即刻App年轻人的同好社区
下载
置顶给自己玩生成式 AI 这一年做个复盘。
现在还记得差不多去年这个时候，第一次玩上了 ChatGPT，那种直觉上的兴奋就如当年第一次成功申请了 QQ 号一样。全新的体验，无穷的想象空间。
两者也还真有些类似，都是开启一个聊天窗口，然后天南地北地聊起来。不同的是，对于基于生成式 AI 的聊天机器人，不用发送「在吗」来开启话题了。
我问自己生成式 AI 给我带来了什么？我有什么收获？
一边翻着自己发过的帖子一边想。我的感受是：生成式 AI 已经成为了我生活工作日常的一部分。
这一年使用各生成式 AI 产品主要围绕在三件事上：
1. 翻译吴恩达老师的 The Batch 里的信件
2. 考雅思
3. 读论文
这三件事都是我以前没做过的。
翻译 The Batch 纯粹是读完觉得很有启发，就想着借助生成式 AI 顺手翻译一下。翻译校对的过程还能练习英文阅读。从去年 10 月左右到现在，差不多 30 期。如果我没记错的话，中间应该没有漏掉任何一期。但英文能力还需继续提升，信达雅尽量争取在信的基础上做到达吧。
借助生成式 AI 考完了雅思，对我自己来说算是一个小小的突破。尤其是写作和口语练习，如果没有这些 AI 产品，可能我还真得去报个班。练习了半年，考了 6.5，最近又想办法把总分拉到了 7。好多年没有这种考试紧张的感觉了，刺激。这是我借助 AI 备考雅思的过程：
- 阅读篇：m.okjike.com
- 写作篇：m.okjike.com
- 口语篇：m.okjike.com
- 语法检查：m.okjike.com
- 感想篇：m.okjike.com
除了翻译和考雅思，这一年也是读论文最多的一年。一方面是为了学习生成式 AI 相关的知识，一方面也是为了练习英文阅读。这三篇论文可能关注的人更少，但我自己感觉是对我理解生成式 AI 的能力方面启发更大的：
- 理解思维链：m.okjike.com
- Medprompt：m.okjike.com
- Flow Engineering：m.okjike.com
为了更方便地读论文，之前还借助 ChatGPT 弄了一个 arXiv 网站的脚本，一键跳转到 Kimi 或者 txyz，我读论文都会用到。配置确实是麻烦了点，配置好之后，用过的都说好 😃 脚本链接：m.okjike.com
从我自己的感受来看，当前的生成式 AI 无疑已经是很好的学习助手了。底层模型能力继续进步，打造学习助手的体验就会更好。多模态和端侧模型进一步发展的话，又能用这些 AI 做点什么呢？
保持探索，保持实践。
现在还记得差不多去年这个时候，第一次玩上了 ChatGPT，那种直觉上的兴奋就如当年第一次成功申请了 QQ 号一样。全新的体验，无穷的想象空间。
两者也还真有些类似，都是开启一个聊天窗口，然后天南地北地聊起来。不同的是，对于基于生成式 AI 的聊天机器人，不用发送「在吗」来开启话题了。
我问自己生成式 AI 给我带来了什么？我有什么收获？
一边翻着自己发过的帖子一边想。我的感受是：生成式 AI 已经成为了我生活工作日常的一部分。
这一年使用各生成式 AI 产品主要围绕在三件事上：
1. 翻译吴恩达老师的 The Batch 里的信件
2. 考雅思
3. 读论文
这三件事都是我以前没做过的。
翻译 The Batch 纯粹是读完觉得很有启发，就想着借助生成式 AI 顺手翻译一下。翻译校对的过程还能练习英文阅读。从去年 10 月左右到现在，差不多 30 期。如果我没记错的话，中间应该没有漏掉任何一期。但英文能力还需继续提升，信达雅尽量争取在信的基础上做到达吧。
借助生成式 AI 考完了雅思，对我自己来说算是一个小小的突破。尤其是写作和口语练习，如果没有这些 AI 产品，可能我还真得去报个班。练习了半年，考了 6.5，最近又想办法把总分拉到了 7。好多年没有这种考试紧张的感觉了，刺激。这是我借助 AI 备考雅思的过程：
- 阅读篇：m.okjike.com
- 写作篇：m.okjike.com
- 口语篇：m.okjike.com
- 语法检查：m.okjike.com
- 感想篇：m.okjike.com
除了翻译和考雅思，这一年也是读论文最多的一年。一方面是为了学习生成式 AI 相关的知识，一方面也是为了练习英文阅读。这三篇论文可能关注的人更少，但我自己感觉是对我理解生成式 AI 的能力方面启发更大的：
- 理解思维链：m.okjike.com
- Medprompt：m.okjike.com
- Flow Engineering：m.okjike.com
为了更方便地读论文，之前还借助 ChatGPT 弄了一个 arXiv 网站的脚本，一键跳转到 Kimi 或者 txyz，我读论文都会用到。配置确实是麻烦了点，配置好之后，用过的都说好 😃 脚本链接：m.okjike.com
从我自己的感受来看，当前的生成式 AI 无疑已经是很好的学习助手了。底层模型能力继续进步，打造学习助手的体验就会更好。多模态和端侧模型进一步发展的话，又能用这些 AI 做点什么呢？
保持探索，保持实践。
21 19
(The Batch 翻译) 主题：DeepLearning 新开设了一门数据工程课
决定不再更新 The Batch 系列的翻译。去年差不多这个时候，决定开始翻译这个系列。一方面是因为想体验生成式 AI 的能力，一方面是因为生成式 AI 翻译得还不够好，哪怕是分段翻译，仍然需要逐行校对以便提升阅读流畅性。
随着模型能力的增强，现在生成式 AI 已经能把翻译做得很好了，即使一次直接翻译 1000 字左右的文章，其阅读流畅性也很高，对于获取信息而言足够了。
这里附上我用的一个提示词，就是简单的先对文章做反思再复述：
想象你是一个中文科技写作者，精通英文和中文。你的任务是为下文的英文文章撰写流畅、自然的中文版本。注意，撰写中文版的时候确保不要遗漏英文版原文中的任何信息。为了使得中文版本符合中文读者的阅读习惯，请不要使用翻译的方式，首先思考英文文章所属的领域、句式等因素，列出详细的针对该文章的中文版撰写指南，然后根据指南，以复述(rephrase)的方式开始撰写。英文文章如下：{{贴上英文文章}}
我在 Claude 3.5 上试过不少文章，效果很不错。
P.S. 文章来源是吴恩达 (Andrew Ng) 教授主理的一个 AI 周报，分享他对于 AI 的思考和洞察。
上一期：m.okjike.com
本期原文：www.deeplearning.ai
决定不再更新 The Batch 系列的翻译。去年差不多这个时候，决定开始翻译这个系列。一方面是因为想体验生成式 AI 的能力，一方面是因为生成式 AI 翻译得还不够好，哪怕是分段翻译，仍然需要逐行校对以便提升阅读流畅性。
随着模型能力的增强，现在生成式 AI 已经能把翻译做得很好了，即使一次直接翻译 1000 字左右的文章，其阅读流畅性也很高，对于获取信息而言足够了。
这里附上我用的一个提示词，就是简单的先对文章做反思再复述：
想象你是一个中文科技写作者，精通英文和中文。你的任务是为下文的英文文章撰写流畅、自然的中文版本。注意，撰写中文版的时候确保不要遗漏英文版原文中的任何信息。为了使得中文版本符合中文读者的阅读习惯，请不要使用翻译的方式，首先思考英文文章所属的领域、句式等因素，列出详细的针对该文章的中文版撰写指南，然后根据指南，以复述(rephrase)的方式开始撰写。英文文章如下：{{贴上英文文章}}
我在 Claude 3.5 上试过不少文章，效果很不错。
P.S. 文章来源是吴恩达 (Andrew Ng) 教授主理的一个 AI 周报，分享他对于 AI 的思考和洞察。
上一期：m.okjike.com
本期原文：www.deeplearning.ai
3 00
(The Batch 翻译) 主题：AI 能力的「涌现」可以看作是一个渐进的过程
P.S. 文章来源是吴恩达 (Andrew Ng) 教授主理的一个 AI 周报，分享他对于 AI 的思考和洞察。
上一期：m.okjike.com
本期原文：www.deeplearning.ai
P.S. 文章来源是吴恩达 (Andrew Ng) 教授主理的一个 AI 周报，分享他对于 AI 的思考和洞察。
上一期：m.okjike.com
本期原文：www.deeplearning.ai
1 00
(The Batch 翻译) 主题：韩国在 AI 领域极具潜力的原因
P.S. 文章来源是吴恩达 (Andrew Ng) 教授主理的一个 AI 周报，分享他对于 AI 的思考和洞察。
上一期：m.okjike.com
本期原文：www.deeplearning.ai
P.S. 文章来源是吴恩达 (Andrew Ng) 教授主理的一个 AI 周报，分享他对于 AI 的思考和洞察。
上一期：m.okjike.com
本期原文：www.deeplearning.ai
2 00
(The Batch 翻译) 主题：AI 模型的成本持续下降，为应用开发带来新机遇
P.S. 文章来源是吴恩达 (Andrew Ng) 教授主理的一个 AI 周报，分享他对于 AI 的思考和洞察。
上一期：m.okjike.com
本期原文：www.deeplearning.ai
P.S. 文章来源是吴恩达 (Andrew Ng) 教授主理的一个 AI 周报，分享他对于 AI 的思考和洞察。
上一期：m.okjike.com
本期原文：www.deeplearning.ai
4 00
用 ChatGPT 辅助学微积分。
最近需要学习一些基础的微积分，但我现在已经连函数求导的定义都说不出来了。没办法，只能想想怎么解决。
在学一个大学的视频课程，碰到的最主要的问题就是老师在讲课的时候，很多情况下是预设有些公理、公式是不需要讲解的，是学生早就应该掌握了的。比如，用链式法则来简化函数。
的确，当时坐在台下的大学生是知道的，也应该知道。但坐在电脑前的我只能皱着眉头，眯着眼睛，歪着头，脑海里全是问号。
“这个函数怎么就变成那样了？这个 1 是从哪里来的呀？......”
学习的时候虽然很受挫，但我还是故作镇定：没事没事，等下我能用 ChatGPT 搞懂的。
就目前的体验来看，确实可行。为此，我设计了一个两步的方案：
1. 让 ChatGPT 复述概念 (What)、概念的应用场景 (When)，并给出简单的例子 (How)
2. 让 ChatGPT 把我正在学习的视频中的题目重新做一遍
第 1 步相当于复习。其好处在于 ChatGPT 这样的 AI 的复述 (rephrase) 能力太强了，可以设置语言难度，比如中学生能听懂的语言；还可以在复述的时候配合各种例子 (这些例子同样可以指定一下难度)。
换句话说，我们可以指定 AI 以我们习惯的阅读/理解方式来进行复述。复述还有很多其他用途，尤其读比较艰深的论文的时候，下次有时间再详细展开一下。
效果参考图一。具体的提示词可能每次写的有点不一样，但思路是一样的。
第 2 步则是为了解决视频课程中没听懂的地方。这时候，ChatGPT 的引用功能就能派上大用场了。引用功能指的是可以选中 ChatGPT 回答内容中的片段，然后基于选中的片段来让 ChatGPT 回答。
平时这个功能没那么常用，是因为通常情况下，我们可以很方便地直接使用自然语言来指代我们想要引用的内容。比如“你上面说的 XXX 是什么意思？”
但在数学里，如果我有一个步骤没搞懂，或者一个步骤中的某一项没搞懂，用自然语言来指代数学内容就要麻烦的多。选中内容直接引用就非常方便。
当 ChatGPT 把题目做完以后，我会对照一下视频中的答案，以确定 ChatGPT 没有胡乱做题 (目前来看，还没碰到 ChatGPT 把题做错的情况)。然后就是一块一块的选中进行提问了。
效果参考图二、图三。
写到这里，我想起了 Salman Khan 的新书《Brave New Words》的一个小细节。它的二级标题是 How AI Will Revolutionize Education (and Why That's a Good Thing)。也就是说已经不是在讨论能不能了，而是具体会如何改变了。言外之意，就是 AI 已经具备这样的能力了。
对于我来说，已经不是信不信的问题了，而是我已经切身地感受到了。
最近需要学习一些基础的微积分，但我现在已经连函数求导的定义都说不出来了。没办法，只能想想怎么解决。
在学一个大学的视频课程，碰到的最主要的问题就是老师在讲课的时候，很多情况下是预设有些公理、公式是不需要讲解的，是学生早就应该掌握了的。比如，用链式法则来简化函数。
的确，当时坐在台下的大学生是知道的，也应该知道。但坐在电脑前的我只能皱着眉头，眯着眼睛，歪着头，脑海里全是问号。
“这个函数怎么就变成那样了？这个 1 是从哪里来的呀？......”
学习的时候虽然很受挫，但我还是故作镇定：没事没事，等下我能用 ChatGPT 搞懂的。
就目前的体验来看，确实可行。为此，我设计了一个两步的方案：
1. 让 ChatGPT 复述概念 (What)、概念的应用场景 (When)，并给出简单的例子 (How)
2. 让 ChatGPT 把我正在学习的视频中的题目重新做一遍
第 1 步相当于复习。其好处在于 ChatGPT 这样的 AI 的复述 (rephrase) 能力太强了，可以设置语言难度，比如中学生能听懂的语言；还可以在复述的时候配合各种例子 (这些例子同样可以指定一下难度)。
换句话说，我们可以指定 AI 以我们习惯的阅读/理解方式来进行复述。复述还有很多其他用途，尤其读比较艰深的论文的时候，下次有时间再详细展开一下。
效果参考图一。具体的提示词可能每次写的有点不一样，但思路是一样的。
第 2 步则是为了解决视频课程中没听懂的地方。这时候，ChatGPT 的引用功能就能派上大用场了。引用功能指的是可以选中 ChatGPT 回答内容中的片段，然后基于选中的片段来让 ChatGPT 回答。
平时这个功能没那么常用，是因为通常情况下，我们可以很方便地直接使用自然语言来指代我们想要引用的内容。比如“你上面说的 XXX 是什么意思？”
但在数学里，如果我有一个步骤没搞懂，或者一个步骤中的某一项没搞懂，用自然语言来指代数学内容就要麻烦的多。选中内容直接引用就非常方便。
当 ChatGPT 把题目做完以后，我会对照一下视频中的答案，以确定 ChatGPT 没有胡乱做题 (目前来看，还没碰到 ChatGPT 把题做错的情况)。然后就是一块一块的选中进行提问了。
效果参考图二、图三。
写到这里，我想起了 Salman Khan 的新书《Brave New Words》的一个小细节。它的二级标题是 How AI Will Revolutionize Education (and Why That's a Good Thing)。也就是说已经不是在讨论能不能了，而是具体会如何改变了。言外之意，就是 AI 已经具备这样的能力了。
对于我来说，已经不是信不信的问题了，而是我已经切身地感受到了。
5 00
(The Batch 翻译) 主题：监管 AI 应用而不是 AI 技术本身。DEFIANCE 法案开了一个好头
P.S. 文章来源是吴恩达 (Andrew Ng) 教授主理的一个 AI 周报，分享他对于 AI 的思考和洞察。
上一期：m.okjike.com
本期原文：www.deeplearning.ai
P.S. 文章来源是吴恩达 (Andrew Ng) 教授主理的一个 AI 周报，分享他对于 AI 的思考和洞察。
上一期：m.okjike.com
本期原文：www.deeplearning.ai
0 00
(The Batch 翻译) 主题：人工智能浪潮下的后起之秀：泰国的 AI 发展启示
P.S. 文章来源是吴恩达 (Andrew Ng) 教授主理的一个 AI 周报，分享他对于 AI 的思考和洞察。
上一期：m.okjike.com
本期原文：www.deeplearning.ai
P.S. 文章来源是吴恩达 (Andrew Ng) 教授主理的一个 AI 周报，分享他对于 AI 的思考和洞察。
上一期：m.okjike.com
本期原文：www.deeplearning.ai
1 00
AI 如何会激发教育领域的变革？
这句话其实是 Salman Khan 的新书的标题——《Brave New Words: How AI Will Revolutionize Education》。
约 20 年前，Salman 从辅导自己的侄子们数学开始，借助 YouTube 发布了一系列教学视频，这些教学视频影响了无数人。再到后来创立非营利性组织 Khan Academy，致力于为所有人提供一流的免费教育资源。所以，如果一个人愿意学习，那么可以几乎无成本的访问到一流的教育资源，这是多么好的一件事啊。
所以，我很想知道 Salman 怎么看生成式 AI 对于教育领域可能带来的影响。在读这本书之前，我先预设了几个问题，也就是说假设 Salman 坐在我对面，我希望问他什么。我的几个问题如下：
1. 教育领域里面临的最棘手的问题是什么？
2. AI 已经发展几十年了，为什么一直不能很好的解决这个棘手的问题？
3. 为什么基于大语言模型的生成式 AI 可能可以解决？
在 GPT-4 正式对外发布前几个月，OpenAI 就已经找到了 Salman，希望探索 AI 是否能在教育领域里大有可为。让我感到惊讶的是，Salman 其实一开始并不看好 GPT 这种 AI 能在教育领域里有什么显著的实际用途。直到经过整个团队疯狂地使用 GPT-4 做头脑风暴、角色扮演、题目讲解之后，Salman 才意识到 GPT-4 及后续更新的模型真的可能会是教育领域的 game-changer.
对于第一个问题，教育领域最棘手的问题简单说就是优质教育资源的稀缺问题。每个人能获得的教育资源是不一样的。
造成这种情况的原因很复杂，基础教育设施、教师素质和数量、家庭对教育的重视程度、教育体系等都是影响教育的因素。我想，教育问题首先是一个经济问题。无论是基础设施建设还是对于教师的培养，亦或是家庭对于教育的支出，都是实打实的经济账。经济发展较为落后的地区，通常难以提供优质的教育资源。
作者在书中举了一个例子。在印度有些学校里，有很多老师经常不去学校上课，而能保持出勤的老师很多又缺乏必要的教学训练。经济问题对应到个体上，就是很多低收入的家庭通常选择让孩子早早辍学，进入社会早点挣钱补贴家用。有些家庭是因为没有意识到教育的重要性，有些则是负担不起教育的经济支出。
如果访问优质教育资源的成本变低，或者换一种说法，如果有一种和常规的教育模式不一样的方式同样能接触到优质的教育资源，是不是就给更多的人提供了选择的机会？
书中有一个例子，一个在阿富汗长大的女孩 Sola，从小不被允许上学，但靠着 Khan Academy 自学化学、物理、微积分等学科，最终一步步实现了自己的理想，成为了一名量子计算研究员。
这就是很好的一个例子。显然，Khan Academy 提供了一种和常规的教育模式不一样的方式，一种给了更多的人能接触到优质教育资源的方式。但这还不够，因为这需要学习者有极强的驱动力和自我管理能力。
第二个问题，AI 发展了这么多年，也已经有很多应用悄无声息地融入到了我们的生活中，比如人脸识别、OCR 等。为什么对教育的改变没有那么剧烈？
因为学习是一个很复杂的事情。优质的学习资源是基础，但学习过程中的枯燥、沮丧、困惑、不解、鼓励、陪伴，这些无一不都影响着学习的进度和效果，尤其是对于心智尚未成熟的未成年人来说。但 AI 在这方面能做的比较有限。
Khan 在书中提到，最好的教育模式可能是亚里士多德和亚历山大那样一对一的导师制。核心原因在于亚里士多德对亚历山大能真正的做到因材施教。亚历山大有困惑时随时能够获得解答，有进展时能收获鼓励，没准有空的时候，还能分一瓶酒，谈天说地。学习中的优质学习资源有了，因为亚里士多德自己就是行走的知识库；学习过程中的陪伴、鼓励、解惑也都有了。
那为什么基于大语言模型的生成式 AI 可能带来剧烈的变革？
亚里士多德和亚历山大那样的一对一导师制模式非常好，但成本太高，注定无法让绝大多数人获得类似的教育模式。生成式 AI 的出现，则初步具备了让每个人以较低的成本拥有一个自己的“亚里士多德”的可能性。因为 AI 已经具备超越任何人的知识量，具备理解人的意图进行推理并自然地和人对话的能力。
这本书读完还是很感慨。的确互联网上能找到足够多的优质资料来学习特定的主题，但学习过程还是相对枯燥的。未来如果能实现每个人都有自己的 AI 亚里士多德 Tutor，那将会是多么美妙的体验啊。
这句话其实是 Salman Khan 的新书的标题——《Brave New Words: How AI Will Revolutionize Education》。
约 20 年前，Salman 从辅导自己的侄子们数学开始，借助 YouTube 发布了一系列教学视频，这些教学视频影响了无数人。再到后来创立非营利性组织 Khan Academy，致力于为所有人提供一流的免费教育资源。所以，如果一个人愿意学习，那么可以几乎无成本的访问到一流的教育资源，这是多么好的一件事啊。
所以，我很想知道 Salman 怎么看生成式 AI 对于教育领域可能带来的影响。在读这本书之前，我先预设了几个问题，也就是说假设 Salman 坐在我对面，我希望问他什么。我的几个问题如下：
1. 教育领域里面临的最棘手的问题是什么？
2. AI 已经发展几十年了，为什么一直不能很好的解决这个棘手的问题？
3. 为什么基于大语言模型的生成式 AI 可能可以解决？
在 GPT-4 正式对外发布前几个月，OpenAI 就已经找到了 Salman，希望探索 AI 是否能在教育领域里大有可为。让我感到惊讶的是，Salman 其实一开始并不看好 GPT 这种 AI 能在教育领域里有什么显著的实际用途。直到经过整个团队疯狂地使用 GPT-4 做头脑风暴、角色扮演、题目讲解之后，Salman 才意识到 GPT-4 及后续更新的模型真的可能会是教育领域的 game-changer.
对于第一个问题，教育领域最棘手的问题简单说就是优质教育资源的稀缺问题。每个人能获得的教育资源是不一样的。
造成这种情况的原因很复杂，基础教育设施、教师素质和数量、家庭对教育的重视程度、教育体系等都是影响教育的因素。我想，教育问题首先是一个经济问题。无论是基础设施建设还是对于教师的培养，亦或是家庭对于教育的支出，都是实打实的经济账。经济发展较为落后的地区，通常难以提供优质的教育资源。
作者在书中举了一个例子。在印度有些学校里，有很多老师经常不去学校上课，而能保持出勤的老师很多又缺乏必要的教学训练。经济问题对应到个体上，就是很多低收入的家庭通常选择让孩子早早辍学，进入社会早点挣钱补贴家用。有些家庭是因为没有意识到教育的重要性，有些则是负担不起教育的经济支出。
如果访问优质教育资源的成本变低，或者换一种说法，如果有一种和常规的教育模式不一样的方式同样能接触到优质的教育资源，是不是就给更多的人提供了选择的机会？
书中有一个例子，一个在阿富汗长大的女孩 Sola，从小不被允许上学，但靠着 Khan Academy 自学化学、物理、微积分等学科，最终一步步实现了自己的理想，成为了一名量子计算研究员。
这就是很好的一个例子。显然，Khan Academy 提供了一种和常规的教育模式不一样的方式，一种给了更多的人能接触到优质教育资源的方式。但这还不够，因为这需要学习者有极强的驱动力和自我管理能力。
第二个问题，AI 发展了这么多年，也已经有很多应用悄无声息地融入到了我们的生活中，比如人脸识别、OCR 等。为什么对教育的改变没有那么剧烈？
因为学习是一个很复杂的事情。优质的学习资源是基础，但学习过程中的枯燥、沮丧、困惑、不解、鼓励、陪伴，这些无一不都影响着学习的进度和效果，尤其是对于心智尚未成熟的未成年人来说。但 AI 在这方面能做的比较有限。
Khan 在书中提到，最好的教育模式可能是亚里士多德和亚历山大那样一对一的导师制。核心原因在于亚里士多德对亚历山大能真正的做到因材施教。亚历山大有困惑时随时能够获得解答，有进展时能收获鼓励，没准有空的时候，还能分一瓶酒，谈天说地。学习中的优质学习资源有了，因为亚里士多德自己就是行走的知识库；学习过程中的陪伴、鼓励、解惑也都有了。
那为什么基于大语言模型的生成式 AI 可能带来剧烈的变革？
亚里士多德和亚历山大那样的一对一导师制模式非常好，但成本太高，注定无法让绝大多数人获得类似的教育模式。生成式 AI 的出现，则初步具备了让每个人以较低的成本拥有一个自己的“亚里士多德”的可能性。因为 AI 已经具备超越任何人的知识量，具备理解人的意图进行推理并自然地和人对话的能力。
这本书读完还是很感慨。的确互联网上能找到足够多的优质资料来学习特定的主题，但学习过程还是相对枯燥的。未来如果能实现每个人都有自己的 AI 亚里士多德 Tutor，那将会是多么美妙的体验啊。
4 00
(The Batch 翻译) 主题：(2024-08-07) 学习编程比任何以往都更重要，也更容易了
AI Python for Beginners: www.deeplearning.ai
P.S. 文章来源是吴恩达 (Andrew Ng) 教授主理的一个 AI 周报，分享他对于 AI 的思考和洞察。
上一期：m.okjike.com
本期原文：www.deeplearning.ai
AI Python for Beginners: www.deeplearning.ai
P.S. 文章来源是吴恩达 (Andrew Ng) 教授主理的一个 AI 周报，分享他对于 AI 的思考和洞察。
上一期：m.okjike.com
本期原文：www.deeplearning.ai
1 00
(The Batch 翻译) 主题：AI 创业公司进行产品头脑风暴的最佳实践
P.S. 文章来源是吴恩达 (Andrew Ng) 教授主理的一个 AI 周报，分享他对于 AI 的思考和洞察。
上一期：m.okjike.com
本期原文：www.deeplearning.ai
P.S. 文章来源是吴恩达 (Andrew Ng) 教授主理的一个 AI 周报，分享他对于 AI 的思考和洞察。
上一期：m.okjike.com
本期原文：www.deeplearning.ai
0 11