OpenAI放“闪亮产品”高于安全,离职研究人员称

一位前OpenAI高级员工表示,负责ChatGPT的公司正在优先考虑“闪亮产品”而非安全,揭示他因对关键目标产生分歧而辞职。


Jan Leike曾是OpenAI的关键安全研究员,担任超级对准合作领导,确保强大的人工智能系统遵守人类的价值观和目标。他的介入发生在下周首尔举行的全球人工智能峰会之前,政治家、专家和科技高管将在峰会上讨论对该技术的监管。

Leike在旧金山公司推出最新的AI模型GPT-4o后几天辞职。他的离职意味着继OpenAI的联合创始人兼超级对准合作领导Ilya Sutskever辞职后,这家公司有两位高级安全人士本周离职。

Leike在周五发布的X内容中详细介绍了他辞职的原因,称安全文化已经变得不再是重中之重。“过去几年,安全文化和流程已经让位于闪亮产品,”他写道。

OpenAI成立的目标是确保人工通用智能,描述为“比人类智能更智能的人工智能系统”,造福全人类。Leike在X内容中表示,他与OpenAI领导层对公司优先事项持有不同意见已有一段时间,而这种对峙终于达到了“破裂点”。

Leike表示,OpenAI还开发了Dall-E图像生成器和Sora视频生成器,应该在下一代模型中投入更多资源解决安全、社会影响、机密性和安全性等问题。“这些问题很难解决,我担心我们无法朝着正确的方向发展。”他补充说,他的团队越来越难以开展研究。“构建比人类更聪明的机器是一项固有危险的工作。OpenAI肩负着代表全人类的重大责任,”Leike写道,并补充称,OpenAI“必须成为一个以安全为先的AGI公司”。

OpenAI首席执行官Sam Altman在X上回应了Leike的帖子,感谢他对公司安全文化的贡献。

Sutskever在他的X帖子宣布离职时写道,他相信OpenAI在当前领导下“将构建既安全又有益的AGI”。Sutskever最初支持去年11月将Altman撤出OpenAI的老板职位,然后在公司内部动荣数天后又支持他被重新任命。

正如国际人工智能专家组发布的一份首个AI安全报告所指出的,人们就强大的人工智能系统逃避人类控制的可能性存在分歧。然而,该报告警告说,监管者可能赶不上科技快速进步的步伐,警告存在“技术进步速度和监管响应速度之间潜在的鸿沟”。

探索更多有关这些主题的内容:

人工智能(AI)
观察家
ChatGPT
OpenAI
计算
新闻

[分享]:转载此内容



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

外媒:不只是63岁的库克需要接班人,苹果高管团队或迎来“大换血”

据国外媒体报道,苹果公司的管理团队始终是个紧密、团结的集体,十多年来几乎未曾有过大的变动。这个团队在苹果内部被地称为“ET”,成员们年龄相仿,与现年63岁的CEO蒂姆·库克(Tim Cook)也仅有几岁之差。


然而,这种高度的稳定性也预示着苹果即将面临更广泛的继任挑战——不仅仅是寻找库克的接班人,更是要准备在未来某一时刻,为可能同时卸任的高管团队寻找合适的继任者。

从左到右分别为蒂姆·库克、艾迪·库伊、菲尔·席勒和克雷格·费德里吉

不久前,长期跟踪苹果公司的资深分析师马克·古尔曼(Mark Gurman)撰文预测,苹果硬件工程主管约翰·特努斯(John Ternus)已成为库克的可能接班人选。他不仅在苹果内部受到关注,更逐渐成为公众视野中的焦点人物。在上周发布新iPad后,本月18日他还会到宾夕法尼亚大学工程学院发表毕业典礼演讲。值得一提的是,特努斯还不到50岁,他的职业生涯还有很长的路要走。然而,苹果的成功并非仅依赖于一位CEO。在工程、营销、服务、财务等各个职能领域,那些高管们同样扮演着举足轻重的角色。接下来,让我们“检阅”一下在苹果公司可堪大任的高管候选人新势力:

运营部门

苹果首席运营官杰夫·威廉姆斯

在苹果的管理结构中,运营部门可能孕育着最有潜力的接班人。自2015年以来,杰夫·威廉姆斯(Jeff Williams)一直担任COO,而他的得力助手,高级副总裁萨比赫·可汗(Sabih Khan),则被视为接替威廉姆斯的有力候选人。萨比赫早已是苹果高管团队的一员,2019年,他接替了乔尼·艾维(Jony Ive)的位置,这一变化无疑为他铺设了一条内部晋升的途径。

萨比赫目前负责整个供应链的运营,如果将AppleCare的支持部门也纳入他的管辖范围,似乎也是合情合理的。若萨比赫果真获得晋升,那么普里亚·巴拉苏布拉马尼姆(Priya Balasubramaniam)将很有可能成为下一任运营高级副总裁,并有可能在未来某天成为COO。然而,一个值得关注的问题是,当威廉姆斯退休后,苹果将如何安排设计团队的归属。目前,一些工业设计师直接向威廉姆斯汇报工作,但这一安排可能会随着高层变动而有所调整。

财务部门

财务部门

卢卡·马埃斯特里(Luca Maestri)自2014年接替彼得·奥本海默(Peter Oppenheimer)以来,便一直负责苹果的财务职能。马埃斯特里在2013年加入苹果时担任公司财务总监,这一任命已清晰地预示了他将成为CFO的命运。目前,CFO办公室尚未进行类似的外部招聘,但马埃斯特里一直在悉心培养财务副总裁凯文·帕雷克(Kevan Parekh)作为他的接班人。

尽管帕雷克并非公众眼中的知名人物,但他在苹果公司内部却是一位举足轻重的高管,经常就重要的财务和销售事务直接向蒂姆·库克(Tim Cook)汇报。最近,他接替了苹果公司高级财务主管、现任Sonos首席财务官萨奥利·凯西(Saori Casey)的职位,这一变动进一步凸显了他在公司内部的地位。

法律总顾问

凯特·亚当斯(Kate Adams)于2017年加入苹果,如今已成为该公司历史上任职时间最长的法律总顾问之一。她的前任布鲁斯·休厄尔(Bruce Sewell)担任此职位约8年,但在此之前,这一职位的人员变动相对频繁。

法律总顾问是一份极具挑战性的工作,特别是在苹果面临监管压力日益加大的当下。亚当斯的得力助手,包括凯尔·安迪尔(Kyle Andeer)和BJ·沃特劳斯(BJ Watrous),都有可能接替她的位置。

软件工程

克雷格·费德里吉(Craig Federighi)自2012年以来便开始担任苹果软件业务主管。在库克的首次管理改革中,他取代了最初的iOS主管斯科特·福斯特尔(Scott Forstall)。

尽管费德里吉似乎不打算很快离开他的职位,但苹果内部许多人都在猜测,他未来的继任者可能是塞巴斯蒂安·马里诺(Sebastien Marineau)。马里诺目前负责众多与iOS相关的功能,如小组件和主屏幕等。然而,也有一些人认为,负责苹果一些底层软件技术的专家乔恩·安德鲁斯(Jon Andrews)会是更合适的人选。

硬件工程

若特努斯真的接替库克成为CEO,那么硬件工程团队将迎来一位新领导。特努斯有几位得力副手,其中包括凯特·伯格隆(Kate Bergeron)、丹尼斯·特奥曼(Deniz Teoman)和尤金·金(Eugene Kim)。

在特努斯目前的直接下属中,金和伯格隆被普遍认为是最有希望的候选人。然而,也一些苹果内部人士更倾向于迈克·洛克威尔(Mike Rockwell),这位备受尊敬的工程师刚刚帮助苹果推出了Vision Pro。如果这款头显取得最终的成功,洛克威尔的知名度无疑会进一步提升。不过,这其中存在一个复杂的因素:特努斯与洛克威尔之间的关系并不稳定。特努斯并非是Vision Pro的坚定支持者,而洛克威尔也从未直接向他汇报工作。

硬件技术

约翰尼·斯鲁吉(Johny Srouji)以他权威的管理方式领导着硬件技术团队,其受尊重程度甚至超越了众多高管。然而,如果终有一天斯鲁吉会离开他的岗位,很可能是在他将苹果期待已久的基带芯片推向市场之后。

斯鲁吉的团队内部普遍认为,斯里·桑塔南(Sri Santhanam)最终会接替他的位置。桑塔南负责苹果所有设备的主要芯片,包括iPhone和Mac。另一个可能性较小的候选人是蒂姆·密勒特(Tim Millet),他在苹果新iPad Pro的发布会上介绍了M4芯片。

市场营销

格雷格·乔斯维亚克(Greg Joswiak)自2020年起便接替菲尔·席勒(Phil Schiller)掌管苹果的市场营销团队。他的得力助手鲍勃·波彻斯(Bob Borchers)负责苹果所有产品的市场推广工作。如果乔斯亚克在可预见的将来离开,波彻斯无疑是接替他的首选接班人。波彻斯在2009年曾短暂离开苹果,此前他负责iPhone的营销活动。然而,他在2019年选择回归,据闻他依旧保持着作为苹果首席营销人员所需的独特视角和创新能力。波彻斯与乔斯维亚克年龄相仿,而苹果还有一位更长期的继任者人选,那就是负责iPhone营销的副总裁凯安·德兰斯(Kaiann Drance)。

人工智能

约翰·詹南德里亚(John Giannandrea)自2018年加入苹果以来,就以他独特的管理方式领导着人工智能团队。随着人工智能技术的飞速发展,詹南德里亚的角色变得愈发重要。然而,若他离开,目前团队中并没有一个明确的副手可以接替他的位置。

苹果技术副总裁凯文·林奇

鉴于人工智能部门主要围绕詹南德里亚本人而建,如果无法及时找到合适的二号人物,苹果可能会考虑将人工智能部门重新整合到软件工程团队中。另一种可能性则是让一位非人工智能领域的软件高管接管该部门,例如副总裁凯文·林奇(Kevin Lynch)。

零售业务

迪尔德丽·奥布莱恩(Deirdre O’Brien)自2019年起便负责苹果的零售业务。自去年将人力资源职责移交给新任首席人事官卡罗尔·索菲斯(Carol Surface)后,零售业务成为了她唯一的职责。

回顾苹果的历史,零售业务主管的职位曾由几位不同背景的人士担任,包括打造苹果零售帝国的罗恩·约翰逊(Ron Johnson)、由库克亲自挑选但迅速失败的约翰·布罗伊特(John Browett),以及致力于打造苹果零售和官方线上渠道的安吉拉·阿伦茨(Angela Ahrendts)。

服务业务

艾迪·库伊(Eddy Cue)在苹果执掌着一个庞大的业务版图,他负责管理包括TV+流媒体平台、音乐、地图、Apple Card、iCloud、Fitness+、Final Cut Pro等一系列应用,以及搜索广告和Apple Pay等关键业务。此外,库伊还要管理工程设计、界面设计和营销等部门。

在苹果内部,寻找一个能够完全取代库伊、并负责如此多领域的高级副总裁,无疑是一项艰巨的任务。鉴于这种情况,苹果可能会选择一种更为灵活的解决方案:将库伊的角色一分为两,分为娱乐和服务两大部分。

应用商店与Apple Events

在席勒从营销总监的位置上退下,将接力棒交给乔斯维亚克之后,他踏上了一个新的征程——担任苹果研究员,专门负责应用商店和Apple Events。当席勒最终离开时,可以预见的是,Apple Events的相关职责可能会被纳入营销或通信团队之中。而对于应用商店的未来,苹果公司的决策则需要更加审慎。如果将该团队简单地整合到软件工程或服务部门,可能会引来监管机构的质疑和反对。因此,应用商店部门可能会保持其独立性,继续拥有自己的领导者。然而,摆在苹果面前的一个棘手问题是:席勒并没有明确的继任者来接管这个团队。在苹果内部,几乎没有人具备他那样的跨职能能力、高地位以及对运营的深刻理解。有人甚至称他为“几乎不可替代”的存在。值得庆幸的是,在监管机构试图拆分应用商店的风口浪尖上,席勒似乎选择坚守阵地。

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

大模型搞砸!烧光3000万,CTO被裁

K哥的朋友王总,是某大型集团董事长,去年从大厂重金挖了个P9做CTO,并对其寄予厚望。上任后不久,CTO就给王总分析未来趋势,提出了AI战略,要求集团投资3000万搞大模型。


没成想,不到一年时间3000万预算就造光了,而CTO口中的大模型却连影子也没看到。董事长也慢慢回过味来,果断叫停了项目,裁掉了CTO。类似这种在大模型上折戟沉沙,几千万花下去,毛都没看到的真实案例,K哥今年至少听了5个以上。在当前环境下,为什么还会出现这么多“看上去很傻”的故事,今天K哥就和大家聊一聊。

01

大模型本身,并不能创造价值

1、技术本身,并不创造价值

大模型无疑是近年科技圈风头最盛的热点,很多企业都把大模型当成了不容错过的风口,砸钱建团队,跑步进场准备淘金。大模型真就是现成的金矿吗?所谓大模型,其实就是具有庞大的参数规模和复杂程度的机器学习模型。它所带来的生成式AI技术,可以让人用自然语言与机器交互,确实是数字时代的又一次重大革新。但说到底,大模型仍只是底层技术底座,其本身并不能直接创造价值。

举两个例子,就更容易理解了。胶卷时代的王者柯达,早在1975年就在实验室里研发出了世界上第一台数码相机,但由于担心这项技术会影响胶卷销量,就一直没有推广应用,最终被呼啸而来的数码时代所淘汰。

和柯达的命运一样悲催的,还有施乐公司,这家公司最早推出了个人电脑,爆火的却是IBM和苹果;最先创造了GUI(视窗界面),受益的却是微软的Windows;最早发明了鼠标、键盘和以太网,自己到今天却还在“执著”做着上世纪的生意——卖打印机和复印机。

不管什么领域,如果只是一味卷技术,而不考虑将其商业化落地,相信都会遇到柯达或施乐的尴尬。对于大模型产业链上的参与者而言,必须要想通一点,大模型是一个基础,必须把它“下沉”到各应用场景中去,让它的上面“长”出有价值的应用,让技术真正为应用服务,这个产业才算跑通了,才有可能越做越大。

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

900个开源AI工具背后,我看到的趋势

文章来源: OneFlow
作者 | Chip Huyen
OneFlow编译
翻译|杨婷、宛子琳

Image

四年前,我对开源机器学习生态系统进行了分析。自那时起,情况就发生了变化,所以这次我打算重新讨论这个话题,本次主要关注的是基础模型的技术栈。


我把完整的开源AI代码库列表放在了“llama-police”(https://huyenchip.com/llama-police,该列表每6小时更新一次。其余大部分也放在了我的GitHub“cool-llm-repos”(https://github.com/stars/chiphuyen/lists/cool-llm-repos)列表中。

(本文作者Chip Huyen是实时机器学习平台Claypot AI的联合创始人。本文经授权后由OneFlow编译发布,转载请联系授权。原文:https://huyenchip.com//2024/03/14/ai-oss.html)

数据

如果你现在觉得AI发展十分火爆,那是因为它确实如此。我在Github上以GPT、LLM和Generative AI为关键词进行检索,仅与GPT相关的就有约11.8万条结果。

为减少工作量,我将搜索范围限定在拥有至少500 star数的代码库。结果显示,与LLM相关的有590个,与GPT相关的有531个,与Generative AI相关的有38个。此外,我偶尔会查看GitHub Trending和社交媒体上的新代码库。

经过长时间的搜索,我找到了896个仓库。其中,有51个是教程(例如dair-ai/Prompt-Engineering-Guide)和聚合列表(例如f/awesome-chatgpt-prompts)。尽管这些教程和列表都很有帮助,但我更感兴趣的是软件,不过我还是将其放进了最终列表,只是最后的分析是基于其余845个软件库(截止本文发布)。

这个过程虽然痛苦,但很值得,因为我更深入地了解了人们正在研究的内容,开源社区的合作程度之高令人惊叹,也让我意识到中国的开源生态系统与西方存在很大差异。

(毫无疑问,我也遗漏了很多库。你可以在这里(https://forms.gle/1ijNSnizgWQaVYK16)提交缺失的代码库,该列表每天会自动更新。欢迎提交star数少于500的代码库,我会持续关注这些仓库,并在它们达到500 star时将其添加到列表中!)

新的AI技术栈

我认为,AI技术栈包含四个层级:基础设施层、模型开发层、应用开发层和应用层。

Image

1.基础设施层
基础设施是AI技术栈的底层,包括用于Serving的工具(例如vLLM、NVIDIA的Triton)、计算管理(例如SkyPilot)、向量搜索和数据库(例如Faiss、Milvus、Qdrant、LanceDB)等。

2.模型开发层
模型开发层提供了开发模型的工具,包括建模和训练框架(Transformers、Pytorch、DeepSpeed)、推理优化(如GGML、Openai/Triton)、数据集工程,评估等。任何涉及改变模型权重的操作都发生在这一层,包括微调。

3.应用开发层
在应用开发层,任何人都可以基于现成的模型开发应用程序。在过去的两年里,这一层的发展动态最多,并且仍在快速演进。这一层也被称为AI工程(AI Engineering)。

应用开发包括提示工程(Prompt Engineering)、RAG(Retrieve、Add、Generate)和AI界面(AI Interface)等。

4.应用层
应用层有许多基于现有模型构建的开源应用程序,其中最流行的应用类型包括编码、工作流自动化、信息聚合等。

除这四层外,还有另一个类别,即模型存储库(Model Repos)。这些存储库由公司和研究人员创建,用于分享与他们模型相关的代码。这一类别的存储库示例包括CompVis/stable-diffusion、openai/whisper和facebookresearch/llama。

AI技术栈的演进

我绘制了每一类别中代码库数量的累积月度图。在2023年推出Stable Diffusion和ChatGPT之后,新工具的数量呈爆炸式增长。2023年9月后,曲线似乎开始趋于平缓,这背后可能有三个潜在原因:

1.我的分析中仅包含star数500以上的库,而代码库积累这么多star需要时间。
2.大部分容易获得的成果(low-hanging fruits)已被收割,剩下的项目需要付出更多的努力来构建,因此能够构建…



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收入三位数暴增!阿里云在背后做了什么?

来源:硬AI

作者 | 张逸凡

编辑 | 硬 AI

阿里透露24Q1智能云AI收入同比三位数强劲增长,预计云业务下半年恢复双位数增长。

AI收入同比三位数强劲增长?!5月14日财报会上,阿里透露24Q1阿里的AI相关产品实现了收入同比三位数强劲增长。


集团CEO吴泳铭表示,AI业务的增长主要来自于两方面:基础模型公司、互联网公司的模型训练及推理服务需求;金融、汽车等行业垂直应用需求增长推动。对于未来的预期,管理层认为在公司对AI的大力布局下,阿里云的商业化收入将在下半财年恢复双位数增长。同时从财报现金流变动来看,阿里云仍然是1季度公司重点的资本投入方向。

为何阿里云AI业务能够实现如此强劲的增长,阿里云的AI战略将会如何进行?本文试图透过公司过去半年的业务变化探知一二。

01

阿里的AI布局

去年9月,吴泳铭出任阿里巴巴集团新一任CEO后,提出了“用户为先、AI驱动”两大战略重心。在11月电话会上,吴泳铭又正式明确为三个方向:技术驱动的互联网平台业务,AI驱动的科技业务,全球化的商业网络。

对于阿里云来说,在经过2个月的断舍离后,吴泳铭确定未来五年阿里云将实施AI驱动、公共云优先的策略。为此,公司随后在AI领域布局更加全面,战略也更清晰。一切配合公共云服务增长。无论是原先的开源模型基座、通义系列AI应用、模型社区,还是进一步拓展对外投资,扩大阿里的“AI生态朋友圈”,都在为阿里云的核心——公共云服务引流。

硬AI统计目前阿里云主要AI产品生态:

阿里云主要AI产品生态

02

AI云服务

毫无疑问,阿里的公共云已经成为云板块的核心,所有的业务…

(以下内容省略)


source

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

人物照片+文字 = 定制化视频,腾讯光子开源ID-Animator

近年来,定制化的人物生成技术在社区中引起了广泛关注。一系列创新性的模型,如 IP-Adapter、Photomaker、InstantID 等,已在图像生成领域取得了令人瞩目的成果。


这些定制化内容生成方法逐渐成为主流,其一个重要的优势便是即插即用,取代了那些需要逐例微调的 Dreambooth,LoRA 等方法。

然而,尽管在图像生成领域取得了巨大的成功,这些方法在视频生成领域却遇到了阻碍。相较于图像,视频生成模型的训练需要更大的算力投入。同时,在视频数据集方面,迄今为止仍缺乏类似图像生成领域高质量的文本 - 视频配对人脸数据集。此外,如何提取人物身份一致性的特征也是一个难题。

为了应对这些挑战,腾讯光子近期发布的工作 ID-Animator,提出了一种文本驱动的人物视频生成框架。该框架旨在根据给定的一张参考图片,生成一致性的角色 定制化视频。通过这一创新性技术,研究者可以期待在不久的将来,人们将能够更轻松地实现定制化的人物视频生成,从而为各种应用场景带来更加丰富的视觉体验。

论文地址: https://arxiv.org/abs/2404.15275
Github 地址: https://github.com/ID-Animator/ID-Animator
Huggingface 地址: https://huggingface.co/spaces/ID-Animator/ID-Animator

首先,让我们直观感受一下 ID-Animator 生成的视频效果,能够轻松的让不同的角色做起丰富的动作:链接


更多详细内容,请阅读原论文。



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

六个自动化实验室联合AI,发现21种先进新材料,全程无人类参与

编辑 | ScienceAI
科学家要被替代了?由六个自动化实验室组成的全球联盟,在人工智能 (AI) 的监督下,着手生产新型激光材料,将工作从合成到测试分开。
来自多伦多大学、伊利诺伊大学厄巴纳-香槟分校、不列颠哥伦比亚大学、波兰科学院等组成的 33 位科学家合作,提出了一种基于云的策略,该策略支持非本地化和异步的设计-制造-测试-分析周期。


该研究共产生了 621 种新化合物,发现了 21 种最先进的新材料,还有一种比任何其他有机材料更有效地发射蓝色激光。
这一壮举表明,在某些领域,自动驾驶实验室可以超越最优秀的科学家,发现人类所错过的东西。
该研究以「Delocalized, asynchronous, closed-loop discovery of organic laser emitters」为题,于 2024 年 5 月 17 日发布在《Science》

论文链接:https://www.science.org/doi/10.1126/science.adk9227

「自动化实验室正在超越概念验证演示。」北卡罗来纳州立大学化学工程师 Milad Abolhasani 说,他开发了一个与这项新工作无关的自动驾驶实验室,「他们已经开始将科学的前沿推向新的水平。」

人工智能驱动的实验室对于开发新药、工业催化剂以及能源和减排技术的吸引力是显而易见的。创造新的分子和材料通常是缓慢而乏味的。研究人员不仅必须探索制造分子的无数配方,还必须探索不同的反应条件。他们必须在每一步测试新化合物,并评估扩大生产规模和将材料组装到设备中的方案。
在过去的十年中,机器人已经开始自动化许多这些重复步骤。例如,2015 年,伊利诺伊大学厄巴纳-香槟分校的化学家 Martin Burke 推出了一种用于合成小分子的自动化系统。

论文链接:https://www.science.org/doi/10.1126/science.347.6227.1190

后来,通过结合人工智能,研究人员添加了反馈循环,因此新表征的化合物的数据可以指导下一步合成什么的决策。但 Burke 说,发现新材料并将其组装成设备需要机器人在更多步骤中协同工作。「没有人可以在一个实验室里同时拥有所有这些工具和观点。」

Burke 和多伦多大学理论化学家 Alán Aspuru-Guzik 认为,他们可以将不同实验室中的这些不同功能结合起来。「我们想,让我们建立一个由自动驾驶实验室组成的更大的自动驾驶实验室。」Aspuru-Guzik 说。

因此,两人与韩国基础科学研究所、格拉斯哥大学、不列颠哥伦比亚大学(UBC)和九州大学的实验室合作,专注于一个特定的目标:发现可以发射高纯度激光的有机化合物。

这种材料可以为先进的显示器和电信设备提供动力,因为它们可以制成薄的、柔性的、发光的薄膜。但尽管该领域的工作已经进行了十多年,但只发现了大约十几种候选有机激光发射器。

首先,格拉斯哥大学和 UBC 实验室生产了方糖大小的材料构建块。这些彩色粉末被包装起来并发送给 Burke 和 Aspuru-Guzik 的小组,机器人将它们以不同的组合编织成候选发射器。所有这些都被传递到多伦多,在那里其他机器人在解决方案中描述了它们的发光特性。

对于最好的物质,UBC 实验室确定了如何合成和纯化制造设备所需的大量物质。然后,这些材料以几克为一组被运往日本,九州实验室将它们整合到工作激光器中并测试其性能。

整个操作由一个基于云的人工智能平台监督,该平台主要由多伦多和韩国的团队设计,从每个实验中学习并将反馈纳入后续迭代中。「这几乎就像一首交响乐。」格拉斯哥大学实验室的负责人 Lee Cronin 说。主要障碍是及时在世界各地运输设施。「联邦快递成为了瓶颈。」Burke 说。

这次合作得到了回报。这项工作产生了 621 种新化合物,其中 21 种可与最先进的激光发射器相媲美,还有一种比任何其他有机材料更有效地发射蓝色激光。

瑞士联邦理工学院自动驾驶实验室专家 Philippe Schwaller 表示:「让所有这些不同的组件协同工作真是令人印象深刻。」

发现的速度「太快了」,斯克里普斯研究中心的化学工程师 Donna Blackmond 表示,「他们的方法比平常更快地找到了优秀的候选物。」

这并不是最近唯一的成功。例如 2023年,Abolhasani 的实验室报告称,他们创造了所谓的钙钛矿矿物纳米粒子,这种纳米粒子表现出创纪录的光致发光性能,这种特性可以识别可能在太阳能电池中发挥良好作用的材料。

论文链接:https://onlinelibrary.wiley.com/doi/full/10.1002/aenm.202302303

在去年 ChemRxiv 上发布的预印本中,Burke 团队报告了一种人工智能装置,它不仅合成了一系列新的光捕获化合物,而且揭示了是什么让它们稳定而不是容易快速崩溃,让我们难得一睹人工智能(通常是黑匣子)是如何做出决定的。

论文链接:https://chemrxiv.org/engage/chemrxiv/article-details/64ef56463fdae147fa2346d4

Burke 希望自动化和人工智能的进步将使越来越多的实验室能够联合起来。「这是我们迫切需要的东西。」他说。它最终可能会让科学家停止追求机器人任务并成为机器人霸主。

相关报道:https://www.science.org/content/article/no-humans-needed-ai-robots-discover-new-laser-materials-on-their-own



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

外媒:不只是63岁的库克需要接班人,苹果高管团队或迎来“大换血”

据国外媒体报道,苹果公司的管理团队始终是个紧密、团结的集体,十多年来几乎未曾有过大的变动。这个团队在苹果内部被地称为“ET”,成员们年龄相仿,与现年63岁的CEO蒂姆·库克(Tim Cook)也仅有几岁之差。


然而,这种高度的稳定性也预示着苹果即将面临更广泛的继任挑战——不仅仅是寻找库克的接班人,更是要准备在未来某一时刻,为可能同时卸任的高管团队寻找合适的继任者。

图片来源:由GPTNB生成

从左到右分别为蒂姆·库克、艾迪·库伊、菲尔·席勒和克雷格·费德里吉

不久前,长期跟踪苹果公司的资深分析师马克·古尔曼(Mark Gurman)撰文预测,苹果硬件工程主管约翰·特努斯(John Ternus)已成为库克的可能接班人选。他不仅在苹果内部受到关注,更逐渐成为公众视野中的焦点人物。在上周发布新iPad后,本月18日他还会到宾夕法尼亚大学工程学院发表毕业典礼演讲。值得一提的是,特努斯还不到50岁,他的职业生涯还有很长的路要走。

然而,苹果的成功并非仅依赖于一位CEO。在工程、营销、服务、财务等各个职能领域,那些高管们同样扮演着举足轻重的角色。接下来,让我们“检阅”一下在苹果公司可堪大任的高管候选人新势力:

苹果首席运营官杰夫·威廉姆斯

运营部门

在苹果的管理结构中,运营部门可能孕育着最有潜力的接班人。自2015年以来,杰夫·威廉姆斯(Jeff Williams)一直担任COO,而他的…

查看全文

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

手机到汽车,这家老牌手机厂商跨界玩的真溜

「AI 终端」再引热议。

星纪魅族的 All in AI 战略,又有了里程碑式的进展。


5 月 16 日,星纪魅族正式发布全新 Flyme AIOS 系统,一系列全新 AI 功能全方位展现了AI对智能辅助、系统交互能力的提升。紧接着的 5 月 17 日,搭载 Flyme Auto 的领克 07 正式上市,又让这个生态再次受到关注。

作为知名老牌操作系统,Flyme 一直以优秀的交互体验受到人们的欢迎。今年年初,星纪魅族在宣布 All in AI 战略的同时,发布了旗下第一款「开放式 AI 终端」魅族 21 PRO。

而昨天发布的 Flyme AIOS 系统,则从点到面,把系统级的生成式 AI 能力带到更多手机型号,甚至跨越设备端,进入了汽车等智能设备上。

Flyme AIOS 正式发布

「剑指」全场景互联

生成式 AI 火热的今天,每家科技公司都在争相引入人工智能,但侧重点不尽相同。星纪魅族希望让 AI 以更简单的方式进入人们的生活,这就意味着需要在手机系统的一侧进行大幅度、彻底的改变。

星纪魅族认为,目前市面上大多数的 AI 手机只是在手机端提供了大模型、图像生成等工具,借助应用向用户提供帮助。但这远远不够,真正要做的是构建「AIOS」,即让手机懂得如何帮助用户实现功能。

在全新 Flyme AIOS 中,AI 全面进入系统级的生产力阶段。Aicy 助手提供了核心智能交互能力,升级加入的超自然音色及连麦对话能力,能够为用户提供接近真人的对话语气、音色、语感的真实化体验,实现更加拟人且口语化的连续沟通,比如作为模拟面试官陪你锻炼面试技巧。

Flyme AIOS 中的 AI 电话助理、AI 笔记、AI 录音、AI 搜索等功能同样获得了大幅升级。AI 电话助理支持 AI 接听及 AI 识别通话场景及意图,能够根据用户设定完成半自动 / 全自动应答,帮助用户进行快递、外卖送餐等场景的智能应答。AI 录音功能支持全局录音,也能自动生成总结、会议记录。

Flyme AIOS 的 AI 搜索支持即圈即搜:开启 AI 灵动键触发识屏功能后,即可随心进行圈选,帮助完成网页总结及翻译、小红书搜同款、文本一划即选等功能。新增的拖拽流转,只要是屏幕上看得见的东西,都可以随手拖拽交给 AI,自动进行搜索或分享。

目前,Flyme 10.5 正式版系统上已实现 40+ 项 AI 功能,包括全局搜索、通识问答、图像处理等能力。这些丰富、自然和流畅的 AI 原生能力让用户随身携带了一个「多面手」生产力工具。

Flyme AIOS 带来提升的不仅仅是手机,其他终端也将受益。开启 All in AI 战略布局后,星纪魅族致力于用 AI 构建无界智联的美好生活,为用户带来多终端、全场景、沉浸式的融合体验,进一步构建全球智能出行科技生态。

延续 2023 年 11 月底升级的 Flyme OS 操作系统,全新 Flyme AIOS 的正式亮相,融入了人工智能多维度的交互,成为星纪魅族 AI 生态的重要一环。

此次,Flyme AIOS 打造的 AI 原生底座为智慧全场景注入了新的动力。基于大模型新增了任务剧本和任务机器人两大系统 AI 原生能力,在系统层面使得 AI 能力从辅助拓展到了全场景自动执行。

如下图所示,参考智能驾驶的定义,Flyme AIOS 给操作系统赋予了 L2 到 L4 级的自动操作能力,其中 L3 级的任务剧本不仅支持自定义和语音创建剧本,还利用系统加持的 AI 能力为跨端设备的状态管理、控制、联动带来更高的便捷性。

在跨端实现中,Flyme AIOS 通过整合 Flyme Auto、Flyme AR 和 lipro 智能家居等核心场景进行多端互联。这里场景逻辑以制定「任务剧本」的形式呈现,让用户自由选择终端设备来构建场景,在联合调动下实现手机、车、家三合一的沉浸式无界生态体验。

比如针对 MYVU 智能 AR 眼镜产品,星纪魅族近期也将对其搭载的 Flyme AR 系统进行重要的 OTA 升级,进一步提升佩戴和智能出行体验。

又比如,作为 Flyme AIOS 系统在汽车智能座舱上的延续,星纪魅族搭载在领克 07、08 车型上的 Flyme Auto 车机系统致力于提供更智能、高效和简洁的乘车体验。自 2023 年 3 月正式亮相以来,短短一年多时间,这套系统已经获得了市场的高度认可。

关于这套车机系统,星纪魅族与领克的跨界合作更值得说道说道。

手机厂商做车机

星纪魅族祭出「杀招」Flyme Auto

从这届北京车展的火爆程度可以看出,当前新能源汽车产业的发展已经进入快车道,智能化已经成为了绝对主角。各家车企都在使出浑身解数,拿出压箱底的绝招。尤其是作为智能汽车灵魂的车机系统,更成为车企追逐角力的重心。

手机厂商与车企跨界合作越来越多,风头正劲的问界 / 智界与小米,其搭载的华为鸿蒙 OS 和小米澎湃 OS 车机系统就被人津津乐道。同时,星纪魅族无界 OS 积极进入汽车领域,搭载在领克 08 车型上的第一代 Flyme Auto 智能座舱操作系统是其跨界迈出的第一步。

Flyme Auto 首发搭载到了领克 08 上,助力该车型上市 4 个月销量突破 4 万辆。这要归功于这套车机系统所提供的卓越智驾体验,打破手机与车机互联壁垒,共享手机算力、软硬件和应用生态,实现了与车机更深度的互联。

在车机场景中,星纪魅族提出其独有的「手机域」概念,通过改变智能汽车技术架构,让手机成为汽车的一部分,使升级手机和升级车机配置划等号,从而提升智能座舱使用体验。星纪魅族手机用户进入汽车后,正在使用的应用会自动同步到车载显示屏上,使车机界面与手机界面保持一致。

上市交付大半年以来,搭载在领克 08 上 的 Flyme Auto 让人们看到了人车交互、手车互联的更多可能,也对再次用上该…


1
2
3
4
5
title: '手机到汽车,这家老牌手机厂商跨界玩的真溜'
date: 2024-05-19
author: ByteAILab

以上内容以Makedown格式标准输出。

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

全球140+大模型全方位评测结果出炉,智源评测体系发布

2024 年 5 月 17 日,智源研究院举办大模型评测发布会,正式推出科学、权威、公正、开放的智源评测体系,发布并解读国内外 140 余个开源和商业闭源的语言及多模态大模型全方位能力评测结果。

本次智源评测,分别从主观、客观两个维度考察了语言模型的简单理解、知识运用、推理能力、数学能力、代码能力、任务解决、安全与价值观七大能力;针对多模态模型则主要评估了多模态理解和生成能力。


在中文语境下,国内头部语言模型的综合表现已接近国际一流水平,但存在能力发展不均衡的情况。在多模态理解图文问答任务上,开闭源模型平分秋色,国产模型表现突出。国产多模态模型在中文语境下的文生图能力与国际一流水平差距较小。多模态模型的文生视频能力上,对比各家公布的演示视频长度和质量,Sora 有明显优势,其他开放评测的文生视频模型中,国产模型 PixVerse 表现优异。

由于安全与价值观对齐是模型产业落地的关键,但海外模型与国内模型在该维度存在差异,因此语言模型主客观评测的总体排名不计入该单项分数。语言模型主观评测结果显示,在中文语境下,字节跳动豆包 Skylark2、OpenAI GPT-4 位居第一、第二,国产大模型更懂中国用户。在语言模型客观评测中,OpenAI GPT-4、百川智能 Baichuan3 位列第一、第二。百度文心一言 4.0、智谱华章 GLM-4 和月之暗面 Kimi 均进入语言模型主客观评测前五。

多模态理解模型客观评测结果显示,图文问答方面,阿里巴巴通义 Qwen-vl-max 与上海人工智能实验室 InternVL-Chat-V1.5 先后领先于 OpenAI GPT-4,LLaVA-Next-Yi-34B 和上海人工智能实验室 Intern-XComposer2-VL-7B 紧随其后。

多模态生成模型文生图评测结果显示,OpenAI DALL-E3 位列第一,智谱华章 CogView3、Meta-Imagine 分居第二、第三,百度文心一格、字节跳动 doubao-Image 次之。多模态生成模型文生视频评测结果显示,OpenAI Sora、Runway、爱诗科技 PixVerse、Pika、腾讯 VideoCrafter-V2 位列前五。

图注:文生图模型的客观评测指标与主观感受差异巨大,有失效的迹象,因此排名以主观评测为准;Mdjourney 基本无法理解中文提示词,因此排名靠后;仅使用其官方公布的 prompts 和视频片段与其他模型生成的视频进行对比评测,评测结果存在一定的偏差。

首次联合权威教育机构进行大模型 K12 学科测试

当前,大模型的发展具备了通用性,在逻辑推理能力上有显著提升,日趋接近人脑的特征。因此,在海淀区教委支持下,智源研究院联合与海淀区教师进修学校对齐学生测验方式,考察大模型与人类学生的学科水平差异,其中,答案不唯一的主观题,由海淀教师亲自评卷。

智源评测发现,模型在综合学科能力上与海淀学生平均水平仍有差距,普遍存在文强理弱的情况,并且对图表的理解能力不足,大模型未来有很大的提升空间。

北京市海淀区教师进修学校校长姚守梅解读大模型 K12 学科测试结果时指出,在语文、历史等人文学科的考试中,模型欠缺对文字背后的文化内涵以及家国情怀的理解。面对历史地理综合题时,模型并不能像人类考生一样有效识别学科属性。相较于简单的英语题,模型反而更擅长复杂的英语题。解理科题目时,模型会出现以超出年级知识范围外的方法解题的情况。当出现无法理解的考题时,模型依然存在明显的 “幻觉”。

系统化构建文生视频模型主观评价体系

中国传媒大学智能媒体计算实验室负责人史萍教授表示,相较文本,视频的主观评价复杂度极高。自动化指标无法完全捕捉模型生成的质量,更无法对生成视频的真实性、图文语义一致性等进行量化。因此,需要系统化构建针对文生视频模型的主观评价体系。

该评价体系,由智源研究院与中国传媒大学基于双方在大模型评测领域和视频质量评价领域的丰富科研成果与实践经验共同建立,在图文一致性、真实性、视频质量、美学质量四大方面给出多维度评分,为 AIGC 视频生成技术的应用及发展提供参考。

科学权威公正开放的智源评测体系

依托科技部 “人工智能基础模型支撑平台与评测技术” 和工信部 “大模型公共服务平台” 项目,智源研究院与 10 余家高校和机构联合开展大模型评测方法与工具研发。

2023 年 6 月,由智源研究院与多个高校团队共建的 FlagEval 大模型评测平台上线,迄今为止已完成了 1000 多次覆盖全球多个开源大模型的评测,并持续发布评测结果,广泛地积累了国际领先的评测技术。

智源研究院牵头成立了 IEEE 大模型评测标准小组 P3419,组织 20 余家企业及学者参与大模型标准建设,同时作为《人工智能预训练模型评测指标与方法》国家标准草案的共建单位,智源此次的模型评测,借鉴了该标准,采取了客观评测统一规则与主观评测多重校验打分相结合的方法。其中,开源模型采用模型发布方推荐的推理代码及运行环境,对所有模型统一使用业界通用的提示语,不针对模型做提示语的优化。

本次智源评测使用 20 余个数据集、超 8 万道考题,包括与合作单位共建和智源自建的多个评测数据集,如中文多模态多题型理解及推理评测数据集 CMMU、中文语义评测数据集 C-SEM、中文语言及认知主观评测集 CLCC、面向复杂算法代码生成任务的评测集 TACO、文生图主观评测集 Image-gen、多语言文生图质量评测数据集 MG18、文生视频模型主观评测集 CUC T2V prompts。

其中,主观题 4000 余道,均来源于自建原创未公开并保持高频迭代的主观评测集,严格校准打分标准,采取多人独立匿名评分、严格质检与抽检相结合的管理机制,降低主观偏差的影响。此外,为了更准确地评测语言模型的各项能力,智源专门对所有客观数据集的子数据集进行了能力标签映射。

科学权威公正开放,是智源评测的最高纲领。智源研究院院长王仲远表示,未来,智源将携手生态合作伙伴继续共建完善评测体系,促进模型性能的优化以及在多元复杂场景下的产业落地,推动大模型技术应用的有序发展。


。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