FX168财经网_全球视野外汇黄金加密货币NFT资讯网_关键字搜索-FX168

全球数字财富领导者

CoNET｜客户端｜旧版｜｜

FX168 全球视野中文财经

登录 / 注册

All in AIGC 的扎克伯格坐不住的 Meta
go
IOS报道，Meta新团队将由“AI和机器学习”副总裁Ahmad Al-Dahle领导。这位老兄于2020年4月加入当时还未改名的Facebook，主要负责AI、机器感知和XR等方面的领导工作。而在此之前十几年的时间里，他一直在苹果的特殊项目小组（Special Project Group）就职。至于“顶级产品团队”其它成员的信息，目前Meta官方还未做更多的透露。但根据小扎“将多个生成式AI团队整合到一个小组”的说法，Meta自家的大语言模型LLaMA团队很可能也会加入进来。而Meta的AI部门首席科学家、2019年“图灵奖”得主Yann LeCun（自称汉语名“杨立昆”）之前在社交平台上表示，几乎所有LLaMA的研究人员都是来自FAIR在巴黎的分支机构。若果真如此，那么Meta这次整合的“顶级产品团队”将是跨全球的一次大动作，想不引人注目都不可能。杨立昆1960年7月8日生于法国，2018年在瑞士洛桑联邦理工学院演讲野心够大，实力几何？小扎All in AIGC野心十足，那背后的技术实力够不够呢。在此前的发布中，Meta的开源大语言模型LLaMA包含四种规格：7B、13B、33B和65B，并且官方还声称效果要优于OpenAI的GPT系列，甚至13B的LLaMA在单个GPU上就能运行。它的主要运行原理和以往的大语言模型大同小异，都是将一系列单词作为输入，并预测下一个单词以逐渐递归生成文本。至于为何要发布不同规格的大模型，Meta对此的解释是“近来的研究表明，对于给定的计算预算，最佳性能不是由最大的模型实现的，而是由基于更多数据训练的更小的模型实现的。”换言之较小的模型规模加上比较大的数据集，获得的性能可能会比更大规模模型的要好很多。一方面，小规模模型需要的计算能力和资源相对来说都会节约很多，另一方面，它还能基于更多数据集训练更多模型，更容易针对特定的潜在产品或用户用例进行重复训练和微调。至于实际效果，小扎更是放出豪言，这是AI大语言模型里的新SOTA模型，在生成文本、模拟对话、总结书面材料以及推演数学定理或预测蛋白质结构等五花八门的事情，它都能干。相较于有1750亿参数的GPT-3，最多拥有650亿参数LLaMA在大多数基准上的确都要优于GPT-3。后发先至，后来居上？有一说一，不要说相比其他科技巨头，就是比2021“元宇宙元年”时自己的表现，Meta这波入局怎么看都是落后了一步。早在现代企业诞生的几百几千年前，古人的围棋和象棋理论中就有“宁输一子，不失一先”的说法。几十年前，思科公司的约翰·钱伯斯又提出了著名的“快鱼理论”：当今市场不再是大鱼吃小鱼，而是快鱼吃慢鱼。 2021年当元宇宙概念首次提出后，Facebook很快就改名Meta，既是表明自己的雄心壮志，也是为了吸引更多的粉丝。然而作为旁观者的我们都看得一清二楚。Meta在这一年多里，除了烧钱就是裁员，以及自家冷冷清清，凄凄惨惨的Horizon Worlds。去年11月Meta裁员1.1万人，两周前又裁掉数千人，可是小扎嘴里的“2023将是效率年”却不知道还需要多少牺牲品。去年底时有人说小扎的行为彰显了“其作为犹太人，骨子里的冷血无情，刻薄寡恩终究是本性难移的”。对小扎的人品如何在此不做评价，但一些Meta员工的自述可以让我们管中窥豹，可见一斑：“十年大干快上，换来今天的一地鸡毛。” 也有人说小扎的行为不过是业内现状的缩影，反映了业内普遍存在的焦虑情绪，毕竟元宇宙到现在还基本上是八字没一撇，连好点的XR硬件厂商都屈指可数。相比之下还是AIGC更务实点，更何况ChatGPT最近的表现也是有目共睹。和机器人对话可比玩VR游戏简单多了，也更有意思，至少就目前来看，引人入胜的VR游戏还是太少，质量更是鱼龙混杂，良莠不齐。不论是否承认，元宇宙作为宏大叙事毋庸置疑，但目前更多的还停留在理论阶段，实际应用少得可怜。与此相反的，ChatGPT立足AIGC与聊天机器人的结合部，一出手就是杀手锏，也多亏了OpenAI在一个领域内深耕八年才有今日的惊艳亮相。而八年前的Meta又在做什么呢？虽然“大干快上”让它也在短短数年内获得了引人注目的成就，但正如老话说的，站在风口上猪都能飞起来，风口之后呢？另外关于聊天机器人还要多说几句，虽然Siri，ChatGPT等都堪称是现象级产品，但这个概念其实早已有之。1966年，德裔美籍的电脑科学家约瑟夫·维森鲍姆在深入研究图灵测试后，亲自动手开发了一款程序ELIZA，模拟心理医生的对话访谈，之前在展望Web3未来时曾提到过它。碍于当时电脑的普及程度极为有限，ELIZA仅在学术圈内掀起了一点波澜。直到1994年“聊天机器人”的概念才被确立，并逐渐发展成今日规模的庞大产业。来源：金色财经
金色财经2023-03-07
Snowflake与亚马逊云科技携手深耕以客户为中心的创新
 go
们将继续加强合作，在行业垂直解决方案和机器学习能力的产品集成方面进行深入合作，一心一意地专注于为我们的客户提供最佳服务。” “数据是每个应用、流程和业务决策的核心，是数字化转型的基石。通过与Snowflake合作，我们正在为世界各地成千上万的客户创造新的价值，帮助他们最大限度地提高数据投资回报。” 亚马逊云科技首席执行官Adam Selipsky表示，“亚马逊云科技和Snowflake的紧密合作正在推动全球领先企业的发展和繁荣。” Snowflake和亚马逊云科技将扩大其战略举措，以探索新的前沿领域，并以多种方式推动以客户为中心的创新，例如：开发行业解决方案：Snowflake和亚马逊云科技行业团队一直在合作构建联合的行业特定解决方案，以满足其最大客户们的需求。亚马逊云科技在密切参与Snowflake迄今为止所推出的每一个行业数据云，包括金融服务、传媒和广告、医疗保健和生命科学、零售和电信数据云。双方计划继续将这些定制化解决方案扩展到其他行业，帮助更多组织机构加速创新。深化产品集成：Snowflake和亚马逊云科技继续投资机器学习与人工智能、数据治理、流数据以及其他领域的深度产品集成，为双方客户创造最佳体验。通过使用亚马逊云科技的定制硅芯片，Snowflake将工作负载运行在Amazon Graviton实例上，使性能增强约10%[2]，且无需客户做出任何更改。扩大销售合作：Snowflake和亚马逊云科技在加强销售合作和推动彼此之间强大的销售协作方面投入了大量资源，这其中包括正在为双方赢得战略机遇的全新投资，以及将大规模本地应用迁移到亚马逊云科技的云上。双方都在持续投入资源，进一步推动在美洲、欧洲、亚太地区和日本的联合销售。扩展营销策略：亚马逊云科技继续与Snowflake团队合作，以提高对行业联合解决方案及产品集成的认知和需求。此外，Snowflake和亚马逊云科技持续提升在对方的全球性活动以及行业活动中的参与度，以便双方的共同客户和潜在客户有机会了解行业联合解决方案和产品集成。为客户提供极致体验是Snowflake和亚马逊云科技共同的战略和增长关键，自2020年以来，双方的联合销售目标已经扩大了5倍。Snowflake与亚马逊云科技通力合作服务于客户的数据需求，目前正在为包括高盛集团等财富500强企业在内的6000多家联合客户提供助力。[1] “我们的数据战略与我们的开源Legend平台以及高盛数据金融云直接绑定，” 高盛集团首席数据官兼数据工程主管Neema Raphael表示： “通过利用亚马逊云科技提供的的云基础设施和Snowflake提供的集成数据平台和内置治理，我们构建了一个支持Legend的可靠和安全的技术栈，可帮助我们的客户、业务合作伙伴及工程师迅速而便捷地获得具有变革性的行业洞见。”
美通社2023-03-07
未来AI对就业的影响
 go
中的装配工人、工厂工人、仓库工人等。机器学习：AI可以学习和分析大量数据，从而提高工作效率。这将导致一些职位的需求减少，例如数据分析师、市场研究员等。新的就业机会：AI的出现也会创造新的就业机会，例如AI工程师、机器人维护工程师、数据科学家等。教育和培训：随着AI的发展，人们需要不断学习和适应新的技术和工具。因此，教育和培训领域将成为越来越重要的行业，例如教育技术、在线学习、人工智能培训等。人类智慧的重要性：虽然AI可以执行很多任务，但人类智慧和创造力仍然无法被替代。因此，需要更多的人类创意、创新能力和领导力来应对未来的挑战。总之，未来人工智能将对某些职业和行业产生负面影响，但它也将创造新的就业机会和需求。因此，我们需要更多的教育和培训，以适应未来的就业市场，并探索如何将人类智慧与人工智能相结合，以创造更多的价值。来源：金色财经
金色财经2023-03-06
AIGC将作为重要的Layer2工具接入——iPollo菠萝元宇宙公布最新技术进展
 go
已支持stable diffusion机器学习模型的推理，可通过文字生成图案并直接铸造成NFT。随着AIGC作为重要的Layer2工具接入，iPollo菠萝元宇宙作为元宇宙基础设施服务商，使得开发人员可以更好地借助AIGC创建元宇宙，为创造独特和创新的元宇宙体验提供了广泛的可能性。无论是开发新的游戏、虚拟世界还是社交媒体平台，AIGC已成为将元宇宙带入令人兴奋的纬度的全新工具。来源：金色财经
金色财经2023-03-06
Stable Diffusion联合创始人Cyrus Hodes加入AIGC Chain 即将到来的Web3+AI革命
 go
，重点是实现人类的积极结果。Oben在机器学习、变声和自然语言处理方面进行研究和开发。制作了许多人工智能产品和服务，例如自拍照生成3D人脸、AIGC大模型。使用这些工具，用户可以用3D数智身份创造视觉内容，帮助用户最有效地实现他们的想法。Adam是Oben的联合创始人，此前曾是Lightspeed Venture Partners的投资合伙人。Adam和他在加州大学伯克利分校和清华大学的同学共同创立了Baihe.com，这是中国最大的互联网约会网站之一。Adam获得了加州大学戴维斯分校的交通博士学位和加州大学伯克利分校的金融工程硕士学位。而AIGCChain区块链技术基础代码贡献者则是BitKeep的创始人Patrick，BitKeep是一款易于使用的加密钱包，在全球超过600万用户使用。Patrick带领团队从零开始建立BitKeep。退出BitKeep后，Patrick和他的团队向多个著名的Web3项目提供了区块链技术，包括BNB链上领先的MetaFi平台Babyswap。Patrick和他的团队在加密钱包、智能合约和多链开发方面拥有丰富的经验。在人工智能和Web3融合方面，Cyrus起到了领导性的作用。除去Stability AI联合创始人身份，Cyrus是OECD人工智能计算和气候专家小组的成员，全球人工智能合作伙伴关系（GPAI）的专家，是气候行动人工智能和农业人工智能委员会的一部分。他是IEEE的“积极地球2030”合作——可持续性公共资源的联席主席。Cyrus是阿联酋总理办公室人工智能部长的首席顾问。他拥有哈佛大学的公共管理硕士学位，巴黎二大学工业动力学硕士学位和巴黎科学院文学学士学位。从定位上来看，AIGC Chain基于一个简单的使命而成立：让全球各地的人们（无论种族、性别、教育水平、国籍、地点、文化和宗教信仰）都能公平地访问和简易地参与到AIGC生态系统。AIGC Chain是一个可分布式、模块化的AIGC模型基础设施，任何人都可以用它来训练自己的小AIGC模型，并按照自己的意愿将它们添加到AIGC Chain基础设施中。AIGC Chain是一个公共、去中心化的第二层解决方案。它是用Go语言构建的，最初与以太坊和iPollo合作。还有额外的计划将其扩展到其他网络，如BSC、Cosmos和像PAI这类的分布式算力网络。其目标是创建一个开放的、分布式AI网络，并支持存储公链，如Filecoin。AIGC Chain由AIGC生态系统集体训练和维护。AIGC Chain将支持一个P2P的市场，允许用户向AIGC社区销售分布式GPU服务、数据存储或者其他运营AI所需要的资源，无需中央平台或中介。这意味着参与者可以使用自己的web3身份，如区块链钱包地址或去中心化身份，访问市场，并向AIGC生态系统提供各种服务。市场允许参与者从各种卖家处访问和购买各种人工智能相关服务和资源，如分布式 GPU 服务、数据存储和数据标注。这有助于提高人工智能的公平性、效率和性能，并支持 AIGC 生态系统的发展。目前AIGC赛道存在着不少有待解决和优化的问题，比方说不公平、AI的艺术风格不一致性、贫困、信息熵高、信息无序等问题，而AIGC Chain将有望通过web3的方式来解决和优化这些问题。就不公平问题而言，人工智能生成的内容通过提供用户和组织新的技能和见解来解决问题，帮助他们取得成功。目前新冠疫情已经造成了巨大的经济破坏，使数百万人陷入贫困。少数族裔、边缘化和被忽视群体缺乏融入AI生态系统的条件，将进一步加剧贫富差距。使用AI生成模型和点对点市场可以帮助提升边缘化群体的独特文化、故事和技能，这些对整个人类都是有价值的。分散式AIGC基础设施将通过允许更大的参与来提高边缘化群体的参与度，从而减少疫情的负面影响，缓解贫富差距。 AIGC使用的扩散模型天生会生成随机和多样的结果。扩散模型使用随机过程，这意味着它依赖随机性和概率来生成输出，即使使用相同的提示输入，模型的输出也可能因一次运行到下一次而有所不同。此外，扩散模型可能在多样和多变的数据集上进行训练。这进一步导致了生成图像的随机性和不一致性。然而，在实际应用中，如内容生产中，通常需要一致性。AIGC Chain的技术贡献者开发了一种精确控制方法，协调视觉生成技术，解决了扩散生成图像的不一致问题。就信息无序而言，热力学第二定律指明宇宙的熵总是增加。所以如果要减缓宇宙热死亡的进程，就需要负熵。在物理学中，负熵是指系统比平衡状态更有序，而不是更无序。在经济系统里，这是说信息要有序，而不是无序，有序才能让经济和社会的发展更可持续。Web2平台用免费来换取用户的广告时间，广告对用户的信息获取来说往往是无效的，增加了熵，对整体的经济系统是熵增的。而Web3的去中心化的架构可以让用户自己决定希望获取什么样的广告，信息的熵比Web2的信息熵低，让整体经济系统更有序，更加可持续。区块链技术通过提供安全、透明、防篡改的信息存储和传输方式，提高了网络上信息的可靠性和信任度，从而减少熵。NFT 通过区块链网络验证，为艺术品的所有权提供了安全的认证方式，通过创建明确的所有权记录减少熵。总的来说，与中心化服务平台相比，AIGC Chain的分布式 AIGC 服务平台有潜力为用户提供更多的公平性、灵活性、创新性和更多的选择。在生态层面，AIGC Chain主网全面支持图灵完备的智能合约。智能合约（Smart Contracts）是内存块链中制定合约所使用的特殊协议，这是一种自动执行的合约，将双方的协议条款写入代码中，一旦启动就会自动运行，不需要任何人为的干预，自主控制其计算所涉及的资源，比如有权限调配合约双方的资金和财产。通过分布式的节点来自动运行，而不用透过中心化的单个服务器。智能合约为构建在 AIGC 网络上的 DApps 开辟了一套全新的用户体验和新的归因模型。例如，利用 AIGC 网络上的智能合约可以实现完全数字化的物品所有权、创新的支付消费模型、透明的版税分配、无需信任的众筹机制等等。这提供了额外的社会和经济交互层，补充了视频和数据传输的核心功能，并显着提高了平台用户的参与度和保留率。在EVM兼容方面，AIGC 虚拟机与以太坊虚拟机兼容。因此，移植现有的基于以太坊的合约很简单，成千上万的智能合约开发人员可以轻松地在 AIGC 上进行构建。AIGC 的 Ethereum RPC 适配器提供了对以太坊 RPC API 的支持，类似于 Binance Smart Chain 和 Polygon。Ethereum RPC 适配器软件将 AIGC RPC 端点转换为 Ethereum RPC API。有了它，AIGC 现在支持整个 Ethereum DApp 开发堆栈，包括 Metamask、Hardhat、Remix、Ethers.js、Web3.js 和 Truffle Suite。移植到 AIGC 的以太坊 DApp 可以使用相同的 API 调用与 AIGC 区块链交互。这意味着以太坊 DApps 几乎可以无缝部署和迁移到 AIGC Chain。这大大降低了开发者利用已有基础设施在AIGC CHAIN部署并基于AIGC CHAIN进行原生开发的难度。据悉，AIGC Chain或将于2023年3月开启测试节点申请，AIGC Chain测试网将分为多个阶段进行，主网上线时间预计为2023年Q3~Q4。来源：金色财经
金色财经2023-03-06
人工智能如何重新定义Web3
go
FTs 随着区块链开发者整合人工智能和机器学习算法，网络3.0将可能引入更智能的分散式应用（dApps），具有更先进的现实世界效用。一个迷人的早期例子是Alethea AI的Alice--第一个具有自我学习能力的非可替代代币（NFT），它在从每一次新的互动中学习的过程中改变了与人交往的方式。作为第一个智能NFT（iNFT），Alice有自己的个性，能够与互联网用户进行详尽的对话，并在这个过程中向他们学习。随着人工智能算法的进步，下一代dApps和NFTs可能会从其功效中受益，因为去中心化的应用程序获得了更好的数据管理和分析能力，而下一代NFTs将带有类似人类的行为。 2、个人数据的价值实现虽然社交媒体巨头和营销公司已经在收集我们的浏览数据，以提供更相关的广告，但这并不符合网民的最佳利益。Web 3.0的去中心化精神旨在通过让人们重新控制他们的数据，带来更多的用户权力--这些数据可以选择与服务商共享，由服务商直接向用户付费。通过应用人工智能算法，服务商将能够分析更大量的数据，并在个性化用户体验时考虑更多因素。Web 3.0用户将收到更多客制化服务的同时，也从另一个维度实现了个人数据的价值化。核心AI+区块链项目分析以下是AI+区块链赛道中市值TOP10的项目简介，数据来源CoinGecko。 1、FET 项目介绍 Fetch-ai Network 是一个位于剑桥的人工智能实验室，项目结合了机器学习、人工智能和分类账本等技术，搭建一个开放的经济框架，提供高性能、低成本的交易环境，以实现围绕去中心化数字经济构建的智能基础设施。应用场景智能识别：医院使用 Fetch-ai 的集体学习功能训练机器人的学习算法，以对医院中需要检测的胸片等X光图像进行识别，定位患者的病灶，经统计，经过训练的 AI 模型识别病例的准确率为 90%。癌细胞检测：通过与波兹南超级计算网络中心 (PSNC) 的集体学习合作， Fetch-ai和 PSNC 将为全球医院和研究中心训练算法，以在未来识别和检测患者血液或组织活检中的循环癌细胞。预测性维护：预测性维护是一个在机器潜在故障发生之前识别它们的过程。为了识别制造机械的潜在故障，Bosch正在利用 Fetch-ai 的集体学习来预测博世机器的潜在故障，同时维护数据隐私。近期，Bosch和 Fetch.ai 宣布建立新的合作伙伴关系，以组建一个新的 Web3 基金会——Fetch.ai Foundation，旨在研究、开发和利用 Web3 技术，用于跨越移动、工业和消费领域的实际用例。供应链集成：Fetch-ai Network 和 LiquidChefs 之间的合作伙伴关系旨在利用 Fetch-ai Network 的自主经济代理与其搜索和发现框架集成，以建立本地和透明的供应链，使 LiquidChefs 能够搜索并连接其附近的任何可持续供应商。 2、OCEAN 项目介绍 Ocean Protocol是一个用于web3数据经济的工具，为开发者提供工具来构建数据市场，管理数据NFT和DeFi数据代币。数据所有者和消费者可以使用Ocean Market应用程序以安全、隐私的方式发布、探索和使用数据。项目优势团队经验丰富：在区块链、数据处理和AI等领域拥有丰富的经验。赛道具备潜力：通过去中心化的方式可以实现公证、透明和安全的数据共享，极大的解放AI市场，是未来 AI板块的核心数据层。资源丰富：已经与新加坡政府、SingularityNET、Mattereum 和 IBM Watson AI XPRIZE 等机构和项目达成合作关系。持续迭代能力强：产品从 V1-V4，每个版本都在持续迭代，V4 主要特色包括：通过单边质押解决 rug pull 问题，添加数据 NFT（ERC-721）以提高数据 IP 管理的灵活性，社区货币化等。 3、AGIX 项目介绍 SingularityNET是一个去中心化的人工智能平台和市场。在 SingularityNET平台上运行的代理可以灵活地将工作外包给彼此——交易信息、协商付款以及进行影响代理声誉的评级。此外，在这个开源的市场上，每一个为生态提供人工智能和机器学习服务的人，都回收到一定数量的代币作为奖励。项目优势 AI Marketplace：AI市场提供了许多用户可以购买的 AI 支持的服务； AI Publisher：允许 AI 开发人员在平台上发布他们的产品并从中获利； 4、NMR 项目介绍 Numerai是一种由数据科学家网络建立、使用人工智能技术的新型对冲基金。 Numerai Tournament 的核心是免费数据集。它由经过清理、规范化和混淆的高质量财务数据组成。该平台的主要目标是将去中心化引入数据科学领域，并允许开发人员在创建有效的机器学习预测模型方面展开竞争。应用场景 Numerai Tournament：一种对冲基金，根据全球竞争数据科学家网络所做的数千项预测的汇总来交易股票。Numerai每天从其用户那里收到大约1 亿条预测，然后创建一个元模型进行投资。 Numerai Signals：收集 Russell 3000 股票预测的持续锦标赛。 Erasure Bay：一个信息交换市场，可以交易任何类型的信息，包括估值模型、产品反馈等。 AI+区块链技术面临的挑战 R3PO认为，区块链和AI均是自互联网发明以来最具颠覆性的两项技术，去中心化的区块链给AI带来良好的数据基础，AI又拥有成熟的模块资源和算法资源。目前我们所看到的技术应用只是冰山一角，两者的融合将影响未来几十年社会的发展轨迹和进步，有可能创造一个更高效、更安全、更个性化的数字经济，为个人和公司等带来新的商业模式和机会。但与此同时，区块链技术与人工智能的结合不可避免地会面临一些挑战。 1、安全问题人工智能需要处理大量数据才能发挥作用，而区块链上的数据为避免受黑客侵害是经过安全加密的，那么，为了分析和处理这些数据，有必要对相关文件和数据进行解密，这将令数据更容易受到恶意攻击。WEB3.0发展至今也尚未形成完善的安全体系，所以还有待进一步形成统一的安全标准和规范。 2、成本和效率的限制人工智能在提高区块链运行效率的同时，也存在一定的限制，如目前的分布式技术的应用，涉及大规模的计算和存储系统，硬件上的限制，甚至物理上，运行设备能源的产生，传输，存储都在一定程度上限制了AI与区块链实际应用的落地。当前考虑到诸多链上实际运行时导致的 tps 限制与 gas 费成本，都将使得真正运营在区块链上的人工智能商业应用的成本会难以想象的高，而实际效率则会难以想象的低。所以目前，区块链技术与人工智能的结合仍在初始摸索中。结语 ChatGPT带来的AI热度还在持续发酵，而“区块链＋AI”项目已历经一轮短时间内的暴涨和暴跌。数据显示，AI概念加密项目代币总市值一度超过50亿美元，如SingularityNET曾2月初上涨超过290.53%，但目前这些项目已经迅速回落。短期的FOMO情绪虽然给AI+区块链项目带来了更多关注度，但究其根本，项目未来的发展还是要回归到本身的价值。仅有AI皮毛的一些项目并不能扛起WEB3.0的大旗，这场WEB3.0的革新之旅的终点到底是什么，也无人能给出一个确切的答案，是价值的重新定义？还是去中心化打败中心化？但目前我们可以知晓的是，AI与区块链技术的融合无疑将迸发出更精彩的可能性，让我们拭目以待。来源：panews 作者：Zelda 来源：金色财经
金色财经2023-03-05
人工智能：中国式ChatGPT的“大跃进”
go
职“高级软件工程师，大型语言模型，应用机器学习”（Staff Software Engineer, Large Language Models, Applied ML）岗位基本工资范围为年薪17.4万-27.6万美元（约120万-190万元人民币）+奖金+股权+福利。这份工作的主要职责是：为谷歌大型语言模型的关键冲刺做出贡献，将尖端的 LLM（Large Language Mode，大型语言模型）引入下一代谷歌产品和应用程序，以及外部用户。在建模技术方面进行协作，以支持全方位的 LLM 调整，从提示工程、指令调整、基于人类反馈的强化学习 (RLHF)、参数高效调整到微调。微软研究院的研究员岗位“博士后研究员-机器学习和强化学习”（Post Doc Researcher-Machine Learning and Reinforcement Learning）年薪则在9.4万-18.2万美元（约64万-125万元人民币）。工作职责是“与其他研究人员合作制定自己的研究议程，推动有效的基础、基础和应用研究计划。” ChatGPT团队中另一个有意思的点是团队中有9位华人成员，其中5人本科毕业于国内高校，美国学界对人才的虹吸效应也正是硅谷巨头以及“OpenAI”们强大人才竞争力的基础。 “中国的AI人才是从14亿人里挑，美国是从80亿人里挑，全世界优秀的人很多都到美国去了。”图灵联合创始人、原智源研究院副院长刘江表示，要承认差距确实存在，不过他也表示，“在这方面，我们也不用气馁。中国也有自己的优势，比如市场化、产品化的能力，近年来我们不比美国同行差了。” 国内大厂的实力如何？除了人才问题，国内大模型研究落后美国另一个原因是在生成式AI和大模型研究方面起步略晚，而起步晚的原因，则还是与“钱”脱不开关系。从技术角度看，生成式技术在Stable Diffusion和ChatGPT等网红产品出现之前，技术实现的效果并不理想，且需要消耗大量算力进行研究。所以大厂、资本很难斥以重资，投入到这种看上去不太赚钱，还要烧钱的业务。中国的AI产业更注重应用场景，而非基础理论和技术创新。各家大厂在NLP的理解方面有很多成熟业务，比如听写、翻译，在视觉识别和AI大数据处理方面也有很多应用场景。所以这部分业务自然是AI研发的主力，一方面他们赚钱，另一方面在这些领域的技术积累，使研究人员能够“在规定跑道上赛跑”，而不是在未知领域探路。这一点不只是限制了国内公司，更是很多全球巨头的创新桎梏。正如诺基亚做不出iPhone一样，巨头都不喜欢“破坏式创新”，谷歌发布的Bard只因一个小失误就牵动了母公司Alphabet的万亿市值，这也正是谷歌一直声称不愿发布LaMDA大模型的理由，害怕会因AI的失误影响自己的商誉。而OpenAI显然不太在乎ChatGPT在公测中会出什么问题，毕竟他发布ChatGPT时只是一家估值200亿美元的独角兽。不过，在这波大模型的追赶赛中，国内大厂的团队也可以说是实力颇强。百度在大模型方面走的最早，百度自2019年开始研发预训练模型，先后发布了知识增强文心（ERNIE）系列模型。文心大模型研发的带头人，百度首席技术官、深度学习技术及应用国家工程研究中心主任王海峰博士，是自然语言处理领域权威国际学术组织ACL（Association for Computational Linguistics）的首位华人主席、ACL亚太分会创始主席、ACL Fellow，还是IEEE Fellow、CAAI Fellow及国际欧亚科学院院士。他还兼任中国电子学会、中国中文信息学会、中国工程师联合体副理事长等。目前，王海峰在国内外期刊会议上发表的学术论文有200余篇，获得已授权专利170余项。虽然没有像百度一样公布类ChatGPT产品的发布时间表，但腾讯、阿里和华为分别提出的“混元”、“通义”和“盘古”三个大模型，均已研发了很长时间。据机器学习和自然语言处理著名学者Marek Rei教授在2022年4月发布的统计（2023年的统计尚未发布）显示，2012-2021年中，在ML（Machine Learning，机器学习）和NLP顶级期刊和会议发表论文数量最多的机构是谷歌，微软紧随其后。发文数量最多的中国机构是清华大学，第二是位列第16的腾讯，腾讯也是前32名中唯一的中国互联网厂商。不过，在2021年单年的统计中，阿里和华为也登上此榜，腾讯仍排在较靠前的位置。 Marek Rei发布的2021年ML、NLP顶会、期刊发文量统计目前，腾讯官方并没有公布“混元”大模型研发团队的具体信息。不过，腾讯旗下AI研发团队“腾讯AI Lab”的专家构成，也显示出了腾讯在AI领域的一部分实力。腾讯AI Lab由100余位AI科学家和超过300名应用工程师组成，带头人张正友博士是腾讯首席科学家、腾讯 AI Lab 及 Robotics X 实验室主任，腾讯首位17级研究员、杰出科学家。他在美国斯坦福大学（Stanford University）发布的2022 年度“全球前2%顶尖科学家榜单”（World's Top 2% Scientists 2022）中，排名全球“终身科学影响力排行榜”第1002名，中国排名 Top 10。阿里在LLM领域的研究主要由阿里巴巴达摩院负责，阿里巴巴集团资深副总裁，阿里云智能CTO、达摩院副院长周靖人主导，他是IEEE Fellow，多次担任VLDB，SIGMOD，ICDE等国际顶级会议程序委员会主编、主席，在顶尖国际期刊和会议上发表论文超百篇，并拥有几十项技术专利。华为也未对“类ChatGPT产品”公开表态，但在大模型方面华为亦有“盘古”大模型正在研究。该项目由华为云人工智能领域首席科学家田奇博士领导，他是计算机视觉、多媒体信息检索专家，IEEE Fellow，国际欧亚科学院院士，教育部长江讲座教授，国家自然科学基金海外杰青，中国科学院海外评审专家，在国内多所高校任讲席教授及客座教授。在自己组建团队投入研发的同时，百度、阿里、腾讯、华为等IT大厂，也与中科院计算所自然语言处理研究组、哈尔滨工业大学自然语言处理研究所、中国人民大学高瓴人工智能学院等高校研究有很多的技术合作。 “集中力量办大事”的科研机构数据闭环是大模型研发的关键，用户越多，积累时间越长，就意味着可以用于迭代升级的数据和反馈也就越多。在这方面OpenAI已经利用前两代的开源GPT模型和GPT-3积累了大量数据。ChatGPT虽然才推出了3个月，但用户量和访问量增长速度飞快，这些都为OpenAI在大模型研发方面积累了巨大的先发优势。 “AI大模型如果落后了，就会面临卡脖子的风险。”很多AI专家对此都有担心，由此国内也诞生了一些应对此种局面的非营利性AI科研机构。这些机构多数有高校研究实验室背景加持，以及地方政策支持，人才聚拢能力非常强劲。北京智源人工智能研究院（以下简称“智源研究院”）是科技部和北京市政府共同支持，联合北京人工智能领域优势单位共建的非营利性创新性研发机构。智源研究院理事长张宏江，是美国国家工程院外籍院士，ACM Fellow和IEEE Fellow，同时也是微软亚洲研究院的创始人之一。 2021年，智源研究院发布了1.7万亿参数的超大模型“悟道”的1.0和2.0版本，这项工作由100余位科学家共同打造。其中包括清华大学计算机系自然语言处理与社会人文计算实验室（THUNLP）的孙茂松教授，清华大学知识工程研究室（KEG）的唐杰教授，清华大学交互式人工智能课题组（CoAI）的黄民烈教授。目前“悟道”大模型已经与OPPO、好未来、淘宝、搜狗、美团等开展了落地合作。在与美团的合作中，大模型给搜索广告带来了2.7%的收入增长。在南方的科技重镇也有一家相似的研究机构，粤港澳大湾区数字经济研究院（以下简称IDEA研究院），IDEA研究院是由深圳市政府大力支持的AI研究机构。与智源研究院有一个颇有趣的相似之处，IDEA研究院的创始人沈向洋博士同样出身微软亚洲研究院。沈向洋博士是美国国家工程院外籍院士和英国皇家工程院外籍院士，他参与创建了微软亚洲研究院，担任院长兼首席科学家，并曾担任微软公司全球执行副总裁，主管微软全球研究院和人工智能产品线，并负责推动公司中长期总体技术战略及前瞻性研究与开发工作。 IDEA研究院NLP研究中心负责人张家兴博士也来自微软亚洲研究院，他的团队推出的开源模型“太乙”，据称在中文文生图领域可以达到接近Stable Diffusion（一款开源文生图AI模型）的水平。目前IDEA研究院正在持续迭代开发的预训练模型体系“封神榜”，已经开源了6个系列共10个模型，包含4种模型结构，模型参数最大为35亿。其中包括：以Encoder结构为主的双向语言系列模型的二郎神系列；面向医疗领域，拥有35亿参数的余元系列；与追一科技联合开发的新结构大模型周文王系列；以Decoder结构为主的单向语言模型闻仲系列；以Transformer结构为主的编解码语言模型，主要解决通用任务的大模型燃灯系列；以及主要面向各种纠错任务的比干系列。 2月20日晚，复旦大学自然语言处理实验室对媒体宣传邱锡鹏教授团队发布了“国内第一个对话式大型语言模型MOSS”，并在公开平台（https://moss.fastnlp.top/），邀请公众参与内测。然而就在外界都等着看MOSS表现如何惊艳之时。MOSS的内测网站却挂出了一则道歉公告。目前MOSS的测试网站已经挂出了停止服务的公告。一位AI大模型专家对虎嗅表示，“邱锡鹏的实验室学术研究的氛围很浓。虽然这次的MOSS很少有人得到体验机会，但是从后边的公告来看，有可能是在工程优化，并发处理等方面的准备还没有那么充分。” 在近期举行的2023年世界人工智能开发者先锋大会上，邱锡鹏教授公开表示，如果优化顺利，MOSS计划在2023年3月底开源。虽然，没能成功抢发“国产ChatGPT”，但AI业内人士对邱锡鹏教授团队仍然给出了肯定的评价，“邱锡鹏教授的团队比较偏重学术，这和早期的OpenAI在科研心态上是有共性的，非营利性的AI研究机构，没有那么多功利的考虑。” 创业公司都有“大佬”背书 AI技术属于计算机科学，虽然计算机技术已发展多年，但AI仍属于前沿科技，对LLM以及其他通用大模型的研究更是兴起不久，仍然需要依靠应用数据，持续迭代升级，不管MOSS是不是因为工程经验绊了跟头，要在AI、大模型这些领域实现突破，能推广到市场中，接地气的技术和产品才是王道。事实上，目前国内AI行业活跃的实验室大多已开始尝试商业化，在市场的磨砺中探索大模型未来的出路。深言科技深言科技源自清华大学计算机系自然语言处理与社会人文计算实验室（THUNLP）。THUNLP由清华大学人工智能研究院常务副院长孙茂松，以及刘洋、刘知远，三位教授带头。实验室在2017年推出的中文诗歌自动生成系统「九歌」则是最有影响的诗歌生成系统之一，「九歌」已经为用户创作了超过3000万首诗词。孙茂松教授领衔研发的CPM模型是智源研究院的大模型「悟道·文源」的前身，也是国内最成熟的中文生成式大模型之一。深言科技的团队也是由CPM模型的部分研发团队成员所组成的，目前该公司产品包括可以根据意思搜索词语的“WantWords反向词典”，以及根据意思查询句子的“WantQuotes据意查句”。智谱AI 智谱AI的前身是清华大学知识工程研究室（KEG），KEG专注研究网络环境下的知识工程，在知识图谱、图神经网络和认知智能领域已发表一系列国际领先的研究成果。2006年，智谱AI就启动了科技信息分析引擎ArnetMiner（以下简称AMiner）的相关研究，先后获得了国际顶级会议SIGKDD的十年最佳论文（Test-of-Time Award）、国家科学进步奖二等奖、北京市发明专利奖一等奖。 2022年8月，由KEG与智谱AI共同研发的千亿级模型参数的大规模中英文预训练语言模型GLM-130B正式发布，其在多个公开评测榜单上超过GPT-3 v1。此外，智谱AI还打造了认知大模型平台（BigModel.ai），形成AIGC产品矩阵，提供智能API服务。聆心智能 2月17日，聆心智能宣布完成由无限基金SEE Fund领投的Pre-A轮融资。聆心智能的底层技术是超拟人大规模语言模型，基于大模型可控、可配置、可信的核心技术优势，聆心智能推出“AI乌托邦”，该系统允许用户快速定制 AI 角色。聆心智能由清华大学交互式人工智能课题组（CoAI)黄民烈教授支持。CoAI是清华大学朱小燕教授及黄民烈教授领导的实验室。2020年，就已经开源了1200万对话数据和中文对话预训练模型CDial-GPT。黄民烈教授也曾参与了智源研究院的“悟道”大模型研发。西湖心辰西湖心辰背靠西湖大学深度学习实验室，创始人是西湖大学助理教授、博士生导师蓝振忠，主要研究大规模预训练模型的训练与应用。蓝振忠曾在谷歌担任研究科学家，也是轻量化大模型ALBERT的第一作者。西湖大学在人工智能领域的研发实力很强，除了蓝振忠博士的深度学习实验室，西湖大学NLP实验室，在该领域的研究也非常领先。学术带头人张岳博士在Marek Rei教授的顶会、期刊发文量统计中，于2012-2021年期间排名全球第四。 “目前国内LLM领域的创业公司相对IT大厂来说主要有两个优势，技术和数据。”西湖心辰COO俞佳对虎嗅表示，国内大模型创业公司在技术方面普遍已有多年研究经验，构筑了一定的技术壁垒，这是很难短期超越的。同时，由于已经推出了相关产品，“数据飞轮”已经转起来了，这些数据的质量相比互联网数据质量要高很多，能够对产品迭代起到很大支撑作用。对于国内大模型创业公司未来的发展趋势，俞佳认为可能性很多，“有些公司可能会走出自己的道路，也有的公司可能会像OpenAI一样与IT大厂开展深度合作，甚至像DeepMind直接并入其中。” 出品｜虎嗅科技组作者｜齐健编辑｜陈伊凡来源：DeFi之道来源：金色财经
金色财经2023-03-05
马斯克暗示ai板块、ai概念还能火一把吗？
go
币。 Numeraire NMR：开发机器学习模型 Numeraire 是一个旨在开发机器学习模型的项目。该项目基于“随机优化”的概念，这是一种使用数据优化各种任务模型的方法。对于那些希望参与机器学习模型开发的人来说，Numeraire 是一个很好的代币。 The Graph GRT：收集数据以便将它们集成到 Dapps 中 The Graph 是一个旨在收集数据并将其集成到去中心化应用程序 (Dapps) 中的平台。该平台旨在为开发人员提供一种安全可靠的方式来访问来自各种来源的数据。对于那些希望参与 Dapps 开发的人来说，Graph 是一个很好的代币。结论总之，本文讨论的五种 AI 代币将成为加密领域的下一个大趋势。这些硬币中的每一种都有自己独特的特点和优势，使它们成为有吸引力的投资。投资者在投资任何这些硬币之前应该进行自己的研究。了解每种硬币背后的技术以及与每种硬币相关的潜在风险非常重要。通过这样做，投资者可以确保他们做出明智的决定并最大化他们的潜在利润。来源：金色财经
金色财经2023-03-04
承认转向！马斯克拟研发ChatGPT竞品推文曝光：过去投入加密货币、如今对AI更感兴趣
 go
觉系统。 Karpathy打造特斯拉的机器学习和电脑视觉团队而备受赞誉，并因此迅速获得晋升，成为特斯拉自动驾驶团队和开发完全自动驾驶系统项目的重要成员。随着特斯拉将其自动驾驶扩大到更广泛的人工智能，他后续又被提升为特斯拉AI、自动驾驶(Autopilot)负责人。不过到2022年3 月，Karpathy突然宣布他将休假四个月，也为离职埋下了伏笔，随后在7月他发推表示将与特斯拉分道扬镳，结束在特斯拉5年的职业生涯。路透社指出，马斯克周三在2023年特斯拉投资者日上阐述其长期愿景，即宏伟计划第三部曲(Master Plan 3)，表示人工智慧在其中将发挥重要作用，帮助特斯拉扩展并将世界导向洁净能源。在当日特斯拉的宣传视频中，显示人形机器人Optimus升级到可以行走并完成任务。特斯拉高层还详细介绍特斯拉如何使用AI技术训练车辆自动驾驶。马斯克表示，他打算将Optimus用于特斯拉工厂并向公众出售。不过，迄今他并未公布正式推出机器人的时间表。马斯克预测，未来AI 机器人与人类的比例可能大于1比1，人形机器人的数量有一天会超过人类。 “我认为，特斯拉带来的其他人没有的东西是我们拥有现实世界的人工智慧。你可以把汽车想像成一个带轮子的机器人，而这是一个有腿的机器人。我认为在解决现实世界的人工智能问题上，没有人比得上特斯拉。” 马斯克2022年12月曾在推特上表示：“ChatGPT非常好，我们离危险的强大人工智能不远了。”#ChatGPT火爆全网# 周三，他言论再提及这些担忧。“我有点担心AI，我们需要某种监管机构或监督AI 发展的机构，确保它的运作符合公众利益。这是一项非常危险的技术。我担心我可能已经做了一些事情来加速它。” “AI让我压力很大。”
颜辞2023-03-04
最新科研发现：中医药在降低生理年龄方面取得重大突破
 go
化标记浮动变化的特性，研究人员可以通过机器学习开发甲基化生命时钟，用来计算体现生物衰老程度的生理年龄。生理年龄不同于既定的实足年龄，更能反映生物真正的健康状态和衰老水平，也为评估抗衰药物的作用提供了更多的可能性。　　在上述发表论文中，研究人员采用Thomas M Stubbs的DNA甲基化时钟模型比较小鼠的表观遗传年龄，结果表明虽然使用八子补肾的小鼠与自然状态下的小鼠处于同一个实足年龄，但使用八子补肾后，小鼠生理年龄显著降低，衰老程度减少。进一步验证了通过表观遗传调控衰老的可行性。研究团队表示，此次研究揭示了创新中药八子补肾胶囊具有调节DNA甲基化水平降低哺乳类动物生理年龄的作用，为探索八子补肾的作用机制以及开发更有效的抗衰老药物提供了新思路。　　目前我国老龄化进程加速，2022年国民经济年度报告显示，我国人口自然增长率自1962年以来首次出现负值。如何实现健康中国，老而不衰，寿而无疾，提升全民健康素养，是亟待解决的问题。中医药在益寿延年方面有着悠久的历史和丰富的经验。这次八子补肾胶囊延缓自然衰老研究获突破性进展并国际药学期刊发表，是挖掘传统中医药宝库并结合现代研究而取得的新成果。　　(文章来源：健康大河南)
证券之星2023-03-04

上一页
1
•••
180
181
182
183
184
•••
206
下一页

24小时热点

最新话题更多