前端技术栈_社区达人页

AI 助理
备案控制台
个人头像照片
前端技术栈
已加入开发者社区1015天

勋章 更多

个人头像照片
专家博主
专家博主
个人头像照片
星级博主
星级博主
个人头像照片
技术博主
技术博主
个人头像照片
初入江湖
初入江湖

成就

已发布640篇文章
9条评论
已回答1个问题
0条评论
已发布0个视频
github地址

我关注的人 更多

良许Linux
良许Linux
冰河001
冰河001
Carl_奕然
Carl_奕然
一个处女座的程序猿
一个处女座的程序猿
anycodes.cn
anycodes.cn

粉丝 更多

听风de歌
听风de歌
eaglehyt
eaglehyt
游客j6ilrqxkl2nxe
游客j6ilrqxkl2nxe
hazel-grape
hazel-grape
没想到浓眉大眼的也叛变了
没想到浓眉大眼的也叛变了
1271602070836496
1271602070836496
昊天道南门
昊天道南门
游客lkhzadutvjgqq
游客lkhzadutvjgqq
李晓玲_
李晓玲_
nvrcrxouoig6s
nvrcrxouoig6s
Dave_GY_Li
Dave_GY_Li
抠破头皮的昵称
抠破头皮的昵称

技术能力

兴趣领域
擅长领域
  • Java
    高级

    能力说明：

    精通JVM运行机制，包括类生命、内存模型、垃圾回收及JVM常见参数；能够熟练使用Runnable接口创建线程和使用ExecutorService并发执行任务、识别潜在的死锁线程问题；能够使用Synchronized关键字和atomic包控制线程的执行顺序，使用并行Fork/Join框架；能过开发使用原始版本函数式接口的代码。

技术认证

暂无个人介绍

暂无精选文章
暂无更多信息

2023年02月

  • 发表了文章 2024-05-15

    超使用的十个JavaScript技巧

  • 发表了文章 2024-05-15

    面试官：请说说JS中的防抖和节流

  • 发表了文章 2024-05-15

    前端面试必须掌握的手写题：基础篇

  • 发表了文章 2024-05-15

    高频CSS面试题

  • 发表了文章 2024-05-15

    JavaScript中的原型和原型链

  • 发表了文章 2024-05-15

    【面试题】面试官：如何判断两个数组的内容是否相等

  • 发表了文章 2024-05-15

    【面试题】Promise只会概念远远不够，还需这17道题目巩固！

  • 发表了文章 2024-05-15

    项目提交按钮没防抖，差点影响了验收

  • 发表了文章 2024-05-15

    js的一些小秘密

  • 发表了文章 2024-05-15

    【面试题】for...in 和 for...of 的区别

  • 发表了文章 2024-05-15

    面试官：你能说说常见的前端加密方法吗？

  • 发表了文章 2024-05-15

    你不知道的forEach函数

  • 发表了文章 2024-05-15

    【前端面试题】 HTML+CSS篇

  • 发表了文章 2024-05-15

    前端中 JS 发起的请求可以暂停吗？

  • 发表了文章 2024-05-15

    【面试题】说说Javascript中你常用的知识点总结

  • 发表了文章 2024-05-15

    前端面试怎么总问watch和computed区别

  • 发表了文章 2024-05-15

    写了2年前端从来不用面向对象？

  • 发表了文章 2024-05-15

    Flex布局的三个属性要深刻理解！

  • 发表了文章 2024-05-15

    每天一算法，脑子不生锈（真押韵）

  • 发表了文章 2024-05-15

    Vue 3 常见面试题汇总

正在加载, 请稍后...
滑动查看更多
  • 回答了问题 2023-01-13

    生成式AI是激发人类创作灵感还是会替代人类艺术创作？

    个人觉得生成式AI不可能完全替代人类艺术创作，但会形成AI创作和人类艺术创作并存的局面，现在爆火的AIGC技术未来必将成为艺术创作者的福音。AIGC被认为是继PGC、UGC之后的新型内容创作方式，虽然目前还处于文案写作、图片生成阶段，但未来在音视频设计上将有非常大的想象空间，比如音乐创作、影视创作等。毫不夸张的讲，AIGC未来有望颠覆现有的内容生产模式，它的工业化创作能力先天就能够为创作者提供海量素材和灵感，在创意生成、个性化内容的设计上，为创作者提供新的内容和视角。 那么AIGC技术具体可以怎么能帮到人类艺术创作者呢？以作画为例。创作者可以详细地设计画作风格或者清晰地描述想要的元素，然后利用AIGC工具生成符合目标的画作内容，最后创作者基于AIGC作画产品可以进行二次创作，当效果不符合预期时，还可以在成品图的基础上加入更多的元素，使画作更接近预期。在整个过程中，创作者可以借助AIGC的强大生成能力来激发自身的创作灵感。 近期大火的ChatGPT就表现出了远胜以往自然语言处理的能力。生成的文字内容不仅通顺，逻辑上的前后呼应也不同以往，还结合了以往多个自然语言处理应用的能力。最近几天我还看到有人让ChatGPT生成了可以编译通过的单片机程序，当然这些程序只是确保语法正确可以编译通过，代码功能还做不到满足需求。但这也是个巨大的进步了，结合过去一两年的CoPilot等自动补全代码类的应用，AI辅助人类的工作已经上了一个新的台阶。如下是ChatGPT生成的Arduino闪耀LED的代码 在深度学习出现前人们就开始尝试利用AI生成内容了。自然语言处理研究者在多年前就尝试利用词频来生成大段的文字，只是受限于模型难以构建复杂的关系，生成的内容只能说相邻的几个字是有关系的，组成的句子则难以接受。深度学习出现以后，自然语言处理上的复杂语法分析成为可能，能生成的内容也变得更加通顺。2014年在Ian Goodfellow提出GAN后，使得内容生成有了新的迭代进化方法。AI生成的内容不再仅仅是概率上说的通，而且能让更复杂的判别器难以区分真实数据和AI生成的数据。 更广义的Diffusion Model(扩散模型)是近期那些优秀机器学习模型的共同机制。包括了生成对抗网络(GAN)、变分自编码器(VAE)、流模型(Flow)、波尔兹曼机(Boltzman Machine)、自回归模型等。通过良好设计的扩散过程，使得训练集的元素可以更好的结合到一起，无论是图像层面的组合还是复杂的语法。 AI生成的画作和文本现在已经越发复杂而超出预料，在可以线性判别的领域有着不错的效果。但大家也应该看到AI生成内容的一些局限。GAN的判别器可以做分类，也可以给出一个输入的好坏分数，但并不能判断对错。从AI画图的角度看，就是能生成很华美的画面，但对满足需求却不那么擅长。近期大火的ChatGPT可以生成大段看起来很通顺的文字，但与正确还有一定的距离。同时由于判别器里图画的信息量或文字的长度也是一个重要参数，使得AI生成的内容总是华丽和罗嗦。 AI生成内容在当前的状态，很适合生成只分好坏，不分对错的内容。像是生成的音乐、画作、文字都已经有了不错的结果。同时应用的开发者也应该小心，不应让AI生成的内容污染人类生成的内容。AI生成的内容还是源自训练集，其本身不会产生新的知识。一些似是而非的内容更是难以被读者所区分，对需要寻求知识的人会产生干扰。从这个角度看，利用ChatGPT等技术来辅助搜索是个好主意，但不应该把ChatGPT生成的内容作为主要结果提供给读者。 向好的方向看，AI生成内容，可以让人们可以欣赏的内容变得更加丰富。我也十分期待AI生成内容可以出现很多意想不到的应用。AI与人类配合工作的领域里，有的是AI主导的，人类作为标注员。而早期想要推动合作，更好的方式是AI作为人类的助手，扩散模型已经表现出很多超出预期的行为，在成为更好的助手上未来可期。 十多年前，互联网行业出现了Web2.0的概念。意思是相对于Web1.0时代依靠网站编辑来生成内容，Web2.0的时代是用户生成内容(UGC)。Web2.0的时代，因为创作者更多，使得互联网的内容迎来了大爆发，人们可以享用的内容急剧增加。在AIGC即将爆发的黎明，虽然有我的担忧，但也非常期待人们可以享用的内容迎来新的大爆发。个人猜测是AIGC的时代，每个人看到的内容有可能不再是以往广播的，而是更有偏好性，更个性化的针对特定用户生成的内容。过去十几年的个性化推荐已经展现出了巨大的价值，但推荐的内容仍然是对所有人相同的，而AIGC的时代，针对每个人偏好生成的主内容相信会有很大的改变。 机器学习发展至今，已经变得越来越昂贵。机器学习工程师的努力之外，我也很希望能获得这些优秀机器学习模型来做出有趣的应用。近期看了机器学习模型分享网站Model Scope https://www.modelscope.cn/ ，里面就有非常多训练好的模型可供下载和尝试。机器学习早已不是几年前大家都想试试的状态。现在能够惊艳大家的机器学习模型，往往在数据收集、标注、训练等方面花费巨资，一些顶尖模型的训练成本甚至可达数千万人民币。此时通过ModelScope这类网站为桥梁，让应用工程师和机器学习工程师可以分头做自己最擅长的工作，就成为未来有趣应用的起点。 关于生成式AI的一些讨论，尤其是GPT系列的自然语言处理相关的讨论，我近期看到比较专业的一个讨论在
    踩0 评论0
正在加载, 请稍后...
滑动查看更多
正在加载, 请稍后...
暂无更多信息
勋章
关注
粉丝