返回首页
最新
大家好！我是 Kanishka Nithin，AIGr.id 的创始人（网址：<a href="https://www.aigr.id" rel="nofollow">https://www.aigr.id</a>）。
我们正在构建 AIGr.id——一个独立的、模块化的多中心人工智能网络，它能够协调、交换数据，并组合成更高级的智能——这一切都在一个去中心化和多元的生态系统中。集体智能的概念？
简单来说：我们希望让人们能够像使用互联网一样，开放、协作地生产、重混、操作、分发和消费人工智能系统，而不需要将一切集中到一个由单一大型实体拥有的超级模型中。就像智能互联网一样。
当今的人工智能格局是：
- 集中化、资源密集型的系统需要巨额资金、计算能力和人才——排除了世界上许多人。
- 由少数强大参与者控制，他们将利润置于公共利益之上。
- 参与受到限制，加深了人工智能收益的不平等。
- 片段化和孤立，没有开放的人工智能协调协议。
我们相信，现在是重新构想人工智能为集体智能、共享公地的时候——多中心、协作、可组合、包容，并且以超越利润的价值为指导。
我们的方法与众不同之处在于，我们并不是试图构建“唯一真实的模型”——而是希望让人们更容易共同构建、重混、运行和管理自己的人工智能系统。我们希望创造一个不必是单一模型的AGI世界——在这个世界中，不同的模型、代理和集体可以并行演化、协调，甚至在需要时进行争论。设计上就是多元的。
AIGr.id 的核心是 OpenOS.AI，一个分布式人工智能操作系统。它是一个完整的人工智能操作系统，涵盖从低级计算编排到高级认知、协调、治理和经济政策的所有内容。可以将其视为构建和运行去中心化人工智能系统的可编程基础层——适用于任何基础设施，任何拓扑结构。
开发者可以使用共享协议、原语和模板来组合人工智能系统——模型、代理、认知工作流——并将其插入运行中的网格。这些网格可以是公共的、私有的、联合的，甚至是无权限的。每个网格可以保持自己的主权（价值观、规则、信任机制），但仍然可以与其他网格互操作。它的设计是为了一个我们期望多种智能共存的世界，而不是一个模型统治所有。
我们目前处于测试阶段，并将在即将到来的测试网阶段启动更大规模的测试。如果这引起了你的兴趣，或者你只是想讨论开放系统——我们非常欢迎你的反馈。如果你有兴趣加入测试网，可以通过我们的 Discord 频道 @ <a href="https://discord.gg/W24vZFNB" rel="nofollow">https://discord.gg/W24vZFNB</a> 加入我们——我们期待你早期参与。
文档、GitHub 和论文都可以在 <a href="https://www.aigr.id" rel="nofollow">https://www.aigr.id</a> 找到。
我们很想知道你的想法——批评、奇怪的用例、边缘案例、反驳意见——都欢迎。
我们自己的背景促使我们关注这个问题。在此之前，我们是一个四人团队，负责运营印度最大的实时人工智能推理工作负载之一。我们同时处理大约 500,000 次推理/秒，涵盖 80-90 个模型，支持 35 个以上的公共部门用例——主要是视频分析。我们在实时中跨越联合和私有基础设施，处理每秒数百万帧。我们并不依赖云服务提供商或商业框架。
我们的市场因基础设施投资被优先级降低而扭曲，选择在我们的收入中增长意味着生存的唯一方式就是无情地提高效率：创建自动化的框架，涵盖人工智能的端到端生产、操作、分发和维护生命周期——以可靠的规模完成所有工作，几乎不需要人类干预——这样我们四个人也能过上正常的生活。
因此，从某种意义上说，AIGr.id 是出于必要而诞生的。它是我们希望拥有的系统——一个将智能视为模块化、网络化、可组合、可编排、可分享和可治理的集体方式。
大家好，我为游戏开发者开发了一款像素艺术游戏资产生成工具。然而，目前我在寻找早期用户方面遇到了一些困难。你们能给我一些吸引用户的建议吗？谢谢！
我们为内部销售团队打造了一个“健身房”。
• 与符合您理想客户画像（ICP）和口音的AI买家开始视频通话。
• 分享幻灯片，面对异议。
• Manja AI会对谈话进行评分，并返回一张指导卡。
我们希望获得关于现实性、延迟和分析的诚实反馈。
无需信用卡，免费试用：<a href="https://manja.ai/sales-gym" rel="nofollow">https://manja.ai/sales-gym</a>
谢谢！
我每天至少看到一封邮件或一条LinkedIn帖子，明显是“由AI撰写”的。
使用AI没问题，但如果没有人类的痕迹，我就会在中途失去兴趣……就像发现一张酷炫的照片是假的一样。
我们为什么能如此快速地识别出机器人的声音？
* 我们会根据受众的反应进行调整，而模型则是对所有人进行平均。
* 真实的人会留下痕迹……比如恰到好处的笑话，或者不小心的错别字。
* 精致而通用的文风就像是一个本地新闻主播闯入你的群聊。
我如何保持草稿的人性化：
1. 明确说出谁在说话，为什么。“客服代表，对一个感到沮丧的客户。”
2. 粘贴客户的真实抱怨。这让模型感到压力。
3. 加入一段我自己的声音，要求它进行修改。这比遵循规则效果更好。
4. 将温度调高一点，然后删掉任何奇怪的内容。
5. 大声朗读。如果听起来像企业的墙纸，我就会让它变得粗糙一些——把逗号换成破折号，加入一个“哎呀”。
这就是我的日常。你的呢？我在收集一些技巧，以便我的收件箱不再像办公室天花板的掉落瓷砖。
几周前，Theo T3 发布了一篇 Medium 文章的读后感，展示了如何通过 WebAssembly 增强 AngularJS 网站，以计算阶乘。<p>我一直在构建一个通用（或类似通用）的 Python 编译器，主要专注于数值计算和人工智能推理。我觉得创建一个类似的项目会是个不错的练习，这次我会进行更多的数值运算。<p>我快速设计了一个类似 Lightroom 的图像编辑器界面（感谢 Claude！），然后编写了一个小的 Python 函数，使用 PyTorch 进行对比度调整。这个函数被编译成 wasm，并且由于使用了向量化的 128 位 wasm 内在函数，运行速度非常快（我在想我们是否会很快得到 256 位的支持）。<p>在这里试试：<a href="https://github.com/olokobayusuf/photo-editor">https://github.com/olokobayusuf/photo-editor</a>。我正在探索构建一个基于 WebGPU 的张量框架，以实现更快的速度。欢迎告诉我你的想法！
我一直在使用 ArgoCD 和 GitHub Actions 进行 GitOps，最开始效果很好。但一旦我开始管理多个集群，情况变得更加复杂：
- 同步速度变慢
- 需要启动独立的 ArgoCD 实例
- CI/CD 感觉与 GitOps 流程脱节
我想听听其他人在大规模实施 GitOps 时的做法。你们是继续使用 Argo 并增加工具层，还是转向 Flux 或自定义设置？任何经验教训都欢迎分享。
我开发了一个用于带有 TTL（生存时间）和 LRU（最近最少使用）缓存的 Ruby gem。它是线程安全的，并且在我自己的应用中非常有用。希望能得到一些反馈：<a href="https://github.com/mishalzaman/memo_ttl">https://github.com/mishalzaman/memo_ttl</a>