AI新闻动态（2023-12-10到2023-12-16）

[ikaijua]

AI新闻动态（2023-12-10到2023-12-16）

[ikaijua]

2023-12-13 马斯克放出特斯拉人形机器人Optimus第二代的演示视频，进步速度惊人

12 月 13 日上午，马斯克突然在 X 上放出了一段视频，展示了特斯拉的人形机器人Optimus第二代。
从视频上来看，Optimus Gen2 相比上一代有了很大改进，包括：

1. 拥有灵活的双手（手有 11 个自由度），手指伸展灵活得像个真人，手指都有触觉，可以处理精致的物体，比如鸡蛋。屏幕右侧实时显示了手指压力。
2. 2 个自由度的脖子可以让机器人在一定幅度内转头
3. 行走速度虽然提升了 30%，但看起来还是有点缓慢
4. Optimus Gen2 脚和人类很像，走路方式也和人类相似
5. 比上一代更加轻盈，减重 10 千克
6. 甚至能做一个均匀的 90 度深蹲（做这个动作需要调动全身多个关节来保持平衡）。

来自特斯拉 AI 团队的 Milan Kovac 说：视频中的一切都是实时的（一倍速），没有 CGI

2022 年 10 月，这一年的「特斯拉 AI 日」上，Optimus 人形机器人首次亮相。如今，随着 Optimus 二代的到来，特斯拉人形机器人的进步速度简直恐怖。

马斯克推文：https://twitter.com/elonmusk/status/1734763060244386074

媒体报道：

• 机器之心：练习时长两年半，特斯拉人形机器人Optimus二代上线
• APPSO：特斯拉人形机器人二代来了！手捏鸡蛋，深蹲蹦迪，更像真人了

[ikaijua]

2023-12-16 theverge爆料字节跳动正在秘密使用 OpenAI 的技术来打造竞争对手，随后字节跳动的账户被OpenAI暂停使用

1. 字节跳动在生成式人工智能竞赛中已经落后了，以至于它一直在秘密使用 OpenAI 的技术来开发自己的大语言模型。
2. 这违反了 OpenAI 的服务条款，该条款规定其模型输出不能用于“开发任何与我们的产品和服务竞争的人工智能模型”。字节跳动通过微软购买其 OpenAI 访问权限，微软也有同样的政策。
3. 字节跳动内部人事爆料的内部文件证实，在几乎每个开发阶段，包括训练和评估模型，都依赖 OpenAI API 来开发其基础 LLM（代号为 Project Seed）。由于过度依赖 OpenAI 的 API，Project Seed 的员工经常达到了 API 访问的最大限额。
4. 字节跳动的发言人 Jodi Seth 表示，在 Project Seed 的初期开发中，确实使用了 GPT 生成的数据来标注模型，并在今年中期左右将其从训练数据中移除。“字节跳动得到了 Microsoft 的授权，可以使用 GPT API，”她在声明中说。“我们在非中国市场利用 GPT 支持我们的产品和特性，但在中国市场，则是使用我们自研的模型来支持 Doubao。
5. 在这篇报道发布后，OpenAI 的发言人 Niko Felix 确认，字节跳动的账户已被暂停使用：“所有使用我们 API 的客户必须遵守我们的使用政策，确保技术被用于正当目的。尽管字节跳动对我们的 API 使用很少，但我们正在进一步调查期间已暂停他们的账户。如果我们发现他们的使用不符合这些政策，我们将要求他们进行必要的调整，或终止他们的账户。”

• theverge报道：ByteDance is secretly using OpenAI’s tech to build a competitor

媒体报道:

• 凤凰网科技: 字节跳动被曝秘密使用OpenAI技术、账户被暂停，三方回应｜AI前哨

[ikaijua]

2023-12-15 Google开放了Gemini Pro的API访问

开发人员可以通过 Google AI Studio地址 https://ai.google.dev 使用Google的 Gemini Pro 接口。

1. 现在的版本有一个 32K 的文本上下文窗口，未来的版本将有更大的上下文窗口。
2. 它具有一系列功能：函数调用、嵌入、语义检索和自定义知识基础以及聊天功能。
3. 它支持全球 180 多个国家和地区的 38 种语言。
4. 它现在可以在一定范围内免费使用，将来价格会很有竞争力。
5. Gemini Pro 接受文本作为输入，并生成文本作为输出。 Gemini Pro Vision 多模态版本，可接受文本和图像输入，并输出文本。
6. Gemini Pro 的 SDK 可帮助您构建可在任何地方运行的应用程序。支持 Python、Android (Kotlin)、Node.js、Swift 和 JavaScript。

google的博客文章介绍：It’s time for developers and enterprises to build with Gemini Pro

文档：

• Gemini API Python SDK文档
  https://ai.google.dev/tutorials/python_quickstart
• LangChain集成Google Generative AI文档
  https://python.langchain.com/docs/integrations/chat/google_generative_ai

使用教程：

• “五里墩茶社”的B站视频：Google Gemini API使用教程【Gemini Pro免费使用中】
• “零度解说”的youtube视频介绍：谷歌 Gemini 大杀器正式发布！Pro、Pro Visual 多模态AI，比想象更惊喜！免费用 | 零度解说

[ikaijua]

2023-12-10 有 “欧洲版 OpenAI” 之称的大模型创业公司Mistral AI开源首个MoE模型（混合专家模型）Mixtral-8x7b

12月8日晚上，Mistral AI的推特突然放出了一个磁力链接，网友打开该磁力链接后发现居然是一个大小为 87 GB 的种子。从命名和目录结构来看，这是一个 PyTorch 模型文件。推文：https://twitter.com/MistralAI/status/1733150512395038967

1. Mixtral 8x7B由8个拥有70亿参数的专家网络组成。
2. 在大多数基准测试中表现优于Llama 2 70B，但推理速度快 6 倍，甚至足以击败GPT-3.5。
3. Mixtral 8x7B支持32k token上下文长度，并能够处理英语、法语、意大利语、德语和西班牙语。它具有出色的代码生成能力，并在MT-Bench上达到了8.3分，与GPT3.5相媲美。
4. 虽然Mixtral拥有46.7B的总参数量，但每个token只使用12.9B参数，因此实际执行速度和成本与一个12.9B模型相当。
5. 遵循Apache 2.0许可（免费商用）。
6. Mistral官方已经宣布上线API服务，不过还是邀请制，未受邀用户需要排队等待。

背景信息：

1. Mistral AI 成立于 2023 年 5 月，是一家法国的人工智能初创公司，也是为数不多来自欧洲的大模型领域的明星团队。
2. 三个创始人，Arthur Mensch，CEO，前 DeepMind 研究科学家；Guillaume Lample，首席科学家，前 Meta 研究科学家，Llama 项目带头；Timothee Lacroix，CTO，前 Llama 工程带头
3. 种子轮融资 1.13 亿美元，刚刚又被曝完成了 4.87 亿美元的融资，估值 20 亿美元。目前，Mistral AI 仅有 22 名员工。

官方介绍：https://mistral.ai/news/mixtral-of-experts/

第三方体验地址：

• https://labs.perplexity.ai/ 选择Mixtral-8x7b的模型
• https://poe.com/Mixtral-8x7B-Chat

媒体报道：

• 量子位：开源大模型超越GPT-3.5！爆火MoE实测结果出炉，网友：OpenAI越来越没护城河了
• 魔搭ModelScope社区：Mistral AI发布首个开源MoE模型，魔搭社区推理微调最佳实践来啦！
• Founder Park：全面超越GPT3.5！Mistral AI发布「神秘模型」托管平台，22人估值20亿美元

[ikaijua]

2023-12-11 马拉松式39小时谈判，欧盟AI监管达成“里程碑协议”

1. 欧盟通过了一项被称为“历史性AI立法”的法案，旨在推动全球最严格的人工智能监管制度。
2. 欧盟内部市场专员蒂埃里·布雷顿在社交媒体上确认了这一协议的达成，并表示欧洲成为第一个为人工智能使用制定明确规则的大陆。
3. 在达成这项协议之前，欧盟成员国和政界人士经过多年的讨论，以确保人类利益成为立法的核心。
4. 这项法案被称为《人工智能法案》（The AIAct），被认为是欧盟初创企业和研究人员在全球人工智能竞赛中的跳板。
5. 欧洲企业对于这项法案存在担忧，认为过度限制人工智能技术可能会阻碍创新和本土产业的发展。
6. 欧洲议会、成员国和欧盟委员会必须在法案最终成为法律之前达成一致。

具体来看，该草案的主要内容包含以下几点：

1. 采用基于风险占比的方法，为欧盟内人工智能系统的开发、市场投放和使用制定了统一规则。
2. 禁止某些违背欧盟价值观、特别有害的人工智能做法。这类做法包括：使用人工智能进行“社会评分”、操纵人类行为以规避其自由意志等。
3. 针对某些执法用途的远程生物识别系统提出了具体的限制和保障措施。比如，将禁止根据政治或宗教信仰、性取向或种族等敏感特征对人进行分类的生物识别扫描，媒体称这是谈判中最困难、最敏感的问题之一。
4. 规定了一种可靠的风险方法，以界定对人的健康和安全或基本权利构成重大风险的 "高风险 "人工智能系统。
5. 对于某些特定的人工智能系统，只提出了最低限度的透明度义务，特别是在使用聊天机器人或 “深度伪造技术（deepfake）”时。

反对声音：

1. 今年6月，包括空客和西门子在内的数十家欧洲大型企业曾采取集体行动，以“可能损害欧洲竞争力”“不能应对潜在挑战”等为由，公开反对欧盟通过《人工智能法案》。
2. Open AI的Altman也此前曾批评欧盟监管AI技术的计划。此前起草的拟议法律暗示ChatGPT和大型语言模型GPT-4都可能被指定为高风险。Altman曾就此回应道：“如果我们能遵守，我们会，如果我们不能，我们将停止运营。我们需要试试，但可能存在技术限制。”

法案网址：https://artificialintelligenceact.eu/the-act/

媒体报道：

• 观察者网："欧盟达成'历史性AI立法'"
• 华尔街见闻：马拉松式39小时谈判！欧盟AI监管达成“里程碑协议”，直指ChatGPT和谷歌Bard
• theverge: https://www.theverge.com/2023/12/14/24001919/eu-ai-act-foundation-models-regulation-data

[ikaijua]

2023-11-09 哈佛商业评论：AI时代，企业之间的差距是如何拉开的？

文章探讨了AI时代企业间差距拉开的原因，并提出了应对策略。以下是文章的要点：

1. AI时代企业间差距的形成：初创企业擅长寻找机会并快速响应客户需求，而大公司由于障碍和缺乏魄力，对客户需求的响应较慢。
2. AI对就业的影响：尽管AI可能在短期内取代大量工作岗位，但从长远来看，它不太可能导致大规模的失业，特别是在发达国家劳动年龄人口比重下降的情况下。
3. AI引发的失业潮：与过去的技术革新不同，现在企业快速应用AI技术，导致失业潮的出现。白领员工可能是最受影响的群体。
4. 减轻失业风险的两种选择：政府介入减缓AI商业应用速度或提供特殊福利计划和培训失业人员；企业自主创新，整合生成式人工智能技术以提高工作效率，创造新的价值创造潜能和岗位机会。
5. 加快创新速度的重要性：企业需要加快创新速度，使岗位流失和新岗位出现的速度相匹配，以适应人工智能带来的行业结构转变。
6. AI为企业带来的机会：企业可以利用AI创造新机遇，实现长期发展。
7. 企业布局人工智能：文章提到了埃隆·马斯克承诺让Twitter成为人工智能领导者的案例，探讨了企业布局人工智能的意义。
8. 提高敏捷性和创新力的因素：研究团队对26家大公司进行了研究，从敏捷性和创新力两个维度将企业分为高、中、低三组，以探讨敏捷、创新型企业与平庸、守旧企业间的差距。

哈佛商业评论：AI时代，企业之间的差距是如何拉开的？

[ikaijua]

2023-12-11 周鸿祎：有人找我做养猪大模型

360公司的创始人兼CEO周鸿祎在中国企业领袖年会上做了主题演讲，对最近的AI大模型热潮发表了看法。

1. 发展大模型需要有对人工智能的信仰。相信AI是真正的人工智能，是工业革命级技术，并将重塑所有业务。不拥抱AI的公司和个人将被淘汰。
2. 现在不应高估大模型的能力，但也不应低估其未来的潜力。
3. 大模型对于企业家来说是重要的，它可以将人类的知识训练到一个模型中，并在不同场景中产生红利。
4. 有三个问题需要思考：组织内部所有人是否都在使用AI，内部业务流程被改造会怎样，产品和服务被AI加持会有什么影响。
5. 大模型在中国的机会，包括产业化、行业化、垂直化和深度定制。
6. 大模型是人工智能的一个重要突破，它使得机器能够理解、存储和推理人类的知识，从而解决很多问题。
7. 大模型的发展是指数型的，其能力可以通过增加硬件资源不断提升。
8. 大模型对知识学习的能力也在不断突破，但仍有一些缺点，如胡说八道的问题。
9. 有人曾找他做养猪大模型，但他认为大模型的技术路线突破才短短几年，目前还存在很多缺点。

“有人找我做养猪大模型”的视频来源：https://weibo.com/tv/show/1034:4977511076134973

• oschina：周鸿祎：有人找我做养猪大模型
• 中国企业家杂志：周鸿祎：发展大模型要有AI信仰

[ikaijua]

2023-12-14 清华大学交叉信息研究院提出"ViLa"（Robotic Vision-Language Planning）算法，利用GPT-4V为机器人提供任务规划能力

以下是文章的要点总结：

1. ViLa算法的背景：GPT-4V是一个在虚拟数字世界中设计网站代码和控制浏览器的应用，但将其应用于实际世界中，作为机器人的大脑，可以产生有趣的结果。
2. ViLa算法的功能：ViLa能够深入理解物理世界中的常识，为机器人在复杂环境中提供任务规划。它能够将抽象的语言指令分解为可执行的步骤，并展现出对物体的空间位置关系和场景中的常识的理解。
3. ViLa算法的方法：ViLa使用视觉语言大模型（VLM），例如GPT-4V，将高级抽象指令分解为一系列低级可执行技能。它通过链式思维推理来理解环境场景，并生成多步的计划。执行计划的第一步由基本策略执行，并将已执行的步骤添加到已完成的计划中，实现闭环规划方法。
4. ViLa算法的优势：ViLa经过大规模互联网数据的训练，展现出多样性和泛化能力。它可以解决多种具有挑战性的规划问题，甚至在零样本学习模式下也能取得良好的效果，从而减少了以前方法中所需的提示工程。
5. ViLa算法的实验验证：ViLa在现实世界和模拟环境中展示了以零样本方式解决各种日常操作任务的能力。它能够深刻理解视觉世界中的常识，支持灵活的多模态目标指定方法，并自然地支持视觉反馈和闭环控制。

论文链接：https://arxiv.org/pdf/2311.17842.pdf
项目主页: https://robot-vila.github.io/
视频介绍：https://www.youtube.com/watch?v=t8pPZ46xtuc

媒体报道：

• 机器之心：当GPT-4V充当机器人大脑，可能你都没AI会规划
• 清华大学交叉信息研究院：ViLa算法：当GPT-4V充当机器人大脑，可不止获得薯片自由

[ikaijua]

2023-12-10 贾佳亚团队多模态大模型LLaMA-VID，可以理解超长视频

贾佳亚团队开发了一种新的多模态大模型称为LLaMA-VID，具备处理超长视频的能力，并在视频问答和推理任务中表现得了优秀

1. LLaMA-VID是一种多模态大模型，可以处理包括图片、短视频和超长视频在内的多种输入形式。
2. 通过让LLaMA-VID观看科幻电影《星际穿越》等超长影片，它能够理解电影情节、回答相关问题，并对角色和细节进行准确分析。
3. LLaMA-VID还具备理解宣传片意图、回答开放性问题的能力。例如，它可以分析游戏预告片并推测出游戏背景和特征。
4. LLaMA-VID通过将视频中每帧图像的编码数量压缩到很低的级别，实现了处理超长视频的能力。这种编码方式利用了上下文编码和图像内容编码，将每一帧用2个token表示。
5. LLaMA-VID的框架包括视觉编码器、文本解码器和大语言模型。视觉编码器将输入帧转换为可视帧嵌入，文本解码器生成与指令相关的跨模态索引，大语言模型生成回答。
6. LLaMA-VID在多个视频问答和推理榜单上取得了最先进的结果，并且在图片问答中也有显著提升。
7. 研究团队提供了LLaMA-VID的微调模型和预训练权重，并收集了400部电影和9K条长视频问答语料作为数据集。

Github地址：https://github.com/dvlab-research/LLaMA-VID
Demo地址: http://103.170.5.190:7864/
论文地址：https://arxiv.org/abs/2311.17043

媒体报道：

• 量子位报道：AI变鉴片大师，星际穿越都能看懂！贾佳亚团队新作，多模态大模型挑战超长3小时视频
• 机器之心：连看好莱坞大片都学会了！贾佳亚团队用2token让大模型卷出新境界

[ikaijua]

2023-12-14 谷歌DeepMind最新的文生图模型Imagen 2发布

1. Imagen 2是谷歌DeepMind团队最先进的文本到图像扩散技术，具有高质量、逼真的输出和更强的一致性。
2. 在训练数据集中增加了更详细的图像描述，从而能够更好地理解用户的提示。
3. 改善了文本到图像工具常遇到的问题，包括渲染逼真的手和人脸以及消除视觉伪影。
4. 通过美学评分模型调整图像生成，以生成符合人类偏好的高质量图像。
5. 具有灵活性，用户可以通过提供参考图像和文字提示来调整生成图像的风格。
6. 支持修补和扩图功能，可以直接在原始图像中生成新内容或将图像扩展到边界之外。
7. 谷歌团队在设计、开发和产品部署过程中采取了严格的安全措施，以降低文本到图像生成技术的潜在风险和挑战。

开发人员可以通过 Google Cloud Vertex AI 中的 Imagen API 来使用 Imagen 2 。

Google Cloud Vertex AI 地址：https://cloud.google.com/blog/products/ai-machine-learning/imagen-2-on-vertex-ai-is-now-generally-available

官方介绍：https://deepmind.google/technologies/imagen-2/

媒体报道：

• 机器之心：谷歌DeepMind最先进Imagen 2发布：这些AI图片你能辨别吗？

[ikaijua]

2023-12-13 Google宣布AI代码开发工具Duet AI for Developers现已正式推出，并将很快开始使用更强大的Gemini模型。

1. Duet AI for Developers是一套AI辅助工具，用于代码自动补全和生成，类似于GitHub的Copilot。
2. Google与25家合作伙伴公司合作，这些公司为他们的平台贡献了数据集，帮助开发人员构建和排查应用程序。这些合作伙伴包括Confluent、HashiCorp和MongoDB等。
3. 这些合作伙伴提供的数据将主要用于代码自动补全和生成，但Datadog、JetBrains和LangChain等合作伙伴将提供文档和知识源，以帮助开发人员进行开发和操作团队的工作。
4. Google希望通过在最新的云原生实践中对模型进行训练，并将其集成到Google Cloud Console和其他流行的开发工具中，为开发人员提供一种更好的编码体验。
5. Duet AI for Developers目前支持超过20种编程语言，并提供AI日志总结、错误解释等功能，与Google的Cloud Logging集成，并提供智能操作功能，可一键执行任务，如生成单元测试。
6. Google将Duet AI系列产品视为企业级产品，具有企业访问控制和Google的保障，以满足企业对这些工具的需求。
7. Google认为这些AI编码工具不会取代开发人员的编程技能，而是帮助开发人员提高生产效率。目前还没有提供Google的相关数据，但其他供应商如GitHub已经分享了他们所获得的生产效益数据。
8. Duet AI for Developers目前免费提供使用，直到2024年1月底。之后，每个用户每月需要支付19美元，并需要年度订阅。

官网介绍：https://cloud.google.com/blog/products/ai-machine-learning/duet-ai-for-developers-and-in-security-operations-now-ga

媒体报道：

• techcrunch: Google’s GitHub Copilot competitor is now generally available and will soon use the Gemini model

[ikaijua]

2023-12-13 李飞飞团队与谷歌合作推出了AI视频生成模型W.A.L.T（Window Attention Latent Transformer）

1. 该模型可以通过自然语言提示生成高质量、逼真的视频。
2. W.A.L.T采用了扩散模型技术，结合了Transformer架构和潜在扩散模型（Latent Diffusion Models），在共享潜在空间中压缩图像和视频，提高训练效率。
3. W.A.L.T的应用包括文生视频、图片转视频和3D相机拍摄视频。团队展示了一些生成示例，如阳光明媚的下午宇航员喂鸭子、戴生日帽的大象在海滩上行走以及皮卡丘在拳击场内戴着拳击手套等。
4. W.A.L.T的优势在于使用局部窗口注意力降低计算要求，并采用时空关系建模的方法。该模型在视频生成基准测试上表现出了优异的效果。

项目地址：
https://walt-video-diffusion.github.io/
论文地址：
https://walt-video-diffusion.github.io/assets/W.A.L.T.pdf

媒体报道：

• 机器之心：将Transformer用于扩散模型，AI 生成视频达到照片级真实感
• 智东西：拳打Pika脚踢Gen-2！斯坦福李飞飞联合谷歌，AI文生视频大模型炸圈

[ikaijua]

2023-12-17 微软发布了一款名为Phi-2的小尺寸语言模型，该模型仅有27亿参数，但在常识推理、语言理解、数学和编码上表现出色

1. Phi-2模型超越了其他大型模型如Llama2 7B、Llama2 13B、Mistral 7B，并且与Llama2 70B的性能差距正在缩小。
2. Phi-2模型可以在笔记本电脑、手机等移动设备上运行，具有出色的推理和语言理解能力。
3. 微软通过关注训练数据的质量，特别是重点关注"教科书质量"数据，并通过精心挑选的Web数据进行扩充，提升了Phi-2模型的性能。
4. 微软还使用知识迁移技术，将知识逐渐嵌入到Phi-2模型中，加速了训练收敛，并提升了基准测试分数。
5. Phi-2模型在各类基准测试上表现优秀，超过了7B和13B的模型，并且在编码和数学任务方面比大型模型Llama2-70B表现更好。
6. 微软提供了Phi-2模型，供研究人员进行可解释性探索、安全性改进和各种任务的微调实验。
7. 文章还提到了Phi-1和Phi-1.5模型，这些都是微软在小模型领域的先前研究成果。
8. Phi-2模型的性能经过多个微软内部专有数据集和任务的评估，并与Mistral和Llama-2进行比较，整体上优于它们。
9. Phi-2模型的发布展示了小模型在自然语言处理领域中的出色性能，并为研究人员提供了一个理想的模型进行研究和实验。

博客链接：https://www.microsoft.com/en-us/research/blog/phi-2-the-surprising-power-of-small-language-models/
模型地址：https://huggingface.co/microsoft/phi-2 仅供研究，不可商用

媒体报道：

• 机器之心：微软小模型击败大模型：27亿参数，手机就能跑
• 智东西：手机能跑！微软小模型击败Llama 2，96块A100 GPU训练14天，参数规模仅27亿

[ikaijua]

2023-12-14 OpenAI 宣布重新开放 ChatGPT Plus 订阅

1. OpenAI 宣布重新开放 ChatGPT Plus 订阅，之前因使用量激增而暂停注册。OpenAI 的首席执行官 Sam Altman 表示，他们希望确保每个用户都能获得良好的体验，因此暂停了新用户的注册，但现在已经重新开放订阅。
2. 根据调查机构 Writerbuddy.ai 的报告，ChatGPT 在过去的十个月内被访问超过 146 亿次，占据了前 50 名 AI 工具访问量的超过 60%。
3. OpenAI 在其首届开发者大会 DevDay 上发布了新的 AI 产品 GPTs，允许开发者和公司根据特定需求和服务定制 ChatGPT。
4. OpenAI 还展示了 GPT-4 Turbo 模型的预览版本，该模型具有更大的上下文窗口和更快的运行速度，同时运行成本也降低了一半。
5. 目前，ChatGPT 的周活跃用户数已超过 1 亿，OpenAI 称已有超过 92% 的财富 500 强企业在使用其平台。
6. OpenAI 的决定重新开放 ChatGPT Plus 订阅表明他们已经找到了更多的 GPU 资源，以满足用户的需求。

媒体报道：

• IT之家：OpenAI 宣布重新开放 ChatGPT Plus 订阅，已找到更多 GPU

[ikaijua]

2023-12-14 ChatGPT成为Nature年度十大人物，首个非人类实体

1. 著名科学期刊《Nature》评选出了2023年度十大人物，旨在表彰对科学领域做出重要贡献并引起人们关注的个人。
2. ChatGPT入选：与以往不同，今年的Nature十大人物包括了大型语言模型ChatGPT，这是有史以来第一次有"计算机程序"入选。
3. ChatGPT的贡献：ChatGPT在科学领域产生了深远而广泛的影响。它与人类共同撰写科学论文，负责起草演示文稿、项目大纲，并激发研究灵感。ChatGPT成为科研人员的得力助手。
4. 生成式AI的潜力和危险：生成式AI技术有助于科学发展，但也存在风险。它们可能被用于作弊和抄袭，污染科学知识的源泉。了解这些模型的行为和控制它们的相互作用是困难的。
5. ChatGPT背后的人：除了ChatGPT，Nature十大人物名单还包括了ChatGPT的创造者之一Ilya Sutskever。他是OpenAI的首席科学家和联合创始人，致力于开发通用人工智能（AGI）。
6. 其他入选者：Nature十大人物名单中还包括其他杰出人物，如科学家、研究员和环保活动家，他们在各自领域做出了重要贡献。
7. ChatGPT的潜力和未来：ChatGPT入选Nature十大人物，显示出生成式AI的革命已经开始，但它们的潜力仍受限于算力和训练数据。对于类似ChatGPT的系统还有很多潜力有待发掘。

参考链接：https://www.nature.com/immersive/d41586-023-03919-1/index.html

媒体报道：

• Nature Portfolio：2023《自然》十大人物：十位年度新闻人物和一个AI
• 机器之心：ChatGPT成为Nature年度十大人物，首个非人类实体
• 量子位：ChatGPT入选Nature年度十大人物，缔造者Ilya也上榜了

[ikaijua]

2023-12-14 谷歌发布AI音乐生成模型MusicFX

Google 的 AI 音乐生成模型已升级，并更名为 MusicFX，可以根据用户的文字提示生成音乐，具有高度的灵活性和简便的操作方式。以下是主要功能和使用方法：

1. 文字提示生成音乐：用户只需输入文字提示，MusicFX 即可生成音乐。
2. 定制化音乐风格：用户可以选择特定的音乐风格、音乐元素、乐器和场景进行组合，打造个性化音乐。
3. 音乐编辑选项：生成音乐后，还可以调整诸如种子（seed）、时长、是否循环等设置进行再编辑。
4. 音乐生成长度：MusicFX 能够生成最长达 70 秒的音乐片段。

使用体验：

1. 操作简单，适合各种用户，无论是音乐制作新手还是有经验的音乐家。
2. 提供丰富的音乐风格和元素选择，满足不同的音乐创作需求。

MusicFX访问地址：https://aitestkitchen.withgoogle.com/tools/music-fx

媒体报道：

• https://36kr.com/p/2561201198603399

[ikaijua]

2023-12-15 Google DeepMind研究的新方法FunSearch，通过大型语言模型（LLM）搜索解决数学和计算机科学问题

1. 谷歌DeepMind的研究副总裁Pushmeet Kohli表示，他们使用名为FunSearch的大型模型来解决了一个困扰数学家60多年的问题，这个问题之前甚至不为人类所知。
2. FunSearch是一种利用大型模型解决长期存在的科学难题的技术，它能够产生以前不存在的可验证且有价值的新信息。DeepMind将大型模型视为创造力引擎，首次证明基于大型模型的系统可以超越人类和计算机科学家的认知，并且比现有的任何其他方法都更有效。
3. FunSearch解决了两类NP-hard问题。其中一类是Cap set问题，它是上限集问题的一种，通过FunSearch，解决了该问题中集合的最大规模为512个点。第二类问题是在线装箱问题，FunSearch提出了新的算法，能够在测试数据集中减少所需集装箱的数量。
4. FunSearch的工作流程是一个迭代过程，核心是搜索能够解决问题的程序，而不仅仅是问题的答案本身。系统通过搜索初始程序并输入大型模型，生成新的程序，并通过自动评估系统选择得分最高的程序加入程序库，实现自我循环。
5. FunSearch的一个重要特点是人们可以看到由AI生成的成功解决方案，并从中学习，与以往的黑箱模式不同。
6. 这一成果被认为是在解决数学难题方面的重大突破，被一些人称为人类自火之后最重要的发现之一。
7. 文章提到了FunSearch解决的两个具体问题的背景和相关研究，以及该技术对这些问题的突破和改进。DeepMind认为FunSearch将成为一个强大的科学工具，推动数学和通信理论等领域的新发现。

论文地址：https://www.nature.com/articles/s41586-023-06924-6

媒体报道：

• 机器之心：DeepMind论文登上Nature：困扰数学家几十年的难题，大模型发现全新解
• 量子位：Nature：DeepMind大模型突破60年数学难题，解法超出人类已有认知

[ikaijua]

2023-12-15 阿里旗下的智能计算研究院发布了名为Outfit Anyone的虚拟换衣技术

1. 该技术利用双流条件扩散模型解决了传统试穿模型的问题，使虚拟换装更加逼真。
2. Outfit Anyone的核心是Diffusion Model，以服装图像为控制因素，处理模特、服装和带有文字提示的图像，最终将数据汇聚到一个融合网络中，实现服装细节的嵌入。
3. 文章展示了Outfit Anyone的多个案例图片，包括简单的服装更换、奇异服装的上身效果、不同体型模特身上的服装效果以及对服装的精修和增强。
4. 这项技术在社交平台上引起了广泛的讨论，有人认为它将对时尚界带来改变，也有人对其感到兴奋。然而，目前该技术仅用于学术研究和效果演示，尚不能用于商业行为。
5. 文章提到了AI换装模型是否会对模特行业造成冲击的问题，并指出由于技术成本和效果的限制，该技术尚未流行起来。取代电商模特仍面临版权和商业问题。

体验地址：
https://huggingface.co/spaces/HumanAIGC/OutfitAnyone
https://modelscope.cn/studios/DAMOXR/OutfitAnyone

项目主页：https://humanaigc.github.io/outfit-anyone/
Github地址：https://github.com/HumanAIGC/OutfitAnyone 代码暂未公布
Outfit Anyone + Animate Anyone的演示视频：https://www.youtube.com/watch?v=jnNHcLdoxNk

媒体报道：

• 硅星人Pro：用AI一键换装试衣，这事就该阿里巴巴来做

[ikaijua]

2023-12-12 Meta发布AI音频生成工具Audiobox

1. Audiobox可以通过文本提示设计生成不同人物的声音或者各种音效声音、并且还有克隆声音的功能。
2. Audiobox生成的声音在质量和保真度方面可以与真实音频相媲美。
3. Audiobox还支持声音填充功能，可以根据文本描述将指定音频的一部分替换为新声音。
4. Audiobox是一个支持语音样本和文本描述提示的语音生成大模型，可以最大限度地提高生成结果的可控性。
5. Audiobox创建的音频都带有自动水印，可以准确地追溯到其来源。目前不能用于商业目的，但预计将来会有商业版本发布。

网址：https://audiobox.metademolab.com/

媒体报道：

• 机器之能:试了试Meta的最新语音生成器，逼真得有点毛骨悚然