FX168财经网_全球视野外汇黄金加密货币NFT资讯网

一。在面向媒体沟通中，百度集团副总裁、深度学习技术及应用国家工程研究中心副主任吴甜指出，新版本文心一言3.5已超越ChatGPT 3.5，未来国内将只会有少量大模型。

金融界2023-07-24

互联网公司，百度过去五年一直在搞自己的深度学习大模型“飞桨“（Paddle Paddle），甚至用自己的通用AI芯片“昆仑芯”训练自己的模型——它们是百度训练自己的“ChatGPT”的基本环境和前提。阿里巴巴、字节跳动和滴滴也都有基于自身需求的自然语义训练模型。可以说，在训练复杂的上百亿参数的自然语义模型方面，中国的公司和研究机构的“家底”并不薄弱，起点也并不比美国同行低——至少在2016年前后的时候是如此。这几年中美人工智能界在大模型领域产生的差距，不是意识、起点和能力的问题，而是道路和方法的问题。中国与美国在类ChatGPT的人机对话模型领域的差距，也不是所谓的监管导致的。如果你与ChatGPT就一些更丰富的宗教、文化、民族和地缘政治等议题展开过坦率的交流的话，你会意识到它在看似拒绝和审慎讨论这些议题的背后隐藏着某些特定的立场倾向，是与美国社会普遍公认的主流价值观微妙重合的。可以说，任何一个，而不是某一个自然语义的复杂模型，其模型建构、语料采集、训练和参数调整的过程，都是基于特定价值体系的“内容审查”的过程，都有着维系其价值体系的自觉。我们不是应该不应该在自然语义模型里“生成”中国的价值立场的问题，而是它该如何生成，才能真正地制衡英语主导全球互联网语料库必然导致的世界观与文化霸权，加强中文语言理解基准在全球自然语义处理体系的权重，进而为世界人工智能和人机对话的发展提供文化上的多样性。我也严重不同意中文互联网信息内容质量太糟糕导致中国类ChatGPT模型语料源头被“污染”的说法，这同样是既偷懒又显得大聪明的判断。因为互联网上的信息总量原因，英语内容无疑是世界上最多的，质量堪忧的极端化内容也是最多的，它们都会影响自然语义模型训练的过程和结果。ChatGPT在早期的训练中优先使用内容质量较高的社交论坛Reddit上的高赞内容，是有特定的语料选择倾向的。如果中国优先选择知乎和得到等知识类社区，以及主流媒体优先作为语义模型的语料库的话，就不存在语料被污染的问题。更遑论以大部分持“中文内容质量低”的人们的外语水平和阅读广度，根本不足以支撑他们的论断。但是无论如何，ChatGPT的横空出世，对我这么一个多年来一直呼吁“告别硅谷崇拜”的人来说，的确是一个不大不小的刺激，也是一个观念的挑战。这不是因为我觉得中国和美国在人工智能领域竞争的差距就此拉大了，而是因为ChatGPT这样的通用人工智能人机对话模型，是一个真正可能从全人类——而不是某一个特定领域和行业的角度，推动社会生产协作与文明进程的工具。其意义大于移动互联网的出现，堪比电子邮件和搜索引擎的诞生。作为一个人工智能大国，中国早就不是电子邮件和搜索引擎诞生时期的信息技术产业一穷二白的国家了，但是，我们却没有让这类能影响人类文明进程的通用人工智能的创新首先发生在中国，训练一个基础语料由中国文化与价值体系为建构的模型。更何况，ChatGPT的模型训练方式，很大程度上依靠的是“大力出奇迹”的参数升级、反复训练和模型依据生成内容反馈持续迭代优化——这原本是中国团队最擅长的工作方法。当一家美国的创业公司用从微软融来的钱不惜代价投入巨额算力成本，大量雇佣非洲和中东的数据工人进行信息标注、用最高效率的迭代与Google这样的巨头进行自研语义处理大模型的“军备竞赛”时，你还是有一种很不真实的感觉——这究竟是一家旧金山公司还是一家深圳公司。像ChatGPT这样的自然语义处理模型应该可以诞生在中国但却没有诞生在中国，其原因还得从中国从事人工智能的科技公司——无论巨头还是创业公司这些年在干什么开始说。很多人可能从来没意识到的一个问题是：像ChatGPT这样的超大规模通用自然语义处理模型，由一家AI创业公司建构最可能产生奇迹，而在一家科技巨头内部通常不会实现更好的结果。这就是为什么Google的LaMDA对话应用模型和近期仓促上阵的Bard都没有大放异彩的原因，也是百度接下来势必面临的挑战。为什么？首先是因为通用自然语义处理建模太烧钱了。其实，烧钱通常并不是大公司的本事，反倒是创业公司的特权。科技巨头几乎都是上市公司，百亿美元级别的投资砸在一项相当长时期看不到回报的事上，首席财务官在面对董事会和股东大会时的压力是很大的，也经常是被股价惩罚的，这导致大公司不敢做大冒险，不大冒险就不会有大迭代。什么叫“大力出奇迹”？就是先花大钱出大力，然后再祈祷奇迹的发生，而不是默认一定得出现奇迹，然后再决定花钱出力。可惜，大公司只能是后者。这也是为什么即便从ChatGPT受益颇丰的微软，也只敢从一开始的10亿美元，历时四年，直到今年的百亿美元，一笔一笔，持续地追加投资，以支持OpenAI在微软的“体外”，多年如一日地训练GPT模型。微软通过投资OpenAI获得的股权享有整合ChatGPT模型能力进入其Office和搜索引擎的优先权，它未来会不会吃掉OpenAI可能是一件不太好说的事，但至少市值近万亿美元，一年收入几百亿美元的微软，是绝对不敢一开始就“大力出奇迹”，兀自凭一己之力训练这个模型的。其次，因为人们对科技巨头从事创新事业的容错度很低，而对创业公司的错误和偏差较为优容。Google为了应对以ChatGPT的压力，仓促推出了人机对话测试版Bard，被发现一些对话出现了基本的事实错误，于是被无限放大，市值一夜蒸发千亿美元。事实上Google不是不清楚这一点，要不是被逼急了，它也不会这么冒失。Google在2021年公布的LaMDA模型，参数级别和信息搜索能力都明显高于当时OpenAI训练的GPT-3，但Google迟迟不敢公测其效果，就是因为害怕它出现失误，引发公众的不信任和股价的下滑。 Google在乎的，OpenAI都不在乎。从ChatGPT发布的第一天起，它就公开地说自己没有信息检索能力，语料库也只到2021年12月，更回答不了很多关于价值和道德判断的问题，还经常犯事实错误。对ChatGPT的自我“摆烂”，测试者很宽容地接受了，对它在编程、文学创作、格式化写作、寻医问诊等领域展现的信息关联、情感表达、逻辑结构、思维连贯性一系列能力惊叹不已，对它犯的错误轻轻带过。 2019年3月，在GPT-2模型取得前所未有的成功后，成立了4年的OpenAI决定由一家非盈利的基金会转变成为一家商业公司。毕竟没有任何一家基金会能受得了它的首席科学家年薪150万美元，2019年5月，山姆·奥特曼（Sam Altman）出任OpenAI的CEO。接着，OpenAI获得了微软的10亿美元投资。2020年5月，OpenAI推出的GPT-3模型，参数从GPT-2的15亿陡升至1750亿，形成了一个前所未有强大的自动学习系统。可见，一家含着金汤匙出生、融得到巨资、有巨头业务捆绑加持的人工智能初创公司，从事通用的人工智能自然语义模型建构与开发，不计成本投入模型训练，是最理想的状态。最强大的模型带来的想象力和商业回报足以刺激微软和其它的投资者。那么，怎么这个逻辑在中国就跑不通了？中国曾经有没有一个强大的通用自然语义人工智能模型，哪怕就是一个雏形？要回答这个问题，不妨看看微软首次投资OpenAI的时间：2019年7月。在微软押注OpenAI的GPT模型之后4个月，也就是2019年11月，微软负责必应搜索业务、同时也是微软人工智能最高负责人的全球资深副总裁、中国香港籍计算机科学家沈向洋宣布离开工作了20余年的微软。而沈向洋对微软通用人工智能模型的最后一个贡献，就是由微软亚洲互联网工程院在2014年主导研发的聊天机器人——小冰。 2020年7月，小冰从微软独立出来，成为一家中国的人工智能创业公司，沈向洋出任董事长，原微软亚洲互联网工程院常务副院长李笛出任CEO。小冰独立之际已发展至第六代以上，产品形态涉及对话式人工智能机器人、智能语音助手、人工智能创造内容提供者和一系列垂直领域解决方案。小冰曾经引发公众讨论的，除了充满情感和女性性征的聊天机器人之外，还有它在汉语诗歌创作领域的惊艳表现——她出过一本诗集《阳光失了玻璃窗》，收获了不少好评，以及更多的争议。毫无疑问，一个能写诗，进行简单情感和基于常识的对话的小冰机器人，是几年前全世界范围表现上乘的对话式通用人工智能模型。沈向洋主导的团队不可能不懂搜索，更不可能不懂人工智能。而沈向洋从微软出走和小冰的“独立”，加之微软CEO纳德拉主导的对OpenAI的投资和合作绑定，其实是中美最顶级的人工智能操盘手，在通用人工智能模型领域的一次正式的分道扬镳。那么，今天的小冰，还写诗么？它在做什么？这两年，小冰早就不写诗了。它在忙着商业化。它成立了游戏工作室，为游戏提供NPC脚本对话内容；它与冬奥会合作，提供自由式滑雪空中技巧视觉评分系统；它为万得资讯提供人工智能生成的上市公司公告文本摘要；它给万科等企业定制了客服专用的虚拟数字人......它在努力地成为一家“赋能”各行各业，同时让自己能造血赚钱的人工智能解决方案公司。一句话，昔日代表了通用自然语义人工智能模型较高水准、中国人撑起全部格局的人工智能团队，现在成了一个生成式人工智能与决策型人工智能混合的、为具体的场景提供具体解决方案的人工智能供应商。你不能说这是小冰的“堕落”，毕竟它只从资本市场融资了数亿元人民币。按照ChatGPT的模型训练方法，这些钱一天就花完了。没了微软的护身庇佑，小冰得自己顾自己的命。可是，我也从来没听说过百度、腾讯或者字节跳动，想过要投资小冰，支持它继续搞通用自然语义人工智能的大模型。不仅仅是小冰。过去几年中国也有其它从事通用人工智能自动建模和异构计算，让国内外7-8种芯片通过该模型接入软件的创业团队，但只要是拿这个模型出来融资，就搞不定任何的一个投资人。中国的投资机构从未表现过对通用人工智能模型的兴趣，和哪怕一点点的想象力。 “超过85%的投资人一上来就要求我们介绍产品的场景，我们说我们帮GPU对接软件生态，连英伟达都用我们的模型，投资人说这个不算场景。我们说我们也有客户，卫星、码头、智慧城市和智慧工业的研究，他们说你干得太散了，我们不投”。这是我自己听到过的做通用人工智能模型的创业者对我的吐槽。众所周知，中国的VC是最喜欢“教育”创业者的，当然也少不了教育从事人工智能创业的科学家。“你得在这个行业有点数据”，这是他们最爱教育AI创业者的一句话。在某一个行业有数据，而且要专注在某一个细分领域提供解决方案，这是中国大多数号称投资人工智能的VC和PE们的思维定式。然后看的就是“场景有多大”，安防摄像头的场景足够大，于是估值模型就变成了中国这么大，能安多少个摄像头？每个摄像头多少钱？总的摄像头盘子有多大？好，盘子足够大，摄像头这个细分领域我们投了。再看看港口智慧物流，中国有多少个港口？有多少个是深水港口？每个港口码头能为AI解决方案付多少钱？原来就付这么点儿钱啊，看来“港口”这个场景不够大，那我们不投。AI虚拟数字人做客服？能跟元宇宙挂上啊，那有故事有想象力，好，我们可以投投试试。所以，你看到的情况就是，中国的人工智能“四小龙”基本都在做摄像头和人脸识别的生意，都变成了AI的项目实施和集成商，商业模式一如30年前的东软和软通动力，自己活得举步维艰，巨额亏损，还得撑着中国人工智能产业的排面，撑着人工智能这一领域的估值和想象力。在相当长的一段时间内，几乎没有哪个人工智能领域的投资人发自内心地相信一个通用的模型能在各个行业复用。其中偶尔有几个对通用模型有点耐心和兴趣的，基本都是人民币基金，美元基金对中国团队搞通用模型的尝试真的是兴趣阙如。你以为是他们通过对比OpenAI和Google这样的公司的模型训练难度和水平，从而觉得中国团队做起这个事来有差距？那你还真是想多了。他们知道GPT模型研发是怎么回事的时间，也就是最近这俩月的事。那些大言不惭“在我眼里商汤和旷视就是卖安防摄像头的”的一线投资经理，那些傲然地跟创业者说“你这个模型又不是场景”的一线投资合伙人，更遑论那些历史上几乎不投人工智能，过去这么多年一直在鼓捣中国创业者“出海”搞加密货币的美元投资基金的合伙人，今天都突然摇身一变，宣称要支持创业者搞“中国的ChatGPT”了。那么你倒可以想想，他们的信誓旦旦和踌躇满志，含有几分对通用人工智能模型的理解和真诚，又有几分是投机和算计。你更可以想想，一个超级自然语义模型的训练可能一天就得烧几千万甚至上亿人民币，更何况现在提供大模型训练的算力模块——世界顶级的GPU，因为美国的无理禁运而变得越来越难以获取。以那些投资人过去这么多年的心性和行事风格，他们又能坚持得了几天，肯说服投委会投多少笔钱进去，还是能帮这些创业团队搞定GPU的问题？不定哪天，弄不好也就半年之后，他们就又开始催着这些做通用模型的团队，尽快“在细分领域实现商业化”。以百度对飞桨PaddlePaddle模型投入的坚持，尚且不可避免它从一开始就将这个模型产业实践化，尽快追求在不同行业的商业化。而在很大程度上，通用人工智能大模型的训练，存在着海量数据、高质量有创造力的内容输出和产业应用落地的“不可能之三角”。能实现海量数据和高质量有创造力的内容输出，就势必不能快速应用于某一个产业的具体落地——比如ChatGPT。要想在人类创造的互联网最大范围的海量数据里创造具体的产业落地场景，就一定无法提供最高质量的结果，因为基于海量数据的内容生成与精准决策系统一定存在冲突——这其实是个废物。如果想实现高质量的内容输出，以辅助精准的产业落地场景决策，就一定得牺牲最海量的数据，而以大多数精准的产业场景所拥有的数据，是无法支撑真正的大型模型训练和研究的——这是中国绝大多数“产业细分”人工智能解决方案今天面临的困境，也是所谓“产业ChatGPT”是个换汤不换药的伪命题的原因。那些今天摩拳擦掌要大举杀入“中国的ChatGPT”的创业者和投资人们，且不说你们兜里有几个钱和几块GPU，既然都上了这艘船，都觉得自己攥着船票，那通用人工智能的“不可能之三角”，你们决定舍掉哪一个角？这是个首先得想清楚的问题。换而言之，哪个投资机构——无论是财务投资机构还是大公司的投资部门，有持之以恒数年如一日投入训练自然语义大模型，无限拉长回报周期的定力？毕竟历史告诉我们，这是一群最没有定力，最着急找接盘侠的人。中国从来就不缺优秀的创业者和科学家，在人工智能领域同样不例外。中国和美国科技公司在人工智能领域的水平和积累是全球范围内最接近的，至少几年之前中国和美国在自然语义大模型的建构和训练上的差距也并不大。但是中国确实缺一些视野更开阔、不人云亦云、有定力有远见的投资机构和投资人。沈向洋、李笛、马维英、王小川和李志飞等这些人，他们出来做通用自然语义大模型的创业项目都挺靠谱，但问题是得换一批背后支持他们的投资机构和投资人，有一些太擅长“做局”和投机，在加密货币等赛道上浸淫太深的投资机构混杂在其中，是应该被拉进黑名单的。说句实话，尽管过去这么多年都没什么正经的投资机构在看通用人工智能模型，可毕竟还是有一些机构也投了不少回报周期极长的人工智能公司。比如那些投资了中国本土激光雷达和自动驾驶解决方案的VC，他们是对树立中国在全球汽车产业百年未有之变局中全新的竞争力做出过贡献的。还比如那些投资了中国本土GPU的VC——这注定是一个充满艰险，面临美国封禁和打压，回报周期极其漫长的赛道；但这些本土新崛起的GPU玩家——无论是瀚博、壁仞还是其它，它们未来是可能为中国的通用自然语义处理模型提供弹药的。它们背后的投资人，如果有一天真的谋定思动，出手加持中国的自然语义大模型项目的话，我对他们可能有一些更不一样的预期和信心。只是这样不咋咋呼呼、不拖后腿、不急功近利的投资人和投资机构，不是太多，而是太少，但中国的自然语义模型建构和训练需要这样的投资人和投资机构——无论它是财务投资者，还是战略投资方，或是有国家意志加持的资本机构。中国要有自己的通用自然语义大模型，它需要有为全球通用人工智能提供中国智慧、中国价值体系和中国方案的愿景，需要从语料库选择、模型建构与训练、参数调整的全过程前置规避风险和法律、道德与伦理问题，更需要的是定力和耐心。无论如何，它不能投机。来源：金色财经

金色财经2023-07-23

沉浸式旅游盛行元宇宙如何重塑文旅产业？

的数字孪生技术，数字原生更多是运用超级深度学习、多模态学习、人工智能生成内容AIGC等技术自主构建新的数字世界。不管是数字孪生还是数字原生的实现路径，都能为景区景点的数字化、数据化以及数据资产化提供技术加持，能够为进一步的创新应用奠定基础。以博物馆为例，元宇宙为博物馆提供了数字孪生空间构建和数字藏品发行的技术和网络基础，通过3D激光扫描和视频动态成像技术可构建博物馆室内的动态数字孪生，游客可利用3D眼镜、头戴显示设备、全息投影设备等，以第一人称视角参观动态的博物馆展品。比如阿克苏地区博物馆，其采用全息技术、AR增强现实、3D触控交互等技术对馆内的精品文物、相关的历史典故进行文化宣传；采用高清3D扫描三维重建技术，结合虚拟浏览、古迹复原、观众现场多媒体互动等使观众全面了解并认识阿克苏地区的历史文化以及馆内珍贵文物；采用智能换装系统，以中国传统服饰为蓝本，设计智能穿衣镜，让观众虚拟穿戴阿克苏地区的特色服饰，并合影留念，增强了博物馆与观众的互动性，在娱乐的同时对阿克苏地区的优秀历史文化进行传播。（二）基于虚实相融的混合场景交互体验在景区景点的空间中，可以利用元宇宙3D渲染技术和VR、全息投影等技术，将表演的声音、景色、3D画面投放到观众跟前，利用情境、气氛、沉浸的体验让观众身临其境地融入故事中，做到以前无法做到的增强现实的身临其境。同时，观众还可以作为数字虚拟人物参加到表演当中，观众作为演员而不只是观赏者，真正实现角色互换。比如，《又见敦煌》旅游演艺项目就采用“走入式”情境剧场演出技术，通过剧场的舞美设计、技术操控和多维空间的立体表演，叙述敦煌千年的历史，将观众一下子带入敦煌的千年历史轮回中。另外，杭州宋城景区打造的大型高科技时空秀《古树魅影》通过采用先进的声、光、雾、电等科技手段营造出360度全景剧场，为观众带来震撼的视觉、听觉、触觉等感官冲击力，增强了现场的体验感。虽然上述两个例子并非严格意义上的元宇宙项目，但其中虚实相融的场景构建也为文旅元宇宙的高阶发展进行了有益尝试。（三）虚拟数字人在文旅场景的应用虚拟数字人是科技创新的产物，在技术迭代中，从2D的数字形象，迈向3D超写实数字人，其在动作、语言、思想等方面都变得愈来愈逼真。虚拟数字人同样是文化发展的产物，可以根据不同的应用场景搭配不同的身份、装扮、语言，以及极具区域特质的形象气质，亦真亦幻。随着软硬件技术的日臻成熟，虚拟数字人迎来了重大发展契机，以更加完善的沉浸式体验，极大地提升了虚拟数字人的商业价值与应用领域。景区旅游虚拟人物一般根据景区人文、历史、地域等特点，通过动画设计出虚拟2D或3D的人物形象，并采用视频特效制作和剪辑技术，实现虚拟人物在景区真实场景下的动态表演。目前，越来越多的旅游景区看到虚拟人物在景点IP营销上的趣味性、新鲜感、粉丝经济和视频流量等方面的优势，分别开始打造属于自己的虚拟人物。例如，杭州旅游虚拟IP形象“白素素”以古代传说人物白素贞为原型，结合城市地方特色，并赋予其新时代下新的人物定义，欲将其打造成为城市旅游代言人；青岛动漫节的形象代言人“海萌姬”，与“动漫岛”签署合作协议，开拓文旅市场；山西省晋城市国家5A景区皇城相府生态文化旅游区的虚拟数字人物，在景区前灵动起舞。（四）打开文创新机遇的数字藏品数字藏品作为元宇宙下的虚拟资产，通过加密计算技术将照片、声频、模型等数据资产或实体资产写入智能合约，具有独立的认证代码和元数据，可供收藏、买卖、流通。基于区块链技术的NFT具有独特性、唯一性、低成本的可识别性等特点，景区景点的数字藏品是利用NFT技术发布的基于景区独有资源与旅客购买纪念品那一刻的时空属性和游伴数字身份等属性的混合数字纪念品，其可以发布到元宇宙数字化艺术品网络中，景区拥有数字纪念品的版权，而游客通过购买获得其所有权。在此过程中，既保证了景区景点IP的确权和溯源，也能在销售后全生命周期地帮助游客管理其数字资产。二、如何促进消费者接受和满意度提升（一）规范化的技术治理是发展的基础元宇宙既是一种产业形态，也是一种社会空间。在元宇宙的技术研发、商业开发、社会关系网络等层面，均涉及诸多具体法律法规问题。元宇宙虽然主要采用分布式的管理模式，但是在初级阶段，掌握治理权力的主体既包括国家、政府，还涉及元宇宙平台公司、技术组织、国际组织、元宇宙社区、个人等，其中元宇宙平台权力的治理是重点。元宇宙平台集环境塑造、规则创制、身份认证、权力赋予、行为评价、纠纷裁决等治理功能为一体，当下，元宇宙平台的治理权力需要国家和政府对其提供合法性支撑并进行监管，政府对元宇宙平台的授权也是元宇宙平台公共治理权力合法性的重要来源。另一方面，政府治理效能提升也需要元宇宙平台的协作和辅助，政府作为元宇宙的一类用户类型，基于平台治理能力和治理技术的提升，政府在元宇宙中的治理才能够以扁平化、集中化、低成本化的更高效率方式开展，并逐步推动现实世界中政府监管体制的优化和效能提升。（二）需要大力鼓励市场主体的研发和创新元宇宙覆盖芯片、算力、算法（AI）、图像和视觉、产业、文化、区块链等多个方向，科技及生态发展优势明显。产业生态是未来产业发展的核心竞争力。对于产业化发展尚在萌芽期的元宇宙来说，政策无疑是当下最重要、最有力的推手，在宏观强化的发展势头下，多地政府积极布局元宇宙产业，其中涉及场景构建、产业发展、空间扩展等多个层面。比如，河南省按照元宇宙概念规划建设的元宇宙科创产业园重点建造消费、娱乐、文旅、教育、产业、健康、办公、居住等8个应用场景，以及区块链、信息交互、电子游戏、人工智能、网络及计算、物联网等6个技术场景，打造基础设施完善、应用场景丰富、产业生态繁荣、行业管理健全的元宇宙产业生态。生态体系中，各市场主体的研发投入和创新实践将成为元宇宙发展的重要推动力。（三）增加文旅元宇宙优质内容供给是关键元宇宙与IP的联系日益紧密，本质上是市场对优质内容资源整合的现实关切。元宇宙的时空拓展性，凸显IP的稀缺优势性。元宇宙中汹涌的信息洪流如何能够吸引大量受众的注意力资源？高知名度、高关注度、高价值度IP的价值不言自明，多尺度、多视角、多维度复现IP成为元宇宙内容开发的重要抓手。另一方面，元宇宙的去中心化使个人获得了极大的自由，同时也放大了个体的创造思维与能力。用户依托元宇宙平台来创造想象性世界，使人人都能真正成为自己的内容生产者，众创成为常态。与此同时，社区作为元宇宙用户产生联系与交互的场域，元宇宙社区的构建也会促进用户群体的内容生产。（四）多渠道、多手段、多触点激发消费者热情作为虚拟与现实高度互通且由闭环经济体构造的平台系统，元宇宙可有效促进生产者、服务者和消费者的一体化，并与现实世界的经济系统、社交系统与身份系统相融合，从而构建成一个“虚实相融”的新型社会形态。在元宇宙内容创作的基础上还需要关注服务形态、体验以及营销手段。例如，由世集文旅集团联合上海1933老场坊共同孵化的迷塔城1933于2022年9月正式发布，其以1933老场坊场景IP为背景，建设数字文化资产结构，将实景与虚拟世界融合，打造以迷塔城1933为核心的元宇宙，在平台建设基础上完善了相关产业链条，提供主题住宿、游戏影视、虚拟人演出/音乐节/虚拟代言人、实景沉浸内容类型互动剧、展览、元宇宙片场、IP延伸市集、文创周边等产品和服务内容，逐渐形成以METACITY元宇宙体验、METALAB元宇宙加速器、METATRIP元旅行平台的多渠道、多手段、多触点虚实互联体验生态。（五）加强伦理建设，弘扬优秀文化元宇宙去中心化的组织构架、虚拟现实的交互融通、诞生初期的无序动摇了现实社会伦理体系移植到“虚拟世界”的根基，使得虚拟世界在权力关系、身份认同、行为约束、价值取向、规则监督等方面出现了不同程度的伦理危机，给元宇宙的健康发展及其在文旅产业中的大规模应用带来了一定的风险和挑战。加强伦理建设，要推进元宇宙时代的行为准则和道德规范建设，将责任创新贯穿于文旅元宇宙开发的全过程。在实践层面，文旅元宇宙作为与国民美好生活密切相关的领域，更应弘扬优秀文化，要有中华优秀传统文化的滋养，要有体现美好愿景牵引的向上向善文化，对人们的思想影响应该是健康的，要有赋能成长和激励人心的机制，这些都为文旅元宇宙的发展提出了更高要求。来源：金色财经

金色财经2023-07-23

KATANA AI开启新一代中心化人工智能

I支持多种人工智能技术，包括机器学习、深度学习和自然语言处理，专注于为加密货币创造全球人工智能经济。 KATANA AI AI还采用了区块链技术来构建应用程序，并且使用智能合约实现代码的可信执行，确保算法的版权、隐私和分配的公正性。KATANA AI AI还提供了高度灵活的算法开发和部署工具，用户可以使用他们熟悉的编程语言和平台来构建、测试、部署和管理他们的算法。此外，KATANA AI AI提供一系列的数据分析和管理工具，使用户能够轻松地处理、分析和可视化复杂的数据集。KATANA AI AI还拥有一个全球社区，为用户提供技术支持和交流平台，用户可以在这个社区中交流经验、分享开发技巧和获取最新的人工智能应用市场信息。总之，KATANA AI AI的出现极大地促进了人工智能技术的应用和创新，为新兴领域中的人工智能经济开辟了新的发展空间。 KATANA AI由人工智能基金发起并投资，M12人工智能基金是微软旗下的一个投资部门，致力于寻找具有前瞻性的人工智能领域的初创企业，并为他们提供资金、技术以及商业资源支持。该基金成立于2018年，旨在为人工智能领域的创新公司提供资本支持和帮助他们快速成长。作为一家领先的科技公司，微软将通过M12人工智能基金在人工智能领域发挥更大的影响力。作为投资者，该基金将把资本和资源注入到最有前途和前沿的人工智能企业中，并支持他们通过创新发展成为行业领袖。 KATANA AI研究团队由世界一流的AI科学家，数据工程师和策略师组成。致力于用机器学习和神经网络进行策略、信号和自动算法，在区块链领域的应用。包括链上数据的挖掘和深度分析模型、NFT的智能化生成、数字资产的算法以及DEFI的智能分析。 KATANA AI利用人智能技术来进行制定并执行决策。它通过析大量的历史数据和其他相关信息，然后利用机器学习、深度学习等技术训练模型，制定出一系列可执行策略和决策规则。它不依赖人工的判断和决策，而是利用算法自动执行有效的策略，能够更快速、更准确的进行交易。AI算法对于交易系统而言更利于追求长期稳定的过程，而非短期，因为算法可以在不情绪化、不受外界影响的状态下进行配置。 KATANA AI通过采用先进的区块链技术和加密技术，提供用户友好的交易界面，使得交易过程既安全又方便。 KATANA AI是世界上第一个在 AI 协议上进行的智能元宇宙。它允许用户与协议进行友好的交互，从而可以轻松创建智能 NFT（iNFT）。它还支持AI媒体生成，智能升级和访问AI服务。创建并定制你的iNFT的个性，训练智能层的AI系统，构建AI协议上的dApps，提供独特的AI服务。来源：金色财经

金色财经2023-07-21

AI与教育的奇点交会：AIFORCE在探寻智慧与意义的昭示

工智能可以进行大规模的个性化教育，通过深度学习技术了解每个学生的学习风格和需求，从而为他们提供个性化的教育人工智能还可以通过在线教育平台，打破地域，实现全球范围内的教育资源共享。此外，人工智能的自动化教学也可以很大程度上降低教育的成本，提高教育的可负担性。作为AI领域的先驱，AIFORCE社交角色平台无疑是这一变革的领导者。AIFORCE利用最先进的AI技术，为每个学生提供一个AI角色，作为他们的个性化教育助手。这些AI角色可以根据每个学生的学习风格和需求，为他们提供个性化的学习体验。根据AIFORCE公布的数据，使用该平台的学生的学习效率比传统的学习方式提高了30%，这无疑是一次革命性的改变。 AIFORCE限制角色社交平台还以在线学习模式，打破地域，使全球范围内的学生都能接触到优质的教育资源。这不仅解决了教育资源分配不均的问题，也提高了教育的公平性。 AIFORCE的数据，使用该平台的学生在学业成绩上的提升超过了其他在线学习平台的学生。此外，AIFORCE社交角色平台的自动化教学模式也降低了教育成本。根据AIFORCE的数据，使用该平台的学校和教育机构在教育成本上平均每个学生节省了20%。 AIFORCE在教育中的具体作用 1.个性化学习 AIFORCE可以根据学生的学习能力、兴趣和学习风格，为每个学生量身定制个性化的学习计划和教材。通过数据分析和机器学习算法，人工智能可以实时了解学生的学习情况，推荐适合其水平的学习资源，帮助学生更加有效地学习和掌握知识。智能学习助手：AIFORCE可以作为学生的智能学习助手，根据学生的学习进度和知识点掌握情况，提供实时的学习建议和指导。学生可以通过语音交互或文字输入与智能助手进行互动，解答问题、辅导学习，从而提高学习效率和学习成绩。虚拟实验室：借助虚拟现实和增强现实技术，AIFORCE可以为学生提供虚拟实验室体验。学生可以在虚拟环境中进行科学实验、操作仪器，而无需真实的实验室设备。这不仅提高了学生的实践能力，还能降低实验成本和安全风险。 AI创意辅助：AIFORCE技术可以帮助学生创造和表达创意。例如，AI生成艺术作品、音乐曲目或文学作品，为学生提供灵感和参考，激发学生的创造力和想象力。智能学业规划：根据学生的兴趣、天赋和学习成绩，AIFORCE为学生提供个性化的学业规划和职业建议。通过分析大量的学习和职业数据，AI可以为学生提供更加科学和准确的发展路径，帮助他们更好地规划未来。情感识别与辅导：AIFORCE基地的情感识别技术，会运用在了解学生的情绪和心理状态。在学习和生活中，AIFORCE可以及时发现学生的情绪波动和问题，提供心理辅导和情感支持，促进学生健康成长。开放自主学习平台：根据学生的学习习惯和偏好，推荐适合其的学习资源和内容，来提供个性化的自主学习平台只是基础。在这上面我们将搭建一个学者大厅，让所有学生学者能够将自己不断自主选择训练的学习方式和学习节奏的方法系统展示和分享使用，形成良好的学术交流氛围，使得更多学生会主动地去参与学习这个过程。 2.教育数据分析 AIFORCE可以对大量的教育数据进行深度分析，从中挖掘出有价值的信息和模式。通过数据分析，可以了解学生的学习情况和表现，为教育决策提供科学依据，推动教育的不断优化和改进。 3.AIFORCE与教师角色 AIFORCE的引入在一定程度上改变了传统教师的角色。教师不再是简单的知识传授者，而是更多地成为学生的导师和引路人。“师傅引进门，修行在个人”，教师在教导学生的过程中起到的作用更多是启蒙、扶正、传授、立念。如今填鸭式的知识传授方法，或许是中国社会主义快速发展下的教育应对之策，但在国家国力不断壮大的未来发展中，培养出能够拥有自我辩证、修正的学生、学者，才是国家教育培养方针的重中之重。所以，教师与人工智能技术的融合深化，善于运用AI工具辅助教学，并在教学过程中引导学生培养批判性思维和创新能力。同时，教师的专业知识和人文素养仍然是不可替代的，师德师风的魅力能够引导学生向上成长，而AIFORCE为教师带来的帮助，则是让教师与学生能够在限有的时间里做最大的功，少走弯路，节省教育成本。未来AIFORCE与教师的结合将形成一种新型的教育模式，实现更高效和全面的教育。 AIFORCE在教育中的挑战与应对数据隐私保护人工智能在教育中需要收集大量的学生数据，这涉及到个人隐私和数据安全问题。确保学生数据的安全和隐私保护，防止数据泄露和滥用，是人工智能在教育应用中需要解决的关键问题。去中心化数据存储：AIFORCE采用区块链技术，将学生数据分散存储在多个节点上，而非传统的集中式存储。每个学生的数据将被加密并分布在区块链网络的不同节点上，这样一来，数据不再集中在一个中心，大大降低了数据泄露的风险。数据加密和匿名处理：在数据存储和传输过程中，AIFORCE使用强大的加密算法来保护学生数据的隐私。同时，采用匿名处理技术，确保数据与学生的真实身份无法直接关联，进一步增强数据的安全性。权限控制与智能合约：AIFORCE利用智能合约来实现数据权限控制。只有经过授权的用户或机构才能访问特定的学生数据，其他未获授权的用户无法获取数据。这种权限控制机制确保数据仅在必要情况下被访问，大幅降低数据滥用的可能性。用户自主控制：AIFORCE赋予学生和家长对个人数据的自主控制权。通过区块链的去中心化特性，学生和家长可以决定是否分享特定数据，并可以随时撤销共享权限。这样一来，学生和家长能够更加自主地管理自己的数据，保护个人隐私。 AIFORCE保障教育公平人工智能技术的应用可能加剧教育资源的不平等现象。在一些发达地区和高端学校，可能更容易采用人工智能技术提供优质的教育服务，而在一些贫困地区和薄弱学校，可能无法享受到同等水平的教育资源。而AIFORCE的教育理念是让全国不管是几线城市，只要孩子有满足能够基本运行APP的设备，即可参与到这场改变全球教育的AIFORCE教学中来。确保人工智能教育技术的公平和普惠性，是AIFORCE教育一直以来划为重要的挑战。总结起来，人工智能，尤其是像AIFORCE社交角色平台这样的创新应用，为教育领域的改革提供了巨大的机会。通过引入人工智能，我们有可能解决教育领域长期以来的三大问题：个性化的需求、教育资源的分配，以及教育的可负担性。AIFORCE社交角色平台的成功也为我们展示了这种可能性，着眼于教育领域即将迎来一场由AI引领的变革。来源：金色财经

金色财经2023-07-21

苹果被爆内测“AppleGPT”！市值一度暴增710亿美元

公司正在致力于招聘在机器学习基础设施、深度学习和强化学习、自然语言处理和语音技术方面经验丰富的工程师，目前有179个职位空缺。报道称，近几个月来，苹果公司的人工智能发展已成为一项重大努力，该公司的多个团队在Ajax项目上进行了合作。部分工作领域包括解决与人工智能相关的潜在隐私问题，因为苹果长期以来一直以拥有严格的隐私规则而自豪。在5月份的电话会议上，苹果首席执行官蒂姆·库克表示，在人工智能技术方面，仍有“许多问题需要解决”，公司将“经过深思熟虑”将人工智能功能应用到其产品中。据报道，除了对照片和苹果地图以及iPhone用户的Siri搜索功能进行小幅改进之外，苹果在向消费者提供人工智能技术方面仍然缺乏明确而果断的战略。对于其人工智能聊天机器人，消息人士称，它本质上是OpenAI的ChatGPT和Alphabet的Bard的复制品，而且它的设计非常精简，不适合公众消费。目前，苹果的重点似乎是改进其底层大型语言模型，作为其人工智能雄心的基础。

金融界2023-07-21

中科信息：7月18日召开分析师会议，瀚川投资、宏利基金等多家机构参与

目，包括面向多模态边缘云计算平台、面向深度学习专用算法平台、高适应性智能无人巡逻车系统、5G云化基站研制、智能远程诊疗与医疗设备安全监控五个子项目。拟达到的目标是面向多模态边缘云计算平台，形成人工智能算法应用平台协同工作架构；面向深度学习专用算法平台，集成人工智能训练系统，实现自定义场景的 I 应用；面向智慧城市社区等领域的智能终端，实现资源的弹性伸缩和动态调度、可扩展、可级联的边缘和云边计算；面向新基建、智慧城市和区域数据中心需要，突破多源数据融合处理、智能驾驶、无人平台集群协调控制、仿生智能感知算法、5G车规级应用等关键技术；针对呼吸机、CT、MRI 等重大医疗设备，构建重大医疗准备智联网可视化平台和自然人机交互的智能远程诊疗平台。目前，该项目进展正常，我们将按照项目任务书的计划推进后续工作。问：公司的高速机器视觉技术在其他领域有怎样的技术牵引？答：目前，公司的高速机器视觉技术主要应用在印钞、烟草行业以及现场会议选举场景，近两年又拓展了新能源电池、汽车玻璃电子玻璃等高端连续制造业的产品质量检测场景，这项技术的通用性很强，适用于多种场景。新能源电池、汽车玻璃、电子玻璃等属于公司新开辟的行业领域。问：中科院对公司有什么样的规划？定位是什么？答：中国科学院是国家战略科技力量主力军，公司是中国科学院人工智能板块的重点上市企业，也是中国科学院截至目前唯一一家整体转制、整体上市的高科技公司。中科信息（300678）主营业务：以智能识别及分析技术为核心,为客户提供信息化解决方案(包括软件及硬件)及相关服务,目前主要应用在现场会议、印钞检测、烟草、石油、政府及其他领域。中科信息2023一季报显示，公司主营收入7453.59万元，同比上升9.01%；归母净利润936.98万元，同比上升17.13%；扣非净利润677.54万元，同比下降1.26%；负债率19.75%，投资收益215.95万元，财务费用-56.11万元，毛利率34.71%。该股最近90天内共有1家机构给出评级，买入评级1家；过去90天内机构目标均价为51.09。根据近五年财报数据，证券之星估值分析工具显示，中科信息（300678）行业内竞争力的护城河一般，盈利能力较差，营收成长性一般。财务相对健康，须关注的财务指标包括：应收账款/利润率。该股好公司指标3星，好价格指标1.5星，综合指标2星。（指标仅供参考，指标范围：0 ~ 5星，最高5星）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2023-07-20

梳理6月获顶级加密VC投资的28个项目：有哪些空投与机会？

计算网络，利用区块链和密码学技术来验证深度学习任务是否已经正确完成，并通过代币按需支付。Gensyn 旨在为 AI 模型的训练提供更高效、更安全、更可靠的计算资源。顶级风投 a 16 z 在博文中解释了投资 Gensyn 的原因，他们相信该项目在解决 AI 领域的一些现有问题方面有着巨大的潜力，例如，传统的云计算模型通常需要大量的时间和资源来完成 AI 训练，而 Gensyn 利用了区块链技术的优势，使得计算资源能够高效地分配和利用，同时去中心化的特点保证了计算网络不受单点故障的影响。 28、Mythical Games 2023 年 6 月 27 日 C 1 轮： 3700 万美元领投方：Scytale Digital 其他投资者：a 16 z crypto、Ark Invest、Animoca Brands、PROOF、MoonPay、Westcap 等 Mythical Games 是一家大型 Web 3 视频游戏和元宇宙开发公司，制作过的最受欢迎的游戏包括《NFL Rivals》（NFL 官方 NFT 游戏）和《Blankos Block Party》（元宇宙游戏），于去年 9 月在 Epic 游戏商店推出，吸引了超过 250 万用户，每天的销售额达到 100 万美元。作为一个技术过硬且把 NFT 带出圈的元宇宙独角兽公司，目前 Mythical Games 通过 4 轮融资总共筹集了约 2.8 亿美元的资金，投资者不乏像 a 16 z、Ark Invest、Animoca Brands、Binance、FTX、Galaxy 这些币圈顶流，甚至还有来自体育和娱乐界的知名人士，例如 NBA 传奇人物迈克尔·乔丹。Mythical Games 预计未来还将筹集更多资金以进行更大规模的增长。来源：金色财经

金色财经2023-07-20

a16z：AI将创造哪些新的游戏玩法

，AI一直在推动新形式的游戏玩法。关于深度学习方面的最新进展使计算机能够根据用户提示和大数据集生成新内容，这进一步改变了游戏规则。前期，我们已经看到了一些有趣的AI游戏玩法领域，包括生成式智能体、个性化定制、AI叙事、动态世界和AI助手。如果成功的话，这些系统可以结合在一起，创建出新的AI-first游戏类别，这类游戏将能够长期娱乐、吸引并留住玩家。 1、Generative Agent（生成式智能体） 1989年，Maxis的SimCity开创了模拟题材游戏的先河，在这款游戏中，玩家可以建造并管理一座虚拟城市。如今，最受欢迎的模拟游戏是The Sims，在这款游戏中，全球超7000万玩家管理着“sims”虚拟人物，这些人物在这个虚拟世界里上演着日常生活。游戏设计师Will Wright曾将The Sims游戏比作“互动娃娃屋”。生成式AI可以极大地推动模拟游戏的发展，通过LLM大语言模型使智能体具有突发的社会行为，从而更加逼真。今年早些时候，来自斯坦福大学和谷歌的一组研究人员发表了一篇关于如何将LLM应用于游戏智能体的文章。在博士生Joon Sung Park的带领下，研究团队用25个类似Sims的智能体填充了一个像素艺术沙盒世界，这些智能体的行为由ChatGPT和“扩展LLM的架构来存储智能体使用自然语言的完整记录，将这些记忆合成为更高层的反射，并动态检索以规划行为。” 这有可能让模拟游戏迎来更精彩的未来。一开始，只有一个用户指定的建议，一个智能体想要举办一个情人节派对，各智能体们独立地分发派对邀请，建立新的友谊，互邀在两天后准时出现在派对上。使这种行为成为可能是因为LLM是使用社交网络数据训练的，因此在LLM模型中有人类如何在各种社交环境下交谈和行为的构建块。在像模拟游戏这样的交互式数字环境中，这些反应可以被触发，创造出令人难以置信的逼真的突发行为。从玩家的角度来看，最终结果是：更加沉浸式的游戏玩法。玩The Sims或殖民地建造经营模拟游戏RimWorld的大部分乐趣便来自于意想不到的情景，以及情绪的起起伏伏。通过社交网络语料库支持的智能体行为，我们可能会看到模拟游戏不仅反映了游戏设计师的想象力，还反映了人类社会的不可预测性。观看这些模拟游戏就像观看新一代的《楚门的世界》，带给玩家无尽的乐趣，这是今天预先编写好的电视或电影无法办到的。利用我们对充满想象力的“娃娃屋”的渴望，智能体本身也可以个性化。玩家可以根据自己或虚构的角色塑造一个理想的智能体。Ready Player Me允许用户通过自拍生成自己的3D头像，并将他们的头像导入超9000款游戏/应用程序。AI角色平台Character.ai、InWorld和Convai允许创建具有自己的背景故事、个性化和行为控制的自定义NPC。想要创建一个Hogwarts模拟游戏，在那里你是哈利波特的室友？现在可以了。凭借智能体高超的自然语言能力，我们与智能体互动的方式也得以扩展。如今，开发人员可以使用Eleven Labs的text-to-speech（文本到语音）模型为他们的智能体生成逼真的声音。Convai最近与NVIDIA合作进行了viral demo，其中玩家可以与AI拉面厨师NPC进行自然的语音对话，对话和匹配的面部表情会实时生成。人工智能陪伴应用Replika已经允许用户通过语音、视频和AR/VR与AI伙伴交谈。未来，我们可以设想这样一款模拟游戏：玩家可以在旅途中随时随地通过打电话或视频聊天与他们的智能体保持联系，回到电脑前再点击进入更加沉浸式的游戏玩法。要知道，在我们看到一个完整的Sims版本之前，还有很多难题需要解决。LLM在他们的训练数据中存在固有偏差，这可以从智能体的行为中看出。在云端7*24小时实时运行规模化模拟游戏的成本可能在财务上并不可行——在2天内运行25个智能体会花费研究团队数千美元的计算费用。有望将模型工作负载转移到设备上，但相关工作仍然相对较早。我们可能还需要发现与智能体之间的准社会关系的新规范。但有一件事是明确的——如今对生成式智能体的需求巨大。在我们最近的调查中，有61%的游戏公司计划尝试AI NPC。我们认为，随着智能体进入我们的日常社交领域，AI陪伴将很快变得司空见惯。模拟游戏提供了一个数字沙盒，我们可以以有趣的不可预测的方式与我们最喜欢的AI伙伴互动。从长远来看，模拟游戏的性质可能会发生变化，将反映出这些智能体不仅仅是玩具娃娃，还是潜在的朋友、家人、同事、顾问，甚至是恋人。 2、个性化定制个性化游戏的最终目标是为每个玩家提供独特的游戏体验。例如，让我们先来看角色创建，无论是最初的Dungeons & Dragons桌游还是Mihoyo的Genshin Impact，角色创建几乎是所有角色扮演游戏（RPG）的支柱。大多数RPG都允许玩家通过预设选项自定义外貌、性别、职业等。但如果你能超越预设，为每个玩家和通关生成一个独特的角色怎么样？将LLM与text-to-image（文本到图像）的扩散模型（如Stable Diffusion或Midjourney）相结合的个性化角色构建者可以实现这一点。 Spellbrush的Arrowmancer是一款RPG游戏，由该公司基于GAN的定制化动画模型提供支持。Arrowmancer的玩家可以生成一整套独特的动画角色，具体到艺术风格和战斗能力。这种个性化定制也是其盈利系统的一部分——玩家将他们的AI角色导入自定义的gacha banner中，借此复制角色来加强他们的团队。个性化定制也可以扩展到游戏道具中。例如，AI可以帮助生成只有完成特定任务的玩家才能使用的独特武器和护甲。Azra Games已经建立了一个AI驱动的资产pipeline，可以快速构思和生成巨大的游戏内物品和世界对象库，为更多样化的玩法铺平道路。AAA级游戏开发商Activision Blizzard创建了Blizzard Diffusion，这是图像生成器Stable Diffusion的翻版，可以帮助生成各种各样的角色和服装概念艺术。游戏中的文本和对话也适合个性化定制。游戏世界中的各种标志可以反映玩家的头衔或地位。NPC可以被设置为具有不同个性的LLM智能体以适应你的行为——例如，对话可以根据玩家与智能体之间发生过的行为而改变。我们已经在一款AAA级游戏中看到了这一理念的成功执行——Monolith的Shadow of Mordor便拥有一个复仇系统，能够基于玩家的行动动态地创造出有趣的反派背景故事。这些个性化元素使得每个玩法都是独一无二的。游戏发行商Ubisoft最近发布了一款基于LLM的对话工具Ghostwriter。发行商的作者现在使用该工具来生成背景对话和bark（在触发事件期间的对话片段）初稿，这有助于模拟玩家身边的现实世界。通过微调，像Ghostwriter这样的工具可能会被用于定制个性化的bark。从玩家的角度来看，关于这些个性化定制的影响是双重的：增加了游戏的沉浸感和重玩价值。Skyrim和Grand Theft Auto 5等沉浸式开放世界游戏的角色扮演模式经久不衰，这表明了对个性化故事的潜在需求。即使在今天，GTA在角色扮演服务器上的玩家数量也一直高于原版游戏。我们认为个性化系统将成为所有游戏长期吸引和留住玩家的重要工具。 3、AI叙事当然，优秀的游戏不只是角色和对话。还有一个令人兴奋的机会是利用生成式AI来讲述更好、更个性化的故事。游戏个性化叙事的鼻祖是Dungeons & Dragons，在该游戏中，一个被称为地下城主的人会准备一个故事向一群人讲述，这些人在故事中扮演着不同的角色。这样的故事一部分是即兴的，一部分是RPG，这意味着每个通关都是独一无二的。作为个性化故事需求的信号，D&D如今极度受欢迎，其数字和模拟产品的销量均创下了历史纪录。如今，许多公司将LLM应用于D&D的故事模型，机会就在于让玩家在极其耐心的AI叙事生成器的引导下，在他们喜欢的玩家创建或IP世界中花费尽可能多的时间。Latitude的AI Dungeon于2019年发布，是一款开放式的文字类冒险游戏，AI在游戏中扮演地下城主。用户还对OpenAI的GPT-4版本进行了微调，享受效果不错的D&D体验。Character.AI的文字类冒险游戏是该应用最受欢迎的模式之一。 Hidden Door更进一步，在一组特定的原始材料上训练它的机器学习模型——例如The Wizard of Oz——允许玩家在已建立的IP世界中大冒险。通过这种方式，Hidden Door与IP所有者合作，实现了一种全新的、互动式的品牌延伸形式。一旦粉丝们看完一部电影或一本书，他们就可以继续在自己喜欢的世界里进行自定义的D&D式的冒险。对粉丝体验的需求正在蓬勃发展——两个最大的在线同人小说库Archiveofourown.org和Wattpad仅在5月份就分别有超过3.54亿和1.46亿的网站访问量。 NovelAI已经开发了自己的LLM Clio，利用其在沙盒模式下讲故事，并帮助解决人类作家会面临的写作障碍。对于目光敏锐的作家来说，NovelAI让用户可以根据他们自己的作品对Clio进行微调，甚至是像H.P. Lovecraft或Jules Verne这样的著名作家。值得注意的是，AI叙事还面临着许多障碍。开放式AI很容易偏离轨道，这让一切变得有趣，但对游戏设计来说却很麻烦。如今，创建一个优秀的AI叙事生成器需要大量的人类规则设置来创建好故事的叙事弧线。记忆和连贯性很重要——叙事生成器需要记住一个故事之前发生的事情，并且保持事实和风格的连贯性。对于很多闭源LLM来说，解释能力仍然是一个挑战，因为它们就像黑盒一样运行，而游戏设计师则需要理解为什么系统会以这种方式运行以改善游戏体验。然而，随着这些障碍正在被攻克，AI现如今已经成为人类故事讲述者的助手了。现在，成千上百万作家都在使用ChatGPT为自己的故事提供灵感。娱乐工作室Scriptic利用DALL-E、ChatGPT、Midjourney、Eleven Labs和Runway，和人类编辑团队一起来构建交互式的、可自主选择的冒险节目，在Netflix上就可观看。 4、动态世界构建虽然基于文本的故事很受欢迎，但许多玩家也渴望看到他们的故事在视觉上能够栩栩如生。生成式AI在游戏领域的最大机会之一可能就是帮助创造玩家将在其中度过无数时间生活的世界。虽然在今天还不可行，但一个常被提及的愿景就是随着玩家在游戏中的进展情况实时生成关卡和内容。这类游戏的一个典型例子就是Mind Game。Mind Game是一款AI指导的游戏，可以实时适应每个学生的兴趣，游戏世界基于学生的行为和AI可以推断的任何其他心理信息而发展变化。今天，最接Mind Game的游戏可能就是Valve的 Left 4 Dead了——该游戏利用AI Director导演系统来控制游戏的动态节奏和难度。AI Director没有为敌人（僵尸）设置出生点，而是根据每个玩家的状态、技能和位置将僵尸放置在不同的位置，设置为不同的数量，从而在每个通关中创造独特的体验。该导演系统还通过动态视觉效果和音乐来营造游戏氛围。Valve创始人Gabe Newell将这一系统称为“procedural narrative”（程序叙事）。EA广受好评的Dead Space Remake使用了该AI导演系统的变体来最大化恐怖感。虽然这在今天看来似乎属于科幻小说领域，但有可能有一天，通过改进的生成式模型以及获取足够的计算和数据，我们可以构建这样一个AI Director：不仅能够生成超级恐怖的感觉，还能生成世界本身。值得注意的是，游戏领域里机器生成关卡的概念并不新鲜。从Supergiant的Hades到Blizzard的Diablo，再到Mojang的Minecraft，如今许多最受欢迎的游戏都使用了程序生成技术——一种随机生成关卡的技术，使用由人类设计师运行的方程式和规则集，每次的通关都有所不同。一个完整的软件库已经建立用于协助程序生成。Unity的SpeedTree可以帮助开发者生成虚拟树叶，就像你在电影阿凡达中的潘多拉森林或Elden Ring的风景中看到的那样。游戏可以将程序资产生成器与用户界面中的LLM结合起来。游戏Townscaper使用程序化系统，只需要两项玩家输入值（块位置和颜色），就可以变成绚丽的城镇景观。想象一下，Townscaper在用户界面中添加一个LLM，帮助玩家通过自然语言提示迭代出更加微妙和美丽的创作。许多开发人员也对利用机器学习增强程序生成的潜力感到兴奋。有一天，设计师可能会使用在风格相似的现有关卡上训练的模型，迭代生成一个可行的关卡初稿。今年早些时候，Shyam Sudhakaran带领哥本哈根大学的一个团队创建了MarioGPT——一个GPT2工具，可以使用在超级马里奥1和2的原始关卡上训练的模型来生成超级马里奥关卡。关于该领域的学术研究已有一段时间了，包括2018年使用生成式对抗网络（GAN）设计第一人称射击游戏DOOM关卡的项目。生成式模型与程序系统协同工作，可以显著加快资产创建速度。艺术家已经在使用文本到图像的扩散模型来制作AI辅助的概念艺术和故事板。关于3D生成也有大量研究。Luma使用神经辐射场（NeRFs）允许消费者通过iPhone上捕获的2D图像构建出逼真的3D资产。Kaedim在loop质量控制中使用AI和人类一起创建生产就绪的3D网格，如今已被至少225个游戏开发者使用。CSM最近发布了一个专有模型，可以从视频和图像中生成3D模型。从长远来看，最重要的是使用AI模型进行实时世界构建。我们认为未来整个游戏将不再需要渲染，而是使用神经网络在运行时生成。NVIDIA的DLSS技术已经可以使用消费级GPU实时生成新的更高分辨率的游戏帧。有一天，你也许可以点击Netflix电影的“互动”按钮，就能进入一个每个场景都在实时生成的世界，并为玩家提供独特的个性化服务。在未来，游戏将变得与电影无异。值得注意的是，动态生成的世界本身并不足以创建出一款优秀的游戏，这一点从人们对No Man’s Sky的批评中就可看出，该游戏发布时便拥有了超过18万亿的程序生成行星。动态世界的前景在于它可与其他游戏系统（如个性化定制、生成式智能体）相结合，开启叙事新形式。毕竟，Mind Game最吸引人的部分就是它如何为终端玩家塑造玩家自己的世界，而非游戏世界本身。 5、AI Copilot：所有游戏的AI助手我们之前讨论了在模拟游戏中使用生成式智能体，这里还有另一个新用例，即AI充当游戏助手来指导我们玩游戏，在某些情况下甚至能与我们一起玩。 AI copilot对于引导玩家进入复杂游戏来说是非常重要的。例如，Minecraft、Roblox或Rec Room等UGC沙盒都是非常丰富的环境，如果玩家有合适的材料和技能，他们几乎可以在其中建造任何他们想象的东西。但存在一个难度很高的学习过程，大多数玩家都不太容易能弄清楚该如何起步。 AI copilot可以让任何玩家成为UGC游戏中的Master Builder——根据文本提示或图像提供逐步指导，并指导玩家克服错误。LEGO世界里的“Master Builder”概念就是一个恰当的参照对象——少数人有能力在需要的时候看到他们所能想象的任何创造的蓝图。微软已经在为Minecraft开发AI copilot，使用DALL-E和Github Copilot，使玩家能够通过自然语言提示将资产和逻辑插入Minecraft。Roblox正在积极地将生成式AI工具整合到Roblox平台中，其使命是让“每个用户都成为创造者”。无论是使用Github Copilot进行编码还是使用ChatGPT进行写作，AI copilot在共创方面的高效性已经在很多领域里得到了证明。除了共创，受过人类游戏玩法数据训练的LLM应该能够理解如何在各种游戏中如何行为。通过适当的整合，智能体可以在玩家的伙伴不在时充当合作伙伴，或者在像FIFA或NBA 2k这样的正面交锋的游戏中充当对手方。这样的智能体总是可以随叫随到，不管结果是胜利还是失败，总是那么和蔼可亲，从不评头论足。根据我们的个人游戏历史进行微调，智能体可以大大优于现有的机器人，完全按照我们自己的方式或者以互补的方式玩游戏。已有类似的项目在约束环境测试下成功运行。热门赛车游戏Forza开发了一个Drivatar系统，该系统利用机器学习为每个人类玩家创建一个AI驾驶员，模仿他们的驾驶行为。这些Drivatar被上传到云端，当他们的人类伙伴离线时，他们可以被召唤出来与其他玩家比赛，甚至可以获胜赚积分。谷歌DeepMind的AlphaStar在Starcraft II “长达200年”的游戏数据集上进行训练，创造出可以在游戏中与人类职业电竞选手比赛并获胜的智能体。 AI copilot作为一种游戏机制甚至可以创建全新的游戏玩法模式。设想一下这样的Fortnite，每个玩家都有一个Master Builder魔杖，可以通过提示立即建造狙击塔或燃烧的巨石。在这种游戏模式中，胜利可能更多取决于魔杖的操作（提示），而非瞄准能力。完美的游戏内AI“伙伴”的梦想已经成为许多热门游戏中令人难忘的一部分——只要看看Halo世界里的Cortana，The Last of Us中的Elle，或者Bioshock Infinite中的Elizabeth就知道了。而对于竞技游戏来说，打败电脑机器人永远不会过时——从Space Invaders中的摧毁外星人，到Starcraft中的comp stomp，最终发展为自己的游戏模式Co-op Commanders（合作指挥官）。随着游戏演变成下一代社交网络，我们预计AI copilot将扮演越来越重要的社交角色，如教练及/或合作伙伴。众所周知，添加社交功能可以提高游戏的粘性——有好友的玩家留存率可以提高5倍。我们预期未来每款游戏都会有一个AI copilot，将遵循这样一句箴言：“一个人玩很好，与AI一起玩更好，与朋友一起玩最好。” 6、结论我们还处于将生成式AI应用于游戏的早期阶段，在将这些想法投入生产之前，还需要解决许多法律、道德和技术方面的障碍。除非开发者能够证明其拥有所有用于训练模型的数据的所有权，否则带有AI生成资产的游戏的法律所有权和版权保护在今天基本上是不明确的。这使得现有IP的所有者很难在他们的生产中使用第三方AI模型。对于该如何补偿训练数据背后的原作者、艺术家和创作者，也存在很大的担忧。难点在于，目前大多数AI模型都是使用互联网上的公共数据进行训练的，其中大部分数据是受版权保护的。在某些情况下，用户甚至可以使用生成式模型再现某位艺术家的确切风格。现在还为时尚早，对内容创作者的补偿需要适当地确定。最后，现在的大多数生成式模型成本太高，无法在云端全球规模7*24小时运行，而这是当今的游戏运营所必需的。为了实现经济高效的扩展，应用程序开发人员可能需要找到方法将模型工作负载转移至终端用户设备，但这还需要时间。然而，目前可以确定的是，有大量的开发者活动和玩家对游戏领域的生成式AI大有兴趣。虽然少不了很多炒作，但我们很高兴看到该领域确实有很多才华横溢的团队，他们废寝忘食地致力于开发创新的产品和体验。我们的机会不仅在于让现有游戏变得更快、更便宜，还在于解锁以前不可能出现的AI-first游戏新类别。我们不知道这些游戏最终会是什么样儿，但我们知道游戏产业的历史一直都是技术推动新形玩法的历史。回报可能是巨大的——有了生成式智能体、个性化定制、AI叙事、动态世界构建和AI copilot这样的系统，用不了多久我们可能就会看到由AI-first开发者创建的第一款“永无止境”的游戏。来源：金色财经

金色财经2023-07-20

中央财经大学马海涛：经济转向高质量发展精算、量化金融与风险管理研究至关重要

险、生物污损保险、指数保险、金融科技、深度学习与保险决策、死亡率预测等风险管理、长寿风险、量化金融、财务风险管理、年金等相关主题。在加拿大滑铁卢大学教授翁成国主持的主题报告上，Phelim Boyle教授围绕庞氏骗局进行了报告，分析了其投资策略，讨论了该问题未来的研究机会及面临的挑战。第二场大会报告由新加坡南洋理工大学朱文君助理教授主持，加拿大滑铁卢大学蔡军教授作报告。蔡军教授基于扭曲期望下的分布稳健性优化问题，给出了均值和协方差矩阵约束下的投资组合的稳健性解，引起了与会者热烈的讨论。在中央财经大学保险学院、中国精算研究院副院长郑苏晋教授主持的两个报告上，曾任香港大学资深教授的杨海亮就精算学的发展提出了独到见解，他回顾了精算学在保险业科学化经营需求下借助生命表、利率贴现等工具实现定价和准备金评估，之后在复杂保险产品定价需求推动下向量化金融、风险度量拓展，又在资产负债管理需求的推动下和风险管理进行深度融合。在新技术、人工智能飞速发展的今天，精算学应该充分关注行业的变化和需求，为未来的发展注入新的血液和动力。曾任香港中文大学资深教授的陈伟森针对香港长期护理风险融资问题，采用两阶段的DCE方法，定量研究了长期护理保险的市场需求特征及其异质性，对未来长护险产品设计起到了重要的借鉴意义。在闭幕式上，新加坡南洋理工大学朱文君助理教授作为学生代表，深切缅怀导师陈建成教授的工作生活点滴，并对中国精算研究院举办本次会议致以谢意。最后，周桦院长和大会主席池义春研究员对全体与会嘉宾、主题报告人、参会者和工作人员表达了诚挚的谢意。据悉，本次大会包括1个主题报告、6个大会报告和10个平行论坛的40场会议报告，报告内容涵盖精算、量化金融和风险管理的诸多研究领域。来自美国、加拿大、英国、澳大利亚、荷兰、法国、俄罗斯等世界各国以及全国各地、香港地区的专家学者共200余人参加了本次会议。此次2023精算、量化金融与风险管理国际会议的成功举办，不仅隆重纪念了陈建成教授在精算、量化金融与风险管理领域的重要学术贡献，还搭建起一个广泛的国际交流平台，使广大学者能够在此共同探讨学术前沿问题，推动精算学术繁荣，回应国家重大关切，推动该领域高质量发展。

金融界2023-07-19

24小时热点