AI生产力快报｜01

Posted by 晓霖 on October 12, 2023 · 6 mins read

编辑：晓霖

聪明生产力

01

Advanced Data Analysis：被名字「耽误」的生产力工具

OpenAI 官方介绍，Advanced Data Analysis（原名：代码解释器 “Code Interpreter”）是一个可以使用 Python、处理上传和下载的实验性 ChatGPT 模型。我们为我们的模型提供了一个工作中的 Python 解释器，这个解释器在一个有防火墙的沙盒执行环境中，同时还配备了一些短暂的磁盘空间。

这个被称为 GPT-4.5 的高级数据分析（Advanced Data Analysis），不仅能够调用 GPT-4，还能为 AI 提供解决问题的通用工具箱，自动判断何时应该编写并执行 Python 程序来更好地解决问题，自动编写代码输出结果。

「强大」又「友好」

这个看上去很 Geek 的工具，只需要自然语言对话就能完成执行，实际上对完全不懂编程的人来说可能反而更有用。同时，它很大程度上解决了 LLM 在数学和语言方面的弱点。正如沃顿商学院教授 Ethan Mollick 的评价，「使用新的 ChatGPT 工具，我在博士期间需要几周时间才能掌握的事情，现在只需几秒钟就能搞定，而且错误通常要比人类分析师要少」。（Ethan Mollick 还写了一篇文章来介绍自己使用 Code Interpreter 的经验与心得：https://www.oneusefulthing.org/p/what- ai-can-do-with-a-toolbox-getting）

有人「黑」进了 Advanced Data Analysis，发现其 Python 环境是一个内置的 Jupyter notebook，Python 版本 3.8.10，有 352 个，28 类 python 包。环境中安装的软件包涵盖从数据分析、图像处理、音频处理、自然语言处理（NLP）、安全与加密、交互式和 UI、Web 开发和框架等领域，甚至还包括「天文和宇宙（Astronomy & Space）」类别的 Python 软件包，可谓包罗万象。试想将 352 个包排列组合，会产生多么无穷无尽的想象力。

无尽的组合玩法

也许连 OpenAI 自己也没法穷尽 Advanced Data Analysis 的玩法，他们在介绍产品时还鼓励用户通过各种方式组合使用 Advanced Data Analysis，以发现更多有用的任务解决用法。

除了 OpenAI 提到的 Advanced Data Analysis 在解决数学问题、数据分析与可视化、格式转换方面尤其有用之外，网友 Chase Lean 收集了 20 个 Advanced Data Analysis 用例，这里摘取 14 个，也许能启发一些新的玩法。

图像功能

1. 用图像或动图生成视频

2. 从图像提取文字

3. 生成二维码

4. 从图像中提取调色板

5. 生成矩阵雨的 GIF 动画

6. 生成基因共表达的热图

模拟现实

7. 创建灯塔位置图

8. 用真实物理模拟科幻效果

数据分析

9. 分析期权数据确定最佳合约

10. 分析 Spotify 音乐偏好

11. 分析房地产数据

12. 生成并绘制随机数据

数据处理

13. 数据集转成 HTML 网页

14. 用 Python 复制 STATA 代码

02

ChatGPT 翻译实践：字幕与新闻**

借助 ChatGPT 翻译与传统翻译服务相比有哪些优势？显然，借助 Prompt 你可以提出很多个性化的要求，比如：

  • 可以提供不同的翻译风格

  • 可以将某些专有名词使用特定的翻译

  • 可以提供上下文让翻译更有针对性

  • 可以让它识别错别字

  • 可以提供背景解释

操作细节

1. 根据使用场景写好 Prompt。

2. 先将尽可能长的原文全部发给 ChatGPT，受限于 token 数量，不超过 6000 单词（经验值），要求 GPT 只理解，不翻译。

3. 再逐段将文字发给 ChatGPT，让他输出「直译」和「意译」结果。如果发送的原文过长，翻译效果会下降。

4. 对于难以理解的句子，可以不断追问，以帮助你更好的理解原文 。

5. 「意译」可能会导致部分内容的遗失，可以将译文再翻译成英文，并与原文比对。

Prompt

前三个 Prompt 用 GPT-4 效果更好，如果使用 GPT-3.5 可能会失败，原因是这些指令一次就要求翻译两次，而 GPT-3.5 有时候不能很好的理解复杂指令。解决方法就是「拆分指令」，分成多次执行。

（一）新闻翻译

####

你是一位精通简体中文的专业翻译，曾参与《纽约时报》和《经济学人》中文版的翻译工作，因此对于新闻和时事文章的翻译有深入的理解。我希望你能帮我将以下英文新闻段落翻译成中文，风格与上述杂志的中文版相似。

规则：

- 翻译时要准确传达新闻事实和背景。

- 保留特定的英文术语或名字，并在其前后加上空格，例如：”中 UN 文”。

- 分成两次翻译，并且打印每一次结果：

1. 根据新闻内容直译，不要遗漏任何信息

2. 根据第一次直译的结果重新意译，遵守原意的前提下让内容更通俗易懂，符合中文表达习惯

本条消息只需要回复 OK，接下来的消息我将会给你发送完整内容，收到后请按照上面的规则打印两次翻译结果。

< 英文全文 >

####

（二）字幕翻译

####

你是一位精通简体中文的专业翻译，我希望你能帮我将以下英文视频字幕翻译成中文。

规则：

- 这些字幕可能和机器学习或 AI 等专业知识相关，注意翻译时术语的准确性

- 译文需要通俗、简洁、易懂。

- 保留特定的英文术语或名字，并在其前后加上空格，例如 “中 English 文”

- 字幕在语音识别时可能有错别字，请注意纠错

- 本条消息包含完整的字幕内容，但你不需要翻译，只需要回复 OK

- 我会分段在后续消息中发送给你翻译，每次你只需要翻译一段。

翻译时采用以下步骤，每一步都完整打印结果

1. 第一步，按照字面意思直译翻译这一段文本内容

2. 第二步，参照第一步直译的结果，结合上下文，对内容进行意译

3. 第三步，参照直译和意译的结果，结合上下文，采用创意的方式对结果进行翻译

4. 第四步，现在假设你是个中学语文老师，阅读上面三个翻译结果，然后融合所有翻译结果的优点，重写翻译结果，忠于原意，符合上下文，通俗易懂

< 英文全文 >

####

（三）审查翻译结果

####

现在你是专业的翻译审查员，需要对于以下英文翻译成中文的结果进行审查，避免添加或遗漏重要信息导致重大的法律风险。

要求你使用以下步骤进行审查：

1. 忽略 “原始英文”，将 “中文翻译” 反向翻译为英文（反向翻译英文），并打印结果，翻译时按照字面意思直译，尽可能保留原意。

2. 对比 “原始英文” 和 “反向翻译英文”，列出有额外添加的内容或者遗漏的内容

3. 根据上面对比的结果，为 “中文翻译” 打分，指出其中不足之处

原始英文：

< 原始英文 >

中文翻译：

< 中文翻译 >

####

（四）GPT-3.5版本

####

你是一位专业中文翻译，擅长对翻译结果进行二次修改和润色成通俗易懂的中文，我希望你能帮我将以下英文视频的中文翻译结果重新意译和润色。

规则：

- 这些字幕包含机器学习或 AI 等专业知识相关，注意翻译时术语的准确性

- 保留特定的英文术语、数字或名字，并在其前后加上空格，例如：”生成式 AI 产品”，”不超过 10 秒”。

- 基于直译结果重新意译，意译时务必对照原始英文，不要添加也不要遗漏内容，并以让翻译结果通俗易懂，符合中文表达习惯

英文原文：

{ 英文原文 }

直译结果：

{ 第一直译的结果 }

意译和润色后：

####

以上内容来自 @宝玉 xp 的分享，他对借助 ChatGPT 翻译字幕和新闻有大量探索和实践，尤其是用 ChatGPT 获取「意译」而不是「直译」结果。

详见：https://weibo.com/1727858283/Nmz0WhpH2

03

Midlibrary：帮你找寻创作灵感和参考**

Midlibrary 是一个集合了 3900 多种 Midjourney 风格的平台，旨在帮助艺术爱好者优化他们的艺术创作。用户可以通过添加风格修饰符来改变 Midjourney 的输出，例如通过指定艺术家、技术、流派等。平台提供了基础和最优的提示方式，帮助用户更精确地获得他们想要的艺术风格。

Midlibrary 的目录功能强大，用户可以通过多种方式搜索和筛选风格，包括按字母顺序、按最近添加、按公共领域、按 Powerstyle 奖项等。高级过滤面板提供了更多的分类和特征筛选选项。每种风格都有其 Midjourney 样本、名称、类别和一些图标来表示。用户可以点击风格名称将其复制到剪贴板，然后粘贴到 Discord 中的提示中。Midlibrary 还提供了风格轮盘、分类图和顶级页面等多种探索风格的方式。

Midlibrary 地址：https://midlibrary.io/

大模型动态

01

ChatGPT 推出语音和图像功能，重新上线联网功能**

OpenAI 放出多模态的 GPT-4V (ision)，支持用语音与 GPT 对话，只需几秒钟的样本语音就能生成逼真的合成语音（可选择 5 种由专业配音演员提供的音源），然后使用开源语音识别系统 Whisper 将你的语音转录为文本。

GPT-4V 现在还能够看图识图，你可以拍摄或上传图片，然后与 GPT3.5 或 GPT-4 讨论图像内容，GPT 会将其语言推理技能应用于各种图片，例如照片、屏幕截图以及包含文本和图像的文档。

重新上线的联网功能允许用户搜索 2021 年 9 月之后的信息，并提供答案的来源链接，方便用户验证答案的准确性。同时，OpenAI 为了避免绕过付费网站内容呈现，采取了一些措施确保该功能的效果，例如允许用户将无法访问网站的内容粘贴到对话框，以便 ChatGPT 进行总结。

实际用例

从率先被推送语音对话和看图识图功能的用户们的反馈来看，GPT-4V 效果不错。语音对话时需要等待一些时间供 GPT 思考，不过还算在可接受范围之内，而且语音比想象中更自然和逼真。图像识别能力也超出预期，尽管会出现一些小错误，但作为「副驾驶」已经可以大幅提高生产力。下面是一些网友的用例：

  • 为九年级学生解析人体细胞的图解

  • 上传产品图和介绍，让它给出圣诞节宣传图的拍摄策略

  • 将 Python 代码的屏幕截图转换为 Javascript

  • 上传一张团队会议的白板照片，让它编写代码

  • 上传一张室内照片，让它提供室内设计建议

  • 阅读手写稿

  • 图像转为实时网站

用例集合：https://x.com/saana_ai/status/1707843326777634922?s=20

效果测评

除了网友们纷纷在分享测试体验，OpenAI 和微软也发布了其对 GPT-4V 的测评。

OpenAI： GPT-4V 依然是一个经过互联网的图像和文本训练的文本模型，经过了 RLHF。该版本比 3 月份的主要强在 OCR 能力的提升上，而且早在 22 年底就已经训练完成，这十个月的时间都是在让它变得更安全。一些严肃内容上 GPT-4V 还是会产生幻觉，主要是原文 OCR 不准确造成的。此外，多模态模型也是可以越狱的，比如上传带有 “DAN” 提示的图片和一些神秘符号图片。

全文：https://cdn.openai.com/papers/GPTV_System_Card.pdf

微软： 微软发布了一份 166 页的 GPT-4V「说明书」，详细测评 GPT-4V 在图像识别、多模态知识、常识、逻辑推理等任务上的表现，还展示了一整套多模态大模型提示词使用技巧，包括指令遵循（instruction following）、思维链（chain-of-thoughts）、上下文少样本学习（in-context few-shot learning）等，被称为 GPT-4V 用户的必读宝典。

全文：https://arxiv.org/pdf/2309.17421.pdf

02

OpenAI 放出 DALL・E 3 后，Midjourney 披露新版本发布计划**

9 月 21 日，OpenAI 推出 DALL・E 3，合并了 ChatGPT 的语言理解能力，使其能够理解语义的细微差别，精准作图，细节到位，让 AI 绘画圈小小地掀起一波讨论。现在，Bing 用户可以获得一定的免费使用次数，但是有地区限制。DALL・E 3 最让人惊艳的是它的文字理解能力和逻辑推理能力，使用 DALL・E 3 画图时，你不需要学习提示词工程，直接输入句子或段落，点击按钮就可以等待图像生成。

从网友放出的 DALL・E 3 和 Midjourney 对比图来看，DALL・E 3 胜在强悍的理解能力，不但能生成美图，还能配文字。相比较而言 Midjourney 生成的图片更加细腻，艺术感更强。

随后，Midjourney 马上做出回应，将在今年之内将会推出更加惊艳的 V6 版本，不仅在图像生成的质量上有巨大飞跃，还将增加社交功能：

  • 从 Discord 中独立出来，推出自己的独立网站，集成社交机制。

  • 开发移动应用程序，并针对移动设备的优化网站页面。

  • 升级数据中心，提供更快、更高效的用户体验。

  • 增加 Turbo 模式，性能比标准模式快四倍。

此外，Midjourney 表示 V5.3 版本预计将会在 10 月份发布，并且增加了图片放大功能以及可以用 HEX 指定图象颜色的功能。发布时还会进行一个审美测试，帮助你定义你自己的美学风格。

03

Meta 提出 LLM 幻觉抑制方案 CoVe**

LLM 用户都遇到过大语言模型输出一些看似合理但完全「瞎编」的内容，这种情况被称为 LLM 的「幻觉」。Meta 提出一种抑制幻觉的解决方案「验证链（CoVe）」，一种与「思维链（CoT）」相似的链式方法，区别在于思维链更关注逻辑推理，而验证链更注重事实信息。下面我们来看看「验证链」如何 step-by-step 地验证生成的内容：

  • 首先，根据用户提出的问题生成初步回复。

  • 接着，针对生成的回复内容中的各项信息，生成一系列的验证问题。

  • 然后，逐一独立地回答这些问题，使答案不受其他答案的影响。

  • 最后，根据经验证的结果来调整初始答案，得到最终结果。

该论文的实验结果表明，CoVe 在各种任务中都能减少「幻觉」，从 Wikidata 的列表式问题，闭卷的 MultiSpanQA，到长篇文本生成。

论文地址：https://arxiv.org/abs/2309.11495

04

MIT 研究证明 LLM 能够理解空间和时间**

对于大语言模型能否理解人类世界，一直有两种声音，一种认为「大语言模型具有真正的理解能力，能理解人类世界」； 另一种则认为「大语言模型只是统计某个词语出现的概率，然后随机产生一些看起来合理的字句」。

最近，MIT 的最新论文「LANGUAGE MODELS REPRESENT SPACE AND TIME」（https://arxiv.org/pdf/2310.02207.pdf）表明，大语言模型在多个尺度上都学习了「空间」和「时间」的线性表征，而这些表示能够抵御提示变化，并在不同的实体类型（例如，城市和地标）之间保持统一。

研究人员构建了世界、美国和纽约市的三个地名数据集，包括城市、县、邮政编码、大学、自然地点和结构的名称，以及三个时间数据集，包括公元前 1000 年至公元 2000 年之间去世的历史人物的姓名和职业，1950 年至 2020 年歌曲、电影和书籍的标题和作者，以及 2010 年至 2020 年《纽约时报》时事新闻头条。他们使用基础版的 Llama 2 系列模型展开实验，发现通过线性探针的确可以恢复Llama-2中的空间和时间信息，而较大的模型更擅长于编码这些信息。并且，从中间层到最后一层的上层表示能够实现最高的准确度。换句话说，模型学习到的地点表示（经过线性变换后）与地图上的位置或多或少是一致的。

该研究试图通过实验证明大语言模型具有独立的「空间神经元」和「时间神经元」，可以可靠地编码「空间」和「时间」坐标。换言之，大语言模型不仅仅学习浅层的统计数据，而且真正地学习了「空间」和「时间」等基本维度的结构化知识。

论文发表后，Sebastian Ruder 撰文指出，早期的 word2vec 等模型已经展示了地理关系的编码，MIT 的这一发现并不令人惊讶。由于LLM能够捕获大量的地理信息，因此它们可能对一系列其他与地理相关的应用程序（如地理信息系统（GIS）有所帮助。但目前案例研究只显示 LLM 对某些空间关系有认知，其对细粒度空间关系的编码还有待进一步研究。此外，在时间编码方面，比合成任务更重要的是实际应用，要确保模型反映世界的最新信息。

AI时代洞见

01

对话：人工智能和教育**

可汗学院创始人萨尔曼・可汗在盖茨新的播客节目《Unconfuse Me 为我解惑》中，讨论了人工智能和教育，以及如何利用技术去更好的帮助老师和学生推动教育的发展。下面是双方谈话过程中闪现的一些洞见：

  • 盖茨认为永远不会有太多的教师，医生和教师在很多国家都是短缺的资源。人工智能也许能很好地解决教师资源短缺的问题。

  • 盖茨极力向 OpenAI 推荐了可汗学院，最开始可汗是拒绝的，因为他不知道能给可汗学院带来什么好处，直到他看到了 OpenAI 给他们的演示，ChatGPT 那时候能回答生物学的 AP 问题，还能解释为什么其他答案不对，并生成新的类似的问题。

  • 让 ChatGPT 在充当助教时，当学生提交答案，不要给学生答案，而是先形成自己的解决方案，并且不直接返回解决方案，而是将 AI 的解决方案和学生答案对比，再告诉学生的法案中可能存在的问题。

  • 可汗学院的一大愿景就是无障碍访问，他们制作视频，任何人在任何地点都可以访问到。用户还可以按照自己的节奏学习，比如某个知识点你只掌握了 70、80%，那么可以不着急进入下一个知识点，直到完全掌握为止。可汗特别提到，学习的时候，如果你基础打好，后面就会很简单，否则不管你多聪明多努力，都会很难。

  • 可汗学院还有一个重要的理念就是：”让教师获得即时反馈，绝不拖到最后”。这极大的改变了传统的教育模式，现在学生可以实时了解自己的学习情况，老师也可以通过可汗学院的教师账号，了解每个学生的学习进度，学习结果，从而给学生针对性的反馈。而不是像传统教育模式那样，只有在单元结束后，借助单元测验才能得到反馈。

  • 教师是一个很孤独的职业，在教室里，孩子们并不总会专心听讲，这非常耗费老师的精力。另一方面，当引入新技术到课堂的时候，如果处理的不好，老师们会觉得是在贬低他们的创造力或者限制他们的自由，或是在暗示他们做不到做不好。所以技术上，首先要确保每个人都明白教师是其中的关键角色，然后能借助 AI 模型，为每个学生配一个 AI 导师，为每个老师配若干 AI 助教，AI 助教可以帮助老师组织教学活动。

  • 未来课堂，理想的教育方式是：大部分时间让学生自己去主导学习，而老师是这一切的策划者，就像乐队指挥一样，指导整个过程。

播客地址：https://open.spotify.com/episode/709PTUk7ZL56ALSNS3UVij

02

OpenAI 的真正目标**

OpenAI 最初是一个纯粹的非盈利研究机构，但现在大部分员工技术上为一家据报道价值近 300 亿美元的盈 利实体工作。Altman 和他的团队现在面临的压力是，在每个产品周期中，都要带来一场革命，满足投资者的商业需求，并在一个竞争激烈的市场环境中保持领先地位。同时还要遵循一种准救世主的使命，提升人类而不是消灭他们。它的最终目标是：改变一切。

连线杂志的最新文章《OpenAI 的真正目标》 将在 2023 年 10 月刊中发布，介绍了 OpenAI 的发展历程的许多细节，感兴趣的读者不要错过。下面是一些摘录：

  • 在几个月内，Altman 从 Musk（承诺了1亿美元和他的时间）和 Reid Hoffman（捐赠了1000万美元）那里筹集了资金。其他资助者包括 Peter Thiel、Jessica Livingston、Amazon Web Services 和 YC Research。Altman 开始秘密地招募团队。他将搜索限制为 AGI（人工通用智能）的信仰者，这一限制缩小了他的选择，但他认为这很关键。他说：”回到2015年，当我们在招聘时，对于AI研究员来说，如果说你认真对待AGI，几乎被认为是职业生涯的终结者。但我想要那些认真对待它的人。”

  • OpenAI 于 2015 年 12 月正式成立。当时我采访了 Musk 和 Altman，他们向我介绍了这个项目，目的是通过与全球分享，努力使 AI 变得更为安全、易于接触。简而言之，就是开源。他们明确表示，OpenAI 不会申请任何专利，所有人都可以自由使用他们的创新成果。我不由得思考，这样会不会助长某个未来的恶棍的威力？Musk 认为这是个值得探讨的问题。但 Altman 有他的见解：他认为人类基本上是善良的，而 OpenAI 会为大多数人提供有力的工具，这样恶意行为者就会被压倒。他也承认，如果恶棍利用这些工具制造了无法应对的威胁，”那我们就真的陷入了非常困境。” 但 Musk 和 Altman 均相信，将 AI 交由一个不受利润动机影响的研究机构会更为安全，避免了在追求短期高额回报时忽略人类需求的风险。

  • 2017年初，一个由八名 Google 研究员合著的研究论文的预印本出现了。它的正式标题是”Attention Is All You Need”，但它被称为” Transformer 论文”，这个名字既体现了这个想法的颠覆性，也纪念了那些能从卡车变为巨型机器人的变形玩具。Transformers 让神经网络能够更有效地理解和生成语言。它们通过并行地分析散文片段，找出哪些元素值得”关注”，从而实现了这一点。这种方法大大优化了根据提示生成连贯文本的过程。最终，人们发现同样的技术也能用于生成图像甚至视频。尽管 Transformer 论文后来被认为是当前 AI 热潮的催化剂——可以想象成让披头士乐队成为可能的猫王——但当时，Ilya Sutskever 是极少数理解这一突破重要性的人之一。”真正的顿悟时刻是当 Ilya 看到 Transformer 的时候，”Brockman 说，”他就像，’这就是我们一直在等的。’这就是我们的策略——努力攻克难题，然后相信我们或者领域里的某人能找到缺失的关键成分。”

  • Musk 相信他有权拥有 OpenAI。“如果没有我，它不会存在，”他后来告诉 CNBC。“我想出了这个名字！”（事实确实如此。）但 Altman 和 OpenAI 的其他核心团队并不想成为 Musk 体系的一部分。当他们明确表示这一点时，Musk 切断了与公司的关系。他还带走了他的资金。因为公司没有收入，这是一个生存危机。“Elon 正在中断他的支持，”Altman 在一个与 Reid Hoffman 的紧张电话中说。“我们该怎么办？”Hoffman 自愿维持公司的运营，支付开销和工资。但这只是一个临时解决方案；OpenAI 必须在其他地方找到大笔资金。硅谷喜欢为从事热门技术的有才华的人投钱。但如果他们在一个非营利组织工作，就不太可能这样做。对于 OpenAI 来说，获得第一个十亿是一个巨大的挑战。为了培训和测试新一代的 GPT——然后访问它们进行部署所需的计算——公司需要另外十亿，而且越快越好。这只是一个开始。

  • 于是，在 2019 年 3 月，OpenAI 提出了一个奇特的解决方案。它仍然是一个非营利组织，完全致力于其使命。但它还将创建一个营利实体。这种安排的实际结构极其复杂，但基本上整个公司现在都参与了一个“有上限的”盈利业务。如果达到了上限——这个数字并不公开，但如果你仔细阅读其章程，它暗示可能达到万亿——超出的部分都会回归到非营利研究实验室。这种新颖的方案几乎是一个关于公司的量子方法：根据你的时空观点，这是一个盈利和非盈利的公司。这些细节在充满框图和箭头的图表中体现，就像科学论文中间的那些图表，只有博士或是天才才敢探索。当我向 Sutskever 建议，这看起来像是一个未来的 GPT-6 在你提示它进行税务规避时可能会提出的方法，他对我的隐喻并不买账。他说：“这不是关于会计的。”

  • 这十亿美元的风险资本轮并不是追求 OpenAI 愿景的真正入场费。创造 LLMs 的神奇的大型 Transformer 方法需要大型硬件。显然，只有少数公司拥有 OpenAI 所需的资源。“我们很快就锁定了微软，” Altman 说。归功于微软首席执行官 Satya Nadella 和首席技术官 Kevin Scott，这家软件巨头能够面对一个不太舒服的事实：在超过 20 年并花费数十亿美元建立了一个具有前沿 AI 的研究部门后，微软还是需要从一个只有几年历史的小公司那里获得创新注入。Scott 说，不仅仅是微软的不足——“所有人都是如此。”他说，OpenAI 追求 AGI 的重点使其能够实现重大公司甚至都没想到的成就。这也证明了不追求生成性 AI 是微软需要解决的一个失误。“你明确地需要一个前沿模型，”Scott 说。

  • 随着社会开始重视思考 AI 的所有潜在弊端——失业、误传信息、人类灭绝——OpenAI 开始把自己置于讨论的中心。因为如果监管者、立法者和末日论者开始努力扼杀这种新兴的基于云的外星智能，OpenAI 无疑会成为他们的首要目标。OpenAI 的首席政策官 Anna Makanju 说：“鉴于我们目前的知名度，当事情出错时，即使那些事情是由其他公司制造的，对我们来说仍然是个问题，因为我们现在被视为这项技术的代表。”

  • 我反复询问 OpenAI 的高管，身为一个产品公司对其文化有何影响。他们毫不犹豫地坚称，尽管有盈利重组，尽管与 Google、Meta 以及无数初创公司竞争，其使命仍然是中心所在。然而，OpenAI 已经发生了变化。非盈利董事会可能在名义上掌管，但公司内几乎所有人都在盈利账簿上。其员工包括律师、市场营销人员、政策专家和用户界面设计师。OpenAI 与数百名内容审核员签约，指导其模型如何回应数百万用户提供的提示，避免提供不当或有害的答案。它有产品经理和工程师不断更新其产品，每隔几周似乎都会像其他以产品为导向的大型科技公司一样，与记者进行演示。其办公室就像《Architectural Digest》杂志的展示版。我几乎参观过硅谷及其他地方的每家主要科技公司，但没有一家能超过 OpenAI 位于旧金山总部大厅的咖啡选择。

  • 与此同时，OpenAI 显然正花时间开发其大型语言模型的下一版本。难以置信的是，但该公司坚称它尚未开始研制 GPT-5，这是一个产品，根据不同的观点，人们要么对此垂涎三尺，要么对此感到害怕。显然，OpenAI 正在努力解决其当前技术的指数级强大改进到底是什么样子。Brockman 说：“我们现在最缺乏的是提出新的想法。拥有一个可能的虚拟助手固然不错，但那并不是我们的梦想。我们的梦想是帮助我们解决那些我们解决不了的问题。”

原文：https://www.wired.com/story/what-openai-really-wants/

中文：https://card.weibo.com/article/m/show/id/2309404949847169171486

03

国内优秀大模型创业者们的闭门分享

阿里云联合 Founder Park 邀请了 20 多位中国大模型领域模型层、工具层、应用层的优秀创业者，到杭州西溪湿地做了一场面对面的闭门交流。他们 立体地从产业的多个层面交流碰撞，也从各自的最新实践中聊出了很多有洞见的观点。下面根据张鹏的《8.23 中国大模型「顶流群聊」笔记》整理了一些观点：

  • 当算力成为稀缺资源，怎么把有限的算力用好，会成为大模型公司角逐的关键。大模型团队的每个位置都需要人才，其中基础硬件（Infra）团队人才更稀缺，也更应该被重视，因为优秀的团队能够更大程度地利用算力、避免徒劳无功的训练。

  • 基于开源模型做大模型，后续的投入门槛并不低，能力要求也不低，用开源只是有效降低了冷启动的成本。从这个角度来看，「使用开源模型」是比「从头开始训练模型」更务实的选择，能够在开源模型基础上优化、训练出实用的模型反而也是真本事。

  • 在 ToB 场景下，「幻觉」问题导致了「更强大的通用大模型」反而难以满足客户需求，有时候「将不同的技术组合起来再加上 AI Agents」也基本能完成客户需求。可靠的垂直大模型也许在推理能力、逻辑能力、知识丰富度上不如通用大模型，但在当前阶段可能是 ToB 客户更需要的。

  • 新时代产品意味着百分百押注到新的技术平台上，从这个视角看，AI native（AI 原生）的应用可能有这样的特征：如果大模型拿掉了，应用就崩溃了，它是一个完全依靠大模型能力的应用。可控性可能是 AI native 应用诞生的条件，这个观点来自于一个观察：开源社区贡献者解决可控性后，大量应用冒出来了。

  • AI Agent 的输入输出都依赖于多模态的能力，最终 Agent 会是一个多模态的观察、感知、行动。也许过两、三年再回头看，跨模态知识的迁移反而是大语言模型最大的一个贡献。

  • 企业的核心是定义清楚要解决谁的什么问题，定义越清晰，能力越到位，做的东西就能真正「收敛」，真正有商业「穿透力」。To B 其实还有另一种可能，就是「小 B」，也就是那些中小微企业，它们看起来不起眼，但是数量众多，单单服务它们，就能够造就现在的互联网巨头。相对于大型公司，这些小 B 公司并不关心技术和愿景，谁能帮它们解决增长问题，就会因此付钱。

原文：https://mp.weixin.qq.com/s/-uCVv5SOLoZUATvqiTsdoA

参考文献

https://openai.com/blog/chatgpt-can-now-see-hear-and- speakhttps://mp.weixin.qq.com/s/IgObYWVAwHDcodhWsQUZ_whttps://mp.weixin.qq.com/s/5UojwfUyJSvSPwENVvtVpAhttps://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MAhttps://x.com/saana_ai/status/1707116040319349184?s=20https://mp.weixin.qq.com/s/H – B1hJRlSVfsROPf_KkqAhttps://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MAhttps://mp.weixin.qq.com/s/9OcaKA6WeniXVvopGSn22Ahttps://mp.weixin.qq.com/s/jIqZiRrAxeoJOo4kaQdH- whttps://mp.weixin.qq.com/s/yMZ- Skk6mEa4tQPkHDtFTghttps://nlpnewsletter.substack.com/p/do-lms-represent-space- and- timehttps://weibo.com/1727858283/NkBE37ADxhttps://weibo.com/1727858283/NlsDSpPaahttps://weibo.com/1727858283/NlOJfdAkxhttps://weibo.com/1727858283/NeVrw01Yh

← Previous Post Next Post →