Pi 母公司将开发情感 AI 商业机器人;Meta 科学家:Sora 不是视频生成唯一方向丨RTE 开发者日报 Vol.214

在这里插入图片描述

开发者朋友们大家好:

这里是 「RTE 开发者日报」 ,每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE(Real-Time Engagement) 领域内「有话题的新闻」、「有态度的观点」、「有意思的数据」、「有思考的文章」、「有看点的会议」,但内容仅代表编辑的个人观点,欢迎大家留言、跟帖、讨论。

本期编辑:@CY,@JLT,@鲍勃

01 有话题的新闻

1、 Inflection AI 计划将情感 AI 嵌入商业机器人

AI 独角兽 Inflection AI(情感型聊天机器人 Pi 的母公司),在经历投资方微软「挖角」之后,公布了其由经验丰富的硅谷老将组成的新领导团队,计划将情感 AI 嵌入商业机器人,凭借其在 AI 情感智能领域的领先地位进军 2B 市场。(@新智元)

2、剪映字幕识别功能收费,从最初的 178 元涨到现在的 188 元,最新回应

近日,有网友发帖称剪映更新后发现其字幕识别功能开启了 VIP 收费模式,每个月只有 5 次免费使用机会。有网友反映此功能不仅开启收费模式并且一周涨一次价,从最初的 178 元涨到现在的 188 元。网友们纷纷表示拒绝更新。对此剪映官方客服表示:因为市场环境和 app 规划原因确实开启了收费模式,但多次涨价这个情况并没有查询到相关信息。(@网易科技)

3、前 OpenAI 安全负责人加入竞争对手 Anthropic

5 月 29 日消息,据外媒报道,刚刚从 OpenAI 安全团队(专注于长期风险)离职的前联席主管 Jan Leike 宣布将加入 OpenAI 人工智能竞争对手 Anthropic。Leike 于 5 月 15 日凌晨宣布辞去 OpenAI 职务,几天后该公司解散了他共同领导的超级联盟小组。

Leike 表示,他在 Anthropic 的工作重点与他在 OpenAI 的工作类似,即与所谓超人类人工智能模型的控制相关的安全问题。此类人工智能模型目前尚不存在,但 OpenAI 和 Anthropic 等公司正在研究如果未来建成这些模型,如何对其进行控制。Leike 表示:我很高兴加入@AnthropicAI,继续完成超级对齐任务。(@鞭牛士)

4、黄仁勋净资产飙升至 910 亿美元,明年有望超越马斯克成全球首富,NVIDIA 暂无接班人

英伟达 CEO 黄仁勋个人净资产过去五年急剧膨胀,其持有英伟达约 8676 万股股票,占该公司已发行股份的 3.5%以上。根据最新数据,英伟达创始人、总裁兼 CEO 黄仁勋的个人财富已达到约 936 亿美元(折合人民币约 6780 亿元),在亿万富翁指数榜上升至全球富豪榜第 17 位。按照目前的增长速度,黄仁勋有望在 2025 年之前取代特斯拉 CEO 马斯克,成为全球新首富。

然而,与公司业务和市值的蓬勃发展形成鲜明对比的是,英伟达目前并没有明确的接班人计划。黄仁勋在近期的一次对话中被问及退休问题时,以幽默的方式回应自己没有其他事可做,暗示暂无退休计划。(@腾讯科技)

5、首个未成年游戏退费标准发布:监护人与网游服务提供者按错比例担责

中国互联网协会发布首个未成年游戏退费标准,明确了监护人和网游服务提供者的责任比例。网游服务提供者未接入国家认证系统导致未成年人无限制充值时,承担 100%责任;若已配置防沉迷措施但监护人帮助绕过,服务提供者根据情况承担 30%-70%责任,监护人承担剩余责任。(@北京商报)

02 有态度的观点

1、Yann LeCun:如果你对下一代人工智能系统感兴趣,不要研究大型语言模型

虽然 Meta 推出了开源大型语言模型 Llama,但 Yann LeCun 作为 Meta 的首席人工智能科学家及 FAIR(Facebook AI Research)负责人,对 LLM 的不看好却是尽人皆知。

他最近还直接对学生喊话:如果你对下一代人工智能系统感兴趣,不要研究大型语言模型。

在近日与英国《金融时报》的一次访谈中,他反对依赖不断发展的 LLMs 来追求人类级别的智能,因为这些模型只有在被输入正确的训练数据时才能准确回答问题,因此「本质上是不安全的」。

谷歌 DeepMind 还花了几年时间寻找构建 AGI 的替代方法,包括强化学习等方法,其中人工智能代理在类似游戏的虚拟环境中从周围环境中学习。

所以他转而专注于一种根本性的替代方法,正在努力开发一个全新的 AI 系统,希望这些系统能够为机器提供人类级别的智能,尽管他表示这一愿景可能需要 10 年才能实现。

LeCun 认为,LLM 的自回归性质(根据之前的单词预测下一个单词)从根本上限制了它们实现真正智能的能力。他主张联合嵌入预测架构 (JEPA) 作为一种更有前景的 AGI 方法。LeCun 还批评了当前对基于文本的学习的关注,认为需要观察物理世界并与物理世界互动,以建立对规划和推理至关重要的全面世界模型。(@硅星人Pro)

03 有思考的文章

《对话|Meta 科学家 Bichen Wu:在硅谷,Sora 不是视频生成的唯一方向》

视频生成效果最好的其实是图形学(Graphics pipeline)的技术路线,并不是这一轮生成式 AI 的技术……在这一波生成式 AI 浪潮中,主要的技术路线分为两条。一条是以 Diffusion 模型为基础,OpenAI 的 Sora 和 Meta 的 Emu Video都是这个路线;另一条是 Google 的 VideoPoet 模型所采用的路线,模型基于 Transformer 开发,用 LLM(大语言模型)的架构做视频生成,将视频拆解为多个小块,每个小块相当于一个 token,根据已有的 token 来预测下一个 token,最终这些小块会被解码器重新组合成视频。VideoPoet 模型把视频看作是由「许多词」组成的「句子」或「文章」。

文章推荐人@鲍勃:推荐这篇「新皮层」与 Bichen Wu 的对话。虽然他没有透露在 Meta 做的具体项目,但是他表态:「尽管 Sora 将视频生成的潜力推向了新的高度,但这并不是视频生成的终极解决方案。无论是在训练还是推理阶段,我相信存在更高效的视频生成模型,能够以更低的成本生成更高质量的内容。」

写在最后:

我们欢迎更多的小伙伴参与 「RTE 开发者日报」 内容的共创,感兴趣的朋友请通过开发者社区或公众号留言联系,记得报暗号「共创」。

对于任何反馈(包括但不限于内容上、形式上)我们不胜感激、并有小惊喜回馈,例如你希望从日报中看到哪些内容;自己推荐的信源、项目、话题、活动等;或者列举几个你喜欢看、平时常看的内容渠道;内容排版或呈现形式上有哪些可以改进的地方等。

在这里插入图片描述

素材来源官方媒体/网络新闻

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/18717.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

揭秘IDM:数字资产管理的未来之星

在当今数字化时代,数字资产管理的重要性日益凸显。随着科技的飞速发展,越来越多的企业和个人开始关注如何有效管理和保护他们的数字资产。在这个过程中,IDM(身份管理系统)逐渐成为了热门话题。IDM作为一种新兴的技术手…

圆通(有原则,会变通) VS 圆滑

圆通不是圆滑,圆通是随机应变,圆滑则是投机取巧,两者差别很大。圆通更趋向于褒义。圆滑的意思是不负责任,擅长推卸,不得罪人,圆通的意思是坚持自己的原则,但是不会使用粗暴的方式来解决&#xf…

动手学操作系统(四、MBR读取硬盘加载Loader)

动手学操作系统(四、MBR读取硬盘加载Loader) 在上一节中,我们学习了使用MBR来直接控制显卡进行显示,在这一节中我们学习如何让MBR来操作硬盘,加载Loader来完成操作系统的后续启动过程。 文章目录 动手学操作系统&…

神经网络与深度学习——第14章 深度强化学习

本文讨论的内容参考自《神经网络与深度学习》https://nndl.github.io/ 第14章 深度强化学习 深度强化学习 强化学习(Reinforcement Learning,RL),也叫增强学习,是指一类从与环境交互中不断学习的问题以及解决这类问题…

JavaScript引用外部js文件

我们可以把脚本保存到外部文件中。外部文件通常包含被多个网页使用的代码。外部 JavaScript 文件的文件扩展名是 .js。如需使用外部文件&#xff0c;请在 <script> 标签的 "src" 属性中设置该 .js 文件&#xff1a; 如&#xff1a; <!DOCTYPE html> &l…

SQL刷题笔记day4补

1题目 我的正确代码 select e.last_name,e.first_name,d.dept_name from employees e left join (select departments.dept_name,dept_emp.emp_no,dept_emp.dept_no from departments join dept_emp on departments.dept_nodept_emp.dept_no) d on e.emp_nod.emp_no复盘&…

(文章复现)分布式电源接入配电网承载力评估方法研究

参考文献&#xff1a; [1]郝文斌,孟志高,张勇,等.新型电力系统下多分布式电源接入配电网承载力评估方法研究[J].电力系统保护与控制,2023,51(14):23-33. 1.摘要 随着光伏和风电等多种分布式电源的接入&#xff0c;使得传统配电网的结构及其运行状态发生了较大改变。因此&…

机器学习-8-超参数寻优的常用算法

参考参数优化系列1–随机搜索算法原理及其代码实现 参考参数优化系列2–网格搜索 参考参数优化系列3–贝叶斯算法 参考参数优化系列4–强化学习算法 参数优化系列5–粒子群算法 参考贝叶斯超参数寻优scikit-optimize 参考全面总结机器学习超参数调优 1 随机搜索算法 随机搜索…

【网络】网络编程套接字

一、知识提及 1.源IP地址和目的IP地址 在IP数据包头部中, 有两个IP地址, 分别叫做源IP地址, 和目的IP地址 2.端口号 端口号(port)是传输层协议的内容. 端口号是一个2字节16位的整数;端口号用来标识一个进程, 告诉操作系统, 当前的这个数据要交给哪一个进程来处理;IP地址 …

一文介绍数据和模型漂移(Drift):漂移检测示例

大家好&#xff0c;漂移(Drift)是机器学习中用来描述模型在生产环境中随着时间推移而性能逐步下降的现象&#xff0c;由很多原因引起&#xff0c;主要原因是随着时间推移输入数据&#xff08;x&#xff09;分布的变化和期望目标&#xff08;y&#xff09;之间的关系发生了变化。…

PHP MySQL图解学习指南:开启Web开发新篇章

PHP曾经是最流行的Web开发语言&#xff0c;许多世界领先的网站(如Facebook、维基百科和WordPress)都是用它编写的。PHP运行在Web服务器端&#xff0c;通过使用存储在MySQL数据库中的数据&#xff0c;使得网站可以为每一位访问者显示不同的定制页面。书中采用简单、直观的图示化…

STL-priority_queue的使用及其模拟实现

优先级队列(priority_queue)默认使用vector作为其底层存储数据的容器&#xff0c;在vector上又使用了堆算法将vector中的元素构造成堆的结构&#xff0c;因此priority_queue就是堆&#xff0c;所有需要用到堆的位置&#xff0c;都可以考虑使用priority_queue。 注意&#xff1…

可选链与空值合并运算符的妙用

可选链&#xff08;Optional Chaining&#xff09;和空值合并运算符&#xff08;Nullish Coalescing Operator&#xff09;是 JavaScript 中的两个新特性&#xff0c;它们可以在处理可能为 null 或 undefined 的值时提供更简洁和安全的代码。 可选链允许我们通过在对象的属性后…

【好书分享第十三期】AI数据处理实战108招:ChatGPT+Excel+VBA

文章目录 一、内容介绍二、内页插图三、作者简介四、前言/序言五、目录 一、内容介绍 《AI数据处理实战108招&#xff1a;ChatGPTExcelVBA》通过7个专题内容、108个实用技巧&#xff0c;讲解了如何运用ChatGPT结合办公软件Excel和VBA代码实现AI办公智能化、高效化。随书附赠了…

NDIS驱动开发-NET_BUFFER体系

网络数据由通过网络发送或接收的数据包组成。 NDIS 提供数据结构来描述和组织此类数据。 NDIS 6.0 及更高版本的主要网络数据结构包括&#xff1a; NET_BUFFERNET_BUFFER LISTNET_BUFFER_LIST_CONTEXT 它们之间的关系如下: 在 NDIS 6.0 及更高版本中&#xff0c; NET_BUFFER …

AI工程师:高薪时代的领跑者

在科技飞速发展的今天&#xff0c;人工智能&#xff08;AI&#xff09;技术正日益成为推动社会进步的关键力量。与此同时&#xff0c;AI领域的人才需求也呈现出井喷之势&#xff0c;其中AI工程师更是成为了各大企业竞相争夺的“香饽饽”。根据最新数据显示&#xff0c;AI工程师…

串口调试助手中文乱码 解决方案

输出乱码 一般&#xff0c;当串口调试助手输出乱码时&#xff0c;可能有以下几个原因&#xff1a; 波特率设置错误&#xff1a;串口通信需要保证发送和接收的设备使用相同的波特率。请检查串口调试助手和目标设备的波特率设置是否一致。 数据位、停止位或校验位设置错误&…

支持向量机、随机森林、K最近邻和逻辑回归-九五小庞

支持向量机&#xff08;Support Vector Machine, SVM&#xff09;、随机森林&#xff08;Random Forest&#xff09;、K最近邻&#xff08;K-Nearest Neighbors, KNN&#xff09;和逻辑回归&#xff08;Logistic Regression&#xff09;是机器学习和统计学习中常用的分类算法。…

【目标解算】相机内外参数详细解读+坐标系转换

一、相机参数介绍 1.1 相机内参矩阵 概念&#xff1a;内参矩阵用于描述相机的内部参数&#xff0c;它包含了相机的焦距、主点坐标和图像的畸变等信息。内参矩阵的形式通常为一个3x3的矩阵&#xff0c;常用表示为K。内参矩阵可以将相机坐标系中的三维点映射到图像平面上的二维…

C++设计模式之策略模式、迭代器模式、适配器模式、工厂模式、超级工厂模式、享元模式、代理模式

文章目录 一、介绍1.毫无价值的使用虚函数例子 二、策略模式1.策略模式2.多重策略与迭代器模式3.不要什么东西都塞一块 三、适配器模式1.跨接口的适配器2.跨接口的适配器 四、工厂模式1.工厂模式2.超级工厂模式3.RAII 自动管理内存4.工厂模式实战 五、享元模式1.享元模式2.代理…