小周记第 21 期（2025-07-09）
AI 基础知识、词典翻译 App、情感反诈模拟器
小周记恢复更新，计划每周一发布。
Cover：Photo by Claudel Rheault on Unsplash
Articles & Tutorials
本期重点推荐于谦老师的《AI 时代的程序员幸存者》语雀知识合集，以下是合集中 AI 基础知识从 -1 到 0.6 的文章链接，预计后面还会持续更新，推荐关注：
Embedding、向量、无监督学习、卷积、RNN、Transformer、PyTorch……当你意识到 AI 时代已经到来，决定迈出学习的第一步时，是否也和我一样被这些繁多的术语弄得无所适从、不知从何开始？本文旨在以简明易懂的方式，梳理 AI 的基础概念，帮助读者零帧起手，顺利开启 AI 学习之旅。
AI 基础知识从 0.1 到 0.2 —— 训练一个回归任务模型
作为一名开发工程师，可能对算法开发领域感到有些陌生，但其实它的核心是通过数据训练模型，并用这些模型解决实际问题。本文将以一个简单的“房价预测”问题为例，一步步了解算法工程师开发模型的完整过程。
在深度学习的语境里“模型”是一个高频出现的词汇，我们听说过识别手写数字的 CNN 模型，处理自然语言的 Transformer 模型，还有能写文章、做对话的 GPT 模型，这么多模型我们在解决业务问题时候应该如何做选型？
AI 基础知识从 0.4 到 0.5 —— 计算机视觉之光 CNN
计算机视觉是人工智能的核心分支，目标是赋予计算机像人类一样理解视觉世界的能力——从图像、视频等视觉数据中提取有价值的信息，完成分类、检测、分割、跟踪、理解场景语义等任务。
AI 基础知识从 0.5 到 0.6 —— 深度学习全能架构 Transformer
在深度学习领域，每种模型架构都有其适合解决的问题，CNN 擅长捕捉图像局部特征，RNN 专注于处理序列依赖。然而 Transformer 架构却在自然语言处理（NLP）、计算机视觉（CV）、图像生成等多个前沿领域都占据核心地位，从机器翻译、文本生成，从图像分类到多模态交互，就连 GPT 等引领行业变革的大模型也将 Transformer 架构作为根基。
Codes & Tools
一个简洁优雅的词典翻译 macOS App。开箱即用，支持离线 OCR 识别，支持有道词典，苹果系统词典，苹果系统翻译，OpenAI，Gemini，DeepL，Google，Bing，腾讯，百度，阿里，小牛，彩云和火山翻译。
Beyond code
最近很火的一个游戏，在朋友的推荐下入坑，前三章（尤其是第三章，前两章是铺垫）确实刷新了我对影游的刻板印象。
目前 Steam 夏促活动中，推荐打折入手（原价入手性价比也不错），然后找一个安静的晚上，倒上一杯饮料，一口气从第一章打到第三章，会获得不错的游戏体验。