翻了疫情前的这个电视剧看完了，忍受了各位演员的“精湛”演技。王紫璇难怪红不起来，很尬啊，虽然造型师算是花了心思了，张艺兴演技也挺弱，就是扮真诚纯洁善良，这个定位也太无趣了，跟我同一天生日，我演技也不行，当然了，汤唯也不行……
剧情上出现过乌克兰（2022年开始是全球焦点）缅甸北部（电诈焦点），那时候还基本上世界和平，只有一小撮违法犯罪，但今天看来，恍如隔世了吧。
黄金瞳的设定，说是科幻，也经不起推敲，高能物质能直接提升眼睛的感受力我能接受，但还能看到过去发生的事就有点过了……
作者归档：polo
解忧杂货店
看完，先说叙事，如果再适当编排，应该会有更好的阅读体验和效果（如哈扎尔辞典那种随翻随读），不过也不是太重要。毕竟是2011年的小说，估计东野圭吾也考虑过，只是小说是连载形式的，后来才出单行本。如果刻意编排，那就不存在连载的首发了。
故事背景跨越了数十年，总体来说还是一种温暖人心的态度，然而悲催的是社会保障其实是不足的，生意失败、天灾人祸、经济泡沫破裂等等都是一些伤心的故事，活得好的是预知未来的高点卖出，代价仍然是大背景的经济崩溃。
这几年看东野圭吾多了，感觉一直在吃新世纪之前的情怀饭，也许走不出来的不只是社会，还有作者。
第二个字是光的成语
醒来之前想到几个光的成语，第二个字都是光，也许跟心态和孩子碰到的事情有关，于是查了一下更多的，记录下来。
和光同尘，韬光养晦，回光返照，都是两个并列关系的动宾结构，后来再查的，有并列关系，但动宾-动宾结构就比较少了。
形容词名词-形容词名词的并列：刀光剑影，电光火石，山光水色，湖光山色，珠光宝气，吉光片羽，奇光异彩，浮光掠影，五光十色，流光溢彩
没有并列，只有一个主（谓）（宾）：容光焕发，风光旖旎，风光迤逦，红光满面，阳光普照，春光明媚，目光如炬，目光炯炯，油光可鉴，春光漏泄，时光荏苒，流光易逝，
作为一个名词短语：血光之灾
引发这个思考的只是第一组，我感觉今天要跟CC讲一下和光同尘和韬光养晦的学问。
霍乱时期的爱情
SARS期间没看，新冠3年也没看，新冠结束了，发现手头有电子版，就陆陆续续看完了。
叙事和句式，比百年孤独方便阅读很多。当然了，按之前看的一篇评论马尔克斯的的文章说，是马尔克斯喜欢用大量的有节奏的短句，故而在西语区读者接受度高，而汉语翻译要把握这些短句难度也低，所以译文失真的地方可能就只有原文在西语中的音韵和部分节奏了。
还是哥伦比亚的故事，但比起百年孤独要少了魔幻现实主义的气息，姑且可以当成现实主义的叙事了。
霍乱横行的数十年间，到底对故事的推动产生了多大的作用，感觉很低，一直到最后，两人让船长挂霍乱旗赶其他旅客离船，好享受寥寥数人的（无尽）旅程。
最终还是一个隐喻，医生代表着一种社会正道，去克服霍乱，医生死后，妻子和对其暗恋一辈子的老单身汉爱情重新复活，反而借助这霍乱，离经叛道，奔赴没有结果的自由。
但作者还是给了他们一个宽恕的背景，两人其实都行将就木了，离开社会的束缚，也是可以画上句号的。
图解人工智能
这本书是跟着贵系二代群一起团购马老师的亲笔签名版本。
马老师在贵系一直人气和口碑都不错，也确实是人工智能方面传道授业的老师。
这本书总体来说还是通俗易懂，前提是要有较扎实的中学数学知识，理解会简单很多。
由于是初版，会有一两个错字。
也适合家长带着小学高年级到初中的小朋友一起看。
情商提升手册
这本书并不像书名那样低端，在建立及解释其理论的同时，也搭配了不少案例和文学经典（比如莎士比亚）加强对各种性格、情商模式的理解。
也给出了不同情商模式在面对不利于自身的场面、情景下的修正的建议。
对于文学经典为何可以直接拿来用，毕竟这是生活和工作的真实场景啊。我想是这样的，莎翁的作品能流传至今，一方面是对人性的深刻理解，另一方面是它本身也参与塑造了当今人类的性格，所谓对号入座，这是阅读者避免不了的。
所以经典角色的分析无疑比其他作者虚构的人物／场景更容易让读者理解。
蝴蝶
看了一下《午夜蝴蝶》的剧情，然后把这翻出来看。廖国香的那个故事算是最有意思的，只是编剧和导演没把她的真正身份摆出来。
廖国香出场时带着女儿佳佳和保姆一起搬到公馆去住，原因是丈夫金先生经济出了问题，跑路了，所以她也搬走，避免纠缠。
后来丈夫传来死讯，廖国香就又被夫家的人索要抚恤金分配。
这一段断断续续，语焉不详，其实也是颇可疑的，但因为邻居陈律师参与了她和夫家之间的官司，让大家觉得事情就是那么个事情。
另一个可疑点是，廖国香女儿佳佳和保姆喝了陈律师太太送来的毒鸡汤，死去了。然而廖国香表现太平静，看不出来失去亲生骨肉的痛苦。
廖国香代管了陈律师的公司股票，然后拨了个电话给一家财务公司，说是之前也处理过，意味着她是有变卖他人资产/洗钱的经验的。
再到后来，也就是多年后，廖国香带着叫她妈妈的小男孩（是房东刘先生的儿子大宝吗？一直没长大？）和保姆回到上海。
细思恐极的地方就是，这从头到尾都是一个局，廖国香带着一个小孩和保姆，打造自己是年轻（贵族）寡妇的人设，博取有钱人的好感（女的是同情，男的是有想法），逐步找机会骗取他们的钱财，然后凭空消失。
同时能骗到多个男人又能安全离开，很难说她是一个人就能做到，必然是一个团体犯案。
近期AI…5
海尔的case
看起来海尔是AWS的一个大客户。展示了AIGC的几个例子：
- 文生图（没看明白跟海尔的产品有什么关系）
- 图生图，通过输入设计线稿，生成产品概念图
- 批量图，用于家装的，从3D数据到效果图
- 全场景图，生成产品图、营销图
主要受益是加速设计。
西门子的case
内部业务助手，以及打通业务数据分析的平台。
店匠科技的case
产品模特图的生成（真人模特图替换模特与背景场景）
总结的几个难点有点意思，比如：服装区域的精准分割，残缺人台的骨骼检测优化，精准控制生成过程
近期AI…4
企业在介入生成式AI应用时会思考的问题，这一页归纳得挺好，当然了，这也是来参加这个会的目的吧？
- 什么样的User Case真能帮到业务？（重点是“真”）
- 如何衡量一个生成式AI User Case的成功？（投入产出，未来，明的利益，暗的优势等等）
- 如何选择大模型去构建应用？（企业自身必须要有靠得住的AI咨询方）
- 如何保证企业私有数据不被大模型吸收？（这些问题开始就有较多的技术解决方案了）
- 我们缺乏高质量的数据怎么办？（买吧，但是还是要有质量标准）
- 构建生成式AI应用工程化的挑战有哪些？如何克服？
- 如何去购买xx加速去做生成式AI User Case的实验？（还是实验，现在让资本市场很短视的，不大允许费资源只是做个实验）
- 模式适配/调优，Prompt Engineering/RAG/Finetune用哪种方法合适？（细节，专业的问题，还是要有专业咨询或内部专家）
- 如何设定Guardrail（护栏）为负责任的生成式AI应用？（先把合规性准备好）
- 构建生成式AI应用需要团队的Skills有哪些改变？（目前的回答是有的，但是答案本身也在动态更新中）
不得不说，是不是刻意留了不少英文单词在里面，导致读起来不大爽。
接着是讲端到端构建AIGC应用的关键路径：
- 应用范围：定义使用场景与用例
- 模型选择：选择现有基础模型或预训练自己的模型
- 模型适配和模型调整：Prompt Engineering + 知识增强 + 微调 –>评估效果
- 应用程序集成：部署模型及运行推理 –> 构建由基础模型驱动的应用程序
几种适配调整的成本与效果的排列，原图是平面坐标图，改成顺序排列：
- 成本：RAG < Prompt Engineering < 预训练 == 微调
- 效果：PE < RAG = 微调 < 预训练
预训练当然好，但优质数据贵啊
AIGC的业务风险：
法律/监管/偏见/幻觉/隐私保护/问责制/业务透明度/滥用/有害内容/知识产权保护
ISV和SI就不罗列了。天天变的东西。
AIGC工程化“最后三公里”的挑战：
UI用户界面开发（用户体验） / 工具链 / 模型调优（持续的？） / 数据工程（提取、清晰、治理、数据模型） / 云基座（这里就涉及到AWS提供的系列支撑了）
近期AI…3
AWS中国区组织了这个生成式AI的高管峰会，其意义在于将他们在AWS上做的AI IaaS及PaaS介绍给之前用云服务不错的客户，一起来挖掘更好的AI SaaS，达到双赢。
基于对AWS发展历程的了解，我相信如果纯粹做SaaS的话，应该不用担心AWS的抄袭问题。
Gartner的演讲嘉宾上来，肯定是标准的Hype Cycle了。
没有细看各种技术点的位置，感觉Gartner已经入魔了，什么行业都搞Hype Cycle，网上一搜，经常有新的图出来，有些位置感觉就是拍脑袋了。
Gartner将AI技术栈格局分成四层：模型——工程工具——应用领域——基础设施和支持
AWS自然是基础设施和支持这一层，而应用领域，是在座的去挖掘，前面两个，有太多AI团队在做了。
企业对AI的关注：
保护投资：AI信任、风险、安全管理（即用AI来增强企业安全）
开发者增强：用AI来增强开发能力
交付价值：AI自动化增强互联劳动力
这三个领域有交错需要有：行业AI云平台、智能化应用、可持续的民主化生成式人工智能
讲得能理解，但原PPT有点诘屈聱牙。
以零售行业为例，AI已经产生的作用：提高生产力、节约成本、提高用户体验、驱动新产品开发、提高准确性、改进型号。
机遇（其实也有不少新的case了）：增强搜索向上营销、助理招聘入职、社交媒体情绪分析、供应链优化、增强文本（文案、话术）
制造业方面的也一样是老生常谈（至少对我来说）……不罗列了。
对于生成式AI，建议关注的层面，除了技术栈四个层面之外，
风险与价值：注意偏见、过度投资、合规风险
自研与生态：寻找生态系统中的合作伙伴、培养内部专家
（未完待续）