8394
只记录 AI 业界大新闻和最有趣的新产品。Curated by @orange_ai 如需讨论可加入关联群组
Meta ImageBind 多模态模型开源，我们离AGI又进一步。
当人类看到一辆行驶中的火车，不仅会使用视觉，还会听到声音，感知距离，感知速度。
ImageBind 也是类似，它将六种数据，文本，音频，视觉，运动，温度，深度，嵌入到一个向量空间，让模型像千脑智能那样，调动不同的感知区域进行「交谈」并做出全面的解释和判断。
（这与文心一言等模型每个模态有自己嵌入空间的所谓多模态截然不同。）
一些应用（见图）：
- 通过火车的声音、图像、深度信息，生成准确的文字描述
- 通过鸽子的图片和摩托的声音，减缩到摩托车和鸽子的图像
- 通过企鹅的声音，生成企鹅的图像
另一些可能性：
- 拍摄一段海洋日落的视频，自动生成完美的音频剪辑。
- 通过静态图像和音频组合，创建动画。
- 通过Make-A-Video生成视频时，自动加上背景音。（飞狗图）
未来不止于此，模型还可以引入更多的模态，如触觉、语音、嗅觉和大脑 fMRI 信号，以增强模型对实体世界的感知。
https://ai.facebook.com/blog/imagebind-six-modalities-binding-ai/
AI 短视频制造机 ，自动把长视频截取成短视频，自动加综艺字体，自动加Emoji，感觉以后国内的综艺剪辑完全可以 AI 化 https://www.opus.pro/
Читать полностью…
LLaVA 大型语言和视觉助理
- 视觉对话，达到 GPT4 85%的水平
- Science QA 的准确率达到新 SoTA
- 提供了官方demo地址，直接可用，速度很快，（而 GPT4 的图片功能还没开放）
官方介绍和demo https://llava-vl.github.io
MPT-7B 开源商业可用LLM的新标准
- 包括base和三个微调模型，instruct，chat，写作
- 其中写作模型支持65k的上下文！是GPT4的两倍。（甚至支持到 84k 。）
- 包含了开源代码训练
- 在基准测试中达到了 LLaMA-7B 的水平。
官方介绍：
https://mosaicml.com/blog/mpt-7b
今天的热门人工智能新闻和论文
AI新闻
亚马逊收购人工智能公司Snackable以增强播客功能
Airbnb首席执行官布莱恩·切斯基称AI为“一场革命”
谷歌工程师警告称，谷歌可能在人工智能竞赛中输给开源技术
据报道，微软正在帮助AMD扩展人工智能芯片业务
苹果的AI在哪儿？蒂姆·库克暗示采取“深思熟虑”的方式
介绍MPT-7B：一种新的开源、商业可用的LLM标准
StarCoder：一种最先进的代码LLM
顶尖AI论文
用One Shot个性化分段任意模型
NeRSemble：人头部的多视图辐射场重建
AutoML-GPT：使用GPT进行自动机器学习
Shap-E：生成条件3D隐函数
实时神经外观模型
https://twitter.com/_akhaliq/status/1654537718951473153
今天在Reddit发现一个老哥画的天龙八部插图，惊为天人。整个画面的张力还有人物动作表现，画面风格的一致性人物的一致性都非常牛皮。 https://fxtwitter.com/op7418/status/1654131824942280704
Читать полностью…
用 AI 将《清明上河图》重新绘制为真实照片质感的全景图片 https://github.com/pkuliyi2015/multidiffusion-img-demo
Читать полностью…
autogpt 的 GUI 版本开放 waitlist，不用自己部署了（完全搞不定），先登记一下吧 https://news.agpt.co/
Читать полностью…
最近 Google Bard 越来越厉害了
- 速度奇快，写长内容至少是 ChatGPT 和 Claude 速度的3倍以上。
- 知识库非常新，知道今年的奥斯卡得主，也知道 lumalee ，知道 IFT 和 RLHF 的区别。
- 实时信息，问它今天的新闻都可以，不用插件。
太神奇了。
另外推荐下 ChatHub 这个浏览器插件，方便做对比。https://chrome.google.com/webstore/detail/chathub-all-in-one-chatbo/iaakpnchhognanibcahlpcplchdfmgma?utm_source=website
前两天一位新朋友用我的 Claude API 跑了一些对比 ChatGPT 3.5 和 GPT4 的测试，得出了一些非常有趣且令人惊喜的结论。
Claude 最新版的的综合能力已经超出了 ChatGPT 3.5 。
特别是数学推理能力和理解能力已经接近 GPT4 。
希望支持 Claude API 的产品多一些吧，它真的很棒。
这款虚拟人ChatGPT软件的调教有点水平
越聊越觉得像真人，聊完有点可怕
https://vxtwitter.com/advaypal/status/1651355572980310016?s=52&t=9C242iPwhhtbjr6pL2GHuA
体验地址 https://apps.apple.com/app/id6447928709
微软出了 AI Designer，AI 生成海报，免费使用。
用完之后感觉海报设计师不会失业。
试用地址
https://designer.microsoft.com/
专门用来生成Midjourney提示词的语言模型。
https://twitter.com/fofrAI/status/1651259806949187590
总结一下我在做模型训练时关注到的一些很喜欢的 AI 前沿探索者，以及工具和资源。 https://m.okjike.com/originalPosts/6448eef5c567913bb586bd8d?s=ewoidSI6ICI1NWY5Mzg0ZjVmMDJjYTE1MDA3YzA4NTMiCn0=
Читать полностью…
OpenAI 最大的竞争对手 Anthropic 公布了 Claude 最新的 AI 宪法。
《Claude’s Constitution 克劳德宪法》
它为语言模型提供了由宪法确定的明确值，而不是通过大规模人类反馈隐式确定的值。
它使人工智能系统的价值更容易理解，也更容易根据需要进行调整。
https://www.anthropic.com/index/claudes-constitution
News Minimalist 是一个让 AI 精选新闻的服务。
它使用 AI (ChatGPT-4) 每天阅读前 1000 条新闻，并根据事件的严重性、规模、潜力和来源可信度，按重要性从 0 到 10 对它们进行排名。
你可以选择一个适合自己的阈值，并订阅这个阈值内的 newsletter 。
听起来很合理对不对？
但是实际用下来感觉不work。
可以从图中看到，大部分的新闻都是3分以下，到达6分的新闻凤毛麟角。即便是到了6分，也不过是一些每个人都看过的无聊的大新闻。
而实际每天真正有趣的东西是多到看不过来的，它们并不在头条新闻里。
体验地址：
https://www.newsminimalist.com/
【AI 孙燕姿】《爱在西元前》汉谟拉比法典颁布距今已经3799年-哔哩哔哩】 b23.tv/l5Jq3Ne
姿迷突然有种过节的感觉。
引用评论：姿迷的主要矛盾是听众对孙燕姿日子增长的歌曲渴求和孙燕姿低下的专辑生产力之间的矛盾，只有科技进步可以减少这种矛盾的产生。
StarCoder，来自 huggingface，最先进的代码大语言模型。超过其他开源产品和CloseAI水平。
- 8k 上下文
- 不仅可以编程还可以作为技术助手解答问题
- 只有15B参数，效果却超过了很多大参数模型，见图
官方介绍页面 https://huggingface.co/blog/starcoder
可汗学院的AI演示是最近AI应用的一个极好的范例。
GPT4 似乎什么都能做，那应用层能做什么？
其实应用层可以做的东西很多，也可以做的比 ChatGPT好很多。
最让我印象深刻的是这张图，简单翻译下：
我们的实践：
•“让 Al 思考” ，让AI对数学问题进行CoT思考，当学生犯错的时候不要指出错误，而询问他们的解题步骤。
•为问题提供上下文（包括人类生成的提示）
•花费6个月进行提示工程，重点是数学辅导
•花费大量时间帮助微调模型以适应此用例
https://www.youtube.com/watch?v=hJP5GqnTrNo
看完了吴恩达的视频教程《ChatGPT Prompt Engineering for Developers》，虽然视频很短但内容非常精华，每一个开发者都应该看看。
文中提出了一个很好的原则：给模型以思考的时间。意思是如果模型直接给的结果不够好，可以让模型一步一步地给出，甚至可以先让模型给一次中间结果，再根据中间结果给出新的结果。
不过它确实是面向开发者的，因为要实现高级的功能，不仅需要prompt写好，还需要一些分步操作，比如先检测对方的情绪再根据情绪写回复邮件，比如一些批量处理用到了 for 循环。这些不会 python 的话是搞不定的。
中文版的视频地址：
https://www.bilibili.com/video/BV1ug4y157xA/
复杂推理：大语言模型的北极星能力 https://mp.weixin.qq.com/s/YOVI4mqd_O_3opDSPrY3og
Читать полностью…
疯狂的经历！
这位兄弟将自己的理财全部交给了 ChatGPT 来做，他给 了 AutoGPT 自己的银行账户，email，以及一系列的财产报告的权限，让它当自己的理财专家。
现在的结果是目前赚了217美元～
详情可以好好看看对应的帖子。 来源：https://twitter.com/vikingmute/status/1653224313666031618?s=52&t=9C242iPwhhtbjr6pL2GHuA
《王慧文讲战略》
看了一天书来思考一些问题，其实战略这种东西不缺理论，缺的是成功的实践，经过猜测、假设、验证之后的认知，才会变得更有价值。
特摘要于此文中。https://orangeblog.notion.site/0ba2eb9e26c64eb588ac4d33af3be9c5
我们做了个能对话的AI派蒙，免费给大家玩！
https://www.bilibili.com/video/BV1bm4y117ba/
这期视频基本就是 callannie App 的实现过程了。虽然这里的语音技术不够只能做派蒙。实际现在的技术已经可以做出任何的游戏角色了。
有人发现用2019年 GPT-2 的 1.5B 模型为基础，使用大规模指令集进行微调之后，模型指标竟然超越了2023年的羊驼 7B 模型。
OpenAI 这是领先了多少。。
恐怖如斯
（同时GPT-2当时国内每家大公司应该都搞了。。https://twitter.com/abacaj/status/1652066193178611712
from 归藏：昨晚发了吴恩达和Open AI合作的提示工程课程以后，很多人说国内搬运课程的人又要发一笔了，藏师傅必然不能让他们赚这个钱，我把课程视频加上了GPT-4翻译的中文字幕了，可以在下面链接下载，会在今天和明天更新完。
不得不说ChatGPT做这种事情效率太高了，语音识别可能不准确导致翻译有问题各位轻拍。
pan.quark.cn/s/7a9c58be3052 https://twitter.com/op7418/status/1651779077085462528
利用ChatGPT来帮助练习口语的App，目前免费使用。https://twitter.com/fondoger/status/1651613813001830400?s=20
Читать полностью…
ChatGPT 被嵌入到波士顿狗机器人中https://vxtwitter.com/masahirochaen/status/1651031529819340800?s=20
Читать полностью…
为什么一个只有11人的公司，融资是0，却拥有1000万人的社区和一亿美金的营收？
为什么大厂纷纷追赶了一年，Midjourney 却还能一路领先？
看了去年 Midjourney 创始人 David 的访谈，大受启发，摘要成文。
也许能从中收获一些答案。
https://orangeblog.notion.site/Midjourney-8ad7ed445ead428392f13b8eaae863e7