在一个备受期待的夏季活动浪潮准备阶段，OpenAI、Google以及法国人工智能初创公司Mistral于12小时内相继发布了其最新版的前沿AI模型。这一前所未有的发布热潮预示着行业为OpenAI旗下备受欢迎的聊天机器人Chat-GPT所依托的下一主要版本GPT系统的预期推出做好了准备。

---

首先，距离Nick Clegg在伦敦一个活动上确认Meta自家的第三版AI模型Llama将在几周内发布的消息仅几小时，Google发布了其最先进的大型语言模型Gemini Pro 1.5，对普通大众开放，并提供每天最多50次请求的免费使用额度。

紧接着，OpenAI发布了其自家的前沿模型GPT-4 Turbo的最终版本。GPT-4 Turbo和Gemini Pro 1.5都是“多模态”系统，能够接受的不仅仅是文本。每个系统都可以接受图像输入，而Gemini还可以接受音频和视频输入。

在法国凌晨时分，Mistral——一个由Clegg在Meta AI团队的前同事创立的AI初创公司，发布了其前沿模型Mixtral 8x22B。与其两个美国竞争对手不同，Mixtral通过一个简单的下载链接发布，文件大小为281GB：该公司与Meta一样采取“开源”方法，免费发布其AI系统，供任何人下载并进一步开发。

这种做法被批评为可能带来风险，因为它让开发者无法介入阻止其系统被用于有害目的，也无法在发现并需要修复漏洞或偏见时将模型下线。然而，包括Meta在内的其他人则辩护说，这最终将导致比那些“掌握在少数几个加利福尼亚大公司手中”的系统更好的结果。

据《信息》报道，Meta的Llama 3预计将最初以其较小、较弱版本发布，逐步推出公司最先进的前沿模型。然而，它可能面临激烈的竞争：据信OpenAI也计划在类似的时间框架内推出下一版GPT模型，GPT-5，公司首席运营官Brad Lightcap告诉《金融时报**它将“很快”到来。

然而，专家们质疑所有前沿AI系统共享的“大型语言模型”方法是否正在达到其极限。“我们听到很多人说：‘哦，我的天哪，我们将在明年获得[人工通用智能]，’”Meta的首席AI科学家Yann LeCun回应了xAI创始人Elon Musk的一项声明。“这根本不会发生。我们有能通过律师考试的AI系统，但它们却不能清理你的晚餐桌子，也不能填满洗碗机。我们有操纵语言并让我们误以为它们很聪明的系统，但它们却不能理解世界。”

LeCun建议，研究者需要致力于他所说的“目标驱动”的AI，这种AI具有推理和计划世界的能力，而不仅仅是单独工作于文字上。

他说，这种方法可能会产生真正具有超人能力的AI系统。“这更多是一个愿景而已，”他补充说，“但它正在取得指数级进展，所以我相当自信我们会达到那里。”

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

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。

Stability AI最近推出了其Stable LM 2语言模型系列的最新成员：一个具有120亿参数的基础模型及其经指令调优的变体。这些模型覆盖了英语、西班牙语、德语、意大利语、法语、葡萄牙语和荷兰语，在七种语言中训练了两万亿个token。

120亿参数模型旨在平衡强大的性能、效率、内存需求和速度。它是Stability AI先前发布的Stable LM 2 1.6B技术报告的进一步发展。这一新发布不仅扩展了公司的模型范围，还为开发者提供了一个透明且强大的工具，用于AI语言技术创新。

此外，Stability AI还更新了其Stable LM 2 1.6B模型。这个更新的1.6B变体在保持极低系统需求的同时，改善了跨上述七种语言的对话能力。

Stable LM 2 12B被设计为一个高效的开放模型，专为多语言任务而优化，能在广泛可用的硬件上顺畅运行。据Stability AI介绍，这个模型能处理通常仅有更大模型才能完成的任务，而大型模型通常需要大量的计算和内存资源。

在与Mixtral、Llama2、Qwen 1.5、Gemma和Mistral等流行的强大语言模型进行性能比较时，Stable LM 2 12B在Open LLM排行榜概述的零射击和少射击任务中表现出色。

通过这次新发布，Stability AI将StableLM 2系列扩展到了12B类别，提供了一个开放且透明的模型，且不牺牲其强大的性能和准确性。公司相信这一发布将使开发者和企业能够继续发展未来，同时完全控制他们的数据。

开发者和企业现在可以通过Stability AI会员资格，将Stable LM 2 12B用于商业和非商业目的。

标签： AI、人工智能、开发、语言模型、Stability AI、Stable LM 2

---

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

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 近日在其社交网络 X 上的一次直播访谈中表示，比地球上任何人都要聪明的超人工智能（AI）可能在明年就会出现，除非该领域的能源和计算需求在那之前变得不可持续。这一预测比他之前声称的超智能 AI 将在 2029 年出现的说法有了显著的提前。一般来说，“超人”被定义为在任何特定任务上比任何单个人类都要聪明，而超智能则通常被定义为在任何任务上比所有人类的综合能力都要聪明。

---

Musk 表示：“我的猜测是，我们可能在明年年底就会拥有比任何一个人类都聪明的 AI。”这一预测附带了一个前提，即对能源的日益增长的需求和最强大的 AI 训练芯片的短缺可能会在短期内限制它们的能力。

他说：“去年是芯片受限。人们无法获得足够的 Nvidia 芯片。今年正在转变为电压变压器供应。再过一两年，就仅仅是电力供应的问题了。”

在 2023 年，当他预测超智能有五到六年的发展空间时，Musk 对其可能带来的后果表示出了强烈的担忧。在那一年他的 AI 创业公司 xAI 成立之际，他说：“如果我能按下暂停 AI 或者真的先进的 AI 数字超智能，我会这么做。但这似乎不现实，所以 xAI 本质上将要构建一个 AI。希望以一种好的方式。”

他补充说：“实际上，我们需要担心终结者未来，以避免终结者未来。”Musk 提到了一部自我意识的计算机系统对人类发动战争的电影。

一年后，xAI 正在坚定地试图引领超智能的发展。在最近的一次访谈中，Musk 表示其最新版本的聊天机器人 Grok AI 的表现与 OpenAI 的领先模型 GPT-4 相当。GPT-4 已经超过一年的时间了，竞争对手已经达到或超越了其能力，Anthropic 的 Claude 3 Opus 通常被视为新的市场领导者。

这位企业家的预测历来自由发表。2016 年，他错误地预测，在两年内，特斯拉将能够从纽约自动驾驶到洛杉矶。同年他还表示，他的 SpaceX 火箭公司将在 2018 年飞往火星——这至今尚未实现。而在 2017 年，Musk 提议他的 Neuralink 脑芯片创业公司的第一款产品将在“大约四年内”上市。公司的第一个人类植入物在七年后才实现。

Musk 手头的活很多。最近，他对一位巴西最高法院法官宣战，呼吁他辞职或被弹劾，原因是法院对 X 下达了一项法令，要求其删除一些巴西用户的账户。周一，有关他在法庭上的证词爆出，他承认自己在该网站上的帖子“可能对公司的财务造成了更多损害，而不是帮助”。

---

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

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。

近日一项调查显示，全球的首席营销官（CMO）对生成式人工智能（GenAI）未来增强生产力和创造竞争优势的能力持乐观态度。其中70%的人已经在使用GenAI，19%的人正在测试它。他们探索的主要领域包括个性化（67%）、内容创造（49%）和市场细分（41%）。

---

数据质量：营销中AI应用的关键挑战

然而，对于许多消费品牌来说，期望与现实之间的差距很大。营销人员必须认识到，AI的有效性取决于高质量的底层数据。没有这些数据，AI的效果会大打折扣，导致营销人员面对一个不那么神奇的现实。

AI营销失败的案例

假设我是一个综合体育用品和户外商店的顾客，我正计划着我的年度冬季滑雪之旅，期望通过个人购物助手AI获得轻松和定制化的体验。但由于数据质量差，最终这种体验让我决定转向其他地方购物。这证明了差的数据质量=差的客户体验。

成功的AI营销案例

现在，想象一个由准确、统一的数据驱动的个人购物助手AI，这些数据有我与品牌的完整历史。这种情况下，AI能够为我提供一个超级个性化和方便的购买体验，使我愿意为未来的购买继续回到这个品牌。

解决数据质量挑战

解决数据质量问题的关键第一步是建立一个统一的客户数据基础。这是一个复杂的任务，因为消费者的数据分散在多个渠道。然而，使用AI模型来统一数据，可以创建一个全面的客户档案，为高质量的AI营销打下基础。

数据质量如何驱动AI营销的成长

良好的数据质量可以在以下三个领域提供好处：

• 突出的客户体验： 更个性化、创造性的优惠，更好的客户服务互动等。
• 运营效率的提升： 更快的上市时间，更少的手动干预等。
• 降低计算成本： 更高效的AI减少了不必要的用户交互和API调用成本。

随着营销用生成式AI工具的不断发展，准确的客户数据变得至关重要，能够实现大规模的一对一个性化营销。

GenAI旅程的应该做和不应该做

• 明确用例和预期结果： 明确你计划使用数据和AI的特定用例，并指定预期的结果。
• 评估Gen AI的适用性： 仔细评估Gen AI是否是你特定用例最合适的工具。
• 优先考虑数据质量和全面性： 建立统一的客户数据基础对于有效的AI策略至关重要。

通过解决数据质量的挑战，品牌可以充分利用生成式AI的潜力，创造更好的客户体验和运营效率。

---

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

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。