件共享、同步备份和监视系统所需的一切。但我们还需要安装一些应用程序来更充分地利用我们的设置。这就是Docker派上用场的地方。首先，你需要在System > omv_extras > Docker-repo下启用Docker，然后在System > Plugins中安装Compose插件（如果尚未安装omv_extras，你也可以在这里找到它）。

    现在，你应该能够看到Service > Compose菜单。进入Files开始添加应用程序。OMV提供了

    一些示例，你可以添加它们，其中包括Deluge、Plex、Pihole、Syncthing等流行的应用程序。但在保存和启动服务之前，我们需要了解一些关于docker-compose文件的基础知识，特别是volumes参数。

    Docker可能令人生畏，但一旦你掌握了它，就能够访问广阔的自托管软件世界。选择太多，因此我列出了一个非穷尽的列表，以便你入门。

    媒体服务器

    • Jellyfin — 开源媒体服务器，支持良好的客户端。
    • Plex — 闭源媒体服务器，支持广泛的客户端。
    • Navidrome — 开源音乐服务器。

    图片查看器

    • Photoprism — 具有机器学习功能的照片库。
    • Lychee — 开源画廊管理工具。
    • Immich — 早期开发的Google照片替代方案。

    办公/文件

    • Nextcloud — 开源的自托管云存储。
    • Owncloud — 半开源的自托管云存储。

    有用的工具

    • Home Assistant — 在一个地方管理你的智能家居设备。
    • Nginx反向代理管理器 — 通过你自己的子域名将服务暴露在网上。
    • Pihole — 通过将流量路由通过你的服务器来阻止广告。

    从简单的备份到自托管的替代品，以替代昂贵的云服务，构建一个廉价的DIY NAS可以割断与日俱增的昂贵云服务的联系。现成的NAS硬件是入门的好方法，尤其是如果你时间有限。但希望这篇指南能够说服你，自己构建PC或Mini-PC/DAS设置是掌控自己设置的好方法。而且成本要低得多，硬件要多得多，比Synology或QNAP多得多。

    如果你对自己的DIY NAS有更多的需求和野心，那么自己动手搭建一个NAS可能是个不错的选择。不仅可以根据自己的需求定制硬件，还可以掌控整个系统，提供更多的性能和灵活性。当然，这需要更多的时间和精力，但最终的结果可能会更加令人满意。

    最后，不要忘记备份你的数据，因为DIY NAS虽然强大，但也有风险。无论你选择哪种方式，都要确保你的数据安全，这样你就可以享受到自己构建的NAS带来的自由和性能优势。