这份AI通讯是您所需要的全部 #73

美妆时尚必知的AI通讯,一站式满足您的全部需求 #73

本周人工智能动态(Louie撰稿)

图片来源:Retool AI Report

本周的讨论再度被OpenAI的Devday后续影响、新产品发布以及有关GPTStore未来潜力的猜测所主导,已经创造了超过10,000个GPT。但我们还关注到本周发布了几项关于人工智能状况和其在经济中的应用的新研究。

一项最近的研究调查了ChatGPT发布对自由职业领域,如文案和平面设计,就业岗位和收入的影响。该研究发现,ChatGPT不仅大幅减少了个人的工作机会,还降低了工作价值。波士顿咨询集团(BCG)进行的另一项研究表明,使用GPT-4的员工在较快的速度下完成了12%更多的任务,质量改善了40%。这项研究强调了初级团队成员能够利用GPT-4的知识来补充他们的技能,这种效果提升最明显。

此外,《2023年人工智能现状》的调查报告显示了近1600名参与者对人工智能、应用和目前领导者的情感数据。我们在这份摘要中重点强调了一些有趣的发现,并强烈建议您阅读完整的报告。大多数受访者对未来五年内人工智能对自己职业的预期影响有共同看法。此外,在聘用工程师方面,使用ChatGPT/Copilot等人工智能工具的能力是首选。有趣的是,参与者中有80%使用不同版本的ChatGPT(包括GPT-3、3.5和4)。与此同时,主要关注点集中在模型准确性和虚构的问题上,有67%的受访者表示担忧。在开发者工具方面,目前主导地位由Huggingface、LangChain和LlamaIndex占据。最后,根据受访者的观点,调查结果显示GitHub Copilot、ChatGPT和Google Bard是最有价值的工具。

你应该关心这一问题

很容易陷入新型人工智能模型发布和能力提升的惊人速度之中,但有时很难判断这些工具在更广泛范围内的采用情况,以及它们是否开始影响经济。因此,我们认为有必要进行详细的跨行业人工智能采用研究,以便我们可以开始计划这项技术的正面和负面影响。显然,在某些领域,LLM的采纳已经显著影响员工,既有负面的(降低工资),也有正面的(生产力和质量提升)。但在其他方面,采用仍处于早期阶段,公司刚刚开始适应新的能力。也许OpenAI最新的GPT产品以及更好的UI用于共享提示和LLM用例的创意将进一步加快这些趋势。

– Louie Peters — Towards AI联合创始人兼首席执行官

最热新闻

  1. NVIDIA利用GPU大幅提高Pandas性能

NVIDIA通过充分利用GPU,显著提升了Pandas库的性能,达到多达150倍的加速效果。新的cudf.pandas模块可以在GPU或CPU上无缝执行操作,提供自动同步和高效切换。

2. 2023年的人工智能与开源

在2023年,人工智能研究和产业关注的是改进现有技术,如GPT和DALL-E,而不是进行根本性创新。公司对其专有信息变得更加保护,导致研究论文的公开披露较少。然而,在开源领域仍取得了积极的进展,Fuyu-8B使模型更小、更高效。人工智能在各个领域都证明了它的帮助,但在未来必须解决伦理关切和风险。

3. Copilot将GitHub转变成AI驱动的开发平台

GitHub正在通过Copilot和Copilot Chat实施AI技术,旨在通过提供代码理解、建议、安全修复和优化开发体验来革新软件开发。 Copilot Chat将由OpenAI的GPT-4模型提供支持,并计划从2023年12月开始提供。

4. OpenAI希望与组织合作构建新的AI训练数据集

OpenAI宣布了一个名为“数据合作伙伴关系”的计划,旨在与第三方组织合作构建公共和私人的AI模型训练数据集。该计划旨在使模型更实用,适用于各种组织。该计划的主要重点是收集互联网上不易获得的广泛数据,特别强调涵盖多种语言、主题和格式的反映人类意图的数据。

5.介绍Adept Experiments

Adept正在开放Adept Experiments的使用权限,这是一个AI驱动的工作流程构建器,可以通过简单的语言命令自动化处理各种软件平台上的复杂或繁琐任务。它有助于委派重复性的知识任务,将非结构化数据转化为结构化数据,甚至可以订购晚餐。

本周AI的焦点是改进现有的技术、数据和计算。你的看法是:是要建立新的还是改进现有的?在评论中分享吧!

有助于学习的五个5分钟阅读/视频

  1. AI的演变:从IBM和AWS到OpenAI和Anthropic

本文是对人工智能领域及其发展趋势的优秀探索。文章描述了塑造AI当前状态的关键事件,并突出了谷歌、IBM和OpenAI等具有重要影响力的公司在加速创新方面的作用。它还涉及到了负责任的AI、消费者AI等的未来发展。

2.以交互方式触发GPT-4的图表图像分析:是否能够应对挑战?

GPT最新版本GPT-4引入了图表图像分析的能力。虽然它可以对图表图像进行一般性分析,但仍有较大改进的空间,特别是在准确量化数据方面。本文使用了几种图表类型来确定GPT-4在图表图像分析方面的好坏。

3.在RAG系统中测量幻象

幻象评估模型(HEM)是一个开源工具,用于测量RAG系统中幻象的频率。它通过评估生成式LLM在无需生成不相关或有偏见输出的情况下对结果进行准确概述的能力来评估AI的可靠性。

4.DALL·E-3有什么新特点?

DALL·E-3是DALL-E文本到图像模型的升级版,在各个领域展示出更高质量的图像。一些显著特点包括使用GPT-4进行提示重写以获得更好的结果、可调节的图像质量参数以及灵活的图像尺寸。本文重点介绍了DALL·E-3的新功能和能力,并提供了一些使用API构建新产品的示例。

5.链接时优化

本指南涵盖了链接时优化相关功能,重点介绍了C和Rust等语言常用工具链,这些语言通常使用预编译和链接(AOT)。

资源和工具

  1. XTTS v2

XTTS是一种文本转语音模型,可以让用户将声音复制到不同的语言中。它支持16种语言,并且与我们的创作者应用程序Coqui Studio和Coqui API使用的是同一模型。

2. Giskard AI

Giskard是一个Python库,可以自动检测AI模型的漏洞,从表格模型到LLM模型,包括性能偏差、数据泄露、虚假关联、产生幻觉等多个方面。

3. Monaspace

Monaspace类型系统是一种用于代码的等宽字体超级字族。它由五个可变轴的字体组成;每个字体都有独特的声音,但它们在度量上是兼容的,让用户可以混搭使用它们,获得更富表现力的排版调色板。

4. MindStudio

MindStudio允许用户使用任何模型和提示构建自定义的无代码AI应用。它让用户能够在外部数据上训练AI,并公开或私下部署他们的AI应用。

5. Graphlit

Graphlit是一个以API为先的开发者平台,用于构建基于LLM的应用。使用RAG模式,Graphlit利用OpenAI的GPT-3.5和GPT-4等LLM的强大能力,将复杂数据转化为可搜索的、对话式的知识图谱。

本周热门论文

  1. OtterHD:高分辨率多模态模型

本论文介绍了OtterHD-8B,一种从Fuyu-8B演变而来的创新多模态模型,专门用于解释高分辨率的视觉输入。它可以接受原生分辨率的图像,使模型能够捕捉到微小的细节。与MagnifierBench上的其他LLM模型(如InstructBLIP、LLaVA和Qwen-VL)相比,otterHD-8B具有相似的参数大小,但表现更好。

2. 骨干之争:预训练模型在计算机视觉任务中的大规模比较

本论文对计算机视觉任务中的预训练模型进行了比较,发现ConvNeXT,一种受Vision Transformers启发的ConvNet,在不同任务中表现最佳。虽然Vision Transformers和自监督学习很受欢迎,但在大多数情况下,经过监督预训练的卷积神经网络仍然具有更优越的性能。

3. TEAL:多模态大型语言模型的令牌化和嵌入

这项工作提出了TEAL(Tokenize and Embed ALL),这是一个简化多模态输入之间建模交互并生成非文本模态的系统。它将任何模态的输入视为令牌序列,并为所有模态学习一个联合嵌入空间。这使得多模态大型语言模型能够更有效地预测多模态令牌,从而实现对包括图像和音频在内的非文本模态的任务。

4. AGI的层级:在通往AGI的路径上操作进展

DeepMind引入了一个“AGI的层级”框架,将人工智能分为“狭窄”和“通用”智能。该框架根据其学习、推理和应用知识的能力,将AI的性能分为五个级别,从新兴的到超人类水平。这个框架可以类比自动驾驶的级别,提供一个共同的语言来比较模型、评估风险并衡量AGI的进展。

5. JARVIS-1:基于记忆增强多模态语言模型的开放世界多任务代理

本文介绍了JARVIS-1,这是一个能够感知多模态输入(视觉观察和人类指令),生成复杂计划,并在流行且具有挑战性的Minecraft开放世界中执行物理控制的开放世界代理。在实验中,JARVIS-1在超过200种不同的任务中展示出几乎完美的表现,这些任务涵盖了从初级到中级水平的范围。

  1. 谷歌正在和Character.AI进行数亿美元的谈判,这家快速增长的人工智能聊天机器人初创公司正在寻求资金来训练模型并满足用户需求。
  2. IBM宣布将成立一个5亿美元的风险基金,用于投资一系列的人工智能公司,从初创到高速增长的初创公司,致力于加速生成式人工智能技术和企业研究。
  3. 两位前可口可乐副总裁联手推出了一种人工智能(AI)系统,该系统已经帮助多家知名的财富500强公司改进其可持续发展战略。
  4. OpenAI在与谷歌的人才争夺战中的新武器:给研究人员提供1000万美元的薪酬。
  5. 总部位于加利福尼亚的公司推出了AppCoder LLM ——一个经过优化的模型,可以根据自然语言提示瞬间生成可用的、适应生产环境的AI应用程序代码。

招聘人工智能人才

AI技术作家和开发人员 @Towards AI Inc(远程办公)

数据科学、人工智能和机器学习实践经理 @Rackspace(美国/远程办公)

(初级) DevOps HPC工程师 @Recursion(远程办公)

人工智能质量经理 @Welocalize(中国北京)

AI机器学习开发人员 @FullStack Labs(拉丁美洲/远程办公)

AI架构师 @Tibra Capital(澳大利亚悉尼)

机器学习科学家/研究员 @Anyon Systems Inc. (加拿大魁北克蒙特利尔)

有兴趣分享招聘机会吗?联系

如果您准备进行机器学习面试,请务必访问我们领先的面试准备网站confetti

https://www.confetti.ai/

认为你的朋友也会喜欢这个吗?分享这个新闻并让他们参与对话。