作为AI技术最广为人知的应用，作为背景还是很值得了解一下的。不仅可以快速了解一个算法的构架，而且还有助于我们理解所谓机器识别的本质。

Wumpus 游戏与人工智能（2009 本科项目） 实施了具有单个代理 AI 的 Wumpus 狩猎 ( )。 每个游戏规则都会根据游戏的当前状态进行评估，如果为真，则代理决定下一步要采取的行动。 特工在此过程中获得了更多关于 Wumpus 怪物、坑和黄金的可能位置的信息。 智能体所知道的关于世界的所有信息（游戏规则）加上探索后获得的信息都表示在知识库中（截图右侧），这是一组用 PROLOG 编写的谓词。 课程项目：人工智能使用的语言：Java、Prolog

巴拉辛加和人工智能 Barasingga是一款简单的两人民间游戏 规则： 每位玩家12件 任何一块都只能向与其连接的邻居中的任何一个移动一步 仅通过跳过对手的棋子（仅在一个棋子上）进行捕获 每转一圈允许移动 如果仅一次拍摄同一张照片，则可以进行两次或更多次连续拍摄（参见图3） 该规则尚未实施 初始位置 动作 捕获 垂直捕获 对角线捕捉 一圈两次捕获

提示工程是一门相对较新的学科，用于开发和优化提示，以有效地将语言模型(LM)用于各种应用和研究主题。提示工程技能有助于更好地理解大型语言模型(LLM)的能力和局限性。 研究人员使用prompt engineering来提高LLM在广泛的常见和复杂任务上的能力，如问答和算术推理。开发人员使用提示工程来设计与LLM和其他工具交互的健壮和有效的提示技术。 提示工程不仅仅是设计和开发提示。它包含了对与LLM交互和开发有用的广泛技能和技术。这是接口、构建和理解llm功能的一项重要技能。您可以使用prompt engineering来提高llm的安全性并构建新的功能，例如用领域知识和外部工具增强LLM。

TensorRT 7.0.0.11 for Ubuntu 18.04 and CUDA 10.2 tar package

1、AIGC是什么? AIGC即 Al Generated Content，利用人工智能技术来生成内容，它被认为是继PGC、UGC之后的新型内容创作方式。2022年AIGC高速发展，这其中深度学习模型不断完善、开源模式的推动、大模型探索商业化的可能，成为AIGC发展的“加速度”。 2、AIGC有哪些应用价值? AIGC将有望成为数字内容创新发展的新引擎。1)AIGC能够以优于人类的制造能力和知识水平承担信息挖掘、素材调用、复刻编辑等基础性机械劳动，从技术层面实现以低边际成本、高效率的方式满足海量个性化需求。2)AIGC能够通过支持数字内容与其他产业的多维互动、融合渗透从而孕育新业态新模式。3）助力“元宇宙”发展。通过AIGC加速复刻物理世界、进行无限内容创作，从而实现自发有机生长。

AWS Brazil Tech Talk 2019 AI服务演示 该演示的目的是展示如何使用某些AWS AI服务。 我们将构建一个聊天机器人，以上传图像和视频，从内容中提取更多信息，以便更轻松地搜索它们并生成有关它们的音频文件。 下面我们有这个演示的架构： 要开始使用，您将需要具有以下访问权限的IAM用户： CloudFormation S3 我是 DynamoDB 拉姆达 录制 文字练习 重新认识 理解 翻译 波莉 莱克斯 笔记： 该演示的目的是演示AWS AI服务。 所使用的代码不适用于生产。 在弗吉尼亚北部地区（us-east-1）测试。 开始之前，请克隆或下载存储库！ CloudFormation 通过以下打开CloudFormation控制台： //console.aws.amazon.com/cloudformation 在“欢迎”页面上，单击“创建堆栈”

AWS AI 服务演示 试用 AWS 的各种 AI 服务，无需代码或帐户。 演示站点托管在 包括的例子： src/components/可用的所有组件 Transcribe.js ：自定义音频的批量异步转录作业 Polly.js ：使用标准或神经语音引擎支持所有可用语言的文本到语音 Comprehend.js ：情感、实体、关键短语和语法标记检测 Rekognition.js ：对象检测 Translate.js ：文本到文本翻译 安装 在本地运行/测试： npm install npm start https://localhost:3000 AWS AI 服务免费套餐 本演示中涵盖的服务都有非常慷慨的免费套餐。 乍看上去： 服务 描述 数量 亚马逊翻译 文本-​​文本翻译 200 万个字符/月 亚马逊波莉 文字转语音 500 万个字符/月 亚马逊领悟 自然语言理解 500

即将推出AI_Tank2.0版。在此之前将1.0版之前的一个AI多一些的demo发上来。

有关2.0的更新情况，详见
http://www.xnadev.cn/bbs/dispbbs.asp?boardID=15&ID=400&page=1

互联网上收集到的 关于”通过手机摄像头识别血氧饱和度”的样本集以及论文地址和修改后的代码程序。 包含下面三个（代码，数据集，修改后的代码） ○ MTVital https://github.com/MahdiFarvardin/MTVital 包含 62份数据集 ○ Oximetry-phone-cam-data https://github.com/ubicomplab/oximetry-phone-cam-data 包含 6 份数据集 ○ seeing-red https://github.com/ssloxford/seeing-red 包含15份原始手指视频数据集（论文是针对心跳监测）（Each video is a 30 seconds long recording which was taken as the participant kept his index finger on the smartphone camera）