本周AI动态，8月18日：OpenAI面临财务困境 • Stability AI宣布StableCode
This week's AI news, August 18th OpenAI faces financial difficulties • Stability AI announces StableCode.
欢迎来到本周的“本周人工智能”栏目，由VoAGI精心策划。这个每周更新的帖子旨在让您了解人工智能领域中最引人注目的发展。从影响我们对人工智能在社会中角色的重大头条新闻到发人深省的文章、有洞察力的学习资源以及突破知识边界的研究成果，本帖提供了人工智能当前发展状况的全面概述。这个每周更新旨在让您在这个不断发展的领域中保持最新的信息和知识。请继续关注，祝您阅读愉快！
头条新闻
“头条新闻”栏目介绍了人工智能领域过去一周的热点新闻和发展动态。这些信息涵盖了政府的人工智能政策、技术进步以及企业在人工智能领域的创新。
💡 ChatGPT面临困境：OpenAI可能在2024年破产，AI机器人每天给公司带来70万美元的成本
由于运行ChatGPT和其他人工智能服务的高成本，OpenAI面临财务困境。尽管最初增长迅速，但ChatGPT的用户基数近几个月来有所下降。OpenAI在有效实现技术商业化和可持续收入方面面临困难。与此同时，它继续以惊人的速度耗尽资金。随着竞争的加剧和企业GPU短缺影响模型开发，OpenAI迫切需要找到盈利途径。如果未能做到这一点，这家开创性的人工智能初创公司可能会面临破产的风险。
💡 Stability AI推出StableCode，为开发人员提供的AI编码助手
Stability AI推出了StableCode，这是其针对软件开发优化的第一个生成式人工智能产品。StableCode结合了对超过5000亿个代码令牌进行训练的多个模型，以提供智能的自动完成、响应自然语言指令和管理长段代码的能力。尽管会话式人工智能已经可以编写代码，但StableCode专门用于通过理解代码结构和依赖关系来提高程序员的工作效率。凭借其专门的培训和可以处理长上下文的模型，StableCode旨在增强开发者的工作流程，并降低有志于成为编码人员的人的门槛。这次发布标志着Stability AI在日益竞争的AI辅助编码工具领域的进军。
💡 OpenAI推出Superalignment
OpenAI正在积极采取措施应对超智能人工智能可能带来的潜在风险，他们的新Superalignment团队正在使用从人类反馈中获得的强化学习等技术来对齐人工智能系统。主要目标是开发可扩展的训练方法，利用其他人工智能系统，验证模型的鲁棒性，并对整个对齐流程进行压力测试，即使存在有意偏离的模型也能处理。总体而言，OpenAI旨在通过开创性的负责任引导超智能的方法来展示机器学习可以安全进行。
💡 使用生成式人工智能在搜索（和浏览）时进行学习
Google宣布了其搜索引擎生成（SGE）人工智能能力的几项更新，包括科学/历史主题的悬停定义、针对代码概述的颜色编码语法高亮显示以及名为“SGE浏览时”的早期实验，该实验在用户阅读网页上的长篇内容时总结关键要点并帮助用户进行探索。这些更新旨在增强对复杂主题的理解，改善对编码信息的消化，并在用户浏览时辅助导航和学习。这些更新代表了谷歌根据用户反馈不断改进其人工智能搜索体验的持续努力，关注于理解和从复杂网络内容中提取关键细节。
💡 Together.ai将Llama2扩展到32K上下文窗口
LLaMA-2-7B-32K是Together Computer开发的一个开源长上下文语言模型，它将Meta的LLaMA-2的上下文长度扩展到32K个令牌。它利用FlashAttention-2等优化技术，实现更高效的推理和训练。该模型使用包括书籍、论文和教学数据在内的多种数据进行预训练。提供了关于长形式问答和摘要任务的微调示例。用户可以通过Hugging Face访问模型，或使用OpenChatKit进行定制微调。与所有的语言模型一样，LLaMA-2-7B-32K可能会生成带有偏见或不正确内容，使用时需要谨慎。
文章
“文章”栏目呈现了一系列关于人工智能的发人深省的文章。每篇文章深入探讨了特定的主题，为读者提供了关于人工智能的各个方面的见解，包括新技术、革命性方法和创新工具。
📰 LangChain 速查表
使用 LangChain，开发人员可以构建功能强大的基于语言的人工智能应用程序，无需重新发明轮子。其可组合的结构使得混合和匹配组件如 LLMs、提示模板、外部工具和内存变得容易。这加速了原型设计，并允许随时间无缝集成新的功能。无论您想创建聊天机器人、问答机器人还是多步推理代理，LangChain 都提供了组装高级人工智能的构建模块。
📰 如何使用 ChatGPT 将文本转换为 PowerPoint 演示文稿
本文概述了使用 ChatGPT 将文本转换为 PowerPoint 演示文稿的两步过程，首先将文本总结为幻灯片标题和内容，然后生成 Python 代码，使用 python-pptx 库将摘要转换为 PPTX 格式。这样可以从冗长的文本文档中快速创建引人入胜的演示文稿，克服了繁琐的手动工作。文章清楚地介绍了如何构建 ChatGPT 提示和运行代码，为演示需求提供了高效的自动化解决方案。
📰 LLM 研究中的开放挑战
本文概述了改进大型语言模型的 10 个关键研究方向：减少幻觉、优化上下文长度/构建、整合多模态数据、加速模型、设计新架构、开发光子芯片等 GPU 替代品、构建可用的代理、改进从人类反馈中学习、增强聊天界面以及扩展到非英语语言。文章引用了这些领域的相关论文，并指出了代表性挑战，如如何表示强化学习中的人类偏好以及为低资源语言构建模型。作者得出结论，虽然一些问题如多语言性更易解决，但其他问题如架构将需要更多突破。总体而言，研究人员、公司和社区在技术和非技术方面的专业知识都将对引导 LLMs 的发展起到关键作用。
📰 为什么您（可能）不需要对 LLM 进行微调
本文概述了改进大型语言模型的 10 个关键研究方向：减少幻觉、优化上下文长度/构建、整合多模态数据、加速模型、设计新架构、开发光子芯片等 GPU 替代品、构建可用的代理、改进从人类反馈中学习、增强聊天界面以及扩展到非英语语言。文章引用了这些领域的相关论文，并指出了代表性挑战，如如何表示强化学习中的人类偏好以及为低资源语言构建模型。作者得出结论，虽然一些问题如多语言性更易解决，但其他问题如架构将需要更多突破。总体而言，研究人员、公司和社区在技术和非技术方面的专业知识都将对引导 LLMs 的发展起到关键作用。
📰 使用 OpenAI GPT 模型的最佳实践
本文概述了在使用 OpenAI 的 GPT 模型时获取高质量输出的最佳实践，借鉴了社区的经验。它建议提供详细的提示，包括长度和角色扮演；多步骤指令；模仿的示例；参考和引用；进行关键思考的时间；以及代码执行以提高精确性。遵循这些关于指导模型的提示，如指定步骤和角色扮演，可以获得更准确、相关和可定制的结果。该指南旨在帮助用户有效地构建提示，以充分利用 OpenAI 强大的生成能力。
📰 我们对人工智能的看法都错了
作者认为当前人工智能的能力被低估，通过使用创造力、搜索和个性化等例子来反驳常见的误解。他指出，人工智能可以通过重新组合概念来展现创造力，而不仅仅是生成随机想法；它不仅仅是像谷歌那样的超级搜索引擎；它可以发展个性化的关系，而不仅仅是通用技能。作者建议保持开放的心态，而不是轻视人工智能，强调了通过持续的实践探索来确定人工智能潜力的最佳方式。他得出结论，我们对人工智能的想象力是有限的，它的用途可能远远超出当前的预测。
工具
The “工具”部分列出了社区创建的一些有用的应用程序和脚本，供那些希望从事实际的人工智能应用的人使用。在这里，您将找到各种类型的工具，从大型综合代码库到小型专业脚本。请注意，这些工具是无任何背书的共享，不提供任何形式的保证。在安装和使用任何软件之前，请自行对其进行调查！
🛠️ MetaGPT：多代理框架
MetaGPT 接受一行需求作为输入，并输出用户故事/竞争分析/需求/数据结构/API/文档等。在内部，MetaGPT 包括产品经理/架构师/项目经理/工程师。它提供了一个软件公司的整个流程，以及精心编排的标准操作程序。
🛠️ GPT LLM Trainer
该项目的目标是探索一种实验性的新流程，以训练一个高性能的特定任务模型。我们试图摒弃所有的复杂性，使得从想法到性能良好的完全训练好的模型尽可能简单。
只需输入您的任务描述，系统将从头开始生成一个数据集，将其解析为正确的格式，并为您微调一个 LLaMA 2 模型。
🛠️ DoctorGPT
DoctorGPT 是一个可以通过美国医学许可考试的大型语言模型。这是一个开源项目，旨在为每个人提供自己的私人医生。DoctorGPT 是 Meta 的 Llama2 70亿参数大型语言模型的一个版本，它经过了医学对话数据集的微调，并进一步使用增强学习和宪法人工智能进行了改进。由于这个模型只有3千兆字节大小，它可以适用于任何本地设备，因此不需要支付API费用来使用它。
