人工智能大势-第165期
时间:2023-1-25 07:20       作者:谢玉平       阅读:4134       频道:A I
威锐网 主站首页 A I 查看内容
敬请 上面“真正的人工智能”关注本 ,看人工智能AI独家观点



一、资讯

1、微软计划将ChatGPT等人工智能工具整合进该公司所有产品

1 月 17 日消息,微软公司首席执行官萨提亚-纳德拉 (Satya Nadella) 表示,计划将 ChatGPT 等人工智能工具整合进其所有产品,并将其作为平台供其他企业使用。

微软将迅速采取行动,将来自 Open人工智能AI 的工具商业化,Open人工智能AI 是 ChatGPT 聊天机器人和图像生成器 Dall-E 2 背后的研究实验室,微软是这家创业公司的早期投资者。
https://baijiahao.baidu.com/s?id=1755268620676564564

2、这家美国科技媒体悄悄用人工智能AI写资讯稿,结果却酿出“资讯灾难”……

三个月内上线70多篇稿件,直到最近才被发现竟非真人所写,而是出自人工智能(人工智能AI)之手。一家美国科技资讯网站的“实验性”操作再度让资讯行业感受到人工智能AI技术来袭的阵阵寒意。

不过,有意思的是,剧情很快反转。这些由“机器人记者”所写的报告被发现并未做到如机器人般精准,相反还漏洞百出,导致这家科技网站赶紧发出“更正”报告的通知。

美国媒体评论称,这场“资讯灾难”表明,机器人并不比人类更擅长写资讯报告,甚至表现得可能更糟。至少目前来看,人工智能技术尚未发展到能够取代人类记者的水平。

从内容来看,人工智能AI技术生成的资讯难免出现事实性差错。比如CNET的报告就在利息计算、偿还车贷等方面出现低级错误。

更重要的是,人工智能AI编写的资讯缺乏原创性和创新性。《华盛顿邮报》指出,人工智能可以快速准确地处理大量数据,或者通过检阅海量公开信息来组装文章,其本质只是剪辑,无法为报告提供更多背景和报告,更没有新的发现或原创报告。人工智能AI生成文章的素材还可能源自他人作品,其中牵涉到剽窃、洗稿的伦理问题。
https://finance.sina.com.cn/jjxw/2023-01-19/doc-imyatrfe5510531.shtml

3、十七部门印发《“机器人+”应用行动实施方案》

工业和信息化部、教育部、公安部等十七部门近日印发《“机器人+”应用行动实施方案》,提出到2025年,制造业机器人密度较2022年实现翻番,服务机器人、特种机器人行业应用深度和广度显著提升,机器人促进经济社会高质量发展的能力明显增强。聚焦10大应用重点领域,突破100种以上机器人创新应用技术及解决方案,推广200个以上具有较高技术水平、创新应用模式和显著应用成效的机器人典型应用场景,打造一批“机器人+”应用标杆企业,建设一批应用体验中心和试验验证中心。推动各行业、各地方结合行业发展阶段和区域发展特色,开展“机器人+”应用创新实践。搭建国际国内交流平台,形成全面推进机器人应用的浓厚氛围。

4、Open人工智能AI CEO谈GPT-4:今年发不发不确定,我们没有AGI,或许让大家失望

在最近的一次报道活动中,Open人工智能AI 的 CEO Sam Altman 也亲自澄清:「关于 GPT-4 的谣言都很荒谬。我甚至不知道这从何而起。」

在报道中, Altman 还被问及 GPT-4 是否会像许多人预期的那样在第一季度或今年上半年推出。他没有给出具体的时间,只是说:「在我们有信心它可以安全且负责任地运行时,它自然就会出现。」

Altman 说,「人们都在期待着一件终将失望的事情,他们也确实会失望。这场炒作就像… 我们没有实际的 AGI,这只是人们对我们的期望。」

采访中,Altman 谈到了许多话题,包括 Open人工智能AI 准备何时建立一个能够生成视频的 人工智能AI 模型。(Meta 和谷歌已经演示了这一领域的研究)。「这样的模型会有的,但我不想对发布时间做出自信的预测,」Altman 在谈到生成式视频 人工智能AI 时说。「我们会试着去做,其他人也会试着去做…… 这是一个合理合法的研究项目。」

5、ChatGPT背后的标注人:在非洲只管「鉴黄」,时薪不到两美元

美国《时代》杂志最近的一项调查发现,为训练 ChatGPT,Open人工智能AI 使用了每小时收入不到两美元的肯尼亚外包劳工。

构建一个额外的 人工智能AI 模型,向它提供带有暴力、仇恨言论等标签的示例,让它学会识别有害内容。该检测器会被内置到 ChatGPT 中,以检测输出内容是否反映了其训练数据的问题,并在它到达用户之前将其过滤掉。它还可以帮助人们给前沿 人工智能AI 模型的训练数据集中清除有毒文本。

为了获得这些标签,Open人工智能AI 在 2022 年 11 月开始向肯尼亚的一家外包公司发送了数万个文本片段。其中大部分文本似乎是从互联网最黑暗的角落提取的。其中一些以生动的细节描述了各种情况。Open人工智能AI 在肯尼亚的外包合作伙伴是 Sama,这是一家总部位于旧金山的公司,在肯尼亚、乌干达和印度雇用员工为谷歌、Meta 和微软等硅谷客户标记数据。

Sama 代表 Open人工智能AI 雇用的数据标注员的实得工资约为每小时 1.32 美元至 2 美元。

6、谷歌真被ChatGPT搞慌了!两位创始人紧急回归制定战术,搜索广告根基不容有失



就在微软准备在自家产品中整合ChatGPT之际,上个月,谷歌创始人拉里·佩奇和谢尔盖·布林就ChatGPT的猛烈攻势,召开了多次高层会议。

要知道,3年来,佩奇和布林虽仍在董事会担任要职,但已经卸任了在谷歌的具体运营管理职务——换句话说,就是退出一线了。

此次两人与会事件与会议主题一经爆出,无疑在向外界传递一个信号:

谷歌或许真的已经到达了“危急存亡”的关口。

据透露,两位创始人与会的主要话题,围绕着“聊天机器人搜索引擎”,他们批准并提出了要把对话人工智能AI和搜索引擎进一步整合的计划。

谷歌部署的下一步应对战略,还有预备年内推出20个全新人工智能AI产品。

ChatGPT让人体验有史以来最好的对话机器人后,一切都不一样了。

ChatGPT秒速生成内容的能力,以及几乎降为零的生成成本,足以让整个互联网充斥着它所生成的真假难辨的内容。

如此一来,谷歌最最核心的搜索引擎呈现给用户的内容,也将被不知靠谱与否的“垃圾内容”淹没。

二、研发

1、深度学习设计的衍射处理器并行计算数百个变换

在当今的数字时代,计算任务变得越来越复杂。反过来,这导致数字计算机消耗的功率呈指数增长。因此,有必要开发能够以快速和节能的方式执行大规模计算的设备资源。

使用光学计算执行线性变换在速度、并行性和可扩展性方面具有潜在优势。到目前为止,研究人员已经成功设计了单色(单波长照明)衍射网络,用于实现单一线性变换(矩阵乘法)操作。但是有没有可能同时实现更多的线性变换呢?

近日,来自加州大学洛杉矶分校(UCLA)的研究小组解决了这个问题。他们在衍射光网络中采用了波长复用方案,并展示了使用宽带衍射处理器执行大规模并行线性变换操作的可行性。从而大大提高了全光计算的吞吐量。

大规模并行、波长复用衍射网络将有助于设计高吞吐量智能机器视觉系统和高光谱处理器,可以执行统计推断并报告具有独特光谱特性的物体/场景。

2、在《我的世界》里挖钻石把人工智能AI难哭了,DeepMind最近算法终于扳回颜面

一只名叫DreamerV3的人工智能AI,在啥也不知道的情况下被丢进《我的世界》(MineCraft)里,摸爬滚打17天,还真就学会了如何从0开始挖钻石。

要知道,之前为了攻克这个问题,CMU、微软、DeepMind和Open人工智能AI还联手在NeurIPS上拉了个比赛,叫MineRL。

结果搞了三四年,人工智能AI们也没能在不参考人类经验的情况下,完成挖钻石任务。

即使是人类玩家,想要快速挖到钻石,也得有相当丰富的经验。比如,知道怎么推算钻石的位置、掌握一些挖掘窍门(如鱼骨挖矿法)等。

排除掉经验的因素,对于人工智能AI来说,这个挖钻石的过程也挺复杂,至少得要7个步骤。



具体而言,DeepMind的研究人员提出了一种基于世界模型的通用算法。

在整体架构上,DreamerV3由3个神经网络组成:世界模型、评委(critic)和演员(actor)。

世界模型要做的,是把环境输入编码为离散的表征,并通过预测来指导下一步要执行的操作。

而评委和演员则会根据抽象出来的表征进行学习。其中,评委网络会输出一个标量值来代表行动价值,从而帮助演员网络选择最优的行动。

这里面的一个核心点在于,DeepMind的研究人员希望DreamerV3不仅仅能处理同类型的问题,还可以用固定超参数,掌握跨领域任务。

3、“人工智能AI问诊就是抛硬币”!甚至漏掉67%病患,Nature都看不下去了

在医疗领域,人工智能AI用于诊断检测人体一直质疑声不断,Kun-Hsing Yu此番研究也是希望有个直观体感。

他选定了常见癌症之一的肺癌,每年有350万美国人因该病症去世,若能更早通过CT扫描筛查,很多人可以免于死亡。

该活动归属于Kaggle的Data Science Bowl赛事,数据由主办方提供,涵盖1397位患者的胸部CT扫描数据。参赛团队需开发并测试算法,最终大赛按准确率给予评奖,在官宣中,至少五个获奖模型准确度90%以上。

但Kun-Hsing Yu又重新测试了一轮,然后震惊地发现,即便使用原比赛数据的子集,这些“获奖”模型最高准确率却下降到了60-70%。

普林斯顿一位博士,Sayash Kapoor,在17个领域的329项研究中报告了可重复性失败和陷阱,医学名列其中。

一位剑桥的高级研究员在现场表示,他用机器学习技术预测新冠传播流行趋势,但因不同来源的数据偏差、训练方法等问题,没有一次模型预测准确。还有一位研究者也分享了——自己用机器学习研究心理课题,但无法复现的问题。

数据集是问题根源之一。目前公开可用的数据集比较稀缺,这导致模型很容易产生带偏见的判断。

另一个问题是训练人工智能AI中的“透题”现象。因数据集不足,用于训练模型的数据集和测试集会重叠,甚至该情况一些当事人还不知道,这也可能导致大家对模型的正确率过于乐观。

尽管问题存在,但人工智能AI模型仍已被应用在实际诊断场景中,甚至直接下场看病。

2022年,一个名为Epic Sepsis Model的医疗诊断模型被曝出严重漏检问题。

该模型用于败血症筛查,通过识别病人早期患病特征检测,避免这种全身感染的发生,但密歇根大学医学院研究者通过调查报告了27697人的就诊情况,结果发现,该模型未能识别67%败血症病患。

三、自动驾驶

1、全都是假的?高管实锤马斯克要求特斯拉自动驾驶造假视频

提供呈堂证供的是现任特斯拉辅助驾驶软件Autopilot总监阿肖克·埃勒斯瓦米(Ashok Elluswamy),他在去年7月一起针对特斯拉致死事故的诉讼中出庭作证,并指证了特斯拉当年自动驾驶宣传视频内容不实。

目前,该视频仍旧可在特斯拉官网上观看,视频的发布时间显示为2022年10月。马斯克曾在推特上转发过这段视频,并激情配文:“特斯拉自动驾驶可以在完全无人介入的情况下,自己穿越城市街道到高速公路再到街道,然后寻找到一个停车位。”

然而,埃勒斯瓦米的证言却揭开了这个“美丽谎言”的背后——这辆特斯拉Model X压根儿没有使用特斯拉的自动驾驶能力。而整个视频是如何完成的呢?其实很简单,全靠视频剪辑师和预编程。

为了制作这段视频,首先要解决的就是特斯拉当时Autopilot并不具备动态路线规划的能力,为此,特斯拉的工程师预先绘制出了这辆Model X的行驶路线,并通过在预定路线上使用3D地图进行导航。

在路上,为了展现完美的特斯拉自动驾驶能力的广告效果,特斯拉进行了多次试车,并且看似“不作为”的驾驶员在实际行车过程中也多次介入到汽车的行驶过程当中,对汽车进行控制和干预。而且就算是这辆Model X在最后呈现自动泊车的过程中,实际上也出现了多次与广告中完美状态违和的情况,甚至一辆测试车还撞上了特斯拉停车场的栅栏。

2、文远知行L4自动驾驶小巴获得北京路测牌照

此次文远知行无人接驳车落地,也是北京市高级别自动驾驶示范区首次为无人接驳车颁发测试牌照,L4 级无人接驳车将首次于北京地区合法上路行驶。

根据许可,文远知行无人接驳车可在总面积 60 平方公里的北京市高级别自动驾驶示范区全域范围内进行自动驾驶公开道路行驶。
https://news.sina.com.cn/o/2023-01-18/doc-imyarfye8863959.shtml

3、报告:93.91%受访者认同自动驾驶汽车逐步去掉安全员

《中国智能网联汽车社会实验报告2022》显示,93.91%的受访者认同逐步去掉安全员的智能网联汽车渐进式产业发展路线,其中22.00%的受访者强烈认同。

报告显示,我国社会公众对自动驾驶技术的商业化进程和智能网联汽车产业发展预期非常乐观,对国家发展L4级自动驾驶汽车的智能网联中国方案高度认可。其中,86.82%的受访者认为现阶段自动驾驶技术有望和已达到甚至超越了大多数司机的驾驶水平,57.00%的实验组受访者认为自动驾驶技术在5年内将被广泛推广。

85.15%的受访者认为自动驾驶汽车的事故率低于传统汽车的事故率,14.85%的受访者认为自动驾驶汽车的事故率高于传统汽车的事故率。无论整体,还是实验组或对照组,均有90.00%以上的受访者认为自动驾驶比人类驾驶更遵守交通规则。
https://baijiahao.baidu.com/s?id=1755238861448021996

四、报告

1、年度报告:从投融资VC融资看2022年人工智能

从2022年到2022年,人工智能的风险投资增加了425%。2022年,风险投资在人工智能领域的投资达到了21亿美元。

2022年全国人工智能版块共发生了971起融资VC融资事件(不算拟收购、被收购、定增、挂牌上市), 累计披露的融资VC融资金额1096.35亿元。从投资机构活跃程度来看,排名前三的机构分别是高瓴创投(21起)、深创投(18起)、启明创投(18起)。从融资VC融资轮次上看,2022年人工智能行业融资VC融资事件分布最多的轮次为A轮和天使轮,分别有179和135个项目获投。从融资VC融资金额来看,B轮获得最高融资VC融资金额222.97亿元,占总体融资VC融资金额的20.34%;其次,A轮也获得了较高的融资VC融资金额 120.20亿元,占总体融资VC融资金额的10.96%。2022年融资VC融资项目主要分布在北京市和广东省,分别有210个和194个项目获投。从融资VC融资金额来看,上海市最为突出,融资VC融资金额高达227.63亿元,占总融资VC融资金额的20.76%;其次,广东省也较为突出,融资VC融资金额达219.55亿元,占总融资VC融资金额的20.03%。2022年共971个项目获得投资,累计金额超1096.35亿元,单笔融资VC融资金额超过亿元的案例326起,合计融资VC融资金额高达1023.57亿元,占2022年融资VC融资规模总额的93.36%。
https://new.qq.com/rain/a/20230120A0512A00

五、展会、竞赛

1、大会征集 | 2023全球人工智能开发者先锋大会全球创新项目路演扩大征集

2023全球人工智能开发者先锋大会(G人工智能AIDC)全球创新项目路演自启动项目征集以来,受到社会各界企业家及创业者的广泛关注和热情参与,纷纷参与并推荐优质项目。为响应参与需求及鼓励创新创业,经G人工智能AIDC赛事专班研究决定,全球创新项目路演现正式扩大征集范围!

由上海市经济和信息化委员会、中国(上海)自由贸易试验区临港新片区管理委员会、临港集团指导,上海市人工智能行业协会(S人工智能AIA)主办的2023全球人工智能开发者先锋大会(G人工智能AIDC)将于2023年2月25日-26日在上海举行。G人工智能AIDC 2023 脱胎于W人工智能AIC上海人工智能开发者大会,历经三年发展沉淀,全面迭代升级。本届大会主题为“向光而行的人工智能AI开发者”,以人工智能AI开发者为核心,为人工智能AI开发者带来产业之光、科技之光、前沿之光。
https://www.iyiou.com/news/202301201040945

六、投资

1、人工智能编码工具「Blaze」pre-seed轮融资VC融资350万美元,开发无代码应用程序生成器

「Blaze」开发了一款人工智能驱动的无代码应用程序生成器,让编程零基础的用户也能自己开发软件。

「Blaze」创始人想到,如果能让这些人描述想要构建的应用程序,然后将自然语言通过Open人工智能AI的技术处理,再由系统构建一套复杂的工作流程,全过程不需要写一行代码,也能完成软件开发。

联合创始人兼联合首席执行官Nanxi Liu表示:“我们的解决方案是使任何团队能够在不需要编码的情况下构建高度定制化的、复杂的、安全的应用程序。对我们来说,真正令人兴奋的部分原因是,「Blaze」是也是由人工智能驱动的。”

Liu所描述的“人工智能驱动”的部分是指通过Open人工智能AI的API完成自然语言处理的过程,将用户输入的描述转化为指令,然后由「Blaze」转化为代码。联合创始人兼联合首席执行官Tina Denuit-Wojcik解释说,「Blaze」需要进行大量的前期和后期处理,将输入的指令充分地转化为操作代码。
https://36kr.com/p/2085737984147846

七、视频

1、波士顿动力机器人Atlas新技能,给人当帮手,就是动作有点夸张,看来也是个表演型人格。。




video: https://mp.weixin.qq.com/mp/readtemplate?t=pages/video_player_tmpl&action=mpvideo&auto=0&vid=wxv_2767434085257625601
https://weibo.com/6092740159/MoVwmqXBZ
2、德国费斯托公司的仿生抓取助手Bionic Handling Assistant。



video: https://mp.weixin.qq.com/mp/readtemplate?t=pages/video_player_tmpl&action=mpvideo&auto=0&vid=wxv_2767436089883279360
https://weibo.com/3511811391/Mp0PMtqER- END -我的书《人工智能启示录》经过两年的不断反复审核、修改,终因观点太过尖锐、内容太过敏感,且我不愿过于妥协,因而过不了出版社方面的最终审核,故放到网上供大家免费阅读,其中有很多内容是从未在网上发表过的。(想看 文末“阅读原文”)

2022年终总结 | 人工智能能踢足球吗? | 人类大脑真的很高效吗? | 不争论,发展才是硬道理 | 深度学习模型真的和海马体是一样的吗? | 人工智能不会再有寒冬 | 应对日渐复杂的世界需要复杂性思维 | 智能究竟是数学问题还是经验问题? | “人工智能”需要定义吗? | 我为什么要做《人工智能大势》? | 通用人工智能是终极目标吗? | 意识究竟是什么? | 或许,这就是人工智能的终极目标吧 | 关于有监督、无监督的讨论 | 2022年终总结 | 人工智能辅助创新的实践 | 持续学习的大幕已经拉开 | 机器有没有真感情重要吗? | 2022年终总结 | 回答李德毅院士的通用人工智能十问 | 人工智能究竟有什么可怕的? | 培养人工智能基础研究人才的思考 | 人生没有方向,和咸鱼有什么区别 | 2022年终总结 | 区块链的问题究竟在哪? | 反思深度学习 | 让机器具有常识 | 语义验证码 | 人工智能思维 | 上帝之锁的钥匙 | 顶级的《自然》和“冷泉港”也犯如此低级错误 | 人与机器人,到底谁怕谁? | 人工智能最终会取代人类吗? | 如何修炼成大数据高手 | 什么是真正的大数据? | 只有人工智能可阻止存量残杀 | 图灵登上英镑新钞的最重要意义 | 中国人工智能战略思考 | 真正的人工智能应用于游戏 | 人工智能需要治理吗? | 担心人工智能控制你的自由意志? | 再谈深度学习的问题究竟在哪? | 深度学习的问题究竟在哪? | 无用阶级真的会出现吗? | 无知的Facebook、谷歌和MIT顶级人工智能AI专家 | 人工智能又向人脑迈进一步 | AlphaGo和DeepMind走进死胡同了吗?

中国迈出人工智能重要一步 | 一次关于脑神经的愉快对话 | 速读《2022年人工智能行业现状与发展趋势报告》 | 人工智能时代华为的危与机 | 人工智能需要有意识吗? | 我对人工智能的三个预言及证明 | 通用人工智能再思考 | 真正的人工智能时代即将到来 | 脑机接口与老年痴呆症的畅想 | 大数据、人工智能与中医 | 人工智能与教育 | 人工智能芯片,又一个汉卡 | 谷歌人工智能的突破,还是谎言? | 人工智能发展可以预测吗? | 马斯克的脑机接口无关人工智能 | 人脸识别应不应该用? | 人工智能一定要用复杂方法吗? | 人工智能辅助创新 | 真正的世界终极十问 | 通用人工智能思考 | 5G与人工智能 | 陆奇,你认识袁隆平吗? | 如何面对人工智能寒冬? | 食色,人工智能难过的坎er | 封杀只会加快中国人工智能发展 | 机器人为何不能好好说话? | 人人能懂的机器学习算法 | 伪大数据者们可以休矣 | 机器人?拉倒吧,你那玩艺er只能叫机器! | 人工智能的十字路口 | 华为与我的战略眼光 | 虚拟现实VR、增强现实AR为什么难普及? | 为什么说脑计划是走错了路? | 也谈AlphaGo、大数据和人工智能 | 面对人工智能最大威胁,马斯克们太天真了 | 量子力学、大数据、人工智能,中国崛起 | 什么将主宰人工智能AI的前沿? | 人工智能、感情、创造性 | 人工智能和大数据的关系 | 人工智能十大误区 | 论对抗学习的优势与劣势 | 强人工智能需要自动编程吗? | 大数据、人工智能vs歧视、偏见 | 李开复,请不要带来人工智能AI寒冬

站直了,别跪下! | 论俄乌持久战 | 也谈抄袭、引用、转载、综述 | 美国“言论自由”的谎言 | 美国疫情是假的吗? | “历史的终结”将重演 | 美国会崩溃吗? | 民主原教旨主义 | 建一个戴森球要多少材料? | 发国难财为什么是错的? | 网友杂谈-2 | 开复,咱能低调点吗? | 罗永浩的问题究竟在哪? | 网友杂谈-1 | 从提高免疫力再谈中医的科学性 | 真的没有人懂中国武术了吗? | 世界为何存在? | 年轻的血依然是热的 | 中国经济真的像喷子们说的如此不堪吗? | 关于灵魂、投胎、极乐世界

免责声明:部分内容来源于网络,可能有不影响原意的修改,仅供读者学术交流之目的,文章版权归原作者所有。如有不妥,请联系删除。




来源:“真正的人工智能”
声明:转载此文章仅供网友阅读了解该主题,出于传递更多信息之目的,并不意味着赞同其观点或证实其描述!

上一篇:增强现实AR和虚拟现实VR技术将如何改变音乐产业的前沿?
下一篇:微软上演“敦刻尔克撤退”?人工智能AI史上规模最大投资!微软押注ChatGPT前沿
关注威锐网,随时随地,阅读分享元宇宙!

路过

雷人

握手

鲜花

鸡蛋

最新评论






威锐网元宇宙ARVRAI前沿科技网站-记录ARVRAI前沿科技见证元宇宙未来-本站除原创AR增强现实VR虚拟现实AI人工智能元宇宙前沿科技新闻资讯-其它内容来源自网络·已标明来源出处,如已侵犯您的版权,请联系我们删除