将人脑与GPT-4连接的尝试

这个YouTube视频中，作者使用JavaScript将名为Crown的设备连接到GPT-4。这样仅通过思维就可与GPT-4交流。

Crown类似于Neuralink，但它可以戴在头上，而不用植入整个芯片到大脑中。

这个实验让我们看到了人机融合的未来，除了可以通过手眼耳，还可以通过大脑直接访问全世界的知识。

🔝 https://youtu.be/-HYbFm67Gs8

ChatGPT相关热门项目排行-按star排序

⚜️ https://ossinsight.io/collections/chat-gpt-apps/

14分钟浅谈图片生成模型 Diffusion 原理
🔝 https://youtu.be/azBugJzmz-o

Denoising Diffusion Probabilistic Models
🍪 https://arxiv.org/abs/2006.11239

吴恩达发声反对 "暂停训练先进AI"

🔠在教育、医疗、食品等领域看到了许多新的应用，可以帮助很多人。改进 GPT-4 很有意义。

🔠 没有切实可行的方法来实施暂停行动，除非政府介入。让政府暂停他们不了解的新兴技术是反竞争的，树立了一个糟糕的先例，是糟糕的政策。

🔠 媒体所说的"AI公司正在疯狂发布不安全代码"不合事实。绝大多数（遗憾的是，不是全部）AI 团队都非常重视安全问题。

🔠 6个月的暂停期不是一个切实可行的建议。围绕透明度和审计的法规将更加实用，并产生更大的影响。在推进技术的同时，更多地投资于安全，而不是扼杀进步。

Image to Prompt

一个由图片生成Stable Diffusion提示词的工具
⭐️支持PNG和JPG格式
⭐️最大支持4MB 图片

大家来看图猜Prompt，学习利器！
⚜️https://imagetoprompt.com/

⭐️ 昨天评论区一留言引发讨论:
「没有一个从宗教角度谈ai的，圣经中说，上帝靠“话语”创造世界，chatgpt又是大语言模型，这是巧合？」

⭐️上图来自 《人类唯一的出路: 变成AI》
人类语言出现从两方面改变人类的进程:
- 同代人之间能互相学习很多，并与个人知识点结合。
- 代与代通过语言完成知识传递，使得知识在历史中留存更久。

⭐️ 接 上条POST 有感 ，所谓站在巨人的肩膀上，大语言AI模型的出现极可能再次改变上图的走势，让我们对现有的教育方式，知识获取方式产生深深的怀疑

Taxy AI: "用自然语言与浏览器交互" 在路上

🖥 github.com/TaxyAI/browser-extension

图是输入“安排明天上午 10 点的站会。邀请XXX”的效果，自然语言与浏览器交互。

Taxy 用 GPT-4 控制浏览器并代用户执行重复操作。允许定义临时指令。

Taxy 完全开源，目前还处于预览版本，可以本地测试和运行，可能存在各种bug。

-- HN

Cody : Sourcegraph 新开源的 AI 编程助手

继Github Copilot和Cursor之后，工程师们又多一个选择，而且还是开源。

- 解释代码
- 文档问答
- 调试和优化代码
- 帮写单侧
- 学习新语法
- 代码自然语言检索

🖥 详细介绍 🖥 安装文档 🖥 开源代码
--

#AI资料分享
高盛: "AI对经济增长潜在影响"的研究报告

以下是报告摘要：

🔠AI可能会影响多达3亿个工作岗位。

🔠 如果生成式AI 覆盖半数雇主，10年内将有7%人失业

🔠AI可能会使全球劳动力的18%自动化

🔠AI将替代46%行政工作和44%法律工作

根据高盛的说法：“AI生产力提升可能是双重的：员工将花更多时间从事更有价值的工作，而那些被替代的人最终将重新就业。”

千脑智能

美国国家工程院院士Jeff Hawkins的《A Thousand Brains》从神经科学角度解释了人如何通过看到、移动和感知三维空间来学习和识别物体。比尔盖茨推荐了该书。

🔠 千脑理论中，每个大脑皮质柱都有完整物体的模型，因此知道在物体的每个位置应该感应到什么。

🔠 可以把运行 Transformer 训练的神经网络的电脑想象成一个简陋的人工皮质柱，给它灌输数据，它输出预测数据。

🔠 但大脑新皮层有 20 多万个这样的小电脑在分布式计算，他们连接着各种感知器官输入的数据。

🔠 最关键的是大脑无需预训练，神经元自己生长就完成了学习，预测是皮质柱测试和更新其模型的方法。如果结果和预测不同，错误的答案就会让大脑完成一次修正，这种方式就是自我监督，皮质柱相当于把用于训练的超级电脑和预测数据的电脑整合了。

🔝 YouTube #推荐阅读

#AI工程 苹果官方项目:
Apple Sillicon芯片上的Stable Diffusion

🖥 github.com/apple/ml-stable-diffusion

⭐️ 官方针对苹果M1/M2 等优化的版本
⭐️ iPad Pro M1 上 29 秒出一张图
⭐️ M1 Macbook Pro 16G 上24秒
⭐️ M2 Macbook Air 8G上18秒