AI新闻动态（2024-01-07到2024-01-13）

[ikaijua]

AI新闻动态（2024-01-07到2024-01-13）

目录

AI产品

• GPT Store正式上线，已有超300万个GPTs
• 大众汽车在CES 2024上宣布，其现有的 IDA 语音助手将引入 ChatGPT 人工智能技术
• 百川智能发布角色大模型 ，零代码复刻角色轻松满足游戏领域定制需求
• McAfee推出了名为"Project Mockingbird"（知更鸟）的项目，旨在防范AI语音诈骗
• 爆款图像超分&增强工具Magnific背后：两个人的初创公司
• LangChain开源框架的首个稳定版本——LangChain v0.1.0的发布

AI机器人

• Figure机器人学会了煮咖啡

AI研究

• Mistral发布Mixtral 8x7B的论文
• 同济、复旦团队发布检索增强生成综述
• 浙江大学联合字节跳动提出了能够输出可靠视频描述的多模态大语言模型 Vista-LLaMA

AI洞察

• 比尔盖茨播客对话萨姆·奥尔特曼
• CES 2024上，AI 科学家吴恩达和李飞飞讨论“人工智能的下一步是什么"
• OpenAI回应《纽约时报》起诉：使用公开的互联网材料训练人工智能模型是合理的

AI融资

• AI人形机器人公司1X Technologies 获1亿美元B轮融资

[ikaijua]

2024-01-08 同济、复旦团队发布检索增强生成综述

同济大学研究员团队联合复旦大学团队发布检索增强生成（RAG, Retrieval-Augmented Generation）综述，从关键技术到未来发展趋势对 RAG 进行了全面梳理。

1. RAG是一种在语言模型生成答案之前先从文档数据库中检索相关信息的技术，可以提高内容的准确性和相关性。
2. RAG技术的发展历程，包括早期的预训练阶段、深层次上下文学习阶段以及GPT-4发布后的新方法。
3. RAG技术的基本步骤包括索引、检索和生成。在进阶的RAG中，还提出了一些增强措施，如数据清洗、重写问题、重排序文档库等。
4. 文章强调了RAG技术的重要性和应用前景，它可以解决大型语言模型的短板，提高知识更新速度和内容生成的可追溯性。

媒体报道：

• 机器之心：专补大模型短板的RAG有哪些新进展？这篇综述讲明白了

[ikaijua]

2024-01-08 Figure机器人学会了煮咖啡

1. Figure的商业公司开发了一款通用人形机器人，该机器人可以通过观看人类演示视频，在仅花费10小时的训练时间后学会煮咖啡。
2. 机器人具备自主操作能力，可以打开咖啡机盖、放入咖啡包并按下开始按钮，机器人还具备自主纠错功能，可以自动调整咖啡包的位置。
3. Figure公司成立于2022年，专注于通用人形机器人的研发，已经获得大量投资。
4. 该机器人采用了端到端神经网络，通过模仿人类动作完成自主操作。
5. 该机器人的表现受到了网友的赞赏，但一些人认为它与想象中的煮咖啡机器人还有一定的差距。

Figure 推文：https://twitter.com/Figure_robot/status/1743985067989352827

媒体报道：

• 量子位：机器人又拿下一种家务：10小时学会煮咖啡，仅需观看人类演示视频

[ikaijua]

2024-01-08 浙江大学联合字节跳动提出了能够输出可靠视频描述的多模态大语言模型 Vista-LLaMA

Vista-LLaMA 专门针对视频内容的复杂性设计，能够有效地将视频转换为准确的语言描述，从而极大地提高了视频内容分析和生成的质量。它在处理长视频内容方面具有显著优势。

项目地址：https://jinxxian.github.io/Vista-LLaMA/
论文：https://arxiv.org/pdf/2312.08870.pdf

媒体报道：

• 机器之心：AI解读视频张口就来？这种「幻觉」难题Vista-LLaMA给解决了

[ikaijua]

2024-01-09 大众汽车在CES 2024上宣布，其现有的 IDA 语音助手将引入 ChatGPT 人工智能技术

1. 大众表示，ChatGPT 将在配备最新一代信息娱乐系统的特定车型中启用：ID.7、ID.4、ID.5、ID.3、新款大众途观、新款帕萨特和新高尔夫。
2. 大众指出其车载助手目前已经可以执行诸如控制信息娱乐系统、导航等操作。通过添加 ChatGPT，大众汽车将支持以更直观、互动性的语言进行交互，官方还特别提到“丰富对话、解决问题、用直观语言进行交互、接收车辆特定信息”等功能。
3. 从大众汽车官方公告获悉，ChatGPT 集成将在 2024 年第二季度推出，该公司透露，新功能目前仅“考虑”在美国市场推出。

[ikaijua]

2024-01-08 McAfee推出了名为"Project Mockingbird"（知更鸟）的项目，旨在防范AI语音诈骗

1. 该项目利用AI驱动的深度伪造音频检测技术，可以检测和阻止AI生成的语音诈骗，成功率超过90%。
2. 判断音频是否为真人发音，结合了AI驱动的上下文、行为和分类检测模型。
3. McAfee计划将这项技术包含在McAfee+中，而不向用户收取额外费用。
4. 去年美国老年人因AI技术诈骗损失了16亿美元，其中许多诈骗是利用AI技术来“克隆”熟人的声音。

McAfee youtube视频：McAfee Showcases Advanced Deepfake Audio Detection to Identify AI-Generated Taylor Swift Scam

[ikaijua]

2024-01-09 OpenAI回应《纽约时报》起诉：使用公开的互联网材料训练人工智能模型是合理的

1. OpenAI提出了四点主张：使用公开的互联网材料训练人工智能模型是合理的；《纽约时报》的诉讼毫无根据；OpenAI愿意与新闻机构合作并创造新的机会；OpenAI正在努力减少反刍事实（regurgitate facts）的错误。
2. OpenAI表示，使用公开的互联网材料来训练人工智能模型得到了广泛支持，包括学术界、图书馆协会、民间社会团队、初创公司、美国领先企业和创作者等。
3. OpenAI强调，他们采取了措施来限制非故意记忆和防止反刍现象，并希望用户负责任地使用他们的大模型。
4. OpenAI指出，《纽约时报》提到的反刍内容似乎来自多个第三方网站上多年前的文章，暗示《纽约时报》故意操纵提示。OpenAI表示，即使使用这样的提示，他们的模型通常不会像《纽约时报》所声称的那样表现。
5. OpenAI与《纽约时报》进行了最后一次沟通，解释称《纽约时报》并不能对模型的学习产生足够大的影响，因为它只是整体训练数据的一小部分。
6. 《纽约时报》要求OpenAI和微软销毁使用到《纽约时报》版权材料的聊天机器人模型和训练数据，并要求被告为非法使用其作品负责。OpenAI表示他们认为《纽约时报》的诉讼毫无根据，但仍希望与《纽约时报》建立建设性的合作关系。

OpenAI 博客：https://openai.com/blog/openai-and-journalism

媒体报道：

• 澎湃新闻：OpenAI回应《纽约时报》起诉：用公开素材训练大模型合理

[ikaijua]

2024-01-10 GPT Store正式上线，已有超300万个GPTs

1. GPT Store类似苹果应用商店，分为Featured（本周精选特色应用）、Trending（趋势榜）和By ChatGPT（由ChatGPT团队创建的GPTs）类别。
2. GPTs根据用途还被划分为不同类目，如写作、效率、研究和分析、编程、教育和生活方式等。
3. OpenAI计划在今年第一季度推出GPT创建者收入计划，应用创建者将根据用户与GPT的互动程度获得报酬。
4. GPT Store仅向ChatGPT Plus、团队和企业用户开放。

OpenAI 还将在每周重点介绍有用和有影响力的特色 GPT。第一批特色 GPT 包括：

1. 能够提供个性化步道建议的 AllTrails
2. 能够从 2 亿份学术论文中搜索和分析结果的 Consensus
3. 可汗学院创建的能够帮你提高编码技能的 Code Tutor
4. 能够辅助设计演示文稿或社交帖子的 Canva
5. 能够帮助你找到下一本书的 Books
6. 能够随时随地帮助你学习数学和科学的 CK-12 Flexi AI 助教

媒体报道：

• 量子位：GPT Store正式上线：超300万个应用可玩！网友：我要变富了
• 机器之心：ChatGPT应用商店终上线，全网GPTs超300万，和OpenAI分钱时代来了

[ikaijua]

2024-01-11 CES 2024上，AI 科学家吴恩达和李飞飞讨论“人工智能的下一步是什么"

1. 吴恩达预测了AI可能的突破性进展，其中包括大型视觉模型和边缘AI的发展。
2. 很多进展不仅仅是在生成图像方面，还包括对图像进行分析，以便计算机能够更好地看清图像的含义，对于自动驾驶等领域具有重要影响。
3. 很多人可能不知道，实际上在你的笔记本上运行大型语言模型已经变得相当可行，虽然不像 GPT-4 那么强大，但足够大、足够有用。
4. 吴恩达对自主代理（Auto Agents）的崛起感到兴奋，期待在未来几个月内会有突破性进展。李飞飞对自主代理的发展持保留态度，并提出辅助代理的概念。

视频：钛媒体独家翻译：李飞飞、吴恩达对谈40分钟完整版

媒体报道：

• 极客公园：李飞飞、吴恩达对谈：这一次，AI 冬天不会到来

[ikaijua]

2024-01-13 比尔盖茨播客对话萨姆·奥尔特曼

比尔·盖茨在自己的播客与OpenAI CEO萨姆·奥尔特曼（Sam Altman）对话，讨论了人工智能的未来、挑战以及对社会的影响。以下是对话的主要内容总结：

1. AI的进步与理解：比尔·盖茨对OpenAI的ChatGPT模型表示赞赏，并询问了关于AI模型的编码方式。萨姆·奥尔特曼表示，尽管我们对AI的工作原理理解有限，但随着时间的推移，我们会越来越能理解这些网络。
2. AI的未来发展：萨姆提到，未来的AI将更加多模态，包括语音输入、输出，图像和视频。他还强调了推理能力、可靠性、可定制性和个性化的重要性。
3. AI的监管：对话中提到了对AI进行监管的必要性，以防止潜在的滥用。萨姆提到了全球监管机构的想法，类似于国际原子能机构，以监管超级强大的AI系统。
4. AI对社会的影响：比尔·盖茨和萨姆讨论了AI对社会的潜在影响，包括工作市场的变革、两极分化问题以及人类目的的重新定义。
5. AI在教育和医疗中的应用：萨姆提到，AI在教育和医疗领域有很大的潜力，可以帮助解决一些当前的难题。
6. AI的成本与可访问性：萨姆强调了降低AI成本的重要性，以便更多的人能够利用这项技术。
7. OpenAI的规模与文化：萨姆提到OpenAI的规模相对较小，但团队成员年龄偏大，他们对AI的研究和开发充满热情。
8. 个人建议：比尔·盖茨和萨姆分享了他们给年轻人的建议，包括追求自己的激情、理解风险以及寻找有意义的工作。

• 视频：干货满满！比尔·盖茨对谈萨姆·奥尔特曼32分钟完整版
• “比尔盖茨”微信公众号文章：我与萨姆·奥尔特曼的对话 | 盖茨播客

[ikaijua]

2023-01-11 AI人形机器人公司1X Technologies 获1亿美元B轮融资

挪威人工智能初创公司1X（前身为Halodi Robotics）成功完成了1亿美元的B轮融资，由EQT Ventures领投。1X公司致力于开发双足机器人，旨在解决全球劳动力短缺问题，并将其机器人应用于家庭环境中，帮助人们完成日常家务任务。

1. 1X公司背景：1X成立于2014年，总部位于挪威南部的莫斯，其第一代机器人EVE重达80公斤，配有轮式腿部。

2. 新一代机器人NEO：1X计划推出新一代机器人NEO，这款机器人重30公斤，采用铝制核心和软层覆盖，拥有两条腿而非轮子，更适合家庭环境，能够到达难以触及的地方。

3. 机器人的功能与挑战：NEO的设计重点是帮助人们完成家庭日常任务，其两条腿的设计使其能够更灵活地在家中移动。1X的CEO和联合创始人Bernt Øivind Børnich强调，机器人的行走能力并不是重点，真正的挑战在于操纵能力。

4. 与OpenAI和NVIDIA的合作：1X与OpenAI和NVIDIA有着紧密的合作关系。OpenAI在2023年初领导了1X的2350万美元A轮融资，而NVIDIA则提供了高性能GPU卡，帮助1X在机器人中部署AI。

5. 训练机器人的方法：1X正在开发自己的定制AI模型来控制家庭机器人，这需要大量的训练数据。他们通过人类专家的演示来训练机器人，类似于大型语言模型（LLMs）的训练方式。

6. 机器人的安全性：NEO的设计考虑到了安全性，例如，它不会在附近有人时尝试拿起重物，以防掉落。NEO的轻量化和软皮肤设计也是出于安全考虑。

7. 投资与未来计划：1X的B轮融资将用于大规模生产新的安卓机器人NEO。虽然Børnich尚未透露NEO的具体价格，但他表示，与市场上类似系统相比，NEO将非常实惠。1X计划扩大数据收集、计算数据规模以及工厂规模，实现NEO的大规模生产。

8. 投资者：除了EQT Ventures领投外，本轮投资还包括现有挪威风险投资公司Sandwater的显著增持，以及其他新投资者如三星Next和现有挪威投资者Skagerak Capital和Nistad集团。

9. 总融资额：通过B轮融资，1X总共筹集了超过1.25亿美元的资金。

文章强调了1X在开发家庭服务机器人方面的创新努力，以及其与OpenAI和NVIDIA等公司的合作，以及对机器人安全性和实用性的重视。

原文：https://sifted.eu/articles/android-startup-1x-raises-100m-series-b

[ikaijua]

2024-01-09 百川智能发布角色大模型 ，零代码复刻角色轻松满足游戏领域定制需求

百川智能发布了一款名为Baichuan-NPC的角色大模型，该模型针对游戏领域的需求进行了优化，提升了角色的对话能力和角色扮演的一致性。通过文字描述即可创建角色。宣称中文领域最强角色大模型，支持网页版和API调用。网页版类似 character.ai

1. 角色大模型Baichuan-NPC：这款深度优化的角色大模型，它能够更好地理解上下文对话语义，并根据人物性格进行对话和行动，使角色更加生动。

2. 游戏领域定制需求：针对游戏领域AI角色开发成本高、周期长、自由度差、API不稳定等问题，百川智能提供了“角色创建平台+搜索增强知识库”的解决方案，允许游戏厂商通过简单的文字描述快速构建角色，实现低成本、高效率的角色定制。

3. 角色扮演一致性：百川智能通过思维链对齐技术，解决了通用语言模型在角色扮演过程中容易跳出角色设定的问题，提高了角色一致性。

4. 零代码复刻角色：Baichuan-NPC提供了一个无需编写代码的角色创建平台，用户可以通过标准化模板、自定义选项和所见即所得的调优界面来创建角色。

5. 技术合作与应用：百川智能已经与多家泛娱乐行业的头部品牌建立了合作关系，共同拓展AIGC（人工智能生成内容）创作的应用场景。

6. 用户反馈：文章中提到了创梦天地、完美世界和爱奇艺等公司的负责人对百川智能角色模型的正面评价，强调了模型在语义理解、情感表达、创意和自定义能力方面的优势。

官网地址：https://npc.baichuan-ai.com

百川大模型：百川智能发布角色大模型 ，零代码复刻角色轻松满足游戏领域定制需求

[ikaijua]

2024-01-09 LangChain开源框架的首个稳定版本——LangChain v0.1.0的发布

LangChain是一个用于构建基于大模型的人工智能应用的工具，它降低了AI应用开发的门槛，使得任何人都可以基于GPT-4等大型模型创建自己的应用。新版本的特点包括：

1. 可观察性：通过与LangSmith的集成，提高了调试复杂LLM应用的能力。
2. 集成：拥有近700个集成，支持各种技术栈。
3. 可组合性：使用LangChain表达式语言（LCEL）可以轻松创建任意chain。
4. 流式处理：支持流式处理，包括中间步骤的流。
5. 输出解析：确保LLM以特定格式返回信息，便于采取行动。
6. 检索：添加了适用于生产环境的检索方法，包括文本分割、retrieval和索引管道。
7. 工具使用 + 智能体：提供了智能体集合和工具集合，以及定义工具的简单方法。
8. LangGraph的新功能，允许用户将语言智能体构建为图，从而创建更多自定义循环行为。LangChain官方还发布了介绍新功能的视频系列。
9. LangChain的第三方集成，其在简化技术栈上构建过程的能力，以及对第三方集成的改进，如将集成分离到langchain-community中，以提高稳健性和开发者体验。
10. LangChain团队已经开始规划0.2版本的改进，包括使用LCEL重写遗留chain，添加新类型的chain和智能体，改进生产场景的摄取能力，以及移除旧的和未使用的功能。

媒体报道：

• 机器之心：奋战一年，LangChain首个稳定版本终于发布，LangGraph把智能体构建为图

[ikaijua]

2024-01-10 Mistral发布Mixtral 8x7B的论文

Mistral AI公司发布的Mixtral 8x7B模型的论文，该模型采用了混合专家模型（Mixture of Experts, MoE）架构，并在多个基准测试中表现出色，优于Llama 2 70B和GPT-3.5。

1. 模型架构：Mixtral 8x7B基于Transformer架构，支持32k token的上下文长度，并且使用了Mixture-of-Expert（MoE）层来替代传统的前馈网络（FFN）子块。

2. 性能：Mixtral 8x7B在多个任务中展现出卓越的能力，尤其在数学、代码生成和多语言理解任务方面。它在大多数类别中胜过了Llama 2 70B，并且在MMLU基准测试中，尽管参数量较小，但性能更好。

3. 偏见和多语言能力：Mixtral在BBQ和BOLD偏见基准测试中显示出较少的偏见，并在多语言基准测试中表现优秀，同时保持了较高的英语准确率。

4. 长距离性能：Mixtral在长距离信息检索任务中表现出色，无论上下文长度或信息在序列中的位置如何，检索准确率都达到了100%。

5. 路由分析：研究者对路由器选择专家的行为进行了分析，发现专家的选择似乎更符合语法而不是领域，特别是在初始层和最后层。

6. 模型可用性：Mixtral 8x7B和Mixtral 8x7B – Instruct聊天模型免费供学术和商业使用。

7. 技术细节：文章提供了Mixtral模型的架构细节、参数量以及实验结果，并对MoE层的实现和性能进行了详细描述。

8. 开源和社区贡献：Mistral AI公司鼓励社区对Mixtral模型进行进一步的研究和改进，同时也提供了在Google Colab上运行模型的示例。

论文地址：https://arxiv.org/abs/2401.04088

媒体报道：

• 机器之心：Mixtral 8x7B论文终于来了：架构细节、参数量首次曝光

[ikaijua]

2024-01-12 爆款图像超分&增强工具Magnific背后：两个人的初创公司

1. Magnific是一款图像超分辨率和增强工具，能够提高图像清晰度和锐度，补充画面细节，甚至通过AI帮助用户完成想象，实现图像的再创造。
2. 用户@CoffeeVectors在X平台上分享了Magnific处理图像的效果，展示了人物面部表情、肌肉走势、衣物褶皱、武器光泽等细节的改善。经过Magnific处理的图像，即使是远处的龙和桥，其细节也变得更加清晰。
3. Magnific的放大处理能力：用户使用16倍放大处理时，Magnific的效果令人惊叹，展示了其强大的图像处理能力。
4. Magnific不仅仅是图像升频器，它在提高分辨率的过程中会添加或改变原有图片，因此被视为“创意伙伴”。
5. Magnific在设计时并未考虑修复老照片，因为它在“修复”过程中可能会改变人脸，但开发者Javi Lopez表示正在考虑改进。
6. Magnific AI是一家仅有两人的初创公司，由Javi Lopez和Emilio Nicolás共同创立。Javi Lopez是自学成才的AI开发者，曾独立完成AI版《愤怒的南瓜》项目。Emilio Nicolás拥有丰富的工作经验，曾在Erasmusu公司工作，该公司后被Spotahome收购。

Magnific官网地址：https://magnific.ai/

媒体报道：

• 机器之心：爆款图像工具Magnific背后：两个人的初创公司