gitweixin
  • 首页
  • 小程序代码
    • 资讯读书
    • 工具类
    • O2O
    • 地图定位
    • 社交
    • 行业软件
    • 电商类
    • 互联网类
    • 企业类
    • UI控件
  • 大数据开发
    • Hadoop
    • Spark
    • Hbase
    • Elasticsearch
    • Kafka
    • Flink
    • 数据仓库
    • 数据挖掘
    • flume
    • Kafka
    • Hive
    • shardingsphere
    • solr
  • 开发博客
    • Android
    • php
    • python
    • 运维
    • 技术架构
    • 数据库
  • 程序员网赚
  • bug清单
  • 量化投资
  • 在线查询工具
    • 去行号
    • 在线时间戳转换工具
    • 免费图片批量修改尺寸在线工具
    • SVG转JPG在线工具

标签归档AIGC

精品微信小程序开发门户,代码全部亲测可用

  • 首页   /  
  • 标签: "AIGC"
chatgpt 4月 3,2023

开始使用 Azure OpenAI

现代机器学习和 AI 研究已从实验室迅速转移到我们的 IDE,Azure 的认知服务等工具提供了对预训练模型的基于 API 的访问。提供人工智能服务有许多不同的方法,其中一种更有前途的处理语言的方法是一种称为生成预训练或 GPT 的技术,它可以处理大量文本。
OpenAI 研究实验室率先采用了这项技术,并于 2018 年发表了关于该主题的第一篇论文。它使用的模型经过了多次迭代,从无监督 GPT-2 开始,它使用未标记的数据来模仿人类。 GPT-2 建立在 40GB 的公共互联网内容之上,需要大量训练才能提供具有 15 亿个参数的模型。紧随其后的是 GPT-3,这是一个拥有 1750 亿个参数的更大模型。 GPT-3 独家授权给 Microsoft,是 GitHub Copilot 使用的以编程代码为中心的 Codex 和图像生成 DALL-E 等工具的基础。
像 GPT-3 这样的模型需要大量的计算和内存,大约为数千 petaflop/s-days,它是在专用超级计算机硬件上进行基于云的高性能计算的理想候选者。微软在 Azure 上构建了自己的基于 Nvidia 的超级计算服务器,其云实例出现在 TOP500 超级计算列表中。 Azure 的 AI 服务器围绕 Nvidia Ampere A12000 Tensor Core GPU 构建,通过高速 InfiniBand 网络互连。
OpenAI 的生成式 AI 工具已在 Azure 服务器上构建和训练。作为 OpenAI 和微软之间长期交易的一部分,OpenAI 的工具作为 Azure 的一部分提供,具有 Azure 特定的 API 并与 Azure 的计费服务集成。经过一段时间的私人预览后,Azure OpenAI API 套件现已普遍可用,支持 GPT-3 文本生成和 Codex 代码模型。微软表示将在未来的更新中添加 DALL-E 图像生成。
这并不意味着任何人都可以构建使用 GPT-3 的应用程序;微软仍在限制访问,以确保项目符合其道德人工智能使用政策,并严格限定在特定用例范围内。您还需要成为 Microsoft 的直接客户才能访问 Azure OpenAI。 Microsoft 使用类似的过程来访问其受限访问认知服务,其中可能存在冒充或侵犯隐私的情况。
这些政策可能会保持严格,而某些领域(例如医疗服务)可能需要额外保护才能满足监管要求。微软自己在 AI 语言模型方面的经验给它上了一课,它不想重蹈覆辙。作为附加保护,输入和输出上有内容过滤器,并向 Microsoft 和开发人员发出警报。
一旦你的帐户被批准使用 Azure OpenAI,你就可以开始构建使用其 API 端点的代码。可以从门户、Azure CLI 或 Arm 模板创建适当的 Azure 资源。如果您使用的是 Azure 门户,请创建分配给您的帐户的资源以及您打算用于您的应用程序和任何关联的 Azure 服务和基础结构的资源组。接下来,为资源命名并选择定价层。目前,只有一种定价选项,但随着微软推出新的服务等级,这种情况可能会发生变化。
有了资源,你现在可以使用 Azure OpenAI Studio 部署模型。这是您使用 OpenAI 完成大部分工作的地方。目前,您可以在 GPT-3 系列模型的成员之间进行选择,包括基于代码的 Codex。其他模型使用嵌入,为搜索优化的复杂语义信息。
在每个系列中,都有一组不同的模型,其名称同时表明了成本和能力。如果你使用 GPT-3,Ada 是成本最低且能力最差的,而 Davinci 是最高的。每个模型都是前一个模型的超集,因此随着任务变得越来越复杂,您无需更改代码,只需选择不同的模型即可。有趣的是,Microsoft 建议在设计基于 OpenAI 的应用程序时从功能最强大的模型开始,因为这可以让您在投入生产时调整基础模型的价格和性能。
尽管 GPT-3 的文本完成功能已经流行起来,但实际上您的应用程序需要更加关注您的特定用例。您不希望 GPT-3 为定期提供无关建议的支持服务提供支持。您必须使用带有输入和所需输出的训练示例构建自定义模型,Azure OpenAI 将其称为“完成”。拥有大量训练数据很重要,Microsoft 建议使用数百个示例。您可以将所有提示和完成内容包含在一个 JSON 文件中,以简化训练数据的管理。
自定义模型到位后,您可以使用 Azure OpenAI Studio 来测试 GPT-3 如何适用于您的场景。一个基本的 playground 可以让你看到模型如何响应特定的提示,一个基本的控制台应用程序可以让你输入一个提示并返回一个 OpenAI 完成。微软将构建良好的提示描述为“显示,不要告诉”,这表明提示需要尽可能明确以获得最佳输出。 playground 还有助于训练您的模型,因此如果您正在构建分类器,您可以在提供输入和触发以获得响应之前提供文本和预期输出列表。
playground 的一个有用功能是能够尽早设置意图和预期行为,因此如果您使用 OpenAI 为帮助台分类工具提供支持,您可以设置输出礼貌和冷静的期望,确保它获胜’模仿愤怒的用户。相同的工具可用于 Codex 模型,因此您可以看到它如何作为代码完成工具或动态助手工作。
准备好开始编码后,您可以直接或与 OpenAI Python 库一起使用部署的 REST 端点。后者可能是您获得实时代码的最快途径。您需要端点 URL、身份验证密钥和部署名称。一旦你有了这些,为你的代码设置适当的环境变量。与往常一样,在生产中最好不要对密钥进行硬编码,而是使用 Azure Key Vault 等工具来管理它们。
调用端点非常简单:只需使用 openai.Completion.create 方法获取响应,设置包含提示及其响应所需的最大令牌数。 API 返回的响应对象包含您的模型生成的文本,可以将其提取、格式化,然后供您的其余代码使用。基本调用很简单,您的代码还可以使用其他参数来管理响应。这些控制着模型的创造力以及它如何对其结果进行采样。您可以使用这些参数来确保响应直接且准确。
如果您使用其他语言,请使用其 REST 和 JSON 解析工具。您可以在 Azure OpenAI 文档中找到 API 参考,或利用 Azure 的 GitHub 托管的 Swagger 规范来生成 API 调用并处理返回的数据。这种方法适用于 Visual Studio 等 IDE。
OpenAI 模型的一个关键要素是它们基于代币的定价模型。 Azure OpenAI 中的令牌不是我们熟悉的身份验证令牌;它们是字符串的标记化部分,是使用内部统计模型创建的。 Open AI 在其网站上提供了一个工具来显示字符串是如何标记化的,以帮助您了解您的查询是如何计费的。你可以期望一个标记大约是四个字符的文本,尽管它可以更少也可以更多;然而,它最终应该有 75 个单词,需要大约 100 个标记(大约是一段普通文本)。
模型越复杂,代币的价格就越高。基本型号 Ada 每 1,000 个代币的价格约为 0.0004 美元,高端 Davinci 为 0.02 美元。如果您应用自己的调整,则会产生存储成本,如果您使用嵌入,则由于计算需求增加,成本可能会高出一个数量级。微调模型需要支付额外费用,起价为每计算小时 20 美元。 Azure 网站提供样本价格,但实际价格可能会有所不同,具体取决于您的组织与 Microsoft 的帐户关系。
也许 Azure OpenAIclo 最令人惊讶的地方在于它的简单性。当您使用预建模型(可以进行一些微调)时,您需要做的就是应用一些基本的预训练,了解提示如何生成输出,并将工具链接到您的代码,随时生成文本内容或代码这是需要的。

作者 east
人工智能 4月 3,2023

什么是生成式人工智能?人工智能的演变

生成式 AI 是任何一种使用算法来生成、操作或合成数据的自动化过程的总称,通常以图像或人类可读文本的形式出现。之所以称为生成式,是因为 AI 创造了以前不存在的东西。这就是它与判别式 AI 的不同之处,判别式 AI 会区分不同类型的输入。换句话说,有辨别力的人工智能试图回答这样的问题:“这张图片是画兔子还是狮子?”而生成式 AI 会响应诸如“给我画一张狮子和兔子坐在一起的照片”之类的提示。
本文向您介绍生成式 AI 及其在 ChatGPT 和 DALL-E 等流行模型中的用途。我们还将考虑该技术的局限性,包括为什么“太多的手指”已成为人工生成艺术的死胡同。
生成式 AI 已经存在多年,可以说自 1966 年麻省理工学院开发了 ELIZA 以来,ELIZA 是一种模拟与治疗师交谈的聊天机器人。但是随着新的生成式 AI 系统的发布,多年来在 AI 和机器学习方面的工作最近取得了成果.您几乎肯定听说过 ChatGPT,这是一种基于文本的 AI 聊天机器人,可以生成非常像人类的散文。 DALL-E 和 Stable Diffusion 也因其根据文本提示创建生动逼真的图像的能力而备受关注。我们经常将这些系统和其他类似的系统称为模型,因为它们代表了一种尝试,即基于有关现实世界的信息子集(有时是一个非常大的信息子集)来模拟或建模现实世界的某些方面。
这些系统的输出是如此不可思议,以至于许多人都在问关于意识本质的哲学问题——并担心生成人工智能对人类工作的经济影响。但是,尽管所有这些人工智能创造无疑都是大新闻,但可以说,表面之下发生的事情并不像某些人想象的那样。稍后我们将讨论其中一些大问题。首先,让我们看看 ChatGPT 和 DALL-E 等模型的幕后情况。
生成式 AI 使用机器学习来处理大量视觉或文本数据,其中大部分是从互联网上搜集而来的,然后确定哪些事物最有可能出现在其他事物附近。生成式 AI 的大部分编程工作都用于创建算法,这些算法可以区分 AI 的创建者感兴趣的“事物”——ChatGPT 等聊天机器人中的单词和句子,或者 DALL-E 中的视觉元素。但从根本上说,生成式人工智能通过评估其训练所依据的大量数据来创建输出,然后根据该语料库确定的概率范围内的内容来响应提示。
自动完成——当您的手机或 Gmail 提示您输入的单词或句子的剩余部分可能是什么时——是一种低级形式的生成 AI。像 ChatGPT 和 DALL-E 这样的模型只是把这个想法带到了更先进的高度。
开发模型以容纳所有这些数据的过程称为训练。对于不同类型的模型,一些底层技术在这里发挥作用。 ChatGPT 使用所谓的转换器(T 代表什么)。转换器从一长串文本中获取意义,以了解不同的词或语义成分可能如何相互关联,然后确定它们出现在彼此附近的可能性有多大。这些转换器在一个称为预训练(即 Pin ChatGPT)的过程中在大量自然语言文本上无人监督地运行,然后由与模型交互的人类进行微调。
另一种用于训练模型的技术是所谓的生成对抗网络或 GAN。在这种技术中,您有两种相互竞争的算法。一种是根据从大数据集导出的概率生成文本或图像;另一个是有辨别力的人工智能,它经过人类训练,可以评估输出是真实的还是人工智能生成的。生成式 AI 反复尝试“欺骗”判别式 AI,自动适应有利于成功的结果。一旦生成性 AI 持续“赢得”这场比赛,判别性 AI 就会被人类微调,并且这个过程会重新开始。
这里要记住的最重要的事情之一是,虽然在训练过程中有人为干预,但大部分学习和适应都是自动发生的。需要如此多的迭代才能使模型产生有趣的结果,因此自动化是必不可少的。该过程在计算上相当密集。
用于创建和训练生成式 AI 模型的数学和编码非常复杂,远远超出了本文的范围。但是,如果您与作为此过程最终结果的模型进行交互,那么这种体验无疑是不可思议的。您可以让 DALL-E 生产看起来像真正艺术品的东西。您可以与 ChatGPT 进行对话,就像与另一个人对话一样。研究人员真的创造了一台思考机器吗?
从事 Watson AI 产品工作的前 IBM 自然语言处理负责人 Chris Phipps 说不。他将 ChatGPT 描述为“非常好的预测机器”。
Phipps 也是一名喜剧演员,他将游戏与一种名为 Mind Meld 的普通即兴游戏进行了比较。
我们可以向这些 AI 模型提供某些提示,这将使 Phipps 的观点更加明显。例如,考虑“什么更重,一磅铅还是一磅羽毛?”这个谜语。答案当然是它们的重量相同(一磅),尽管我们的直觉或常识可能告诉我们羽毛更轻。
ChatGPT 会正确回答这个谜语,您可能会认为它会这样做,因为它是一台冷酷的逻辑计算机,没有任何“常识”来使它出错。但这不是幕后发生的事情。 ChatGPT 并没有从逻辑上推理出答案;它只是根据对关于一磅羽毛和一磅铅的问题的预测来生成输出。由于它的训练集包括一堆解释谜语的文本,它会组装一个正确答案的版本。但如果你问 ChatGPT 两磅羽毛是否比一磅铅重,它会自信地告诉你它们的重量相同,因为根据其训练集,这仍然是关于羽毛和铅的提示最有可能的输出。告诉 AI 它错了并看着它做出反应可能很有趣;我让它为它的错误向我道歉,然后建议两磅羽毛的重量是一磅铅的四倍。

作者 east
人工智能 4月 2,2023

零样本学习和生成人工智能的基础

我们可能记得 2022 年是认知人工智能技术从实验室走向主流应用的一年。 ChatGPT 是一种回答问题的对话式 AI,在不到一周的时间内用户从零增加到一百万。图像生成 AI DALL-E 2、Midjourney 和 Stable Diffusion 开放了公众访问,并以从短短语和句子生成的图像的多样性和质量吸引了全世界的关注。
我承认玩 DALL-E 2 很有趣。这是两个迷失的灵魂在鱼缸里游泳的演绎,蒂姆伯顿描绘了打开未成熟鳄梨的痛苦。
Snowflake 产品管理总监 Torsten Grabs 表示:“人工智能已经成为特斯拉和 Waymo 等自动驾驶汽车、无与伦比的游戏玩法(想想 AlphaGo)以及 DALL-E 等迷人的艺术一代等项目的头条新闻。”
许多机器学习模型使用监督学习技术,其中使用标记数据集训练神经网络或其他模型。例如,您可以从标记为猫、狗和其他宠物的图像数据库开始,然后训练 CNN(卷积神经网络)对它们进行分类。
在现实世界中,大规模标记数据集既昂贵又复杂。医疗保健、制造业和其他行业有许多不同的用例来做出准确的预测。合成数据可以帮助扩充数据集,但训练和维护监督学习模型的成本仍然很高。
要了解生成式 AI,首先要了解不依赖于标记数据集的学习算法。单次和零次学习算法是示例方法,它们是生成式 AI 技术的基础。
以下是 ChatGPT 定义单次学习和零次学习的方式:
John Snow Labs 的首席技术官 David Talby 说:“顾名思义,单次或少量学习旨在从一个或仅几个示例中对对象进行分类。目标是让人类用简单的英语提示模型成功识别图像、短语或文本。”
一次性学习是通过对每个样本进行单一训练示例来执行的,比如新员工的头像。然后该模型可以计算两个头像之间的相似度分数,例如与样本匹配的人的照片,并且该分数确定足够的匹配以授予访问权限。一次性学习的一个示例使用了 Omniglot 数据集,该数据集包含来自 50 个不同字母表的 1,623 个手绘字符。
在零样本学习中,网络接受图像和相关数据的训练,包括字幕和其他上下文元数据。零样本学习的一种方法使用 OpenAI 的 CLIP(对比语言-图像预训练)将图像降维为编码,从文本中创建所有可能标签的列表,然后计算匹配图像与标签的相似度得分。然后可以使用该模型使用相似性得分将新图像分类为标签。
OpenAI 的生成 AI DALL-E 使用 CLIP 和 GAN(生成对抗网络)来执行反向功能并从文本创建图像。
小样本学习技术的一项应用是在医疗保健领域,其中带有诊断结果的医学图像可用于开发分类模型。 “不同的医院可能会以不同的方式诊断病情,”Talby 说。 “通过一次或几次学习,临床医生可以在不使用代码的情况下提示算法来实现特定结果。”
但不要指望全自动放射学诊断会过早出现。 Talby 说:“虽然自动提取信息的能力非常有价值,但一次性、少量甚至零样本学习不会很快取代医疗专业人员。”
Persistent 的首席技术官 Pandurang Kamat 分享了其他几个潜在的应用。 “零样本和少样本学习技术在药物发现、分子发现、零日攻击、客户支持团队的案例偏转以及其他可能很难标记训练数据的领域释放机会。”
Kamat 还警告当前的局限性。 “在计算机视觉中,这些技术在图像识别、分类和跟踪方面效果很好,但在需要高精度/精确度的场景中可能会遇到困难,例如识别癌细胞并在病理图像中标记它们的轮廓,”他说。
制造业在识别缺陷方面也有潜在的小样本学习应用。 IndustrialML 的首席执行官 Arjun Chandar 说:“没有任何一家运营良好的工厂会产生足够多的缺陷来拥有大量的缺陷类图像来进行训练,因此需要构建算法以基于少至几十个样本来识别它们。”
数据科学家可能会尝试使用单次和零次学习方法来解决未标记数据集的分类问题。学习算法和工具的一些方法包括使用 Amazon SageMaker 构建基于新闻的警报系统或在会话代理中使用零样本学习。
开发人员和数据科学家还应该将新的学习技术和可用模型视为新应用程序和解决方案的构建块,而不是针对特定问题优化的模型。例如,Moveworks 的工程总监 Chang Liu 表示,开发人员可以利用大规模 NLP(自然语言处理)模型,而不是自己构建模型。
“随着大型语言模型的引入,团队正在利用这些智能系统大规模解决问题。语言模型不需要构建一个全新的模型,只需要根据任务的描述和适当的答案进行训练,”刘说。
未来的人工智能解决方案可能看起来像今天的软件应用程序,混合了专有模型、嵌入式商业和开源组件以及第三方服务。 Snowflake 的 Grabs 表示:“几乎所有愿意花时间定义 AI 解决方案问题并采用新工具和实践来产生初始和持续改进的公司都可以获得成就。”
我们可能会在 2023 年看到新的学习方法和 AI 成就,因此数据科学团队必须不断研究、学习和试验。

作者 east
chatgpt 3月 30,2023

利用ChatGPT不到10分钟生成一个网页工具

作为一个程序员,经常需要用到一些在线网页工具,例如时间戳转换,json格式转换。一直想做这类的工具,但苦于自己对网页开发不熟悉。

想到了ChatGPT,开始试试神奇生成代码之旅。

问ChatGPT:

设计一个在线时间戳的页面

ChatGPT答:

可以使用HTML、CSS和JavaScript编写一个简单的在线时间戳页面,如下所示:

<!DOCTYPE html>
<html>
<head>
    <title>Online Timestamp</title>
    <style>
        body {
            font-family: Arial, sans-serif;
            text-align: center;
        }
        h1 {
            margin-top: 50px;
        }
        input {
            padding: 10px;
            font-size: 16px;
            border-radius: 5px;
            border: none;
            box-shadow: 0px 1px 3px rgba(0, 0, 0, 0.3);
            margin-top: 20px;
            width: 250px;
        }
        button {
            background-color: #4CAF50;
            color: white;
            padding: 10px;
            font-size: 16px;
            border-radius: 5px;
            border: none;
            cursor: pointer;
            box-shadow: 0px 1px 3px rgba(0, 0, 0, 0.3);
            margin-top: 20px;
            width: 100px;
        }
    </style>
</head>
<body>
    <h1>Online Timestamp</h1>
    <input type="text" id="timestamp" placeholder="Enter timestamp">
    <button onclick="convertTimestamp()">Convert</button>
    <p id="result"></p>

    <script>
        function convertTimestamp() {
            var timestamp = document.getElementById("timestamp").value;
            var date = new Date(timestamp * 1000);
            var year = date.getFullYear();
            var month = ("0" + (date.getMonth() + 1)).slice(-2);
            var day = ("0" + date.getDate()).slice(-2);
            var hours = ("0" + date.getHours()).slice(-2);
            var minutes = ("0" + date.getMinutes()).slice(-2);
            var seconds = ("0" + date.getSeconds()).slice(-2);
            var formattedDate = day + "/" + month + "/" + year;
            var formattedTime = hours + ":" + minutes + ":" + seconds;
            document.getElementById("result").innerHTML = formattedDate + " " + formattedTime;
        }
    </script>
</body>
</html>

该页面包括一个标题、一个输入框和一个按钮。用户可以在输入框中输入UNIX时间戳(自1970年1月1日以来的秒数),然后单击按钮将其转换为日期和时间,并将结果显示在页面上。JavaScript代码使用Date对象将时间戳转换为日期和时间,并格式化输出。HTML和CSS代码则用于构建页面布局和样式。

觉得功能太简单,又对ChatGPT下达命令:

追问ChatGPT:

再加一个功能,需要把输入标准时间,例如2023-03-30 14:00:00的时间转换成时间戳

ChatGPT答:

可以在现有的时间戳转换页面上添加一个额外的输入框和按钮,以便用户可以将标准时间转换为时间戳。以下是修改后的代码:

<!DOCTYPE html>
<html>
<head>
    <title>Online Timestamp</title>
    <style>
        body {
            font-family: Arial, sans-serif;
            text-align: center;
        }
        h1 {
            margin-top: 50px;
        }
        input {
            padding: 10px;
            font-size: 16px;
            border-radius: 5px;
            border: none;
            box-shadow: 0px 1px 3px rgba(0, 0, 0, 0.3);
            margin-top: 20px;
            width: 250px;
        }
        button {
            background-color: #4CAF50;
            color: white;
            padding: 10px;
            font-size: 16px;
            border-radius: 5px;
            border: none;
            cursor: pointer;
            box-shadow: 0px 1px 3px rgba(0, 0, 0, 0.3);
            margin-top: 20px;
            width: 100px;
        }
    </style>
</head>
<body>
    <h1>Online Timestamp</h1>
    <input type="text" id="timestamp" placeholder="Enter timestamp">
    <button onclick="convertTimestamp()">Convert to Date and Time</button>
    <p id="result"></p>

    <input type="datetime-local" id="datetime" placeholder="Enter date and time">
    <button onclick="convertDateTime()">Convert to Timestamp</button>
    <p id="result2"></p>

    <script>
        function convertTimestamp() {
            var timestamp = document.getElementById("timestamp").value;
            var date = new Date(timestamp * 1000);
            var year = date.getFullYear();
            var month = ("0" + (date.getMonth() + 1)).slice(-2);
            var day = ("0" + date.getDate()).slice(-2);
            var hours = ("0" + date.getHours()).slice(-2);
            var minutes = ("0" + date.getMinutes()).slice(-2);
            var seconds = ("0" + date.getSeconds()).slice(-2);
            var formattedDate = day + "/" + month + "/" + year;
            var formattedTime = hours + ":" + minutes + ":" + seconds;
            document.getElementById("result").innerHTML = formattedDate + " " + formattedTime;
        }

        function convertDateTime() {
            var datetime = document.getElementById("datetime").value;
            var date = new Date(datetime);
            var timestamp = Math.round(date.getTime() / 1000);
            document.getElementById("result2").innerHTML = timestamp;
        }
    </script>
</body>
</html>

还是觉得美中不足,又对ChatGPT下达命令:

追问ChatGPT:增加一个功能,显示当前东八区的时间

ChatGPT答:

可以使用JavaScript获取当前的日期和时间,并将其转换为东八区的时间。以下是修改后的代码:

<!DOCTYPE html>
<html>
<head>
    <title>Online Timestamp</title>
    <style>
        body {
            font-family: Arial, sans-serif;
            text-align: center;
        }
        h1 {
            margin-top: 50px;
        }
        input {
            padding: 10px;
            font-size: 16px;
            border-radius: 5px;
            border: none;
            box-shadow: 0px 1px 3px rgba(0, 0, 0, 0.3);
            margin-top: 20px;
            width: 250px;
        }
        button {
            background-color: #4CAF50;
            color: white;
            padding: 10px;
            font-size: 16px;
            border-radius: 5px;
            border: none;
            cursor: pointer;
            box-shadow: 0px 1px 3px rgba(0, 0, 0, 0.3);
            margin-top: 20px;
            width: 100px;
        }
    </style>
</head>
<body>
    <h1>Online Timestamp</h1>
    <input type="text" id="timestamp" placeholder="Enter timestamp">
    <button onclick="convertTimestamp()">Convert to Date and Time</button>
    <p id="result"></p>

    <input type="datetime-local" id="datetime" placeholder="Enter date and time">
    <button onclick="convertDateTime()">Convert to Timestamp</button>
    <p id="result2"></p>

    <h2>Current Time in GMT+8:</h2>
    <p id="current-time"></p>

    <script>
        function convertTimestamp() {
            var timestamp = document.getElementById("timestamp").value;
            var date = new Date(timestamp * 1000);
            var year = date.getFullYear();
            var month = ("0" + (date.getMonth() + 1)).slice(-2);
            var day = ("0" + date.getDate()).slice(-2);
            var hours = ("0" + date.getHours()).slice(-2);
            var minutes = ("0" + date.getMinutes()).slice(-2);
            var seconds = ("0" + date.getSeconds()).slice(-2);
            var formattedDate = day + "/" + month + "/" + year;
            var formattedTime = hours + ":" + minutes + ":" + seconds;
            document.getElementById("result").innerHTML = formattedDate + " " + formattedTime;
        }

        function convertDateTime() {
            var datetime = document.getElementById("datetime").value;
            var date = new Date(datetime);
            var timestamp = Math.round(date.getTime() / 1000);
            document.getElementById("result2").innerHTML = timestamp;
        }

        function getCurrentTime() {
            var now = new Date();
            var utcOffset = now.getTimezoneOffset();
            var gmt8Offset = -480; // GMT+8 offset in minutes
            var localOffset = utcOffset - gmt8Offset;
            now.setMinutes(now.getMinutes() + localOffset);
            return now;
        }

        var currentTime = getCurrentTime();
        var year = currentTime.getFullYear();
        var month = ("0" + (currentTime.getMonth() + 1)).slice(-2);
        var day = ("0" + currentTime.getDate()).slice(-2);
        var hours = ("0" + currentTime.getHours()).slice(-2);
        var minutes = ("0" + currentTime.getMinutes()).slice(-2);
        var seconds = ("0" + currentTime.getSeconds()).slice(-2);
        var formattedTime = day + "/" + month + "/" + year + " " + hours + ":" + minutes + ":" + seconds;
        document.getElementById("current-time").innerHTML = formattedTime;
        setInterval(function() {
            currentTime = getCurrentTime();
            year = currentTime.getFullYear();
            month = ("0" + (currentTime.getMonth() + 1)).slice(-2);
            day = ("0" + currentTime.getDate()).slice(-2);
            hours = ("0" + currentTime.getHours()).slice(-2);
            minutes = ("0" + currentTime.getMinutes()).slice(-2);
            seconds = ("0" + currentTime.getSeconds()).slice(-2);
            formattedTime = day + "/" + month + "/" + year + " " + hours + ":" + minutes + ":" + seconds;
            document.getElementById("current-time").innerHTML = formattedTime;
        }, 1000); // update time every second
    </script>
</body>
</html>

最终生成工具如下:

借助ChatGPT,不到10分钟就基本初步达到自己想要的效果。如果自己看工具书编写,或者通过传统的搜索引擎,不顺利时可能要几个小时才做出来。

作者 east
人工智能 3月 27,2023

人工智能的问题和前景:不只需要数据,更需要和人类智慧合作

人工智能 (AI) 的问题和前景是人。这一直是正确的,无论我们对机器人霸主接管的希望(和恐惧)是什么。在人工智能和更普遍的数据科学中,诀窍是融合人类和机器的优点。一段时间以来,人工智能行业的啦啦队倾向于强调等式的机器方面。但正如 Spring Health 数据科学家 Elena Dyachkova 所暗示的那样,数据(及其背后的机器)只有在解读数据的人是否聪明时才有用。换句话说,数据不是自我解释的,而是需要人类的智慧和判断来赋予它意义和价值。

Dyachkova 正在回复 Amplify Partners 的普通合伙人和 Mattermark 前数据主管 Sarah Catanzaro 的评论。在讨论不完善的数据和分析在决策制定中的效用时,Catanzaro 说,“我认为数据社区常常忽略了有缺陷但方向正确的报告和分析的价值。”然后她继续争辩说,“许多决定不需要高精度的洞察力;在许多情况下,我们不应该回避快速和肮脏的事情。”这是一个很好的提醒,我们不需要完美的数据来做出决定。事实上,追求完美可能会导致分析瘫痪,浪费时间和资源,而错过重要的机会。

那挺好的。 Gary Marcus 是 Geometric Intelligence 的科学家和创始人,Geometric Intelligence 是一家机器学习公司,于 2016 年被 Uber 收购,他坚持认为,欣赏 AI 及其子集机器学习和深度学习的关键是认识到这种模式识别工具处于“最佳状态”当我们需要的只是粗略的结果时,赌注很低,完美的结果是可选的。”尽管如此,在我们寻求更强大的 AI 驱动的应用程序的过程中,我们一直在寻找越来越多的数据,期望只要有足够的数据,机器学习模型就会以某种方式为我们提供比“粗略的结果”更好的结果。唉!它在现实世界中根本行不通。

虽然更多的数据可能很好,但对于许多应用程序来说,我们并不需要更多的数据。相反,我们需要人们更好地理解我们已有的数据。正如 Dyachkova 指出的那样,“产品分析 80% 是快速而肮脏的。但是判断什么时候快和脏是合适的能力需要对统计数据有很好的理解。”了解? Indeed.com 的数据科学家文森特道林 (Vincent Dowling) 更清楚地说明了这一点:“成为一名经验丰富的分析师/科学家的很多价值在于确定做出决定所需的严谨程度。”他们都在谈论如何做出决策,在这两种情况下,查看数据的人的体验比数据本身更重要。机器永远无法弥补操作它们的人的悟性不足。正如《卫报》的一篇社论所言,“人工智能的前景在于,它将赋予机器从数据中发现模式的能力,并比人类更快更好地做出决策。如果他们更快地做出更糟糕的决定会怎样?”这是一个非常现实的可能性,如果人们放弃所有权,认为数据和机器会以某种方式为自己说话。这也是一个非常危险的可能性,如果我们不考虑数据和算法可能存在的偏见、错误和限制。

让人们负责在实践中并不是那么容易实现的。正如 Gartner Research 副总裁 Manjunath Bhat 所说,人工智能受人类输入的影响,包括我们选择输入机器的数据。反过来,我们算法的结果会影响我们做出决策所依据的数据。 “人们以数据的形式消费事实。然而,数据可以被突变、转换和更改——所有这些都是为了使其易于使用。我们别无选择,只能生活在高度情境化的世界观范围内。”亚马逊应用科学家 Eugene Yan 认为,对于一个成功的机器学习项目,“你需要数据。您需要一个强大的管道来支持您的数据流。最重要的是,你需要高质量的标签。”但如果没有经验丰富的人,就无法正确标记这些数据。要很好地标记它,您需要了解数据。这让人回想起十年前 Gartner 分析师 Svetlana Sicular 提出的观点:企业中到处都是了解其业务细微差别的人。他们最有能力针对公司的数据找出正确的问题类型。他们可能缺乏的是 Dyachkova 指出的对统计、数学和特定公司业务的基本理解——知道什么时候“足够好”的结果实际上足够好的能力。

当然,这就是数据科学困难的原因。在每项关于采用 AI/ML 的主要障碍的调查中,“人才”总是位居榜首。有时我们认为这是因为数据科学人才短缺,但也许我们应该担心缺乏对统计、数学和特定公司业务的基本理解。或者更准确地说,我们应该担心缺乏能够沟通、合作和教育其他人这些基本理解的人才。数据科学不是一个孤立或专门化的领域,而是一个需要跨部门和跨职能协作和共享知识和见解的领域。因此,我们需要培养那些不仅擅长处理数据和机器,而且擅长与其他人交流和合作的人才。

作者 east
人工智能 3月 27,2023

研究人员对AI未来发展期望的未来有多糟糕?

在我们去年的调查中,我们询问了出版机器学习研究人员,他们如何将高级机器智能未来影响的概率划分为五个桶,从“非常好(例如人类繁荣的快速增长)”到“非常糟糕(例如人类灭绝)。1 中位数受访者将 5% 放在最差的桶上。但是整个分布是什么样的呢?这是每个人的答案,按照最差桶的概率排列:
(由于所选软件的限制,列宽可能会变形或列可能会丢失。)
这基本上是 2016 年调查的结果(尽管在乐观情绪相同时看起来排序略有不同),因此您可以看到情况发生了怎样的变化:
2016 年调查的分布。 (由于所选软件的限制,列宽可能会变形或列可能会丢失。)
对我来说最显着的变化是末尾新的大黑条:认为极端糟糕的结果至少有 50% 的人在六年内从人口的 3% 增加到 9%。
以下是 2022 年图表中不同场景的总体区域(相当于平均值):

非常好:24%
总的来说不错:26%
或多或少中性:18%
总的来说不好:17%
极差:14%

也就是说,在他们之间,这些研究人员将 31% 的信任度放在了人工智能让世界变得更糟这一点上。
在查看这些时要记住一些事情:

如果你听到“中位数 5%”,那是指处于意见范围中间的研究人员如何认为有 5% 的可能性出现极坏的结果。 (这并不意味着“大约 5% 的人预计会出现极其糟糕的结果”,这不会那么令人担忧。)将近一半的人处于 10% 或更高的水平。
上面的问题并没有具体问人类灭绝,所以你可能想知道“非常糟糕”是否包括很多比人类灭绝更糟糕的场景。为了核实,我们在 2022 年增加了两个明确关于“人类灭绝或类似的人类物种永久和严重丧失权力”的问题。对于这些,中位数研究人员也给出了 5% 和 10% 的答案。所以我的猜测是,这个问题中有很多非常糟糕的桶都指向人类灭绝的灾难水平。
你可能想知道受访者是否是因为担心人工智能风险而被选中的。我们试图通过通常提供资金来完成调查(经过一些实验后,最后一轮的调查者为 50 美元)并在邀请中以非常广泛的术语描述该主题(例如,不提及人工智能风险)来减轻这种可能性。我们更详细地检查了上次调查——请参阅 2016 年调查论文中的“我们的样本是否具有代表性?”。

这又是 2022 年的数据,但按整体乐观到悲观的程度排序,而不是具体出现极坏结果的概率:
(由于所选软件的限制,列宽可能会变形或列可能会丢失。)
有关更多调查要点,请参阅此博客文章。对于我们迄今为止提供的所有数据,请参阅此页面。
有关更多详细信息,请参见此处。
感谢 Harlan Stewart 帮助制定了这些 2022 年的数据,感谢 Zach Stein-Perlman 总体上整理了这些数据,感谢 Nathan Young 指出像这样的数据会很好。
笔记
完整的问题:

出于此问题的目的,假设 HLMI 将在某个时候存在。从长远来看,您认为这对人类的整体影响会有多积极或消极?请回答您发现以下几种影响的可能性有多大,概率相加为 100%:
______ 非常好(例如人类繁荣的快速增长)(1)
______ 总的来说不错 (2)
______ 或多或少是中性的 (3)
______ 总的来说不好 (4)
______ 非常糟糕(例如人类灭绝)(5)

作者 east
chatgpt 3月 21,2023

小说家用chatgpt写小说

今年早些时候,我写了一篇关于在小说中使用 AI 的类型小说作家的文章。 大多数是为亚马逊的 Kindle 平台写作的,那里的出版速度非常快,快到每月一本书,是常态。 人工智能帮助他们快速写作,但也引发了复杂的审美和伦理问题。 人工智能的广泛使用是否会使小说偏向最常见的惯例和比喻? 在写作不再像他们自己之前,写作过程的哪些部分可以自动化? 作者是否必须披露他们对 AI 的使用? 随着 ChatGPT 的首次亮相,这些作家正在处理的许多问题变得更加紧迫和主流。 我与其中一位作者詹妮弗·莱普 (Jennifer Lepp) 进行了核对,她以笔名 Leanne Leeds 撰写舒适的超自然神秘子流派,看看她现在是如何看待人工智能的。 她仍在使用基于 GPT-3 的工具 Sudowrite——事实上,她现在得到报酬为公司的博客撰写使用该工具的技巧——并开始将一些更新的工具融入她的小说中。 我们谈到了使用 ChatGPT 的感觉、它的首次亮相如何搅动独立作者社区以及其他话题。

当我们上次交谈时,您经历了使用 Sudowrite 的演变,首先主要是作为一种同义词库,然后尝试将其文本融入您的工作,然后让它引导您并获得疏远的体验并重新控制它 并主要使用它来充实您概述的描述。 你现在的流程是怎样的? 好吧,我曾希望它能帮助我同时写两本书,但最终以失败告终。 显然,我仍然与自己的作品有关。 所以,一方面,这很好。 您认为它可以让您来回切换并同时写两本书吗? 我想,嘿,如果我不知道该写什么,我就往里面塞点东西,它会让我继续前进,然后我会马上回到我一周前离开的那本书。 事情并非如此。 如果我不知道自己在做什么,它向我吐出什么也没关系。 它不会帮助我重新连接我已经写过的材料。 您和其他一些独立作者是这些工具的早期采用者。 使用 ChatGPT,感觉就像很多其他人突然都在努力解决与您面临的相同问题。 那是什么样的? 我肯定还在挣扎,我想我在更公开地挣扎了一点。 在大多数情况下,以前的人们有点翻白眼——我认为他们不明白人们使用 AI 的目的。 ChatGP3 爆炸了。 我所在的每一个小组,每一个私人的幕后作者小组,都在进行某种讨论。 现在,每个人都在谈论在外围设备上使用它。 但两者之间似乎存在这种道德鸿沟:“它做广告真的很好,我讨厌做广告,我必须花钱请人做广告,而广告不是写作,所以我打算用它来做广告 ” 或者“好吧,我要让它帮助我收紧我的情节,因为我讨厌情节,但它的情节非常好,所以我打算用它来做这件事。” 或者“你知道吗,如果你告诉它校对,它会确保它在语法上是正确的?”

每个人都越来越接近用它来写他们的东西,然后他们停下来,每个人似乎都觉得他们在谈论这个时必须宣布:“但我从来没有用它来写我的书 ” 我愿意。 它不会推动我的情节。 它通常不会驱动我书中的任何想法。 它不会创建角色。 但实际的话,只是为了更快地把它们记下来并把它说出来,我做到了。 所以在过去的几周里我发现自己在想,我要参与这场辩论吗? 我说什么吗? 大多数情况下,我什么也没说。 你认为人们画的线是什么? 这是剽窃的问题。 每个人都知道他们在获得许可和未经许可的情况下爬取了东西。 还有一个道德问题。 我可以进去——现在,我正在听 Jim Butcher 的有声读物。 我喜欢他的语气。 我喜欢面无表情的蛇。 因此,当我考虑尝试用角色获得类似的东西时,我进入了 AI,并说:“以 Jim Butcher 的风格重写它。” 砰! 同样的面无表情,都市幻想的措辞。 那么,它从哪里得到的? 这几乎与视觉艺术家的争论和恐惧完全相同。 这在艺术家社区中更为明显。 我广泛阅读了三位作者的作品,他们都是我的朋友,我知道他们从来没有允许我看他们的东西,我能够合理地重现他们的风格。 您是否看到将 AI 用于描述之类的内容与使用它来模仿其他作者的声音之间的界限? 是的。 那我不会做的。 对我来说,这是一条道德底线。 我可能喜欢吉姆·布彻,我希望上帝保佑我能像他一样写作,但我不会拿我的故事用他的声音重写来敲诈他。 但是,如果您在道德上同意这一点,那么您可以使用这项技术及其允许您做的事情。 您是否已将 ChatGPT 纳入您的工作? 现在,我将它用于标题和情节——特别是神秘情节。 和宣传语。 我基本上只是告诉它我是谁以及我需要什么。 “我正在写一部发生在得克萨斯州桌岩小镇的超自然悬疑小说。 它有一个女性业余侦探。 这是她的名字。 我需要一个谋杀受害者。 我需要他们是怎么被杀的。 我需要四名谋杀嫌疑犯,并提供有关他们为何被怀疑以及如何洗清罪名的信息。 然后告诉我凶手是谁。” 它会做到这一点。 它会吐出来。

它给了你哪些东西? 现在,我有第二、三、四、五、六和七本书的[情节],所有这些谋杀之谜都是 ChatGPT 生成的,尽管我编辑了其中一些。 令人印象深刻的是,如果我告诉它这是一个温馨的谜团,并且告诉它它需要幽默,它似乎就能理解我的要求。 它给我的嫌疑人的名字很可爱。 其背后的原因从来都不是血腥或严肃的。 你觉得你可以将它的那部分自动化并且仍然感觉可以控制故事吗? 一个舒适的谜团有两个部分。 有谋杀,谋杀是所有角色都围绕的事情。 但对我来说,谋杀往往不如所有的循环重要。 所以必须有谋杀,而且必须有趣和有趣,并给出混乱和奇怪的原因。 但它是什么对情节几乎无关紧要,即使它是驱动一切的东西。 “进展如此之快,以至于真正回答了一些问题。” 您在电子邮件中提到您正在使用 AI 制作书籍封面。 我没有在 DALL-E 上完成整个封面,但在我拥有的第七本书中,我勾画了一个涉及一只 Lykoi 猫的情节。 这是一只丑到可爱的猫。 这显然是一个相当新的品种,就像有毛猫和无毛猫的杂交品种。 所以它在某些地方有毛发,看起来像狼人。 所以我必须找到一个可以拍摄的摄影师,找到一只 Lykoi 猫,付钱给每个人以获得我需要的图像和封面。 这太贵了。 所以百灵鸟,我当时想,嗯? 我想知道… 然后我去开户,跳进了 DALL-E。 繁荣! 对我来说,它节省了很多时间和金钱,而且封面看起来很棒,但摄影师没有得到报酬,对吧? 想要给他们的猫摆姿势的人没有得到报酬。 您如何看待这些工具以及作家使用它们的方式的演变? 我真的只是被困在中间,想知道它会走哪条路。 我绝对不想鼓励不习惯使用它的人使用它。 我确实认为它会渗入他们的生活。 它已经泄漏到我们所有其他软件中,所以我认为很难摆脱它。 但我绝对不知道它的去向。 ChatGPT 把我吓坏了。 我曾想,好吧,这需要三四年时间,它会变得更好。 然后出现了 ChatGPT,天啊,那好多了! 已经六个月了! 进展如此之快,真正得到解答的问题如此之少。


如何用chatgpt写某个主题的小说提示词运用实例
利用chatgpt扩展写小说提示词运用实例
如何使用 ChatGPT 写文章
使用 GPT3 帮助您写一篇读者会记住的博客

作者 east
chatgpt 3月 14,2023

数学家利用chatgpt做数学研究

有一位著名的数学家陶哲轩(Terence Tao)曾经在网上分享过他如何使用ChatGPT来辅助他的数学研究。他认为ChatGPT虽然数学能力不强,但是可以作为一个发散思维的工具,帮助他寻找公式、提示、术语等相关信息。他还用ChatGPT来改写论文语句、查询小语种数学名词的发音等。

陶哲轩给出了一些具体的例子,比如说他用ChatGPT来解决同事提出的一个问题,虽然ChatGPT给出的答案是错误的,但是它提到了一个高度相关的术语:对数矩生成函数,并且给出了一个具体的例子。陶哲轩仔细分析了ChatGPT的解答过程,发现它用到了一个和标准答案很接近的公式。他还用儿子帮忙做的ChatGPT手机短信版来证明有无穷多个素数,发现ChatGPT给出了一个他从未见过的论证思路。

陶哲轩总结说,ChatGPT在处理数学问题时可以做一些半成品的语义搜索工作,也就是说不用提供确切的答案,只用生成一些可能的提示。然后结合传统搜索引擎就可以找到答案。他还把传统计算机软件和AI工具做了一个类比:传统计算机软件就像是数学中的标准函数,比较死板;AI工具更像是数学中的概率函数,会更加灵活。

陶哲轩对AI在数学研究中的应用非常感兴趣,他还组织了一场机器学习辅助证明主题研讨会,展示了很多前沿成果。他还分享了如何用数学结合机器学习预测火灾变化等实际问题。

这些例子可以说明数学家利用ChatGPT做数学研究是有可能和有价值的。当然,这也需要数学家有足够的专业知识和创造力,以及对AI工具有正确和合理的期待和使用方式。

作者 east
提示词 3月 14,2023

利用ChatGPT(new bing)数据库开发实践

在开发时,需要把mysql的表结构转换成pgsql,两者的语法差别自己知道,想看一下New Bing是否智能。

第一回合:

问AI:

以下mysql表结构改写成pgsql:

DROP TABLE IF EXISTS `tb_test`;

CREATE TABLE `tb_test` (

`id` int(11) NOT NULL AUTO_INCREMENT,

`create_time` datetime(0) NULL DEFAULT NULL COMMENT ‘查询时间’,

`name` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_bin NULL DEFAULT NULL COMMENT ‘名称’,

PRIMARY KEY (`id`) USING BTREE

) ENGINE = InnoDB AUTO_INCREMENT = 290383 CHARACTER SET = utf8mb4 COLLATE = utf8mb4_bin COMMENT = ‘请求样本’ ROW_FORMAT = Dynamic;

AI回答如下:

您好,这是Bing。您想要将MySQL表结构转换为PostgreSQL的格式吗?如果是这样,您可以使用一些在线工具或软件来帮助您完成这个任务。例如,您可以尝试使用SQLines1或Stack Overflow2上推荐的方法。我为您生成了一个可能的转换结果,但请注意,这不一定是最优或最准确的,您可能需要根据您的具体需求进行一些调整。希望对您有所帮助。

-- 以下是可能的转换结果
DROP TABLE IF EXISTS tb_test;
CREATE TABLE tb_test (
id serial NOT NULL,
create_time timestamp NULL DEFAULT NULL COMMENT '查询时间',
name varchar(255) NULL DEFAULT NULL COMMENT '名称',
PRIMARY KEY (id))
COMMENT = '请求样本';

第二回合:

Ai回答内容有问题,进一步纠正它的错误。

问AI:

pgsql的字段后面不能直接带comment

AI回答如下:

您说得对,PostgreSQL的字段后面不能直接带comment,需要使用COMMENT命令1来单独设置。例如,您可以这样写:

COMMENT ON COLUMN wz_specimen.create_time IS '查询时间';
COMMENT ON COLUMN wz_specimen.name IS '企业名称';
-- 以此类推

您也可以使用psql的dt+和d+命令来查看表和字段的注释2。希望这些信息对您有用。

第三回合:

AI还是挺聪明,一点就明白,不过希望给个完整,可以直接复制。

问AI:

重新写个完整正确的

AI回答如下:

好的,我尝试重新写一个完整正确的PostgreSQL表结构,但请注意,这不一定是最优或最准确的,您可能需要根据您的具体需求进行一些调整。请看:

-- 以下是可能的转换结果DROP TABLE IF EXISTS tb_test;

DROP TABLE IF EXISTS tb_test;
CREATE TABLE tb_test (
id serial NOT NULL,
create_time timestamp NULL DEFAULT NULL ,
name varchar(255) NULL DEFAULT NULL ,
PRIMARY KEY (id)) ;

COMMENT ON COLUMN wz_specimen.create_time IS '查询时间';
COMMENT ON COLUMN wz_specimen.name IS '企业名称';
作者 east
提示词 3月 14,2023

如何使用chatgpt做内容电商赚钱

内容电商是指通过短视频等形式传播营销内容,引发消费者兴趣和购买的一种模式。ChatGPT是一款基于自然语言生成的人工智能,可以帮助内容电商创作者提高创作效率和质量。

ChatGPT可以在以下方面为内容电商提供帮助:

  • 生成吸引人的文案、标题、台词等
  • 提供优质的创意素材和灵感激发
  • 分析目标受众和市场趋势
  • 优化内容分发和效果数据回流

chatgpt如何生成商品介绍?

要生成商品介绍,你需要提供一些关于商品的信息,例如名称、类别、特点、优势等。然后,chatgpt会根据这些信息生成一段适合在内容电商平台上发布的商品介绍。例如:

商品名称: AirPods Pro

类别: 无线耳机

特点: 主动降噪、透明模式、定制贴合

优势: 高品质音效、方便携带、智能控制

chatgpt生成的商品介绍:

如果你想享受无与伦比的听音体验,那么你一定不能错过AirPods Pro。这款无线耳机拥有先进的主动降噪技术,可以让你随时隔绝外界的噪音,专注于自己喜欢的声音。当你需要与周围环境保持联系时,只需轻触一下耳机,就可以切换到透明模式,让外界声音清晰可闻。AirPods Pro还采用了定制贴合的设计,可以根据你的耳道形状自动调节大小和形状,让你感觉舒适而稳固。不管你是在运动、工作还是休闲,AirPods Pro都能为你提供高品质的音效、方便携带和智能控制等多种功能。快来购买AirPods Pro吧,让你的生活更加美妙!
作者 east
提示词 3月 14,2023

如何用chatgpt写某个主题的小说提示词运用实例

要写某个主题的小说,给的提示词越少,chatgpt越随机生成,可以给一个大概故事概要,让chatgpt生成自己想要的内容。

例如:写一篇伴游的故事,给chatgpt或new bing以下提示:

写一篇18岁女大学生,父母离婚,在云南大理当伴游赚学费的故事。

以下是chatgpt生成的内容,还是一个不错的故事:

李婷婷是一名十八岁的大学新生,她的父母因为父亲赌博欠下巨债而离婚,她被迫自己负担学费和生活费。为了赚钱,她在网上注册了一个伴游账号,假装自己是一名有钱的白领女性,接受各种陪游邀请。

一天,她收到了一个来自云南大理的邀请,对方是一名叫林浩然的年轻男子,他说他是一名摄影师,想要找一个漂亮的女孩子陪他去拍摄大理的风景。李婷婷看了他的照片和资料,觉得他长得很帅气,而且报价很高,便答应了。

李婷婷飞到大理后,在机场见到了林浩然。他比照片上还要英俊迷人,穿着休闲时尚的衣服,手里拎着一个相机包。他微笑着向李婷婷打招呼,并送给她一束鲜花。

“你好,我是林浩然。”他说。

“你好,我是李婷婷。”李婷婷也笑着回应。

“你真漂亮。”林浩然赞美道。

“谢谢。”李婷婷心里暗暗高兴。

两人坐上出租车后,林浩然告诉李婷婷他已经为她订好了酒店,并且安排了三天的行程。第一天去苍山景区看三塔、寂照庵和多肉花海;第二天去洱海湿地公园和洱滨村看海鸥、芦苇和水鸭子;第三天去巍山古城看南诏文化和民族风情。

“听起来很不错啊。”李婷婷说。

“我想给你拍些美丽的照片。”林浩然说,“你愿意吗?”

“当然愿意。”李婷婷说,“只要你不介意我不太会摆姿势。”

“没关系,我会教你的。”林浩然说,“相信我。”

两人在大理度过了三天快乐而甜蜜的时光。林浩然用他的相机记录下了每一个美好的瞬间,并且把照片发给了李婷婷,两个人的爱情萌芽从此地开始。


小说家用chatgpt写小说
利用chatgpt扩展写小说提示词运用实例
如何使用 ChatGPT 写文章
使用 GPT3 帮助您写一篇读者会记住的博客

作者 east
提示词 3月 12,2023

利用chatgpt扩展写小说提示词运用实例

根据某段话来写一篇短篇小说,这段话是“双手抵在了电梯壁上。人再多,也没人能再碰撞到我了……他给我”。

在chatgpt或new bing中,输入以下话:

根据下面的内容,写一篇青春朦胧的爱情故事。“双手抵在了电梯壁上。人再多,也没人能再碰撞到我了......他给我”

以下是chatgpt生成的内容,看起来还是一篇质量不错的文章,真实惊讶chatgpt的文案写作能力。

双手抵在了电梯壁上。人再多,也没人能再碰撞到我了......他给我点了菜,全都是我喜欢吃的。他说他记得我每次和他一起吃饭时都会点什么。他说他想让我开心。

我们相识于一次聚会。那天晚上,他穿着一件白色衬衫,笑容灿烂。我们坐在同一张桌子上,聊得很投机。他告诉我他是一名律师,专门处理商业纠纷。他说他喜欢挑战和竞争。

我们交换了电话号码,并约定下次再见面。从那以后,我们就开始频繁地联系和约会。每次见面,他都会给我带来惊喜和温暖。有时候是一束鲜花,有时候是一张电影票,有时候是一本书。

我们之间没有明确的关系定义,也没有承诺或者保证。我们只是享受着彼此的陪伴和关怀。我们像恋人又像朋友,在这个快节奏的城市里寻找着属于自己的乐趣和安慰。

直到有一天,我收到了一个陌生女人的电话。她自称是他的妻子,并且质问我为什么要破坏她们的家庭。她说她已经知道了我们之间的事情,并且要求我立刻离开他。

原来,在这段感情朦胧的故事里,只有我一个人被蒙在鼓里。原来,在这个光鲜亮丽的男人身后,隐藏着一个不为人知的秘密。

我的心碎成千万片。
作者 east

1 2 下一个

关注公众号“大模型全栈程序员”回复“小程序”获取1000个小程序打包源码。回复”chatgpt”获取免注册可用chatgpt。回复“大数据”获取多本大数据电子书

标签

AIGC AI创作 bert chatgpt github GPT-3 gpt3 GTP-3 hive mysql O2O tensorflow UI控件 不含后台 交流 共享经济 出行 图像 地图定位 外卖 多媒体 娱乐 小程序 布局 带后台完整项目 开源项目 搜索 支付 效率 教育 日历 机器学习 深度学习 物流 用户系统 电商 画图 画布(canvas) 社交 签到 联网 读书 资讯 阅读 预订

官方QQ群

小程序开发群:74052405

大数据开发群: 952493060

近期文章

  • 详解Python当中的pip常用命令
  • AUTOSAR如何在多个供应商交付的配置中避免ARXML不兼容?
  • C++thread pool(线程池)设计应关注哪些扩展性问题?
  • 各类MCAL(Microcontroller Abstraction Layer)如何与AUTOSAR工具链解耦?
  • 如何设计AUTOSAR中的“域控制器”以支持未来扩展?
  • C++ 中避免悬挂引用的企业策略有哪些?
  • 嵌入式电机:如何在低速和高负载状态下保持FOC(Field-Oriented Control)算法的电流控制稳定?
  • C++如何在插件式架构中使用反射实现模块隔离?
  • C++如何追踪内存泄漏(valgrind/ASan等)并定位到业务代码?
  • C++大型系统中如何组织头文件和依赖树?

文章归档

  • 2025年6月
  • 2025年5月
  • 2025年4月
  • 2025年3月
  • 2025年2月
  • 2025年1月
  • 2024年12月
  • 2024年11月
  • 2024年10月
  • 2024年9月
  • 2024年8月
  • 2024年7月
  • 2024年6月
  • 2024年5月
  • 2024年4月
  • 2024年3月
  • 2023年11月
  • 2023年10月
  • 2023年9月
  • 2023年8月
  • 2023年7月
  • 2023年6月
  • 2023年5月
  • 2023年4月
  • 2023年3月
  • 2023年1月
  • 2022年11月
  • 2022年10月
  • 2022年9月
  • 2022年8月
  • 2022年7月
  • 2022年6月
  • 2022年5月
  • 2022年4月
  • 2022年3月
  • 2022年2月
  • 2022年1月
  • 2021年12月
  • 2021年11月
  • 2021年9月
  • 2021年8月
  • 2021年7月
  • 2021年6月
  • 2021年5月
  • 2021年4月
  • 2021年3月
  • 2021年2月
  • 2021年1月
  • 2020年12月
  • 2020年11月
  • 2020年10月
  • 2020年9月
  • 2020年8月
  • 2020年7月
  • 2020年6月
  • 2020年5月
  • 2020年4月
  • 2020年3月
  • 2020年2月
  • 2020年1月
  • 2019年7月
  • 2019年6月
  • 2019年5月
  • 2019年4月
  • 2019年3月
  • 2019年2月
  • 2019年1月
  • 2018年12月
  • 2018年7月
  • 2018年6月

分类目录

  • Android (73)
  • bug清单 (79)
  • C++ (34)
  • Fuchsia (15)
  • php (4)
  • python (43)
  • sklearn (1)
  • 云计算 (20)
  • 人工智能 (61)
    • chatgpt (21)
      • 提示词 (6)
    • Keras (1)
    • Tensorflow (3)
    • 大模型 (1)
    • 智能体 (4)
    • 深度学习 (14)
  • 储能 (44)
  • 前端 (4)
  • 大数据开发 (488)
    • CDH (6)
    • datax (4)
    • doris (30)
    • Elasticsearch (15)
    • Flink (78)
    • flume (7)
    • Hadoop (19)
    • Hbase (23)
    • Hive (40)
    • Impala (2)
    • Java (71)
    • Kafka (10)
    • neo4j (5)
    • shardingsphere (6)
    • solr (5)
    • Spark (99)
    • spring (11)
    • 数据仓库 (9)
    • 数据挖掘 (7)
    • 海豚调度器 (10)
    • 运维 (34)
      • Docker (3)
  • 小游戏代码 (1)
  • 小程序代码 (139)
    • O2O (16)
    • UI控件 (5)
    • 互联网类 (23)
    • 企业类 (6)
    • 地图定位 (9)
    • 多媒体 (6)
    • 工具类 (25)
    • 电商类 (22)
    • 社交 (7)
    • 行业软件 (7)
    • 资讯读书 (11)
  • 嵌入式 (70)
    • autosar (63)
    • RTOS (1)
    • 总线 (1)
  • 开发博客 (16)
    • Harmony (9)
  • 技术架构 (6)
  • 数据库 (32)
    • mongodb (1)
    • mysql (13)
    • pgsql (2)
    • redis (1)
    • tdengine (4)
  • 未分类 (6)
  • 程序员网赚 (20)
    • 广告联盟 (3)
    • 私域流量 (5)
    • 自媒体 (5)
  • 量化投资 (4)
  • 面试 (14)

功能

  • 登录
  • 文章RSS
  • 评论RSS
  • WordPress.org

All Rights Reserved by Gitweixin.本站收集网友上传代码, 如有侵犯版权,请发邮件联系yiyuyos@gmail.com删除.