Visual Blocks 以拖放操作來構建機器學習
Visual Blocks
Drag and drop off-the-shelf ML components with Visual Blocks. A fast, easy way to prototype ML pipelines – no expertise or coding required.
Google 的 Visual Blocks 是一個讓你可以通過拖放操作來構建機器學習的工具。它提供了預先構建的機器學習組件，可以輕鬆地組合和連接這些組件來構建自己的機器學習流程，而無需專業知識或編碼能力。
- 打開 Visual Blocks 的網站（https://visualblocks.withgoogle.com/）。
- 點擊頂部的「開始」按鈕，進入編輯界面。
- 在左側的組件庫中，你會看到各種已預先構建的機器學習組件，包括數據預處理、特徵工程、模型選擇、訓練等等。你可以瀏覽這些組件，並選擇你想要使用的組件。
- 將所選組件從組件庫中拖放到右側的畫布上。你可以按需添加和連接不同的組件，以構建你的機器學習流程。你可以連接輸入和輸出，將數據流從一個組件傳遞到下一個組件。
- 在每個組件上配置參數和選項，以便滿足你的需求。你可以通過編輯各個組件的屬性來自定義每個組件的行為。
- 在配置完成後，點擊畫布右上角的「運行」按鈕，Visual Blocks 將開始執行你的機器學習流程，並顯示流程的輸出結果。
- 你可以通過觀察輸出結果和畫布上的組件狀態來調試和優化你的流程。如果需要，你可以隨時返回編輯界面進行調整和修改。
- 最後，如果你滿意結果，你可以將流程導出為代碼或者保存為一個項目以備將來使用。
這裡提供一些步驟來幫助你更好地了解如何使用上述的工具：
- Visual Blocks 提供了一些示例流程，你可以通過點擊左上角的 “示例” 按鈕瀏覽並加載這些示例。這將幫助你更好地理解如何使用不同的組件和構建一個完整的機器學習流程。
- 通過點擊畫布上的組件，你可以進一步調整和配置這些組件的參數。這樣可以根據你的需求進行定制化，以滿足特定的機器學習任務要求。
- Visual Blocks 還提供了對輸入數據和輸出數據進行預覽和可視化的功能。你可以通過畫布右側的 “數據” 面板來探索數據的特徵和變化，從而更好地理解流程的工作方式。
- 在編輯界面的左上角，你可以找到 “撤銷” 和 “重做” 功能。這將幫助你在編輯過程中回退或恢復之前的操作，以便更好地迭代和調整你的流程。
- Visual Blocks 支持導出代碼的功能。當你完成流程的構建和調試後，你可以點擊畫布右上角的 “導出代碼” 按鈕，將你的機器學習流程導出為 Python 代碼或 TensorFlow 代碼，以便在其他環境中進行進一步的使用或部署。
小學生談『生成對抗網路』(GAN）
Generative Adversarial Network(GAN)
Day 28：小學生談『生成對抗網路』(Generative Adversarial Network，GAN）
Facebook AI 大師 Yann LeCun 在接受 Quora 專訪時說『GAN 及其變形是近十年最有趣的想法 …
生成對抗網路（Generative Adversarial Network，GAN）是一種具有鮮明特色的機器學習模型。GAN由兩個互相競爭的神經網路組成：生成器（Generator）和判別器（Discriminator）。
生成器的目的是生成逼真的資料樣本，例如圖像或音訊。它接收一個隨機噪聲向量作為輸入，並利用深度神經網路進行轉換，生成與訓練數據相似的新樣本。
判別器則試圖區分生成器生成的樣本與真實訓練數據。它也是由深度神經網路組成，接收一個樣本作為輸入，並根據該樣本是真實的還是生成的進行預測。
生成器和判別器彼此對立，通過互相競爭並不斷交互訓練。生成器的目標是愈來愈好地生成逼真的樣本以騙過判別器，而判別器則試圖提高準確性以區分真假。這個訓練過程持續進行，直到生成器能夠生成非常逼真的樣本，使判別器無法區分真假。
GAN已被廣泛應用於圖像生成、風格轉換
Transformers 保姆级教程—上
LangChain 中文入门教程
Lexica Art API
LangSmith 建立商業級 LLM 應用程式
收到 Clubhouse 朋友 Colin Abe 通知，LangChain 剛發報 LangSmith Beta 版。
https://www.langchain.com/langsmith
LangSmith 是一個用於建立商用級 LLM 應用程式的平台。它允許您在任何 LLM 框架上進行調試、測試、評估和監控鏈和智能代理，並與 LangChain 無縫集成，後者是構建 LLM 的首選開源框架。
LangSmith BETA 使用開源工具創建了非常複雜和非常有趣的東西。RealChar.ai 就是使用 LangSmith 所開發的應用平台。
就像 CharacterAI 等平台的迅猛崛起一樣，RealChar 讓人們與不同角色進行對話，帶來非常有趣的體驗。
RealChar + LangSmith 可能是目前最完整、最令人興奮的開源 AI 角色框架。除了令人印象深刻的底層技術外，它還提供了非常精緻的使用者界面和使用者體驗。
他們在上週基本上是 GitHub上趨勢最高的項目之一，如果您還沒有使用過，我們強烈建議您去試試看。
iPhone 用戶可以下載仍在 TestFlight 的 RealChar.ai 測試版
IDC：預測到2026年中國市場中近50%終端設備處理器將帶有AI引擎技術
根據IDC的預測，到2026年，中國市場中近50%的終端設備處理器將帶有AI引擎技術。這一預測意味著人工智能在中國市場的普及將會驚人，並且將在各個行業和領域中產生重大影響。這種趨勢的發展推動了各大技術公司不斷地提升處理器的AI性能，以滿足市場對於更高效、更智能設備的需求。
對於中國來說，AI技術帶來的機遇和挑戰同樣巨大。在人工智能的推動下，中國將有機會在各個領域取得競爭優勢，並加快科技創新和產業升級的步伐。同時，也需要關注相關的倫理和隱私問題，確保AI技術的發展和應用符合道德準則和法律法規。
原文：https://hk.investing.com/news/stock-market-news/article-360098
深圳加快建設人工智能先鋒城市
http://sz.people.com.cn/BIG5/n2/2023/0724/c202846-40504864.html
深圳是中國領先的科技創新城市之一，近年來，深圳積極推進人工智能領域的發展。根據以上鏈接，可以看到深圳正加快建設人工智能先鋒城市。
根據報導，深圳市正積極引導和支持人工智能相關企業的發展，並為他們提供相應的政策優惠和支持措施。深圳還加大了對人工智能領域的投入，鼓勵企業和高校之間的合作，推動人工智能技術的創新和應用。
此外，深圳市還建立了一個完善的人工智能產業生態系統，形成了一批具有國際競爭力的人工智能企業和項目。這些企業和項目在國內外擁有廣泛的影響力，有力地推動了深圳成為人工智能領域的先鋒城市。
深圳作為人工智能先鋒城市，將繼續加大對人工智能的投入和支持，推動人工智能在各個領域的應用和發展，為深圳市的創新發展和智慧城市建設做出更大的貢獻。
香港 01 學校 AI 講座
學校 AI 大數據講座 探討ChatGPT等最新科技 了解箇中利弊
原文網址: https://www.hk01.com/article/906672
A.I. :
在這場學校的AI大數據講座中，參與者們探討了ChatGPT等最新科技的利與弊。這類技術在處理語言任務方面表現出色，但同時也存在一些潛在的挑戰。
其中一個討論點是隱私和安全的問題。在使用這些技術時，保護個人信息的隱私和確保數據安全非常重要。適當的隱私政策和安全措施是確保用戶數據得到妥善保護的關鍵。
另一個討論的主題是機器智能與人類智能之間的差異。雖然ChatGPT等技術在處理語言任務方面展現出色，但它們仍然無法完全具備人類的智能和情感理解能力。這些技術仍然存在一些限制和局限性，需要進一步的研究和改進。參與者們一起探討了如何在教育環境中謹慎應用這些技術，確保其有效性和道德性。
同時，討論也觸及了技術的公平性和偏差性問題。許多AI技術都建立在龐大的數據集上，這些數據集可能包含偏見和不平等的元素。這可能導致技術的偏見和不公正，例如在招聘和晉升過程中的性別或種族歧視。參與者們強調了研究師和開發者需意識到這些潛在問題並採取相應的措施來減少偏差和對立。
此外，參與者還討論了機器智能與人類智能之間的差異。雖然ChatGPT等技術在處理語言任務方面表現出色，但它們仍然無法完全具備人類的智能和情感理解能力。這樣的技術仍然存在一些限制和局限性。
總的來說，這場學校的AI大數據講座提供了一個全面的討論平台，使參與者能夠更深入地了解ChatGPT等最新科技的利弊。這樣的討論有助於引導我們在應用這些技術時謹慎且負責任，確保我們能利用科技的優勢，同時避免其潛在的風險和挑戰。