OpenAI CEO豪气签署“捐赠誓言”,是为了帮助公司渡过难关?

就在本周二,慈善组织“捐赠誓言”(The Giving Pledge)宣布,OpenAI首席执行官Sam Altman已加入到了该慈善事业中,成为了承诺捐出超过一半财富的富有慈善家群体中的最新一员。
Sam Altman豪掷千金的举动的确惹人瞩目,如果细细分析,我们会发现,这更像是一次针对OpenAI的救火行动。


Sam Altman表示要将大半身家捐给“捐赠誓言”——一个富豪都爱的慈善组织。
我们先来了解一下,这个“捐赠誓言”究竟是何方神圣。
捐赠誓言倡议由“股神”巴菲特,Bill Gates和他的前妻Melinda Gates于2010年发起,旨在让世界上最富有的人承诺在其生前或遗嘱中将其至少一半的财富,捐献给慈善机构和慈善事业。
作为一个慈善组织,捐赠誓言的名气不可谓不大。毕竟,能与之产生关联的,都是全球排名靠前的富豪。上一次让捐赠誓言成功出圈的,正是世界上最富有,最著名的慈善家之一,Bill Gates的前妻Melinda Gates。她曾经表示,将在2026年之前捐出10亿美元,并通过她的投资和孵化公司Pivotal Ventures来促进全世界妇女的权利。Melina Gates在离婚时与Bill Gates达成了协议,她将获得125亿美元 (约合905亿元人民币) 资金,以投向代表妇女和家庭的领域。
除了Melinda Gates和Sam Altman,最近加入“捐赠誓言”的富豪还包括了:摩科瑞首席执行官Marco Dunand和企业家Suzan Craig Dunand,他们共同创立了一个瑞士基金会,旨在加速向碳净零排放过渡;退休的价值投资者Robert D. Goldfarb,他已计划在有生之年捐出其财富的90%;投资者Jahm Najafi和企业家Cheryl Najafi,他们最近将捐献的重点放在了种族平等上;以及风险资本家Hemant Taneja和房地产开发商Jessica Schantz Taneja等人。
Sam Altman和他的配偶Oliver Mulherin在发布的承诺书中写道,“如果没有芸芸众生的辛勤工作,聪明才智,慷慨大方和改善世界的奉献精神,我们就不会做出这样的承诺。他们构建了社会的基础架构,让我们得以取得今天的成就。我们只能心怀无限感激,并承诺回馈社会,尽我们所能把架构搭得更高一些”。Altman还表示,他和Mulherin打算将捐赠重点,放在那些支持有助于为人们创造财富的技术上。
图片1
根据彭博的统计,Sam Altman目前的身价至少为20亿美元,他的大部分财富来自于对初创公司的投资,包括对Reddit的巨额投资。有意思的是,即便OpenAI如今炙手可热,但鉴于OpenAI在创建时所制定的规则,Sam Altman在其中并没有股份。
不过,需要说明的是,这项承诺并不是一份具有法律约束力的合同。从某种程度上说,它更像是一种道德承诺。也正因此,很多人诟病捐赠誓言并没有明确的监管措施来保证其成员履行承诺。捐赠誓言的官网表示,这项活动的目的是激发对话,展开讨论,并进行行动。它们所关注的不仅仅是捐赠多少的问题,还包括捐赠的目的和用途。目前已有来自30个国家的超过245对夫妇和个人参与了这项活动。
OpenAI公布“GPT-6”却遭遇史上最大公关危机,Sam Altman实则挺身而出紧急避险?
天下没有免费的午餐,很多人都认为Sam Altman的捐赠是有意为之的,目的就是为了帮助OpenAI抗雷,使其度过危机时刻。
那么问题来了,公布全新的GPT-6明明是个巨大利好,怎么就弄巧成拙了呢?
5月28日,OpenAI在官方推特宣布了一件事:OpenAI董事会成立安全与安保委员会 (Safety and Security Committee),该委员会将就OpenAI项目和以及其运营的关键安全进行决策,向全体董事会提出建议。
与此同时,OpenAI还高调放出消息:已经开始训练其下一个前沿模型,预计将在通向AGI的道路上再上一层楼。也就是说,全新的GPT-6已经在路上了。
图片2
乍一看上去,这两条官宣都没什么特别,可如果仔细分析一下,想必很多人都会有疑问了:日常的安全推进和新模型开始训练,这明明是风马牛不相及的两件事啊,为什么要把它们放在一起来说?
通过梳理时间线,网友们似乎发现了其中的端倪,发文进行日常安全工作的推进,似乎是对前段时间其安全团队骨干成员的“全员出走”进行回应。
安全团队集体出走事件与去年OpenAI的宫斗事件密不可分。Sam Altman获得了宫斗最终的胜利,确立了以Altman为核心的领导架构,但是公司高层对于AI安全问题的分歧却依旧没有解决。如果我们再往前追溯,甚至会发现“AI安全”这条暗线,从2015年马斯克拉人成立OpenAI时起,就已经埋下了。而最近,负责AI安全的“超级对齐团队”主管Ilya和Leike也双双出走,等于是把OpenAI的管理层架在火上烤了。
就在OpenAI公布日常安全推进的前两天,OpenAI宫斗剧的始作俑者,前 OpenAI 董事会成员Hellen Toner和Tasha McCauley都站出来撰文指认Sam Altman以及他治下的OpenAI,完全不把AI安全当会事。在这两位OpenAI的前董事会成员看来,AI公司内部完全不可能进行有效监管,外部监管势在必行。
图片3
两天之后(5月28日),Hellen Toner又继续火上浇油。在播客The Ted AI Show的最新一期里,Toner 又透露:堂堂OpenAI董事会成员,居然要通过推特才能知晓ChatGPT发布!Toner强调,由于OpenAI董事会的非盈利性质,其设立是为了确保OpenAI要将公益而非利润置于首位。但鉴于Altman多次向董事会撒谎,董事会的工作也很难开展了。
至此,OpenAI算是迎来了内有背刺,外有攻击的至暗时刻。
图片4
面对腹背受敌的OpenAI,Sam Altman展现出了怎样的公关高段位?
那么问题来了,在这种这八方讨伐,前后受敌的背景下,Sam Altman和OpenAI是如何展现出高段位的公关操作的?
率先祭出的,就是5月28日当天的那份回应。全文大致如下:
OpenAI董事会成立安全与安保委员会(Safety and Security Committee),将就 OpenAI 项目和运营的关键安全决策,向全体董事会提出建议。 安全与安保委员会将由董事Bret Taylor(董事会主席),Adam D’Angelo,Nicole Seligman和 Sam Altman领导。我们已经开始训练其下一个前沿模型,预计“将在通向 AGI 的道路上再上一层楼”。安全与安保委员会的首要任务是,未来90天内,评估并进一步开发OpenAI的流程和保障措施。90天结束后,安全与安保委员会将与全体董事会分享他们的建议。经过董事会的全面审查后,OpenAI将以符合安全和安保的方式公开分享已采纳建议的最新情况。
OpenAI 技术和政策专家 Aleksander Madry(准备负责人),Lilian Weng(安全系统负责人),John Schulman(对齐科学负责人),Matt Knight(安全负责人)和 Jakub Pachocki(首席科学家)也将出席委员会。此外,OpenAI将通过保留并咨询其他安全,安保和技术专家以支持安全工作,其中包括前网络安全官员、为OpenAI提供安全建议的Rob Joyce和John Carlin。
公告全文对于OpenAI当下的安全问题进行了较为全面的说明,并补上了前骨干团队出走后留下的空缺。不过,聪明的网友对此并不买账。因为看似详尽的公告,似乎只证明了一件事儿:如今的OpenAI,是Altman在一手遮天。
看第一招收效甚微,Altman便开始继续出击,也就有了轰动全网,捐出半个身家的操作。
这一套公关组合拳打下去,OpenAI是否就能够转危为安了呢?我们不妨期待一下。

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

效果超AlphaFold系列,量子计算方法用于蛋白质结构预测

编辑 | 白菜叶

虽然 AlphaFold 等深度学习方法在计算机蛋白质结构预测领域取得了不错的成绩,但该领域的研究仍然是生物医学研究中一个具有挑战性的问题。

随着量子计算的快速发展,人们自然会问:量子计算机是否能为解决这一问题提供一些帮助。


然而,确定适合量子优势的特定问题实例,以及评估所需的量子资源同样具有挑战性。

在这里,克利夫兰诊所(Cleveland Clinic)和 IBM Quantum 的研究人员分享了他们的观点,即如何创建一个框架来系统地选择适合量子优势的蛋白质结构预测问题,并在实用级量子计算机上估计此类问题的量子资源。

作为概念验证,研究人员通过在量子硬件上准确预测寨卡病毒 NS3 解旋酶的催化环的结构,来验证他们的问题选择框架。

该研究以「A Perspective on Protein Structure Prediction Using Quantum Computers」为题,于 2024 年 5 月 30 日发布在《Journal of Chemical Theory and Computation》。

几十年来,研究人员一直利用计算方法来预测蛋白质结构。蛋白质折叠成一种结构,决定了它如何发挥作用以及如何与体内其他分子结合。这些结构对人类健康和疾病有深远影响。

通过准确预测蛋白质的结构,研究人员可以更好地了解疾病如何传播,从而开发有效的治疗方法。克利夫兰诊所博士后研究员 Bryan Raubenolt 博士和 IBM 研究员 Hakan Doga 博士带领团队探索量子计算如何改进当前方法。

近年来,机器学习技术在蛋白质结构预测方面取得了重大进展。这些方法依赖于训练数据(通过实验确定的蛋白质结构的数据库)进行预测。这意味着它们受到已识别的蛋白质数量的限制。当程序/算法遇到突变的蛋白质或与训练时差异很大的蛋白质时,准确率会降低,这种情况在遗传疾病中很常见。

另一种方法是模拟蛋白质折叠的物理原理。模拟可以让研究人员观察给定蛋白质的各种可能形状,并找到最稳定的形状。最稳定的形状对于药物设计至关重要。

挑战在于,如果蛋白质尺寸超过一定值,这些模拟在传统计算机上几乎不可能实现。从某种意义上说,增加目标蛋白质的尺寸就好比增加魔方的尺寸。Raubenolt 博士说,对于含有 100 个氨基酸的小蛋白质,传统计算机需要相当于宇宙年龄的时间来详尽地搜索所有可能的结果。

为了克服这些限制,研究团队采用了量子和经典计算方法的混合方法。该框架可以让量子算法解决最先进的经典计算所面临的挑战,包括蛋白质大小、内在无序性、突变和蛋白质折叠所涉及的物理学。

与最先进的经典方法相比,该框架通过在量子计算机上准确预测寨卡病毒蛋白小片段的折叠得到了验证。

量子-经典混合框架的初步结果优于基于经典物理的方法和 AlphaFold2。尽管后者的设计最适合处理较大的蛋白质,但它仍然证明了该框架能够在不直接依赖大量训练数据的情况下创建精确模型的能力。

研究人员首先利用量子算法来模拟片段主链的最低能量构象,这通常是计算过程中计算量最大的步骤。然后使用经典方法转换从量子计算机获得的结果,重建蛋白质及其侧链,并使用经典分子力学力场对结构进行最终细化。

该项目展示了将问题分解成各个部分的方法之一,利用量子计算方法解决其中的一些部分,利用经典计算解决其他部分,以提高准确性。

「该项目最独特的一点是涉及的学科数量。」Raubenolt 博士说,「我们团队的专业知识范围广泛,从计算生物学和化学、结构生物学、软件和自动化工程到实验原子和核物理学、数学,当然还有量子计算和算法设计。它利用各个领域的知识来创建计算框架,可以模拟人类生命中最重要的过程之一。」

该团队将经典计算方法与量子计算方法相结合,对于增进科学家对蛋白质结构的理解以及它们如何影响我们治疗和预防疾病的能力是至关重要的一步。该团队计划继续开发和优化可以预测更大、更复杂蛋白质结构的量子算法。

Doga 博士表示:「这项研究是探索量子计算能力在蛋白质结构预测中的优势的重要一步。我们的目标是设计出能够尽可能真实地预测蛋白质结构的量子算法。」

论文链接:https://pubs.acs.org/doi/10.1021/acs.jctc.4c00067

相关报道:https://phys.org/news/2024-05-quantum-methods-protein.html



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

神笔马良画出三维世界,基于线稿的3D生成编辑方法SketchDream来了

AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年,机器之心AIxiv专栏接收报道了2000多篇内容,覆盖全球各大高校与企业的顶级实验室,有效促进了学术交流与传播。


如果您有优秀的工作想要分享,欢迎投稿或者联系报道。投稿邮箱:liyazhou@jiqizhixin.comzhaoyunfeng@jiqizhixin.com。本论文作者是中国科学院计算技术研究所高林老师及其博士生刘锋林,香港城市大学傅红波老师,卡迪夫大学来煜坤老师。该项研究工作受到国家自然科学基金委、北京市自然科学基金委、北京市科学技术委员会的资助,由信息高铁智算算力网平台提供算力支持。基于人工智能的数字内容生成,即 AIGC 在二维图像生成领域取得了很大的成功,但在三维生成方面仍存在挑战。智能化生成三维模型在 AR/VR、工业设计、建筑设计和游戏影视等方面都有应用价值,现有的智能化三维生成方法已经可以生成高质量的三维模型,但如何对生成结果进行精确控制,并对真实模型或生成的模型进行细节的修改,从而让用户自由定制高质量的三维模型仍然是一个待解决的问题。近期,一篇题为《SketchDream: Sketch-based Text-to-3D Generation and Editing》的论文提出了基于线稿和文本的三维内容生成和编辑方法 SketchDream [1],论文发表在 SIGGRAPH 2024,并被收录于图形学顶级期刊 ACM Transactions on Graphics。这个 3D AIGC 工作助你成为神笔马良,通过画笔画出三维世界,已入选 SIGGRAPH 精选亮点工作宣传片。使用该系统,即使用户不会使用复杂的三维软件,也可以基于线稿自由创作三维内容,并对真实的模型进行修改和编辑。先来看看使用 SketchDream 创作的模型的效果:链接。图 1 基于 SketchDream 的三维生成效果 图 2 基于 SketchDream 的三维编辑效果。背景 最近,AI 绘画非常火爆,基于 Stable Diffusion [2] 和 ControlNet [3] 等方法,通过指定文本可以生成高真实感的二维图像。最新的视频生成方法 Sora [4],已经可以基于文本生成高质量影视级的视频。但是,上述工作无法直接生成高质量的三维模型,更无法对现有的三维模型进行编辑和修改。针对上述问题,DreamFusion [5] 提出了 Score Distillation Sampling (SDS) 的方法,利用二维图像的 Diffusion model 生成模型优化神经辐射场,基于文本合成任意类别的高质量的三维模型。后续一系列工作 [6][7][8] 对该方法进行了改进,提升了生成的三维模型的质量,并使生成的过程更加稳定。但是,仅仅基于文本,难以实现对几何细节的控制,例如物体的形状和轮廓,不同的组件的形状和位置等。为了提高可控性,许多方法 [9][10] 使用额外的图像作为输入,生成高质量的模型,但用户依然需要提前获取合适的图像。除了三维内容生成,如何对已有的三维模型进行再创作,即对真实的三维模型进行修改和编辑也是非常重要的问题。Vox-e [11] 和 DreamEditor [12] 根据文本自适应的确定三维编辑区域,再实现基于文本的编辑效果。为了实现更精细的控制,SKED [13] 使用线稿编辑三维模型,但如何处理复杂编辑情景仍然较为困难。线稿作为一种用户友好的交互方法,被广泛用于三维建模。艺术家们通常会先绘制物体的线稿,再进一步使用专业软件进行建模。然而,直接使用线稿生成高质量的三维物体存在下述挑战:首先,线稿风格多样且过于稀疏,很难使用单视角的线稿约束三维物体的生成;其次,二维线稿只包含了单视角的信息,如何解决歧义性,生成侧面和背面区域较为困难。基于线稿的模型编辑则更具挑战性,如何分析并处理不同组件的关系,如何保证编辑区域的生成质量,如何保持非编辑区域不变,都是需要解决的问题。SketchDream 算法原理 基于线稿的多视角图像生成网络给定单视角的手绘线稿后,仅在线稿对应的视角添加约束,无法生成合理的三维模型。因此,需要将线稿的信息有效地传播到三维空间中的新视角,从而合成与线稿对应的高质量的模型。SketchDream 算法构建了基于线稿的多视角图像生成的扩散模型。具体而言,算法在多视角…



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

AI时代如何重构社交?Soul App 通过媒体开放日活动这样回答

5月30日,社交平台Soul App在上海举办媒体开放日活动,以“人与人工智能是否能够真正成为「朋友」”为主题,分享了平台前沿技术探索和最新产品应用实践,并邀请了复旦大学教授肖仰华以及众多行业观察者,一同探讨AIGC+社交的应用及未来发展可能性。

媒体开放日活动是Soul与外界达成长效、深度链接的重要桥梁。


在AI为各行各业带来颠覆式发展新机会的当下,Soul作为“AIGC+社交”领域前沿探索者,希望通过本次活动,全面展示Soul在AI方面的技术积累及落地实践,为行业提供可行的方向参考。

模应一体:AI重构关系链与社交体验

当AIGC领域讨论焦点从大模型逐渐转移到应用层,社交成为新技术率先落地的最佳垂类方向之一。作为较早尝试将AI应用于社交的平台,在此次媒体开放日中,Soul 率先分享了自身的思考与实践。

早在创立之初,Soul就在思考如何通过技术更好地链接人,重塑人与人的关系。基于“让天下没有孤独的人”这一愿景,Soul的基础逻辑是,创新地建立分发关系和内容的方式,用户可以构建虚拟化身,设立标签,在AI算法的推荐中,通过去中心化机制找到兴趣相同的人,平等地实现多元的关系建立和即时的情绪反馈。

将AI引入人与人的关系链接,创新的社交模式让Soul在2016年上线后快速获得了以Z世代为代表的年轻一代用户认可。一直以来,Soul致力于帮助用户构建人与人、人与AI并存的多元社交网络,而带来颠覆性生产力的AIGC让Soul找到了更优路径。

Soul App CTO 陶明表示:“我们迅速做出了判断,大模型赛道目前几乎会走到同一水平线,商业公司的竞争会落到各自端内的发展。科技最终会平权,Soul不能失焦,不能因为跟风去做很热的事情,而忘记我们的初心。”

因此,Soul围绕社交场景用户的核心需求布局“AIGC+社交”。在Soul看来,AI社交的关键在于通过AI实现关系推荐、对话辅助、降低表达门槛和提升社交体验。对话式AI需要具备情感化的能力,能够找到人的情绪点,并个性化、拟人化、多样化。Soul的核心优势在于,平台长期沉淀的庞大而真情实感的社交数据;基于对社交行业深度理解而形成的企业基因;高粘性、高活跃生态下的天然C端场景等。

活动现场,Soul相关技术负责人分别介绍了Soul在语音音乐、AI情感陪伴、视觉等具体领域的探索和落地实践。

2020年,Soul启动了对AIGC的系统研发工作,并在智能对话、图像生成、语音技术(如语音生成、音乐生成、语音动画等)等方面拥有了前沿能力积累。2023年,Soul推出自研垂类大模型Soul X,该模型具备prompt驱动、条件可控生成、上下文理解、多模态理解等能力,能够实现有情感、有温度的交互。

同时,作为应用层领域的探索者,Soul正在围绕用户需求和社交场景推进“模应一体”落地。活动现场,Soul App产品负责人车斌系统展示了平台秉持“站在下一个社交时代到来的最前线,将大模型作为创新解决方案,用科技升级社交”这一思路所取得的阶段性产品成果。

现阶段,Soul已经在AI推荐关系、AI辅助对话等方面进行了布局,并先后推出了拟人型智能对话机器人“AI苟蛋”、AI聊天助理等新功能,并结合站内多元互动场景融入AI能力。例如,在游戏场景“狼人魅影”中引入AI能力,提供AI互动体验。

特别是在此次活动中,Soul重点介绍了独立新产品“异世界回响”。该产品是团队在主站外推出的首个独立应用,定位为AI社交平台,用户可与虚拟角色进行沉浸式即时交流,平台提供多种场景、风格的虚拟人角色,每个虚拟角色具备形象、声音、人设对话能力。 此外,平台面向用户开放AIGC工具创建独一无二虚拟角色的能力。

在“异世界回响”, 用户可根据喜好自定义角色人设,实现不同的对话风格;人物的形象可通过文字描述或上传心仪的图片生成;平台提供多种基础音色,用户可自行创建、融合出属于该角色的专属声音,实现多模态互动。

正如车斌所说,“我们在关系破冰、关系建立、关系沉淀的社交全链路引入AI,也通过人机互动场景为用户带来全新的AI社交体验。”据悉,在“模应一体”方向下,Soul正致力于在社交体验提升、AI社交、AI游戏等多个维度探索 AI Native应用落地,多款新产品均在研发阶段,将于后续陆续上线。

Z世代AIGC态度报告发布,AI如何影响当下的每个“我”

作为本次开放日的另一个重磅环节,活动现场,Soul旗下Just So Soul研究院打造的《2024 Z世代AIGC态度报告》正式发布。面对汹涌的AI浪潮,广大年轻人持怎样的态度,又将如何应对?这份报告为回答这些问题,提供了极具参考价值的思路指南。

当部分人还在好奇AIGC到底是什么时,已经有人开始敏锐地通过新技术赚取收益。数据显示,超一成年轻人已通过AIGC获得经济收益。当孤独成为当今社会的普遍议题,新技术发展下,人机互动也成为了一种解决方案。此次调研显示,三分之一年轻人表示愿意和AI成为朋友。

在对于AI互动的态度上,年轻人的态度整体偏积极。7成(70.35%)年轻人对与AI聊天机器人互动持中立态度,近2成年轻人喜欢和聊天机器人互动。

关于为什么喜欢和AI聊天,47.11%的年轻人表示和AI聊天机器人聊天很有趣、不会尴尬或冷场,这是他们愿意与机器人互动的最主要原因。此外,聊天机器人可以随时随地快速回复(45.66%)、聊天时不用顾及话题(44.53%)和能提供情绪价值(43.73%)也是受访者选择聊天机器人互动的重要考量。

在活动的最后,复旦大学教授、上海市数据科学重点实验室主任肖仰华在现场分享了关于大模型时代新型人机关系的思考。“大模型时代正在推动人机交互的进步,将其范式统一为自然语言形式。这一变革使得计算机更好地服务于人类需求,降低了使用技术的门槛。”他表示,“在新型的人机关系和交互模式中,我们会发现自己的思考方式和价值观受到…

该内容已根据Makedown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

有鹿机器人披露获超1亿元融资,携超千万元订单引领具身智能赛道进入商业化阶段

这是严格意义上具身智能这个热门赛道第一笔高额订单,有鹿机器人也正式实现了具身智能从实验室走向商业化的阶段。公司同步披露了创新工场、元璟资本、百度风投等超1亿元融资的信息。


大模型@具身智能产品 打通商业化任督二脉

Image

2023年,有鹿机器人联合阿里云通义千问共同发布了具身智能大模型LPLM-10B。LPLM模型将语言大模型和物理世界进行了创造性的融合,正好形成了完整的左右大脑功能,解决了传统具身模型延迟高、准确率低、泛化能力差等缺陷。LPLM大模型最大的优势是通用性,可以实现在跨模态、跨场景、跨行业的数据中提取出许多共性信息,通过抽象、投影、转移等过程,充当一种基础模型。该模型定位为适用于轮式、复合式、人型等全类型机器人的通用具身大脑。

Image

今年3月,有鹿机器人发布了基于LPLM-10B的软硬件结合产品Master 2000,一款即插即用的通用具身大脑,以通用大脑+专业设备的积木组合,帮助客户解决在智能化升级研发中投入产出比低的痛点。仅2个月时间,Master 2000即完成了从客户验证到超千万的确定性订单收入,目前已开始量产交付。

Image

“百模大战”狂飙一年多,在商业化落地中却面临着不小的挑战,何种方式实现商业化,何时实现自我造血,都是大模型公司发展道路上亟需解决的问题。与之相比,搭载大模型的具身智能大脑Master2000率先完成了大额订单的商业化,这也验证了客户更愿意为软硬件结合产品买单的习惯,从软件时代穿越整个互联网时代,持续到了具身智能时代。这种大模型@具身智能的产品形式,也为大模型的商业应用提供了更多的战略性意义。

已获超1亿元投资,万亿级市场商业模式前景看好

有鹿机器人由前阿里达摩院机器人实验室负责人陈俊波博士在2023年创建,是一家专注于机器人通用大脑研发的具身智能公司。依托于自主研发的第二代具身智能技术LPLM大模型,致力于让每一台专业设备都拥有智能性。目前已完成由创新工场、元璟资本、百度风投等超1亿元投资。陈俊波博士曾表示:具身智能需要像特斯拉一样在真实物理世界里获取数据来完善世界模型,但想获取真实物理世界的数据必须率先完成商业化,第一时间把产品投放到市场,能持续的把产品投放到物理世界才可以率先和语言大模型一起完成世界模型。因此,有鹿机器人从成立开始,就将产品商业化作为研发第一任务。

中国拥有世界领先的制造能力,制造业规模连续14年居世界首位。在具身智能时代,预计中国制造的产品即将爆发式迎来机器人形态,如轮式机器人形态的叉车、物流车、清洁车、割草机、充电车等,复合式机器人形态的挖掘机、装载机、吊车等,以及中国大力发展的新型人型机器人。这些机器人产品形态的总体市场规模预计将在万亿级以上。

然而大模型和制造业的研发体系不尽相同,前者围绕模型训练和数据闭环,后者围绕成本控制和产品质量。两个体系与人才结构差异较大,只有极个别的公司有能力同时具备两个体系的能力。有鹿机器人的使命就是打造一个可以赋能不同制造企业的通用机器人大脑,适配于专业设备,帮助成熟的制造企业进行产品的具身智能模态升级。

Image

据了解,在有鹿机器人的商业计划中,除了与伙伴进行技术合作外,同时也会开放品牌,助力合作伙伴品牌升级,实现经济与社会效益双赢。

或许,有鹿机器人与合作伙伴们共同打造的具身机器人全品类的版图已经开启了加速器。


。注意:Title、Date、Body 三个部分的内容,放入到对应的位置。最后只需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

Ben Ball, IBM: Revolutionising technology operations with IBM Concert

在智能自动化大会之前的一次采访中,IBM的产品营销高级总监Ben Ball揭示了这家科技巨头最新的人工智能努力以及其开创性的新产品Concert。图片{ width=50% }


IBM目前在人工智能研究和开发中的重点是将其应用于技术运营。正如Ball所解释的,“随着人们尝试在世界上构建应用程序,情况变得越来越复杂。构建和维护应用程序涉及许多工具和环境,以至于许多团队只是淹没在所涉及的所有数据之下。”
为了解决这一挑战,该公司宣布推出IBM Concert,该产品将利用人工智能来理清与应用程序开发和维护相关的海量数据。“它正在使用人工智能来确定您的应用程序实际如何工作,然后提供如何改进它的建议,”Ball说道。

即将到来的人工智能机遇
根据Ball的说法,当前的一个机遇是组织输入到人工智能模型中的非结构化数据。“非结构的数据“与您希望的已分类、可以直接使用的人工智能之间可能存在差距,”他承认道。然而,IBM正在积极努力弥合这一差距,IBM Concert将不断演变并融入工具,将数据组织成更易于人工智能引擎理解的格式。

可解释性是IBM正在通过IBM Concert解决的另一个关键方面。Ball强调了不盲目接受人工智能建议的重要性,表示“我们实际上正在构建一个功能,您可以质疑建议,以便您可以质疑人工智能的推荐,并深入挖掘其是如何得出这一结论的。”

推动未来工作
除IBM Concert外,IBM还提供一套人工智能技术和工具,如watsonx和人工智能治理解决方案。正如Ball所解释的,IBM旨在提供一个“用例中立”的方法,使客户能够利用IBM的人工智能能力满足其特定需求。

IBM在使用IBM Concert方面已经看到了早期成功,其中之一便是解决许多组织面临的数据超载问题。Ball分享道设计合作伙伴“对我们能够做的事情,对我们能够展示的见解,甚至在一个非常基础的层面上,感到惊讶。”随着IBM Concert的能力不断发展,IBM预计将提供更深刻的见解和结论,最终改善应用程序性能、安全性和整体管理。

对于考虑首次采用人工智能的组织,Ball的建议很明确:“要对您想要做的事情有所计划。不要只是认为技术本身就是目标,而是要有一个真正的用例,一个真正的目标,您希望人工智能实现。”

在即将举行的智能自动化大会上,IBM作为一个重要赞助商,计划展示IBM Concert以及其通过人工智能改变技术运营的潜力。

采访结束时,Ball表达了对IBM Concert可能性的兴奋,表示“我们对此感到非常兴奋,我们认为我们的客户也会对此感到非常兴奋。”

您可以观看下面我们与Ben Ball的完整采访:

从Ben Ball的第一天演讲中获取更多见解,主题为“利用Gen AI主动减轻应用程序中的安全漏洞”在智能自动化大会上。

想要从行业领袖那里了解更多关于智能自动化的知识吗?查看将在加利福尼亚、伦敦和阿姆斯特丹举行的智能自动化大会。这个综合性活动与其他领先活动同时举办,包括AI & 大数据博览会、物联网技术博览会、BlockX、数字化转型周和网络安全 & 云博览会。

进一步了解由TechForge主办的其他即将举行的企业技术活动和网络研讨会。



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

Ben Ball, IBM: Revolutionising technology operations with IBM Concert

在即将举行的智能自动化大会前,IBM产品营销高级总监Ben Ball在一次采访中揭示了这家科技巨头最新的人工智能努力以及其开创性的新产品Concert。图片{ width=50% }


IBM当前在人工智能研发中的重点是将其应用于技术运营领域。正如Ball所解释的,“随着人们试图在世界上构建应用程序,情况变得越来越复杂。构建和维护应用程序所涉及的工具和环境如此之多,以至于很多团队被淹没在涉及的所有数据之下。”
为了解决这一挑战,该公司宣布推出IBM Concert,将利用人工智能来理解涉及应用程序开发和维护的庞大数据量。“它利用人工智能来弄清楚您的应用程序实际是如何运作的,然后提供建议以使其变得更好,”Ball说。
即将到来的人工智能机遇
根据Ball的说法,目前的一个机遇是组织输入到人工智能模型中的非结构化数据。“非结构化数据团块与您想要的经过整理、准备好的人工智能之间可能存在差距,”他承认。然而,IBM正在积极努力弥合这一差距,IBM Concert计划发展并纳入工具,以将数据组织成对人工智能引擎更易消化的格式。
解释性是IBM正在通过IBM Concert解决的另一个关键方面。Ball强调了不盲目接受人工智能建议的重要性,称,“我们正在构建一个功能,您可以质疑建议,这样您就可以质疑人工智能给出的东西,并深入挖掘它是如何得出结论的。”
推动未来的工作
除了IBM Concert,IBM还提供一套人工智能技术和工具,例如watsonx和人工智能治理解决方案。正如Ball所解释的,IBM旨在提供一种“用例中立”的方法,让客户利用IBM的人工智能能力来满足其特定需求。
IBM已经看到IBM Concert在一个领域取得了初步成功,即解决许多组织面临的数据超载问题。Ball分享说,设计合作伙伴对我们能够做什么,我们能够展示的见解,甚至在一个非常基本的层面上都感到“惊讶”。随着IBM Concert的能力不断发展,IBM期望提供更深入的见解和结论,最终改善应用程序的性能、安全性和整体管理水平。
对于考虑首次采用人工智能的机构,Ball的建议很明确:“要明确自己想用它做什么。不要只是认为技术本身是目标,而是头脑中有一个真正用例的目标,一个您希望人工智能实现的真正目标。”
在即将举行的智能自动化大会上,IBM作为主要赞助商,计划展示IBM Concert以及其通过人工智能的力量改变技术运营的潜力。
采访结束时,Ball表达了对IBM Concert可能性的兴奋之情,称:“我们对此感到非常兴奋,我们认为我们的客户也会对此感到非常兴奋。”
您可以在下面观看我们与Ben Ball的完整采访:

从Ben Ball在智能自动化大会上第一天演讲中分享他的经验,标题为“利用Gen AI主动减轻您应用程序中的安全漏洞”中获取更多见解。
想要从行业领袖那里进一步了解智能自动化吗?查看将在加利福尼亚、伦敦和阿姆斯特丹举行的智能自动化大会。这一全面的活动与其他领先活动共同举办,包括AI & 大数据博览会、物联网技术博览会、BlockX、数字转型周以及网络安全与云博览会。
查看由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

Elon Musk’s xAI secures $6B to challenge OpenAI in AI race

Elon Musk去年夏天创立了xAI,The Verge刚刚报道称,该公司已经引起轰动,宣布获得了60亿美元的巨额融资。图片{ width=50% }


据该公司称,这笔资金将有助于推出xAI的首个产品、建设先进基础设施,加速研发未来技术。

Musk在人工智能领域有一些历史。2015年,他与现任CEO Sam Altman和其他人共同创立了OpenAI。然而,他在2018年因对公司的优先事项和方向存在分歧而离开了该公司,特别是对OpenAI转向专有、闭源模型并出售访问权限的做法不满。此后,Musk成为OpenAI最为公开批评的人之一。

跳转到去年的7月,Musk正式重新进入生成式人工智能领域,宣布成立xAI。此后,公司一直在积极努力构建先进的人工智能系统,声称这些系统将对全人类“真实、有能力且最大限度地有益”。

xAI的首个产品之一是Grok,它是OpenAI的ChatGPT的更先进版本。目前仅供X Premium订户使用。据xAI分享的基准测试显示,Grok-1的性能超过了Llama-2-70B和GPT-3.5等模型,但仍落后于Anthropic的Claude3、OpenAI的GPT-4、Google的Gemini和Meta的开源Llama 3。

这一最新融资轮包括来自知名投资者,包括Andreessen Horowitz、Sequoia Capital,甚至沙特王子阿尔瓦利德·本·塔拉尔。去年的文件显示,xAI希望筹集高达10亿美元的股权投资,而就在几个月前,有报道称他们将目标增加到高达60亿美元的数字,而Musk最初否认了这一消息。

研发能够支持如此复杂级别AI的硬件绝非易事,当然也是昂贵的。就在上周,一份报告披露,xAI将需要惊人的10万个Nvidia的最新H100芯片用于支持Grok的升级版本,每个芯片价格在3万到4万美元之间。

Musk对这些强大资源有着雄心勃勃的计划。据悉,他告知投资者,目标是在2025年秋季推出这个新数据中心,标志着xAI技术能力的重大进步。

继续围绕芯片、人才和技术展开的人工智能竞赛将是昂贵的。大型科技公司已经向像Anthropic这样的人工智能初创公司投资数十亿美元,而另外像谷歌、苹果、亚马逊、微软和Meta这样的公司也在他们自己的人工智能项目上投入了巨额资金。

特别是,微软已经与OpenAI达成了一项价值数十亿美元的合作伙伴关系,后者的CEO Sam Altman据报道正在寻求额外数万亿美元来改造全球芯片行业。

特斯拉将继续聘请人工智能工程师进行自动驾驶汽车方面的工作,即便Elon Musk先前表示更倾向于不将大部分人工智能和机器人技术引入公司内部,以便更专注于外部事业。他谈到了摆脱传统汽车制造限制的更广泛议程。

与此同时,特斯拉正准备于6月13日举行年度股东大会,股东们将开始就是否恢复Musk创下的560亿美元的纪录性薪酬方案进行投票,鉴于Musk在各种科技领域的重要影响力,这是一项重要进展。

多年来,Musk在人工智能研究方面做出了重大贡献,现在他的企业xAI处于人工智能发展的前沿。看到这些努力如何展开,以及xAI的哪些贡献将在这个快速演变的过程中确立其在人工智能历史中的地位将是非常引人注目的。

参见:Elon Musk的xAI开源Grok

想要从行业领袖那里了解有关人工智能和大数据的更多信息吗?请查看将在阿姆斯特丹、加利福尼亚和伦敦举行的AI & Big Data Expo。这一综合性活动与其他领先活动同地举办,包括智能自动化大会、BlockX、数字化转型周以及网络安全与云博览会。
探索由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

Sinequa发布新的面向企业的生成式AI助手

Combining Sinequa’s Search with GenAI provides the ultimate AI Assistant and virtual coworker
AI-powered search provider Sinequa announced today the availability of Sinequa Assistants, new enterprise-grade generative AI assistants that seamlessly integrate with all enterprise content and applications to augment and transform knowledge work.图片{ width=60% }


Sinequa’s new generative AI Assistants empower employees to work more efficiently, effectively and creatively, allowing them to accelerate and improve decisions, devote more time to strategic initiatives and drive business success.
Generative AI (GenAI) is poised for rapid adoption. According to Gartner, “By 2027, GenAI will augment 30% of all knowledge workers’ tasks, from 0% in 2023.” (1) As organizations have grappled with how to reliably use generative AI in business, Sinequa’s Assistants demonstrate that combining search with GenAI in a technique called retrieval-augmented generation (RAG) enables the next generation of AI-augmented knowledge work. Sinequa’s unique Neural Search is the perfect complement to GenAI and provides the foundation for Sinequa’s Assistants. Its capabilities go far beyond RAG’s conventional search-and-summarize paradigm to intelligently execute complex, multi-step activities, all grounded in facts to augment the way employees work. Assistants automate tedious tasks and streamline work processes with added insights for better results, improved quality, and a more satisfying work experience.

Unlike other AI assistants or copilots that lack secure access to the full scope of all enterprise content, Sinequa’s Assistants leverage any and all company content and knowledge to generate contextually-relevant insights and recommendations, while ensuring privacy and data governance. Optimized for scale with three custom-trained small language models (SLMs) for the best relevance at low cost, Sinequa Assistants ensure accurate conversational responses on any internal topic, complete with citations and full traceability to the original source.
Sinequa Assistants work with any public or private generative LLM, including Cohere, OpenAI, Google Gemini, Microsoft Azure Open AI, Mistral and others, allowing companies to choose which LLMs best meet their needs while controlling costs. The Sinequa Assistant framework powers a range of ready-to-go Assistants along with tools to define custom Assistant workflows so that customers can use an Assistant out of the box, or tailor and manage multiple Assistants from a single platform. These Assistants can be tailored to fit the needs of specific business scenarios and deployed and updated quickly without code or additional infrastructure. Some of the domain-specific Assistants available include:

  • The Augmented Scientist empowers research teams to converse with scientific content from an ever-increasing number of data sources to speed up clinical trials, drug development and streamline Research & Development (R&D) processes.
  • The Augmented Engineer empowers design teams with a unified view of projects, products, and parts and the ability to construct and search across a digital thread.
  • The Augmented Lawyer gives lawyers and paralegals powerful self-service research capabilities across all case files and information through a time-saving AI search.
  • The Augmented Asset Manager empowers financial asset managers and advisors to leverage valuable insight from contracts, portfolio history and documents.
    All of the Assistants are powered by Sinequa’s search platform, combining the most accurate and performant hybrid search technology and three custom SLMs. A flexible Assistant framework makes it easy to define custom workflows informed by search and combine that with any generative AI model, whether commercial, private, or open source.

“To better capitalize on the feedback following production incidents in our refineries, we implemented JAFAR (Jenerative AI for Availability REX), a new search app designed to streamline information retrieval in TotalEnergies’ knowledge databases. Powered by Sinequa’s search engine/RAG combined with generative AI, JAFAR enhances decision-making by analyzing documents and providing recommendations,” said Aude Giraudel, Head of Smart Search Engines, TotalEnergies. (2)

While most companies are still experimenting with basic search-and-summarize RAG, Sinequa has gone much further with Assistants that take RAG to the next level. Sinequa’s Assistants execute multi-step workflows to accomplish complex tasks with reasoning, incorporating RAG as needed to fully leverage corporate knowledge. This ensures that the Assistant responds accurately, transparently, and securely, with the most up-to-date information, including inline citations to original sources and immediate traceability – and access – to those sources.

“Sinequa has been investing in Artificial Intelligence and leading Enterprise Search for the last 20 years thanks to our unmatched connectivity and scalability on enterprise content. Having pioneered the use of LLMs in search with our custom trained SLMs, Sinequa is perfectly positioned to take search and RAG to the next level with the release of Sinequa’s Generative AI Assistants. This is an exciting time as our Assistants augment the way we work, empowering knowledge workers to deliver higher quality work in less time, and with greater confidence and lower mental stress. At Sinequa we are proud to support our customers in their GenAI transformation,” said Jean Ferré, CEO and Co-Founder of Sinequa.

As part of this paradigm shift and the unveiling of Sinequa’s virtual assistants, Sinequa has also launched a new brand identity and company website to reflect this new era of work augmented by Assistants informed by search and Sinequa’s role in advancing AI in the enterprise. AI is fundamentally transforming how work gets done, and represents a new world of opportunity for augmenting employees and businesses.
(1) Gartner, Emerging Tech: Primary Impact of Generative AI on Business Use Cases, 6 September, 2023, by Annette Jump, Anthony Bradley, Eric Goodness, Radu Miclaus
(2) Quote extracted from CIO France magazine, “TotalEnergies raffine ses résultats de recherche avec le RAG,” April 18, 2024

Explore AITechPark for the latest advancements in AI, IOT, Cybersecurity, AITech News, and insightful updates from industry experts!

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

数字孪生技术可改善水务管理

Info-Tech Research Group的全面资源解决了水务公用事业面临的关键IT挑战,例如绘制数字孪生之旅、优先考虑倡议、优化运营程序。图片{ width=60% }


该公司针对发展水务数字孪生之路的指南为水务行业领导者提供了可操作的策略,以增强能力发展、推动创新并改善水务管理。
随着全球水资源问题不断加剧,有效水务管理的紧迫性日益增强,全球研究和咨询公司Info-Tech Research Group在最近发布的行业资源中指出,水务机构必须加快数字化转型的步伐。在应对水务运营的复杂格局方面,水务领导者面临着众多挑战,从老化基础设施到提供更安全的水源责任的增加。虽然数字孪生技术具有显著的潜在好处,该公司解释说,许多组织难以制定与其生态系统独特特征相一致的定制数字孪生之旅。为解决这一问题,Info-Tech Research Group发布了最新的蓝图《建立水务数字孪生之路》。该公司基于研究的资源将帮助行业领导者制定战略计划,确保实施数字孪生技术在公用事业领域带来即时收益。
Info-Tech的研究强调了现有数字孪生研究中缺乏可操作指导,这使得水务领导者缺乏明确的可行步骤。加剧这一挑战的是缺乏坚实框架来引导平衡期望的商业成果和必要投资的路线图的发展。这一差距突显了数字孪生实施的全面方法的必要性,确保水务机构能够有效管理资源并向社区提供干净、安全的水源。
“大多数水务公用单位最近在部署朝着实现理想数字孪生目标状态的元素方面取得了进展。然而,往往缺少的是对数字之旅的整体看法。每个水务组织的业务驱动因素各不相同,因此它们的数字孪生之旅也不同,”解释Wu。“在这个旅程的起点可能因领导赞助、技术成熟度和文化准备程度以及管理重大数字转型项目的准备情况等因素而有所不同。无论选择的方法如何,水务领导思想领袖在计划他们的旅程时保持对更大局势的关注至关重要,即使路径分歧。”
该公司建议在管理重大数字转型项目时考虑领导赞助、技术成熟度和文化准备等因素的重要性。该蓝图还强调了水务领导者需要制定一个包括预填充示例数据的有效路线图,以促进持续和迭代式规划。通过这样做,水务机构可以确保他们在行业成功实施数字孪生技术,从而带来即时和长期收益。
在其新蓝图中,Info-Tech概述了水务领导者在构建数字孪生路线图时需考虑的三个关键步骤:
1.确定期望的结果:建立基准和目标组织关键绩效指标以衡量成功。列出与战略目标一致且可以带来重大价值的潜在用例。
2.优先考虑用例:对用例进行彻底分析,重点放在人员、流程和技术方面的战术倡议上。价值准备度评估将有助于根据其潜在影响和可行性对这些用例进行优先考虑。
3.创建填补差距的战术路线图:确定当前数字孪生功能中的差距,并制定详细的路线图来解决这些差距。这种迭代方法确保持续改进并与不断发展的组织需求保持一致。
通过按照Info-Tech蓝图中概述的详细指导,水务公用单位可以有效地在其更广泛的数字转型战略的一部分中驾驭其数字孪生之旅。这种综合方法不仅增强了运营效率和资源管理,而且将水务公用单位置于创新的最前沿。
随着全球水资源挑战持续升级,积极采用数字孪生技术使公用事业能够推动长期利益,在日益复杂的环境中建立弹性。

有关水务行业专家Jing Wu的独家及时评论和获取完整的“构建水务数字孪生之路”蓝图,请联系pr@infotech.com
Info-Tech LIVE 2024大会
现在可以注册参加Info-Tech Research Group年度IT大会Info-Tech LIVE 2024,该活动将于2024年9月17日至19日在拉斯维加斯标志性的贝拉吉欧举行。这个首要活动为记者、播客和媒体影响者提供独家内容访问、最新的IT研究和趋势,以及采访行业专家、分析师和演讲者的机会。要申请媒体通行证以参加活动或获得有关热门主题的研究和专家见解,请联系pr@infotech.com



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