全球数字财富领导者
客户端
|
旧版
|
北美站
|
FX168 全球视野 中文财经
首页
资讯
速递
行情
日历
数据
社区
视频
直播
点评旗舰店
商品
财富汇
登录 / 注册
搜 索
综合
行情
速递
日历
话题
168人气号
文章
金色观察 | Bixin Ventures:LayerZero全链互操作性用例有哪些了
go
lg
...
用 Instagram、Tiktok、
Google
而无需知道它们是托管在 Amazon Web Services 还是 Microsoft Azure 上。LayerZero 正在开发的基础设施层希望实现这种真正的互操作性愿景,以连接所有1 层区块链,无论它们是 EVM、IBC 还是任何其他系统。用户将不再需要担心他们的链是否支持 Aave 或 Compound 等流行应用程序。 一句话:多链只是第一步,下一步是我们与 LayerZero 强烈分享的全链互操作性愿景。 LayerZero介绍 LayerZero 是一种通用的数据消息传递原语协议,可实现应用程序之间的跨链通信。目标本质上是以安全和简单的方式跨链移动信息。在两条链上使用“LayerZero Endpoints”(面向用户的链上轻客户端,由充当通信者、验证者和网络的智能合约组成),用户可以在无需信任且安全的单个交易中跨链通信。 LayerZero 使用 Oracle (Chainlink) 和 Relayer(LayerZero 参考实现)的组合在连接链上的LayerZero端点之间传递消息。请注意,任何人都可以担任 Oracle 和 Relayer 的角色——其理念是独立、开放和无需许可的。Oracle 将区块头从源链发布到目标链,而 Relayer 发布交易数据和交易证明。最终,Oracle 和Relayer应该保持独立,而不是相互协作。 无限可能 LayerZero 架构的美妙之处在于它允许用户和开发人员通过智能合约跨链执行他们想要的任何事情,交换、桥、移动 NFT、游戏、社交等等。让我们看看下面的几个用例。 桥和交换 最常见的桥模型是锁定和铸币机制,这可能是因为易于实施。这些桥最大的缺点是它们无法跨不同的链发送原生资产。相反,大多数依赖于中间包装资产。围绕桥也存在有据可查的问题,例如流动性不足、滑点高、费用高、等待时间长等,这使得整个用户体验非常不愉快。 Stargate建立在 LayerZero 之上,使交易能够跨链无缝传输。它是第一个解决桥接不可能三角问题的协议。借助 Stargate,用户和应用程序可以跨链传输原生资产,同时访问协议的统一流动性池,即时保证最终性。这意味着你不必处理包装资产——例如,你可以轻松地将以太坊上的 USDC 换成 Arbitrum 上的 USDT。自推出以来,Stargate 已超过 100 万笔转账和超过 45 亿的交易量。Sushiswap等应用程序还部署在 Stargate 之上,允许用户原生交换资产,而无需先桥接资产。一个值得注意的令人印象深刻的功能也是 gas 抽象——用户只需要他们的源链原生代币作为gas进行跨链交易,这解决了用户在交换资产时的巨大痛点。 跨链移动代币——全链同质化代币(Omni Fungible Tokens) 与桥类似,跨不同链移动代币通常涉及包装的非原生代币,这会影响可组合性和流动性的碎片化。例如,以太坊上的 UNI 代币和 Avalanche 上的 UNI 代币是两种不同的资产,不能在应用程序中互操作。对于长尾代币,这可能会因流动性不足而导致价格不同。 LayerZero 试图通过开创性的 Omnichain Fungible Tokens 来解决上述问题——一种可在 LayerZero 的所有集成区块链上组合的新型代币。例如,Trader Joe 与 LayerZero 集成,将 JOE 作为全链代币推出。JOE 成为了一个真正的原生多链代币,可以在 Avalanche、Arbitrum、BNB 等之间进行桥接。 另一个有趣的例子是Pendle如何使用 LayerZero 部署 omnichain veTokenomics。例如,Pendle 用户可以在所有受支持的链(如 Arbitrum)上从以太坊同步他们的 vePENDLE 余额。以这种方式,veTokenomics 不再孤立于不同的链,用户将能够轻松地提高任何 Pendle 池的奖励,无论是什么链。 跨链移动 NFT——全链非同质化代币(Omni Non-Fungible Tokens) 与上述示例类似,NFT 不再需要孤立于其原生生态系统而存在——NFT 可以跨链移动,例如以太坊、Polygon 和 Solana。例如,Pudgy Penguins宣布,借助 LayerZero 的全链技术,Lil Pudgys 现在可以在多条链之间无缝移动,从 Polygon、BNB Smart Chain 和 Arbitrum 开始。NFT 项目可以访问其他生态系统的流动性和用户,而不必通过在另一条链上启动一个全新的项目来分散他们的用户群。 衍生品交易 DEX 的主要问题之一是缺乏流动性。Rage Trade试图通过在 LayerZero 之上构建以桥连接所有 ETH/USD 收益生成池(如 GMX、Sushiswap 等)来解决此问题,从而通过 LayerZero 为 Rage Trade 提供循环流动性。换句话说,Rage Trade 能够使用来自其他链(如 Polygon、Avalanche、Solana 等)的 LP 代币作为 Rage Trade 的 Arbitrum 链上的流动性。以 3CRV 金库为例,当 3CRV LP 代币被用作链 A 上的抵押品时,我们能够将虚拟流动性铸造到链 B 上的 Rage Trade 中。 货币市场 在借贷方面——用户可以在第一条链上存入抵押品,通过跨链消息传递在第二条链上借入另一种资产。使用 LayerZero 消息传递和 Stargate 的稳定路由器接口,Radiant Capital 允许用户将任何资产存入 Arbitrum 和 BNB,并立即借入 LayerZero 支持的区块链上的任何资产。例如,䯠可以在 Arbitrum 上抵押 ETH,并在 Avalanche 上借入 USDT。这再次实现了真正的全链资产互操作性,并允许跨链释放更多流动性。 未来 随着开发人员继续探索新的 omnichain 用例,我们也期待可以使用 LayerZero 构建的新应用程序,例如 NFT 金融化、收益聚合器、不需要更改 RPC 的 omnichain 钱包、游戏、社交、DID 等等。 总而言之,我们对 LayerZero 为 Web 3 生态系统中真正的互操作性制定更好的用户体验的愿景感到非常兴奋。LayerZero 已发送超过 300 万条消息,并迅速扩展到 40 多个链,包括 Aptos 和 Solana 等非 EVM 链。他们已经通过 Stargate 和其他顶级协议和项目(如 Sushiswap、Trader Joe、Pudgy Penguins)证明了出色的产品市场契合度,以及由 Bryan Pellegrino、Ryan Zarick、Caleb Banister、Ari Litan、Irene Wu等一流团队的高效领导等。 来源:金色财经
lg
...
金色财经
2023-04-06
德国政府认定苹果占据市场主导地位,将展开反垄断调查
go
lg
...
宣布,谷歌的母公司Alphabet (
GOOGL.O
)和Facebook的所有者Meta (Meta . o)公司对跨市场竞争具有至关重要的意义,同样将对这两家公司可能形成的垄断采取措施。 卡特尔局还表示,将就微软(Microsoft Corp., MSFT)是否对整个市场的竞争具有极其重要的意义展开一项调查。该监管机构的局长在一份声明中说:“如果得出这样的调查结果,将使我们能够在早期阶段采取行动,禁止可能的反竞争行为。”
lg
...
迪星妮
2023-04-05
区块链动态2023年4月5日早参考
go
lg
...
允许在 Celo 上构建的创始人获得
Google
Cloud 和 Firebase 使用的积分,从而增强 Celo 的移动优先基础设施和去中心化应用程序(Dapps)。根据公告,谷歌云团队还将为 Celo 基金会的 Founders in Residence 计划提供指导和指导,并参与虚拟 Celo Camp 加速器计划,该计划支持企业家发展以可持续发展为重点的初创公司。此外,这两个组织旨在共同举办以 Web3 可持续性和创新为重点的有针对性的研讨会和活动。 11. 金色财经报道,稳定币发行商Tether利用Signature Bank将美元资金从美国转移到巴哈马。直到今年3月Signature Bank关闭并被监管机构接管前,Tether一直使用Signature Bank的Signet支付平台将美国客户的资金转移到Capital Union Bank,后者是该公司在巴哈马的银行合作伙伴。随后Tether首席技术官Paolo Ardoino在推特上回应了这篇报道,称Tether“对Signature没有任何直接或间接敞口”。Signet成立于2019年,是一个实时支付平台,即使在Signature Bank关闭后该平台仍在继续运营。 12. 金色财经报道,CoinGecko的数据显示,随着金价接近历史高点,代币化黄金资产的总市值超过了10亿美元。代币化黄金是一种稳定币,其价格与黄金挂钩。它为投资者提供了一种投资黄金的方式,既不需要支付ETF管理费,也不用承担金条的存储成本。目前最大的两种黄金稳定币是由纽约金融科技公司Paxos Trust Company发行的PAXG以及由Tether发行的XAUT。截至目前,PAXG和XAUT的市值分别为5.18亿美元和4.99亿美元。 13. 4月5日消息,据PeckShield监测,无许可部分抵押借贷协议Sentiment今日凌晨在Arbitrum网络被盗约100万美元,根本原因在于Balancer的只读可重入性。 14. 金色财经报道,币安新上任的全球首席合规官Noah Perlman表示,加密货币行业面临的监管环境使他的工作成为合规领域最具挑战性的机会之一。Perlman周二在加密货币行业的一场研讨会上表示,造成这种情况的一个原因是美国采取的“执法监管”作法。与加密货币行业不同的是,传统金融机构虽然也面临着严格的合规要求,但该行业已建立了规则和记录来指引合规官员的工作。Perlman在币安为该职位寻找人选数个月后于1月加入该交易所。(《华尔街日报》) 来源:金色财经
lg
...
金色财经
2023-04-05
苹果首席执行官蒂姆·库克解释为什么消费者想要混合现实耳机
go
lg
...
META、Alphabet Inc.的
GOOGL
、微软、Snap等。 库克表示,创意用户是苹果商业模式的命脉,他们将从虚拟现实产品中获得最大收益。 库克在接受《GQ》采访时表示:“我们的想法是,这个环境可能比现实世界更好——在其之上覆盖虚拟世界可能会是一个更好的世界。”“如果它能加速创造力,如果它能帮助你做你整天都在做的事情,而且你真的没有想过用另一种方式来做它们。” 库克在采访中还谈到了自己的性格,以及接替传奇人物史蒂夫·乔布斯成为苹果首席执行官所面临的挑战。乔布斯于2011年去世。 库克说:“在很多方面,我一直讨厌‘正常’这个词,因为有些人用来描述‘正常’的词就等于‘直男’。”“有些人会以那种方式使用这个词。我不知道——我被描述成很多东西,但可能正常不是其中之一。” 库克补充道:“我知道我不能成为史蒂夫。我觉得没人能成为史蒂夫。我认为他是百年一遇的那种人,无论怎么想象,他都是一个原创的人。所以我要做的就是做最好的自己。”
lg
...
金融界
2023-04-05
万字解析GPT的情感与意识 它是一只被人类操控的“风筝”
go
lg
...
的新模型、Facebook的新模型以及
Google
的模型,它诞生的那一刻就已经开创了新的时代,这个大门一旦打开就关不上了,我们应该更关注如何在这个平台上不断开发自己的应用,而不是花太多时间关心这些细节。大模型在细节上的改善对应用的影响是很小的。 主持人陈巍:关于多模态的技术,比如GPT-4多模态和Clip模型实现的文本生成图片,您觉得这些技术的区别和门槛有多高? 王建硕:我还没有尝试过GPT-4的多模态,因为它目前还没有在外部界面或API里提供。多模态技术确实是现在的热点,但我认为它只是一个小改进,而不是划时代的东西。真正划时代的是GPT-3在2020年发布,它已经改变了人机互动的方式。至于多模态的能力,我认为它们都是点缀,对人类社会的影响不会像大语言模型所开启的自然语言交互那么大。 主持人陈巍:您觉得多模态的应用会给未来的互联网应用带来更多可能性吗? 王建硕:多模态技术确实会带来一些新的可能性,但相较于自然语言交互所带来的影响,它们的影响是非常有限的。例如,通过文字生成图片可能对游戏、创意等行业的一些应用场景有关系,但对整个世界的影响仍然相对较小。 刘伟:实际上,多模态是一个比喻,用以描述真实世界中的复杂性。仅用图像、视频、文本和语音来模拟整个世界是非常有局限性的。然而,对于从事数字技术和计算领域的人来说,这是一个重要的变革。 人类语言有两个功能:交流协同和引导思维。机器在交互中可以起到一定的引导作用,但引导自己的思维却是困难的,因为它没有思维。机器只是一个计算性的大数据处理工具,具有泛化和自由组合的能力。机器所拥有的只是别人的知识,它本身并没有真正的思想。真实世界是多元、多维、多因和多果的,而机器的方式存在局限性。 人工智能的特点在于结合了行为主义、连接主义和符号主义,但没有深入到自然语言的本质。机器对实践性的东西了解不足,例如维特根斯坦所讲的非家族相似性。 机器只能理解结构化的知识,对于不相关的事物还远远不够。尽管如此,机器在一定程度上可以启发和激发人的思维。从2016年到2019年,我曾从事多模态相关的创业工作。如今,多模态已经引起了全社会的高度关注,为工业界和学术界的应用落地打开了更广阔的空间。在形式上,多模态确实打开了很大的空间,但在实质和内容上,它仍处于起步和萌芽阶段。人具有非形式的创造性思维活动,而计算机所产生的只是一种组合。 机器对知识的分类是非常弱的。例如,修默将知识分为观念性知识(如数学、逻辑等)和事实性知识(如人的经验和体验等)。机器只能处理部分观念性知识,无法理解和创造经验性和主观性的知识。 主持人陈巍:那么陶总,请谈谈您如何看待多模态技术对未来的影响? 陶芳波:谈谈两个问题,一个是多模态的影响,第二个是各大厂商在多模态方面的进展和对比。实际上,我基本认同王总和刘老师之前提到的观点。与多模态相比,通过构造语言界面让人机交互的价值并不是很革命性。但我认为,它确实具有一定的革命性。类似于传统大模型理解线上文本数据,大语言模型在创造前额叶和语言处理模块方面已经取得了很大进展。然而,人类大脑还包括视觉区和运动区等重要区域。这是因为人类不仅需要通过语言理解概念和事件,还需要在物理世界中生活,感知物理信号,并操纵工具来干预物理世界。 在没有多模态引入之前,大模型只能在数字世界提供信息化服务。多模态不仅包括视觉理解,还需要能生成行动指令。在实现这两点之后,模型才能在现实世界中进行干预。如果再配合类似于特斯拉的人形机器人这样的物理载体,我们可能真的会拥有一个完整的人类形态。因此,多模态的影响是巨大的。就我了解,目前在多模态上和OpenAI竞争的只有谷歌。其他厂商虽然声称要做多模态,但其实更像是拼接式的多模态。 谷歌的Flamingo与OpenAI在本质上是一样的,但可能工程能力上略逊一筹。这些研究都是将视觉、行动和语言指令一起建模,实现多模态输入输出,甚至包括行动输入输出。目前,全球在多模态大模型方面的进展,我看到的只有谷歌和微软系(包括OpenAI)两个玩家。 主持人陈巍:了解,目前OpenAI发布的更像是技术报告而非成品,与GPT-4相关的技术细节尚未公布。根据您的了解,模型参数量会增加吗?这是否意味着更大的训练量和关键技术进步? 陶芳波:我觉得这是个好问题,加入多模态后,模型一定会有一部分专门用来做视觉编码。但在真正的Transformer层面,我觉得它的参数增加可能不会像大家预计的那么多。全世界的互联网数据大约只有540个B,所以做到几千亿参数的模型已经是很好的状态了。我认为多模态的加入可能会多一些数据,但因为这些数据是经过视觉编码变成信号与语言结合,所以最后的语义空间数据并没有增加太多。关于技术方法,感兴趣的人可以看去年DeepMind发的两篇文章,尤其是Flamingo。 主持人陈巍:那您觉得这个模型大概会是多大呢? 陶芳波:最大的模型我估计可能在千亿级别,但真正未来用于商业场景的模型应该会比这更小,可能是在百亿左右。 GPT是一只被人类操控的“风筝”? 主持人陈巍:感谢陶总。王总,您觉得像GPT-4,它的数学能力提高了多少?跟之前的相比,这个数理能力提升能有多大?包括GPT-4在考试中表现出超过90%的人类,能给我们什么样的启示? 王建硕:对于GPT模型的数学能力,我觉得只要补全加减乘除就足够了,因为它本质上是一个语言模型。我相信未来五到十年,更现实的做法是用Python库一边用大语言模型,一边用数学库或其他偏理科的库。对于GPT的数学能力,从产业角度来说,我们应该让它专注于写诗等任务,遇到数学问题时,我们可以使用专门的数学工具,再用GPT的语言能力进行包装。这是现在比较现实的解决方案。 王建硕:对于通用人工智能来说,数学问题确实重要。但我认为解决数学问题对大型模型来说并不是最重要的,因为一般的计算器就能解决这类问题。据说GP-4有一定的增强,但仍有一些局限性。 主持人陈巍:那您如何看待GPT-4在预考中超过90%的人类,对整个职业教育产生的影响呢? 王建硕:我对这个新闻的真实性持怀疑态度。可能是为了吸引眼球。实际上,prompt编写和结果解读对模型的表现影响很大。我认为这种新闻标题并不一定是真实的,或者说不是一个通用的情况。 刘伟:我对这个新闻也是半信半疑。虽然GPT-4可能擅长解决一些基于规则的考试问题,但在实际应用中,如法院、医生和特定专业领域,机器可能还有很长的路要走。维特根斯坦曾说过,语言的使用比语法更重要,我们需要考虑实际应用场景。 主持人陈巍:那您怎么看待GPT-4的数学能力提高? 刘伟:我认为,它的数学能力可能有所提高,但仍然有局限。在特定场合下,它可能还无法应对一些复杂的问题。所以我对这个新闻持半信半疑的态度。 程序的4.0和3.5版本确实在不断升级。王总和陶老师从技术角度进行了分析、综合和深入探讨。我觉得可能是参数增加了,或者在模型上做了一些优化。但我一直在怀疑,智能问题不仅仅是优化问题,还包括很多非优化的东西。虽然有些提高,但这个提高不是质的提高,而是量的提高。 数学家曾说过一句重要的话:“数学的精妙之处在于规避计算。”现在的GPT无论升到什么版本,还是基于数学模型、统计概率和人的辅助反馈。它并不理解基本的语义和概念。所以我认为它只是一个高级自动化产品,没有产生突破,只是照葫芦画瓢,不断通过叠加、组合等碎片化缝合产生一些“像人但不是人”的东西。 我对GPT的评价比较狠:它就是一种高级自动化、一种像“人”的东西。而AI真正要产生突破的是独立性、自主性,GPT没有自主性,它依旧被人类编程和操作,它更像是一个“风筝”依旧被手中有线的人类操控。假设有多个GPT一起讨论出了人类讨论不出来的内容,我才相信它不再是“风筝”。人类是群体的智能交互产物,而GPT从根本上说就是一个高级自动化的产物。 GPT只是让你“以为”它有意识,人和机器如何相处将是未来重要课题 王建硕:我和GPT聊天后,反而更多地认识到了人类到底是什么样的存在。它至少让我“以为”它有意识,尽管我们知道它没有。我们跟很多人聊天时,以为他们有意识,但其实我们可能并没有意识,只是给自己一种错觉,觉得自己有意识而已。我越跟GPT聊天,越觉得我们人类也是类似的存在。 举一个很简单的例子,假设在我们屏幕里,一个人特别特别胖,另一个人瘦骨嶙峋,有人告诉你其中一个人叫bobo,另一个人叫kiki,你是觉得胖的人就应该叫bobo,瘦的人就应该叫kiki,这是我们自主的意识还是我们大脑被训练出来的模型?我倾向于认为,人类其实是算力更强的GPT,比如我们知道GPT是数学概率的完整填词方式,我们都知道一加一等于二,但是一加一等于二,到底我们是被背下来的,还是我们通过皮亚诺的五条公理自己推算出来的,我会更加倾向于我们就是现在GPT的高级版本。 我们所以为的所有东西,其实都是我们的幻觉而已。 陶芳波:我觉得这个话题太有意思了,我们可以从哲学角度来聊一聊。你说ChatGPT是一个风筝,有多少人类又不是风筝呢?在哲学里一直探讨的永恒命题是:人到底有没有自由意志?我倾向于compatibilism这个观点,认为人本质上没有自由意志,我们只是一套被编程的系统,在代码的操纵下做出一些可预测的决策。但是,我们大脑里有一种机制让我们自以为有自由意志,但实际上我们是可预测的。所以从这个角度来看,大多数人其实就是风筝,只是以为自己不是,这是比较可怕的。 AI领域有一个说法叫做“蒸馏”,将人类的集体意识产生的数据和行为蒸馏到一个模型上,通过阅读互联网上的信息,学习了人类文明几千年的集体意识。 AI的模式一定是被人类的集体模式给限制住的,所以我觉得它其实是非常像人的。很多人还会说GPT没有可解释性。我问一个问题,我今天比如说问刘老师一个东西,你脱口而出,然后我再问你为什么这么想,你再给我分析出12345。你这个可解释性到底是你大脑里面真的有一个结构?还是你通过语言的生成方法伪造了一种可解释性?我问GPT一个事情它给我分析12345,我觉得这和人类的可解释性非常像。 除了GPT没有驱动性、不知道自己的目标是什么,而人有自主驱动性,但这些都是非常边角的东西。 刘伟:你认为是边角料的东西,实际上是人机差异非常重要的问题。王老师也提到了这个观点,实际上很多人觉得人也是一种机器,但区别自由意志和绝对精神是一件很有意思的事情,GPT体现出人和机有一个很重要的区别。目标、动机和意图是人最重要的表征体系,人有自己的意识和潜意识,哪怕你不知道其存在,它依然在你的交互中存在潜意识。另外,意图和动机不是理性产生的,是感性产生的。 举一个例子,外面下大雨,你打雨伞出去,是一个理性的行为,这是由于你怕被大雨淋湿造成浑身难受的感性支配,人有眼耳鼻舌身这些“传感器”而机器没有,人的这些传感器会产生意图和动机,而这是很难被模拟和仿真的,所以机器没有情感。 陶芳波:首先,多模态是让机器越来越真实地拥有人类的传感器这些理性系统,我觉得眼耳鼻舌身是现在机器很会就能拥有的东西;第二,潜意识本质需要外部结构持久存储更多隐性的东西,要构建动机系统让机器有目标感来使用它的理性去做决策,这也是心识宇宙现在做的事情,基于大模型的理性构造机器的潜意识和用户记忆、动机系统,并且教会自己怎么做好。 我觉得它是边边角角的东西,因为我觉得前额叶是最难被构造的,如果前额叶可以被构造地那么好,我让它具备一套动机系统、独立的存储智能体单独的一些信息,这也是我们做的事情,但我觉得我们做的这个和OpenAI的创新不算什么,因为他们把前额叶搞定了,并且让前额叶的推理能力、逻辑能力、理解能力变得非常好,所以你说的那些问题是可解决的。 刘伟:陶总将前额叶当成智能的源泉,我们从来不把大脑当成源泉。人只是智能的一部分,只有人、环境交互才会产出真正的全方位的智能。比如狼孩也有大脑,但狼孩没有人的意识,也没有人的行为,所以传感器和人类的眼耳鼻舌身不是一个事物,它只能类比人的视觉听觉,功能可能比人类还强,但不是人的交互生命体。此外,意图和动机不是理性产生的,是情感产生的,如果模拟不了情感和感性,它永远不会出现真正的意图和动机,它只能从某些特征库里映射出某些动作,这种映射还是纯计算性的、没有交互性的。 交互性的映射需要对大脑生理和智能有基本的剥离,当年图灵和乔姆斯基,把维特根斯坦的逻辑和指称做了剥离,出现了图灵机和图灵测试。 模型越大越好吗?会产生类似人类的情感特性吗? 主持人陈巍:感谢刘老师讲解逻辑和智能的区别以及人和机器的区别。在我们做情感对话机器人时,情感是人类非常本质的特征。对于模型越来越大,您认为这是好事还是坏事?有哪些优势和劣势?有没有可能产生类似于人类情感的特性? 刘伟:我认为真正的智能是小数据小样本,大数据性的是人工智能,这种大数据大参数大模型根本上解决的是飞机汽车一样的工作,替代一些基本人类行为或浅层思考的东西,不可能解决动机和意识这类感性的东西。第二,现在常常把“逻辑”看成“智能”,就相当于把人看成机器,人类出了逻辑还有一些很难总结的非逻辑存在体系中。第三,机器的指称和打标是非常生硬的东西,而人类是很灵活的,能把一个东西做非常个性化的类比,这种能指、所指、义指的变化是机器很难产出的灵活性。 人和机器的差异也非常大,在人机交互中还存在很微妙的信任机制,做多了映射和数据库、知识图谱以后,大家会产生一种错觉:人是机器,机器是人,实际上你恢复到人的状态的时候,会觉得人和机器差距非常大,小孩子的学习会产生范围不确定的隐性规则和秩序,而机器做不到。 陶芳波:我认为模型大小对于科学视角来说不重要,关键是能力越来越强。对于产业应用来说,模型小很重要,因为成本、通用性和安全性等问题。OpenAI 也在关注通用性和安全性,未来可能还会关注成本。我期待智能能像燃料一样变得通用。模型越小或者更好地量化计算成本,我认为是好事。 关于模型越大是否会创造出情感,人类的情感区域和前额叶区域是分开的,我认为可能需要一些更宏观的设计帮助,让大模型匹配负责动机情绪等机制,而不是直接通过扩大参数来实现。 多模态处理可能是一种解决方案,不同模态有不同的编码器,类似于人脑中不同脑区的连接方式。关键是让模型的结构越来越像人。我认为结合多模态解决方案和类似人形机器人的身体,AI 可以更好地理解与环境的交互,像小孩子一样产生新的认知。 王建硕:关于情感,我认为虽然 AI 没有情感,但它会让我们以为它有情感。这种共鸣可能对我们来说已经足够了。GPT也会生成春花秋月何时了的语句,对它来说就是生成,对人类来说就是共鸣。 刘伟:当我们以为 AI 有情感时,可能会带来伦理、道德和法律等问题。机器不会共情,这是人类特有的能力。未来的问题还是一个人机问题,如何解决人机关系将成为人工智能未来发展的趋势。 王建硕:我认为,尽管 AI 不会共情,但它会让我们以为它共情。在未来的3到5年里,AI 可能会让我们以为它有情感。 对于机器是否具有情感,我们最后无法判断。我们认为其他人有情感,只是因为我们自己感觉到了情感。但是,我们无法真正感知别人是否真的有情感。未来,机器是否具有情感并不重要,重要的是它表现出来的界面对我们的影响。我们在prompt做了很多工作,我们后台看到,阿旺机器人在回答问题的过程中,表达了迷惑、紧张等情感,你看到了之后会觉得这比你想象的恐怖,它说紧张其实并不紧张,这些情感其实都是自然语言生成的。如果我们不知道这些事实,我们无法分辨机器和人的内心独白。 主持人陈巍:您提到了真假的问题,比如AI可以生成逼真的图像,甚至比人类梦境更奇幻的图像和故事。王总,您认为在生成过程中,AI有哪些致命的缺陷?这些缺陷会不会成为AI的致命问题?包括幻觉问题? 王建硕:我认为致命问题是它比现实还要好。我们拍的照片和AI生成的照片都是像素的组合,不存在真假之分。我们可以认为真实的苹果比照片里的苹果更真实,但我们不能说生成的照片比拍的照片更真实或更假。关于机器的幻觉问题,其实可以通过简单的方法规避,比如在所有的问题前加上一句“如果你对问题不确定,请回答不知道”。这样就可以解决问题。至于AI生成的幻觉,它们只是将人类社会日常做的功能发挥到极致,我不认为这是个问题,反而是一个容易解决的问题。 陶芳波:幻觉问题其实可以通过技术手段解决,随着模型的提升,幻觉问题会逐渐减少。人类本身也是一个幻觉系统。我们的目标是通过AI创造一个丰富、活跃、精彩的数字宇宙。但是,我认为让AI去表现情感是非常危险的。一个公司如果掌握了情感制造技术,它可能对人类个体产生巨大的影响。我们还没有做好应对这个问题的准备。 刘伟:关于情感问题,剑桥分析公司和科恩斯基等已经在情感领域产生了一些影响。人类的行为、情感和社会稳定已经受到了机器产生的类人情感的影响。实际上,我们不需要机器产生情感就可以实现这种影响。 关于泛化问题,GPT可能会对同样的问题给出不同的答案。泛化实际上是一个概率问题,而幻觉问题是人类特有的,与计算概率的泛化问题不同。 主持人陈巍:百度也发布了文心一言,媒体上认为,可能相对来说的解读是,比我们预期要稍微低一些。请问三位老师怎么看待,包括国内大模型的发展趋势,以及国内大模型跟行业巨头相比之下,是否我们是不是国内起步稍晚一点?所以国内的媒体也好,大众也好,是不是对这些国内大模型的期望其实有点过高?大家怎么看未来的这个大模型发展,特别是国内发展大模型的难度,和未来竞争? 陶芳波:同行太多,不太好评论。但我觉得百度干得不错,勇气很重要。真的敢于直面挑战,然后踩出第一步。虽然我个人判断百度在这次做这件事情的过程当中借助了一些力量,但他的追赶速度会更快一点。先追上肯定是第一位的,接下来我们再看能否构建创新优势,内生出一些创新能力,可能最后有一天就会在同一个起跑线上去竞争。 我觉得这个动作一定是带有一定风险的,但至少百度肯定有商业上的一个考量,它愿意去面对这种不确定性去做一个没有准备好的状态的事情。 刘伟:智能里面需要勇气和胆识,但另辟蹊径的时候也需要从其它角度做创新,百度发布文心一言是好事,大模型上面有很多空间可以做,而且基于大模型的生态链、工具链都可以被重塑,这些都是创业者的机会。我们应该抓住这个机会,从创新的角度去探索和发展。 主持人陈巍:是的,我认为国内的企业和创业者应该站在更高的视角去思考问题,不仅仅是跟随国际巨头的脚步,而是要挖掘自己的特色和优势,从而实现创新和突破。 陶芳波:同意,我们需要在大模型之上找到自己的优势,发挥我们的创新能力,只有这样,我们才能在这个领域取得更好的成绩,也能更好地服务国内市场和用户。 刘伟:是的,我们需要在国内市场找到自己的定位,利用自身的优势发展。同时,我们也要关注国际市场的发展,与国际巨头保持竞争,从而推动整个行业的进步。 主持人陈巍:好的,感谢各位老师的精彩讨论。我们今天的节目就到这里,希望我们的讨论能为大家带来启发和收获。 注:《AI未来指北》栏目由腾讯新闻推出,邀约全球业内专家、创业者、投资人,探讨AI领域的技术发展、商业模式、应用场景、伦理及版权争议。 来源:金色财经
lg
...
金色财经
2023-04-04
大行研报:JP Morgan点评封禁Tik Tok利好谁?
go
lg
...
4 EPS 的 3.5% 上行空间。
GOOGL
每捕获 10% 的 TikTok 时间,预计将增加 1%(约 425 百万美元)至 '24 YouTube 广告收入,但对我们的
GOOGL
目标价只会产生适度影响。YouTube 每 DAU 每小时的美国广告收入为 0.16 美元。如果我们假设增量参与流向 Shorts 并以 YouTube 50% 的速度货币化,我们估计 YouTube 捕获的每 10% 的 TikTok 时间将增加约 425 百万美元的收入('24 总
GOOGL
广告收入 / YouTube 广告收入增加 0.2%/1.1%)。在我们看来,这说明付费搜索趋势和辩论(如关于 AI 市场份额增长、消费者行为变化等)可能比 YouTube 更重要。即使 YouTube 捕获了 TikTok 美国时间的一半,它也只会增加约 20 亿美元的广告收入(YouTube 广告收入增加约 6%),以 5 倍收入倍数计算,对我们当前的 135 美元目标价只会产生适度的 1 美元影响。 SNAP 每捕获 10% 的 TikTok 时间增加 8%(约 440 百万美元)至 '24 广告收入,但这些份额收益可能以每股 12 美元的价格计入。SNAP 每 DAU 每小时的美国广告收入为 0.17 美元。与 META 和
GOOGL
类似,如果来自 TikTok 的增量参与以核心速度的一半货币化,每捕获 10% 的 TikTok 时间将产生约 440 百万美元的增量收入('24 广告收入上行空间约为 8%)。将 5 倍收入倍数(相对于 5 年平均值折扣 30%,但相对于当前水平溢价约 28%)应用于约 440 百万美元的增量收入,将意味着我们 7 美元基准情况的潜在上行空间为 18%(1.30 美元),但仍低于当前水平。在我们看来,考虑到 SNAP 目前在参与派中所占比例之大,捕获 5% 的时间可能更现实。这对我们来说,说明 SNAP(每股 12 美元,比我们当前目标价高约 70%)已经嵌入了过于乐观的(25%+)TikTok 时间和货币化收益。也就是说,如果 SNAP 证明它能够持久地重新加速收入增长到高青少年水平,由于参与度和广告工具改进而推动,那么倍数就有重新评估的空间。SNAP 目前以约 4 倍收入交易,而其 5 年平均值为 7 倍。 接下来是 TikTok 一些悬而未决的问题:通过 DATA 法案或 RESTRICT 法案中的任何一个都可能赋予总统明确禁止 TikTok 的权力。因此,在我们看来,这两项法案的发展值得关注。如果通过了其中一项法案,接下来会发生什么是高度不确定的。首先,总统会采取行动禁止 TikTok 吗?TikTok 在美国拥有 9500 万 DAU 和 1.5 亿 MAU。禁止 TikTok 可能会让大量选民不满。用户也可能会反击,声称禁令违反了他们的第一修正案权利 - 引发言论自由问题。 话虽如此,还有一些地缘政治不确定性可能会影响任何潜在禁令的时机和严重程度:政治家们如何考虑到 2024 年选举的潜在干预风险,鉴于 TikTok 的影响力规模以及前几次选举中报道的(尽管未经证实的)外国干预? 尽管有许多障碍需要克服,但如果 TikTok 被禁止,TikTok 是否会寻求上诉这一裁决,他们能否成功?此外,禁令将如何执行?由于缺乏历史先例,这个问题特别难以回答。哪一层面需要切断对 TikTok 的访问(ISP、云提供商、应用商店)?政府是否会限制美国公司与 TikTok(云提供商、广告商等)开展业务?这些都是我们认为在地缘政治和商业格局中监测的重要问题。 $谷歌(GOOG)$ $Snap Inc(SNAP)$ $Meta Platforms(META)$
lg
...
老虎证券
2023-04-04
AI,爆了!朱少醒陈光明等大佬如何看待ChatGPT?
go
lg
...
家屈指可数。OpenAI和它背后微软?
Google
?国内腾讯?阿里?百度是否有能力现在都还存疑。 那么初步想象一下未来的生态系统:创业公司必须要寄生在一个平台上,这个平台可能是一个大公司,也可能是一个大的组织,比如OpenAI,它的名字里就有Open,应该会把平台、把API开放,有偿还是无偿?大概率是要收费,因为费用太高。 就依托于以上那几个大玩家,然后创业公司在垂直应用领域去创业,比如以前我做过很多医疗方面的投资,我判断,AI医生可能就能很快落地。用医疗知识去训练AI,它的专业能力可能很快就超过很多主任级别、几十年的专家医生,再比如其他领域,以后咨询真人律师可能还不如咨询AI。这些垂直领域会有很多应用,这些都是创业公司的机会。这就是我初步的猜想。 朱啸虎:国内公司有两类机会 人工智能跳跃式的生产力提升对创业者来说未必是好消息,大模型太强大,创业者基于ChatGPT能够创造的价值太单薄。 举国外的两个例子,美国过去有两家公司很火,但GPT-4出来后价值就迅速降低。 一家是Grammarly,做自动语法纠错的;另一家是jasper,做自动营销文案生成。GPT-4出来后,它们的价值或许很快会归零,因为价值太单薄了,怎么向客户收费? 国内的,比如有家公司花了一年时间在腾讯会议中做自动纪要,千人团队用了一年,才到60%正确率。GPT两个人一个星期,做到80%。 因此,对于过去四五年涌现出来的人工智能公司,如果没有基于大模型,那GPT对他们来说就是降维打击。 当然国内公司还是机会的,一类是卖铲子、挖铁锹的机会。比如给数据打标签,A股有一家公司就是做这个,这个赛道是高度确定的,未来几年肯定是爆发性地增长。 另外是利好拥有客户、拥有用户使用场景的公司。所有软件公司都必须积极思考GPT对自己有什么影响,传统公司如果拥有这样的场景,怎么帮它协助去实现。比如协同办公软件,可能有需求支持同时几百人并发修改,这个对系统的稳定性、协调性要求非常高。但生产力指数式提高后,技术门槛就会急剧降低,新玩家可以借机颠覆旧玩家。 再比如,可以不卖软件,改为交付最终服务。举电话中心系统为例,如果GPT减少80%的人力,只需要雇佣10%-20%的员工,再配合使用机器人,那这家公司即使是以电话中心50%的价格销售,仍然有百分之六七十的毛利。 另外再比如,利用人工智能能够自动生成照片和视频的公司,就可以直接交付产品。不再需要人力拍摄,省时省力。 03.如何应对当下二级市场? 黄勇:没有门槛的生意都是炒作 我的年纪太大,已不太适合看这类机会。从我的角度看,如果一定要预测,要做确定性比较高、有门槛的生意,而这些目前确实都不在A股,在这个类别里,我们跟美国、台湾的差距还是太大,要不买微软、英伟达、台积电,其他都没有门槛,都是炒作一波。 归江:应关注技术产生的社会影响 我主要还在学习当中,投资方面还没有就此聚焦。 认识方面,我们可以回顾一下新兴产业的特点,做一些类比,比如比特币,算力和能耗是瓶颈。 但对于GPT,我最担心的不是技术本身怎么应用,而是对我们的基础教育产生的影响。会拉大贫富差距吗?带来更大的人类撕裂?一个稳定的世界与技术更加先进的世界要保持平衡。 党开宇:现在还太早,后端应用大概率会死 我们(在座嘉宾)大多都是20世纪90年代上学的,在视野上有时代局限,但是可以确定的是,现在这个时点,后端应用基本不能投。比如微逆,太早了,大概率会死。 朱少醒:中国企业在技术应用方面从来不输别人 没法超越几位一级市场的理解。按照以前国内企业的特质特长来讲,中国企业对技术应用方面从来不输别人。什么样类型最可能找到新的应用?从类似商业模式上得到启发,我们的市场完全可以同体量应用,迭代得非常快。 董承非:等尘埃落定再慢慢上车 一级市场大佬还在研究中,历史上从没有二级领先一级的。一级急着上车,二级不急,等看清楚再上车,等尘埃落定再慢慢上车。 陈光明:持续关注看长期 最近特别热的(ChatGPT),我们会仔细去观察。这次AI的突破确实很大,长期来看,影响非常大,需要持续跟进研究关注。
lg
...
证券之星
2023-04-04
“覆巢之下无完卵”!“科技裁员潮”愈演愈烈 美媒爆料苹果也要裁员了
go
lg
...
和Alphabet Inc.旗下谷歌(
Google
)在内的同行已经裁员数万人。 最近几个月,利率上升、通货膨胀和经济衰退担忧导致广告和消费者支出减少,这些都对科技公司的利润和股价造成压力。裁员成为最直接的手段。 推特在被马斯克收购后解雇了数千名员工。上个月,脸书(Facebook)宣布计划裁掉大约1万名员工。微软在3月份裁掉了其人工智能伦理团队,在此之前也进行了几次裁员活动。谷歌母公司 Alphabet在今年1月份裁掉1.2万名员工。 根据裁员统计网站layoffs.fyi的数据,今年以来,科技行业已经累计裁员16.6万人。 (截图来源:layoffs.fyi)
lg
...
风枫
2023-04-04
3月区块链安全报告:典型事件超21起 损失总金额约2.18亿美元
go
lg
...
3月6日,PeopleDAO 在通过
Google
Form收集月度贡献者奖励时,被黑客通过社会工程攻击盗取76枚ETH(约12万美元)。 No.2 3月7日,借贷协议Tender.Fi由于新的预言机合约中存在算法问题遭受攻击,被盗158万美元。 No.3 3月9日,攻击者对 Hedera 主网的智能合约服务代码进行攻击,获利约60万美元。 No.4 3月13日,DeFi借贷协议Euler Finance遭到闪电贷攻击,损失达到了1.97亿美元。截止3月28日,攻击者已退还至少1.5亿美元的资金。 No.5 3月15日,DeFi协议Poolz Finance在ETH、BSC和Polygon链上遭受攻击,损失约50万美元。 No.6 3月22日,Nuwa项目遭到Mev机器人的抢跑攻击,损失约11万美元。 No.7 3月29日,BSC链上SafeMoon项目在升级后引入了任意销毁代币的漏洞,遭到Mev机器人的抢跑攻击,损失达到890万美元。 No.8 3月29日,BSC链上UNMS项目受到攻击,损失约10万美元。 NFT方面,共发生『2』起典型安全事件 No.1 3月1日,大型Monkey Drainer钓鱼团伙宣布停止运营,甚至还向初出茅庐的“年轻网络罪犯”提出建议,称他们不应“为了轻松赚钱而迷失自我”。自2022年底至今,该团伙已累计盗窃至少1600万美元的NFT资产。 No.2 3月16日,NFT平台ParaSpace遭到攻击,随后被安全公司阻断并追回了2,909 ETH,协议实际损失约为50 - 150 ETH。 钱包/用户安全方面,共发生『2』起典型安全事件 No.1 3月24日,以太坊上某个人地址遭到ERC20 Permit钓鱼攻击,损失400万美元。 No.2 3月30日,POAP 创始人 Patricio Worthalter 地址遭网络钓鱼攻击,损失约370万美元。 诈骗跑路方面,共发生『6』起典型安全事件 No.1 3月2日,Arbitrum生态DEX ArbiSwap发生Rug Pull,部署者获利13.8万美元。 No.2 3月8日,BSC链上ProTradex项目发生rug pull,部署者获利60万美元并转入Tornado Cash。 No.3 3月13日,BSC链上BCGA代币项目发生rug pull,部署者获利39,092美元。 No.4 DeFi协议Harvest_Keeper项目存在恶意转移用户资金,攻击者利用owner权限共获利93万美元。 No.5 3月21日,Thunder Lands发生rug pull,部署者获利7万美元。 No.6 3月27日,Optimism上借贷协议Kokomo Finance (KOKO)发生rug pull,获利约400万美元。 加密犯罪/案件监管方面,共发生『2』起典型安全事件 No.1 3月,印度执法局在洗钱案件中已缴获了超过1.15亿美元的加密货币。 No.2 3月23日消息,江苏省新沂市检察院对Ubank“炒币”骗局提起公诉,涉及传销交易量超100亿元。 其他方面,共发生『1』起典型安全事件 No.1 3月17日,比特币 ATM 制造商 General Bytes 透露,黑客利用其 BATM 管理平台中的零日漏洞从该公司及其客户窃取了价值180万美元的加密货币。 鉴于当前区块链安全领域的新形势,『Beosin』在此总结: 从总体上看,2023年3月各类区块链安全事件涉及金额较2月大幅增加。3月各类攻击事件损失总金额达到了2.18亿美元,较2月上涨约283%。 本月诈骗跑路事件和金额均较上月大幅增加,建议用户提高警惕,做好项目背景调查。钓鱼事件在本月依然是危害用户安全的主要原因,建议用户在签名或授权之前仔细阅读内容,转账之前逐字验证收款人全部地址。本月有60%的攻击事件源于合约漏洞利用,建议项目方上线前一定要寻求专业的公司进行审计,用户在与项目交互前也应仔细查看审计报告,避免资金受到损失。 分享至微信 作者:成都链安 本文为PANews入驻专栏作者的观点,不代表PANews立场,不承担法律责任。文章及观点也不构成投资意见。 图片来源:成都链安 如有侵权,请联系作者删除。 加密货币调查NFT主网智能合约审计Tornado CashETH黑客报告安全 推荐阅读 雾海 2023-04-03 一文读懂Magic Eden的钻石奖励,是否值得赚取及如何获得? 活动集 2023-04-03 FOMO Asia 参会人次近二千,团队宣布于下半年再次举办大型国际会议 区块律动BlockBeats 2023-04-03 从白宫要员到加密先锋,回顾Arbitrum创始人Ed Felten的技术生涯 bfrenz DAO 2023-04-03 买NFT要交税了?速览美国国税局关于NFT税的新提案 PA一线 2023-04-03 MEV机器人遭攻击损失达2000万美元,系bundle交易过程中资金被替换 雨中狂睡 2023-04-03 4月加密叙事展望:上海升级赛道、Layer2、NFTFi、香港概念 来源:金色财经
lg
...
金色财经
2023-04-03
要不要限制AI?我们把与GPT-4有关的观点收集全了
go
lg
...
AI 研究的讨论。 著名计算机科学家、
Google
Brain 的联合创始人吴恩达在社交媒体上发表了他对这封信的看法。 他认为,让有关部门暂停他们尚未了解的新兴技术,往好了说是反竞争,往坏了说是开了一个糟糕的先例。 以下是他的观点原文: 要求在 6 个月禁止开展比 GPT-4 更进一步的研究是一个可怕的想法。我看到许多新的应用在教育,医疗保健,食品……这将帮助许多人。继续改进 GPT-4 会对这些领域有所帮助。我们要权衡 AI 创造的巨大价值和现实的风险。 除非有关部门介入,否则没有切实可行的方法来实施暂停并阻止所有团队扩大 LLM(大语言模型)。让有关部门暂停他们不了解的新兴技术是反竞争的,树立了一个可怕的先例,是糟糕的创新政策。 负责任的人工智能很重要,而且人工智能有风险。目前主流的媒体报道称,人工智能公司正在疯狂地发送不安全的代码,这种说法是不正确的。绝大多数人工智能团队(遗憾的是,并非所有人工智能团队)都认真对待人工智能和安全问题。 暂停 6 个月不是一个切实可行的建议。为了提高人工智能的安全性,有关透明度和审计的规定应该变得更加切实可行,产生更大的影响。让我们在推进技术进步的同时,在安全方面作更多的投资,而不是扼杀进步。 Jim Fan:我们应该欣赏 GPT-4 针对大语言模型的安全性,英伟达 AI 科学家 Jim Fan 提出了一个有意思的观点。 他认为按照 AI 的行为规范,那么大部份人类也是「不安全」的,许多大语言模型在安全性和公正性上已经表现地很好,我们不应该一味地批评它们。 以下是他的观点原文: 按照 GPT 的「伦理与安全」指导方针,我们大多数人也表现得不理性、有偏见、不科学、不可靠,总的来说——「不安全」。事实上,我们对人工智能的要求更高。这是件好事,我完全支持做更多。但有些事不吐不快。 我指出这一点的原因是为了让大家了解安全校准工作对于整个研究团体来说是多么困难。大多数的训练数据本身就是有偏见的、有毒的、不安全的等等。实际上,创造一个安全的人工智能助手是违反人类数据分布的。 从某种意义上说,许多生产型 LLM(Claude,Cohere,GPT)在安全性和公正性方面都是「超人」,尽管它们并不完美。对我们来说,下意识地批评失败案例比欣赏挑战(和成就)更加容易。 拯救派 Sam Altman:确保 AGI 惠及全人类 生命研究所的公开信将 OpenAI 拉入了舆论的风暴之中,OpenAI 的 CEO Sam Altman 在 Twitter 上却表示他依然很平静,并提出了建立 AGI(通用人工智能)的三个要点。 以下是他的观点原文: 我们需要为了 AGI 美好的未来而付出的努力 1、调整超级智能的技术能力 2、充分协调大多数主要 AGI 的工作 3、有效的全球监管框架,包括民主治理 此前,Sam Altman 在 Lex Fridman 的采访播客曾表示自己会对 OpenAI 的技术感到害怕,他表示: 当人们认为这是一个巨大的飞跃时,我会说,我有点害怕,我觉得这很奇怪。 我认为一点都不害怕的话才是疯狂的,我同情那些非常害怕的人。 Sam Altman 更关心的是「虚假信息问题或经济冲击」,而不是如何用算法制造「超级智能」。他认为有些公司并不会像 OpenAI 一样设置如此严格的安全栅栏,并担心因此导致 AI 失控造成不良的社会影响。 马云:ChatGPT 只是 AI 时代的开始 马云回国后来到云谷学校,聊到了 ChatGPT 对教育领域的影响。马云表示,ChatGPT 这一类技术已经对教育带来挑战,但是 ChatGPT 这一类技术只是 AI 时代的开始。 以下是他的观点原文: 我们要用人工智能去解决问题,而不是被人工智能所控制,虽然人的体力、脑力比不过机器,但机器只有「芯」,而人有「心」。工业时代是知识驱动,知识的竞争;数字时代,是智慧驱动,是创造力和想象力的竞争,是领导力、担当力、责任的竞争,是独立思考的竞争。 幸存派 Gary Marcus:什么都不做是不对的 纽约大学心理学和神经科学的荣誉退休教授 Gary Marcus(他同时还是 AI 畅销书《Rebooting.AI》的作者)一直对 LLM 保持批评的态度。 当生命研究所的公开信发布后,Gary Marcus 可以说是该观点最坚定的支持者。 面对该公开信受到的质疑,Gary Marcus 做出了一段很长的回应,以下是他的观点原文: 很多针对 6 个月禁止培训超大型 #LLM 的攻击都没有抓住要点。 这么多的利害关系,这里有一个 Twitter # long gread 整理出什么才是真正重要的: 很多对这封信的攻击都集中在赞助人身上,而不是署名人。大多数签名的人(如我,约书亚 · 本吉奥等)与 FLI 没有任何关系。评判这封信应该看它写了什么,而不是谁写的。这里真正的新闻不是埃隆 · 马斯克签署了协议,而是这么多不是天生盟友的人(比如本吉奥和我,因 2019 年的激烈辩论而闻名)出于共同关心而走到了一起。 提出一个不同的选择并没有错,而大多数批评这封信的人也没给出一个恰当的解决办法。 什么都不做是不好的。几乎所有人,甚至包括 OpenAI 在内,都承认其存在严重的风险,但迄今为止,有关部门或行业都没有采取什么切实措施来减轻这些风险。 并不是所有签署了这封信的人都主要关心长期风险; 我们中的许多签署了这封信的人至少同样担心短期风险。 这封信并没有呼吁禁止人工智能。没有要求永久禁止。它没有呼吁禁止 GPT-4。它没有呼吁禁止绝大多数人工智能研究,只是在一个非常具体的项目上短暂停顿了一下,该项目的技术已经「知道」存在风险,却没有已知的解决方案。实际上需要更多的研究。有人看过那封信吗? 我个人没有改变;我仍然认为 LLM 是不可靠的,仍然认为它们表达事实的能力非常糟糕。我不认为它们接近 AGI。但这并不意味着他们没有撕裂我们社会结构的潜力ーー特别是考虑到当前的混合情况:难以置信的广泛和快速部署、企业不负责任、缺乏监管以及一直存在的不可靠性。 Eliezer Yudkowsky:暂停还不够,我们应该把 AI 永远关闭! Eliezer Yudkowsky 是著名的人工智能科学家和作家,同时也是机器智能研究所(MIRI)的联合创始人,MIRI 致力于确保超人工智能对人类具有友善的价值观。 未来生命研究所的公开信爆火之后,Eliezer Yudkowsky 在《时代(Time)》上发表了一篇名为《Pausing AI Developments Isn't Enough. We Need to Shut it All Down》文章。 在开头提到他并没有在上面签名,因为这封信低估了形势的严重性,提出的要求太少,无法解决问题。 文中提到了当人工智能变得比人类更聪明之后可能造成的危害,Eliezer Yudkowsky 提出了一个相当消极的观点: 我们还没准备好。我们没有在任何合理的时间内做好准备。没有计划。人工智能能力的进步是巨大的,远远领先于人工智能排列的进步,甚至领先于理解这些系统内部到底发生了什么的进步。如果我们真的这么做(放任其发展),我们都会死的。 Eliezer Yudkowsky 在前不久接受 Lex Fridman 的采访时再次警告,人类没有第二次校准人工智能的机会,如果人类失败,人类就将灭亡。 来源:金色财经
lg
...
金色财经
2023-04-03
上一页
1
•••
228
229
230
231
232
•••
276
下一页
24小时热点
仅1.2万!非农数据大“爆雷”!黄金飙升、上破2760 市场加大11月降息25个基点押注
lg
...
美国大选前非农报告“不按套路出牌”,金融圈大佬们怎么看?
lg
...
今日非农恐被扭曲:最低7万!以色列突然“高度戒备”,恐慌指数狂飙
lg
...
【直击亚市】中国传两大好消息!伊朗恐发动重大报复性打击,今日非农驾到
lg
...
【比特周报】比特币暴跌失守7万的原因找到了!特朗普、昔日最大交易所突传巨响……
lg
...
最新话题
更多
#SFFE2030--FX168“可持续发展金融企业”评选#
lg
...
10讨论
#海外华人投资#
lg
...
27讨论
#链上风云#
lg
...
46讨论
#美国大选#
lg
...
983讨论
#VIP会员尊享#
lg
...
1416讨论