编辑：晓霖
供稿：妙生
聪明生产力
创建你的第一个 GPTs
GPTs 是 OpenAI 在开发者大会上推出的 ChatGPT 自定义版本，你可以通过与 GPT Builder 对话的方式定制一个特定用途的 GPT，还能分享给其他人使用。
5 分钟定制一个 GPT
如果你是 ChatGPT Plus 用户，在 ChatGPT 页面点击左下角的用户名，选择「My GPTs」，点击「Creat a GPT」即可进入创建页面。页面分成左右两边，左边显示你与 GPT Builder 的对话，右边是定制好的 GPT 预览。你可以直接在左边以对话的方式自动生成这个 GPT 的名称、头像和 Prompt，或者点击「Configure」手动输入，然后随时在右边的预览界面测试你的 GPT。
设置好之后，点击右上角的「Save」按钮，可以选择公开方式。点击头像旁边的小铅笔可以设置是否公开作者名字，或者把地址设置成你自己的域名。这样，一个定制版的 GPT 就完成啦。
享用其他人分享的 GPT
OpenAI 还没上线官方 GPTs 商店，目前已有不少第三方商店陆续上线。如果你是 ChatGPT Plus 用户，你可以去逛逛看有没有帮助提高自己生产力的工具，或者寻找提升生产效率的灵感。例如有人制作了专用于转换文件格式的 GPT、专攻翻译的 GPT、可任意转换图片格式或压缩图片的 GPT、提高开发效率的 GPT、专攻绘画的 GPT……
目前 GPTs 功能才开放短短几天，已经有成千上万的定制版 GPT 被分享出来。如果你想搜索这些 GPTs，不妨在使用搜索引擎时，加上 “chat.openai.com/g” 的 site 关键字，这样即可搜索到全部 GPTs。
保护好隐私数据
在 GPTs 的海洋遨游，不要忘了保护数据隐私。目前网上流传着不少「破解」GPTs 的方法，可以通过对话来引导 GPT 把自己的 Prompt 和知识库文件说出来。为了保护自己的数据安全和知识产权，切记不要把重要的内容上传到知识库，如果上传了就千万不要设置成公开的 GPT 分享出去。
不要以为使用别人的 GPT 就没有安全问题。据悉有一个披着 SEOBot 羊皮的 GPT，会让你输入邮箱，然后将邮箱地址传输到自己网站，给你发送营销邮件。
GPTs页面： https://chat.openai.com/gpts/discovery
大模型动态
OpenAI Cookbook: Assistants API Overview
OpenAI Cookbook 已经更新了 Assistant API 官方文档，包含完整示例。你可以在 Assistants Playground 使用这个 OpenAI 最新发布的强大工具，其代码解释器（Code Interpreter）和知识库检索（Retrieval）功能在 2023 年 11 月 17 日之前可免费使用（具体收费标准请查看 openai.com/pricing ）。
Cookbook : https://cookbook.openai.com/examples/assistants_api_overview_python
Assistants Playground : https://platform.openai.com/playground?mode=assistant
Docs : https://platform.openai.com/docs/assistants/overview
一个评估 AGI 及其早期能力和行为的框架
论文《Levels of AGI: Operationalizing Progress on the Path to AGI》提出了一个评估人工通用智能（AGI）及其早期能力和行为的框架。
AGI 六大原则:
-
能力而非过程：关注 AGI 的成就，而不是实现这些成就的机制。
-
通用性与性能：AGI 的定义应同时考虑普遍性和性能两个维度。
-
认知与元认知任务：AGI 应聚焦于非物理的认知任务，并包含元认知能力，如学习新任务的能力。
-
潜力而非部署：AGI 的定义应基于系统的潜在能力，而非实际部署。
-
关注生态有效性：选择与现实世界相符的任务来衡量 AGI 的进步。
-
AGI 之路而非单一终点：定义 AGI 应关注整个发展过程，而非单一的终点。
AGI 水平评价标准:
-
Level 0: 无 AI。
-
Level 1: 涌现级别，与未受过培训的人类相当或稍好。
-
Level 2: 胜任级别，至少达到熟练成人的 50% 水平。
-
Level 3: 专家级别，至少达到熟练成人的 90% 水平。
-
Level 4: 大师级别，至少达到熟练成人的 99% 水平。
-
Level 5: 超人级别，超过 100% 的人类性能。
该论文认为，GPT-4 处于AGI水平的 Level 1。
论文地址： https://arxiv.org/abs/2311.02462
AI时代洞见
Sebastian Raschka 博士眼中的 2023 年
数据科学和机器学习领域专家 Sebastian Raschka 博士发表博客文章「2023 年 AI 与开源行业」，回顾了一年来 AI 研究、行业动态以及开源领域发生的主要变化。
回顾2023
文章指出，2023 年 AI 产品并没有表现出根本性的发展或方法创新，重点是对过去一年已经生效的趋势做进一步扩展，但计算机视觉领域取得了不少进展。另一个趋势是大模型开始逐渐封闭，2024 年可能会继续延续这个趋势。
开源社区的关注对象则从去年的潜在扩散模型（最典型的代表就是 Stable Diffusion）等计算机视觉模型，转向了大语言模型。除了少数多模态尝试之外，目前最大的研究重点仍然是如何将 GPT-4 文本性能迁移至参数范围 < 100 B 的小模型当中。而基于 Transformer 的大语言模型仍然是当前最先进的技术方案。
尽管 AI 仍有诸如幻觉问题、版权问题、评估难题等不完善之处，AI 在文本处理和编程助手等领域带来了明显的生产力提升。Sebastian 最喜欢的用法之一，就是让 AI 纠正语法错误，以及重新构思句子和段落。
展望 2024
**
**
Sebastian 认为大语言模型将在计算机科学以外的 STEM 研究领域发挥越来越大的作用。各个公司正在开发定制的人工智能芯片，其挑战在于各主要深度学习框架能否为这些硬件提供全面且稳健支持。
开源领域仍然落后于最大的闭源模型，但目前大多数人缺乏处理这些大模型所需的硬件资源。作者认为与其拥有更大的模型，不如研发更多由多个较小子模块组成的开源混合专家模型（MoE）。
Sebastian 对众包数据集问题持乐观态度，相信 DPO 的崛起将给先进开源模型带来新的监督微调选项。
博客原文： https://magazine.sebastianraschka.com/p/ai-and-open-source-in-2023
中文翻译： https://baoyu.io/blog/translations/ai-and-open-source-in-2023