| |
|
|
| 首页 淘股吧 股票涨跌实时统计 涨停板选股 股票入门 股票书籍 股票问答 分时图选股 跌停板选股 K线图选股 成交量选股 [平安银行] |
| 股市论谈 均线选股 趋势线选股 筹码理论 波浪理论 缠论 MACD指标 KDJ指标 BOLL指标 RSI指标 炒股基础知识 炒股故事 |
| 商业财经 科技知识 汽车百科 工程技术 自然科学 家居生活 设计艺术 财经视频 游戏-- |
| 天天财汇 -> 科技知识 -> 如何看待阿里云「云工开物」向浙江高校提供算力支持，并设通义听悟挑战赛，鼓励学生做AI场景和应用创新? -> 正文阅读 |
|
|
[科技知识]如何看待阿里云「云工开物」向浙江高校提供算力支持，并设通义听悟挑战赛，鼓励学生做AI场景和应用创新? |
| [收藏本文] 【下载本文】 |
|
近日，为更好的助力高校学生的云上开发及应用创新，“云工开物”结合阿里云通义大模型系列首款消费端应用产品“通义听悟”设置了创新挑战赛，包括调用通义听悟A… |
|
产业建设要从学生抓起！ 现在很多高校和行业非常重视产学研的结合，企业作为产的先锋，主动和高校合作，提供比赛，高校也乐于见到这种交流，学生就业的保障也能多几分。 今年我看在知乎看到过一个帖子，网友问阿里和杭州腾讯和深圳之类企业和城市之间的关系，很多回答都集中在经济税收方面，但其实，地方大企业和地方高校共同在教育领域的促进更值得关注，毕竟经济是当下的，而人才是未来的。 不得不说很多城市地区落后就落后在这里，先是没有形成产业聚集，高校也难以形成产业人才的培养，长期下来进入了恶循环。甚至我知道有的高校，本来有王牌专业，但由于地方产业的转移，缺少地方企业和高校的互动，原本的优势专业逐渐失去优势。 所以还是希望能多点头部企业对在校学生进行资助和比赛的举办，学生在创新方面的成果不一定能在产业中应用，但是能创新的学生绝对是行业未来的宝藏。 |
|
学计算机肯定还是实操实验最重要。不得不感慨，现在的学习环境是真的比以前好，反正我大学的时候实践经验还是比较少的，也有同学会组队做比赛，但很多支持和活动并没有现在这么多。 现在想想，在校的时候，更容易遇到志同道合的队友，大家空闲时间和精力比较多，特别是现在大模型时代，小团队的能力作用会被 AI 技术放大倍增，很多事情会变得更容易，寻到一个好点子，三五个人只要分工得当，可以一起做出更有趣、更有用的产品。 |
|
|
AI 技术现在也面临落地问题，很多大模型厂家做出了基础模型，提供 API，但真正距离用户还有一定距离。大模型作为基础设施，大厂不会把所有创新创业的机会全部占完。今年大厂开始提 MaaS（Model as a Service），就是希望更多的开发者结合自身的场景，去探索 AI 技术的落地。 |
|
|
所以这样的活动，其实是云厂商、AI 模型厂商和学生开发者之间的双向奔赴。模型需要落地，需要千万开发者共同探索场景，学生需要实践操作的机会，需要得到相应的服务器和 API 调用的优惠。 对于那些想要学技术、做技术的人来说，这是一个不错的时代，学习资源触手可得，计算资源也有优惠扶持，加上和 AI 工具结伴编程，开发效率事半功倍。 |
|
科技竞争的本质是创新驱动，而创新的本质是人才驱动。 以前一个经常在多个高校联合举办大学生创新比赛的制造业公司的高层曾经和我说过，其实举办比赛还是蛮亏的，大部分学生设计出来的东西其实都没什么应用价值，在已经成为既定的行业规范里也无法盈利，甚至就连学生们就业的时候，每年参赛的学校里也就寥寥几个应届生会选择他们公司。但他们仍然选择坚持办这类比赛，哪怕每次投入的人力物力都无法直接得到回报。 上过大学的很多人应该都参加过行业中的企业举办的类似比赛，相信也有很多人会有疑问：图什么呢？ 其实不是为了短期的企业利益，而是长远的行业利益：企业作为社会力量让学生们参加比赛，产学研结合，从兴趣为切入点培养实践能力，这是对行业有好处的，而行业发展，实际上就提升了企业未来的发展上限。 就拿阿里云这波挑战赛来说，积极意义是多方面的。 首先是支持教育和创新，先提供算力支持，有助于降低高校学生上云的门槛，对于一门技术而言，降门槛就意味着普及广。听说还给一些顶尖高校提供了更强大的算力支持，这更有利于这部分高校学生进行更复杂和大规模的计算任务。而挑战赛既可以看作一次初次的人才筛选，也可以看成一次直接的激励。 其次是推动人才培养，AI虽然在高校里也研究了多年，但是和目前的高新产业差距真的不小，这点相信很多计算机系的学生都深有体会，课本上的知识和实际应用的差距很大，更别提这些技术的迭代速度很快了。而鼓励学生参与AI场景和应用创新，有助于缩小产业和学术之间的鸿沟。 |
|
|
最后是推动区域发展，浙江本身是互联网大省，但这并不代表浙江就没有产业升级的需求，而产业升级离不开人才的培养，阿里云发挥作为社会角色的力量，正好可以和高校形成互补。 实际上，自从成为AI大模型的用户以后，我越来越觉得，计算机专业的学生不管将来会不会从事AI行业，但一定要做先吃AI苹果的人。现在计算机专业导向的互联网行业增速不再，而AI是一个少有的极具潜力的未来增长点。当然新能源也是现在计算机专业很多学生的选择，但新能源汽车未来的发展方向里，大模型肯定是很重要的一环。 所以真的非常建议有能力有条件的在校大学生多关注这类比赛，尝试一下，拿到大奖正好改善生活，拿不到锻炼能力，毕业后写在简历上也是加分项。直达入口是这个： 云工开物-浙江大学“听悟杯”大赛-阿里云?university.aliyun.com/activity/events/tingwu?utm_content=g_1000388336 |
|
|
，对了，哪怕不参加比赛，还可以领取免费的云服务器，薅个羊毛玩玩也不错的！ |
|
当然是为了鼓励大学生学习啦，毕竟这是未来的竞争力，生产要从娃娃抓起。 AI的发展从最早深度学习、阿尔法狗、阿尔法元自学习训练，到Transformer模型和GPT-4模型，短短不过数年，现在更多应用场景都在落地，这都说明了算力已经成为支撑智慧社会的核心动能之一，所以这一举动，也是为了鼓励大学重视这些数字化的变革，让学生跟上时代的发展。 |
|
前年AI刚火热的时候，我们导师就让我们多关注，虽然我们是机械专业，主要研究的也是机械材料，但导师说AI和机械结合绝对有前途，就算现在不能完全用到我们的专业上，但是接触了总比没接触过强，现在竞争激烈，技多绝对不压身！ |
|
毫无疑问，未来的高考季当中，人工智能已经成为了一个热门话题，这个比赛也是鼓励学生利用AI进行创新性的使用和应用。 伴随着知名高校的呼吁，我们还可以看到各个名牌大学的人工智能学院、人工智能研究院如雨后春笋一样成长起来。中国科学院、南京大学、清华大学，都已经在一年内成立了类似研究机构。 而政策层面，国家《新一代人工智能发展规划》中也明确提出要建设人工智能学科。人工智能要发展，需要人才和学术建设应该是毫无争议的问题。 |
|
|
但关于人工智能是不是要在今天就成为本科专业，却是个充满争议的话题。 在目前的学科规划中，人工智能的主体是计算机科学下的二级学科。一般要到研究生阶段才能选择攻读。与此同时，AI相关专业还散落在数学、信息科学，甚至社会学、心理学、生物学当中。 有人认为，这样的规划，已经无法满足AI发展的真实需求；也有人认为AI刚刚发展起来，就要高校体系来给予配合，有点过于冒进了。 在大多数省份，现在还是填报志愿的阶段。咱们不妨来透视一下这场争议中的几个观点，如果身边有学子正在纠结于是否选择，或者如何选择AI相关专业，不妨思考这几个声音之后再来判断。 反方观点A：AI不稳定，就业有风险 让我们先从反对观点说起。 众所周知，本科生不会都进入研究生阶段继续攻读，那么AI本科专业存在的意义，当然就是能为大量本科生，提供就业技能与机遇。 但就今天的AI来说，是否能为四五年后，以至于长期投入社会的大量人才提供就业机会呢？这可能谁也说不好。 AI的发展足够快，需要人才足够多，这在今天是没有问题。但若干年后的AI会依旧能创造大量就业投入吗？ 甚至说若干年后的AI，是否还和现在我们看到的机器学习统摄下的AI需求一致？这些都是问号。 |
|
|
在很多人看来，加快人工智能进本科的进度，同时也意味着把这些大学生从对计算机科学的学习中隔离出来。 那么假如学成后AI不那么火热了，就业机会减少；或者AI在此期间经历了快速的技术发展，学到的东西不足以致用，同时也不能让每个人都继续学术研究。最终岂不是把就业风险施加到了学生身上？ 因为某个领域火爆，大学就争先恐后设立专业，结果学成出来发现早不是那么回事了，这种情况在中国并不算少见。那么这种情况下，把AI从计算机科学领域独立出来，似乎还不够稳妥。 毕竟不能让选专业这个很可能影响终生的大事，变成一场赌博。 反方观点B：泡沫可耻，跟风有害 AI发展过快，带起了大量泡沫，这应该是个不争的事实。那么高校过快迎合风口，设置AI本科专业，很可能会变成泡沫的催化剂。 另一种观点认为，AI设置本科专业在很大程度上是有道理的。但这个合理性仅仅限定在师资力量齐备，有广泛研究优势的部分高校中。一旦阀门打开，千奇百怪的学校跟风设置AI本科专业，很可能会贻害学生。 我们提起国内高校的AI大牛，似乎每个名字和他们所在的学校与研究机构都让人感觉熟悉。换句话说，大部分国内高校对于AI这东西，是相当陌生的。 现在的人工智能研究，目前仅仅是小部分学校与大牛的“专属”，而一旦各种地方院校，甚至资质不佳的合办院校要争取AI风口。 那么很可能强行设置一批师资和科研项目，这对于整个AI学术是有害无益的。 |
|
|
归根结底一句话，头部学校准备好了开AI本科，但后面茫茫多的学校，真的有老师和研究力量去支撑本科的AI教学吗？ 而AI这块滚热的蛋糕，随便想想就知道是不能放弃的。如果AI本科教育突然袭来，如何抵制跟风者扰乱AI教育，这个问题似乎还没有答案。 正方观点A：人才缺口，真的已经很大很大了 以上两种反对观点，很大程度上是出于对AI未来的怀疑与不信任。但支持AI快速成为本科专业的声音，则更多着眼于AI的现在。 AI的今天，一个最基本的情况，就是缺的人真的太多太多太多了。 去年校招季，在北京招一个刚毕业没有任何成果的AI研究生，就需要年薪30万的代价。这当然有风口的加持，但AI岗位缺人的状况也可见一斑。 根据相关报告统计，到2017年年底，中国AI人才缺口已经超过了百万级，而在今年这个缺口开始进一步拉大。 事实上，AI人才的缺口不仅限于中国，即使是硅谷，也在每天经历着AI岗位需求的扩大。李开复曾经提出：“在硅谷，做深度学习的人工智能博士生，现在一毕业就能拿到年薪200万到300万美元的录用通知，三大公司(谷歌、脸书和微软)都在用不合理的价钱挖人。” 同样在欧洲、印度，加快培养AI人才，尤其是中低端人才都是国家教育体系的重要任务之一。 |
|
|
在巨大的人才缺失之下，是现行AI人才的培养效率有点慢。一般来说，一个学计算机的本科生，在大三大四时候才能在某些选修课中接触人工智能。 而如果想要攻读人工智能方向要到研究生之后。再加上研究生学习中往往没有经历过算法应用的实践，毕业到企业后还需要经历一到两年的再培养。 这也意味着，一个AI人才一般要到27岁之后才能上岗，这显然无法供给今天AI产业的发展速度。 事实上，AI产业是一个金字塔型架构。不仅需要高端的逻辑与算法人才，还需要完成大量应用型，甚至是数据型工作。这些工作很大一部分都可以给本科生作为实习机会，而且企业往往欢迎导师带队的本科生入驻实习。 这样一些简单的AI工作，入职者可以从27岁提前到20岁左右，这对于整个AI产业的劳动力供给是效能巨大的。 同时，高收入和高就业率也在吸引着学生的目光，让他们辛苦绕一圈才能进入AI，这好像也有点残忍。 正方观点B：产学研一体化，强烈期待AI本科生 AI人才缺口可以看做一个行业基本面，而在这背后，是AI科研体系的独特性，正在催动着AI人才更早与企业接触。这也间接促使AI本科生这个群体到来。 大家都在说，AI是一个高度产学研一体化的领域。但到底是怎么一体化的呢？ 首先我们可以看到，今天的大多数AI应用，是基于神经网络与算法达成创造性的。而神经网络的特点是结构延展。换句话说，AI的技术世界不是非此即彼，而是堆叠和嵌入的。 回到人才端，这就让很多企业中的AI任务与工作，可以分派出来让独立小组完成。这让象牙塔中的师生走入企业有了绝佳的机会。 而一些数据清洗、数据标记类的机器学习基础工作，更是非常适合交给“懂基础的实习生”来完成。 |
|
|
另外，根据相关统计，常青藤高校的AI研究成果，有超过75%最终得到了商业转化。这个比例在各学科中名列前茅。 AI的特性决定了高校中的研究和企业中的研究相似度非常高，而师生的创造有很大比率可以被快速转化。 这个机会对于老师、学校、学生，以及整个产业，是一个多方共赢的局面。那么第一步，还是让学生尽快进入AI的世界。 还有一个问题值得注意，今天的AI研究是要基于大量数据和算力支撑的。但是这些东西往往不存在于研究室当中，而是只见于科技企业内部。 这也就要求实验室必须要到企业中去，给企业提供更多价值。而本科生的劳动和创造力，事实上是这个置换关系之一。 由这些理由，企业和学校都在期待更多学生快速组成产学研一体化的基础，让企业与学校间的循环圈层扩大。 这个意义上来说，本科生是AI前进中的必要动力。 正方观点C ：AI必须建立跨学科的独立体系 还有另一个更加学术层面的声音，认为今天AI学科的发展，主要阻碍之一在于附庸于计算机科学专业，已经十分不利于AI本身的学科发展。 比如我们知道，AI的顶会、数据测试都自有一套逻辑。假如某企业的研究成果，在某个顶级比赛上，让人脸识别的效率，提升到某某指数，那么当然是巨大的成果。 但在高校学科体制中却不然，因为AI的算法比赛机制是独立的，不纳入计算机科学的考察范畴。这会在很大程度上，限制国内AI学者，参与世界竞争的热情。 另一方面，AI虽然大体可以看做计算机科学的一个子集。但事实上AI是一个高度跨学科的领域，有大量问题是非计算机科学的，而是涉及信息科学、数学、社会学、心理学、生物学、认知科学，甚至法学、伦理学等等。 在国际范围内，基于AI成立跨学科研究体是大势所趋。但现有学科体制却限制了AI的融合式学科发展，影响了人才交流与信息互通。 这种条件下，把人工智能学科独立出来，从本科生开始培养专属人才就成为了热门议题。而从技术轨迹的长远发展看，一个独立跨学科的AI科研体系，也是开展国际化AI竞争的绝对必要条件。 给潜在AI本科生的一点建议 人工智能到底要不要成为本科专业，不是一个绝对如此或者如彼的问题，更多情况下见仁见智，其成败在于整个教育体系和社会结构的共同把持。但根据上面这些看法，不妨给想要把AI作为专业的童鞋一点建议： 首先，综合来看今天AI的应用前景和就业基本面没有问题。但未来有不确定性，技术也在随时变化，一定要理性考虑谨慎选择。 而且读了AI专业绝不意味着预定了高薪高职位。快速变化的AI可能把任何人摔下自己的马车。 |
|
|
其次，一定要警惕不靠谱的人工智能专业。AI的师资目前在国内是绝对的师资资源，如果你报考的学校本来在AI领域不强，也没有引进知名专家，却突然办起了AI专业，那么一定要小心为上——说不定老师还没有你懂得多。 而国外的AI本科生教育比国内稍早一些，与国内的区别，主要集中在所教授领域相对更集中，更注重学院本身的优势教育和研究。 一般美国的AI本科教育，是强调主修方向，其他选修，而国内的AI本科教育还是强调AI领域的通识。哪种更好也没有定论。 值得注意的是，国外AI本科教育中，明显比国内更加强调AI的人文与伦理教育。这些内容其实是必修课，有志于AI的童鞋应该想办法自己补强。 而假如真的很喜欢AI，却没有找到合适的专业也不用急。有一些迂回策略可以考虑，如果有志于高阶的AI研究与创造，应用数学和认知神经科学是两个最好的选择。假如想要快速进入AI行业，那么数据科学是最接近应用的AI相关领域。 |
|
阿里的ai大模型迟迟不敢向公众开放（像gpt-4/百度文言一心一样) 就玩这些虚头巴脑的把戏 毕竟对开发团队来说，拖一个月，就是十几万的月薪到手 |
|
当我们还在纠结未来会不会被AI替代时，现在的学生已经开始用AI搞起了发明，破译了千年古卷，拿到了巨额奖金！ 事情是这样的一位 21 岁的计算机科学学生，因为一个历史性成就获得了 4 万美元奖金。 提问：什么历史性成就？ 答：成功破译了 2000 年前被掩埋、已碳化且无法打开的赫库兰尼姆古卷中的一个单词。 提问：卷轴都没打开，他是怎么破译的？ 答：利用 AI 技术。 这位获奖者名为 Luke Farritor，而这个价值 4 万美元的奖项是维苏威火山挑战赛的 First Letters Prize（首字母奖），其获奖要求是参赛者在卷轴中 4 平方厘米的区域内找到至少 10 个字母。 |
|
|
利用高能 X 射线和 AI 技术，对古代卷轴进行成像 公元 79 年，维苏威火山爆发，摧毁了庞贝城和赫库兰尼姆城，连带着存于庞贝附近一座私人图书馆中的古代卷轴也被掩埋。近 2000 年来，这座唯一幸存的图书馆一直被埋在地下 20 米深的火山泥中，直到 1700 年代才被挖掘出来。可由于在火山灰和气体的灼热作用下，这些卷轴早已碳化、非常脆弱，稍微处理不当就会立即化为灰烬。如何在不打开卷轴的前提下，阅读其中的内容？ 数百年来，这个问题一直没有答案。基于此，2023 年 3 月，维苏威火山挑战赛正式发起——而它的设立，最早源自于 2019 年肯塔基大学 EduceLab 的 Brent Seales 教授在粒子加速器中，成功对赫库兰尼姆古卷进行了成像。 |
|
|
多年来，专家们尝试通过各种方法试图展开古代卷轴，但有些在展开过程中就毁坏了，有些则是展开后文字暴露在空气中会导致墨水褪色。Brent Seales 教授带领的团队曾通过高能 X 射线识别出了恩盖迪（En-Gedi）卷轴中的文字。 但恩盖迪卷轴的墨水是金属基的，因此在 X 射线数据中会显示出来，而赫库兰尼姆古卷上的墨水可能是碳基的，与纸张成分有重合，因此在 X 射线扫描中无法明显成像。也就是 Brent Seales 所说的：用肉眼无法从略微不同的 X 射线技术捕捉到的扫描结果中，解读出赫库兰尼姆古卷中的字母。 基于这个现状，Brent Seales 研究小组提出了一种新方法：利用高能 X 射线和 AI 技术中的机器学习模型。具体来说，就是先扫描并拍摄带有可见墨水的分离卷轴碎片照片，然后将这些照片喂给机器学习模型，使其找出并学习 X 射线扫描中墨水区域和空白区域之间的细微差别。一旦经过这样的碎片化训练，该模型就有望与完整卷轴的数据结合使用，从而识别其中的文字内容。 |
|
|
通过这种方法，2019 年 Brent Seales 团队在粒子加速器中对赫库兰尼姆卷轴进行成像，成功生成了分辨率高达 4 微米的 3D CT 扫描。 这一成功引起了科技企业家 Nat Friedman 和 Daniel Gross 的注意，并为了加快破译古代卷轴，发起了维苏威火山挑战赛：总奖池高达 70 万美元，还为开源工具和技术的开发颁发了几个较小的奖项。 训练 AI 模型识别“裂纹图案” 自今年 3 月维苏威火山挑战赛正式发起，吸引了诸多参赛者，其中 Casey Handmer 是前 JPL 公司的创始人，他在八月初写了一篇博文，提到他发现了一种看起来像是墨水痕迹的 “裂纹图案”。 |
|
|
（左图：可见有裂纹的墨水纹理。右图：显示墨水位置的标注。它可能是“pi”，也可能是大写“eta”的底部） 通过连续数小时盯着分段 CT 扫描图像，Casey Handmer 发现了这一图案——这绝对是一个重大而令人惊讶的发现，因为此前在卷轴中并没有看到过这种图案。 基于 Casey Handmer 的发现，不少参赛者也开始寻找裂纹图案，此次获得 4 万美元奖金的 Luke Farritor 就是其中一员，他是一名在读大学生，也曾是一名 SpaceX 暑期实习生。 Luke Farritor 在 Discord 上看到有人在讨论这一话题，便开始利用晚上和深夜的时间对裂纹图案进行机器学习模型训练。他找到了几十个墨迹笔画和一些完整的字母，将其进行标记并用作训练数据。每发现一个新的裂纹，模型就会得到改进，从而找出卷轴中更多的裂纹图案——在这种循环中，模型不断进化。 没过多久，Luke Farritor 训练下的 AI 模型就找到了他肉眼看不见的裂纹图案，并开始形成了一些字母和实际单词的蛛丝马迹。于是 Luke Farritor 向维苏威火山挑战赛的 First Letters Prize（首字母奖）提交了第一份参赛作品（要求在 4 平方厘米的区域内找到至少 10 个字母）： |
|
|
发现 13 个字母，获得 4 万美元奖金 在这幅图中，隐约可以看到ΠΟΡΦΥΡΑ?（porphyras）一词的轮廓。Brent Seales 教授看到这张照片时也非常惊讶：尽管字母很模糊，但他们一眼就能读出 "porphyras "这个单词。 经过全面的技术审查后，挑战赛官方将 Luke Farritor 提交照片的更新版本发给了专业技术小组，他们在其中标注了 13 个可见字母，尽管可信度各不相同（绿色：可信度超过 80%；黄色：可信度在 50-80%；红色：可信度低于 50%）： |
|
|
其中，Porphyras 这个单词虽然在古代文献中比较罕见，但也经得起推敲，其意思就是“紫色的”（注：这种古文字中的字母与现代文字看起来有点不同，且该时期的文本不使用空格，因此很难确定单词的边界）。 对此，一位相关专家补充道：“πορφυ?ρ?α??，可能是 πορφ??ρ?α??（名词，紫色染料或紫色布）或 πορφυ?ρ????（形容词，紫色）。由于缺乏上下文，无法排除πορφ??ρ?α ??κ[ 或 πορφυ?ρ?? ??κ[的可能性。 最终，Luke Farritor 提交的这张照片得到维苏威火山挑战赛的官方认可，获得了 4 万美元的 First Letters Prize（首字母奖），而他本人在得知这个好消息的第一时间也十分兴奋。 |
|
|
此后不久，另一位参赛者 Youssef Nader 基于 Luke Farritor 的机器学习方法进行了改进——采用领域转移技术，使这些模型适用于卷轴：在卷轴数据上进行无监督预训练，然后在片段标签上进行微调。通过这种方式，Youssef Nader 在同一区域发现了同样的单词，其结果更为清晰可见，从而赢得了该奖项的第二名，获得了 1 万美元的奖金。 |
|
|
值得一提的是，几天前 Youssef Nader 的 AI 模型识别出了令人震惊的清晰度和大小的新图像：虽然并非所有字母都清晰易读，但可以看到有四列半的文本内容。 |
|
|
“我们的专家团队正在努力进一步调查，很快会有这方面的更新。”对于这个发现，维苏威火山挑战赛官方的乐观情绪空前高涨：这些进展表明，斩获 70 万美元的大奖“指日可待”！ |
|
现在AI就等着进一步落地了，毕竟现在AI的能力都大差不差。 |
|
没看明白啊，这个比赛也是只有浙江学生能参加吗？谁能来给我解释一下 |
|
|
|
|
Ai发展太快了，我是不是也得学习一下？才能避免被Ai替代和淘汰 |
|
老套路了 多年前吧，一些奶粉企业为了让孩子们只吃他们的高价奶粉 采用的方式就是去医院妇产科，免费给新生儿试吃他们的奶粉，要知道新生儿是没有辨识能力的，如同初生的鸟儿，会把他第一眼看到的任何生物看做他的母亲一样，会对其第一次吃到的奶粉印象深刻，从而拒绝吃任何其他牌子的奶粉 这就达到了排除其他竞争对手，剥夺孩子选择其他牌子奶粉的权利 |
|
新技术领域，未落地成熟前，任何厂商主动自发的合作，都是为烧钱探索，简单分析下利益： 1.互惠互利：学研结合是最好的迭代方式，阿里学校各取所需，成本低，为彼此还做了市场宣传 2.市场渗透：有利于阿里探索教育场景，不断渗透教育市场，生态资源铺开了，拿下这块说不定水到渠成 3.业务落地：场景方面，在toc圈有点搞头，毕竟学校学生，都是未来的花朵，下一代生力军，个体思维和服务纬度，说不定搞出来啥新功能场景模式。 tob就算了，学生都没社会经验，tob核心业务毛都碰不到，不懂，当然谈不上贡献。不过这也没事，毕竟toc摸索得了，tob就让给别人吧。 不过也不一定，现在哪个导师不接点私活，搞点课题，赚点外快，接触一些业务，但都质量达不到商用标准，没有强势ai产品经理介入，也都是实验开头，实验收尾！ |
|
在我们没察觉的时候，新一轮的科技革命和产业变革开始了，而大学生作为未来社会发展的主力军，必须开始培养起来了。 |
|
阿里云的「云工开物」计划对在校学生来说提供了一个很好的实践机会。我们学生时代，理论学得很多，实践却做得很少。「云工开物」计划为学生通过免费提供300元额度的云计算资源，学生可以通过各种云计算资源来实践自己的想法。 在最近的“风马牛年终秀”上，周鸿祎说，360要all in AI，未来是AI的时代，公司中能被AI改造的全部都要改造，要用AI优化公司中的工作流程。我想现在大学生作为年轻一代更要去探索新技术，新东西，更要去学习，使用AI。然而大学生在实际学习中，使用AI的机会并不多，通过这一次浙江省高校“通义听悟”创新挑战赛，正好给大学生一个一个学习AI，使用AI，通过AI创造新产品的机会。 通过通义听悟”创新挑战赛，可以激发学生头脑风暴，去想一个点子，去找一个应用场景，将自己的所有技能发挥出来，去尝试着去设计出一个可行性产品。 |
|
|
以阿里云的“通义听悟”系列产品来讲，怎么通过“通义听悟”系列API做一款面向消费者的产品。这需要去寻找生活中的应用场景。找到使用场景之后，要怎么设计出一款可行性产品，设计出产品之后，技术上前端怎么实现，数据库怎么怎么设计，后端业务代码怎么实现。当解决了产品设计，技术实现，产品做出来之后，怎么在市场中推广如何设计推广计划。这一系列的问题，极其考验学生的综合能力。这个是阿里云“通义听悟”创新大赛报名位置 https://university.aliyun.com/activity/events/tingwu?university.aliyun.com/activity/events/tingwu 我记得在我大学时候能力提升最快的时候，就是大四的时候，在那一年，自己一个人做一款小程序，前端，后端，产品设计，全部我一个做，在这过程中，遇到问题就查资料，看文档解决问题。我会发现自己前端能力的不足，后端能力的不足，不会的技能就要现学现卖，依靠应用场景来倒逼自己学习，是最快的学习方式。 在学生时代的学习可能是系统化，理论化的，但是在工作之后，那基本上是靠工作来倒逼自己的成长进步。遇到不会的东西要现学，遇到不能解决的问题，要想办法把问题解决。现在的小伙伴可以通过通义听悟”创新挑战赛来体验这种飞速的进步，要珍惜。 另外阿里云的“云工开物”计划，面向全国高校师生提供￥300无门槛优惠券，可以体验阿里云全量公共云产品（特殊商品除外），可以通过阿里云实践自己的想法，在实践中成长，冲吧。 |
|
|
|
|
估计是阿里云几次大规模恶性事件后的公关吧，还要提防阿里云把高校做出来的数据转到他们外国的主人手上去 |
|
一直以来，算力的核心竞争力都在海外，海外的高端芯片设计和配套生态、EDA软件以及先进制程相关供应链领域处于领先地位。 不知道Ai能不能让我们领先。 |
|
阿里云的"云工开物"计划是一项针对高校的科研与教育加速项目，旨在让每位中国在校大学生真实受益于普惠算力。该计划已向浙江109所高校的师生提供免费算力支持，给每位大学生提供一台云服务器。 这个计划的出台，事阿里云对高校科研教育的大力支持，可以帮助学生和教师更好地进行科研活动，提高科研效率。例如，浙江大学计算机学院的博士生刘晓璐就表示，她日常主要利用实验室和学校的服务器做实验，临近投稿日期，计算资源常常会比较紧张，这次通过利用阿里云随时弹性可扩展的计算资源，可以有效地解决这一问题。 阿里云还设立了通义听悟挑战赛，鼓励学生做AI场景和应用创新。这不仅可以提高学生的实践能力，也有助于推动AI技术的发展和应用。 阿里云的"云工开物"计划是一项非常有意义的举措，它不仅可以提高高校科研教育的效率，也有助于培养学生的实践能力和创新精神。 |
|
基本上目前的LLM技术有两条赛道，一条是通用型大模型，需要做的就是上知天文，下知地理，但目前这一个的大模型最难解决的问题就是说胡话，虽然什么都知道，但是因为输入的数据量太庞大了，就很有可能会出现说胡话的情况。另外一个方向不是垂直大模型，但垂直大模型一般都是针对某一些行业，比如说教育，医疗金融等行业，除了少数行业的从业人员之外，其他人短时间之内，应该是很难享受到这一技术的普惠。但是这两个赛道不管哪一个方向出现了重大突破，对整个社会来说都是很有价值的。 |
|
|
|
|
基本上任何行业的进步，都是要靠比赛来推动的，我还是挺期待这一类的比赛 |
|
你来上班，免费提供你电脑使用 |
|
目前最希望出现的AI创新就是可以帮我点外卖，毕竟每天都不知道应该吃一点什么，还是挺苦恼的，希望AI可以直接配一个一日三餐，并且直接帮我点好，这样不仅可以按时吃饭，还不会逼死选择困难症。 |
|
|
|
|
好事 |
|
感谢您对阿里云的关注。 这一挑战赛的出现，是阿里云为了推动高校学生的云上创新和AI应用，提供了一个展示和交流的平台。通过参与这一挑战赛，学生可以学习和使用通义听悟这一基于通义大模型的AI新品，探索音视频内容的转写、检索、摘要和整理等功能，为工作和学习提供更高效和便捷的体验。同时，学生也可以借助云工开物计划提供的免费云资源，搭建自己的云上开发环境，实现自己的创意和想法，提升自己的云计算和AI技能。 对AI人才培养，这一挑战赛有以下几个意义： - 增强学生对AI的认识和兴趣，激发学生的创新思维和创造力，培养学生的实践能力和团队协作能力。 - 为学生提供了一个与业界接轨的机会，让学生了解和使用最新的AI技术和产品，拓宽学生的视野和知识面，提高学生的竞争力和就业优势。 - 为学生搭建了一个与专家和导师互动的渠道，让学生得到专业的指导和反馈，促进学生的成长和进步，激励学生持续学习和探索。 值得关注的信息有以下几点： - 挑战赛的报名时间为2023年11月1日至2023年12月31日，报名方式为在通义听悟官网填写报名表并提交作品。 - 挑战赛的初赛评审时间为2024年1月1日至2024年1月31日，评审标准为创意性、实用性、技术难度和完成度，每个赛道评选出10个入围队伍。 - 挑战赛的决赛时间为2024年2月，具体时间和地点待定，入围队伍需进行线下演示和答辩，每个赛道评选出3个优胜队伍。 - 挑战赛的奖金设置为每个赛道的一等奖10000元，二等奖5000元，三等奖3000元，另外还有优秀指导教师奖和优秀组织奖。 |
|
主要是有算力但不知道可以干啥，我免费请你们玩，大家给我出个主意，反正就是电费我付得起，有了点子我可以搞新花样赚钱，就是这样。 |
|
|
| [收藏本文] 【下载本文】 |
| 上一篇文章 下一篇文章 查看所有文章 |
|
|
|
| 股票涨跌实时统计 涨停板选股 分时图选股 跌停板选股 K线图选股 成交量选股 均线选股 趋势线选股 筹码理论 波浪理论 缠论 MACD指标 KDJ指标 BOLL指标 RSI指标 炒股基础知识 炒股故事 |
| 网站联系: qq:121756557 email:121756557@qq.com 天天财汇 |