跨越文化鸿沟，实现通用人工智能（AGI）的真正挑战
目前大部分做基础模型的人都认为只要算力足够，数据足够 AGI 就能实现， 简单来说就是量变导致质变。 但事情远比这条第一性原则复杂， 一个简单的例子就是牛顿三定律确立了这么长时间我们人类也没能登上火星。 所以说原理是原理，落实到具体的项目上， 还有很复杂的工程问题需要解决。
文章
关于科技、设计、商业、生活的一些分享
从 Sora 到通用世界模型，有人期待有人措手不及
随着 OpenAI Sora的发布， 人工智能再次迎来了一波巨大流量，尽管服务还未正式开放，相关域名已被抢注， 国内出现了大量Sora课程， 部分人又一次率先实现了盈利。 现代信息技术发展之迅速以至于很多人都处于一种焦虑之中，特别是当一项技术的辐射范围持续扩大，程度不断加深，而这项技术又像黑盒子一样，看不清猜不透， 其导致的焦虑情绪会越发严重。
在国内低成本无障碍使用 Gemini Pro
Google 的 Gemini Pro 有着超越 GPT-3.5 的性能表现， 最重要的是还免费。利用腾讯云的云函数搭建中转服务使我们可以在国内正常访问 Gemini Pro。 搭配 5ire 客户端， 你就有了一个免费的大模型助手。
AI 工程师的崛起
头部企业如OpenAI、微软、谷歌会垄断稀缺的机器学习研究人才和GPU等资源，并通过开源和API释放出“基础模型”的能力。市场对AI技术的需求将催生出AI工程师这一新兴工程职位。与机器学习工程师不同，AI工程师不需要了解机器学习技术，不需要做模型训练，AI工程师要掌握的是各种“基础模型”的能力以及如何充分利用这些能力打造出用户需要的产品。