Tag: AI
最近 AI 手办图（Action Figure）特别火，尤其是 Google 推出的 Nano Banana 模型，网上已经能看到一大堆相关作品。相比之前流行的 Ghibli 风格，AI 生成的一致性和真实感提升很大。毕竟手办图是三维效果，看起来要比平面的卡通风格要真实好看得多。Ghibli（吉卜力）风格虽然在前阵子很火，但因为画面过于卡通和平面，看久了难免有点审美疲劳，容易显得千篇一律。 现在，不光是在 ChatGPT，PolloAI、Google AI Studio、PrintVerse，甚至 Grok 上，都能轻松生成类似的手办风格图片。只需要上传一张照片，再加上一点提示词就行。ChatGPT 免费版虽然一天只能上传三张照片，但它支持对已经生成的图继续修改，相当于“加提示词让 AI 做二次 PS”。 更有意思的是，这些 AI 生成的手办图几乎能做到以假乱真，甚至还能生成动态视频。想象一下，如果真能把照片或模型变成实体手办，那绝对是个有潜力的市场。比如在办公桌上摆个大美女手办，不光养眼，还能每天给点“情绪价值”，心情肯定愉快不少。 PolloAI这工具真强大，只需要一张图+提示词，就可以进行文生图、文生视频。 PS：AI生成的图质量参差不齐，有时候生成的图太难看太假了，得多试。 生成手办的提示词 仅供参考：当然还有一小技巧，你可以把你看到的好看的手办图扔给AI，问它提示词。 …
每年九月，苹果的发布会总能吸引大家的目光。今年苹果推出了 iPhone 17，但不少人说是在“挤牙膏” ——亮点不多但价格依旧偏高。今年又出了一个大桔色（Cosmic Orange），真是艳得让人挪不开眼。我无意中看到一张图：背景有位大美女，前面一个人手捧着最新款的 iPhone 17 Pro。我本以为又是哪位有钱人用手机换美女倾心，结果后来听说那是 AI 合成图，这也太以假乱真了吧。 iPhone 17 系列 / 价格简介 以下是 iPhone 17 系列在英国 /部分地区的主要型号、参数和价格情况： iPhone 17 系列 / 价格简介（UK 起始价格，示例性摘要） 型号 主要特色 起始价格（UK） …
All in AI！微软之前已经在自家软件中集成了AI，现在 Excel 的公式中加入了 COPILOT！ =COPILOT(prompt,,...) 这个看似简单的语法将大型语言模型（LLM）的能力直接带入你的电子表格逻辑——为财务规划、分析和建模开启了全新纪元。 为什么这对 FP&A 和数据分析是革命性突破 FP&A 是 Financial Planning & Analysis 的缩写，即 财务计划与分析。FP&A 就像公司的“财务大脑”，负责帮老板规划钱的用法、预测未来收支、分析公司财务状况，并提供决策建议，让公司花钱更明智、赚得更多。 多年来，Excel 一直是财务专业人士的首选工具。虽然它在计算上无可匹敌，但像总结、分类和上下文分析这样的任务一直需要手动处理。现在，COPILOT弥补了这一空白。 通过自然语言提示，你可以在工作簿中直接分析、总结甚至生成数据。FP&A 团队可以减少在数据处理上的时间，将更多精力放在洞察和策略上。 COPILOT 可以做什么 以下是一些能够改变工作流程的示例： 文本总结 — …
我发现可以利用 AI 来审查代码安全性。比如我最近一直在用的一个支持 STEEM 和 Blurt 的钱包插件，突然不能用了。我平时都是从 GitHub 上 clone 源码，然后在本地通过 “Load Unpacked Extension” 的方式加载插件，这样比较安全，因为不用担心 Chrome 插件自动更新时被加入恶意代码，比如偷偷上传用户私钥。 这次插件失效的原因是 Chrome 已经不再支持 Manifest V2 的扩展。虽然之前还有一段时间可以手动加载 V2 插件，但估计只是过渡期。我于是从 GitHub 上下载了 Whale Vault …
莫拉维克悖论是什么？ 莫拉维克悖论（Moravec’s Paradox）是人工智能与机器人学中的一个重要观察结果。 一句话总结 “对于人类来说简单的事情，对机器却很难；而人类觉得复杂的事情，机器却往往很容易。” 悖论的由来 由 Hans Moravec、Rodney Brooks、Marvin Minsky 等人在 1980 年代提出 他们注意到：计算机能轻松完成逻辑推理，却难以感知与运动：让计算机进行高等数学、下棋、逻辑推理等任务相对容易；但让计算机像人类一样“感知世界”和“移动身体”——比如走路、抓取物体、识别人脸——却非常困难。 为什么会出现这种现象？ 进化时间差 人类的感知与运动系统经过数亿年进化，极度复杂；抽象思维是最近几千年才发展出的新能力。感知与运动能力（比如视觉处理、走路、抓握）是人类在数亿年的进化中逐步发展出来的，极其高效而复杂。抽象逻辑和符号推理（比如数学、象棋）则是人类近几千年才发展出的“新技能”，反而对人类来说相对“费力”。 神经资源分配不同 大脑的大部分区域用于处理感知与运动，只有小部分用于逻辑与推理：大脑皮层中，有大量区域用于视觉、听觉、运动控制等感知与行动；相比之下，用于抽象思维的区域相对较小。 我们低估了“本能”的复杂性 比如走路、看东西、抓杯子——这些能力虽然自动完成，但对机器来说极其复杂：因为感知与行动是无意识自动完成的（比如：走路时你不需要思考每一步如何移动），人类通常低估了这些任务的复杂性。 经典对比案例 任务 人类 机器 玩象棋 难 容易（如 …
近日，苹果机器学习研究团队发布了一项引人关注的研究，指出当前所谓的大型推理模型（LRM，如 OpenAI、Anthropic、Google 等推出的模型）在面对难度不断提升的逻辑类问题时，会出现准确率骤降至 0、推理努力减少的现象，表明这些模型并没有真正具备稳定的“思考”能力。 研究背景与核心发现 实验设计：复杂性可控的逻辑谜题 研究团队采用了像 河流过渡 和 汉诺塔（Tower of Hanoi） 等经典谜题，通过可控手段系统增加问题复杂度，同时观察模型的“思考过程”和最终结果，避免传统数学或编程基准可能的数据泄露问题。 苹果机器学习团队最新发布研究，指出当前大型推理模型（LRM）在面对高复杂度逻辑题时，准确率骤降至零，且推理过程中的计算量急剧下降，表现出“放弃思考”的现象。 研究用经典谜题如河流过渡和汉诺塔，通过逐步增加难度控制变量，观察模型的表现和推理行为，规避了训练数据泄露的影响。 结果显示，低复杂度时普通大语言模型LLM表现更好，中等难度下推理模型依赖“链式思考”提升表现，但高复杂度下所有模型准确率急剧崩溃。 模型推理能力的“崩溃”与“偷懒” 在复杂度临界点，模型的有效 token 使用量明显下降，表明模型在完成部分步骤后“停止推理”。在问题复杂度接近崩溃阈值时，这些模型伴随着有效 tokens 使用量骤降（即前几步还在思考，後面却“偷懒”了），表现出类似“放弃继续解题”的行为 。 即使研究者直接给出解题算法，模型仍无法有效利用，说明其并非真正理解算法逻辑。为了验证模型是否真无法理解算法，研究者在汉诺塔问题中提供了解题算法，但这些模型依然无法提升准确率，表明它们并不能用“听懂并执行算法”的思维方式，而是纯粹靠训练数据中的“模式匹配” 。 研究实验示意表 复杂度等级 模型类型 表现趋势 …
AI进化迭代的速度太快了: AI视频工具Pollo (一张图片就能生成5秒公主抱/法式接吻等视频) 在AI技术飞速演进的今天，新一代视频生成工具Pollo横空出世，再次刷新了人们对AI创造力的认知。只需上传一张图片，Pollo便能生成5秒左右的动态视频，无论是充满浪漫氛围的法式接吻，还是童话般的公主抱画面，都能精准呈现，细节生动，情感自然。 相比以往动辄需要多张图片、复杂提示词、甚至训练模型的生成方式，Pollo的操作几乎简单到极致，大大降低了内容创作的门槛。这种从”静态到动态”的极速转化，不仅体现了AI在理解视觉信息和动作逻辑方面的重大突破，也预示着AI内容生产将进入一个全新的加速阶段。 回顾过去一年，AI从文生图、图生图到文生视频、图生视频的进步节奏几乎是按月计算的。Pollo的出现，标志着图生视频领域迈入了“即拍即生”的时代——未来个人创作者、小团队乃至普通用户，都有机会像专业影视团队一样快速制作高质量的短片内容。 AI的进化，远比我们想象中还要快。也许在不久的将来，”一念成片”、”一想成电影”不再是幻想，而是每个人指尖的日常。 Pollo AI视频制作 (持续更新) PolloAI视频工具可以制作多种AI视频，只需要一段话或者一两张图片。注册后有100个积点，可以免费用10次，每天还可以打卡获得积分，感觉免费版就够用了。 公主抱 Bridal Carry 我媳妇很重，现实中我真抱不动，更不用说来一个公主抱了。 视频：油管/Youtube | B站/小破站 | 微博视频 | 西瓜视频 | 微信视频号 | X/推特 | 小红书 | …
