3D 生成，一直在等待它的「ChatGPT时刻」。

一直以来，创作 3D 内容是设计和开发视频游戏、增强现实、虚拟现实以及影视特效中最重要的部分。

---

然而，3D 生成具有独特而艰巨的挑战，这是图像和视频等其他生成内容所不具备的。

首先，3D 内容在艺术质量、生成速度、3D 网格结构和拓扑质量、UV 贴图结构以及纹理清晰度和分辨率方面具有严格的标准；其次，与其他研究相比，可用的数据量少。虽然该领域有数十亿张图像和视频可供学习，但可用于训练的 3D 内容数量要少三到四个数量级。因此，现阶段的3D 生成还必须从非 3D 的图像和视频中学习，而且需要从部分 2D 观察中推断出 3D 信息；传统方法生成的3D 资源通常难以实现逼真的照明和材质属性，从而限制了它们在专业工作流程中的实用性；3D生成是一个非常耗费算力的过程，主要因为它涉及到复杂的计算和大量的数据处理，如实时渲染、细节处理。并且由于算力不够，可能会导致生成速度非常慢。

在生成式AI爆发的当下，很多研究者开始尝试针对以上问题提出解决方案。

刚刚，Meta发布了最新系统Meta 3D Gen (3DGen)，其用不到一分钟的时间，就能直接从文本生成3D资产。

论文地址：https://ai.meta.com/research/publications/meta-3d-gen/?continueFlag=24428397aaeb0cc6751570d48a532d36

3DGen支持基于物理的渲染 (PBR)，这是在实际应用中重新照明 3D 资产所必需的。此外，3DGen 还支持使用用户提供的额外文本输入对先前生成的（或艺术家创建的）3D 形状进行重新纹理化。

比如下面所展示的，借助3DGen，研究者渲染出了一只金属色的小狗：

未来感满满的机器人：

3DGen还能对生成的对象纹理进行进一步编辑和定制，同样的方法也可以应用于艺术家创建的3D网格纹理而不需要修改。如下所示，3DGen将艺术家创建的3D资产渲染成彩色的蝴蝶。

蝴蝶「变身」为用粉色和绿色纱线编织的蝴蝶玩具。

通过展示可以看出，即使是复杂的文本提示，3DGen也能很好地遵循指令，生成的3D形状和纹理质量也比较好。

以下是论文中的具体信息。

Meta 3D Gen基本原理

Meta 3D Gen 是一种两阶段方法，包括两个关键组件：用于创建 3D 网格的 Meta 3D AssetGen 和用于生成纹理的 Meta 3D TextureGen。

这些技术协同工作，可生成具有高分辨率纹理和PBR材质的 3D 资产。Meta表示，该流程的速度是现有解决方案的 3 到 10 倍。

第一阶段为3D 资产生成阶段。在这一阶段，根据用户提供的文本提示，Meta 3D AssetGen（简称 AssetGen）创建初始 3D 资产。此步骤生成具有纹理和 PBR 材质贴图的 3D 网格。…

接下来是第二阶段。给定第一阶段生成的 3D 资产和用于生成的初始文本提示，第二阶段将基于该资产和提示生成更高质量的纹理和 PBR 贴图。第二阶段用到了文本到纹理生成器 Meta 3D TextureGen（简称为 TextureGen）。…

此外，给定一个无纹理的 3D 网格和描述其所需外观的提示，第二阶段还可用于从头开始为该 3D 资产生成纹理（网格可以是先前生成的，也可以是艺术家创建的）。…

下图为第一阶段和第二阶段可视化对比。后者往往具有更高的视觉美感，看起来更逼真，细节频率更高。

我们不难发现，3DGen 以 AssetGen 和 TextureGen 为基础，将3D 对象的三个关键信息进行了很好的互补：视图空间（对象的图像）、体积空间（3D 形状和外观）和 UV 空间（纹理）。

此过程从 AssetGen 开始，通过使用一个多视角和多通道文本到图像生成器，生成关于物体的几个相对一致的视图。…

实验对比

[…]

定性质量对比

[…]

3D生成来到「ChatGPT时刻」前夜

3D生成赛道其实一直是资本市场的宠儿。A16Z接连对3D生成赛道出手，除了最近名声大噪的Luma Labs之外，Meta论文中提到的CSM，Google系的Yellow，还有曾经争议较大的Kaedim都是A16Z的被投明星企业。

[…]

扩展阅读：

[…]

---

---

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。

7 月 5 日，2024 世界人工智能大会暨人工智能全球治理高级别会议 —“盘古大模型重塑千行万业” 分论坛于上海世博中心举办。
在 “盘古大模型做难事解难题，以‘智’重塑千行万业” 主题演讲中，华为云 Marketing 部部长董理斌向出席会议的百余名人工智能领域顶尖专家、业界领军人物分享了盘古大模型 5.0 的全新能力，以及盘古大模型深入高铁、钢铁、工业设计、建筑设计、气象等领域，重塑千行万业的应用进展。

---

他表示，盘古大模型 5.0 通过更多的模态和更强的思维能力，重塑云服务，为开发者、客户和伙伴提供更强大、更丰富的智能化能力。

今年，华为云盘古大模型 5.0 在全系列、多模态、强思维三个方面带来全新升级。

• 全系列：盘古大模型 5.0 分别推出了十亿级、百亿级、千亿级、万亿级参数规格的模型，支持应用于不同复杂度的业务场景。
• 强思维：盘古大模型 5.0 将思维链技术与策略搜索深度结合，极大地提升了数学能力、复杂任务规划能力以及工具调用能力。
• 多模态：除了业界支持的文本、图片、视频外，盘古大模型 5.0 还支持雷达、红外、遥感等更多模态，让 AI 更精准地理解物理世界。
  盘古大模型 5.0 的重大升级之一是多模态生成能力的显著增强。在自动驾驶领域，盘古大模型 5.0 通过创新的可控时空生成技术，结合场景视频生成、4D BEV 视频生成、自动驾驶仿真库及路网信息，能更好地理解物理规律，大规模生成和实际场景相一致的驾驶视频数据，还可以灵活增加控制条件，生成不同路况、不同光照、不同天气的训练视频数据，加速自动驾驶技术的快速成熟。
  
  在持续创新技术的同时，华为云深耕行业，“两手沾泥”，组织超过 500 名华为专家赴一线、跑工地、进车间，和行业专家一起，将盘古大模型落地到了中国 30 多个行业、400 多个应用场景。
  在钢铁领域，盘古大模型能够对热轧生产线的最优参数进行预测。在切换钢板生产规格时，操作工人往往需要对模型参数进行调整优化，这个过程通常需要耗费至少一周时间。盘古大模型仅需约 4 小时，显着减少调优时间。…
  [Truncated for brevity]

---

---

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。

编辑 | KX

蛋白质的动力学对于理解其机制至关重要。然而，通过计算预测蛋白质动学信息具有挑战性。

---

在此，来自山东大学、百图生科（BioMap）、北京理工大学、湖北医药学院、宁夏医科大学和阿卜杜拉国王科技大学（KAUST）的研究团队，提出了一个神经网络模型 RMSF-net，其优于以前的方法，并在大规模蛋白质动力学数据集中产生最佳结果；该模型可以在几秒钟内准确推断出蛋白质的动力学信息。

通过从实验蛋白质结构数据和低温电子显微镜 (cryo-EM) 数据集成中有效地学习，该方法能够准确识别低温电子显微镜图和 PDB 模型之间的交互式双向约束和监督，以最大限度地提高动力学预测效率。

RMSF-net 是一个可免费使用的工具，将在蛋白质动力学研究中发挥重要作用。

该研究以「Accurate Prediction of Protein Structural Flexibility by Deep Learning Integrating Intricate Atomic Structures and Cryo-EM Density Information」为题，于 7 月 2 日发布在《Nature Communications》上。

论文链接：https://www.nature.com/articles/s41467-024-49858-x

RMSF-net github 地址：https://github.com/XintSong/RMSF-net

蛋白质的动力学对于理解其机制起着至关重要的作用。目前，大多数蛋白质是通过低温电子显微镜（cryo-EM）技术来解决的，其中大分子结构由 3D 密度图表示。

由于低温电子显微镜分析中原始二维粒子图像的分辨率和信噪比较低，在重建过程中无法分辨出微小的构象变化。

深度学习方法已广泛应用于低温电子显微镜图的自动分析。目前，给定一个高分辨率的低温电镜图谱，从低温电镜图谱精确构建一个蛋白质数据库（Protein Data Bank，PDB）模型模型并不困难。然而，这些构建的 PDB 模型没有考虑动力学信息，而从 PDB 模型计算动力学信息仍然是一项困难的分子动力学（MD）模拟任务，通常需要大量的计算资源和时间。

RMSF-net 概述

该研究团队提出了一种用于低温电子显微镜密度图的神经网络模型 RMSF-net，该模型充分利用低温电子显微镜密度和 PDB 模型信息，可以在几秒钟内准确推断出蛋白质的动力学信息。

RMSF 是一种广泛使用的测量方法，用于评估 MD 分析中分子结构的灵活性。该方法的主要目的是预测蛋白质内局部结构（残基、原子）的 RMSF。

图示：RMSF-net。（来源：论文）

除了低温电子显微镜图之外，RMSF-net 还利用 PDB 模型作为额外输入，来产生非常接近 MD 模拟结果的 RMSF 预测。

RMSF-net 是一个三维卷积神经网络，包含两个相互连接的模块。主模块采用 Unet + +(L3) 架构对输入密度框进行特征编码和解码。另一个模块利用 1 核卷积对 Unet + + 主干生成的特征图的通道进行回归。然后将中心裁剪应用于回归模块输出以获得中心 RMSF 子框，其中体素（voxel）值对应于其中包含的原子的 RMSF。最后，使用合并算法将 RMSF 子框在空间上合并为 RMSF 图。

此外，研究人员还构建了一个大规模蛋白质动力学数据集用于 RMSF-net 的训练和验证，其中选择了 335 个具有拟合 PDB 模型的低温电子显微镜结构条目并执行相应的 MD 模拟。综合实验结果证明了 RMSF-net 的效率和有效性。

表：不同 RMSF 预测方法在数据集上的表现。（来源：论文）

特别是，RMSF-net 通过严格的 5 倍交叉验证在测试集上表现出色，与 MD 模拟结果的相关系数达到 0.746±0.127，比 DEFMap 提高了 15%，比基线提高了 10%。

动力学预测的可解释性

接下来，研究人员通过对比实验进一步增强了 RMSF-net 动力学预测的可解释性。通过将仅基于低温电子显微镜图谱的 RMSF 预测过程分为两个步骤（Occ2RMSF-net）：（1）结构信息提取；（2）基于提取的结构信息进行动力学预测。

研究证明了基于低温电子显微镜图谱的模型（如 DEFMap 或 RMSF-net_cryo）的动力学预测主要通过解读蛋白质结构来实现。这凸显了蛋白质拓扑结构与动力学之间的联系，符合结构-功能关系的第一原理。

图示：RMSF-net 与其他相关方法的性能比较。（来源：论文）

此外，通过对 RMSF-net_cryo、RMSF-net_pdb 和最终的双组合 RMSF-net 进行全面比较，证明了：一方面，来自 PDB 模型的结构信息在 RMSF-net 中起主要作用，其中深度模型从 MD 模拟中学习结构拓扑和灵活性之间的模式，另一方面，低温电子显微镜图谱异质密度分布中包含的动力学信息进一步增强了模型。这些结果验证了低温电子显微镜图和 PDB 模型的信息对 RMSF-net 中的蛋白质动力学预测的互补作用。

局限性与未来方向

不可否认的是，RMSF-net 主要限于预测纯蛋白质及其复合物在溶液中的柔韧性。对于蛋白质在与小分子配体结合或在膜环境中的动力学特性，该方法在某些局部区域可能会表现出不准确性。

RMSF-net 的卓越性能揭示了进一步研究该方向的可行性。该研究还没有扩展到核酸和蛋白质-核酸复合物。综合表征大分子动力学的各个方面，包括多构象预测和转变分析，在未来需要进一步进行广泛而深入的研究。

尽管如此，作为预测蛋白质动力学的工具，RMSF-net 由于其优越的性能和超快的处理速度，在蛋白质结构和动力学研究中仍有很大的应用前景。

注：封面来自网络

---

---

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。

2024 年 7 月 5 日，上海 ——2024 世界人工智能大会暨人工智能全球治理高级别会议（WAIC 2024）战略合作伙伴商汤科技召开 “大爱无疆・向新力” 人工智能论坛，发布国内首个所见即所得模型 “日日新 5o”，交互体验对标 GPT-4o，实现全新 AI 交互模式。通过整合跨模态信息，基于声音、文本、图像和视频等多种形式，国内首个所见即所得模型 “日日新 5o” 带来一种全新的 AI 交互模式，即实时的流式多模态交互。

---

现场也为大家展示了这种创新交互模式 ——工作人员刚开始仅是和 “日日新 5o” 打个招呼，它就自动识别出工作人员脖子佩戴的胸卡带子上的字眼，判断出现场就是世界人工智能大会会场，并表示在这个地方可以 “好好学习”。接下来工作人员拿了一只可爱小狗玩偶，“日日新 5o” 准确描述了小狗的外貌、表情以及重要穿戴 —— 一个带着印有商汤科技 logo 白帽子，很给主场人排面。再上些难度，随便翻开一本书的任何一页，“日日新 5o” 都能自动介绍，不是简单的 OCR 识别文字，而是识别图文给出好理解的总结，这一切在瞬间即可完成，真正做到实时交互。工作人员还现场发挥了 “画功”，随手画了一只简笔画小兔子，“日日新 5o” 直呼画得可爱，而后工作人员又画了一个微笑表情，它从这个平静的表情中捕捉到了笑意，工作人员又改了一笔把嘴巴画大增添了舌头，“日日新 5o” 看到后立马说道这表情开心多了。能听会看更会找话题，就如同真人聊天一般的交流对话，这种交互模式特别适用于实时对话和语音识别等应用，其多任务适应性强，能够在同一模型中自然处理多种任务，且根据不同上下文自适应调整行为和输出，能够实现对标 GPT-4o 的交互体验正是源于 “日日新 5.5” 基础模型能力的全面提升。今年 4 月发布的 “日日新 5.0” 是国内首个对标 GPT-4 Turbo 的国产大模型，短短两个多月时间，全新 “日日新 5.5” 体系迎来多项升级，综合性能较 “日日新 5.0” 平均提升 30%，在数学推理、英文能力和指令跟随等能力明显增强，交互效果和多项核心指标实现对标 GPT-4o。“日日新 5.5” 采用混合端云协同专家架构，最大限度发挥云边端协同，降低推理成本，模型训练基于超过 10TB tokens 高质量训练数据，包括大量合成的思维链数据，提升推理思维能力。为了让更多企业用户低门槛接入并使用 “日日新” 大模型体系的强大能力，商汤于近期推出了 “大模型 0 元 Go” 计划。凡是 “日日新” 的新注册用户，都可获得涉及调用、迁徙、训练等多项免费服务大礼包。同时，商汤还将免费赠送 5000 万 Tokens 包，并且派出专属搬家顾问，帮助 OpenAI 用户实现零服务成本迁移。

---

。注意：Title、Date、Body 三个部分的内容，放入到对应的位置。最后只需要按照格式标准输出为Makedown源文件格式内容。

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。

SelfDecode，一家个性化健康和健康公司的领导者，自豪地宣布推出他们的突破性新功能，将改变精准健康领域的格局：DecodyGPT。{ width=60% }

---

这是全球首个精准健康GPT。这一创新工具利用人工智能和个性化健康数据的力量，为用户提供前所未有的定制见解、指导和解决方案。

这一革命性功能的核心是SelfDecode的专有精准健康技术，这是一个复杂的人工智能系统，经过大量遗传信息、实验室测试结果、生活方式因素、症状、疾病和健康目标的数据集训练。通过无缝整合这些数据点，DecodyGPT为用户提供了前所未有的个性化指导和支持，赋予人们关于健康和福祉做出明智决策的权力。

SelfDecode的创始人兼首席执行官Joe Cohen表示：“通过DecodyGPT，我们正在将个性化健康推向一个新水平。这不仅仅是另一个聊天机器人 - 它是一个复杂的人工智能健康教练，了解您独特的基因组成、健康历史和个人目标。无论您是在管理慢性病、优化您的健康日常还是仅仅寻找健康问题的答案，DecodyGPT都会全程指导您。它就像ChatGPT，但可以回答专为您的身体设计的健康问题。”

精准健康GPT的关键功能包括：

• 个性化指导：根据您的DNA、实验室结果、生活方式选择、症状和健康目标获得定制建议和见解。
• 实时支持：无需预约或等待时间，在全天候提供对您健康相关查询的即时响应。
• 全方位方法：受益于一个综合分析，考虑影响您健康的多个因素，包括遗传倾向、环境因素、当前症状或疾病和目标。
• 持续学习：精准健康GPT不断发展，从用户互动中学习，确保推荐始终是最新和相关的。

这一创新功能标志着朝着真正个性化医疗保健迈出了重要一步。通过利用人工智能和数据驱动见解的力量，SelfDecode正在赋予个人掌控他们的健康。

Cohen补充道：“随着我们持续推进精准健康的前沿，我们的使命始终清晰：赋予个人他们需要的知识和工具，过上更健康、更幸福、更长寿的生活。通过DecodyGPT，我们正在让个性化健康对每个人都可及，彻底改变我们对健康和疾病预防的方式。”

DecodyGPT现已对所有SelfDecode用户开放，为探索健康和福祉复杂性带来了变革性的新途径。要了解更多并体验个性化健康的未来，请访问selfdecode.com。

探索AITechPark，了解人工智能、物联网、网络安全、AITech新闻的最新进展，并获得行业专家深入见解！

---

---

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。

Amazon创始人兼执行主席Jeff Bezos计划出售价值近50亿美元的电商巨头股票，监管文件显示，此前该股价创下历史新高。

---

这份关于出售2500万股的拟议通知是在周二的市场收盘后提交的。股价在交易期间一度达到200.43美元的历史最高价。今年迄今为止，股价已经上涨了30%，超过道琼斯工业平均指数4%的涨幅。在售出计划之后，Bezos将拥有约9.12亿股亚马逊股票，占已发行股份的8.8%。他在今年2月时卖出了价值约85亿美元的股票，此前股价在2023年暴涨80%。四月份，亚马逊发布了令人振奋的第一季度业绩，因为这家总部位于西雅图的科技巨头乘着人工智能浪潮。根据《福布斯》的数据，Bezos是世界上第二富有的人，净资产为2144亿美元。他还是太空公司蓝色起源的创始人，该公司于五月份向太空边缘发射了一个六人组。

---

---

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。

发现AI如何通过成功案例和关键策略彻底改变数字营销。{ width=50% }

---

了解个性化、预测分析、内容创作等。AI的快速发展正在彻底改变数字营销，为个性化、效率和客户参与提供前所未有的机会。通过利用先进的算法和机器学习技术，AI正在改变营销人员与其受众的互动方式，预测客户行为，并优化他们的策略以取得更好的结果。本文深入探讨了AI对数字营销的多方面影响，突出展示了正在塑造该行业未来的成功案例和关键战略。AI对数字营销职业和教育的影响AI正在重塑数字营销职业，需要新的技能和知识。随着AI不断融入营销实践，专业人士必须通过掌握数据分析、机器学习和AI工具的专业知识来进行调整。访问DigiPortal以了解职业机会和教育资源。DigiPortal背后的大脑Killian Smith，在软件开发和网络安全领域拥有超过十年的经验。个性化和客户洞察AI通过分析大量数据以获取客户洞悉信息，帮助创建高度个性化的营销活动。机器学习算法可以识别模式和偏好，使营销人员能够将他们的信息定制给个别客户。例如，Netflix和亚马逊使用AI根据用户行为推荐产品和内容，从而提高参与度和满意度。预测性分析和决策AI驱动的预测性分析使营销人员能够预测客户行为并做出明智的决策。通过分析历史数据，AI可以预测未来趋势，帮助企业有效地制定策略。例如，零售商使用预测性分析来优化库存水平和营销活动，从而降低成本并提高客户满意度。AI驱动的内容创作和策划AI工具正在革新内容的创作和策划，使营销人员能够高效生产高质量的内容。像GPT-4这样的工具能够生成从博客文章到社交媒体更新的高质量文本内容。这些工具可以创造引人入胜和相关的内容，为营销人员节省时间和资源。例如，《华盛顿邮报》使用AI撰写新闻文章，使记者能够专注于深入报道。内容优化和SEO AI通过分析关键词、推荐改进措施和跟踪绩效来帮助优化内容以适应搜索引擎。AI驱动的SEO工具可以确定最有效的关键词，建议内容结构，并监控排名。比较传统与AI驱动的SEO策略效率和准确性的表格。传统SEO策略AI驱动SEO策略手动关键词研究自动关键字分析基本绩效跟踪高级性能见解静态优化方法动态内容推荐AI在客户参与和支持中的作用AI通过像聊天机器人和虚拟助手这样的先进技术极大地改善了客户参与和支持。AI动力聊天机器人AI动力聊天机器人提供全天候客户支持，提供个性化的响应，并同时处理多个查询。像H&M和Sephora这样的公司使用聊天机器人来协助客户进行产品推荐、订单跟踪等，提升整体客户体验。虚拟助手虚拟助手通过提供无缝和个性化的服务简化客户互动。像Google助手和亚马逊Alexa这样的技术是AI驱动的虚拟助手的例子，它们帮助企业通过语音命令和智能互动与客户进行互动。广告和广告活动管理中的AI AI通过实现精准定位、实时竞价和活动优化来改变广告。程序化广告程序使用AI实时自动化购买和销售广告空间。这种方法确保广告在正确的时间向正确的受众展示，最大化投资回报率。案例研究显示，使用程序化广告的企业在广告性能和成本效益方面取得了显著改善。受众定位和细分AI帮助根据行为、人口统计和偏好对受众进行细分。AI工具如Google广告和Facebook广告管理器允许营销人员更有效地定位广告，从而实现更高的参与率。受众细分的顶尖AI工具清单包括AdRoll、Quantcast和Smartly.io等平台。AI营销中的道德考虑和挑战尽管其带来了益处，但AI在营销领域也引发了需要解决的道德关注和挑战。数据隐私顾虑AI对数据的依赖引发了重大的隐私顾虑。公司必须确保遵守数据保护法规（如GDPR）以保护客户信息。数据隐私的最佳实践包括数据匿名化、安全数据存储和透明数据使用政策。解决算法偏见算法偏见可能导致AI驱动的营销工具出现不公平和歧视性的结果。识别和减轻偏见对于确保道德AI使用至关重要。偏见算法和纠正措施的例子包括定期审计、多样化数据集和包容性算法设计。AI在数字营销未来的趋势和发展AI在数字营销领域的未来充满希望，新兴趋势将进一步改变该行业。AI和增强现实（AR）AI正在与增强现实（AR）结合，以创建沉浸式营销体验。宜家（IKEA）和欧莱雅（L’Oreal）等品牌使用AR让客户能够在自己的环境中可视化产品，增强参与度和购买决策。语音搜索和AI语音搜索的崛起改变了为语音查询优化内容的方式。AI工具通过专注自然语言处理和会话关键字来优化语音搜索内容。统计数据显示，语音搜索正在变得越来越受欢迎，语音搜索优化的提示包括使用长尾关键词和本地SEO。结论AI无疑正在改变数字营销，提供创新的解决方案，为个性化、效率和客户参与提供支持。随着AI的不断发展，及时了解最新的趋势和技术对企业保持竞争力至关重要。拥抱AI的力量，推动您的营销策略，在数字领域取得无与伦比的成功。注意：Title、Date、Body 三个部分的内容，放入到对应的位置。最后只需要输出为Makedown源文件格式内容。

---

---

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。

我们的态度表明，与其说我们将AI视为外来者，不如说我们已经开始让彼此疏远。

---

认为超智能机器人是外来入侵者，来“偷走我们的工作”，揭示了我们在工作、价值和智能本身方面的深刻缺失。劳动不是零和游戏，机器人不是与我们竞争的“他者”。像任何技术一样，他们是我们的一部分，就像头发和指甲从活体身上生长一样。他们是人类的一部分 - 我们也是部分机器。当我们将采摘水果机器人视为竞争对手，将其视为零和游戏中的竞争者时，我们将目光从真正的问题上移开：当不再适用于那份工作时，原先负责采摘水果的人被农场主和整个社会视为可以被废弃的。这意味着人类劳动者已经被视为不重要 - 也就是说，像机器一样对待。我们正处于这种无法持续的状态，因为我们已经开始让彼此疏远。我们对人工智能的许多焦虑根植于我们遗传中那种古老、常常令人遗憾的强调支配和等级制度的部分。但是，进化的更大故事是一个合作使得较简单实体联合起来，创造出更大、更复杂、更持久的实体的故事；这就是原核细胞演变为真核细胞、多细胞动物演变为单细胞动物、人类文化演变出人类群体、驯化动物和农作物的方式。互利主义是我们扩展的基础。我们对人工智能的许多焦虑根植于我们遗传中那种古老、常常令人遗憾的认为重视支配和等级制度的部分。作为一位人工智能研究者，我主要的兴趣不在于计算机 - AI中的“人造” - 而在于智能本身。已经清楚，无论如何使用，智能都需要规模。2021年我们在谷歌研究部门内部建立的早期大型语言模型“对话应用语言模型”或“LaMDA”使我确信，我们已经跨越了一个重要的门槛。虽然仍非常偶然，但在当时，拥有（对于当时而言）惊人的1370亿参数的LaMDA几乎可以进行对话。三年后，最先进的模型规模增长了一个数量级，因此它们变得更好了很多。再过几年，我们可能会看到具有与人脑中突触数相同的参数的模型。作为一个物种，现代人也是大脑体积爆炸的结果。在过去的几百万年里，我们人类祖先的头骨体积增加了四倍。研究人员发现，随着灵长类群体规模与脑容积的相关性，社会团体规模也在同步增长。更大的大脑使更大的群体能够有效合作。较大的群体反过来又更具智能。我们所谓的“人类智能”是一种集体现象，源自众多狭窄智能（比如你和我）之间的合作。当我们列举我们的智力成就时 - 抗生素和室内管道、艺术和建筑、高等数学和巧克力热奶昔 - 让我们意识到大多数人是多么愚蠢，单独地。即使在继续利用已完成99%的辛苦工作的情况下，你能做一个冰淇淋吗？人工智能不仅由人类组成，还包括一系列植物和动物物种、微生物，甚至从旧石器时代到当今的技术。那些牛和可可植物、稻米和小麦、支持人口激增的船只、卡车和铁路都是基础。忽视所有这些伴侣物种和技术的存在等同于把我们想象成一个无身体的大脑在瓶子里。此外，我们的智慧是多样的体现和分布。随着AI系统的蔓延，这种情况将变得更加复杂，越来越难以假装我们的成就是个体的，甚至仅仅是人类的。也许我们应该采用更广泛的“人类”定义，包括整个生物技术套装。一些我们最令人印象深刻的壮举，如制造硅芯片，真正是全球规模的。我们的挑战也越来越全球化。气候危机和核战争再起的威胁不是由任何一个行动者创造的，而是由我们所有人创造的，我们只有集体解决。集体智慧的深度和广度增加对于我们想要在全球范围内繁荣是件好事，但这种增长往往不会被视为叠加和相互的。为什么呢？说到底，因为我们担心谁会掌控。但支配等级制度只不过是一种允许合作动物队伍避免不断争吵的特殊技巧，它源自于内部竞争获取配偶和食物，通过共同协议，避免打架导致谁会赢的一种策略。换句话说，这种等级制度可能只是一种半聪明猴子的技巧，并不是自然界的普遍法则。AI模型可以具备相当大的智能，就像人脑一样，但它们不是竞争地位的同类猿。作为高度发达的人类技术产物，它们比智人更依赖人类、小麦、牛和人类文化。它们不是图谋吃我们的食物或偷走我们的浪漫伙伴。它们依靠我们；我们可能也同样依赖它们。然而，对支配等级制度的担忧从AI发展之初就阴影密布。“机器人”这个词最早由卡雷尔·Čapek在他1920年的剧作《罗塞姆的通用机器人》中引入，来自捷克语的强制劳动，robota。近一个世纪后，一位备受尊敬的AI伦理学家发表了一篇题为《机器人应该是奴隶》的文章，尽管她后来对自己选择的用词感到遗憾，机器人的辩论仍然围绕着支配展开。AI灾难论者现在担心，人类将被超智能机器人奴役或灭绝。另一方面，AI否认者则认为，计算机基于定义无法具有任何主体性，而只是人类用来相互支配的工具。这两种观点都源于零和思维，我们与他人相争的思维。今天许多实验室正在开发AI代理。在未来几年中，它们将变得司空见惯，不是因为机器人“接管”，而是因为一个合作代理对于个体人类和人类社会来说要比无意识的机器人更有帮助。这里对我们社会秩序构成任何威胁，不是来自机器人，而是来自人类之间的不平等。我们太多人还没有意识到我们是相互依存的。我们都处于同一战线上 - 无论是人类、动物、植物还是机器。

---

---

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。

Following Apple’s partnership announcement with OpenAI at WWDC last month, a new report reveals that the tech giant will secure an “observer role” on OpenAI’s board of directors.{ width=50% }

---

The new arrangement – set to take effect later this year – will see Apple’s long-time marketing chief turned Apple Fellow, Phil Schiller, representing the company in this capacity. According to Bloomberg, Apple’s position on the OpenAI board will mirror that of Microsoft—the AI company’s largest backer and primary technology provider. While Schiller will be able to attend board meetings, he will not have voting power or other director privileges. However, this role will grant Apple valuable insights into OpenAI’s decision-making processes. The partnership between Apple and OpenAI, announced at WWDC in June, will bring ChatGPT integration to iOS 18 as part of the Apple Intelligence suite of features. Notably, this collaboration does not involve any financial exchange between the two companies. Apple reportedly views the exposure given to ChatGPT in iOS 18 as “of equal or greater value” than monetary compensation, while OpenAI benefits from the reach of Apple’s platforms. Bloomberg’s report indicates that Schiller “hasn’t yet attended any meetings” of the OpenAI board, and “details of the situation could still change.” This cautious approach suggests that both companies are carefully navigating this new relationship. Schiller’s appointment to this role is particularly noteworthy given his extensive experience and current responsibilities at Apple. Since transitioning to an Apple Fellow role in 2020, Schiller has continued to lead the App Store and Apple events, reporting directly to CEO Tim Cook. He has also been at the forefront of Apple’s efforts to defend the App Store against global antitrust allegations. By securing a seat at OpenAI’s table, even in an observer capacity, Apple positions itself to gain valuable insights into one of the leading AI research organizations. (Photo by Daniel McCullough) See also: EU probes Microsoft-OpenAI and Google-Samsung AI deals

Want to learn more about AI and big data from industry leaders? Check out AI & Big Data Expo taking place in Amsterdam, California, and London. The comprehensive event is co-located with other leading events including Intelligent Automation Conference, BlockX, Digital Transformation Week, and Cyber Security & Cloud Expo. Explore other upcoming enterprise technology events and webinars powered by TechForge here.

Tags: ai, apple, apple intelligence, artificial intelligence, ios, mac, openai

---

---

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。

Google目前面临一个重大两难选择：在保持AI技术的快速发展的同时，又要遵循减少碳排放的目标。{ width=50% }

---

在其2024年环境报告中，谷歌披露了一个令人担忧的趋势：过去五年碳排放量激增了50%。这一激增主要归因于其AI驱动的数据中心对能源的高需求。这一令人担忧的增长威胁到了谷歌雄心勃勃的气候目标，突显了技术进步与环境可持续性之间增长的冲突。

这份报告反映了去年谷歌在实现其环保目标方面的进展，显示该公司的总温室气体排放从2019年的9.7百万吨二氧化碳当量增加到2023年的14.3百万吨。这个数字比2019年增长了48%，比2022年增长了13%。谷歌将这一增长主要归因于数据中心的能源消耗，该中心为Google搜索、Google助手以及各种云服务等AI应用提供动力，同时还有其供应链的排放。

“AI正处于一个拐点，许多因素将影响其最终影响，包括AI采用的程度、我们减少其碳足迹的能力以及持续创新和效率的速度，”报告表示。值得注意的是，与大多数科技巨头一样，谷歌对可持续性的承诺一直是其企业理念的中流砥柱。这家科技巨头承诺到2030年全面运行于无碳能源，旨在为整个行业树立榜样。

然而，最新的数据给这些愿景蒙上了一层阴影。特别是涉及深度学习和大型语言模型的AI技术极其耗能。训练这些模型需要大量的计算能力，转化为大量的能源消耗。

“随着我们进一步将AI融入我们的产品中，由于AI计算的增加强度和与我们技术基础设施投资的预期增长相关的排放物而造成的能源需求增加，减少排放可能会很具挑战性，”谷歌在报告中承认。

这一趋势对谷歌的可持续发展目标构成了重大挑战。这里的悖论极为突出：那些承诺革新行业、提高效率并推动创新的技术也会导致不断升级的环境危机。谷歌的情况并不是独特的。微软和亚马逊等其他科技巨头也在努力推进AI的同时减少其环境影响。

然而，谷歌最近的排放激增让人深思。报告中指出：“需要进行系统层面的变革，以解决诸如电网脱碳、不断发展的法规、难以脱碳的行业以及无碳能源的可用性等挑战。”为了协调其AI抱负与气候目标，谷歌承认必须在几个方面加大努力。

首先，需要更加强调开发更节能的AI模型。AI芯片设计的进步，如谷歌的Tensor Processing Units (TPUs)，是朝着正确方向迈出的一步。但是，还需要进一步优化AI算法的能源效率。对低功耗AI和量子计算的研究可能在这方面取得突破。

其次，谷歌应继续大力投资于可再生能源。虽然该公司在购买可再生能源方面取得了重大进展，但实现24/7无碳能源供应仍然是一个巨大的挑战。2024年环境报告强调，“我们通往24/7无碳能源的道路充满挑战，但这是我们可持续性战略的关键组成部分。我们致力于通过创新和合作克服这些障碍。”

国际能源署估计，从2022年的水平起，数据中心的总电力消耗到2026年可能翻一番，达到1,000TWh（兆瓦时），约为日本的电力需求水平。研究公司SemiAnalysis的计算显示，到2030年，AI将导致数据中心占全球能源供应的4.5%。

总的来说，大多数科技巨头雄心勃勃的AI驱动未来与其环境目标存在矛盾。这带来了一个严峻的挑战，需要创新解决方案和坚定承诺。谷歌和微软最近的环境报告提供了令人警觉的提醒。

随着像谷歌这样的科技巨头努力引领AI革命，他们必须也引领制定一条可持续发展的道路。只有通过同时解决这些双重重点并继续创新，行业才能实现其无碳未来的愿景。

(图片由 Solen Feyissa 提供)

参见：谷歌通过AI进展开启“双子座时代”

想要从行业领袖那里了解更多关于AI和大数据的知识吗？请查看在阿姆斯特丹、加利福尼亚和伦敦举行的AI & Big Data Expo。这个综合性活动与其他领先的活动如BlockX、Digital Transformation Week和Cyber Security & Cloud Expo同期举办。

浏览由TechForge提供的其他即将举行的企业技术活动和网络研讨会。

注意：Title、Date、Body 三个部分的内容，放入到对应的位置。最后只需要输出为Markdown源文件格式内容。

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。