Loading video...

Video Failed to Load

Go Home

Rationale是我司推出的一款专为管理者和决策者打造的分析成效工具,它集成了最新的GPT3.x和上下文学习(in-context learning)技术,能够快速生成Pros & Cons和SWOT分析报告,帮助管理者和个人做出明智的决策。 Michael Anti

149,353 views • 3 years ago •via X (Twitter)

10 Comments

orange.ai's profile picture
orange.ai3 years ago

@mranti 这个工具在填写了一些公司规模等问题后,输出的决策明显地更有参考价值了,可见在这里用了功夫。

Aaron.Tao's profile picture
Aaron.Tao3 years ago

@mranti @readwise save

jerry.ton 💎's profile picture
jerry.ton 💎3 years ago

@mranti @readwise save

Pilaf / ピラフ's profile picture
Pilaf / ピラフ3 years ago

@mranti @tw_sator

foley's profile picture
foley3 years ago

@mranti 好像没法注册?

Malcolm Ke Win(已fo者邀fo我必允fo)'s profile picture
Malcolm Ke Win(已fo者邀fo我必允fo)3 years ago

@yetone @mranti 哈哈, 这是用来搞笑的吧, 其实 chatgpt 先来 陪老人 聊聊天 搞搞笑 就是很 实际的用途 @_:Rationale…集成了最新的GPT3.x和上下文学习(in-context learning)技术,能够快速生成Pros & Cons和SWOT分析报告,帮助管理者和个人做出明智的决策。

thejoven - ElizaOS's profile picture
thejoven - ElizaOS3 years ago

@oran_ge @mranti @posttonotion #tweet

Midas's profile picture
Midas3 years ago

@mranti 现在都开始遇事不决问AI了吗?

刘江/LIU Jiang's profile picture
刘江/LIU Jiang3 years ago

@mranti 视频里面的例子太不好了,“我决定解雇大部分员工……”😱

Jim's profile picture
Jim3 years ago

@mranti @readwise save

Related Videos

生成式 AI 入门教程 2 - 什么是生成式 AI - 原理和指南 欢迎来到我们的课程,今天我们将深入了解生成式人工智能(AI)的奥秘。生成式 AI 是当前 AI 领域中最为重要的工具之一,它展示了令人惊叹的文本生成能力,如 ChatGPT 和 Bard 等系统。本视频将向你介绍生成式 AI 的工作原理,并告诉你在哪些情况下最好谨慎使用它。我们还将对比监督学习和生成式 AI,帮助你更好地理解这一领域。 在人工智能的各个领域中,监督学习和生成式 AI 是最为重要的工具。我们将通过实例解释监督学习的概念,并展示它在广告、自动驾驶汽车、医疗和语音识别等领域的应用。随后,我们将介绍大规模监督学习在过去十年中的发展,以及它如何为生成式 AI 的崛起打下基础。 🚀 课程亮点: 详细介绍生成式人工智能及其工作原理。 对比监督学习和生成式 AI,展示它们在实际应用中的不同。 提供实际例子,帮助你更好地理解和应用这些概念。 🔥 你将学到: 生成式人工智能的定义和应用 监督学习和生成式 AI 的区别和联系 如何在实际情境中应用这些工具 🌐 课程内容: 生成式 AI 和监督学习的基本原理 大规模监督学习的发展历程 生成式 AI 在文本生成中的应用 📚 学习建议: 关注课程中提到的实际应用例子,以更好地理解理论知识。 在学习过程中不断提问和实践,以加深理解。 整理课程中的关键点,并尝试将其应用到你自己的项目中。 🔗 相关链接: 课程地址: 油管播放列表: B站播放列表:

宝玉

80,630 views • 2 years ago

2024 Inclusion·外滩大会在上海开幕,著名未来学家凯文·凯利在开幕主论坛上发表演讲:当人工智能深刻影响经济和文化时,将涌现三大趋势! 非常值得观看,强烈推荐! AI时代三大趋势: • 全球主义: • 全球正在共同构建一个基于技术的“超级有机体”,将全球的设备连接成巨大的计算系统,所有数字技术包括人工智能都运行在这个新平台上。 • 全球主义推进推动了新兴的全球文化,人们的生活方式和穿着逐渐趋同,底层需求达成一致。 • 人工智能将实现真正的“实时翻译”,打破全球语言障碍,加上增强现实(VR)技术,全球化“劳动力”将第一次出现。 • 创新加速: • AI技术加速了创新的步伐,体现在新发明和新思想传播速度加快,通过增强现实(AR)和虚拟现实(VR)技术提高学习效率,AI通过机器及其他传感器感知世界,以及ChatGPT等人工智能工具加快人们学习速度。 • 当答案易得时,提出正确问题和掌握正确思维方式变得更有价值,“学会如何学习”将成为未来毕业生的核心技能。 • AI驱动生成: • 人工智能能帮助人们摆脱机械、枯燥的工作,完成无法独立完成的任务,甚至生成超乎人类想象的全新事物。 • 人工智能系统正在生成新事物且不断完善,人工智能是多样的,将填补许多智能领域。 • 从人工智能工具中获益最多的是表现一般或较差的员工,人工智能工具能帮助他们更好地完成工作。 • 回答中国网友提问: • 对于人工智能是不是人类的下一个进化阶段,凯文·凯利给出肯定答案,认为其重要性不亚于火、印刷术和工业革命,但实现需要至少一个世纪甚至更长时间,人类正在通过人工智能重塑文明,创造人造“外星人”并引入新思想和文化。 • 为确保人工智能带来有益未来且不加剧不平等,应利用技术引导其发展,推动其开源化,形成更具包容性的技术生态系统。 • 未来几乎所有工作都会使用人工智能,但不会被完全取代。

小互

120,692 views • 1 year ago

GTC 2024:黄仁勋与七位 Transformer 论文作者圆桌会谈中英文字幕 在今年的GTC大会上,英伟达的黄仁勋以一种充满仪式感的方式邀请了Transformer的七位作者(Niki Parmar因故临时未能出席)参与圆桌论坛的讨论,这是七位作者首次在公开场合集体亮相。 他们在对话中也表达了一些令人印象深刻的观点: 1. 计算成本的降低和加速计算的兴起 在个人电脑革命的 20 年里,计算成本降低了 10000 倍,这是一个史无前例的成就。然而,计算成本的急剧下降在某个时刻停止了。为了继续推动计算能力的发展,加速计算应运而生。加速计算虽然具有挑战性,但通过加速那占据 99% 运行时间的 1% 代码,许多看似不可能的事情将变为可能。 2. 人工智能技术的突破和生成式 AI 的潜力 AlexNet 的出现标志着人工智能与 GPU 加速计算的首次结合,引发了人们对 AI 领域的广泛关注。随后,生成式 AI 的出现让人们看到了 AI 技术的巨大潜力。生成式 AI 不仅可以识别图像,还可以根据文本描述生成相应的图像,这种对数据的理解和生成能力,预示着一场新的工业革命的开始。这场革命将诞生前所未有的产品和服务,并对各行各业产生深远的影响。 3. Transformer 的诞生与自然语言处理的变革 Transformer 的发明者们分享了他们的研究动机和创新历程。最初,他们希望建立一个能够处理海量自然语言数据的高效模型。Transformer 独特的自注意力机制和并行处理能力,使其能够在各种自然语言任务上取得突破性的进展。同时,Transformer 的通用性也让研究者们意识到,它不仅适用于语言,还可以扩展到图像、音频等多个领域,这为人工智能的发展开辟了新的道路。 4. AI 创业公司的使命和愿景 随着人工智能技术的不断进步,许多 Transformer 的发明者选择离开大公司,创立了自己的 AI 公司。他们的目标是将这项变革性的技术带给更多人,让 AI 惠及各行各业。有的公司致力于创建通用的 AI 平台,有的专注于特定领域,如生物医学或金融。但他们的共同愿景是,通过人工智能来解决现实世界的问题,改善人类的生活。这些 AI 创业公司的努力,将加速人工智能技术的发展和应用。 5. 人工智能未来的发展方向 对话中,专家们对人工智能未来的发展方向进行了展望。他们认为,未来的重点将是提高模型的推理能力和常识理解。同时,高质量的数据和人机交互也至关重要。研究者们期望通过构建更高效、更通用的模型,让 AI 能够从更少的数据中学习,并具备类似人类的思考和问题解决能力。此外,将 AI 与其他领域如生物学、金融等结合,将释放出更大的潜力。

宝玉

54,522 views • 2 years ago

做数据分析的人应该都懂那种崩溃感: Excel 一开就卡、SQL 跑半天、模型调参像瞎猜、报告一写就是一下午。 更别说很多人本职工作也不是“数据科学家”,但又不得不啃一堆 CSV、报表和图表。 这两天看到人民大学 RUC Datalab 开源的DeepAnalyze,有点眼前一亮。 它不是那种“帮你写点分析文案”的 AI,而是想做一个真正的「AI 数据分析师」: 能读 Excel/CSV/JSON/TXT,自己规划步骤、清洗数据、建模、画图、最后给你一份完整报告。 甚至还能把推理链(reasoning trace)展示出来,让你看到它是怎么一步步想出来的。 我自己最有感觉的点有几个: 以前 ChatGPT 更像“写稿子、写代码”的助手,但对数据本身不够“懂”; DeepAnalyze 直接把这一块补上了,做到“从数据到报告”的全流程; 对普通人来说,可能第一次有机会把“专业的数据分析能力”当成一个工具来用,而不是一门必须自己啃几年的技能。 当然,它现在肯定还不完美,落地也需要折腾环境、准备数据。 但这个方向我很看好: AI 帮你做繁琐的统计和建模,人类负责问好问题、选好指标、做最后决策。 数据分析不再是少数人的特权,而是变成人人可用的一种“智能能力”。 简单说: 过去是「你学会数据分析再去用工具」, 以后可能是「你先有一个 AI 数据分析师,再慢慢学会怎么问对问题」。

sitin

15,309 views • 9 months ago