https://www.52pojie.cn/thread-2100600-1-1.html

10 分钟前,我刚交付完最后一单 OpenClaw 部署服务。现在回头看,整件事变得很荒谬。

01 一个荒谬的开始
3 月 2 号凌晨 2 点,我在小红书刷到有人发收费部署 OpenClaw 的帖子。本来只是抱着看热闹的心态围观,10 分钟后,我也在自己的小红书发了一条:
OpenClaw 北京上门安装 | 499 一次

发完之后,我困得不行,手机一扔就睡了。

8 个小时后,我醒来打开手机,发现已经收到了376 个阅读、4 条私信、3 条评论。和其中一个人简单沟通完需求之后,我们很快约定了下午 3 点上门安装。

但从加微信,到约好时间,我整个人其实都是懵的。我本来只是想凑个热闹。可那一刻我突然意识到:上门安装这件事,不是一个伪需求,它是真的有需求。

我一边震惊于这个发现,一边又忍不住想:既然需求是真的,那么能持续多久?而我到底能做点什么?

后来我想明白了。先别想那么多,先做。做着做着,没准答案自己就出来了。

一方面,我可以借这个机会看看,愿意付费安装的人,究竟期待 OpenClaw 帮他们做什么;另一方面,我也想看看,我过去积累的那些能力,在这波浪潮里,到底还能不能派上用场。

02 他们不是为了"尝鲜",而是带着明确需求来的

前期接触的几位客户,很快就让我意识到一件事:多数人并不是为了体验新技术而付费,而是带着明确问题来的。
第一个客户是一家影视公司的编导老师。他们期待 OpenClaw 能替代某个剪辑流程里简单、重复、机械的工作。
第二个客户是两个大厂的运营同学。他们希望 OpenClaw 能帮他们完成数据爬取和数据分析。
第三个客户在金融行业。他的诉求更直接,希望 AI 能参与到一些行业分析相关的工作里。

和这些客户交流时,我能明显感受到,他们脑子里其实已经有很具体的场景了。他们不是在问:"AI 能干嘛?"他们是在问:
"AI 能不能加入我的工作流?"
"它能不能替我接手其中一段?"
"如果能,它先替代的会是哪一部分?"

当然,也有一些客户的需求还没那么清晰。他们暂时不知道 OpenClaw 具体能帮自己做什么,还处在学习和观察阶段。这类人之所以愿意付费安装,很大程度上其实是在为"经验"买单。

他们不是单纯买一个部署服务。他们是在花钱购买你的试错记录,购买你的成功和失败经验,来帮自己节省时间。某种程度上,这和知识付费很像。

但再往后走,你会发现,需求会越来越精准,越来越细。从最开始的"装一下看看",慢慢变成:帮我解决一个具体场景里的具体问题。 再到后来,甚至会变成:帮我替代掉某个原本由在职员工承担的工作。
03 第 7 天,我接到了第一个企业需求

大概第 7 天,我接到了第一个企业客户。对方是一家一百多人的公司,我们约在第二天上午 10 点见面。

那天我 9 点 55 分到他们办公室,地点在三里屯附近的一栋写字楼。办公室很大,创始人的屋子在东边,阳光很足。

企业创始人先给我介绍了他们的主营业务,然后讲了他们希望 OpenClaw 帮忙完成的事情:他们想借助 AI,去承接公司目前一部分小红书内容发布、私域运维相关的细化流程。

坦白说,那些非常具体的业务流程,我以前也没真正做过。所以第一次上门,我完成的更多还是基础部署,以及一些配套服务。

但后来真正让我印象最深的,是后面那个关于小红书运营的 case。

04 小红书的需求,让我第一次真切感到:一些工作可能真的要消失了

和他们具体负责运营的同事沟通之后,我才真正理解了他们的需求。他们的小红书账号更多是门店号。也就是说,他们有自己的线下门店,需要持续发布一些知识内容,以及一些门店相关内容。客户想优化的,其实是"知识内容的发布流程"

我最开始想得很简单:OpenClaw 官方技能社区 ClawHub 里不是已经有很多 skill 了吗?我直接调用不就行了?说实话,当时我甚至还有点暗爽,觉得这钱来得不难。

但实际用下来之后,我才发现:技能是能用,但也只是"能用"。

一开始,我也想过,要不就直接跟客户说"这个做不了",反正我试过了,也有过程记录,至少这次尝试费还是可以收。但那天我又多想了一步:真的只能做到这样吗?

于是我又继续折腾,继续调,继续改。

最后,我给客户展示出来的 demo 如下:

以下是完整的自动化流程:

我当时只提供了一个主题,全程也就几分钟、几句对话确认他做的内容,就完成了一个质量相当不错的小红书图文内容,从生成到发布,整个流程都跑通了。

那一刻,我坐在自己电脑前,看着 demo 跑完,整个人是懵的。我脑子里突然"轰"地一下冒出一个念头:
我这次只是发了一篇小红书,但它可以每天发。它可以每天定时输出。可以稳定生成。可以不断执行。而你甚至不需要手动参与太多。

我那一下真的不敢继续往下想了。因为如果这件事成立,那它替代的就不再只是某一个动作或者一个零碎任务。它开始逼近的,是一个岗位里相当大的一部分日常工作。

我第一次如此具体地感受到:一个小红书运营岗位里,某些部分,真的可能会被替代。
05 企业真正要的,从来不是"一个会用 AI 的人"

那几天我一直都处在一种很奇怪的恍惚里。一开始,我以为大家找我,是因为他们想装个新鲜玩意儿。后来我发现不是。

他们真正想要的,其实从来不是"帮我装一个软件"。

他们真正想要的是:把 AI 塞进自己的业务流程里。

这件事一旦说透,很多东西就会变得很残酷。过去很多人理解 AI,还是把它当成一个工具,一个助手,一个偶尔帮你提提效率的东西。但当它真正进入具体工作流之后,你会发现,它更像是一个"数字员工"的雏形

它不是只在某个环节帮你省 10 分钟。它是在一点一点接手原本属于人的整条工作链路。

从找选题,到写文案,到配图,到改标题,到执行发布,再到后续复盘。只要每个环节它都能做到 60 分、70 分,甚至 80 分,那对企业来说,这件事的意义就已经完全不同了。

因为企业未必需要一个天才,企业真正需要的,很多时候只是一个:稳定、可控、成本更低、可以持续工作的执行系统。

而这恰恰是 AI 最让人不安的地方。
它不需要休息
不会抱怨
不会因为状态不好,今天就产出变差
不会因为情绪问题影响执行

它也许还不够完美。但它正在以一种肉眼可见的速度,逼近"已经够用了"的那条线。

AI 正从编程开始杀向越来越多行业。对于很多岗位来说,真正危险的,并不是出现一个 100 分的 AI。真正危险的是:一个没那么完美,但已经比大多数低配执行更便宜、更稳定、更划算的 AI。

06 我后来才明白,我卖的不是安装服务

最开始发那条帖子的时候,我以为自己卖的是部署能力。后来接的单子越来越多,我才慢慢意识到:我卖的根本不是安装。

安装只是入口,配置也只是入口。

客户真正买的,其实是一个答案:
AI 到底能不能进入我的工作流?
如果能,它会先替代掉哪一部分?
我应该怎么把它变成一个真实可用的生产力?

说得更直接一点:他们花钱买的,是一次"把想象变成现实"的机会。

过去很多人对 AI 的理解停留在"挺厉害",但"厉害"没有意义。只有当它能嵌进一条真实存在的业务流程,能替代一个具体动作,能承担一段清晰责任时,它才会真正产生价值。

而我在这二十天里做的,其实就是一件事:把一个模糊的"AI 很厉害",变成一个具体的、能落地的、可执行的流程。

也是从那个时候开始,我对自己在做的事情理解变了。我不再觉得自己是在"帮别人装软件"。我更像是在提前参与一种新分工关系的搭建。
哪些工作适合交给 AI
哪些工作还必须由人来完成
哪些岗位会先被冲击
哪些新的岗位会因此出现

07 真正让我后背发凉的

真正让我后背发凉的,不是"AI 会发小红书"这件事本身。

而是当一个岗位的工作被拆解成一系列明确步骤之后,你会突然发现:其中有很多步骤,本来就不一定非得由人来做。

而这类工作,比我们想象中多得多。

我们总以为 AI 先替代的,会是那些"低价值工作"。但现实可能是,AI 先替代的,往往是那些:步骤清晰、流程稳定、结果可验收的工作。

而这样的工作,在今天的公司里,实在太多了。

08 变化不是从未来开始的,而是从现在开始的

回头看,3 月 2 号凌晨那条帖子,像是一个非常偶然的动作。但它后来连出来的,不是一门简单的上门安装生意。更像是一扇门。

门后面不是"副业机会",也不只是"技术红利"。门后面,是一个正在快速到来的现实:
越来越多的工作,不会一下子消失。但会先被拆解、被重组、再被 AI 一段一段接管。

很多人以为变化还在未来,但其实不是,变化已经开始了。
它不是从某一天的新闻开始的
不是从某家大厂发布新模型开始的
也不是从谁高喊"AI 时代来了"开始的

它是从那个愿意先把一个具体流程交给 AI 的老板开始的,从那个愿意先少招一个运营的人开始的,从那个愿意先让 AI 接手一个重复动作的人开始的。

所以这二十天里,我看到的并不是什么凭空冒出来的新需求。需求一直都在那里,只是过去没有合适的东西把它补上。而现在,AI 正在把这个缺口一点点填满。

那天交付完最后一单,我坐下来回想这段经历,脑子里只剩一个越来越清晰的判断:
有些工作,可能真的要消失了。而且,不是以后。就是现在。

ps:稿件最早发表于我的公众号,删掉了一些有个人信息的部分。

别急,今天我就要给大伙儿介绍一个真正的“神仙打架”神器——IPTV-API!它能彻底帮你摆脱找源、换源的烦恼,把你的NAS变成一个全自动的“直播源永动机”!想象一下,你的NAS不仅能存电影,还能自己抓取、筛选、测速最新的直播源,并且每天自动更新,简直不要太爽!🥳

🏷️ 核心功能:IPTV-API 到底能干啥?
IPTV-API可不是个“傻大个”,它的功能强大到让你惊掉下巴:

个性化定制频道: 想看啥频道,自己动手丰衣足食!它支持自定义模板,还能给频道起别名,获取结果又多又准。
多路直播源获取: 不管是本地硬盘里的源,还是组播、酒店、订阅源,甚至关键字搜索,它都能帮你搞定。
RTMP推流: 遇到信号不好的直播源?它能把源转换成HLS格式推流,兼容性更高,还能减少缓冲,弱网环境下也能愉快看剧!
EPG电子节目单: 像传统电视一样,显示频道预告内容,知道接下来播啥,再也不用盲点频道了。
频道台标: 各种电视台的Logo都能显示出来,视觉体验直接拉满!
接口测速验效: 这个是核心中的核心!自动获取延迟、速率、分辨率,过滤无效链接,保证你拿到的都是能用的“好源”!
高级偏好设置: IPv4/IPv6偏好、接口排序、数量限制、黑白名单、甚至可以按归属地和运营商过滤,简直是为我们这种爱折腾的玩家量身定做!
定时任务: 默认每天上午6点和下午6点自动更新,你也可以自己设定更新时间,一劳永逸!
多种运行方式: 工作流、命令行、GUI,当然,我们NAS玩家最爱的还是Docker!
🏷️ NAS玩家专属:Docker部署教程来啦!
作为NAS玩家,用Docker部署IPTV-API,那简直是天作之合!简单、便捷、不污染系统环境。下面我给你两种部署方式,总有一种适合你!

  1. Docker Compose:懒人必备,一键搞定!✨
    如果你和我一样,喜欢简单粗暴,那么Docker Compose绝对是你的首选。只需要几行代码,就能把IPTV-API跑起来!

在你的NAS上,创建一个新的文件夹,比如iptv-api。

在这个文件夹里,新建一个名为docker-compose.yml的文件,然后把下面的内容复制进去:

services:
  iptv-api:
    image: guovern/iptv-api:latest
    container_name: iptv-api
    ports:
      - "5180:5180" # IPTV-API服务端口
      - "8080:8080" # Nginx HTTP服务端口,用于RTMP推流
      - "1935:1935" # Nginx RTMP服务端口,用于RTMP推流
    environment:
      # 你可以在这里设置一些环境变量来覆盖config.ini中的配置,例如:
      # - APP_PORT=5180
      # - NGINX_HTTP_PORT=8080
      # - NGINX_RTMP_PORT=1935
      # - open_update=True # 开启更新
      # - update_interval=12 # 每隔12小时更新一次
      # - time_zone=Asia/Shanghai # 设置时区
    volumes:
      - /你的NAS路径/iptv-api/config:/iptv-api/config # 挂载配置文件目录,方便你修改配置
      - /你的NAS路径/iptv-api/output:/iptv-api/output # 挂载结果文件目录,查看生成的直播源
    restart: unless-stopped # 容器自动重启策略

注意: 把/你的NAS路径/iptv-api/config和/你的NAS路径/iptv-api/output替换成你NAS上实际的路径哦!比如/volume1/docker/iptv-api/config。

保存文件后,打开NAS的SSH工具(或者Docker命令行界面),进入到你创建的iptv-api文件夹,然后运行这句命令:

docker compose up -d
搞定!现在,IPTV-API容器已经在你的NAS上默默运行啦!🎉

  1. 命令行部署:高手进阶,掌控一切!
    如果你更喜欢手动掌控一切,或者NAS的Docker不支持Compose,那手动命令行部署也是小意思!

拉取镜像:
首先,把IPTV-API的镜像拉到你的NAS上。国内的朋友们,为了加速,推荐用代理加速地址:

docker pull docker.1ms.run/guovern/iptv-api:latest

或者,如果你网络够好:

docker pull guovern/iptv-api:latest

运行容器:
镜像拉下来后,就可以运行容器了。为了方便我们管理配置文件和获取结果,一定要把config和output目录挂载出来!

docker run -d \
  --name iptv-api \
  -p 5180:5180 \
  -p 8080:8080 \
  -p 1935:1935 \
  -v /你的NAS路径/iptv-api/config:/iptv-api/config \
  -v /你的NAS路径/iptv-api/output:/iptv-api/output \
  --restart unless-stopped \
  guovern/iptv-api:latest

同样,记得把/你的NAS路径/iptv-api/config和/你的NAS路径/iptv-api/output替换成你NAS上实际的路径!

小提示: 你还可以在docker run命令里,通过-e参数设置环境变量,来覆盖config.ini里的配置。比如:
-e APP_PORT=5180
-e open_update=True
-e update_interval=12

3.配置文件:私人定制你的专属电视!
部署好容器后,最关键的就是配置文件了!刚才我们挂载了/iptv-api/config目录,所以你可以在NAS上直接找到config.ini文件。

这个文件里有很多参数可以调整,能把IPTV-API打造成你专属的直播源生成器。我挑几个常用的给你讲讲:

open_update = True:这个是总开关,一定要开着,不然就不更新直播源了。
open_epg = True:开启EPG电子节目单,看节目预告。
open_m3u_result = True:开启生成M3U格式的直播源文件,方便播放器导入。
urls_limit = 10:每个频道最多保留多少个直播源接口,太多了播放器会卡,适量就好。
update_mode = interval / update_times / update_interval:设置更新模式和更新时间间隔,interval是按时间间隔更新,time是按指定时间点更新。
time_zone = Asia/Shanghai:设置时区,确保更新时间准确。
app_port = 5180:IPTV-API的Web服务端口,如果你改了,记得Docker里也要改。
open_speed_test = True:开启测速功能,强烈建议开着!
min_resolution = 1920x1080 / min_speed = 0.5:设置最低分辨率和最低速度,低于这个标准的源会被过滤掉。
ipv_type_prefer = auto:IPv4/IPv6偏好,自动选择或者强制偏好某种类型。
location / isp:想看哪个地区或者哪个运营商的源?在这里填入关键字,比如广东,电信。
logo_url:自定义频道台标库地址,让你的电视界面更漂亮!
open_rtmp = True:开启RTMP推流功能。
改完config.ini文件后,记得重启一下Docker容器,让新的配置生效哦!

docker restart iptv-api
🏷️ 直播源到手!怎么用?
IPTV-API运行起来后,你就可以通过浏览器访问它生成的直播源地址了。默认情况下,你的NAS的IP地址加上5180端口,就是IPTV-API的服务地址。

比如,你的NAS IP是192.168.1.100,那么访问地址就是 http://192.168.1.100:5180

常用的直播源地址接口:

默认直播源: http://你的NAS-IP:5180/
M3U格式: http://你的NAS-IP:5180/m3u
TXT格式: http://你的NAS-IP:5180/txt
IPv4专用M3U: http://你的NAS-IP:5180/ipv4/m3u
IPv6专用M3U: http://你的NAS-IP:5180/ipv6/m3u
你只需要把这些链接复制到你喜欢的播放器(比如PotPlayer、VLC、Kodi、Emby、Jellyfin等)里,就能愉快地观看直播啦!再也不用手动导入M3U文件了,直接订阅这个链接,每次更新都是最新的!😍
IPTV-API

如果想看日志,也能通过这些接口访问:

有效结果日志: http://你的NAS-IP:5180/log/result
测速日志: http://你的NAS-IP:5180/log/speed-test
🏷️ 高级玩法:RTMP推流,告别卡顿!
IPTV-API还提供了一个非常实用的功能——RTMP推流!这个功能非常适合那些家里网络环境不咋地,或者直播源本身信号不稳定的情况。

开启RTMP推流后,IPTV-API会利用你NAS的本地带宽,把获取到的直播源(甚至是本地视频文件)转换成HLS格式,然后推流出来。这样,你的播放器接收到的就是稳定的本地推流,大大减少卡顿,提升播放体验!

怎么玩?

在config.ini里把open_rtmp设置为True。

如果你想推流本地视频文件,可以在挂载的config目录下,新建一个hls文件夹。把你想推流的视频文件放进去,文件名就用你想要的频道名(比如CCTV1.mp4)。

推流的接口:

默认推流: http://你的NAS-IP:5180/hls
M3U格式推流: http://你的NAS-IP:5180/hls/m3u
你可以访问 http://你的NAS-IP:8080/stat 来查看实时的推流状态统计数据。

🏷️ 结语:你的NAS,无限可能!
怎么样,是不是感觉自己的NAS又多了一项“超能力”?IPTV-API这个小工具,看似不起眼,但却能大大提升我们的观影体验。告别那些频繁失效的直播源,让你的NAS成为真正的家庭娱乐中心!

赶紧行动起来,把IPTV-API部署到你的NAS上,享受私人定制的流畅直播体验吧!如果遇到什么问题,欢迎在评论区留言交流,我们一起折腾,一起进步!

https://www.huluohu.com/posts/1994/

白嫖了一个 不知道能活多久
[email protected]
admim fF

Ⅰ,注册空全局,到支付的步骤就停。

https://signup.microsoft.com/get-started/signup?products=35dffc92-9eb4-4d5c-82c2-2582b37bb9c4&culture=zh-cn&country=cn

E3 25个许可数量的 E3 Developer
https://admin.cloud.microsoft/?pid=C69E7747-2566-4897-8CBA-B998ED3BAB88&quan=25&bc=1&sku=189a915c-fe4f-4ffa-bde4-85b9628d07a0&ru=PDP#/Purchase/checkout

2000000个许可数量的 Office 365 Enterprise E3 for Symphony
https://admin.cloud.microsoft/?pid=C18B235E-8366-48B8-AE41-6E596C44944D&quan=2000000&bc=1&sku=6fd2c87f-b296-42f0-b197-1e91e994b900&ru=PDP#/Purchase/checkout

2000000个许可数量的 Office 365 Enterprise E1 for Symphony
https://admin.cloud.microsoft/?pid=A89F6463-1F7B-4F51-90DD-8C182637B002&quan=2000000&bc=1&sku=18181a46-0d4e-45cd-891e-60aabd171b4e&ru=PDP#/Purchase/checkout

http://www.ruanyifeng.com/blog/2025/05/weekly-issue-348.html
她在斯坦福大学任教,是美国国家工程院等三院院士,担任过斯坦福 AI 实验室主任,以及谷歌云 AI 首席科学家。

她1976年出生于北京,在成都长大,16岁全家移民美国。

我一直好奇,她怎么走上 AI 这条路,从移民变成学术明星?

这几天,我读完她的自传《我看见的世界》(中信出版集团,2024),才发现她的人生很有戏剧性,每当重要关头,都有幸运的事情发生。

(1)高中阶段
她出生于一个普通家庭,中学阶段并无过人之处。

我们家位于成都当时的外环路旁边,小区由三栋一模一样的塔楼组成,我家住在四楼。这个环路是不断扩张的城市边缘,一侧是工厂,另一侧是农田。

我进入了一所吸引全市优秀学生的中学。在那几年里,对女孩的预设和偏见让我越来越不耐烦,这种情绪已经超出了课业的范围。在同龄人中,我已经有"假小子"的称号。

1992年,移民美国后,她家的生活顿时变得困难。一家三口挤在新泽西乡下一间一居室公寓,她睡客厅,床就放在餐桌旁边。

父亲在一家华人商店修理旧相机,后来被辞退,从此失业。母亲做杂货店营业员,后因风湿性心脏病,回家休养。李飞飞下课后,就要去打工,有时在中餐馆端盘子12个小时,每小时2美元。

最后,实在走投无路,她们家决定买下社区的一家干洗店,靠洗衣为生。买下干洗店需要10万美元,全家仅有2万美元储蓄,其余8万美元都是借的。

(2)大学阶段
1997年,李飞飞中学毕业,要申请大学了。

一开始,我的目标大学主要是州立大学和社区大学,而不是常春藤学校。但我一直对一所顶级高校念念不忘,那就是普林斯顿大学。

我们是一个靠从车库市场淘来的旧货才能勉强度日的家庭,连我用的计算器都是坏的,我们怎么可能负担得起常春藤学校的学费呢?

尽管如此,我还是无法抑制内心的冲动,提交了申请。就算只是象征性地申请一下,我也感觉具有特殊意义。

她申请了普林斯顿大学,结果好梦成真,普林斯顿给了全额奖学金。

如果没有全奖,以她家的经济状况,负担不了学费。如果不去普林斯顿大学,她就不太可能走上学术道路了,更不要说后面的成就了。

(3)博士阶段
大学毕业后,李飞飞原想去华尔街工作,解决家庭的经济问题。

母亲鼓励她,继续追求自己的梦想。于是,她选择去加州理工学院读研究生,方向是视觉识别机制。

2004年,李飞飞为了写博士论文,需要图片材料,来训练算法。她找了9000张图片,组成了一个图片集,手工对每张图片进行分类标注,一共分成101类。

这个图片集叫做 Caltech 101,算法经过训练,就能从新图片识别出这101类物品。她因此顺利拿到了博士学位。

(4)助教阶段
博士毕业后,李飞飞先去伊利诺伊大学,后去普林斯顿大学,都是担任计算机科学的助教。

她继续探索视觉识别,想找到一种通用算法,能够识别所有种类的物品,而不是 Caltech 101 那样,只能识别出101类物品。

这意味着她需要一个超大的图片训练集,能够包含了世界上所有物品。这可太难了,所有人都反对这件事。

我们都是年轻的助理教授,所处的院系竞争激烈,在事业起步的那几年里,我们都面临着"要么发表论文,要么完蛋走人"的局面。压力之下,我们必须马不停蹄、保质保量地完成工作,因为我们知道,稍有懈怠就可能与终身教授的职位说再见,一同失去的还有获得稳定生计的最佳机会。

我听到的劝阻之声已经多得够我用一辈子了(可能下辈子也够了).

有上万个类别的数据集有什么用?大部分模型连一两个类别都识别不准!

你知道用这么多图像训练一个模型要花多长时间吗?这个时间可是用"年"来计算的。

别人要怎么下载呢?你这个图像总量比大多数硬盘的存储量还要大。

具体怎么做,你有计划了吗?几百万张图谁来做标注?要花多长时间?怎么验证所有内容的准确性呢?

(5)ImageNet
李飞飞坚持要做,这个通用图片集起名为 ImageNet。那时是2006年。

她想到一个思路,英语词典有一些基本名词,用来解释其他所有物品。只要统计一下,基本名词有多少个,每一个又有多少变体,那就得到了所有物品的基本类别。

统计结果是3万类。因此,李飞飞估计,ImageNet 将有3万个类别,总共包含2000万张图片,每张图片都要有分类和标注,需要从几亿张图片里面筛选出来。

我们发出了邮件,招募愿意帮忙从网上下载和标注图片的本科生,工作时间灵活,每小时10美元。我们招募到一些学生,但是按照这样的进度,完成整个项目需要19年。

这太慢了,项目方法做了改进,用脚本自动去谷歌搜索图片,然后抓取。但是这样也需要人工核对和筛选,只把19年的时间缩短到18年。

幸运的是,亚马逊刚刚发布了众包平台"土耳其机器人"(Amazon Mechanical Turk,AMT)。在这个平台上,你可以出钱,通过互联网,把任务分包给世界各地接活的人。

他们通过这个平台,将 ImageNet 分包出去,投入的人数一下子扩展到几千人,而人均费用只是原来的几十分之一。

2009年6月,ImageNet 的初始版本终于完成了。我们成功达成了目标:收集了1500万张图片,涵盖了2.2万个不同类别。这些图片筛选自近10亿张候选图片,并由来自167个国家的4.8万多名全球贡献者进行了标注。

(6)ILSVRC 算法竞赛
ImageNet 虽然完成了,但在学术界毫无反响,没有太多人关注。

我们遇到了第一个也是最严重的挫折:在当年的"计算机视觉与模式识别大会"上,ImageNet 被降级为"海报展示"。

所谓的"海报展示"是一个学术术语,意味着我们将不能在演讲厅内向听众展示我们的工作,只能在会场的指定区域里摆放一幅印有项目摘要的大幅海报,希望能引起路人的兴趣。

我想过 ImageNet 可能被证明是对的,也可能被证明是错的,对于这两种可能性,我都做好了准备。无论是哪种结果,都会是一个学习的机会。然而,我万万没想到,它被忽视了。

由于 ImageNet 得不到承认,李飞飞想到一个办法,她要每年举行一次算法比赛,看看哪种算法识别 ImageNet 图片集的正确率最高。

这样一来,在计算机视觉领域,ImageNet 就会成为一个比较基准,各种算法都需要用它表示自己的识别能力,大家就不会忽视它了。这个比赛叫做 ILSVRC(ImageNet 大型视觉识别挑战赛,ImageNet Large Scale Visual Recognition Challenge)。

2010年,第一届比赛令人失望,11个团队提交了35个参赛算法。冠军算法是传统的图片向量比较,并无创新之处,正确率也不高。

2011年,第二届比赛更惨,获胜算法还是图片向量比较,正确率只提高了2个百分点。这意味着,没有任何创新和进展。

最糟糕的是,参赛人数也出现急剧下降,参赛算法从35个减少到15个,愿意为此付出努力的人似乎越来越少。

说这种经历"让人羞愧"已经远远不足以描述我们的心情了。为了推动 ImageNet 的发展,我们倾注了多年的心血,搜集的图片数量远远超过以往的任何数据集,还精心策划了一场国际竞赛来探索它的能力,但结果却只是简单地重复了现状。如果说ImageNet 是一场赌注,是时候开始思考我们是不是已经输了。

眼看这个项目就要失败了,几年的心血付之东流。就在这个时候,李飞飞人生最大的惊喜和反转来临了。

2012年,第三届比赛,一个加拿大团队使用被学术界遗忘已久的卷积神经网络,一举将图片识别正确率提高了10%。

接下来的事情,就是被写进教科书的历史了。全世界被神经网络的效果轰动了,AI 研究出现突破,人类进入 AI 时代。

李飞飞彻底翻身,一举成名,从助教变成世界知名的 AI 研究领头人物,人生从此海阔天空。

她的故事令人感叹,如果神经网络算法没有在2012年出现,而是再晚几年,或者更早一点,亚马逊的土耳其机器人众包平台没有在2005年诞生,一切会怎样?

这就是时运吧。科学家的人生和科学发现一样,都是由一些偶然事件推动的。个人奋斗固然重要,但是关键时刻还是离不开幸运。

来源:https://www.nodeseek.com/post-442482-1

首先开通一个10块钱一个月的联通云盘尊享会员,然后下载联通云盘app,最右边我栏目有个领500g的云盘定向流量,这个0元500g的定向流量包是没有失效时间的据说可以一直有效,然后vps装个xui,平常怎么搭建的reality一样的方法,只不过域名那边填hydownload.pan.wo.cn或者tjtn.pan.wo.cn,然后全局上网测试

那个10元钱一个月的云盘尊享会员可以在联通app里面的已订业务里面退订

国内小鸡也能装xui
https://github.com/FranzKafkaYu/x-ui?tab=readme-ov-file#一键安装

安装包下载下来上传到小鸡目录,解压,然后手动安装,不懂得直接问chatgpt他会教你怎么手动安装

必须要联通才可以轻松免流,电信和移动的免流现在实现很难