3分钟千人被裁,IBM中国大败退

文章来源:量子位
白交 发自 凹非寺
量子位 | 公众号 QbitAI

图片来源:由GPTNB生成

三分钟的全员会议,让IBM中国研发业务全线关闭。一千多人命运被改变,一个时代也就此落幕。


多方消息称,此次中国区关闭主要涉及两条业务线:
一个是IBM中国开发中心(CDL),另一个是IBM中国系统中心(CSL),主要负责研发和测试。
相关员工将获得N+3赔偿。
这个周末,有关IBM撤退中国的消息搞得人心惶惶。起因是上周五晚,IBM中国关闭了内网访问权限,波及范围涉及研发和测试在内的一千多位核心员工。
由于事发突然,当晚不少人甚至还在加班,就被踢出了内部群组。

image

为此,IBM中国同第一财经回应称:

IBM会根据需要调整运营,为客户提供最佳服务,这些变化不会影响我们为大中华区客户提供支持的能力。

换言之,研发部门撤退中国是真,还想继续服务赚钱也是真。

IBM将彻底关闭中国区业务:员工N+3赔偿

今天上午,IBM全球企业系统开发部副总裁Jack Hergenrother在全员大会上宣布,决定将中国系统实验室的研发工作转移到海外其他IBM基础设施基地。
目前,IBM正在退出在中国所有发展业务。
有自称是员工的表示,周一冒着大雨来参加全员大会,结果三分钟听着老外说「做了一个艰难的决定」,全部研发一锅端。
据第一财经消息,声明指出,中国企业,尤其是民营企业,越来越重视抓住混合云和人工智能技术带来的机遇。
而IBM在中国的本地战略重点则是利用其在技术和咨询方面的丰富经验,组建具备相应技能的团队,帮助中国客户共创符合他们需求的解决方案。
也就是说,研发工作不在中国进行了,但咨询和销售业务继续。
此外,IBM也强调,未来将转向服务中国的民营企业以及部分在中国的跨国企业。
事实上,IBM撤退中国其实也有迹可循。2021年,IBM悄默声地关停了中国研究院CRL
当时被曝原因是内部调整,而研究院本身也很难盈利。
如今IBM两大研发中心CDL和CSL关闭,背后原因是指中国的基础设施业务有所下滑。
其中,中国开发中心(CDL)成立于1999年,是IBM全球最大的软件开发实验室之一。

IBM“广进”进行时

过去一段时间里,IBM全球范围内也已进行了多番裁员。
一边裁员,一边再用AI来补齐。
今年1月,IBM宣布已经裁员3400人。
IBM在财报会议上提出了“劳动力再平衡”,并称这将只影响“非常低的员工比例”。
按照发言人Michael Cable的解释就是:

是生产力的提高推动了“再平衡”,以及我们不断努力让我们员工队伍与客户最需要的技能保持一致。特别是人工智能和混合云等领域。

今年3月,同样没有声明,没有征兆。7分钟员工会议上,IBM营销和通讯部门被裁撤。

image

该公司首席执行官 Arvind Krishna早前就表示,

公司将在未来五年内,用人工智能取代8000个岗位工作。

当时IBM就预计到2024年底,员工人数仍与年初持平。
与之相应的是在AI投资的加大。去年5月,IBM 宣布推出WatsonX,号称是一个开发工作室,供企业“训练、调整和部署” 机器学习模型。11月,还成立名为IBM Enterprise AI Venture Fund 的创投基金,资金额为5亿美元。
虽然不会知道此番裁撤是否也是IBM广进计划的一部分,但IBM关闭中国区研发业务,也的的确确标志着一个时代的落幕。
从新中国成立第一台IBM中型计算机,到80年带中后期落地北京上海办事处,几十年发展,中国大大小小几十个城市都有它相应的业务,覆盖金融、能源等关键领域。
1995年9月,IBM中国研究院,是IBM在全球设立的12家研究实验室之一,也是其在发展中国家设立的第一个研究中心。研究领域涉及人工智能、云计算、认知医疗、物联网以及区块链等方面。
他们多次立于行业之前,推出前沿性产品以及提出前瞻性技术概念。
早在上一轮AI浪潮之初,IBM就已经实现了智能问答系统,成为NLP、机器学习领域的头号玩家。放在当时极具前沿性的AI医疗代表Watson,结果被IBM大举引进国内。不过之后因为种种原因而败走中国。还有像物联网领域,早在2014年,IBM中国研究院也率先提出了“物联网3.0”的理念。
而从IBM出来的研究员们,如今也成为国内技术创新的中坚力量。
蓝色巨人不仅影响了一个全球范围内的时代,也推动了中国科技发展的进程。
但现在,长江水后浪推前浪,尘世上一代新人换旧人,IBM的时代,在竞争最激烈的中国率先结束了。

参考链接:
[1] 第一财经
[2] 微信公众号

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

李飞飞反对,马斯克、Hinton、Bengio支持,加州AI监管法案即将尘埃落定

历时半年的 SB 1047法案投票将于近日迎来大结局。

「这是一个艰难的决定,会让一些人感到不安。


但是,综合考虑所有因素,我认为加州或许应该通过 SB 1047 人工智能安全法案。二十多年来,我一直是人工智能监管的倡导者,正如我们对任何对公众存在潜在风险的产品 / 技术进行监管一样。」刚刚,马斯克发了这样一则推文。

图片

马斯克提到的 SB 1047 全称是「Safe and Secure Innovation for Frontier Artificial Intelligence Act(《前沿人工智能模型安全创新法案》)」,旨在为高风险的 AI 模型建立明确的安全标准,以防止其被滥用或引发灾难性后果。

具体来说,该法案旨在从模型层面对人工智能进行监管,适用于在特定计算和成本阈值之上训练的模型。但如果严格按照规定的计算和成本阈值来算,现在市面上所有主流的大型模型都会被认为存在「潜在危险」。而且,法案要求模型背后的开发公司对其模型的下游使用或修改承担法律责任,这被认为会给开源模型的发布带来「寒蝉效应」。

图片

该法案于今年 2 月份在参议院被提出,随后一直争议不断。很多科学家认为,法案的条款过于不合理,将对科技创新造成毁灭性的影响。前段时间,李飞飞亲自撰文,阐述了法案可能带来的诸多不利影响。加州大学的数十名师生签署了联名信,以反对这一法案(参见[link](http://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650929304&idx=2&sn=b443b9da3c0a4037551d9079d0670492&chksm=84e43ce6b393b5f0d46d612dd2ce1d0f09e875c767f2be130e8d7a459903f058ae93853118c2)。

在反对声浪如此高涨的当下,马斯克的态度多少有点出人意料。毕竟一旦法案通过,他创建的 xAI 所训练的 Grok 系列模型也会被纳入监管范围,而且研发进度也可能受到影响。

图片

与此同时,他的竞争对手 OpenAI 最近宣布反对该法案,转而支持替代法案。

SB 1047 将于本周在州立法机关进行投票。如果在 8 月 31 日立法会议结束前获得通过,它将被提交给州长 Gavin Newsom,他将在 9 月 30 日之前签署或否决该法案。

OpenAI:人工智能革命才刚刚开始,SB 1047 将逼走世界级人才

前段时间,OpenAI 发布了一封公开信,反对 SB 1047 法案。公开信指出,该法案将损害人工智能行业的创新,而且该问题的监管应该来自联邦政府,而不是各州。

OpenAI 首席战略官 Jason Kwon 在信中写道:「人工智能革命才刚刚开始,加州作为人工智能全球领导者的独特地位正在推动该州的经济发展。SB 1047 将威胁这种增长,减缓创新步伐,并导致世界级的工程师和企业家离开该州,在其他地方寻找更大的机会。」

据一位知情人士透露,由于担心加州监管环境的不确定性,OpenAI 暂停了关于扩大其旧金山办事处的对话。

法案起草者、加州参议员 Scott Wiener 在一份声明中为拟议中的立法进行了辩护,并表示 OpenAI 的信「没有批评法案中的任何一项条款」。他还表示,关于人工智能人才离开该州的论点「毫无意义」,因为该法律将适用于任何在加州开展业务的公司,无论其办公室位于何处。

Anthropic、Hinton、Bengio 支持 SB 1047

其实,在 OpenAI 发布公开信之前,SB 1047 已经经过了一番修改,以安抚科技公司,主要修订如下:

图片

据悉,部分修改意见由另一家人工智能科技公司 Anthropic 提出。最近,该公司公开表示支持修订后的法案,但也并非毫无保留。

「根据我们的评估,新的 SB 1047 已经有了很大的改进,我们认为它的好处可能超过成本,」Anthropic CEO Dario Amodei 在 8 月 21 日给加州州长 Gavin Newsom 的一封信中说。「然而,我们对此并不确定,该法案的某些方面对我们来说似乎令人担忧或模棱两可。」

除了 Anthropic 和马斯克,SB 1047 还获得了包括 Geoffrey Hinton 和 Yoshua Bengio 在内的知名人工智能研究人员的支持,他们强调了平衡创新与安全的重要性。Hinton 称赞该法案方法合理,强调了需要有针对强大人工智能系统风险的立法。

图片

对于两位好友的看法,和他们一起获得 2018 年图灵奖的 Yann LeCun 表示完全不同意。他既不相信现在的大模型能达到超人水平,也不认为超级 AI 必然主宰人类。在他看来,现在对 AI 进行严格监管还为时过早。

图片

支持标记 AI 生成的内容

虽然反对 SB 1047,但其实大部分 AI 研究者、科技公司并非完全反对监管,而是反对 SB 1047 里的监管方法。

例如,在对人工智能生成的内容进行标记方面,加州一项法案最近就取得了新进展。

据 TechCrunch 报道,OpenAI、Adobe 和微软已支持加州一项法案 ——AB 3211,该法案要求科技公司对人工智能生成的内容进行标记。

AB 3211 法案将于八月进行最终投票。该法案要求人工智能生成的照片、视频和音频剪辑的元数据中包含水印。许多人工智能公司已经这样做了,但大多数人不阅读元数据。AB 3211 法案还要求 Instagram、X 等大型在线平台以普通网友可以理解的方式标记人工智能生成的内容。

OpenAI、Adobe 和微软是内容来源和真实性联盟(C2PA)的成员。从今年早些时候开始,OpenAI 已经向由 DALL・E 3、ChatGPT 和 OpenAI API 创建和编辑的图像中添加了 C2PA 元数据。

图片

值得注意的是,商业软件联盟 BSA(成员包括 Adobe、微软等)在 4 月份曾表示反对 AB 3211 法案,他们在致加州立法者的一封信中称该法案「不可行」且「过于繁重」。然而,该法案的修正案似乎改变了他们的想法。

图片
图片

不过,科研人员对 SB 1047 法案的态度似乎没这么容易转变。特别是,以 OpenAI 为代表的科技公司一直持反对意见。SB 1047 法案的最终投票结果可能会在人工智能行业激起一些风浪。

参考链接:

https://techcrunch.com/2024/08/26/elon-musk-unexpectedly-offers-support-for-californias-ai-bill/

https://techcrunch.com/2024/08/26/openai-adobe-microsoft-support-california-bill-requiring-watermarks-on-ai-content/

https://x.com/elonmusk/status/1828205685386936567

https://campustechnology.com/Articles/2024/08/26/Anthropic-Announces-Cautious-Support-for-New-California-AI-Regulation-Legislation.aspx?Page=2


感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

LLM取代的第一个编程语言竟是SQL?网友吵翻天

SQL 即将被 AI 取代,这种说法你同意吗?

一年前,AI 大牛 Andrej Karpathy 曾预言,最热门的新编程语言是英语。

一年后,人工智能及机器学习研究商 Abacus.AI 首席执行官 Bindu Reddy 表示:「LLM 用英语取代的第一个编程语言是 SQL,SQL 生成准确率超过 95%,超过了人类 SQL 程序员(准确率为 92%)的平均水平,大多数数据库产品已经提供了一个 chatbox 接口来查询数据」。


Bindu Reddy 口中的 Chatbox 是一个开源的桌面端程序,Prompt 的调试与管理工具,支持 OpenAI 模型、Claude、Google Gemini 等。

从大模型出现以来,改变的不仅是文字、图片生成领域,还有编程领域。这些 AI 助手给句提示就能自主学习新技术、构建和部署应用程序、以及自主查找和修复代码中的 Bug。一时间,AI 取代程序员的争论不断。我们暂且不管这种说法结论如何,但 AI 已经确确实实的影响到了每一位开发者。

就连 Karpathy 都表示自己基本上无法再回到三年前那种「无辅助」编码的状态了。

英伟达首席执行官黄仁勋在一次关于人工智能未来的演讲中也曾表示,在过去 10 年、15 年的时间里,你会告诉自己的孩子学习计算机科学至关重要。但现在情况几乎相反,人工智能所带来的奇迹可以让每个人都成为程序员。

我们不难看出,黄仁勋的观点与 Reddy 言论不谋而合。

不过,Bindu Reddy 一言既出,不少质疑也冒了出来:「你声称(LLM 生成)SQL 准确率高达 95%,有什么文献或者统计支撑吗?」

Bindu 立马给出了回击,她贴出了两个示例片段,片段展示的正是 Bindu 家的一款 AI 工具。如下所示要求 AI 筛选同时符合选中特征的店铺和销售,但不要统计店铺关闭时的数据:

它就自动把代码都写好了,距离完成工作,只差一个复制到数据库的动作。

稍微复杂的任务它也能搞定,只需要说清楚你想要的这组数不包含指定期间的数据,并统计每个港口的平均出发延误时间。不需要进一步提示,AI 助手自己就能分析出解题思路,并写出按条件过滤数据,并把几个表格关联起来计算平均值的 SQL 代码。

看完展示,有网友表示,AI 写 SQL 的效果这么好,似乎也合情合理。因为相比 Java、Python 等编程语言,SQL 中有 90% 是英语,它主要用于和数据库交互,在格式上相对固定,需要填空的部分比较少,模型产生「幻觉」的空间有限。

然而,也有在日常工作中经常用大模型生成 SQL 代码的网友得到了另一番体验:「到目前为止,ChatGPT 或 Perplexity 生成的 SQL 查询还没有一个不需要大量重写的。」

他表示,这和用 AI 写代码差不多:「确实可以节省时间,但远不能代替开发人员。」

这是因为大模型经常犯错,并且「不长记性」,还总是在同一个地方翻车。常见错误有:语法问题,混淆了 SQL Server、Postgres 等不同平台的语法;使用了在某些平台无效的函数;缺少别名;在不同平台之间迁移代码时表现得很差。虽然挑了一堆错,这位网友还是认同 AI 写 SQL 的能力的:「尽管如此,它仍然比手写要好。」

不过他已经被 Bindu 拉黑了,这让人很难不怀疑,Bindu 只是在推广自家产品。

这位网友进一步质疑道:「当脱离了基准测试里的简单任务,需要做比较复杂的查询时,不会所有 AI 工具都失效了吧。」

评论区也有很多工作中常用 SQL 的网友与他有同感:

「AI 会写 SQL 与能写高效且性能优良的复杂 SQL 是两码事。」

「写 SQL 查询很容易,但想要优化查询,需要在工作中积累经验和基于真实世界的知识,这是 AI 未能实现的。」

「我每天都用大模型,它们无法进行复杂的查询。任何超过一个 CTE 的内容,我都必须手动拆分。拆起来需要你会编程,否则只会白费几天的时间。」

甚至还引来了 Hacker News 官方下场发表评论:「SQL 的核心不在于语言本身,而在于它能够查询和操作复杂的数据结构。」在他看来,提出正确的问题和理解数据结构可能比语法本身更为关键。

除了从亲身体验的角度对 Bindu 提出质疑之外,还有一些专业人员摆出了现成的数据。在基础测试集 Text-To-SQL on Spider 中,目前的 Sota 模型的准确度是 87.6%。

在另一个注重策略针对大型数据库的基准测试集中,最好的方法准确率也仅为 72.28%,远不及 95%。

目前,也有不少科技公司推出了用大模型提升数据处理和查询分析的产品,比如火山引擎数智平台 VeDI—AI 助手、 Kyligence Copilot AI、ThoughtSpot 等。不过,这些企业解决方案面向的是专业用户和团队,而像 Abacus.AI 这样的个人 SQL 助手可能更侧重于帮助「小白」快速上手。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

大模型时代,绿色计算这条路该怎么走?

人工智能时代,大模型的发展带来了智能算力需求的大爆发。据估算,自2012年以来,人工智能模型训练算力需求每3~4个月就翻一番,每年训练AI模型所需算力增长幅度高达10倍,将带来急剧上升的能耗和成本。


如何构建绿色低碳、高经济性、高质量的大规模智算基础设施,实现智能算力时代的可持续发展,已成为行业内关注的热点话题。

2024 Inclusion · 外滩大会期间,由蚂蚁集团、上海市通信学会算力浦江专委会主办,开放数据中心委员会、中关村标准化协会、中关村金融科技产业发展联盟、北京前沿金融监管科技研究院支持的“绿色计算:大规模智能算力时代可持续发展之路”闭门会,将于9月4号下午在黄浦世博园区·C7馆举办。

本场闭门会汇集端到端的绿色计算产业链上的代表厂商,将从智能计算软硬件基础设施到大模型训推工程的全栈视角出发,探讨产业各方如何通力合作,建立绿色高效、软硬协同的算力基础设施,并由此实现智能发展和双碳目标的平衡。我们相信,通过汇集行业内一线专家与意见领袖,必能实现观点间的碰撞,由此激荡出前瞻性思考的火花。

热点话题,共议未来:大模型时代下,算力产业链上的各方如何进行绿色升级?多元算力背景下,如何通过软硬协同构建高质量算力基础设施?双碳目标下,企业如何平衡智算发展与碳中和规划?面向企业智算发展中的一线问题,我们旨在深入剖析,共议未来。

定向研讨,高端对话:汇集政府领导、头部企业算力/可持续发展负责人、芯片与编译公司创始人/CEO等嘉宾,深度洞察分享行业前沿实践,高端对话共研发展难题,共同探讨面向未来的绿色计算解决路径。闭门会形式定向邀请观众,构建可信、开放、高质量的高端对话平台。

业界关注,生态共建:由上海市通信学会算力浦江专委会与蚂蚁集团联合主办,开放数据中心委员会、中关村标准化协会、中关村金融科技产业发展联盟、北京前沿金融监管科技研究院等机构共同支持,旨在从业界实践中来,回归业界洞察中去。

*注:本次闭门会议为定向邀约制,需凭定向票务入场。目前主要面向大模型、智能计算、ESG等领域企业负责人、高校学者、科研人员、科技政策工作者等。如欲报名,请扫描下方二维码填写“绿色计算:大规模智能算力时代可持续发展之路”报名表用于确认您的身份,并通过短信或其他方式向您发送资质审核结果及参会方式。


图片

图片
(请支付宝扫码打开)

图片



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

识别精度高达76.32%,浙大、之江团队用深度学习加速大规模药物发现和再利用

编辑 | 萝卜皮
大规模药物研发和再利用具有挑战性。确定作用机制 (MOA) 至关重要,但目前的方法成本高昂且通量低。


在这里,浙江大学、之江实验室以及斯坦福大学的研究人员介绍了一种通过分析线粒体表型变化来识别 MOA 的方法。
通过对线粒体形态和膜电位进行时间成像,研究人员建立了监测时间分辨线粒体图像的流程,得到了一个数据集,其中包含 570,096 张暴露于 1,068 种美国食品和药物管理局批准药物的细胞单细胞图像。
该团队开发了一种名为 MitoReID 的深度学习模型,该模型使用重新识别 (ReID) 框架和 Inflated 3D ResNet 主干。它提供了一种自动化且经济高效的靶标识别替代方法,可以加速大规模药物发现和再利用。
该研究以「Deep learning large-scale drug discovery and repurposing」为题,于 2024 年 8 月 21 日发布在《Nature Computational Science》。
线粒体形态、膜电位和氧化还原状态已被用于识别功能化合物或遗传扰动的影响;然而,过去的研究仅侧重于提取有限数量的形态特征,导致大量有助于改善目标识别的信息丢失。
为了解决这一限制,浙江大学、之江实验室以及斯坦福大学的研究人员在此引入了时间维度来评估暴露于具有不同作用机理的化合物后的线粒体形态和膜电位。
具体来说,研究人员生成了一个由 1,000 多种美国食品药品管理局 (FDA) 批准的药物治疗的线粒体表型数据集,涵盖 16 个时间点的 570,096 张单细胞图像。
传统的机器学习技术无法充分区分线粒体表型和 MOA 之间的关系,因为在识别时间数据的复杂性方面缺乏兼容性。
因此,该团队通过一种名为 MitoReID 的深度学习模型开发了一种基于线粒体分析的 MOA 识别方法。通过将大规模纵向线粒体动力学监测与深度学习方法相结合,研究人员成功建立了一种快速、自动化、无偏的预测化学物质 MOA 的方法。

深度学习识别MOA框架

MitoReID 框架由四个基本部分组成。
首先,建立一个强大的细胞损伤模型,并将其暴露于 1,068 种 FDA 批准的药物中,以观察应激反应。通过严格的高通量方法,特别关注线粒体形态和膜电位,收集时间序列图像,作为原始数据集的基础。
随后,在重新识别 (ReID) 框架内对这些图像序列进行了创新的深度学习模型 MitoReID 的训练。
在后续阶段,使用训练后的模型提取未见药物和天然化合物的特征。然后使用余弦距离将这些特征与 FDA 批准药物的特征进行匹配,并将与最接近的药物相关的 MOA 推断为预测。
最后,进行了体外生化实验,以验证未鉴定天然化合物的假设作用机理。

这个全面的概念框架提供了一种方法来观察细胞对各种 FDA 批准的化合物和天然物质的复杂应激反应,有可能产生新的候选药物并阐明以前未知的作用机理。

更高效更准确

经过评估,该算法能够将 477 种 FDA 批准药物准确地分类为 38 种已知的 MOA,并正确识别六种未知的 FDA 批准药物和数十种天然化合物的 MOA。
它在测试集上实现了 76.32% 的 Rank-1 和 65.92% 的平均精度,并根据线粒体表型成功识别了六种未经训练的药物的 MOA。
此外,MitoReID 还确定环氧合酶 2 抑制是茶中天然化合物表儿茶素的作用机制,并在体外成功验证。

MitoReID 表现出预测未见药物和天然化合物的 MOA 的潜力,这可能促进基于细胞器表型相似性的大规模药物发现和重新利用。
MitoReID 的一个突出优势是它能够捕捉全面的线粒体特征,超越了传统形态测量技术的能力。该模型自主学习并整合线粒体形状和时间动态等全局特征,无需…

论文链接:https://www.nature.com/articles/s43588-024-00679-4



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

元象推出国内首个基于物理的3D动作生成模型MotionGen

一句话生成复杂3D动作,效果惊艳!测试期可申请免费试用。

3D内容制作领域,生成逼真的角色动作生成是一个持续挑战,传统方法依赖大量的手K制作,或昂贵动作捕捉设备,效率低、成本高、难以生成一般运动任务或适应复杂场景和交互。


元象XVERSE推出国内首个基于物理的3D动作生成模型MotionGen,创新性融合大模型、物理仿真和强化学习等前沿算法,让用户输入简单文本指令,就能快速生成逼真、流畅、复杂的3D动作,效果惊艳,标志着中国3D AIGC领域的重大突破。

现在起,零经验创作者也能轻松上手,创造高质量动画,为动画、游戏、电影和虚拟现实行业带来了极高创作自由度。

作为国内领先的AI+3D公司,元象研发了多款创新AIGC工具,包括广东首批获国家备案的元象大模型、图文多模态大模型、基于3DGS革命性技术的3D场景生成工具、让“虚拟世界活起来”的3D动作自动生成算法等。元象的目标是持续提升认知智能(AI)和感知智能(3D),加快迈向通用人工智能(AGI),让每个人能自由地“定义你的世界”。

3D动作生成效果

通过精准文本解析、真实物理规则解析以及动作和风格上的多样性,模型支持从基础行走到复杂的肢体运动的各类动作创意需求,使3D角色动画制作更加高效。

精准文本理解

能够深入分析复杂的长句指令,根据复杂语义准确生成相应的动作,实现文本到动作的无缝连接,为3D角色提供了广泛的行为选择。

例子:一个人用右臂向下拍打某物,然后用右腿向某物踢两下,同时顺时针旋转。

动作丰富性

能够创造出多种类型的动作,覆盖了行走、奔跑、跳跃、踢击、旋转、打击、拉伸和弯腰等,为3D角色提供了广泛的行为选择。

例子:不同类型动作的集合。

真实物理仿真

所生成的动作不仅符合描述要求,而且会根据实际物理环境做出自然的调整,动作连贯且符合物理真实(如下图:角色冲刺后自主进行刹车)。

例子:一个人弯下腰,摆好起始姿势,然后冲刺出去。

风格多样性

即便是执行同一种动作,模型也能够根据文本中描述的微妙差异来呈现不同的风格变化,这让每个动作都具有独特性和可识别性。

例子:不同风格的走路姿势。

MotionGen技术实现

3D动作生成的传统方法存在诸多挑战:运动控制器(motion controller)方法,设定参数后能生成简单动作,但无法生成复杂动作;时空优化(spacetime optimization)方法,通过优化每帧位置和姿态,能生成流畅复杂的动作,但需精心设计目标函数和手动调参,工作量大,动作也无法复用到变化的环境或任务中;运动学(kinematic)方法,能生成高质量的单个动作,但处理不好重力和惯性等物理约束,连续动作会不够真实;基于物理的运动控制方法,对角色的每个关键施加力和力矩,让动作符合物理规律,但无法…

Continue Reading…

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

曾是Nvidia创始人的Curtis Priem认为纽约州北部可以成为下一个硅谷

曾是Nvidia创始人的Curtis Priem相信,纽约州哈德逊河谷地区有潜力成为下一个科技热点,发展出类似硅谷在社交媒体领域或马萨诸塞州剑桥在生物技术领域的地位。


“量子吊灯”坐落在纽约特洛伊市雷恩塞拉理工学院校园内的一间玻璃盒子中,是将纽约州北部打造成先进技术中心的雄心壮志的象征。这个银色的科幻物体以悬挂、冷却和隔离其处理器的内部金色格子而得名,它是一个“量子计算系统”的核心,可能预示着一个新的计算时代。这正是Nvidia的联合创始人之一、价值2.8万亿美元的人工智能硬件和软件公司的Curtis Priem梦想的中心,他希望将雷恩塞拉(RPI)打造成一个先进计算中心,并将纽约州北部地区重新塑造成一个新的硅谷。

Priem已将他的一大部分财富投入到建设Curtis Priem量子星座项目中——这是为RPI学生构想的量子计算未来的工作坊。正如在Nvidia时,他作为首席技术官有自由构想支撑人工智能革命的图形芯片架构一样,他希望自己的投资将在该地区引发一个计算驱动创新的新时代。

Priem押注的是,从位于纽约约克敦海茲的IBM量子实验室,一直延伸到特洛伊市的RPI和Suny的纳米技术综合体,再到西边的锡拉库斯,Micron正在建造一个价值1000亿美元的超级晶圆厂综合体,这一区域将成为美国计算技术的未来之家。

为了实现这一目标,他超越了对人工智能及Nvidia H100图形处理单元(GPU)成功的关注,这些GPU支撑着多达90%的生成式人工智能系统。

(文末省略)



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Telegram创始人被拘留,对社交媒体公司监管意味着什么

所以我们已经进入了社交网络主要CEO被拘留的世界。


这是一个相当大的转变,而且并非以任何人预期的方式发生。来自布鲁塞尔的Jennifer Rankin:
法国司法当局周日延长了电报创始人、俄罗斯出生的 Pavel Durov 在巴黎机场被捕后的拘留时间,涉嫌与该消息应用程序有关的罪行。
在这一拘留阶段结束时,法官可以决定释放他,或提出指控并将其继续羁押。
法国调查人员已发布了针对杜罗夫的逮捕令,作为针对欺诈、毒品走私、有组织犯罪、恐怖主义宣传和网络欺凌指控调查的一部分。
杜罗夫——除了俄罗斯出生的国家之外,还拥有法国、阿联酋、圣基茨和尼维斯等国籍——在从阿塞拜疆首都巴库返回后下飞机时被捕。周日晚间,电报发布了一份声明:
⚖️ 电报遵守欧盟法律,包括数字服务法,其内容审查在行业标准内并不断改进。
✈️ 电报的CEO Pavel Durov 毫无隐瞒,并经常在欧洲旅行。
😵‍💫 声称某个平台或其所有者对该平台的滥用负责是荒谬的。
周一,法国当局表示杜罗夫的逮捕是对网络犯罪调查的一部分:
巴黎检察官 Laure Beccuau 表示,该调查涉及非法交易、儿童性虐待、欺诈以及拒绝向当局通报信息的罪行。
从表面上看,这一逮捕似乎是与常规的尖锐分歧。政府以前曾与消息平台提供商交换过强烈言辞,但很少出现逮捕情况。当类似 Silk Road 的案例中的平台运营商被逮捕时,比如 Ross Ulbricht 和 Megaupload 的 Kim Dotcom,通常是因为当局可以辩称,如果没有犯罪,该平台根本不会存在。电报长期以来一直是低度内容监管的服务,部分原因是因为其起源于聊天应用而不是社交网络,部分原因是由于杜罗夫自己与俄罗斯审查办法打交道的经验,以及在很大程度上,是因为拥有较少的内容管理员和对平台的较少亲身控制是更廉价。但即使软性审查团队可能会在类似英国的《在线安全法案》和欧盟的《数字服务法案》等法律下面临罚款,但很少会导致个人指控,更罕见的是这些指控会导致执行人员被羁押。加密但是电报有一个与 WhatsApp 和 Signal 等同行稍有不同的特点,即该服务没有端对端加密。WhatsApp、Signal 和苹果的 iMessage 从根本上就是为阻止除了预期接收者之外的任何人阅读在这些服务上共享的内容而构建的。这包括经营平台的公司,以及可能请求他们帮助的任何执法部门。这引起了一些世界上最大的科技公司与对其进行监管的政府之间不尽外间的摩擦,但目前看来,科技公司似乎已经赢得了主要战斗。现在没有人真正要求端对端加密被取缔了,监管机构和批评者反而要求采取“客户端扫描”等方法来尝试以另一种方式监管消息服务。电报不同。该服务确实提供端对端加密,通过一个不常用的名为“秘密聊天”的选择性功能,但默认情况下,只有通过 “秘密聊天” 发送的消息被加密,通常人们无法通过您的 WiFi 网络连接来阅读。对于电报本身来说,发送到“秘密聊天”之外的任何消息——包括每个群聊、服务的每条消息和评论以及广播 “频道” 的消息——效果上是明文传输。这个产品决定使电报在某种程度上与 WhatsApp 和 Signal等同行有所不同。但是,令人奇怪的是,公司的营销暗示这种区别几乎完全相反。密码学专家马修·格林:
电报 CEO Pavel Durov 一直在积极地营销电报作为一款“安全信使”。最近,他在自己的电报频道上对 Signal 和 WhatsApp 发表了严厉批评,暗示这两个系统被美国政府设置了后门,只有电报的独立加密协议才真正值得信赖。
看到电报组织鼓动人们远离默认加密信使,同时拒绝实施将广泛加密他们自己用户消息的基本功能,这不再感到有趣。事实上,这开始感觉有点恶意。无论是可以还是不可以在全屏中查看图像在莫斯科法国大使馆附近支持 Pavel Durov 后电报创始人在法国被捕后放置的纸飞机。照片:尤利娅·莫洛佐娃/路透社这种电报技术与营销之间不匹配的结果是一个不幸的事实。该公司——以及个人杜罗夫——将其应用程序营销给那些担心 WhatsApp 甚至 Signal,即被认为是安全信使的金标准,对于他们的需求来说并不安全,特别是并不安全防范美国政府。与此同时,如果一个政府来找电报要求有关某个真实或被认为是错误者的信息,电报没有像同行那样的保护。一个端对端加密的服务可以真诚地告诉执法部门它无法帮助他们。从长远来看,这往往会引起相当敌对的氛围,但同时也将对隐私与执法之间的原则进行广泛对话。相比之下,电报必须做出选择。不管是帮助执法部门,还是忽视他们,或者积极表示不会合作。这与在线公司的绝大多数公司面临的选择没有什么不同,从亚马逊到 Zoopla,但只有电报的用户群包括那些想要对抗执法部门的用户。每次电报表示同意警方,都会惹恼那些用户群。每次说“不”,都会与执法机关进行一场风险游戏。法国与电报之间的分歧将不可避免地转化为一场关于“内容审查”的对话,支持者会相应聚集(埃隆·马斯克已经插手其中,发推文“#FreePavel”)。但这种对话通常是关于公开发布的内容:关于 X 或 Facebook 应该或不应该如何管理其网站上的言论。私人和群组消息服务是一种根本不同的服务,这就是端对端加密主流服务存在的原因。但在试图跨越这两个市场的同时,电报可能已经失去了任一防御。提问的最后时刻我的卫报生活即将结束,下周的电子邮件将交给你们,读者。如果您有任何想要知道答案的问题,多年来一直困扰着您的问题,或者如果您对 Techscape 的内部运作感到好奇,请回复此电子邮件或直接与我联系,邮箱地址为 alex.hern@theguardian.com。问我任何问题。如果您想阅读完整版的新闻稿,请订阅,从而每周二在收件箱中接收 TechScape。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

比红杉还猛!7个月投资8家AI公司,智谱为什么投得这么凶?

今年,一级市场一个普遍感受是,虽然AI大模型融资很热闹,但机构在AI领域的出手却越来越谨慎。

但就是在这种环境下,一家大模型公司却开始了“疯狂”投资,那就是智谱AI(以下简称“智谱”)。


根据IT桔子数据,从2023年开始,智谱投资了15个项目,光在今年就出手了8次,其中还包括花了数亿元收购聆心智能。

这样的投资强度,甚至比红杉、金沙江创投等一线机构还猛。凭借7个月投资8家公司的成绩,也让智谱成功超越商汤,成为近年来投资最猛的AI公司。

那么问题来了,为什么智谱要如此频繁地对外投资?‍

从方向上看,智谱对大模型产业上中下游进行了全方位的覆盖,既包括行云集成电路、无问芯穹、基流科技等基础设施公司,也有面壁智能、生数科技等模型层公司。

而在应用层,智谱也拿下了不少明星项目,比如面向法律领域的幂律智能,还有前妙鸭产品经理张月光的创业公司沐言智能。

除了覆盖全产业链外,智谱还对清华系的创业者情有独钟。

根据乌鸦君统计,在这15个项目里,13家公司有创始人的公开资料,其中11家创始人来自清华大学。比如,智谱AI收购的聆心智能,其创始人黄民烈担任了清华大…



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

3分钟千人被裁,IBM中国大败退

文章来源:量子位
白交 发自 凹非寺
量子位 | 公众号 QbitAI

图片来源:由GPTNB生成

“三分钟的全员会议,让IBM中国研发业务全线关闭。一千多人命运被改变,一个时代也就此落幕。


多方消息称,此次中国区关闭主要涉及两条业务线:
一个是IBM中国开发中心(CDL),另一个是IBM中国系统中心(CSL),主要负责研发和测试。
相关员工将获得N+3赔偿。
这个周末,有关IBM撤退中国的消息搞得人心惶惶。起因是上周五晚,IBM中国关闭了内网访问权限,波及范围涉及研发和测试在内的一千多位核心员工。
由于事发突然,当晚不少人甚至还在加班,就被踢出了内部群组。

Image

为此,IBM中国同第一财经回应称:
“IBM会根据需要调整运营,为客户提供最佳服务,这些变化不会影响我们为大中华区客户提供支持的能力。”
换言之,研发部门撤退中国是真,还想继续服务赚钱也是真。

IBM将彻底关闭中国区业务:员工N+3赔偿

今天上午,IBM全球企业系统开发部副总裁Jack Hergenrother在全员大会上宣布,决定将中国系统实验室的研发工作转移到海外其他IBM基础设施基地。
目前,IBM正在退出在中国所有发展业务。
有自称是员工的表示,周一冒着大雨来参加全员大会,结果三分钟听着老外说「做了一个艰难的决定」,全部研发一锅端。

据第一财经消息,声明指出,中国企业,尤其是民营企业,越来越重视抓住混合云和人工智能技术带来的机遇。
而IBM在中国的本地战略重点则是利用其在技术和咨询方面的丰富经验,组建具备相应技能的团队,帮助中国客户共创符合他们需求的解决方案。
也就是说,研发工作不在中国进行了,但咨询和销售业务继续。[…]

Image

当时被曝原因是内部调整,而研究院本身也很难盈利。

如今IBM两大研发中心CDL和CSL关闭,背后原因是指中国的基础设施业务有所下滑。
其中,中国开发中心(CDL)成立于1999年,是IBM全球最大的软件开发实验室之一。

IBM“广进”进行时

过去一段时间里,IBM全球范围内也已进行了多番裁员。
一边裁员,一边再用AI来补齐。
今年1月,IBM宣布已经裁员3400人。
IBM在财报会议上提出了“劳动力再平衡”,并称这将只影响“非常低的员工比例”。
[…]

Image

该公司首席执行官 Arvind Krishna早前就表示,
“公司将在未来五年内,用人工智能取代8000个岗位工作。”
当时IBM就预计到2024年底,员工人数仍与年初持平。
与之相应的是在AI投资的加大。去年5月,IBM 宣布推出WatsonX,号称是一个开发工作室,供企业“训练、调整和部署” 机器学习模型。11月,还成立名为IBM Enterprise AI Venture Fund 的创投基金,资金额为5亿美元。

虽然不会知道此番裁撤是否也是IBM广进计划的一部分,但IBM关闭中国区研发业务,也的的确确标志着一个时代的落幕。
[…]

参考链接:
1
2

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB