AI新闻动态（2024-06-23到2024-06-29)

[ikaijua]

AI新闻动态（2024-06-23到2024-06-29)

目录

AI产品

1. Google发布Gemini 2，性能翻倍，效率提升，成本降低
2. 字节跳动发布AI编码开发工具"豆包MarsCode"
3. ChatGPT Mac客户端开放使用
4. OpenAI封禁不支持地区API
5. 最强免费数字人：微软Azure Speech Studio推出定制虚拟主播功能
6. Luma上线指定首帧和尾帧生成视频的功能
7. ElevenLabs推出ElevenLabs Reader APP
8. JetBrains计划将Google的Gemini模型集成到其AI助手中

AI研究

1. 洛桑联邦理工学院和苹果的研究者联合开发了名为4M-21的新型视觉模型
2. 《Python 机器学习》作者Sebastian Raschka推出了新作《Build a Large Language Model (From Scratch)》，讲解如何从头构建大型语言模型（LLM）

AI洞察

1. “B站”15周年庆，CEO陈睿称B站是“中国AI最强心智社区”
2. 全球三大唱片公司索尼音乐集团、环球音乐集团和华纳音乐联合多家唱片公司向Suno和Udio两家AI音乐公司发起诉讼，指控其非法使用版权音乐来训练模型并提供服务

AI投资

1. OpenAI收购了远程协作平台Multi
2. 软银集团宣布将对AI初创公司Perplexity AI进行投资，金额在1000万至2000万美元之间

[ikaijua]

2024-06-24 《Python 机器学习》作者Sebastian Raschka推出了新作《Build a Large Language Model (From Scratch)》，讲解如何从头构建大型语言模型（LLM）

1. Sebastian Raschka在GitHub上开源了与新书相关的代码库，提供了构建LLM的实践指导。
2. 书中特别介绍了指令微调方法，包括数据格式化、使用prompt-style模板和掩码技术，以提升模型性能。
3. 新书通过清晰的文字、图表和示例，从设计、创建到预训练和任务微调，全面解释了构建LLM的每个阶段。
4. 提供了规划和编码LLM、准备数据集、使用个人数据微调、应用指令调整和加载预训练权重的具体步骤。
5. Sebastian Raschka是机器学习和人工智能研究员，专注于深度学习和机器学习，同时也是开源软件的积极贡献者。
6. 除了新书，Sebastian还撰写了其他畅销书籍，如《Python Machine Learning》和《Machine Learning with PyTorch and ScikitLearn》。

Github地址：https://github.com/rasbt/LLMs-from-scratch

媒体文章：

• 机器之心：《Python 机器学习》作者新作：从头开始构建大型语言模型，代码已开源

[ikaijua]

2024-06-25 OpenAI封禁不支持地区API

1. OpenAI 警告不支持地区用户：即将封禁非法流量，截止日期为 7 月 9 日。
2. OpenAI 明确列出支持国家列表，非列表国家和地区用户将面临账户封禁。
3. OpenAI 从去年 3 月开始提供大模型 API，允许第三方开发人员集成 ChatGPT 能力。
4. OpenAI API 可访问多种模型，完成多模态生成式 AI 任务，价格大幅下降。
5. 部分地区封锁可能导致开发者需要更换工具，一些“套壳”应用将受到影响。

媒体文章：

• 机器之心：OpenAI封杀不支持地区API：违规封号，7月9日生效

[ikaijua]

2024-06-28 Google发布Gemini 2，性能翻倍，效率提升，成本降低

1. 27B参数的Gemini 2在同体积类别中提供最佳性能，可与更大模型竞争。
2. Gemini 2易于集成，兼容主要AI框架，支持多种部署选项。
3. Google还开源了Gemini 1.5 Pro，提供200万上下文窗口访问权限和代码执行功能。
4. Gemini 1.5 Pro和1.5 Flash引入上下文缓存功能，降低大token任务成本。
5. Gemini 2模型的基础架构与Gemma 1不同，包括局部滑动窗口和全局注意力、Logit软封顶、RMSNorm归一化和分组查询注意力。
6. Google在13万亿token上训练了27B Gemini 2模型，并通过蒸馏和微调进一步提升了性能。

官方博客：Gemma 2 is now available to researchers and developers
技术报告：Gemma 2: Improving Open Language Models
at a Practical Size
模型：https://huggingface.co/collections/google/gemma-2-release-667d6600fd5220e7b967f315

媒体文章：

• 机器之心：谷歌「诚意之作」，开源9B、27B版Gemma2，主打高效、经济！
• 量子位：谷歌开源系模型第二代免费开放！27B媲美Llama3 70B，单H100或TPU主机可跑

[ikaijua]

2024-06-26 字节跳动发布AI编码开发工具"豆包MarsCode"

1. 字节跳动发布名为"豆包MarsCode"的智能开发工具，面向国内开发者免费提供。
2. 工具包含编程助手和Cloud IDE两种形态，具备项目问答、代码补全、单测生成、Bug修复等功能。
3. 工具能够帮助开发者在需求开发、Bug修复、开源项目学习等场景下提升效率。
4. 豆包MarsCode已于6月26日正式发布，官网提供注册使用，并有定制周边等福利活动。

官网：https://www.marscode.cn/

媒体文章：

• 豆包MarsCode：字节跳动发布“豆包MarsCode”智能开发工具，面向国内开发者免费

[ikaijua]

2024-06-25 OpenAI收购了远程协作平台Multi

1. Multi平台支持10人以内团队通过屏幕共享进行实时协作。
2. 此次收购继OpenAI收购数据库公司Rockset后，表明OpenAI正加强面向企业市场（To B）的业务。
3. OpenAI与普华永道签署合作，由普华永道代销其工具，ChatGPT企业用户接近60万，包括93%的财富500强企业。
4. Multi的5名成员将在交易完成后加入OpenAI，Multi将在7月24日后关闭，用户数据将被删除。
5. Multi成立于2019年，总部位于旧金山，开发了为macOS设计的多人协作应用程序，已筹资1300万美元。
6. Multi的3位核心创始人包括CEO Hamze Ghalebi、联创兼CTO Charley Ho（华人，前Google软件工程师），以及联创兼CEO Alexander Embiricos。
7. 网友们猜测此次收购可能与OpenAI计划构建自己的操作系统有关，或将加强ChatGPT的桌面团队功能。

multi博客：Multi is joining OpenAI

媒体文章：

• 量子位：OpenAI收购5人远程协作公司

[ikaijua]

2024-06-28 Luma上线指定首帧和尾帧生成视频的功能

1. Luma AI的Dream Machine模型更新，推出了关键帧控制功能，允许用户通过上传两张图像和文字说明生成视频内容。
2. 新功能上线不到24小时就吸引了大量网友尝试，导致服务器负载过大。
3. Dream Machine的新功能目前对所有用户免费开放。
4. 网友们利用新功能创作了各种创意视频，包括延时摄影、人物角色刻画、特效制作等。
5. 由于用户数量过多，Luma AI限制了每日视频生成次数，每人每天最多5次。
6. 可以通过文字提示实现光线变化、转换角度等效果。也可以实现面部表情变化的控制。

LumaAI推文：https://x.com/LumaLabsAI/status/1806435502096310656

媒体文章：

• 水木人工智能学堂：Luma 又火了，Dream Machine 被网友玩疯了

[ikaijua]

2024-06-26 ElevenLabs推出ElevenLabs Reader APP

一款听书应用，可以把文本、网页、PDF、epub电子书转换成音频，边读边听。ElevenLabs本身对中文的支持是非常好的，可以说是数一数二，但是这个APP里的声音目前仅有美式英语和英式英语，读中文效果很差。
美区APP Store可以下载，目前免费。
官方介绍：https://elevenlabs.io/text-reader

[ikaijua]

2024-06-26 ChatGPT Mac客户端开放使用

现在所有人都可以使用ChatGPT客户端了，支持上传文件、截图、使用电脑照片。

官方介绍及下载：https://openai.com/chatgpt/mac/

[ikaijua]

2024-06-26 “B站”15周年庆，CEO陈睿称B站是“中国AI最强心智社区”

1. B站董事长兼CEO陈睿表示，2023年B站AI相关内容日均视频播放量同比增长超过80%，吸引了大量年轻用户。
2. 每月有超过8000万用户在B站观看AI内容，其中60%是00后用户，表明B站是年轻人学习AI的热门平台。
3. 国内超过九成的AI厂商在B站与用户交流，包括头部厂商和一线工作人员，促进了社区内的AI讨论和知识分享。
4. AI和汽车内容的增长带动了B站商业化的加速，2023年第一季度总营收达56.6亿元，广告收入同比增长31%。
5. B站拥有超过3.41亿月均活跃用户，日均使用时长达到105分钟，显示出用户对平台的高度参与和忠诚度。4. 超过1000万人几乎天天上B站，每月全勤用户超2000万人。
6. 陈睿强调B站的创立初衷是让用户开心和感动，而非追求规模或名声，同时分享了B站用户群体的观看习惯和平台的增长数据。

B站视频：【BILIBILI 15周年庆】全程回顾

媒体文章：

• 年轻人流行在B站上学AI，陈睿称70%的90后活跃在B站

[ikaijua]

2024-06-25 全球三大唱片公司索尼音乐集团、环球音乐集团和华纳音乐联合多家唱片公司向Suno和Udio两家AI音乐公司发起诉讼，指控其非法使用版权音乐来训练模型并提供服务

1. Suno和Udio都是在今年凭借足以乱真的生成效果而走红的音乐模型，可以通过直接输入文本和提示词生成完整的音乐。
2. 3月22日，Suno发布新版本V3，可以在几秒内免费创作出时长两分钟的歌曲，带有歌词和人声，并在5月21日完成新一轮1.25亿美元融资。
3. 此后上线的Udio也主打类似的“零门槛”音乐生成，也已完成1000万美元种子轮融资。

媒体文章：

• MIT科技评论：几秒即可生成歌曲，Suno和Udio因版权争议被三大唱片公司起诉
• 东方财富：三大唱片巨头起诉AI音乐制作公司侵权 或索赔2.5亿美元
• 澎湃新闻：GPT革命｜全球三大唱片公司联合起诉AI音乐公司Suno和Udio

[ikaijua]

2024-06-25 JetBrains计划将Google的Gemini模型集成到其AI助手中

1. 集成后，JetBrains AI助手将成为首个使用多个大语言模型的产品，增强了代码生成、修复建议、函数重构和问题回答等功能。
2. AI助手可在IntelliJ IDEA、PyCharm、PhpStorm、ReSharper等JetBrains IDE中使用，也支持Fleet。
3. AI助手能够根据上下文理解生成代码、测试、文档和commit信息。
4. JetBrains声称AI助手能够帮助开发人员每周最多节省8个小时的工作时间。
5. AI助手将结合OpenAI的GPT-4o、Gemini模型以及JetBrains的专有模型，自动选择最合适的LLM完成每项任务。
6. 这些新功能预计将在未来几周内推出。

官方博客：JetBrains to Integrate Google’s Gemini Models Into AI Assistant

媒体文章：

• oschina：JetBrains AI 助手将集成 Gemini 模型

[ikaijua]

2024-06-27 软银集团宣布将对AI初创公司Perplexity AI进行投资，金额在1000万至2000万美元之间

1. Perplexity AI公司旨在利用AI技术提供搜索服务，目标是挑战谷歌搜索的市场地位。
2. Perplexity AI此轮融资总额达到2.5亿美元。
3. 融资后，Perplexity AI的估值显著增长，成为行业内估值较高的公司之一。
4. 此次投资标志着软银在人工智能领域的进一步扩展和深化。
5. 融资成功为Perplexity AI提供了资金支持，为其在搜索引擎市场的发展奠定了基础。

媒体文章：

• 观点网：软银将以30亿美元的估值投资人工智能初创公司Perplexity

[ikaijua]

2024-06-25 洛桑联邦理工学院和苹果的研究者联合开发了名为4M-21的新型视觉模型

1. 4M-21能够在21种不同的模态上执行任务，包括图像、文本、结构化数据等，超越了现有模型的能力。
2. 该模型支持任意到任意的模态转换，无需传统的多任务学习，提高了模型的灵活性和性能。
3. 研究中使用了特定于模态的离散分词器，对不同模态的数据执行分词处理，以统一表示空间。
4. 4M-21基于Transformer架构，采用4M编码器-解码器，并添加模态嵌入以适应新模态。
5. 模型在多模态生成、检索和即用性能方面表现出色，能够执行细粒度和可控的多模态生成。
6. 4M-21在不同尺寸的模型上进行了迁移学习实验，展示了在单模态和多模态设置下强大的迁移学习能力。

项目地址：https://4m.epfl.ch/

媒体文章：

• 机器之心：太全了！苹果上新视觉模型4M-21，搞定21种模态

[ikaijua]

2024-06-29 最强免费数字人：微软Azure Speech Studio推出定制虚拟主播功能

页面：https://speech.microsoft.com/portal/talkingavatar

教程：最强免费数字人工具: 微软Azure Speech Studio推出定制虚拟主播功能