Profile: dc78ed61...
今天准备一个面对大学生的AI分享PPT，朋友希望教会大家用coze搭建一个学习辅助相关的agent，然后发布到豆包。
第二个任务是用豆包写歌词，海绵音乐作曲，即梦生成视频片段，做一个音乐MV。
如果感兴趣，我这两周写个详细教程出来。
callannie 做了游戏化英语学习，有虚拟人即时反馈鼓励讲解，比干练习有趣多了。 https://t.co/88YAJkwiA8 
https://video.twimg.com/amplify_video/1843925813911269378/vid/avc1/720x1560/TvfkNhTL4f7EtHMF.mp4?tag=16
人工智能发展史的一些关键里程碑：
1943年：沃伦·麦卡洛克（Warren McCulloch）和沃尔特·皮茨（Walter Pitts）提出了人工神经元模型，这是神经网络研究的基础。
1950年：图灵发表了《计算机器与智能》，提出了著名的“图灵测试”，即如果一台机器能在对话中让人类无法判断其是否为机器，则这台机器具有智能。标志着人工智能概念的萌芽。
1956年：在美国达特茅斯学院，由约翰·麦卡锡（John McCarthy）、马文·明斯基（Marvin Minsky）等人组织的会议上，首次提出了“人工智能（Artificial Intelligence）”的概念。这次会议被认为是人工智能作为一门独立学科的正式诞生。
1959年：亚瑟·塞缪尔（Arthur Samuel）开发了世界上第一个自学习程序——西洋跳棋程序，引入了"机器学习"这个术语。
1966年：约瑟夫·魏岑鲍姆（Joseph Weizenbaum）开发了ELIZA，这是一个早期的自然语言处理程序，能够模拟心理治疗师与人对话，揭示了机器与人类自然语言交流的可能性。
1969年：马文·明斯基（Marvin Minsky）和西摩·帕珀特（Seymour Papert）出版《感知器》一书，指出了单层神经网络的局限性，导致神经网络研究一度停滞。
1982年：约翰·霍普菲尔德（John Hopfield）提出霍普菲尔德网络，重新激发了对神经网络的研究兴趣。
1986年：大卫·鲁梅尔哈特（David Rumelhart）等人重新引入了反向传播算法，推动了多层神经网络的研究。
1989年：杨立昆（Yann LeCun）应用卷积神经网络于手写字符识别，这是深度学习在实际应用中的早期成功案例。
1997年：IBM的超级计算机深蓝（Deep Blue）击败了国际象棋世界冠军加里·卡斯帕罗夫（Garry Kasparov），标志着AI在博弈领域的重大突破。
2006年：杰弗里·辛顿（Geoffrey Hinton）等人提出了深度信念网络（Deep Belief Networks），为深度学习奠定了基础。
2011年：IBM的Watson系统在美国的智力问答节目《Jeopardy!（危险边缘）》中战胜人类冠军，展示了自然语言处理和知识检索的强大能力。
2011年：苹果公司在iPhone 4S中引入了Siri，这是第一个广泛使用的智能个人助理。
2012年：杰弗里·辛顿的指导下，亚历克斯·克里泽夫斯基（Alex Krizhevsky）开发出AlexNet模型，在ImageNet图像识别竞赛中取得了显著的成绩，推动了深度卷积神经网络的发展。
2014年：伊恩·古德费罗（Ian Goodfellow）提出了生成式对抗网络（GAN），为生成模型开辟了新方向。
2016年：谷歌DeepMind的AlphaGo以4比1战胜围棋世界冠军李世石，这是人工智能在复杂游戏中的里程碑事件。
2017年：论文《Attention Is All You Need》提出了Transformer架构，革新了自然语言处理模型的设计，为后续的预训练语言模型奠定了基础。
2018年：谷歌发布了BERT（Bidirectional Encoder Representations from Transformers），这是NLP领域的一个重要突破，为后续的语言模型发展奠定了基础。
2019年：OpenAI发布了GPT-2，展示了大规模预训练模型在文本生成上的强大能力。
2020年：DeepMind的AlphaFold在蛋白质结构预测中取得重大突破，对生物学和医学研究具有深远影响。
2020年：OpenAI发布了GPT-3，拥有1750亿参数，进一步提升了语言生成和理解的能力。
2021年：OpenAI发布了DALL·E，可以根据文本描述生成图像，同时发布了CLIP，加强了图像与文本的联合理解。
2022年：Stable Diffusion和Midjourney等AI图像生成模型的公开发布，使得AI艺术创作变得更加普及。
2022年：OpenAI基于GPT-3.5架构，训练了对话模型ChatGPT，能够进行连贯的对话和回答问题，在全球范围内引起广泛关注。
2023年：OpenAI发布了GPT-4，具备多模态处理能力和更强的理解与生成性能，进一步推进了通用人工智能的发展。
...
海绵音乐+李煜《虞美人·春花秋月何时了》生成5种音乐风格。
歌词支持结构控制，可以配合Claude 写歌词，Prompt如下
---
你是AI音乐编曲大师，我提供一段歌词，然后参考下面结构重新编排：
示例
## 原始歌词：
记得那一天 那一天我们相恋
说好彼此都不说再见
遵守诺言 用心去相恋
我为你撑伞 你为我取暖
当我把心交给你的那一天
你却消失在我的眼前
事到如今已经过了好多年
是否你还像从前
## 编排后歌词：
(前奏)
(主歌)
记得那一天 那一天我们相恋
说好彼此都不说再见
遵守诺言 用心去相恋
我为你撑伞 你为我取暖
(间奏)
(副歌)
当我把心交给你的那一天
你却消失在我的眼前
事到如今已经过了好多年
是否你还像从前
(尾奏)
### 歌曲结构可用标签：
• 前奏：Intro，歌曲开始的音乐部分，主要用于引导歌曲的整体氛围。
• 主歌：Verse，通常在前奏之后，歌曲中叙述歌曲故事或主题的部分。
• 副歌：Chorus，一般在主歌之后，旋律有记忆点和感染力，是整首歌的高潮，进一步强化歌曲的主题和情感。
• 间奏：Inst，歌曲中的纯音乐段落，用于连接不同的演唱部分。
• 尾奏：Outro，歌曲结束后的音乐段落，用于营造歌曲结束的氛围。
• 桥段：Bridge，通常出现在歌曲中段或接近结尾处，是一个过渡部分，用于连接不同的歌曲段落。
---
下面是第一首歌词：
春花秋月何时了？
往事知多少。
小楼昨夜又东风
故国不堪回首月明中
雕栏玉砌应犹在，只是朱颜改。
问君能有几多愁？
查了下上门板的意思：
部队借老百姓的门板作床板，因各家门板尺寸不同，高矮大小不一，一大堆门板如果弄混了就对不上榫，难以安装回去。
所以规定用完门板要装回去。
很具体，很接地气.. https://t.co/FS9rzTyLb4 
那个年代就有穷游概念了 哈哈哈 https://t.co/0AjLA7hjtH 
Buzzabout是一款用户需求洞察工具，免费版本支持Reddit，付费版本支持TikTok和Youtube的用户数据分析。
不用翻Reddit评论，输入关键词，就能大概用户痛点和关注点，还能AI Chat深挖。
这对PM、独立开发者和海外营销推广很有帮助。
产品设计也很聪明，有多步进度条和等待Tips，避免结果生成太慢，给用户掌控感。
比如搜索“English Learning Tools”，从结果看，大部分人对AI教育应用感兴趣，持正面乐观情绪，而且很重视发音准确性。
个性化学习和游戏化学习，参与讨论的人多，但情绪负向，这可能是痛点？ 
豆包机器人已上架：https://t.co/iS8DE85A8n
使用方法，输入任何词汇或场景，自动生成图片和TTS音频，下载后可以用剪映合成视频。
Coze上没有好用的图片+音频合成视频插件，不能一步到位，略微遗憾。
不少网友建议把这个Bot变成App，感兴趣的程序员可以试试。
孩子说一个中文，我帮她生成相关单词和配图，一起跟读 哈哈哈。 https://t.co/faJKSmt3dy 
国庆假期到了，朋友们推荐了一些书，打算抽空翻翻：
①《大脑传》-马修·科布
② 《毛泽东传》-迪克·威尔逊
③《棋与人生》-加里·卡斯帕罗夫
④ 《给青年的十二封信》-朱光潜
⑤ 《真希望我父母读过这本书》-菲利帕·佩里
又重温了纳瓦尔关于读书的看法：
① 养成每天阅读的习惯，每天坚持比一次性大量阅读更重要。
② 选择你感兴趣的书，兴趣是最好的老师，不要执着于读好书，垃圾读物也能帮你找到真正感兴趣的领域。
③ 不要害怕阅读非主流书籍，即使不同意作者观点，也有助于帮你全面理解世界。
④ 与其读所有书，不如反复阅读一百本好书。
⑤ 阅读要和写作结合，把阅读收获提炼成简单的几句话，发到社交媒体跟人交流。
前几天败家的海钓装备到货：
纺车轮：禧玛诺 22款斯泰拉 2500SHG
杆子： 露娜米斯 S80M ，直柄中调2.44米
主线：禧玛诺Pitbull 12编 0.8 PE线 150米
前导线：西格之星 100 米
拟饵：店家送的铁板，前面一个单钩，后面一个三本钩带羽毛，做工不错。
在抖音搜索教程学习完成了轮子上线和绑前导线，耗时大约40分。
迫不及待开车到顺义高丽营星海钓场，真·试水。
为什么选这家钓场？一方面近，另一方面高德地图评分相对高，且还有付费教学。
花钱请老师是新手上路最快的方式，虽然以前玩微物，但对于重型远投装备，让有经验的人指导，一定比自己瞎折腾更少走弯路。
老板人不错，花了大概10分钟讲了下抛投技巧和控饵手法，一分钱没收，然后就让我开始实战。
经过练习，7克铁板抛投距离到 50米左右，一共钓到 6 条大口鲈鱼，尝试了好几种拟饵：铁板中鱼最多，然后是亮片，VIB和铅头钩T尾没钓上来。
亮片咬口最清晰，duang的一下，很刺激过瘾。
期待国庆假期天津海钓实战，目标：中一条鱼。
下午重温了新开服的暴雪卡片游戏《炉石传说》，一晃10年过去了。
充值128，分解了一张金色传说卡牌，配了个自残术牌组。
可惜，网易服务器没搞好，登录要排队15-20分钟，进去打一局必掉线，然后又要排队15分钟...
折腾了三回，热情都被磨光了...
打开两个Notebooklm浏览器tab，扩展屏分屏展示，一个看阅读摘要，一个对话提问。
主屏heptabase记笔记，raycast AI随时唤起查背景知识，相当完美。 https://t.co/D12FRhuBAG 
Tim ferris访谈畅销书作家伊丽莎白，她提到一个“双向祈祷”很有趣。
她三十岁时第一次离婚，非常绝望，人生处于低谷，为了让自己恢复，她开始尝试用朋友或亲人的口吻给自己写信，写下最希望别人对她说的话。
练习方法：
1. 找个安静的地方：随着练习时间变长，可以在任何地方进行。
2. 读些让你感到神圣的东西，有助于打开心扉。 比如哈菲兹、鲁米、玛丽·奥利弗或沃尔特·惠特曼的诗歌。
3. 只问一个问题。例如“亲爱的，你今天想让我知道什么？” 避免对话，因为这会让你的自我意识参与进来。
4. 第一行回复以一种爱称开始，例如“亲爱的”、“我的孩子”、“我的宝贝”。 伊丽莎白经常听到“我的小宝贝”这个称呼。
5. 写下你希望别人对你说的话，因为你知道自己渴望什么样的爱。
“双向祈祷”源于一个古老的精神练习，在12步戒瘾疗法中也非常常见。
避免问“为什么”这类问题（往往没有答案），多问一些以“如何”开头的、指向具体行动的问题。例如“你希望我如何度过这段时间？” 
前几天还想有没有社交媒体聚合发布工具，今天刷到一个Chrome插件叫“爱贝壳内容同步助手”，支持同步发动态、文章、短视频到多个平台。
免费版能发3条，付费版不限制，一年只需要60块，开发者定价很良心。
我认为大多数最好的生活基于创造的冲动，而大多数最糟糕的生活源于对占有的热爱。 --罗素 https://t.co/wZvr9Kbfjg https://video.twimg.com/ext_tw_video/1839632787986604032/pu/vid/avc1/480x854/avGKf-HVVErOqWUX.mp4?tag=12
一步到位，直接上好装备，免得以后心痒痒升级花更多钱。（为败家找借口 😁） https://t.co/IQJElqrdQg 
终于读完《智人之上》，把epub转成pdf，传到Notebooklm对话总结。
Epub转PDF：https://t.co/tJ6Wyn9it2
NotebookLM：https://t.co/LF0cN1MmPE
天真的信息观
天真的信息观认为，信息的主要作用是呈现现实、揭示真相。
只要我们不断收集更多信息，并进行准确分析，就能更接近真理。但实际上，大多数信息并非为了追求真理，而是为了建立和维持社会秩序，这常常需要牺牲部分真相，例如：
① 官僚制度通过文件、档案、表格等形式，将信息标准化和分类，提高了社会运作效率，但也可能导致僵化和扭曲，忽视现实的复杂性。
② 神话故事通过构建共同的信念和价值观，将人们团结在一起，但也可能被用来掩盖真相，甚至成为权力滥用的工具。
印刷术和信息网络失控
印刷术的出现，使得宗教经典能够大规模复制和传播，打破了教会对知识的垄断，促进了个人主义和理性主义的兴起。同时，印刷术也促进了标准化语言的形成，有利于民族意识的形成和民族国家的建立。
然而，印刷术带来的信息爆炸也对传统的社会秩序构成挑战。例如，猎巫行动的兴起，部分原因就是印刷术的普及，使得关于巫术的书籍和谣言大量传播，加剧了社会恐慌和对异端的迫害。
民粹主义的危害
民粹主义者往往声称自己代表人民，将"人民的权力"绝对化，无视人民内部的多元性和利益差异。
他们不信任任何独立于"人民意志"之外的权威机构，包括法院、媒体和学术机构，认为这些机构是"精英阶层"的工具。
民粹主义者会试图削弱或控制这些机构，以消除对自身权力的制约。
然而，这些独立机构正是民主制度中重要的自我修正机制，能够有效地监督权力、揭露真相和纠正错误。一旦这些机制遭到破坏，民主制度就很容易滑向独裁。
算法可能产生偏见
人工智能算法的学习依赖于训练数据，而这些数据本身就可能包含人类社会的偏见。
如果用于训练招聘算法的数据集中，男性员工的比例远高于女性员工，那么算法就可能学会偏向男性，在招聘过程中给予男性更高的评分。
算法的学习需要一个明确的目标。然而，目标的设定本身就可能带有主观性和偏见。
另外，算法的决策过程往往缺乏透明度，难以被人类理解和监督，这使得算法的偏见难以被发现和纠正，缺乏自我修正机制。
人工智能伦理难题
康德义务论的核心观点是道德行为应该遵循普遍适用的理性原则，但在实践中却常常遇到困难。
这是因为在现实生活中，人们往往会根据身份认同来区分"自己人"和"外人"，并对不同群体区别对待。
假设一台遵守康德"普世规则"、并且想要继续存在的计算机，可能会认为"消灭人类"是一种可以接受的行为。
因为"消灭人类"并不会威胁到作为非生物体的计算机自身的安全，因此这条规则在逻辑上是"普世的"。
计算机不具有生物体对死亡的恐惧，因此它可能无法理解人类对生命的珍视。
即使计算机能够理解和应用康德的义务论，它也可能得出"人类的生命不值得保护"的结论。
所以，依靠抽象的理性原则来构建人工智能伦理框架是远远不够的，需要考虑到人工智能的非生物特性、以及其与人类社会之间复杂的互动关系。
关于功利主义
功利主义认为，能够最大化快乐、最小化痛苦的行为才是道德的行为。
在实际应用中，功利主义面临着如何量化快乐和痛苦的难题。
以“痛苦值”和“快乐值”为例，在复杂的历史情境中，很难准确计算某个行为对世界整体快乐和痛苦总和的影响。
当某个行为带来的痛苦或快乐的结果非常明显时，功利主义可以提供清晰的道德判断。
以纳粹大屠杀为例，大屠杀给犹太人带来了巨大的痛苦，而对其他人（包括德国人）并没有带来相应的利益，因此从功利主义的角度来看，大屠杀是绝对不道德的。
以同性恋为例，对同性恋的迫害给当事人带来了巨大的痛苦，而这种迫害的理由往往是基于偏见和没有实证依据的道德准则，因此从功利主义的角度来看，对同性恋的迫害也是不合理的。
但是，当面对一些难以量化的痛苦或快乐时，例如对死亡的恐惧、对抽象概念的理解等，功利主义难以做出准确的判断。
当不同的道德原则发生冲突时，例如为了保护人权是否可以发动战争，功利主义也难以提供明确的指导。
作者对人工智能时代信息网络的看法
① 信息网络的本质并非在于呈现真相，而是在于联结和维持秩序。
② 从部落社会到现代社会，信息网络的演变伴随着权力的转移。掌握信息网络关键节点的群体或个体将获得更大的权力。
③ 人工智能的出现将催生新的信息网络形态，其影响力远超印刷术或工业革命。
④ 以往的技术革命，例如印刷术革命、工业革命，本质上都是为人类提供了新的工具和手段，而人工智能革命则将非人类智能体（即人工智能）引入信息网络，使其成为主动的参与者和决策者。
⑤ 人工智能是人类历史上第一个能够自行做出决策并产生想法的技术，其潜在风险远超以往任何技术革命。
信息网络史
史前时代 - 公元前1000年：
① 人类生活以小型狩猎采集游群为主，信息网络分布式，口口相传，民主决策。
② 随着农业发展和社会规模扩大，出现中央集权的官僚体系，信息网络从人际网络转变为人与文件互动，信息检索成为难题。
③ 神话故事成为维系社会秩序的重要工具，但也可能掩盖真相。
公元前1000年 - 公元1500年：
① 犹太教利用“书”这项新技术，试图绕过人类中介，直接传播神的旨意，并通过大量复制宗教经典来维护文本权威，限制权力滥用。
② 基督教兴起，教会机构在整理、诠释宗教经典的过程中，获得了巨大的权力。
③ 印刷术发明之前，信息传播受限，大规模极权政权难以出现。
公元1500年 - 1900年：
① 印刷术推动信息传播，促进科学革命和启蒙运动，但也为极权主义兴起提供了技术基础。
② 现代官僚制度形成，依赖清单列表和数据管理，与神话故事共同塑造社会秩序。
20世纪：
① 电报、无线电等现代信息技术出现，信息传播速度和范围大幅提升，极权政权得以监控和控制人民生活。
② 冷战时期，民主与极权两种信息网络模式形成鲜明对比。
21世纪：
① 互联网和人工智能兴起，人类进入以算法为基础的新型信息网络。
② 算法在带来便利的同时，也引发了一系列问题，如算法偏见、信息茧房、民主制度受到威胁等。
好几个朋友问智人之上这本书如何，刚读到一半，简单说说。
很多人说不如人类简史和未来简史，但我觉得不错，观点新颖，推演也有一定逻辑。
比如用信息网络特征来解读独裁和民主，宗教和AI。
斯大林时期的苏联，中世纪的猎巫行动，这种类荒诞和恐怖，是如何不可避免的发生，未来再次出现的风险。
原本出于流量目的信息传播算法，不自觉的贴合人性，走向宣扬仇恨和民粹，加剧社会的撕裂。
作者担心AI强大后，极权主义可能会上升到新高度，提前敲响警钟。
为了铺垫论证，宗教，政治内容讲的有点多，相比之前的书，读起来有点累。
总之，仍是一本值得读的书，甚至有朋友感慨，这居然能在国内出版？真不容易。