【AI新趋势期刊#1】GPT自动理解视频、AI法律顾问、大模型安全围栏
每天都要浏览大量AI相关新闻，是不是感到信息量爆炸，有效信息少？
这么多新产品和新工具，到底哪些是真正是有价值的，哪些只是浮躁的一时热点？
想参与AI产品和工具的开发，从哪里能够获得大量的灵感和思路？
我会把AI相关的新趋势、新想法、新思路，和成熟AI产品、工具、模型等整理在这里，帮助大家去除信息噪音，更高效的了解AI前沿发展。
主要围绕：
- AI业界趋势、想法、思路
- AI产品
- AI开发者工具
- AI模型
作为本期刊的第一期，我们主要围绕2023年4月发布的相关产品和技术工具。
终端产品
AI中国法律助手
https://github.com/lvwzhen/law-cn-ai
该项目把 中国法律文书 作为知识库，将知识库embedding后存入向量数据库，然后向用户提供了完整界面，用户可以用自然语言提问，后台使用openAI的API，结合知识库的现有知识进行自然语言的回答。
主要技术：
- 预处理知识库
- 在PostgreSQL中使用 pgvector 存储嵌入向量。
- 执行向量相似性搜索，查找与问题相关的内容。
- 将内容注入到OpenAI GPT-3文本自动补全中，并将响应流式传输到客户端。
HuggingChat
Hugging Face发布了一个ChatGPT开源替代品名为HuggingChat。Hugging Face大家都懂的，可以理解成AI界的Github，很多注明的开源模型都在上面首发。
底层模型目前有两种选择：
金融/投资 GPT助手
FinChat.io是由ChatGPT提供技术支持的工具。它利用人工智能生成关于公共公司和投资者的问题的答案。为了提供准确的答案，FinChat会提供推理、来源和数据等支持。实测效果有点酷炫。
微软AI设计器
https://designer.microsoft.com/
输入文字，通过AI生成一个合适的设计图，且支持动态图。例如下面的文字描述"为我的油管频道‘Science for Littles’设计一个动态的广告"生成了右方的一些设计图，生成速度非常快，还可调节图片尺寸。
选择了右方较为满意的设计后，可以继续在在线编辑器中修改你的设计，支持自由导出各种格式与下载。
AI Shell
https://github.com/builderio/ai-shell
将chatGPT整合到你的shell中，用ai命令进行操作
VLog
https://github.com/showlab/VLog
V是大写，他可以将一段长视频转换成包含视觉和音频信息的文档。通过将此文档发送到ChatGPT，我们可以针对这个视频的内容进行自然语言聊天！当然，需要消耗你自己的openAI API额度。
开发者工具
音频能力工具集：AudioGPT
https://huggingface.co/spaces/AIGC-Audio/AudioGPT
这个工具集里包含了大量音频相关的处理能力工具，大部分工具使用时需要填写你自己的GPT API key，消耗你的额度，我试了一下，文字转语音，一句5个词的句子，消耗了我4000个token！（暴风哭泣！）
演讲：
- 文字转语音
- 风格迁移
- 语音识别
- 语音增强
- 语音分离
- 语音翻译
- 单声道到双声道
- 文字转唱
唱歌：
- 文字转唱歌
音频处理：
- 文本到音频
- 音频修复
- 图像到音频
- 声音检测
- 目标声音检测
- 声音提取
大模型安全围栏：NeMo-Guardrails
https://github.com/NVIDIA/NeMo-Guardrails
NeMo Guardrails 是一个开源工具包，可以轻松地将可编程护栏添加到基于 LLM 的对话系统中。Guardrails（或简称“rails”）是控制大型语言模型输出的特定方式，例如不谈论政治、以特定方式响应特定用户请求、遵循预定义的对话路径、使用特定语言风格、提取结构化数据等。
主要优势：
- 构建值得信赖、安全可靠的 LLM 对话系统：使用 NeMo Guardrails 的核心价值是能够编写 rails 来指导对话。开发人员可以选择定义他们的 LLM 驱动的机器人在某些主题上的行为，并让他们的创造力不受其他人的影响！
- 通过操作连接模型、链、服务等： LLM 不需要解决所有挑战。NeMo Guardrails 提供了将您的代码库或服务无缝安全地连接到聊天机器人的能力！
chatGLM结合本地知识库：langchain-chatGLM
https://github.com/imClumsyPanda/langchain-ChatGLM
一种利用 ChatGLM-6B + langchain 实现的基于本地知识的 ChatGLM 应用。支持将txt、markdown等格式的文本文件上传后，进行提问。会给出自然语言的回答，并且在最后会标注出引用本地文本的出处。
本项目实现原理如下图所示，过程包括加载文件 -> 读取文本 -> 文本分割 -> 文本向量化 -> 问句向量化 -> 在文本向量中匹配出与问句向量最相似的top k个 -> 匹配出的文本作为上下文和问题一起添加到prompt中 -> 提交给LLM生成回答。
支持的LLM模型：
- THUDM/chatglm-6b
- THUDM/chatglm-6b-int8
- THUDM/chatglm-6b-int4
- THUDM/chatglm-6b-int4-qe
- ClueAI/ChatYuan-large-v2
支持的Embedding 模型：
- nghuyong/ernie-3.0-nano-zh
- nghuyong/ernie-3.0-base-zh
- shibing624/text2vec-base-chinese
- GanymedeNil/text2vec-large-chinese
在任意消费级终端部署大模型：MLC LLM
MLC LLM是一种通用解决方案，可以使任何语言模型在各种硬件后端和本地应用程序上本地化部署，同时为所有人提供一个高效的框架，以进一步优化模型性能，以适应其自身用例。
我们的使命是使每个人都能够在其设备上本地开发、优化和部署AI模型。
这个方向的探索如果出现突破，将大大减少模型部署和使用的门槛，让全世界的低算力设备也能加入AI算力阵营。
仿openAI风格API调用chatGLM：chatglm-openai-api
https://github.com/ninehills/chatglm-openai-api
让开发者能够用调用openAI API的方式调用其他开源模型，节省大量开发工作。
参考
Github Trending
Meta360创新学院-AGI前夜
