2023 年度总结—总结我今年的AI之路-多项目实战经验谈AI发展前景

各位好，我是难忘，对人工智能方向有所研究，今年一年除了开发了几个软件项目之外的时间，基本都用到了学习研究AI上，最近几个月也是产出了几款AI领域的爆火文章，也把自己学习AI的笔记写了一个专栏，反响还是不错的。本文呢也是写一下对人工智能技术的学习总结和趋势预测、参与项目的经验分享，个人技术成长方面的心得体会等等。

🐟一.学习总结和参与项目

人工智能（AI）已经逐渐成为当今科技领域最热门的话题。在学习AI的过程中，我深入了解了机器学习、深度学习、自然语言处理等关键技术，并对其在各个领域的应用有了更深刻的认识。

🐬1.1 AIGC大模型学习体验有感

说到总结，我觉得第一条就应该说一下现在爆火的Chatgpt了，我也是AIGC的深度依赖者。（当然写文不会用哈，只会辅助参考看一下相关知识，其实本人觉得深度使用的话，很多知识其实AIGC大模型是回答不好了，而且很多都是错误的答案。）

ChatGPT是一种人工智能技术，它可以通过学习和训练，模拟人类的语言和行为，实现与人类的交互和智能响应。ChatGPT是人工智能技术的一次重要突破，它能够快速地学习和适应用户的需求，并且可以广泛应用于客服、智能助手、智能家居等领域。
ChatGPT存在一些潜在的问题。它会误判或误解用户的意图，导致不准确的回答或行为。这点我是有深深的体会，有时候它会给你瞎写，还是一本正经的那种！
除了ChatGPT，我用文心一言还是蛮多的，因为文心一言是可以联网的，它知道现在的新技术，而我们做人工智能这行的，接触的一定是新技术，所以说，文心一言还是很好的，作为面向中文用户，它的调教也是相当不错。

🐬1.2 亚马逊云科技AI新产品学习研究有感

就在最近，我的记忆还是蛮深的，我深度的学习了Amazon SageMaker Canvas无代码机器学习。这个新产品是很强的。

我根据Amazon SageMaker Canvas无代码机器学习构建了一个模型，并且产出了1w多字的文章，在网络上也取得了几万的浏览量，这是一个构建了一个模型来预测货物的交付状态，并且精确度达到80%以上的模型，使用Amazon SageMaker Canvas 就可以完美的完成，这点是超出了我的预料，很强！！！
这是我使用的一些优点总结和心得：
●Amazon SageMaker Canvas在模型预测中可以提供的优秀的可视化效果。通过图表和视觉化工具，我们可以直观地了解模型训练的结果。这有助于我们更好地理解模型的性能和预测结果。
●通过更新参数并观察实时预测结果，调整后的模型在预测值的准确性上取得了显著提升，可以看到特征的重要性。可以学习到模型的可调性和灵活性，是能够更好地适应不同的应用场景的。
●成功在Canvas中构建一个机器学习模型，该模型能够根据历史数据预测交付是否准时或延迟。其准确率超过了80%，从而有效地预测货物的交付状态，完成任务目标。
全程的无代码体验过程是相当的nice！，模型的准确率也超过了任务要求的80%以上。
Canvas的可视化点击式界面提供了一个直观、易用的操作平台，可以轻松创建和优化机器学习模型。这种用户友好性大大降低了学习门槛，让机器学习在更广泛的领域中得以应用，让刚入门的小白也可以快速的了解机器学习，深度学习的内容，我觉得亚马逊这次的新产品Amazon SageMaker Canvas的意义十分巨大，我给予这块产品一个好评，期待以后会迭代的更好！
在实验的初期，可以看到我导入数据集和创建模型的步骤都相当直观，而且Canvas的快速构建功能极大地加速了模型的训练过程。在进行模型分析时，我们也能够清晰地看到模型的准确性和相关特征的重要性，这有助于更好地理解模型的性能和优劣。
还有一个亮点就是，在模型准确率未达到要求时，通过引入新的特征进行模型优化的过程。我们可以看到Canvas的灵活性，能够适应不断变化的业务需求。通过不断迭代和改进，最终成功构建了一个高准确率的模型，实现了项目的预期目标。

还有一个要讲的就是，我也另外做了一个基于Amazon S3 Express One Zone和Amazon SageMaker的图像分类模型实战，最后也是完美的实现了预定的目标。

🐟二.趋势预测

我在12月初参加了Apollo新版本Beta自动驾驶技术沙龙，感触很深，趋势预测就写自动驾驶技术这块的吧。

先了解一下 Apollo：
Apollo计划是百度在自动驾驶领域推出的开放平台，旨在为汽车行业和自动驾驶领域的合作伙伴提供一套完整、安全、开放的软件系统，帮助他们结合车辆和硬件系统，快速搭建一套属于自己的完整的自动驾驶系统。
Apollo计划的推出，得到了全球汽车制造商、出行服务商、科技公司和研究机构的积极响应和支持，其中包括宝马、福特、戴姆勒、大众、拜腾汽车等众多知名企业。这些企业成为了Apollo合作伙伴，共同推动自动驾驶技术的发展和应用。
让我记忆很新的是全新Dreamview+，在全新Dreamview+中，开发者可以使用资源中心的同步功能，将Apollo Studio云端工作台中的数据同步到本地，包括地图、场景、车辆配置、数据包等资源，避免了手动上传和下载资源的麻烦。同时，Dreamview+资源中心还可以实时同步各类资源的更新状态，以便开发人员快速地进行算法的迭代测试和调试。

对于Apollo新版本Beta的介绍让我印象深刻。全新的工程框架、感知算法、规划控制等方面的升级和优化展示了百度在自动驾驶技术上的不懈努力。特别是感知算法的重大升级，采用了新的激光雷达检测模型CenterPoint，以及在LiDAR、Camera、Radar感知模型上的全面升级，给我留下了深刻的印象。这种技术的不断演进使得自动驾驶系统在复杂城市道路场景下能够实现更为准确、稳定的3D目标检测效果。

🐬2.1 自动驾驶技术的趋势预测

在12月初的Apollo新版本Beta自动驾驶技术沙龙上，我深切地感受到了这一变革的浪潮。未来，自动驾驶技术将带来一场交通方式的革命。
在沙龙上，Apollo向我们展示了其最新版本的自动驾驶技术。技术的快速迭代意味着不久的将来，我们有望看到更加智能、高效的自动驾驶系统。与此同时，随着商业化进程的加速，自动驾驶出租车、公交车以及物流车辆等应用场景将逐渐普及。
5G网络的普及将为自动驾驶提供更加稳定、高效的数据传输服务。5G网络的高带宽、低延迟特性将使车辆能够实时获取周围环境信息，提高自动驾驶的安全性和可靠性。
AI技术的突破将赋予自动驾驶车辆更强大的环境识别能力。通过机器学习和深度学习，车辆将能够自主判断路况、预测其他车辆和行人的行为，并作出相应的驾驶决策。这将大大提高道路安全和乘车舒适度。
自动驾驶技术将成为智慧城市建设的重要组成部分。在未来城市中，自动驾驶车辆将与智能交通信号灯、物联网设备等基础设施无缝对接，共同构建高效、环保的城市交通体系。

🐟三.个人技术成长方面的心得体会

🚀 个人技术成长方面的心得体会
在今年的学习和项目实践中，我对个人技术成长有了一些深刻的体会和心得：
👨‍💻 多项目实战锻炼
通过参与多个AI项目，我深刻体会到实际项目经验对于技术成长的重要性。每个项目都是一次独特的挑战，从需求分析、算法选择到模型优化，都需要不断学习和尝试。实战中的问题和挑战使我更深入地理解了理论知识，并培养了解决问题的能力。
📚 不断学习新技术
人工智能领域更新迅速，不断涌现出新的技术和工具。在今年，我特别关注了AIGC大模型（如ChatGPT）和亚马逊云科技的新产品（如Amazon SageMaker Canvas）。通过深入学习这些新技术，我能够更好地应对项目需求，提高工作效率。
🌐 关注行业趋势
参与了自动驾驶技术沙龙后，我对自动驾驶技术的前景有了更清晰的认识。关注行业趋势是保持竞争力的关键，因此我会继续关注自动驾驶、5G网络和人工智能等领域的发展动向，以保持对未来技术的敏感性。
💡 无代码机器学习体验
亚马逊云科技的Amazon SageMaker Canvas为我提供了一次无代码机器学习的全新体验。这种工具的出现降低了学习门槛，使不擅长编程的人也能快速了解和应用机器学习技术。在未来，我期待无代码机器学习工具能够进一步普及，为更多人提供便利。
🔮 未来展望
未来，我计划继续深入学习新技术，特别是在自动驾驶领域进行更深入的研究。同时，我会继续关注人工智能领域的发展趋势，不断提升自己的专业水平。通过分享经验和知识，我希望能够为社区和团队的技术发展做出更大的贡献。

今年是我技术成长的关键一年，我将继续保持学习的热情和对新技术的好奇心，不断挑战自己，迎接更多的技术挑战和机遇!!!