AG百家乐下三路技巧打法
沙巴贝投ag百家乐 对话肖特特: 从伯克利到PromptAI创业, 发明创造下一代视觉智能
通用谈话模子最初起跑沙巴贝投ag百家乐，但通用视觉模子似乎迟到了一步。
究其原因，谈话中蕴含多数序列信息，能作念更深入的推理；而视觉模子的输入内容愈增多元、复杂，输出的任务条款多种各样，需要对物体在时候、空间上的连气儿性有完善的感知，传统的学习法式数据量大、经济属性上也不睬性...... 还莫得一套长入的算法来管理诡计机对空间信息的聚会。
2023 年，Meta AI 发布了首个 "Segment Anything Model" (SAM)，该模子无需特意的类别标注，而是通过交互的花式对着实宇宙中动态的猖狂物体进行分割。其分割法式通用，可对不熟悉的物体和图像进行零样本泛化，体现了对空间信息的处理和聚会能力。这项职责赢得了 ICCV 2023 Best Paper Honorable Mention。
来自加州大学伯克利东说念主工智能实验室 (BAIR) 的肖特特博士是该项职责的主要参与者之一。他评价说：“以往咱们通过增加类别来栽植模子效力，但 SAM 覆没了旧期间的好多镣铐，覆没了特定的类别标注的花式，栽植了模子对空间的聚会能力。”
这为 CV 新期间通达了一起门。
而不同于上一代视觉智能，新期间下产生的空间智能最大的场景体当今具身智能的应用上，它让机器东说念主、自动驾驶、无东说念主机等硬件开拓领有像东说念主类的眼睛通常，感知宇宙，并产生与宇宙互动的行能源。
这便是 “看见不仅仅看见，更是聚会到行为” 的智能产生链条。
肖特特于 2015 年以优异收获（summa cum laude）赢得了北京大学智能科学专科的理学学士学位，后于 2019 年在加州大学伯克利分校诡计机科学系赢得博士学位，并曾在 Facebook AI 研究院从事研究职责。四肢年青一代东说念主工智能学者的代表样本，他的多篇迫切职责发表在包括《Science Robotics》、CVPR、ICCV、ECCV 和 NeurIPS 等主要期刊和会议上。
他认为，改日 5-10 年 CV 要管理的是着实宇宙的问题，让 AI 有东说念主类通常对物理空间的感知能力。
2023 年，特特莫得不绝留在 Meta，而是选拔了东说念主生新旅途，成立 PromptAI，戮力于于打造通用视觉智能平台，为机器赋予类东说念主的视觉感知能力。
成立一年时候，PromptAI 赢得来自 UC Bekerley Pieter Abbeel 的投资与 Trevor Darrell 的工夫支撑。两位训导同为伯克利东说念主工智能实验室（BAIR）结伙主任，Trevor Darrell 训导在诡计机视觉领域极大激动了大领域感知的立异研究，而 Pieter Abbeel 训导是深度强化学习应用于机器东说念主领域的前驱东说念主物。
公司其他成员齐是十分年青的 AI 研究员与工程师，在算法架构、家具运营、工程管理上领有卓著教养。
而追问 What's next 的精神，是 PromptAI 这群年青的 AI 科学家找到问题谜底的重要。
恒久在发问 What’s next？
BV：PromptAI 在管理什么问题？
特特：发明创造跟东说念主通常有感知能力的空间智能模子，让机器和算法成为东说念主类荒谬的眼睛。
BV：为什么是 “发明创造”？很少听到这个词。
特特：“发明创造” 一定是工夫驱动，但工夫驱动的东西不一定是 “发明创造”。举个例子，在互联网期间，咱们不错用已有的互联网工夫来降本增效，这中间产生好多行业契机。这受到新工夫的驱动，但并不是 “发明创造”。
而目前在诡计机视觉领域，新的花式还莫得出现，咱们但愿发明创造下一代视觉工夫，并界说新的东说念主与机器交互的花式。
BV：是什么时候产生创业想法的？
特特：咱们看到了 AI 给东说念主类社会带来的这个契机：东说念主类能看到的东西，诡计机也能看到。诡计机能把东说念主类从繁琐败兴的职责、任务中开脱出来，领有更多的时候息争放去作念更可爱、更擅长的事情。
我以为 AI 在老到，它不错形成咱们荒谬的眼睛匡助咱们更高效、更自地面活命。这是咱们创业驱动时，在社会应用上的 insights，天然，除此除外还有工夫变革上的 insights。
BV：那工夫上激动你创业的原因是什么？
特特：在 PhD 后期，看到视觉领域从 MAE（注：《Masked Autoencoders》，这项职责来自 Meta AI，选择无监督学习的花式，提高模子的泛化能力和鲁棒性。）到 SAM（注：《Segment Anything Model》）的变化，用通用视觉模子去管理多数不同问题是可行的。谷歌的前 CEO 埃里克・施密特在《How Google Works》中，就曾强调工夫洞见的迫切性，这是家具开发和公司成长的源能源。
带着应用和工夫上的想法，我找到我在 UC Bekerley 的导师 Trevor Darrell 训导聊，他很认同也很支撑。自后又吸纳了更多团队成员，巨匠齐分享一个理念：新一代视觉工夫的应用契机以及由此产生的空间智能对东说念主类社会的价值。
BV：是什么驱使你猜度这种新范式？
特特：往回看，研究者老是在问：What’s next？这是个寥落自关联词发的问题。
What’s next 问的内容有好多种，一种是目前现存的工夫能管理哪些任务，带来哪些能力上的栽植。比如视觉分类研究中，当今能作念到准确率 95%，我能不成推到 97%？推到 99%？
而另一种是，下一代工夫是什么样子？咱们利用下一代工夫能够作念什么事情？比如对数据集来说，原本只可看到 20 类物体，自后 80 类，自后 200 类，再往后，能否看到他们其他维度的性情？看到材质、结构、构成部分？因为很难界说类别，能否干脆用天然谈话形貌物体？这是在研究中水到渠成会想考到的问题。
这两种问题一定是交汇进行、同期发生的。现时工夫的深挖是很有必要的，否则很出丑到他的影响力的扩散。但有时候这个工夫不一定是最优解，这个时候就需要咱们跳出来，去问问有莫得新的管理有规划。
而通用视觉模子，便是濒临 CV1.0 期间中的各样问题而建议的新的管理有规划。
肖特特参加 2024 智源大会，分享《A Real-World Approach to Intelligence》
BV：这种 What’s next 既不错问是否加快了昔日的应用，也不错问是否创造了新的范式。
特特：是的。伟大的公司齐想要知说念 “what's next”，比如 Google 用了新的工夫花式去管理宇宙上林林总总的知识；Apple 创造了新的东说念主与诡计机交互的花式，让个东说念主电脑走进咱们的活命里；英伟达完好意思了加快诡计，用新的硬件形态去管理诡计领域的问题。
在研究和创业中，一朝停驻对改日工夫的追问，作念的事情就会变得泛泛，囿于目前也曾掌执到的工夫，只管理目前有限的问题，而无法找到下一代工夫，管理更多问题。
这种追问的精神，便是咱们的团队信仰。
CV 变革，智能产生：1.0-2.0
BV：什么是 CV1.0 ？管理了哪些任务？
特特：CV1.0 管理专一的、特定的任务，它在经济属性上并不是很感性。
2012 年出现 AlexNet，这个机器学习范式，对图片识别的能力大大跨越了其它工夫阶梯，不错用在天然谈话处理、保举系统、诡计机视觉等多个方进取，遽然激勉了 AI 的应用价值。互联网家具不错利用这种范式来学习图片、视频当中的特质，来更好地栽植用户体验；医疗上会利用机器学习来作念会诊；工场里不错作念各样质料检测；城市管理应中还不错分析东说念主的轨迹、流向。
但这些任务之间不成互通，比如说，A 工场出产手机屏幕，需要一套针对划痕检测这个单一任务的视觉系统；而 B 工场出产汽车，也需要一套检测划痕的视觉系统。但此划痕非彼划痕，这是两套全齐不通常的检测系统。
总结下来，咱们一直在管理团结个问题，便是感知。这个大问题在应用中会被细分为无数细分问题，比如检测材质、大小、位置、构成部分等等。在 CV1.0 期间，这些问题寥落细，而且每个场景对智能的需求是有限的，咱们管理了一个子问题，却莫得能力管理另一个子问题。回到划痕检测问题，就算有一个模子能够识别宇宙上统统的划痕，但你却识别不了宇宙上统统的杯子。如斯以往，这个模子就寥落的单一、不完善，完好意思难度也很大，经济参加也会好多。
BV：这种法式跟东说念主类感知物体的花式是不通常的。这是不是也回应了：为什么昔日的 CV 工夫莫得出现好多管理通用行业问题的家具？
特特：是的。
另外，CV1.0 与东说念主类智能比较，“数据输入” 的模式也并不叠加。打个譬如，对 CV1.0 来说，需要标注好多数据，让诡计机知说念这个杯子是不锈钢的，另一个是玻璃的。要是我再加一类塑料杯，那就又要标注千千万万的这类数据。
然则回止境想，难说念我真实需要 “见到” 千千万万的玻璃杯，才能知说念这个是玻璃杯吗？东说念主类并不是这么作念判断的，咱们用过玻璃杯，或者是见过玻璃成品，在不需要宽阔 “数据输入” 的情况下就不错推断出来。
BV：正因为这么，咱们需要大模子的能力。
特特：大模子的方针不是把模子作念大，价值并不在于加参数。回到刚才识别三种杯子的例子，你不错作念出一个上亿级参数的模子来完成这个任务，但仍存在无法管理更多任务的瓶颈。
Foundation Model 和 Pre-training 的刚正是，把不同的信息源齐学习进来，咱们可能并不知说念模子从那边学到的对于 “玻璃” 的见解，但当它习得这个见解之后，会把这个见解综合出来，而且能把这个知识期骗到改日的瞻望和感知当中。这个是大模子和昔日的工夫不通常的所在。
BV：CV 2.0 有哪些不同？
特特：区别在于，第一是让 AI 具备和东说念主通常感知宇宙的智能，管理着实宇宙的问题；第二是管理开放宇宙中通用任务问题；第三是具有东说念主的学问能力。
BV：从 CV1.0 到 2.0 的分水岭有哪些？
特特：第一个重要节点，是 2021 年 OpenAI 的 CLIP 职责（《Learning Transferable Visual Models From Natural Language Supervision》），它讲的是怎样 “以谈话四肢监督” 学习视觉信息。昔日，要是咱们用预定类别的花式来作念识别，这个流程跟谈话是没有计划系的。而这篇职责提到，不同的见解在语义上有有计划性，咱们不错从东说念主类的谈话中赢得这种有计划性。想路便是，让模子去学习图片对应的形貌，学习图片的视觉语义信息。
但这个 idea 即使在那时来看也并不崭新，它特有性在于，用更大的数据量和诡计量，用几百个 million 的数据来作念西宾，而且这些数据能很容易从互联网上获取。之是以有这个想法，是因为这项职责来自 OpenAI，那时也曾驱动作念 GPT，他们看到了 scale 后模子的变化和影响，这透彻更动了咱们对视觉停战话之间的领略。
再往后，2023 年 Meta AI 发布的 SAM（《Segment Anything Model》）有计划职责亦然这个转换流程中的 milestone。
SAM 是 CV 旧期间的临了一篇职责，新期间的第一篇职责。原因是，它要管理的是传统的视觉分割问题，这是一个旧问题。高级人命的视觉系统齐有对物体分割的能力，这个能力寥落迫切，但完好意思 AGI 不和会过完好管理分割问题而完好意思。
尽管如斯，SAM 覆没了旧期间的好多镣铐，覆没了特定的类别，管理了通用物体分割的问题。以椅子例如，椅子里有好多零部件，零部件内部可能还有细分的零部件，那么到底什么才是这个椅子呢？在 SAM 中，咱们无需对椅子及其零部件进行标注，而是通过交互的花式对猖狂物体进行分割，找到咱们但愿得到的部分。
这为咱们指明了一个标的：在一个模子下，一个通用的视觉模子去管理多数不同问题是可行的。这便是为什么我深信这项职责是为 CV 新期间开了一起门的原因。
比如，分割东说念主像和分割翰墨，是两套系统。但在 SAM 中，是一套系统中需要管理的两个任务。那么想路通达之后，这套系统能管理的问题就好多了，有些东说念主用它往还分割卫星的图像，有东说念主其实用它来分割旧册本内部的一些翰墨，AG百家乐下三路技巧打法还不错去分割微生物体...... 这个模子全齐莫得见过旧书字，但依靠精采的泛化性，不错再零样本情况下取得很好的效力。
BV：那下一个 10 年 CV 要去管理哪些问题？
特特：改日 5-10 年 CV 要管理的是着实宇宙的问题，让 AI 像东说念主通常有感知宇宙的能力。但咱们的着实宇宙是连气儿的视觉信息，不是单帧的，为了感知更多着实宇宙的内容，咱们需要更强的视频聚会能力。这里也有好多珍惜，比如说怎样去表征一个视频？怎样让模子去聚会时候的见解？聚会动作在时候上的连气儿性？聚会物体在空间中的具体位置、遐迩大小？
假如有一个东说念主经过一个进犯物，在单帧系统中，诡计机就会感知不到被挡住的东说念主；但要是是视频系统，就会捕捉到东说念主经过进犯物前后的信息，“看” 到东说念主在进犯物后头。
诡计机视觉的金标准是东说念主的感知能力。这个不光是学术领域的下一代问题，亦然工业界下一代 AI 的经济价值所在的所在。
BV：感知和 “宇宙模子” 的有计划是什么？“宇宙模子” 的本色是什么？
特特：当有了对着实宇宙更多的聚会之后，对感知到的信息作念改日的瞻望，这一套系统便是 “宇宙模子”。“宇宙模子” 是推理的一种神态，这种推理不仅包括逻辑推理，还包括一些 low-level （比如在像素上）的推理。例如，要是我推了球一下，这个球下一秒在视频里会娇傲成什么样子？对球的通顺的推理，便是 “宇宙模子” 的体现。
这么的 “宇宙模子” 天然梦想，但它很难构建，甚而东说念主也不会用这么的推理花式来完成任务。
其实宇宙模子不是一个全新的见解，麦卡锡、明斯基和香农等科学家在 1956 年达特茅斯会议上驳斥东说念主工智能发轫的时候，就提到了 Abstraction（注：综合指的是 AI 系统对现实宇宙的简化和见解化示意，这种示意使得 AI 能够进管事态测度、瞻望、模拟、推理和决策，从而更好地与外部环境互动）。Abstraction 是比宇宙模子更浅显的界说，宇宙模子是完好意思 Abstraction 的一种构想，但不会是唯独的一种有规划。我认为它甚而大要率不是改日告捷完好意思智能的花式 ——智能体对学问的推理能力应该是暴露的。
达特茅斯会议主要参与者及议题
BV：当 AI 能更好地聚会视频、建立 “宇宙模子”，是否就领有了空间上的智能能力？
特特：这个问题的重要在于，聚会是智能的原因照旧智能的气象？
要是聚会是智能的气象的话，咱们看到一个智能体，它就应该具有聚会宇宙的能力；但要是聚会是智能产生的原因，那么唯独它学会了对宇宙的瞻望、掌执了宇宙模子之后，它才能成为智能体。
生物进化是一个很复杂的流程，智能的出当今进化的角度是一个相得益彰的流程。聚会能力越强，智能体就越重大，智能体越重大，它在进化上就更占上风，就会有更好地聚会能力。
下一代 AI 一定是对宇宙有聚会、推理和搭建 “宇宙模子” 的能力的，但下一代的 AI 无意会因为学习 “宇宙模子” 而产生。
BV：要是学习推理无意产生智能，那么智能怎样产生？
特特：把 AI 部署到着实宇宙中去，在与宇宙的互动中赢得空间智能。
要是一套系统只存活在数字宇宙，莫得宗旨在着实宇宙中一览寰宇，那它不一定会成为真确的智能体。
就像具身智能机器东说念主，从多模态环境里学到各样各样的学问，赢得瞻望能力。比如踩到了石头会颠仆，从手中掉了的杯子可能会摔碎。咱们很难只通过西宾宇宙模子的花式产生下一代智能，是以咱们要像滚雪球通常，让智能体学到越来越多的学问，作念更多的任务。说不定有一天智能体不错把我方送到月球上去，我方干活职责，然后总结告诉你它干了什么事情。
BV：智能是在智能体跟环境的交互流程中产生、暴露。这么来看，空间智能的产生旅途就很了了了。
特特：是的，第一步是通过传感器不雅察、聚会物理宇宙，要是莫得宗旨不雅察物理宇宙，就莫得宗旨聚会物理宇宙。
第二步，跟物理宇宙作念交互，知说念怎样作念抓取、步碾儿、避障、操作物体。
因此，咱们需要通用视觉模子来更好地聚会感知宇宙，聚会时候上、空间上的通顺性等特征；另一个便是 Embodied AI，让机器跟环境交互，在多模态的着实宇宙里产生智能。
比如，在与 Ilija Radosavovic 伙同的《Real-World Robot Learning with Masked Visual Pre-training》中，咱们通过在大领域着实宇宙图像和视频数据上进行自监督视觉预西宾，预西宾后需要在试验的任务中作念小领域 finetune，使机器东说念主在现实宇宙任务中学习到丰富的视觉示意，匡助机器东说念主更好地聚会和感知现实宇宙中的三维空间信息，并在复杂环境中作念出合理的决策和行为。
作念 AI 的东说念主何如看艺术生成？
BV：生成呢？在智能产生的流程中，生成到底以什么神态出现？
特特：这个是目前巨匠莫得定论的事情。这与东说念主的遐想是不同的，东说念主的遐想是综合地去遐想可能会发生的事情；而当今的生成式 AI，更多是以在细节上、以像素级别的水准，把内容给生成出来。
大多数东说念主齐不是画家，我的画画的艺术能力极为逾期，但我照旧有艺术上赏玩的能力。
回到达特茅斯会议上巨匠对东说念主工智能的憧憬。巨匠认为生成其实是 creativity and randomness，诡计机不是全齐按照既定的设施去实施每一个指示。就像东说念主类通常，不管是咱们的想维照旧动作，齐不一定是在实施一个特定的指示，因为咱们有创造力和遐想力。是以我以为生成是智能的一个重心，然则具体能不成像画家通常把它的艺术性画出来，便是另一趟事。
BV：“醉心艺术东说念主” 和 “搞工夫的东说念主” 这两个标签的叠加下，让你对 “AI 是否能创造艺术” 这个话题有什么不同的感受？
特特：音乐、好意思术、电影，这些在我的性掷中是不可或缺的。
第一，艺术是对于改日的，不是对于昔日的，无法用昔日已有的信息来西宾 “生成” 艺术。艺术需要资格和感受，是东说念主对外活着界和内活着界的综合聚会。
目前，AI 的价值更多的体当今出产器具的属性上，咱们不错通过 AI 来让活命更方便、安全、梦想，解放咱们的时候和出产力。但 AI 莫得厚谊资格，莫得活命资格，跟东说念主类的悲喜并不叠加，是以 AI 很难去感受艺术，也就很难生成艺术。
法国印象派代表东说念主物克劳德・莫奈《日出印象》
回止境来看，艺术之是以是艺术，好多时候是跟不雅察者有计划系的，一千个东说念主里有一千个不同的哈姆雷特。当东说念主们赏玩画作、音乐的时候，会从中得到共识，感受到新的东西。
第二，艺术和内容制作很难分手开来。艺术是一个复杂的流程，其中包括创造 idea 部分，也包括制作内容部分。
比如说，画家画画，雕饰家雕刻作品，剧作者创作脚本，咱们很难把创造 idea 和制作内容分手开来。这些艺术步履不仅是一个灵感念法的产生，更迫切的是要把灵感念法串起来、发扬出来、制作出来，这中间需要好多 “膂力活”。比如罗丹的每一个雕饰作品，齐资格了艺术家多数绘图，老到，和完善。当咱们用写 prompt 的花式去生成一个内容，咱们仅仅利用 AI 制作了内容，不一定是创造了艺术。
第三，咱们也要把艺术和文娱也要分手开来。当咱们听到一段旋律或是看到一段影像，以为很面子、很过瘾，但不代表它激勉我产生了领略上的更动、心情上的共识、对宇宙新的聚会。
目前 AI 更多是在生成文娱，而不是艺术。
故事另一面
BV：科研路上，哪些东说念主给你带来工夫上的启发？
特特：2018 年，我在孙剑诚恳的领导下参加 COCO 竞赛（注：Common Objects in Context），题目便是怎样作念出更重大的物体检测器。咱们用了 256 张 GPU 去西宾这个模子，这个数目级的 GPU 让模子的防守速率寥落快，但却很 “非主流”。因为那时的主流不雅点是模子并非越大越好，而咱们的有规划甚而早于第一代 GPT。孙剑诚恳问咱们：这个东西的领域、上限在那边？模子效力好的背后原因到底是什么？
这个启发寥落迫切：你要络续的问为什么是这么，而不是那样？传统的花式就一定是对的吗？有莫得下一代管理有规划？授东说念主以鱼不如授东说念主以渔，总有问题是诚恳管理不了的，总有问题是需要年青的头脑去想考的。而这些想考对刚初学的年青科研者来说长短常迫切的一课，能让咱们的职责作念的更塌实。
图中左三为肖特特，右二为孙剑诚恳
BV：伯克利东说念主工智能实验室（BAIR）给你留住什么印象？
特特：BAIR 不是一个 lab，而是一个好多标的的 super lab 结伙体。通盘科研楼还挺挤挺小的，好多训导就挤在旯旮里莫得窗户的办公室里搞科研。
BAIR 有好多标的，在诡计机视觉领域有传统感知，有 3D 重建，也有图片和视频生成，还有视觉停战话中间的 understanding。其他还有 NLP、robotics、AI 伦理、AI for Science 等领域标的。BAIR 成立的配景，便是但愿学生们从不同的方进取作念疏浚，在学科内交叉领域相互碰撞。聚会、感知、想考、推理、操作、通顺这些齐是 AI 的一部分，更广小数来看，咱们跟心理学、神经科学、步履科学也齐有计划系。
我的训导 Trevor Darrell 是 BAIR 的 co-founder 和 Founding Director。Trevor Darrell 训导最大的性情便是包容，在一个有很大变化的研究领域，研究者需要解放的空间去探索感敬爱的问题。好多时候咱们的发现发明不一定是巨匠齐认同的工夫阶梯，但咱们要有空间去追赶这么不被认同的工夫想法。
在 BAIR Lab，从 2021 年驱动，我与 Ilija Radosavovic 伙同了多篇职责，从《Masked Visual Pre-training for Motor Control》到《Real-World Robot Learning with Masked Visual Pre-training》，以及《Real-world Humanoid Locomotion with Reinforcement Learning》。
咱们原本齐是学习诡计机视觉的，但齐认为要是莫得机器在着实宇宙的部署，AI 的发展就会堕入瓶颈。之后咱们覆没了原有的研究平安圈，进入到没战斗过的 robotics 领域，但愿探索下一代通用东说念主工智能。
BV：创业之后一定有好多团队成就上的想考。组建团队是否是在找 CEO 的 “复制粘贴”?
特特：咱们团队寥落多元。有刚从学校出来的 PhD，也有工业界职责 20 多年的成员，还有大学辍学自学遐想来作念家具的成员。咱们在组建团队的时候，并不是看这个东说念主跟我的资格配景、工夫不雅点、对改日的想法 “有多像”，而是看他是否能独马上带来不同的不雅点，建议不同的声息。因为咱们要作念一个新的东西，既然是新的，那它就莫得对错之分。
Debate 是咱们的团队文化之一。Debate 的价值不是胜负，不见得每一个工夫想法咱们齐需要达成一致。而越是不一致，咱们就不错去研究更多的 corner cases。
我也很饱读吹巨匠在任业早期到创业公司资格一番，锻真金不怕火我方界说问题的能力，以及在小团队职责承担更多牵扯的能力。
BV：如今，AI 领域暴表现新一代年青有为的首创东说念主。空间智能是下一代 AI 创业者的契机吗？
特特：我深信统统的新的工夫齐会带来新的更动，不仅仅空间智能。而新一代创业者仅仅对新一代工夫的聚会会更长远一些。
然则更迫切的是，新一代创业者有莫得去创造新事物的心情，有莫得对旧宇宙、旧法式体系的不甘，有莫得问出 what's next 的勇气。
BV：看到你一又友圈有分享过一句歌词：What shall be our legacy？What will our children see？你更但愿留给宇宙、留给下一代工夫东说念主些什么呢？
特特：我以为每一代的东说念主齐有每一代东说念主的牵扯。
个体的总数便是宇宙。我以为百行万企的东说念主应该对职责有眷注，因为咱们的职责便是对梦想宇宙的塑造，齐会最终对宇宙产生影响。
同期，咱们工夫东说念主就像是新宇宙的守门东说念主，也要保护工夫不被徒然。开发和保护，是相得益彰的。这不是两拨东说念主的牵扯，是团结拨东说念主的牵扯。
BV：那临了一个问题：为什么叫 PromptAI？
特特：Maybe leave it for the future. 巨匠当今齐不知说念苹果公司的苹果为什么少了一块沙巴贝投ag百家乐，对吧。恒久不知足于目前的界说，恒久在建议下一个问题的路上。