FX168财经网_全球视野外汇黄金加密货币NFT资讯网

《咬文嚼字》公布今年十大流行语：人工智能大模型、村超等上榜

图像识别等。计算机硬件性能不断提升，深度学习算法快速优化，大模型的发展日新月异。一系列基于大模型的人工智能应用相继问世，其中 ChatGPT、“文心一言”等已经在社会生产、生活方面产生了广泛影响。大模型的普遍应用，也对隐私保护、信息安全等带来巨大挑战，迫切需要相关法律和管理措施的有效应对。此外，由于文化和旅游消费持续复苏回暖，“特种兵式旅游”火遍全网；由于贵州省黔东南苗族侗族自治州榕江县所举办的“和美乡村足球超级联赛”全网浏览超 480 亿次，也使得“村超”及“村 BA”等各种乡村赛事大放异彩，快速出圈。《咬文嚼字》主编黄安靖表示，与往年相比，今年突出了如下方面的特征：年度特征明显，折射生活社会面貌。创新特征明显，凸显语言创造力。短视频崛起，语用边界尚未消除。据介绍，今年始发于短视频、在短视频上广为传播的流行语不在少数。然而，短视频的主要使用人群还是以年轻人特别是 90 后、00 后为主，年长者人还处在逐渐了解、接受的过程中。因此，大量流行于短视频的语言形式，被全社会接受还有一个过程。在语言运用上，短视频与报刊等传统媒体甚至互联网的传统传播方式之间，存在明显边界。导致“短视频流行语”转化成“全民流行语”还有一个过程。这也是今年流行语没有出现“爆款”，如“命运的齿轮开始转动”“哈基米”“挖呀挖”“敌蜜”等等的传播范围，没有得到进一步拓展，没有进入最终榜单的原因之一。

金融界2023-12-04

Meta首席科学家杨立昆叫板黄仁勋：超智能不会很快到来

ook 母公司 Meta 首席科学家、深度学习先驱杨立昆（Yann LeCun）的观点则截然不同，他认为超智能不会很快到来。对于黄仁勋的观点，杨立昆评论道：“我了解黄仁勋，这位英伟达首席执行官从人工智能热潮中获益良多。这是一场人工智能战争，而它在提供武器。” 杨立昆认为，如果人类想要训练出一种不仅仅具备总结文本能力、而且具备某种意义上类人的感知能力和常识的人工智能系统，还需要几十年的时间。他还表示，在人类水平的人工智能出现之前几年，社会更有可能创造出类似“猫水平”或“狗水平”的人工智能。除了人工智能，杨立昆也对量子计算机持怀疑态度。他提出：“你可以用量子计算解决的问题，也可以用经典计算机更有效地解决。量子计算只是一个迷人的科学话题，目前还不太清楚其实际意义，以及制造真正有用的量子计算机是否可行。”

金融界2023-12-04

Meta首席科学家：不认为AI超级智能会很快到来，对量子计算持怀疑态度

Meta首席科学家、深度学习先驱扬·勒昆（Yann LeCun）表示，他认为目前的人工智能系统还需要几十年的时间才能达到某种意义上的感知能力，具备常识的人工智能系统可以超越仅仅以创造性的方式总结大量文本的能力。他的观点与英伟达截然相反英伟达首席执行官黄仁勋最近表示，人工智能将在不到五年的时间内与人类“相当有竞争力”，在许多脑力密集型任务上胜过人类。 “我认识黄，”勒昆最近在Facebook母公司Meta基础人工智能研究团队成立10周年纪念活动上表示。勒昆说英伟达CEO可以从人工智能热潮中收获良多。“这是一场人工智能‘战争’，他在提供‘武器’。” ″（如果）你认为人工智能很流行，你就得买更多的GPU，”勒昆在谈到试图开发人工通用智能的技术人员时说，这种人工智能与人类的智能水平相当。只要OpenAI等公司的研究人员继续追求AGI，他们就需要更多英伟达的计算机芯片。勒昆表示，社会更有可能在人类水平的人工智能出现前几年出现“猫级”或“狗级”的人工智能。科技行业目前对语言模型和文本数据的关注，不足以创造出研究人员几十年来一直梦想的那种先进的类人人工智能系统。 “文本是一个非常糟糕的信息来源，”勒昆解释说，人类可能需要2万年才能阅读用于训练现代语言模型的文本量。“用相当于两万年的阅读材料来训练一个系统，它们仍然不明白，如果A和B相同，那么B就和A相同。” “世界上有很多非常基本的东西，他们只是没有通过这种训练，”勒昆说。因此，勒昆和Meta AI的其他高管一直在大力研究如何定制用于创建ChatGPT等应用程序的所谓转换器模型，以处理各种数据，包括音频、图像和视频信息。他们认为，这些人工智能系统越能发现这些不同类型的数据之间可能存在的数十亿个隐藏的相关性，它们就越有可能实现更神奇的壮举。 Meta的一些研究包括一种软件，可以帮助人们在戴着该公司的Project Aria增强现实眼镜时更好地打网球，这种眼镜将数字图形融入现实世界。高管们展示了一个演示，一个戴着AR眼镜打网球的人能够看到视觉提示，教他们如何正确地握住网球拍，并以完美的方式摆动手臂。为这类数字网球助手提供动力所需的人工智能模型，除了文本和音频之外，还需要混合三维视觉数据，以防数字助手需要说话。这些所谓的多模式人工智能系统代表了下一个前沿领域，但它们的发展并不便宜。随着Meta和谷歌母公司Alphabet等越来越多的公司研究更先进的人工智能模型，英伟达可能会获得更大的优势，尤其是在没有其他竞争对手出现的情况下。未来的人工智能硬件英伟达一直是生成式人工智能的最大捐助者，其昂贵的图形处理单元已成为用于训练大规模语言模型的标准工具。Meta依靠16000个Nvidia(467.65，-0.05，-0.01%)A100 GPU来训练它的Llama AI软件。有媒体问，随着Meta和其他研究人员继续开发这类复杂的人工智能模型，科技行业是否需要更多的硬件供应商。 “它不需要它，但它会很好，”勒昆回答，并补充说GPU技术仍然是人工智能的黄金标准。不过，他说，未来的计算机芯片可能不会被称为GPU。勒昆也对量子计算持怀疑态度，微软、IBM和谷歌等科技巨头都投入了大量资源。Meta之外的许多研究人员认为，量子计算机器可以在数据密集型领域（如药物发现）取得巨大进步，因为它们能够使用所谓的量子比特执行多次计算，而不是现代计算中使用的传统二进制比特。但勒昆对此表示怀疑。 “你用量子计算解决的问题数量，你也可以用经典计算机更有效地解决，”勒昆说。 “量子计算是一个迷人的科学话题，”勒昆说。目前还不太清楚“实际意义和制造真正有用的量子计算机的可能性”。 Meta高级研究员、前技术主管迈克·施罗普夫（Mike Schroepfer）对此表示赞同，他每隔几年就会对量子技术进行评估，并认为有用的量子机器“可能会在某个时候出现，但它的时间跨度太长，与我们正在做的事情无关”。 “十年前我们成立人工智能实验室的原因是，很明显，这项技术将在未来几年的时间框架内实现商业化，”施罗普夫说。

金融界2023-12-04

万字长文还原OpenAI“宫斗”内幕

学者试图通过将人工智能研究重新命名为“深度学习”来复兴它。但怀疑论持续存在：在2007年的一次人工智能会议上，一些计算机科学家制作了一个恶搞视频，暗示深度学习人群是由邪教徒组成的。当斯科特攻读博士学位时，他注意到他遇到的一些最优秀的工程师强调了成为短期悲观主义者和长期乐观主义者的重要性。“这几乎是必须的，”斯科特说。“你看到世界上所有破碎的东西，而你的工作就是努力修复它。”即使工程师们认为他们尝试的大部分都不会成功，而且一些尝试可能会让事情变得更糟，他们也“必须相信他们可以解决问题，直到事情最终变得更好。” 2003年，斯科特从他的博士项目中请假加盟谷歌，在那里他负责监督移动广告工程。几年后，他从谷歌辞职，在移动广告初创公司AdMob负责工程和运营，谷歌后来以7.5亿美元收购了这家公司。斯科特随后跳槽到领英，在那里他因异常擅长以既鼓舞人心又现实的方式构建雄心勃勃的项目而闻名，2016年，领英被微软收购，斯科特也随之加入了微软。那时的斯科特已经非常富有，但在技术圈里却鲜为人知，因为他喜欢“匿名”。他曾计划在微软收购完成后离开领英，但2014年成为微软首席执行官的纳德拉敦促他重新考虑。纳德拉分享了一些让斯科特对人工智能感到好奇的信息，部分由于更快的微处理器，该领域当时的发展让这项技术身名鹊起：Facebook已经开发了复杂的面部识别系统；谷歌建立了一个能够熟练翻译语言的人工智能。纳德拉很快宣布，在微软，人工智能“将决定我们未来的所有行动。” 斯科特不确定他和纳德拉是否有相同的抱负。他给纳德拉发了一份备忘录，解释说如果他留下来，他希望自己的部分议程是提升那些通常被科技行业忽视的人。斯科特希望人工智能能够帮助那些聪明但没有接受过数字教育的人，他就是在这些人中长大的。这是一个引人注目的论点——一些技术专家会认为这是故意的吗？鉴于人们普遍担心人工智能辅助的自动化会消除杂货店收银员、工厂工人或电影临时演员等工作。然而，斯科特相信一个更乐观的故事。他在接受采访时表示，曾经有一段时间，大约70%的美国人从事农业工作。技术进步减少了对劳动力的需求，如今只有1.2%的劳动力务农。但这并不意味着有数百万农民失业：许多这样的人成为卡车司机，或回到学校成为会计师，或找到其他道路。斯科特表示，“也许在更大程度上，人工智能比之前的任何技术革命都更能用来重振美国梦。”他觉得，在弗吉尼亚州经营一家养老院的童年好友可以利用人工智能来处理她与医疗保险和医疗补助的互动，让该机构专注于日常护理。另一个朋友在一家为主题公园制造精密塑料部件的商店工作，他可以利用人工智能来帮助他制造部件。斯科特认为，人工智能可以通过将“有赢家和输家的零和交易转变为非零和进步，让社会变得更好。” 纳德拉读了备忘录，正如斯科特所说：“是的，听起来不错。”一周后，斯科特被任命为微软的首席技术官。如果斯科特希望微软领导人工智能革命，他必须帮助该公司超越谷歌。谷歌通过向几乎任何人提供数百万美元来拉拢人工智能领域的人才，哪怕他们只是取得了一个小小的突破。在过去的20年里，微软一直试图通过在内部人工智能项目上花费数亿美元来与谷歌竞争，但收效甚微。微软高管们开始认为，像微软这样巨大的公司——拥有超过20万名员工和庞大的官僚体系——不具备人工智能发展所需的灵活性和动力。“有时候越小越好，”斯科特在接受采访时说。在这种情况下，斯科特开始关注各种创业公司，其中一家脱颖而出：OpenAI。这家公司的使命是要确保“通用人工智能——我们指的是在最具经济价值的工作中超越人类的高度自治系统——造福全人类。”在此之前，微软和OpenAI已经建立起了合作关系：这家初创公司使用了微软的云计算平台Azure。2018年3月，斯科特在这家位于旧金山的初创公司安排了一次与一些员工的会面。他很高兴见到几十个年轻人，他们拒绝了大型科技公司的数百万美元薪酬，为一个承诺其发明不会“伤害人类或过度集权”的组织每天工作18小时。该公司首席科学家苏茨克维特别关注为人工智能的出现做准备，人工智能如此复杂，可能会解决人类的大多数问题——或者导致大规模的破坏和绝望。与此同时，奥特曼是一位有魅力的企业家，他决心让人工智能变得有用和赚钱。斯科特认为，这家初创公司的敏感性非常理想。他表示，OpenAI致力于“将能量导向影响最大的事物。他们有一种真正的文化，即‘这是我们正在努力做的事情，这些是我们正在努力解决的问题，一旦我们发现什么可行，我们就会加倍努力。’他们对未来有一套自己的理论。” OpenAI当时已经取得了令人瞩目的成果：它的研究人员创造了一只机器人手，可以玩魔方，即使遇到以前没有遇到过的挑战，比如把它的一些手指绑在一起。然而，最让斯科特兴奋的是，在随后的一次会议上，OpenAI的管理层告诉他，他们已经放弃了机器人手，因为它不够有前途。“最聪明的人有时最难管理，因为他们有一千个绝妙的主意，”斯科特说。但该公司的员工对他们的工作几乎充满了救世主般的热情。在今年7月斯科特遇到苏茨克维后不久，苏茨克维向斯科特说，人工智能将“颠覆人类生活的每一个领域”，这可能会使医疗保健等领域比现在“好一亿倍”。这种自信吓跑了一些潜在投资者，但斯科特觉得这很吸引人。这种乐观与当时弥漫在微软的阴郁气氛形成了鲜明对比。一位微软前高管表示：“每个人都认为人工智能是一场数据游戏，谷歌拥有更多数据，微软处于永远无法缩小的巨大劣势。”该高管补充说，“我记得当时感到非常绝望，直到斯科特说服我们，还有另一种方式来玩这个游戏。”微软和OpenAI之间的文化差异使他们成为特殊的合作伙伴。但对斯科特和在成为OpenAI的首席执行官之前曾领导创业加速器Y Combinator的奥特曼来说，联手是非常明智的。纳德拉、斯科特和微软的其他人愿意容忍这些奇怪的事情，因为他们相信，如果他们能够用OpenAI技术强化自己的产品，并利用初创公司的天赋和雄心，他们将在人工智能竞赛中获得显著优势。2019年，微软同意向OpenAI投资10亿美元。从那以后，微软实际上获得了OpenAI营利部门49%的股份，以及将OpenAI过去和未来的发明商业化的权利，包括在Word、Excel、Outlook、以及Skype和Xbox游戏机等产品，都可以应用OpenAI的技术。贫困中长大的穆拉蒂纳德拉和斯科特对这项投资的信心是由他们与奥特曼、苏茨克维和首席技术官穆拉蒂形成的纽带支撑的。斯科特特别重视与穆拉蒂的关系。像他一样，她也是在贫困中长大的。她1988年出生于阿尔巴尼亚，经历了黑帮资本主义的兴起和内战的爆发。她通过参加数学竞赛来应对这一巨变。当穆拉蒂16岁时，她获得了加拿大一所私立学校的奖学金，在那里她表现出色。“我童年的很多时光充斥着警笛声、枪击案以及其他可怕的事情，”穆拉蒂在今年夏天接受采访时说。“但是仍然有快乐的生日、少女的单相思和知识的海洋。这教会你一种坚韧的品德——相信如果你继续努力，事情会变得更好。” 穆拉蒂在达特茅斯大学学习机械工程，期间加入了一个研究团队，该团队正在建造一辆由超级电容器电池供电的赛车，这种电池能够产生巨大的能量爆发。其他研究人员认为超级电容器不切实际；还有一些人追求更深奥的技术。穆拉蒂认为这两种观点都太过极端。这样的人永远不可能穿越弹坑到达她的学校。穆拉蒂说，你必须是一个乐观主义者和现实主义者，“有时人们会把乐观主义误解为粗心的理想主义。但这必须经过充分的考虑和深思熟虑，要有很多护栏——否则，你会冒很大的风险。” 毕业后，穆拉蒂加入了特斯拉，然后在2018年加入了OpenAI。斯科特表示，他同意十亿美元投资的一个原因是他“从未见过穆拉蒂慌张的样子。”他们开始讨论如何使用超级计算机来训练各种大型语言模型。两家公司很快就建立并运行了一个系统，结果令人印象深刻：OpenAI训练了一个机器人，它可以生成令人惊叹的图像，以响应诸如“给我看狒狒在耶稣旁边扔披萨，以马蒂斯的风格呈现”的提示。另一个创造GPT，能够用英语会话回答任何问题——即使不总是正确的。但目前还不清楚普通人如何将这种技术用于除了无所事事的娱乐之外的任何事情，也不清楚微软如何收回投资。今年年初又有消息称，微软的投资将增加至100亿美元。 2019年的一天，一位名为达里奥·阿莫代伊（Dario Amodei）的OpenAI副总裁向他的同行展示了一件非凡的事情：他向GPT输入了一个软件程序的一部分，并要求系统完成编程。它几乎立刻就这么做了（使用了阿莫代伊自己没有计划使用的技术）。没有人能确切地说出人工智能是如何做到这一点的——大型语言模型基本上是一个黑盒。GPT的实际代码相对较少；它的答案是一个字一个字地基于数十亿的数学“权重”，根据复杂的概率决定下一步应该输出什么。在回答用户的问题时，不可能绘制出模型建立的所有联系。对OpenAI内部的一些人来说，GPT神秘的编程能力令人恐惧——毕竟，这是《终结者》等反乌托邦电影的场景。当员工们注意到，尽管GPT技术高超，但有时还是会犯编程错误，这几乎令人振奋。在了解到GPT的编程能力后，斯科特和穆拉蒂感到有些担心，但更多的是兴奋感。他们一直在寻找人工智能的实际应用，人们可能会付费使用。 Copilot的诞生 5年前，微软收购了GitHub，其原因与它投资OpenAI的原因大致相同。GitHub的文化年轻且快速发展，不受传统和正统文化束缚。被收购后，它成为微软内部的一个独立部门，拥有自己的首席执行官和独立决策权。事实证明该策略是成功的，GitHub深受软件工程师的喜爱，其用户数量增长到了一亿多。因此，斯科特和穆拉蒂在寻找一个可能会对能够自动完成代码的工具感到兴奋的微软部门——即使它偶尔会出错——他们转向GitHub的首席执行官纳特·弗里德曼（Nat Friedman）。毕竟，发布在GitHub上的代码有时会包含错误；用户已经学会解决不完美的地方。弗里德曼说他想要这个工具。他指出，GitHub只需要想出一种方法来告诉人们，他们不能完全信任自动完成功能。GitHub员工集体讨论了该产品的名称：Coding Autopilot、Automated Pair Programmer、Programarama Automat。弗里德曼是一名业余飞行员，他和其他人认为这些名称错误地暗示该工具可以完成所有工作。而这个工具更像是一个副驾驶——一个和你一起进入驾驶舱并提出建议的人，同时偶尔也会提出一些不合时宜的建议。通常你会听副驾驶的意见；有时你会选择忽略。当斯科特听到弗里德曼最喜欢的名字——GitHub Copilot时，他很喜欢这个名字。斯科特说：“这个名称完美地传达了它的优点和缺点。” 但当GitHub准备在2021年推出Copilot时，微软其他部门的一些高管提出抗议，认为该工具偶尔会产生错误，会损害微软的声誉。“这是一场激烈的战斗，”弗里德曼告诉我。“但我是GitHub的首席执行官，我知道这是一个很棒的产品，所以我发布了它。”当GitHub Copilot发布后，立即大获成功。“Copilot简直让我大吃一惊，”一名用户在发布几小时后发推文说。“这是魔法！！！”另一个贴子说。微软开始对该应用程序收取每月10美元的费用；不到一年，GitHub的年收入就超过了一亿美元。该部门的独立性得到了回报。但是GitHub Copilot也引起了不太积极的反应。在留言板上，程序员推测，如果有人太懒或太无知而没有在部署自动完成的代码之前检查它，这种技术可能会蚕食他们的工作，或者给网络恐怖分子提供动力，或者引发混乱。包括一些人工智能先驱在内的知名学者引用了已故的斯蒂芬·霍金（Stephen Hawking）在2014年的声明，即“全人工智能可能意味着人类的终结。” 令人震惊的是，GitHub Copilot的用户发现了如此多的灾难性可能性。但GitHub和OpenAI的高管们也注意到，人们使用这个工具越多，他们对它的能力和局限性的理解就越微妙。“使用一段时间后，你会对它擅长什么和不擅长什么有一种直觉，”弗里德曼说。“你的大脑会学习如何正确使用它．” 微软高管认为，他们找到了一个既有魄力又负责任的人工智能发展战略。斯科特开始写一份备忘录，题为《人工智能Copilot的时代》，于2023年初发送给微软的技术领导人。斯科特写道，重要的是，微软为向世界解释这项技术找到了一个强有力的比喻：“Copilot做的正是名字所暗示的；对于试图完成复杂任务的用户来说，它是一个专家助手……Copilot可以帮助用户了解其能力的极限。” 在ChatGPT发布后，它让大多数人了解了人工智能，并迅速成为历史上增长最快的消费级应用程序。但是斯科特可以预见未来：机器和人类通过自然语言进行互动；人们，包括那些对编程一无所知的人，仅仅通过说出他们想法来给计算机编程。这是他一直追求的公平竞争环境。正如OpenAI的联合创始人在社交媒体上所说：“最热门的新编程语言是英语。” 斯科特写道：“在我的职业生涯中，我从未经历过我的领域发生如此大变化的时刻，重新想象可能性的机会如此现实和令人兴奋。”下一个任务是将GitHub Copilot——一款精品产品——的成功应用于微软最受欢迎的软件。这些Copilot的引擎将是一项新的OpenAI发明：一个大型语言模型。OpenAI称之为GPT-4。微软多年前曾试图将人工智能带给大众，但最终尴尬的以失败收场。1996年，该公司发布了Clippy，这是其办公产品的“助手”。Clippy在屏幕上显示为一个有着卡通大眼睛的纸夹，看似随机地弹出，询问用户是否需要帮助来写信、打开PowerPoint或完成其他任务。杰出的软件设计师艾兰·库伯（Alan Cooper）后来说，Clippy的设计是基于对研究的“悲剧性误解”，研究表明人们可能会更好地与似乎有情感的计算机互动。用户当然对Clippy有情绪：他们讨厌它。史密森尼称之为“计算机史上最糟糕的软件设计失误之一。”2007年，微软砍掉了Clippy。 9年后，微软创造了人工智能聊天机器人Tay，旨在模仿一个十几岁女孩的语调和注意力，目的是为了与推特用户互动。Tay几乎立即开始发布种族主义、性别歧视和同性恋恐惧的内容，包括“希特勒是对的”的声明。在发布后的第一个16小时内，Tay发布了96000次，此时微软意识到这是一场公关灾难，将其关闭。到2022年底，微软高管们觉得已经准备好开始为Word、Excel和其他产品开发Copilots了。但微软明白，就像法律是不断变化的一样，即使在产品发布后，产生新的保护措施的需求也会不断增加。人工智能工程主管莎拉·伯德（Sarah Bird）和斯科特经常因这项技术的失误而感到汗颜。在疫情期间，当他们测试另一项OpenAI发明图像生成器Dall-E 2时，他们发现如果要求系统创建与新冠肺炎有关的图像，它通常会输出货架被抢空的图片。一些微软员工担心这样的图像会加剧人们对疫情导致经济崩溃的担忧，他们建议改变产品的安全措施以抑制这种趋势。但微软的其他人认为这些担忧是愚蠢的，不值得软件工程师花费时间。斯科特和伯德决定在有限的公开发布中测试这个场景，而不是裁定这个内部辩论。他们推出了一个版本的图像生成器，然后等着看用户是否会因为看到屏幕上的空货架而感到不安。他们不会为一个没有人确定存在的问题设计一个解决方案——就像一个眼睛瞪得圆圆的回形针帮助你浏览一个你已经知道如何使用的文字处理器——他们只会在必要时增加一个缓解措施。在监控社交媒体和互联网的其他角落，并收集用户的直接反馈后，斯科特和伯德得出结论，这些担忧是没有根据的。“你必须在公共场合进行实验，”斯科特说。“你不能试图自己找到所有的答案，并希望你把一切都做对。我们必须学会如何一起使用这些东西，否则我们谁也搞不懂。” 2023年初，微软准备发布首次将GPT-4集成到微软品牌产品中：搜索引擎必应。集成人工智能技术的必应受到热烈欢迎，下载量猛增了八倍。纳德拉开玩笑说微软打败了“800磅重的大猩猩”，以此来嘲讽谷歌。（尽管这项创新令人印象深刻，但就市场份额而言并没有多大意义：谷歌仍然占据90%以上的搜索份额。）必应只是一个微软议程上的一个开端。随后微软开始在其他产品中推出Copilot。今年春天，当微软最终开始推出Copilots时，版本的发布是小心翼翼地错开的。最初，只有大公司才能使用这项技术；随着微软了解这些客户如何使用它并开发出更好的保护措施，它才会被提供给越来越多的用户。截至11月15日，已有数万人在使用Copilots，预计很快会有数百万人注册。在此两天之后，纳德拉忽闻奥特曼被解雇。OpenAI董事会的一些成员发现奥特曼是一个狡猾得令人不安的操纵者。例如，今年秋初，他与乔治敦大学安全和新兴技术中心主任海伦·托纳（Helen Toner）对质，因为她与人合写了一篇论文，似乎批评OpenAI“助长了人工智能炒作的火焰”。托纳为自己辩护（尽管她后来向董事会道歉，没有预料到这篇论文会被怎样看待）。奥特曼开始单独接触其他董事会成员，讨论替换她的问题。当这些成员交换谈话记录时，一些人认为奥特曲解成他们支持解除托纳职务。“他会在其他人的想法上撒谎，让他们互相争斗，”熟悉董事会讨论的人士透露。“这样的事情已经发生多年了。”（一位熟悉奥特曼观点的人士表示，他承认“试图让一名董事会成员下台的方式很笨拙”，但他没有企图操纵董事会。）微软的A、B、C计划奥特曼被认为是一个精明的企业斗士。这在过去对OpenAI很有帮助：2018年，他阻止了早期董事会成员马斯克收购OpenAI的冲动。奥特曼控制信息和操纵认知的能力——公开的和秘密的——吸引了风险资本家通过投资各种创业公司来相互竞争。他的战术技巧如此令人畏惧，以至于当董事会的四名成员——托纳、德安吉洛、苏茨克维和塔莎·麦考利（Tasha McCauley）——开始讨论罢免他时，他们决心保证让他措手不及。“很明显，一旦山姆知道了，他会尽一切可能削弱董事会，”熟悉这些讨论的人士说。不高兴的董事会成员觉得OpenAI的任务要求他们对人工智能变得太危险保持警惕，他们认为奥特曼在位的情况下，他们无法履行这一职责。“任务是多方面的，要确保人工智能造福全人类，但如果不能让首席执行官负起责任，没人能做到，”另一名了解董事会想法的人说。奥特曼看问题的角度不同。熟悉他的观点的人说，他和董事会进行了“非常正常和健康的董事会辩论”，但一些董事会成员不熟悉商业规范，并被他们的责任所吓倒。这个人说，“我们每向人工智能靠近一步，每个人都要承受10分的精神错乱。” 很难说董事会成员更害怕有感知能力的计算机，还是担心奥特曼擅作主张。但不管怎样，董事会最终选择了先发制人，他们误以为微软会和他们站在一起，共同把奥特曼当做目标，支持他们的罢免决定。纳德拉得知奥特曼被解雇的消息并召集斯科特和其他高管召开视频会议后不久，微软开始执行A计划：支持穆拉蒂担任临时首席执行官以稳定局势，同时试图查明董事会为何如此冲动。纳德拉已经批准发布一份声明，强调“在我们将人工智能的下一个时代带给我们的客户时，微软仍然致力于米拉和他们的团队”，并在他的个人X和LinkedIn账户上表达了同样的观点。他与穆拉蒂保持着频繁的联系，以便及时了解她从董事会掌握的信息。答案是：不多。在奥特曼被解雇的前一天晚上，董事会通知了穆拉蒂他们的决定，并得到了她保持沉默的承诺。他们认为她的同意意味着她支持解雇奥特曼，或者至少不会反对董事会，他们还认为其他员工也会同意。他们错了。在内部，穆拉蒂和其他OpenAI高管表达了他们的不满，一些员工认为董事会的行动是一次政变。OpenAI的员工向董事会成员提出尖锐的问题，但董事会几乎没有回应。两名熟悉董事会想法的人士表示，出于保密的考虑，董事会成员感到必须保持沉默。此外，随着奥特曼下台成为全球新闻，董事会成员感到不知所措，“与任何人接触的带宽有限，包括微软。” 奥特曼被解雇的第二天，OpenAI的首席运营官布拉德·莱特卡普（Brad Lightcap）发送了一份全公司备忘录，称他了解到“董事会的决定不是为了应对渎职或任何与我们的财务、业务、安全或安全/隐私实践相关的事情。”他接着说，“这是山姆和董事会之间沟通的中断。”但是，每当有人要求奥特曼举例说明他没有像董事会最初抱怨的那样“在沟通中一贯坦诚”，董事会成员都保持沉默，甚至拒绝提及奥特曼反对托勒的运动。在微软内部，整个事件看起来愚蠢得令人难以置信。据报道，到目前为止，OpenAI价值约800亿美元。该公司的一位高管表示：“除非OpenAI董事会的目标是毁灭整个公司，否则他们似乎总是莫名其妙地在每次做决定时做出最糟糕的选择。”即使其他OpenAI员工在总裁布罗克曼的带领下公开辞职，董事会仍然保持沉默。 A计划显然失败了。因此，微软的高管们转向了B计划：纳德拉开始与穆拉蒂协商，看是否有办法恢复奥特曼的首席执行官职位。在此期间，板球世界杯正在进行，纳德拉钟爱的印度队在决赛中对阵澳大利亚队。纳德拉偶尔会在社交平台X上发帖报告赛事的最新进展，希望缓解紧张的氛围，但他的许多同事不知道他在说什么。 OpenAI员工威胁要反抗。穆拉蒂和这家初创公司的其他人在微软的支持下，开始敦促所有董事会成员辞职。最终，他们中的一些人同意离开，只要他们认为替代者可以接受。他们表示，他们甚至可能对奥特曼的回归持开放态度，只要他不是首席执行官，并且没有获得董事会席位。到了感恩节前的那个周日，每个人都筋疲力尽了。OpenAI董事会邀请穆拉蒂单独加入他们进行私人谈话。他们告诉她，他们一直在秘密招聘一位新的首席执行官，并终于找到了愿意接受这份工作的人。对穆拉蒂、OpenAI员工、微软而言，他们只能抓住最后一根稻草，启动C计划。周日晚上，纳德拉正式邀请奥特曼和布罗克曼领导微软内部的一个新的人工智能研究实验室，并提供他们想要的所有资源和尽可能多的自由。两人都接受了。微软开始为他们认为将加入该部门的数百名OpenAI员工准备办公室。穆拉蒂和她的同事们写了一封公开信给OpenAI的董事会：“我们无法为那些缺乏能力、判断力且不关心我们使命和员工的人工作或与他们合作。”该信件的作者承诺辞职并“加入新成立的微软子公司”，除非所有现任董事会成员辞职并重新任命奥特曼和布罗克曼。几个小时内，几乎所有OpenAI员工都签署了这封信。 C计划以及OpenAI大规模离职的威胁足以让董事会态度软化。感恩节前两天，OpenAI宣布奥特曼将重新担任首席执行官。除德安吉洛外，所有董事会成员都将辞职，而更知名的人物——包括Facebook前高管、推特董事长布雷特·泰勒（Bret Taylor），以及前财政部长、哈佛大学校长拉里·萨默斯（Larry Summers）——将出任董事。OpenAI的高管同意对所发生的事情进行独立调查，包括奥特曼过去作为首席执行官的行为。尽管C计划最初看起来很诱人，但微软高管后来得出的结论是，目前的情况是最好的结果。将OpenAI的员工转移到微软可能会导致成本高昂且浪费时间的诉讼，还可能引发政府调查。在新框架下，微软获得了OpenAI的无投票权的董事会观察员席位，使其在不引起监管审查的情况下获得了更大的影响力。微软的巨大胜利事实上，这出肥皂剧的结局被视为微软的巨大胜利，也是对其开发人工智能方法的有力认可。一位微软高管表示：“奥特曼和布罗克曼真的很聪明，他们可以去任何地方。但他们选择了微软，所有那些OpenAI的人都准备选择微软，就像四年前选择我们一样。这极大地验证了我们建立的体系。他们都知道，这里是继续他们正在做的工作的最佳地点，最安全的地点。” 与此同时，被解雇的董事会成员坚称他们的行为是明智的。“将会有一个全面和独立的调查，而不是把一群山姆的亲信放在董事会，我们最终有了可以对抗他的新人，”熟悉董事会讨论的人透露说。“山姆很有权力，他很有说服力，他善于为所欲为，现在他注意到人们在看着他。”前董事托纳说，“董事会始终专注于履行我们对OpenAI使命的义务。”（奥特曼告诉其他人，他欢迎调查——部分是为了帮助他理解为什么会发生这样的悲剧，以及他本可以采取哪些不同的措施来防止这种情况发生。）一些人工智能监管机构对这个结果不是特别满意。开源人工智能平台Hugging Face的首席伦理学家玛格丽特·米歇尔（Margaret Mitchell）认为，“董事会解雇奥特曼的时候，确实是在做自己的工作。他的回归将会产生寒蝉效应。我们将会看到越来越少的人在公司内部直言不讳，因为他们会认为自己会被解雇——而高层的人会更加不负责任。” 就奥特曼而言，他准备讨论其他事情。“我认为我们只是转向良好的治理和优秀的董事会成员，我们将进行独立评估，这让我非常兴奋，”他告诉我。“我只是希望每个人都继续生活，开心快乐。我们会继续进行这项任务。” 让纳德拉和斯科特松了一口气的是，随着Copilots的大规模发布，微软的一切都恢复了正常。不过Office Copilots看起来既令人印象深刻又平庸。它们让平凡的任务变得更容易，但它们距离取代人类工人还有很长的路要走。它们感觉和科幻小说预言的相去甚远，但是它们也是人们可能每天都会用到的东西。根据斯科特的说法，这种效果是有意的。“真正的乐观主义意味着有时要慢慢来，”他说。如果他、穆拉蒂和纳德拉如愿以偿——鉴于他们最近的胜利，这种可能性现在更大——人工智能将继续稳步渗透到我们的生活中，其速度足以适应短期悲观主义所需的警告，并且只有在人类能够吸收这项技术应该如何使用的情况下才会如此。事情仍有可能失控——人工智能的渐进发展将阻止我们意识到这些危险，直到为时已晚。但是，就目前而言，斯科特和穆拉蒂相信他们能够平衡进步和安全。斯科特表示：“人工智能是人类为提高每个人的生活质量而发明的最强大的东西之一。但这需要时间，也应该需要时间。我们总是通过技术来解决极具挑战性的问题。因此，我们可以告诉自己一个关于未来的好故事，也可以告诉自己一个关于未来的坏故事——无论我们选择哪一个，那都有可能成为现实。” 来源：金色财经

金色财经2023-12-03

新北洋：截至2023年11月底，新北洋的股东户数为28,211户

器思维方面，公司在模式识别、神经网络和深度学习等基础技术进行研究和积累，并在信号识别、图像识别、视频识别、生物识别、智能分拣、数据分析和决策等核心算法上形成了自己的核心技术；在机器行为方面，公司布局了工控主机、软件平台、运动控制和精密传动等关键核心模块。公司将继续瞄准无人化、少人化的社会发展趋势，在智慧物流、智慧零售和智慧金融等多个行业和领域深入融合人工智能相关技术，助力客户商业成功。谢谢！投资者：感觉还是理念观念问题，现在很多企业想要做大做强总部都迁往大都市，生产工厂不搬迁！尤其研发基地都搬往大都市、那样人才有优势！新北洋墨守成规、要走出泥潭很困难！！公司没想法新北洋董秘：您好！新北洋不仅在威海总部设立有研发机构，而且在国内的北京、深圳和西安等高校和人才密集的地区、在国外的日本和荷兰等也建立了研发分支机构。稳定和丰富的研发人力资源保障了公司的长期可持续发展。谢谢！投资者：请问截止2023年11月30日，公司股东人数多少？新北洋董秘：您好！截至2023年11月底，新北洋的股东户数为28,211户。谢谢！投资者：尊敬的董秘你好人工智能也好、新型工业化也好、人形机器人也好！市场上都不知道新北洋有这方面业务！为何这么固执？不改下辨识度较高名字、比如北洋智能！一般投资者以为是水产养殖的！或者纯是生产打印机的、没一点科技含量公司！！新北洋董秘：您好！新北洋的愿景是“成为世界先进的智能设备/装备解决方案提供商””。公司业务涉及打印扫描产品解决方案、智能自助终端解决方案、金融行业场景解决方案、物流行业场景解决方案及服务运营解决方案和其他新业务等。公司在智慧金融产品领域，经过多年持续创新发展，已成为业界知名的解决方案提供商；在打印扫描产品领域，公司一直保持在该业务领域的市场优势地位，服务于全球客户；在智能自助终端领域，公司已成为领先的产品研发、制造和服务商；在智能物流装备领域，公司已成为业界知名的解决方案提供商。谢谢！以上内容由证券之星根据公开信息整理，由算法生成，与本站立场无关。证券之星力求但不保证该信息（包括但不限于文字、视频、音频、数据及图表）全部或者部分内容的的准确性、完整性、有效性、及时性等，如存在问题请联系我们。本文为数据整理，不对您构成任何投资建议，投资有风险，请谨慎决策。

证券之星2023-12-02

加密与AI的碰撞：机遇、代表性项目及未来

odel）。这些复杂的AI技术本质上是深度学习技术/算法和超大数据集的结合，它们共同创造了一个能够预测和总结信息的人工智能模型。人类和LLM之间的交互是通过自然语言处理的，大多数LLM都是专门使用自然语言处理（NLP）构建的。首先，用户要求聊天机器人用自然语言回答某类问题，然后，聊天机器人利用其底层技术、训练数据和功能尽可能地为用户提供答案。 LLM是基于transformer模型创建的。Transformer是一种擅长预测文本及学习词语背后上下文的神经网络。使用transformer模型的LLM擅长NLP，能够很好地处理人类日常任务，比如解决数学问题、生成代码模板、甚至是写简报或进行文本校对。正因如此，像ChatGPT、微软Bing AI和Claude这样的聊天机器人才能取得巨大的成功，几乎凭一己之力引发了一场人工智能革命。虽然许多人认为人工智能系统最终可能会获得比人类更强大的能力和智慧，但几乎没有证据能够表明这种情况将很快发生。无论如何，这些模型与人类工作流程相结合带来的种种可能性以及极具前景的现有功能足以表明，无论我们喜欢与否，人工智能都将继续走下去。不过，你可能很想知道这些模型如何能够与加密技术和区块链的无需许可特性相结合，那额，就让我们来解释一下潜在的融合趋势，探讨研究这两种具颠覆力量的技术形式。 3、加密技术如何助力AI应用的发展？加密行业每天都会现身在新闻、大型媒体及其他社交媒体平台上。2008年，中本聪撰写了一份白皮书，而这份白皮书已经成为了一个1.5万亿美元的市场，惹得世界上最大的金融机构们纷纷批准或拒绝比特币现货ETF申请。向业外人士描述区块链技术的内在好处通常很难，主要是因为大多数第一世界国家的金融业非常发达，与用户的交互非常顺畅。在如美国这样的发达国家之外，要解释和展示金融交易无需许可账户的力量则要容易得多，这在很大程度上是由于这些地方腐败的金融机构和政府，不幸的是，它们仍然掌握着世界各地的政治经济命脉。全世界各国货币都在定期贬值，世界上绝大多数人口仍然无法获取银行基础设施。加密技术是一种为没有银行账户的人提供银行服务的方式，这种技术为个人提供了成为自己的金融操作监管者的机会，无论是在冷钱包中持有加密货币，还是利用加密生态中众多可用的去中心化金融应用。无需许可金融的前景难以描述，但每天上演的革命性变化却不容低估。区块链固有的透明度、安全性和去中心化特性可以极大地促进人工智能数据的存储、共享和使用方式。AI和区块链技术的融合有望通过为AI交易和决策提供不可篡改的账本来增强AI系统的信任度，减少对操纵或滥用数据的担忧。加密技术可以促进AI发展（反之亦然）的一个关键方面在于数据管理和安全领域。AI系统需要大量数据进行学习和改进。借助区块链技术，这些数据可以在不同的平台和利益相关者之间安全透明地共享。这不仅确保了数据的完整性，还为AI协同研究和开发开辟了新途径，打破了通常阻碍创新的数据孤岛。人工智能和区块链的结合可能催生合法的去中心化自治组织（DAO）。这些DAO由智能合约管理，由AI算法提供支持，可以独立运行和决策，并在没有人为干预的情况下执行交易。历来，加密DAO的管理并不理想，因为人类的情感和对金钱的渴望往往盖过了DAO的最初目的。实施AI系统可以通过自动化流程和减少对中介的需求来彻底改变各行各业，在提高效率的同时降低成本。另一个大有前景的领域是使用区块链作为生成和共享AI数据的激励手段。通过代币化过程，个人和组织可以因向AI模型贡献有价值的数据而获得奖励，从而建立一个更具协作性和包容性的AI生态。去中心化金融（DeFi）也是人工智能潜在的巨大贡献者，有望创造出可以被称为去中心化人工智能（DeAI）的事物。这样一来可以让人工智能技术的使用更加民主化，个人和小型实体也可以获取以前只有大公司才能使用的AI工具和服务。加密货币和人工智能的融合不仅有可能改变金融领域，也有可能改变我们数字生活的方方面面。通过将这两种技术的优势相结合，我们可以期待这样一个人工智能的未来：AI不仅更易访问，而且更加安全和透明，也可能更加高效。说到这里，就让我们来分析一下当前AI行业的表现。 4、打破人工智能的不透明藩篱将加密技术对金融体系的改革比作对AI系统生产的智能革命，我们可以得出一些高度相关的相似之处，并为两者的结合提供依据。如今，人工智能公司，如OpenAI、Google Deepmind、Anthropic及许多其他公司，都在进行各自的研究和运营。 5、加密和人工智能领域的当前机遇现在我们已经了解了AI和加密协同效应的有关基础知识，下面我们可以更详细地研究一下该领域的一些领先项目。虽然其中的大多数仍在积极努力地启动引导他们的网络、获取忠诚用户群及更广泛的来自加密社区的关注，但他们都奔走在行业的最前沿，是这个快速增长行业的优秀代表。（1）Bittensor：去中心化人工智能模型网络 Bittensor是迄今为止Crypto & AI生态中最受欢迎也是最完善的项目。Bittensor是一个去中心化网络，旨在通过为众多分散的商品市场或“子网”创建一个平台，统一使用一个单一的代币系统，让人工智能领域更加民主化。它的使命是通过采用独特的激励机制和先进的子网架构，打造一个与OpenAI等AI领域的大型超级企业相媲美的网络。Bittensor系统可以视为是一台由区块链驱动的机器，可以有效地将AI功能带到链上。该网络由两个关键参与者管理:矿工和验证者。矿工向网络提交预训练的人工智能模型，并因其贡献而获得奖励，而验证者则确保模型输出的有效性和准确性。这种设置创造了一个竞争环境，激励矿工不断改进他们的模型，以获得更好的性能和更高的TAO(网络的原生代币)回报。用户通过向验证者发送查询来与网络进行交互，验证者然后将这些查询分发给矿工。验证器对这些矿工的输出进行排序，并将排名最高的响应返回给用户。 Bittensor的模型开发方法是独一无二的。与许多人工智能实验室或研究机构不同，Bittensor由于训练模型的成本高且复杂并没有这么做。该网络依赖于去中心化训练机制。验证者（Validator）的任务是使用特定的数据集评估矿工生成的模型，并根据某些标准（如准确性和损失函数）对各模型打分。这种去中心化评估方式确保了模型性能得以持续改进。 Bittensor架构包括Yuma共识机制，这是一种工作量证明（PoW）和权益证明（PoS）的独特混合机制，它将资源分配到网络的子网中。子网是一个个独立的经济市场，每个市场都专注于不同的人工智能任务，如文本预测或图像生成，并且可以根据其功能选择加入或退出Yuma共识。 Bittensor是人工智能去中心化的重要一步，它提供了一个平台，可以以去中心化的方式开发、评估和改进各种人工智能模型。其独特的结构不仅激励了高质量人工智能模型的创建，还使人工智能技术的使用更加民主化，有望改变各个领域的AI开发和使用方式。（2）Akash：开源超级云 Akash网络是一个创新的开源超级云平台，旨在安全有效地进行计算资源买卖。它的愿景是为用户提供部署自己的云基础设施以及购买和出售未使用的云资源的能力。这种灵活性不仅使云资源的使用更加民主化，还为需要扩展操作的用户提供了具成本效益的解决方案。 Akash系统的核心是一种逆向拍卖机制，用户可以根据自己的计算需求提交出价，供应商之间可以竞争提供服务，这通常会致使价格明显低于传统云系统。该系统的底层支撑是成熟可靠的Kubernetes和Cosmos等技术，确保平台安全可靠地托管应用程序。Akash的社区驱动方法确保其用户在网络的发展和治理中拥有发言权，使其成为真正的以用户为中心的公共服务。 Akash的基础设施是使用一种简单易用的、基于YAML的SDL来定义的，它允许用户跨多个领域和供应商创建复杂的部署。该特性与领先的容器编排系统Kubernetes相结合，不仅保证了部署的灵活性，还保证了应用程序托管的安全性和可靠性。此外，Akash提供持久存储解决方案，即使在重新启动后也能确保数据存留，这对于管理大型数据集的应用程序来说特别有好处。总的来说，Akash网络作为一个去中心化的云平台脱颖而出，针对当前云服务供应商的垄断性问题提供了独特的解决方案。其利用了全球数百万数据中心中未充分利用的资源，这种模式不仅降低了成本，还提高了云原生应用程序的速度和效率。由于不需要重写专有语言，也不受供应商的限制，Akash为各种云应用程序提供了一个通用平台。（3）Render：计算访问扩展平台 Render网络是一个区块链平台，旨在解决媒体生产中日益增长的计算需求，特别是在增强现实、虚拟现实和AI增强媒体等领域。它利用未使用的GPU周期将需要计算能力的内容创建者与拥有可用GPU资源的供应商连接起来。这种利用区块链技术的去中心化方法，确保了安全有效地处理基于GPU的任务，例如AI驱动的内容创建和优化。 Render网络的核心服务是其与人工智能的集成，这在内容创建和流程优化方面都起着至关重要的作用。该网络支持人工智能相关任务，使艺术家能够使用AI工具来生成资产并增强数字艺术品。这种集成允许创建超高分辨率的3D世界和优化的渲染过程，如AI去噪。此外，Render网络对人工智能的使用还扩展至大型艺术收藏管理和渲染工作流程优化，从而拓展了创作过程的可能性。 Render网络生态作为GPU资源市场，为艺术家、工程师和节点运营商等各方利益相关者提供服务。它使计算能力的使用更加民主化，使个人创作者和大型工作室能够负担得起复杂的渲染项目。该生态系统内交易使用RNDR代币进行，创造了一个以渲染服务为中心的充满活力的经济。随着人工智能继续重塑数字内容创作，Render网络将成为促进数字媒体领域新型创意表达和技术创新的关键参与者。（4）Gensyn：去中心化计算平台 Gensyn是一个AI结合加密货币的项目，专注于攻破最先进的人工智能系统固有的计算挑战和资源限制。该项目旨在克服由构建基础模型所需的巨大资源需求而导致的AI发展障碍。Gensyn采用的方法是创建一个去中心化的区块链协议，以有效利用全局计算资源。 Gensyn的诞生背景突出了人工智能系统日益增加的计算复杂性，超过了可用计算供应。例如，训练像OpenAI GPT-4这样的大模型需要大量的资源，这给所有相关方造成了巨大障碍。这一动态催生了对能够有效利用所有可用计算资源的系统的需求，以应对当前解决方案的局限性，当前的解决方案要么过于昂贵，要么不足以胜任大规模人工智能任务。 Gensyn旨在通过创建一个去中心化协议来解决这个问题，该协议以一种经济高效的方式连接和验证链下深度学习任务。该协议面临着几大挑战，包括任务验证、市场动态、事前评估、隐私问题以及对深度学习模型高效并行化的需求。该协议旨在建立一个无需信任的计算网络，为提供参与激励，并提供一种方法来验证计算任务是否按承诺执行。 Gensyn协议是用于深度学习计算的第一层无需信任协议，奖励参与者贡献计算时间及执行ML任务。它使用了多种技术来验证完成的任务，包括概率学习证明、基于图形的pinpoint协议和Truebit类型的激励游戏。该系统涉及了各方参与者，如提交者（Submitter）、求解者（Solver）、验证者（Verifier）和告密者（Whistleblower），各参与者在计算过程中都有特定角色。在实践中，Gensyn协议从任务提交到合约仲裁和结算包含了若干阶段。该协议旨在为机器学习（ML）计算创建一个透明的低成本市场，实现可扩展性和效率。该协议还为拥有强大GPU的矿工提供了一个机会，可以将他们的硬件用于机器学习计算，与主流供应商相比，成本可能更低。这种方法不仅解决了人工智能领域的计算挑战，还使人工智能资源的获取更加民主化。（5）Fetch：人工智能经济开源平台 Fetch.ai的时间比前面提到的一些项目的时间还要长，其网站上提供各种各样的服务。Fetch核心上是一个人工智能（AI）和加密货币相结合的创新项目，旨在彻底改变经济活动和流程的执行方式。Fetch服务基于它的AI智能体，它被设计成模块化的构建块，可以被编程执行特定的任务。这些智能体能够自主连接、搜索和交易，从而创造动态市场，改变传统的经济活动格局。 Fetch的一项关键服务就是能够使传统产品与AI相结合。这是通过将它们的API与Fetch.ai智能体集成来实现的，集成过程很快，并且不需要更改底层业务应用程序。AI智能体可以与网络中的其他智能体相结合，为新的用例和商业模式开辟了可能性。此外，这些智能体还具有代表用户进行谈判和交易的能力，这让它们能够通过部署盈利。另外，这些智能体还可以从机器学习模型中提供推论（inference），允许用户将他们的见解变现并强化他们的机器学习模型。 Fetch还引入了Agentverse，这是一种简化AI智能体部署的无代码管理服务。就像传统的无代码平台（Replit）越来越受欢迎，以及Github Copilot这样的服务让普通大众都能写代码一样，Fetch正在以自己独特的方式进一步推动web3开发的民主化。通过Agentverse，用户可以毫不费力地启动他们的第一个智能体，这大大降低了使用先进人工智能技术的准入门槛。就人工智能引擎和智能体服务而言，Fetch利用大语言模型（LLM）来发现并将任务执行发送给适当的AI智能体。该系统不仅可以将AI应用和服务货币化，还可以作为构建、上市、分析、托管等智能体服务的综合平台。该平台通过搜索、发现和分析等功能增强了效用。智能体可以在Agentverse中注册，以便易于在Fetch.ai平台上被识别发现，Fetch.ai平台采用了一种基于LLM的针对性搜索机制。分析工具可用于提高智能体语义描述符的有效性，从而增强其可发现性。此外，Fetch.ai为离线智能体集成了一个物联网网关，使它们能够收集消息并在重新连接时批量处理这些消息。最后，Fetch.ai为管理智能体提供托管服务，除了托管服务之外，还提供了Agentverse的所有功能。该平台还引入了一个开源的智能体寻址和命名网络，利用了Fetch.ai的Web3网络。这就意味着一种新的Web DNS寻址方法，将区块链技术集成到系统中。总的来说，Fetch.ai提供了一个人工智能和区块链技术相结合的多功能平台，为AI智能体开发、机器学习模型货币化以及数字经济突破性的搜索和发现方法提供了工具。AI智能体和区块链技术的结合为以去中心化的高效方式自动化及优化各流程铺平了道路。 6、AI和加密行业的下一步是什么？人工智能和区块链技术的无缝融合代表了这两个领域的关键进步。这种结合不仅仅是两种尖端技术的融合，更是一种变革性的协同作用，重新定义了数字创新和去中心化的边界。这种结合的潜在应用（正如在Fetch.ai、Bittensor、Akash Network、Render Network和Gensyn等项目所探讨的），展示了将AI的计算能力与区块链安全透明的框架相结合具有巨大的可能性和优势。当我们展望未来时，很明显，人工智能和区块链的融合将在塑造各行各业上发挥关键作用。从增强数据安全性和完整性到创建去中心化自治组织新模式等等，这种融合有望带来更高效透明、更可访问的技术。特别是在去中心化金融领域，去中心化人工智能（DeAI）的出现可以使人工智能技术的使用更加民主化，打破传统上大公司垄断的障碍。这有望催生一个更具包容性的数字经济，在这样的未来经济中，个人和小型实体也可以享用以前遥不可及的人工智能工具和服务。另外，AI和加密技术的集成也可以解决这两个领域中一些最紧迫的挑战。在人工智能领域，数据孤岛和训练大模型所需的巨大计算资源等问题可以通过区块链的去中心化数据管理和计算能力共享来缓解。在区块链领域，人工智能可以提高效率，自动化决策过程，并改善安全机制。开发人员、研究人员和利益相关者持续探索和利用人工智能和区块链之间的协同作用是至关重要的。这样一来，他们不仅能够促进这些独立领域的发展，还将推动整个数字领域的创新，最终让全社会受益。来源：金色财经

金色财经2023-12-01

清华大学取得智能飞行汽车决策网络专利，专利技术提高模态切换鲁棒性

态切换的决策网络的训练方法，该方法涉及深度学习技术领域，通过基于A3C网络构建总决策网络并进行多环境模拟训练，提高智能飞行汽车模态切换的决策网络的鲁棒性。

金融界2023-11-30

合锻智能：公司参股公司合肥汇智光模块只涉及核心结构件供应，产品销量涉及商业秘密，不便公开披露

光谱视觉成像。公司在行业内率先推出基于深度学习的人工智能分选设备，引领了行业新设备的人工智能升级。感谢您对公司的关注！投资者：尊敬的董秘，你好，请问公司有产品用于减速器的吗？合锻智能董秘：您好，公司锻造类液压机产品可用于减速器零部件的锻造工艺。校正压装类设备用于减速器零部件的矫正等工艺。感谢您对公司的关注！投资者：尊敬的董秘，公司旗下公司，还提供全套的牙科设备，跟3D打印结合在一起，提供全套牙科诊疗云是真的吗？合锻智能董秘：您好，公司没有相关产品。感谢您对公司的关注！投资者：董秘，公司的Lauffer多层挤压机打破了国外垄断吗？合锻智能董秘：您好，公司参股投资的Lauffer公司位于德国，其层压机技术处于世界领先地位，公司已成功进行国产化，并已量产。我公司生产的层压机生产线处于国内领先，国际一线水平。感谢您对公司的关注！投资者：尊敬的董秘，你好，请问公司有和华为合作过吗？公司的mim技术目前可以应用到那些地方？合锻智能董秘：您好，公司没有和华为合作，参股的合肥汇智MIM技术可以应用于各类精密复杂的金属/陶瓷结构件。感谢您对公司的关注！投资者：尊敬的董秘，你好，公司的高端机器视觉技术后面是否可以应用于医疗，新能源汽车，机器人，以及人脸识别等等？合锻智能董秘：您好，公司长期以来专注于智能光电分选业务并积极向矿石、煤炭等新兴领域开拓，领域覆盖范围行业最全，且应用前景广阔，暂无医疗、新能源汽车等领域设备的开发计划，但不排除会应用于其上下游物料的检测环节应用；机器人方面，智能光电分选设备本身就是智能机器人的一个分支和变种；而人脸识别是一项非常通用的识别技术，公司具备相应技术开发能力，但分选市场暂无相应需求。感谢您对公司的关注！投资者：董秘，公司主研的多项国家级尖端装备,先后应用于飞机、神舟飞船、天宫火箭、核电、高铁,以及国家“跃升计划”的科研领域，目前有相关技术的提升吗？合锻智能董秘：通过多项国家级尖端装备的研发及制造，促进公司在液压机研发、液压系统的研发、电气控制、超大件的加工制造方面技术提升，并将这些技术推广应用于液压机其他领域，设备性能得到了提升。感谢您对公司的关注！以上内容由证券之星根据公开信息整理，由算法生成，与本站立场无关。证券之星力求但不保证该信息（包括但不限于文字、视频、音频、数据及图表）全部或者部分内容的的准确性、完整性、有效性、及时性等，如存在问题请联系我们。本文为数据整理，不对您构成任何投资建议，投资有风险，请谨慎决策。

证券之星2023-11-29

腾讯公司取得推广内容投放方法专利，提升推广内容投放的效率

电子设备，所述方法涉及人工智能领域中的深度学习方向，可以提升推广内容投放的效率。

金融界2023-11-28

重塑计算界限：去中心化算力的现状与展望

用于处理大量计算任务，因此在机器学习和深度学习领域得到了广泛的应用。而CPU的核心数量较少，适合处理更集中地处理单个复杂计算或序列任务，但在处理并行计算任务时不如GPU高效。在渲染任务和神经网络计算任务中，通常需要处理大量重复计算和并行计算，因此GPU比CPU在这个方面会更高效且适用。 • FPGA（Field Programmable Gate Array）现场可编程逻辑门阵列，是作为专用集成电路（ASIC）领域中的一种半定制电路。由大量小型处理单元组成的阵列，FPGA可以理解为可编程的数字逻辑电路集成芯片。目前的运用主要集中在硬件加速，其他任务仍然在CPU上完成，让FPGA和CPU协同工作。 • ASIC（Application Specific Integrated Circuit）专用集成电路，是指应特定用户要求和特定电子系统的需要而设计的集成电路。ASIC在批量生产时与通用集成电路相比具有体积更小、功耗更低、可靠性提高、性能提高、保密性增强、成本降低等优点。因而在比特币挖矿的固有场景下，只需要执行特定的计算任务，ASIC则是最契合的。Google 也推出了针对机器学习专门设计的 TPU（Tensor Processing Unit）作为ASIC的一种，但目前主要通过Google Cloud提供算力租用服务。 • ASIC 和 FPGA 相比，ASIC 是专用集成电路，一旦设计完成后集成电路即固定。而FPGA是在阵列内集成大量数字电路基本门电路和存储器，开发人员可以通过烧写FPGA配置来定义电路，并且这种烧写是可更换的。但就当下的AI领域的更新速度，定制化或半定制化的芯片，无法及时通过调整重新配置来执行不同的任务或适应新算法。因而，GPU 的普遍的适应性和灵活性，使其在 AI 领域大放异彩。各大 GPU 厂商就 AI 领域也对 GPU 在 AI 领域的适配做了相关优化。以 Nvidia 为例，推出了专为深度学习设计的 Tesla 系列和 Ampere 架构 GPU，这些硬件包含针对机器学习和深度学习计算优化的硬件单元（Tensor Cores），这使得GPU能够以更高的效率和更低的能耗执行神经网络的前向和反向传播。此外也提供了广泛的工具和库来支持AI开发，如 CUDA（Compute Unified Device Architecture）来帮助开发人员利用GPU进行通用并行计算。去中心化算力去中心化算力是指通过分布式计算资源提供处理能力的方式。这种去中心化的方法通常结合区块链技术或类似的分布式账本技术，将闲置的计算资源汇集并分发给需要的用户，以实现资源共享、交易和管理。产生背景 • 强劲的算力硬件需求。创作者经济的繁荣，使得数字媒体处理方向进入全民创作的时代，激增的视效渲染需求，出现专门渲染外包工作室、云渲染平台等形式，但这样方式也需要本身投入大量的资金用于前期算力硬件采购。 • 算力硬件来源单一。AI 领域发展更加剧了算力硬件的需求，全球以 Nvidia 为龙头的 GPU 制造企业在这场AI算力竞赛中，赚得盆满钵满。其供货能力甚至成为能掣肘某一行业发展的关键要素，Nvidia的市值也于今年首次突破一万亿美元。 • 算力提供仍主要依赖中心化云平台。而目前真正受益于高性能计算需求激增的是以 AWS 为代表的中心化云厂商，它们推出了 GPU 云算力服务，以目前AWS p4d.24xlarge 为例，租用一台这样的专精于 ML 方向的 HPC 服务器，包含8块 Nvidia A100 40GB GPUs，每小时花费在 32.8 美元，其毛利率据估计可达61%。这也使得其他云巨头纷纷竞相参与，囤积硬件以其在行业发展初期尽可能占据有利。 • 政治、人为干预等因素导致行业发展不平衡。不平衡我们不难看出GPU的所有权和集中度更向资金和技术充裕组织和国家倾斜，且与高性能计算集群呈现依仗关系。这使得以美国为代表的芯片半导体制造强国，也在对AI芯片出口方面实施更为严苛的限制，以削弱其他国家在通用人工智能领域的研究能力。 • 算力资源分配过于集中。 AI 领域的发展主动权掌握在少数巨型公司手中，目前以 OpenAI 为代表的巨头，有微软的加持，背后是微软Azure 提供的丰富算力资源，这使得 OpenAI 每次新产品的发布，都是对当下 AI 行业的重塑和整合，让其余团队在大模型领域难以望其项背。那么在面对高昂的硬件成本、地域限制、产业发展不均衡的情况，是否有其他解决方案？去中心化算力平台则应运而生，平台的目的是创建一个开放、透明且自我调节的市场来更有效地利用全球计算资源。适应性分析 1. 去中心化算力供给侧目前高昂的硬件价格和供给侧的人为控制，都给去中心化算力网络的建设提供了土壤。 • 从去中心化算力的组成方式来看，多样的算力提供方小到个人PC、小型物联网设备大到数据中心、IDC等，大量累积的算力可提供更灵活和可扩展的计算解决方案，从而帮助更多的AI开发者和组织更有效地利用有限的资源。都可以通过个人或组织的闲置算力，来实现去中心化算力共享，但这些的算力的可用性、稳定性，受本身用户的使用限制或分享上限的限制。 • 有可能的潜在优质算力来源，则是以太坊转 PoS 后，直接由相关矿场转型提供的算力资源。以美国领先的 GPU 集成式算力提供商 Coreweave 为例，前身是北美以太坊最大的矿场，基于已构建的完备基础设施。此外，退役的以太坊矿机，其中也包含了大量的闲置 GPU，据悉此前以太坊挖矿时代巅峰在网工作的 GPU 约2700万张，盘活这些 GPU 也能进一步成为去中心化算力网络重要的算力来源。 2. 去中心化算力需求侧 • 从技术实现来看，去中心化算力资源在图形渲染类，视频转码类，这种计算复杂程度不高的任务，结合区块链技术和web3的经济体系能在确保信息数据安全传递情况下，为网络参与者带来了切实的收益激励，积累了有效的商业模式和客群。而 AI 领域则涉及大量的并行计算，节点间的通信、同步等环节，对网络环境等方面有非常高的要求，因而目前应用也都集中于微调、推理、AIGC 等更偏应用层。 • 从商业逻辑来看，单纯算力买卖的市场是缺乏想象力的，行业只能卷供应链、定价策略，但这些又恰好是中心化云服务的优势。因而，市场上限较低也缺乏更多想象空间，所以也能看到原本做单纯图形渲染的网络在寻求 AI 转型，如 Render Network 与2023 Q1 也推出了原生集成Stability AI 工具集，用户可以的该项功能引入Stable Diffusion作业，业务也不再局限于渲染作业而向 AI 领域扩展。 • 从主要客群来看，很显然大B端客户会更倾向于中心化集成式云服务，他们通常有充足的预算，他们通常是从事底层大模型的开发，需要更高效的算力聚合形式；因而，去中心化算力更多的是服务于中小型开发团队或个人，从事多是模型微调，或应用层开发，对算力的提供形式没有太高的要求。他们对价格更敏感，去中心化算力的能从根本上减轻初始成本的投入，因而整体的使用成本也更低，以 Gensyn 此前测算的成本来看，将算力换算成V100 提供的等值算力，Gensyn 价格仅为0.4美元每小时，相比AWS 同类型的算力需要2美元每小时，能下降80%。虽然这部分生意并不在目前行业中占开销大头，但伴随 AI 类应用的使用场景持续延展，未来的市场规模不容小觑。 • 从提供的服务来看，可以发现目前的项目更像是去中心化云平台的概念，提供的是一整套从开发、部署、上线、分发、交易全流程的管理，这样的好处在于吸引开发者，可以利用相关工具组件来简化开发部署，提升效率；同时能吸引用户来平台使用这些完整的应用产品，形成基于自身算力网络的生态护城河。但这同时也对项目运营提出了更高的要求。如何吸引优秀开发者和用户并实现留存显得尤为重要。不同领域的应用 1. 数字媒体处理 Render Network 一个基于区块链的全球渲染平台，其目标是为创作者数字创意提供帮助。它允许创作者按需将 GPU 渲染工作扩展到全球 GPU 节点，提供了以一种更为高速且便宜的渲染工作能力，在创作者确认过渲染结果后，再由区块链网络向节点发送代币奖励。相比传统的视觉效果实现方法，在本地建立渲染基础设施或在购置的云服务中增加相应的GPU开支，这都需要高昂的前期投入。自2017年创立以来，Render Network 用户在网络上渲染了超过1600万帧和近50万个场景。从Render Network 2023 Q2 发布数据也能表明，渲染帧数作业和活跃节点数都呈增长的趋势。此外，Render Network 与2023 Q1 也推出了原生集成Stability AI 工具集，用户可以的该项功能引入Stable Diffusion作业，业务也不再局限于渲染作业而向AI领域扩展。 Livepeer 则是通过网络参与者贡献自己的GPU算力和带宽，为创作者提供实时视频转码服务。广播者可以通过将视频发送至Livepeer，完成各类视频转码，并向各类端侧用户分发，进而实现视频内容的传播。同时，可以便捷地通过法币形式支付，获得视频转码、传输、存储等服务。在Livepeer 网络中，任何人都允许贡献个人计算机资源（CPU、GPU 和带宽）以进行转码和分发视频来赚取费用。原生代币（LPT）则代表了网络参与者在网络中的权益，通过质押代币的数量，决定节点在网络中的权重，从而影响其获得转码任务的机会。同时，LPT也起到了引导节点安全、可靠、快速地完成分派的任务。 2. AI领域的扩展在目前AI领域的生态系统中，主要参与者大致可以划分成：从需求方入手，在产业的不同阶段，对算力的诉求是有明显区别的。以底层模型开发为例，在预训练环节为确保训练结果的有效对并行计算、存储、通信等方面要求都非常高，这就需要通过大型的算力集群来完成相关的任务。当下主要算力供给主要还是依赖自建机房、中心化的云服务平台来集中提供。而在后续模型微调、实时推理和应用开发等环节则对并行计算、节点间通信的要求没有那么高，这恰恰是去中心化算力能一展拳脚的部分。纵观此前已颇具的声量的项目， Akash Nework 在去中心化算力方向做了一些尝试： Akash Network 结合不同的技术组件，让用户可以在去中心化的云环境中高效、灵活地部署和管理应用程序。用户可以利用 Docker 容器技术打包应用，然后通过 Kubernetes 在 Akash 提供的云资源上通过 CloudMOS 进行部署和扩展。Akash 采用“反向拍卖”的方式，这使得价格比传统云服务更低。 Akash Network 在今年8月也发布将推出了主网第6次升级，将对 GPU 的支持纳入其云服务中，未来向更多 AI 团队提供算力供给。 Gensyn.ai，今年颇受行业瞩目的项目由 a16z 领投完成了4300万美元A轮融资，就目前公布项目公布的文档来看，该项目是一个主网基于波卡网络的 L1 PoS 协议，聚焦于深度学习，它旨在通过创建一个全球性的超级计算集群网络来推动机器学习的边界。这个网络连接了从拥有算力富余的数据中心到潜在可贡献个人 GPU 的 PC，定制的 ASIC 和 SoC 等多种设备。为解决的目前去中心化算力中存在的一些问题，Gensyn 借鉴了学术界的一些理论研究新成果： 1. 采用概率学习证明，即使用基于梯度的优化过程的元数据来构建相关任务执行的证明，来加快验证过程； 2. 图形基准协议（Graph-based Pinpoint Protocol），GPP作为一个桥梁，连接了DNN（Deep Neural Network）的离线执行与区块链上的智能合约框架，解决了跨硬件设备间容易发生的不一致性，并确保了验证的一贯性。 3. 与 Truebit 类似的激励方式，通过质押和惩罚相结合的方式，建立一个能让经济理性参与者能诚实地执行分派的任务。该机制采用了密码学和博弈论方法。这个验证系统对于维持大型模型训练计算的完整性和可靠性。但值得注意的是以上内容更多的是解决任务完成验证层面，而非在项目文档中作为主要亮点讲述的关于去中心化算力来实现模型训练方面的功能，特别是关于并行计算和分布式硬件间通信、同步等问题的优化。当前受网络延迟（Latency）和带宽（Bandwidth）的影响，频繁的节点间通信会使得迭代时间和通信成本都发生增长，这不仅不会带来实际的优化，相反会降低训练效率。Gensyn 在模型训练中处理节点通信和并行计算的方法可能涉及复杂的协调协议，以管理计算的分布式性质。然而，如果没有更详细的技术信息或对他们具体方法的更深入了解，Gensyn通过其网络实现大型模型训练的确切机制需要等项目上线才能真正揭晓。我们还关注到 Edge Matrix Computing (EMC) protocol 它通过区块链技术将算力运用至 AI、渲染、科研、AI电商接入等类型的场景，通过弹性计算把任务分发到不同的算力节点。这种方法不仅提高了算力的使用效率，还确保了数据传输的安全性。同时，它提供了一个算力市场，用户可以访问和交换计算资源。方便开发者部署，更快地触达用户。结合 Web3 的经济形式，也能使算力提供方在根据用户的实际使用情况获取真实收益和协议方补贴，AI开发者也获得更低的推理和渲染成本。以下是其主要组成部分和功能的概述：预期还将推出了基于 GPU 的 RWA 类产品，此项的关键在于将原本在机房固定住的硬件盘活，以 RWA 的形式分割流通，获得额外的资金流动性，高质量 GPU 能作为 RWA 底层资产的原因在于，算力可以算得上 AI 领域的硬通货，目前有明显的供需矛盾，且该矛盾并不能在短期内解决，因而 GPU 的价格相对比较稳定。此外，通过部署 IDC 机房实现算力集群也是 EMC protocol 会重点布局的部分，这不仅能让 GPU 在统一环境下的运转，更高效地处理相关大型算力消耗的任务，如模型的预训练，由此来匹配专业用户的需求。同时，IDC 机房也能集中托管和运行大量的 GPU，确保同类型高质量硬件的技术规格，方便将其打包作为 RWA 产品推向市场，开启DeFi 新思路。近年学界在边缘计算领域也有新的技术理论发展和应用实践。边缘计算作为云计算的一种补充和优化，一部分的人工智能正在加快速度从云端走向边缘，进入到越来越小的物联网设备中。而这些物联网设备往往体积很小，为此轻量机器学习受到青睐，以满足功耗、延时以及精度等问题。 Network3 是通过构建了一个专门的AI Layer2，通过AI 模型算法优化和压缩，联邦学习，边缘计算和隐私计算，为全球范围内的AI开发者提供服务，帮助他们快速、便捷、高效地训练或者验证模型。它通过利用大量智能物联网硬件设备，可聚焦小模型，来做相应的算力供给，且通过构建TEE（Trusted Execution Environment）能让用户仅通过上传模型梯度，来完成相关训练，确保用户相关数据隐私安全。综上 • 伴随 AI 等领域的发展，许多行业会从底层逻辑上实现巨大变革，算力会上升到更重要的地位，与之关联的各个方面也都会引起行业的广泛探索，去中心化算力网络有其自身优势，可答复降低中心化风险，同时也能作为中心化算力的一种补足。 • 且本身 AI 领域的团队也处于一个分岔口上，是否利用已训练好的大模型构建自身产品，还是参与到训练各自地域内的大模型，这样的选择也多是辩证的。因而去中心化算力能满足不同的业务需求，这样的发展趋势是喜闻乐见的，且伴随技术的更新和算法的迭代，势必在关键领域也会有所突破。 • 至不惧，而徐徐图之。来源：金色财经

金色财经2023-11-28

24小时热点