阿里的通义千问，震惊到我了 “百花齐放，百家争鸣”人工智能再掀热潮，近期国产AI大模型竞相发布。继百度、三六零、商汤等科技巨头发布各自大模型后，阿里巴巴“通义千问”大模型4月11日也亮相云峰会。据介绍，阿里达摩院2019年便已启动中文大模型研发。不得不说，这些大厂都是站得高看的远的，稍不留神就会被落下。 阿里巴巴集团董事会主席兼CEO、阿里云智能集团CEO张勇表示，未来阿里巴巴所有产品都将接入“通义千问”大模型，进行全面改造。据悉，钉钉、天猫精灵将率先接入通义千问测试，评估认证后正式发布新功能。 先给个官网测试地址吧：https://tongyi.aliyun.com/ 我是当天就申请了，没过几天，好消息就来了 image.png我们今天来说下讲下通义千文的AI感受 我是通义千问 ，一个专门响应人类指令的大模型image.png首先进来的落地页面和百度的文心一言、ChatGPT等布局不一样，它多了一些聚焦话题模块，让用户可以直接进入该模块得到自己想要的答案。这是其一，我们再往下看有个百宝袋： image.png这里面是亮点，好不好用先不说，反正挺扎眼的，我们进去彩虹屁专家看是怎么样的一个“专家” image.png只能呵呵了，感觉很生硬！！！ image.png输入“鱼香肉丝”，回答 鱼香肉丝菜品 所需食材： -瘦猪肉丝 250克 -青椒 50克 -红椒 50克 -葱 30克 -姜 10克 -大蒜 10克 -盐 适量 -酱油 适量 -料酒 适量 -生抽 适量 -白糖 适量 -香醋 适量 -生姜 适量 -大蒜 适量 -淀粉 适量 -香油 适量 具体步骤： 猪肉洗净切细丝，加入盐、酱油、淀粉搅拌均匀腌制15分钟。青红椒去蒂去籽切细丝，葱姜蒜切末备用。热锅冷油加入葱姜蒜爆香。加入腌制好的肉丝煸炒至变色，加入青红椒丝翻炒。加入生抽、白糖、香醋、盐、料酒、适量清水翻炒均匀。最后滴入香油，撒上葱花即可。完整做法： 猪肉洗净切细丝，加入盐、酱油、淀粉搅拌均匀腌制15分钟。青红椒去蒂去籽切细丝，葱姜蒜切末备用。热锅冷油加入葱姜蒜爆香。加入腌制好的肉丝煸炒至变色，加入青红椒丝翻炒。加入生抽、白糖、香醋、盐、料酒、适量清水翻炒均匀。最后滴入香油，撒上葱花即可。SWOT分析百宝袋中SWOT分析值得去问问，去跟他聊聊 image.png优势: GPT 可以为个人或企业生成各种文本内容，包括文章、广告、电子邮件、网页等。这种自动化工具可以加速文本生成，减少创作时间，同时可以减少错误率。GPT 可以在语言和文化领域生成高质量的文本，使得文本的语言、文化和主题更加准确。GPT 可以根据个人或企业的需求生成文本，提供个性化的服务，使得客户更容易接受产品或服务。劣势: 在使用 GPT 生成文本时，需要输入相应的信息，否则 GPT 无法生成正确的文本。需要将所有的信息输入到 GPT 中，否则 GPT 将无法为用户生成所需的文本。如果生成的文本与其他人的文本存在很大的相似性，可能会被视为侵权。机会: 随着人工智能技术的不断发展，GPT 将成为一个普及化的工具，使得更多的人可以使用它来生成文本。对于企业来说，使用 GPT 可以提高生产效率和生产力，从而增加收益。由于 GPT 的生成文本准确度高，因此可以提高客户的满意度，从而促进销售。威胁: 由于 GPT 可以快速生成文本，因此可能会对人类的工作造成威胁。使用 GPT 可能会导致人们的创造力和创作能力下降，因为人们可能会将生成文本作为一个机械的过程。如果 GPT 的生成文本可能会被认为是侵权的，那么使用 GPT 可能会导致法律纠纷我们用官方的示例，“在疫情后时代中，传统制造业的机会在哪里” image.png我们再来看下编码能力这里就不粘贴图片了，我们用对话的形式将编码能力写下来，我们感受下： Q:scalaspark中如何计算同环比 A:同环比是指在时间范围内，同一组的数值比较，以及环比是指相对于前一个时间的变化。在ScalaSpark中，可以通过`filter()`函数和`map()`函数来实现同环比的计算。假设有一个数据集是按天分区的，其中有一列是日期。现在想要计算相邻两天的同环比，可以按照以下步骤： 1.创建一个时间窗口，按照日期分区。 2.将数据集分成若干个子集，每个子集包含相邻的两天。 3.对每个子集执行上述计算，得到每组的同环比。 示例代码如下： importorg.apache.spark.sql.functions._ importorg.apache.spark.sql.expressions.Window importorg.apache.spark.sql._ valdateColumn=Seq("date").toDF("date") valtimeWindow=dateColumn.withColumn("end_date","date").over( Window.partitionBy("date").orderBy("date") ) valdf=spark.createDataFrame(Seq(("2019-01-01"),("2019-01-02"),("2019-01-03"),("2019-01-04"),("2019-01-05"),("2019-01-06"),("2019-01-07"),("2019-01-08"),("2019-01-09"),("2019-01-10"),("2019-01-11"),("2019-01-12"),("2019-01-13"),("2019-01-14"),("2019-01-15"),("2019-01-16"),("2019-01-17"),("2019-01-18"),("2019-01-19"),("2019-01-20"),("2019-01-21"),("2019-01-22"),("2019-01-23"),("2019-01-24"),("2019-01-25"),("2019-01-26"),("2019-01-27"),("2019-01-28"),("2019-01-29"),("2019-01-30"),("2019-01-31")),Seq("id","date")) valresultDF=df.groupBy(dateColumn,"id").agg(first("date"),avg("value").as("value")) resultDF.show() 输出结果： +---+----------------+---------+ |id|date|value| +---+----------------+---------+ |2019-01-01|2019-01-01|5| |2019-01-02|2019-01-02|5| |2019-01-03|2019-01-03|2| |2019-01-04|2019-01-04|3| |2019-01-05|2019-01-05|3| |2019-01-06|2019-01-06|1| |2019-01-07|2019-01-07|2| |2019-01-08|2019-01-08|1| |2019-01-09|2019-01-09|1| |2019-01-10|2019-01-10|0| |2019-01-11|2019-01-11|0| |2019-01-12|2019-01-12|1| |2019-01-13|2019-01-13|1| |2019-01-14|2019-01-14|0| |2019-01-15|2019-01-15|0| |2019-01-16|2019-01-16|1| |2019-01-17|2019-01-17|0| |2019-01-18|2019-01-18|0| |2019-01-19|2019-01-19|1| |2019-01-20|2019-01-20|1| |2019-01-21|2019-01-21|0| |2019-01-22|2019-01-22|0| |2019-01-23|2019-01-23|1| |2019-01-24|2019-01-24|0| |2019-01-25|2019-01-25|0| |2019-01-26|2019-01-26|1| |2019-01-27|2019-01-27|0| |2019-01-28|2019-01-28|0| |2019-01-29|2019-01-29|0| |2019-01-30|2019-01-30|0| |2019-01-31|2019-01-31|0| +---+----------------+---------+ 发现他并没有计算同环比，接着问： Q: 并没有计算同环比啊 A: 感谢您指出这个问题。在原来的代码中，我们只计算了相邻两天的差值，没有考虑相邻两天的环比增长。在计算同环比时，需要将每组数据的相邻两天也考虑进去，所以需要加入一个时间窗口来保存每组数据的相邻两天。 修改后的代码如下： importorg.apache.spark.sql.functions._ importorg.apache.spark.sql.expressions.Window importorg.apache.spark.sql.types._ valdateColumn=Seq("date").toDF("date") valtimeWindow=dateColumn.withColumn("end_date","date").over( Window.partitionBy("date").orderBy("date") ) valdf=spark.createDataFrame(Seq(("2019-01-01"),("2019-01-02"),("2019-01-03"),("2019-01-04"),("2019-01-05"),("2019-01-06"),("2019-01-07"),("2019-01-08"),("2019-01-09"),("2019-01-10"),("2019-01-11"),("2019-01-12"),("2019-01-13"),("2019-01-14"),("2019-01-15"),("2019-01-16"),("2019-01-17"),("2019-01-18"),("2019-01-19"),("2019-01-20"),("2019-01-21"),("2019-01-22"),("2019-01-23"),("2019-01-24"),("2019-01-25"),("2019-01-26"),("2019-01-27"),("2019-01-28"),("2019-01-29"),("2019-01-30"),("2019-01-31")),Seq("id","date")) valresultDF=df.groupBy(dateColumn,"id").agg(first("date"),avg("value").as("value")) validxWindow=Seq("date","end_date").toDF("idx","end_date") valresultDF2=resultDF.join(idxWindow,"left_id","right_id","date") resultDF2.show() 在这个代码中，我们在 timeWindow 中新增了一列 idx 表示相邻两天的索引，并将 date 列和 end_date 列进行了索引。然后，我们使用这两个索引进行了 join 操作，以计算同环比。 需要注意的是，由于我们使用的是 date 列作为分区键，所以 end_date 列是按照日期排序的。因此，我们需要在计算同环比之前，先按日期排序每个子集，以保证同环比的值是连续的。 再问下java Q:java 实现二分法排序 以下是 Java 实现二分查找排序的示例代码： publicstaticvoidbubbleSort(int[]nums){ intn=nums.length; for(inti=0;in-1;i++){ for(intj=0;jn-i-1;j++){ if(nums[j]nums[j+1]){ inttemp=nums[j]; nums[j]=nums[j+1]; nums[j+1]=temp; } } } } 这个实现使用了双重循环，以比较相邻的两个元素，并将较小的元素向后移动一个位置。在每一轮比较中，最大的元素将被保留下来，而最小的元素将被替换为它的下一个元素。因此，最终的有序数组将按升序排列。 同样地，如果需要使用二分查找排序一个数组，可以使用类似的方法来实现。需要注意的是，由于这种排序算法的时间复杂度是 O(n^2)，因此在处理大型数据集时，可能需要使用其他算法来优化性能。 总结：总体来说还行，不是那么的让人失望，补充一句，不支持图片，是的 我们今天分享到这里，你也可以搜索微信公众号“1点东西”，会有很多AI资料，感谢点赞，关注。 最近一直在写AIGPT类的东西，都收录在下方AI专栏里，以后也会持续输出。 阅读原文