FX168财经网_全球视野外汇黄金加密货币NFT资讯网

易链科技黑匣实验室：AI交互完整度已接近90%

最近几天，ChatGPT再次成为人们的关注焦点。近日微软宣布将对OpenAI进行高达数十亿美元的投资，借此来发展人工智能应用。此次投资后，微软将在消费者和企业产品中整合ChatGPT技术，此外微软也计划将ChatGPT技术整合到旗下Bing搜索引擎中，以此来提升微软在搜索引擎中的服务优势。 ChatGPT是由人工智能研究实验室OpenAI在2022年11月30日发布的全新聊天机器人模型，一款人工智能技术驱动的自然语言处理工具。它能够通过学习和理解人类的语言来进行对话，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流，甚至能完成撰写邮件、视频脚本、文案、翻译、代码等任务。同时也引起无数网友沉迷与ChatGPT聊天，成为大家讨论的火爆话题。不到40天，ChatGPT的日活量已突破千万！据ARK风险投资公司首席未来学家Brett Winton统计数据，当年同样引起轰动的Instagram达到这一成就足足花了355天。目前科技行业的巨头都在大力发展人工智能，谷歌、Facebook和微软均在大力构建人工智能的框架。比如近期有报道谷歌目前也在研发能够与ChatGTP抗衡的人工智能聊天机器人。很多人都预测2023年将是AI之年。人工智能AI是否可以应用在区块链领域呢？答案是肯定的。在人工智能、大数据、区块链的基础上，易链科技黑匣实验室正在构建一个新的架构，这个架构里区块链是核心，是作为底层的一个数据基础。人工智能和大数据是搭建在区块链之上，人工智能识别对方区块链交互活动的请求，识别出活动类型后交给大数据进行活动分析和预判，得出活动后的结果。人工智能比区块链原有架构中的智能合约、脚本代码扩展空间更大，可以适应和处理更复杂的场景和对象。将人工智能和大数据加入区块链架构就是为了便于扩展和演进，人工智能比区块链原有架构中的智能合约、脚本代码扩展空间更大，可以适应和处理更复杂的场景和对象。新区块链架构几乎可以应用到社会活动的方方面面。总而言之，新区块链架构真正做到了数据人生、数据民主，数据将成为每个使用者基因的一部分，让数据说话，新区块链架构将为社会带来智能协同的时代，区块链数据将指引我们更加高效、积极的生活和工作。 2022年对于人工智能而言注定是值得被铭记的一年，在这一年中，人工智能无论在技术还是产业层面都取得了巨大发展与长足的进步，大量创新技术从概念走向实践。年初，AI加持下的冬奥为我们带来了焕然一新的观赛体验；年中，AI绘画从虚幻走向现实并斩获多项赛事大奖；年末，ChatGPT的横空出世将再次将这一整年的狂欢推向高潮。会计师事务所巨头普华永道在最新报告中指出，人工智能和区块链技术融合的“机器经济”规模将在2030年达到15万亿美元。区块链+人工智能AI今年有不有搞头？肯定有，您想不想分一杯羹? 一起聊聊吧。来源：金色财经

金色财经2023-01-30

佳都科技：参投公司思必驰已掌握全链路语音及语言交互技术，可基于用户画像实现拟人化的语言风格互动

.SH）在互动平台回答目前是否有涉及到chatgpt相关领域问题。公司表示，于2020年战略投资国内专业的对话式人工智能平台型企业思必驰，以完善AI技术生态圈，公司投资的云从科技（计算机视觉）实现在科创板IPO上市、思必驰科技（语音语义识别）申报科创板IPO，产业共同体持续壮大。思必驰已经掌握全链路语音及语言交互技术，涵盖语音信号处理、识别、合成、语言理解、问答聊天、知识图谱等人机信息交互闭环涉及的各个模块级技术，可实现在自然语言的拟人聊天在通用闲聊的基础上，融合了用户画像，对话情感分析，敏感信息识别等技术，能够感知用户意图和情感，并基于用户画像实现拟人化的语言风格互动。佳都科技持续聚焦轨道交通、城市交通数字化升级，进一步加大对数字孪生、产业元宇宙等新技术的探索，不断利用先进的AI技术赋能各类场景应用，目前在多场景实现该技术的场景落地，如智慧车站客服系统、地铁APP客服、虚拟现实人机交互场景，提高了场景的运行效率，增强了智能化服务质量，形成了“听得清、能理解、有知识、会决策、善表达、反应快”的人机智能信息交互体验。（来源:界面AI）声明：本条内容由界面AI生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。

有连云2023-01-30

云从科技：大模型给AI行业带来了巨大的想象空间和市场机会

平台表示，随着OpenAI超级对话模型ChatGPT的发布，业界已经广泛感受到预训练大模型给AI行业带来的巨大机会。首先，ChatGPT将“预训练大模型+下游任务微调”的训练方法发挥到了天花板级的水准，模型效果较过去有了跨越式的进步，作为一个超级对话模型，ChatGPT对用户意图的理解、应答的正确性，异常情况下的反应，体验都显著超出了大家的预期，给AI应用带来新的想象空间；其次，ChatGPT的跨越式效果提升，主要得益于人机协同，即基于人类反馈的强化学习（RLHF），同时ChatGPT会给未来的人机交互体验带来巨大的提升，也使得各个应用场景下的人机协同变得更加容易和高效；人工智能技术产业落地的关键是技术平台化和应用场景化，而ChatGPT的成功是非常鼓舞人心的范例，过去的模型以具体场景下的专用模型为主，导致成本和门槛成为AI应用广泛落地的障碍，预训练大模型兼顾了通用性和灵活性，可以实现建模过程通用化、应用开发场景化，这将加速各行业的智能化升级进程。云从科技称，公司的理念与OpenAI很大程度上是一致的，而且目前的发展趋势与公司的长期布局相吻合。首先，公司的研究团队高度认同“预训练大模型+下游任务微调”的技术趋势，从2020年开始，已经陆续在NLP（Natural Language Processing，即自然语言处理）、OCR（Optical Character Recognition，即光学字符识别）、机器视觉、语音等多个领域开展预训练大模型的实践，不仅进一步提升了公司各项核心算法的性能效果，同时也大幅提升了公司的算法生产效率，已经在城市治理、金融、智能制造等行业应用中体现价值；其次，公司一直以来都在人机协同领域布局，打造了像人一样思考和工作的人机协同操作系统（CWOS），致力于整合打通视觉、语音、NLP等多个领域的大模型，不止于像ChatGPT那样在文本世界实现超级智能，还要彻底打通数字世界和物理世界，为“像人一样思考和工作”打下坚实的技术基础；公司也通过开放的人机协同操作系统实现了技术平台化，加上多年的行业深耕，能够通过“平台化的通用模型+带行业knowhow的专用模型”来帮助各行各业快速实现智能化升级。与此同时，更多颠覆性的消费级应用场景也会因技术进步而打开。云从科技表示，大模型给AI行业带来了巨大的想象空间和市场机会，也是公司的巨大想象空间和市场机会。（来源:界面AI）声明：本条内容由界面AI生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。

有连云2023-01-30

【研报透市】两天股价暴涨3倍！ChatGPT、AIGC爆火，券商：万亿市场开启，互联网奇异点正逐渐临近

网奇点即将来临？在科技巨头微软助推下，ChatGPT即将被整合进微软旗下产品。美国数字媒体公司BuzzFeed宣布用ChatGPT来创作内容，随后股价两天累计暴涨306.94％。　　今日A股AIGC指数大涨5％，表现亮眼。板块内多股上涨，拓尔思、视觉中国、掌阅科技等涨停；万兴科技、中文在线等涨逾10％。　　公开资料显示，AIGC全称为AI-Generated Content，是继UGC、PGC 之后新型利用AI技术自动生成内容的生产方式。　　消息面上，近期，微软在其官方博客宣布，已与OpenAI扩大合作伙伴关系。其声明称，作为两家公司合作伙伴关系的第三阶段，微软将向OpenAI进行一项为期多年、价值数十亿美元的投资，以加速其在人工智能（AI）领域的技术突破。　　此外，微软CEO纳德拉在前不久结束的达沃斯世界经济论坛上表示，微软计划将OpenAI实验室的ChatGPT等AI工具整合进微软旗下产品，并将其作为平台供其他企业使用。　　当地时间1月26日，美国数字媒体公司BuzzFeed周四宣布削减12％的员工。另外，公司表示将依靠ChatGPT的创建者OpenAI来加强部分内容创作，并为观众个性化一些内容，打算今年让人工智能在公司的编辑和业务运营中发挥更大的作用。　　BuzzFeed公司1月27日股价应声大涨119.77％，28日再涨85.17％，两天时间累计涨幅达到306.94％。　　国内方面，据财联社报道，百度将于3月在中国推出类似ChatGPT的人工智能聊天机器人。在2022年百度世界大会上，李彦宏指出，未来十年，AIGC将颠覆现有内容生产模式。可以实现十分之一的成本，百倍千倍的生产速度，生成AI原创内容。　　ChatGPT开启AI新纪元，迎万亿市场规模　　2022年12月1日，OpenAI发布了自然语言生成式模型ChatGPT，可以通过人工智能模型来与用户对话，并自动理解用户的问题，提供更精确、更有价值的信息。ChatGPT得到的关注空前，2022年12月5日，上线仅5天的ChatGPT用户数量突破100万。　　财通证券研报指出，ChatGPT建立在GPT-3的后续改进版本GPT-3.5基础上，通过引入强化学习模型，大幅提高了AI在人机对话时的准确度和可控性，实用性得到广大用户的积极反馈。ChatGPT下游应用场景包括代码机器人、小说衍生器、对话类搜索引擎、语音工作助手、对话虚拟人等，具备代替人工的创造力；ChatGPT也将带动上游算力、数据标注、自然语言处理需求，可谓开启AI新纪元。　　ChatGPT平台型技术将带动全行业AI发展提速：ChatGPT是AIGC技术进展的里程碑，该模型使得利用人工智能进行内容创作的技术成熟度大幅提升，有望成为新的全行业生产力工具，提升内容生产效率与丰富度。部分行业如搜索引擎、文稿创作、艺术设计等可能出现行业格局与商业模式的骤变，全行业“AI+”浪潮已至。数据、算力、算法作为AI三要素，相互耦合，共同促进，将带动AI行业整体协同发展。　　东吴证券则指出，2022年以来AIGC应用多点开花，ChatGPT是又一个起点，随着深度学习模型不断完善、开源模式的推动、大模型探索商业化的可能，AIGC有望加速发展，互联网奇异点正逐渐临近。　　东吴证券指出，GPT的升级增强了AIGC能力，释放更多潜在市场空间。AIGC在内容生成中的渗透率将快速提升，应用规模快速扩增。根据Gartner《2021年预测：人工智能对人类和社会的影响》，到2025年AIGC产生的数据将占所有数据的10％，而该比例在2021年不足1％。而量子位智库根据现有技术及需求成熟度预测，2030年AIGC市场规模将超过万亿人民币。　　ChatGPT横空出世，利好相关基础设施和应用　　投资机会上，东吴证券指出，ChatGPT上线象征着文本类AI进入新阶段，利好其基础设施及应用。　　算法、数据、算力是AI大模型训练的基础，建议关注基础设施相关标的：科大讯飞、海天瑞声、拓尔思等；　　ChatGPT上线推动文本类AI渗透于文本生产、智能批阅等应用领域，同时其对训练模型的改进对AIGC的全面发展有广泛意义，建议关注在相关领域布局的：微软、Meta、百度、阅文集团、中文在线、粉笔等。

金融界2023-01-30

A16z：生成式AI的机遇与挑战分析

Stable Diffusion 和 ChatGPT 这样的模型创造了用户增长的历史记录，有的应用在推出后不到一年，就达到了 1 亿美元的年营收，并且人工智能模型在部分任务中的表现要比人类的水平高几个数量级。我们发现，技术范式转型正在发生。但是，需要研究的关键问题在于：整个市场中，哪些地方会产生价值？过去一年里，我们和几十位生成式 AI 创业公司的创始人和大公司 AI 领域的专家。我们观察到目前为止，基础设施供应商很可能是这个市场上最大的赢家，因为基础设施可以获得经过整个生成式 AI 堆栈最多的流水和营收。尽管主攻应用开发的公司收入增长非常快，但这部分公司往往在用户留存、产品差异化和毛利率方面存在弱势。而大多数模型供应商目前还没有掌握大规模的商业化能力。再说的准确一点，那些能够创造最大价值的公司，比如说能够训练生成式人工智能模型，并将这种技术应用于新的应用程序，目前还没有完全抓住行业中的的大部分价值。所以，现在想要预测后面的行业趋势并不是那么容易。但是，想办法了解整个行业堆栈的哪些部分能做到真正的差异化，和可防御化很重要，因为这部分可以对整个市场结构（即横向与纵向的公司发展）和长期价值驱动力（如利润率和用户留存率）产生重大影响。但迄今为止，除了现有公司传统意义上的业务护城河，很难在（生成式人工智能的）堆栈上找到结构上可防御性。我们看好生成式人工智能赛道，也坚信这个领域对各个行业产生巨大影响。这篇文章的撰写目的，主要是为了描绘市场的动态，回答一些关于生成性人工智能商业模式更为广泛的问题。技术栈：基础设施、人工智能模型和应用程序想要了解生成式人工智能赛道和市场是如何形成的，首先需要定义目前整个行业的堆栈：整个生成式人工智能的堆栈可分为三层： 1.将生成式 AI 模型，与面向用户的产品应用集成，这种通常是运行自己的模型管道（"端到端应用"），或者依赖第三方 API （阿法兔研究笔记注释：这里我们说的模型管道，指的就是就是一个模型的输出作为下一个模型的输入） 2.为人工智能产品提供动力的模型，以专有 API 或开源检查点的形式提供（这反过来需要一个托管解决方案）（注释：这块说的是，要么把整个模型的构建方式以及预训练的模型（又叫检查点）开放出来，要么需要把整个模型的构建方式以及预训练的模保密，只开放一个接口 API，如果是前者的话，你就要自己去跑训练/微调/推理，所以需要知道它能什么样的环境、什么样的硬件基础上跑，所以需要有人提供一个托管平台处理模型运行环境的事情） 3.为生成性人工智能模型运行训练和推理工作负载的基础设施供应商（即云平台和硬件制造商）需要注意的是，这块我们讲的并不是整个市场的生态图，而是一个分析市场的框架，本文在每个类别中都列出了一些知名厂商的例子，不过没有囊括列出目前所有最厉害的AIGC应用，也没有深入讨论 MLops 或 LLMops 工具，因为这块还没有达到完全成熟的标准化，有机会我们会继续讨论。第一波的生成式人工智能应用开始形成规模化，但在留存和差异化方面却不容易在之前的技术周期中，传统意义上的观点会认为，想要建立大型的、独立的公司，就必须拥有终端客户，这里的终端客户包括个人消费者和 B 2B买家。因为这种传统意义上的观点，大家很容易也认为：生成式人工智能中最大的机会也在于能够做面向终端用户的应用的公司。但是到目前为止，其实情况并不一定会这样。生成式人工智能应用的增长非常惊人，这种增长主要是由非常新颖和应用案例所驱动的，比如说图像生成、文案写作和代码编写，这三个产品类别的年收入已经超过了 1 亿美元。但是，光增长还不足以构建持久的软件公司，关键在于，这种增长必须是有利润，也就是说，用户和客户一旦注册就可以产生利润（高毛利），并且这种利润还需要能够长期可持续（高留存率）。如果公司之间不存在强大的技术差异化，B 2B和 B 2C应用程序只要通过网络效应，和数据优势，再或者构建愈发复杂的工作流程，从而获得成功。但是，在生成式人工智能领域，上述假设未必成立。在我们调研的做生成式人工智能 APP 的创业公司中，毛利率的变化范围很广，少数公司能达到 90% ，多数公司毛利率低至 50-60% ，这块主要由模型成本影响。尽管我们可以看到目前渠道顶端（Top-of-funnel ）的增长，但是，还不清楚目前客户获取策略是否可以持续，因为已经看到了很多付费获取的效率和留存率开始下降。目前市面上的很多应用程序也确实缺乏差异性，因为这些应用主要依赖于相似的底层人工智能模型，并没有发现明显能够具备独家网络效应、其他竞争对手很难复制的的杀手级应用和数据/工作流程。因此，目前我们还不知道能够建立可持续的生成式人工智能商业化业务的最佳实践到底是什么，随着语言模型的竞争和效率的提高，利润率应该会提高。随着那波仅仅因为人工智能的热度才来的用户逐步冷却，离开市场，用户留存率大概率会增加。并且，我们认为垂直整合的应用在制造差异化方面具备优势，但是很多还需要接下来的实践证明。展望未来，生成式 AI 应用会面临什么问题？在垂直整合（"模型+应用"）方面如果人工智能模型作为一种消费型服务，应用开发者可以用小团队模式快速迭代，并随着技术的进步，逐步更换模型供应商。但还有开发者不同意，他们认为，产品就是模型，从头开始训练是创造可防御性的唯一途径，这里指的是不断地对专有产品数据进行再训练（re-training）。但这就需要更高的资本，并且需要稳定的产品团队为代价的。构建功能与应用程序生成式人工智能产品具备很多形式：桌面应用，移动应用，Figma/Photoshop 插件，Chrome 扩展应用...甚至还包括 Discord 机器人。在用户已经在应用、有使用习惯的地方整合人工智能产品比较容易，因为用户界面较为简易。但是，这些公司里有哪些会成为独立的公司？哪些会被微软或谷歌人工智能巨头所吸纳？会和 Gartner 公司发布的炒作周期（hyper cycle) 一致？尚且不清楚当前的用户流失率，是不是都是早期人工智能产品所必须面对的，仅仅是我们当前这批人工智能产品所固有的。再或者，市场对生成式人工智能的兴趣，是否会随着市场炒作的消退而下降。这些问题，对开发 APP 应用程序公司存在重要的影响，包括何时选择融资的时机、设计用户获取策略、对于用户群的考虑有用户的优先度，以选择宣布产品市场匹配（Product Market Fit）时机。来源：金色财经

金色财经2023-01-30

百度港股涨幅扩大至5%

前媒体报道称百度将于3月在中国推出类似ChatGPT的人工智能聊天机器人。

金融界2023-01-30

百度股价拉升翻红涨超1%，此前一度跌近3%

据媒体报道，百度将于3月在中国推出类似ChatGPT的人工智能聊天机器人。　　ChatGPT是一种被称为大型语言模型的人工智能（AI）程序，它内部存有来自互联网的数十亿个单词，然后再由人类进行改进。　　该程序是由美国公司OpenAI公司推出的，目前该公司正打算推出一款更高级的版本。　　日前，BuzzFeed宣布削减12％的员工。公司表示将依靠 ChatGPT 的创建者 OpenAI 来加强部分内容创作，并为观众个性化一些内容，打算今年让人工智能在公司的编辑和业务运营中发挥更大的作用。并宣布用ChatGPT来创作内容。随后该公司股价暴涨。

金融界2023-01-30

A股AIGC概念爆发，汉王科技等多股涨停，此前美股BuzzFeed因计划用ChatGPT写稿股价暴涨

减12％的员工。另外，公司表示将依靠 ChatGPT 的创建者 OpenAI 来加强部分内容创作，并为观众个性化一些内容，打算今年让人工智能在公司的编辑和业务运营中发挥更大的作用。并宣布用ChatGPT来创作内容。　　1月26日，BuzzFeed股价上涨150％，1月27日该股股价再度暴涨160％。　　公开资料显示，BuzzFeed创立于2006年，是美国的一个新闻聚合网站，早期以小测试等“病毒式传播”的爆款内容闻名。2021年BuzzFeed通过与一家SPAC公司合并上市。为了实现业务盈利，该公司去年削减了新闻部门，并计划将创作者网络规模扩大一倍。　　此外，港股人工智能公司商汤科技在假期间大涨20％。　　国盛证券认为，随着ChatGPT带来的算法突破，NLP能力上限有望持续攀升，在机器人、智能语音/视觉、AIGC、智能公文写作等领域有望不断落地，不断拓展泛AI技术在现实生活中的应用范畴。　　华鑫证券表示，ChatGPT是工具、技术的属性，脱离应用场景讨论技术无意义（算法放在场景里才有生产力），如何将工具实践，并有效提升效率才可带来社会与商家的价值，在 ChatGPT 为代表的 AIGC 产业中，有望助力应用场景效率提升的板块有数字营销、出版、动漫、游戏、电影、视频、创意设计等。

金融界2023-01-30

元宇宙赛道已经“凉了”？2023 元宇宙领域有何重要看点？

ods对用户需求的创造性开发；二是看以ChatGPT为代表的内容生产工具的能带来多大的惊喜。就创业和投资而言，黄乐平和邹传伟指出，机会主要是存在于硬件和软件两个方面。硬件包括ARVR整机，以及光波导、显示屏、通信模块等核心零部件，以及大算力AI芯片。软件则看好游戏、办公、社交媒体等领域的应用。以下为对话实录 36氪：元宇宙是互联网的终极形态？元宇宙会是接替移动互联网的下一个新的互联网时代吗？元宇宙会是科技巨头的新增长点吗？黄乐平、邹传伟：我们认为人类的数字化迁移是一个未来10-20年的大趋势。元宇宙是用来概括这个趋势的概念。元宇宙是否能接替移动互联网成为互联网的下一站，关键还要看能否创造出新的附加价值。从PC到手机最大的改变是手机能够聚合支付、拍照、上网、用户位置信息等多种功能。这种聚合创造出全新的生活模式。比如，从线下购物到线上电商；从简单的文字短信到包罗万象的微信。元宇宙我们看到很多企业在探索很多新的模式，例如英伟达的Omniverse在探索协作开发，Meta开放的VR社交平台Horizon，用户可以在平台上创建虚拟形象，并与其他用户交流。我觉得这些都很有发展前景。对互联网公司来说，核心是占据更长的用户时间，在单位时间里创造出更多的附加价值。 36氪：2021年，元宇宙火爆全球，资本疯狂涌入，然而近来热度却有所下降，相关概念股大幅下跌，企业退出相关业务。元宇宙是前景无限的优质赛道，还是一场炒作？能否对2023年的元宇宙趋势做一下展望？黄乐平、邹传伟：长期来看，我们觉得元宇宙还是目前TMT行业少数有10年以上长期发展机会的重要赛道。过去一年碰到一些问题：AR/VR等硬件用户体验不够好，硬件成熟还需要一段时间。但也取得了很大的进步：比如英伟达推出了创建和运行元宇宙应用的平台Omniverse，能够借助虚拟仿真大大使AI的效率提升一个台阶，改变人类生产的流程，是革命性的东西。应用场景包括：智能汽车、传媒、工业自动化等。 2023年有两个最重要的看点：一是年中苹果发布MR能否延续苹果iphone/airpods对用户需求的创造性开发；二是看以ChatGPT为代表的内容生产工具的能带来多大的惊喜。 36氪：为什么中国现在要从国家战略层面去扶持元宇宙行业？黄乐平、邹传伟：一方面，元宇宙是数字经济的重要抓手。党的二十大报告提出“加快发展数字经济，促进数字经济和实体经济深度融合”。我们认为，元宇宙就是进行数字资产生产，消费，交换的重要平台之一。另一方面，中国在消费电子，通信设备等方面具有比较优势。我们可以将此前在移动互联网时代积累的硬件优势转换为元宇宙基础设施建设的支柱。 36氪：从需求、技术、应用场景方面来看，元宇宙领域有哪些创业和投资机会？黄乐平、邹传伟：主要是硬件和软件两条路。硬件包括，（1）ARVR整机，以及光波导、显示屏、通信模块等核心零部件。这条路的优点是技术难度较低，缺点是ARVR怎么能更好的吸引客户。（2）大算力AI芯片，替代英伟达等科技巨头，这条路的优点是有国产替代的需求，缺点是技术难度较高、前期投资较大。软件包括：（1）内容和应用，我们看好游戏、办公、社交媒体等领域的应用，以及最近在AIGC。优点是场景丰富、落地更快，缺点是目前硬件产品的普及率不高。（2）应用工具，优点是一旦成功就能够从根本上掌握了软件开发的主动权，缺点是前期开发难度较大，大平台的壁垒较深。 36氪：元宇宙涉及到的监管和伦理风险如何应对？对于创业者和投资者而言，元宇宙的发展进程中，需要注意哪些风险？黄乐平、邹传伟：元宇宙的治理难题包括网络虚拟身份造成的伦理真空和保护用户个人隐私的困难。关于对元宇宙的监管，我们可以借鉴欧盟的《数字服务法》和《数字资产法》。前者强调加强非法内容监管、提高广告透明度和商业用户的可追溯性；后者提出数字经济“守门人”概念，目标是防止大科技平台滥用市场力量，并规定平台对用户数据的使用，支持用户对自己数据的主权。当前，元宇宙的产业发展仍存在较大变数，其社会规则、管理制度及法律约束等治理体系也尚未形成，创业者和投资者要注意其中可能出现的资本操纵和估值泡沫等风险。 36氪：元宇宙会对我们的生活带来怎样的影响？元宇宙时代何时会真正到来？黄乐平、邹传伟：元宇宙对我们的生产生活有着丰富且深刻的影响。元宇宙能提升生产效率。在办公方面，元宇宙将从生产、沟通、协作三个维度改变人们的工作方式，提高工作效率和协作效果。在城市建设方面，元宇宙能提升城市管理和服务的水平。工业领域，AR/VR技术可以打破时空对生产协作的限制，整合大数据和人工智能的产业平台优化生产和运营效率。元宇宙会增加人在虚拟空间中的时间花费。元宇宙相关技术的发展将助力平台化游戏进一步拓宽用户群体及市场容量，提高用户黏性，并改变已有的价值分配模式。以线上第二身份为代表的陌生人社交和由VR/AR技术引领的元宇宙社交改变人和人的连接方式。电商行业里的“人货场”理论也会在相关技术的应用深化下全面升级。另一方面，元宇宙也不是全然美好的“乌托邦”。网络暴力、隐私泄露等在移动互联网时代存在的顽疾，在元宇宙世界或将更加频繁上演。社会伦理和贫富差距也可能会被元宇宙凸显。来源：金色财经

金色财经2023-01-29

DAOrayaki｜加密中观经济学、第五权利及更有效的DAO

月 30 日，OpenAI 发布了 ChatGPT，一种会话界面和大型语言模型。对许多人来说，这是一个革命性的时刻。它的输出让人震惊，节省时间并且答案令人信服地真实（当 OpenAI 认为可以安全回答时）。非常了不起的是，你今天在几秒钟内可以通过LLM 得到一个不完美但有效的答案，而这个答案将花费领域专家几分钟的考虑和在线论坛几个小时的辩论。聊天机器人一直是人们渴望的陪伴对象。图灵测试背后的动机可能是想要一个不会打破沉浸感的聊天机器人。仍有待测试的是，作为社会动物的人类是否能通过数字大脑得到增强。我们一起打猎，一起耕种，现在社会可以被描述为工业规模机器的管理人员和操作员的巨大缓冲区，比以往任何时候都更加社会化。人类会优化阻力最小的路径，选择复制或“谷歌”他们可能通过批判性思维和反复失败获得的不同知识。ChatGPT 的出现：学生可能会使用 LLM 为他们写论文，取得好成绩。Stack Overflow 可能会为了个人利益而受到女巫攻击，而观众（程序员）可能会以某种方式遵守 deepfakes 的交响曲。脚本小子可能会提示 ChatGPT 存在恶意软件。LLM 的主流使用是否会削弱我们的生产能力，尤其是在健全、有效和发散性思维方面？奇点之前的最后傀儡师人工智能可以产生的最深远的影响在于人力资本分配的文化。最近的一个观点很好地描述了人们对 ChatGPT 的反应：最高兴的是那些发现机器显然可以胜任书面委托而目瞪口呆的人。到目前为止，一切都在预料之中。如果回看历史会发现，人们通常高估了新的通信技术的短期影响，而严重低估了它们的长期影响。印刷、电影、广播、电视和互联网也是如此。在试图理解AI的影响时，我们试图分离出短期的破坏，以猜测中期和长期的后果。话虽如此，也许通过市场动态来描述这种反弹是一个好方法。AI助手改变了内容创作的稀缺性，从而在某种程度上成为做市商。每当一个众所周知的“精灵”离开“瓶子”时，消费者通过重新定价市场和逐步淘汰次优供应商而获得不对称的利益。反过来，基于AI生产的供应商随着时间的推移，积累了更多的资本。有人可能会争辩说，存在能够负担得起爬取整个互联网以生成训练数据集的公司的寡头垄断。可能只有有限数量的 SaaS 能够负担得起消耗此类资源来生成新颖的 ML 模型。如果基于 ML 的商业变得足够不稳定，那么能够实现和保持 PMF 的人可能会更少。在过去，我们被像HAL 9000、Skynet和Butlerian Jihad这样的心理战术哄骗。许多公司和智能代理在 AI 经济中就稀缺性进行合作。我们现在的资本主义社会产生一个没有负面反馈的技术官僚的可能性有多大，它可以逐步淘汰社会经济阶层，基本原则，如人权/财产权，或加速某种形式的大规模毁灭的可能性? 这听起来可能很陈词滥调，但需要注意的即将到来的拐点将对社会运作方式产生根本性影响。一年后，有人可能会写下关于特定 AI 依赖产品的快速立法或郁金香狂热。在 5-10 年内，将实现对独资经济、现有政府形式和个人自主/消费的清算。“ Megacorp ”模式可能在整个颠覆过程中仍占主导地位，我们可能会发现自己处于“网络状态”，或者更像奥威尔式的状态。这一切都是因为计算机（通过任何方式获得）将编译我们对自然语言的集体使用，以包含当今社会的许多操作和经济功能。无论时间线是什么，这都将是远在“奇点”之前的一个明显拐点。方法与技术 InstructGPT的核心是一群人来策划最好的模仿（也称为通过人类反馈或 RLHF 进行强化学习）。但 InstructGPT 是一个 LLM，有点静态且易于重置。一个提示界面，幕后的模型经过反复训练，以猜测对提示的最简单的奖励反应。 OpenAI 的 RLHF 图解然而，要“完善” NLP 也存在挑战。虽然这些技术极具前景和影响力，并引起了人工智能领域最大研究实验室的关注，但仍然存在明显的局限性。这些模型可以毫无不确定性地输出有害或实际上不准确的文本。这种不完美代表了 RLHF 的长期挑战和动力——在一个固有的人类问题领域中运行意味着永远不会有一条明确的终点线可以跨越，使模型被标记为完整。在使用 RLHF 部署系统时，由于强制性和深思熟虑的人为因素，收集人类偏好数据非常昂贵。RLHF 性能仅与其人工注释的质量一样好，人工注释有两种：人工生成的文本，例如微调 InstructGPT 中的初始 LM，以及模型输出之间的人类偏好标签。生成写得很好的人工文本来回答特定的提示是非常昂贵的，因为它通常需要雇用兼职人员（而不是能够依赖产品用户或众包）。值得庆幸的是，用于训练大多数 RLHF 应用的奖励模型的数据规模（~50k 标记偏好样本）并不那么昂贵。然而，它仍然比学术实验室可能负担得起的成本更高。目前，只有一个基于通用语言模型的 RLHF 大规模数据集（来自Anthropic）和几个较小规模的任务特定数据集（例如来自OpenAI的摘要数据）。RLHF 数据挑战是标注者的偏见。几个人类标注者可能有不同意见，导致了训练数据存在一些潜在差异。 RLHF 可以应用于自然语言处理 (NLP) 之外的机器学习。例如，Deepmind 探索了将其用于多模态代理。同样的挑战适用于这种情况：可扩展强化学习 (RL) 依赖于查询成本低廉的精确奖励函数。当 RL 可以应用时，它已经取得了巨大的成就，创造了可以匹配人类才能分布极值的 AI（Silver 等人，2016 年；Vinyals 等人，2019 年）。然而，对于人们经常参与的许多开放式行为，这种奖励功能并不为人所知。例如，考虑一种日常互动，要求某人“将杯子放在你附近”。对于能够充分评估这种交互的奖励模型，它需要对以自然语言提出请求的多种方式以及满足（或不满足）请求的多种方式具有鲁棒性，同时对不相关的变化因素（杯子的颜色）和语言固有的歧义（什么是“接近”？）不敏感。因此，为了通过 RL 灌输更广泛的专家级能力，我们需要一种方法来生成精确的、可查询的奖励函数，以尊重人类行为的复杂性、可变性和模糊性。除了对奖励函数进行编程之外，一种选择是使用机器学习来构建它们。我们可以要求人类评估情况并提供监督信息以学习奖励函数，而不是尝试预测和正式定义奖励事件。对于人类可以自然、直观、快速地提供此类判断的情况，使用此类学习奖励模型的 RL 可以有效地改进智能体（Christiano 等人，2017 年；Ibarz 等人，2018 年；Stiennon 等人，2020 年；）导致奇点的许多因素有待进一步发展，我们可以比实施它们所花费的时间框架更有把握地确定它们是什么。Chris Lattner从他的 POV中提到了“稀疏门控的专家组合”：简单地描述一下，也许有一个中介可以策划和组合许多“专家”的输入。这为进一步研究提供了广阔的设计空间。也许中间层应该以不同的方式进行选择。如，利用空间数据。一项特别引人入胜的工作是Nethack Learning Environment。就像Twitch Plays Pokemon是可行的，因为 JRPG 是回合制的，输入相对简单，NLE 也是回合制的，只需要键盘输入。此外，它在游戏的不同阶段的多个环境中具有程序生成，使其成为训练 AI 的极其有用的熔炉。根据我自己玩这个游戏的经验，你必须在回合制的基础上策划和组合许多策略。借助 polypiling 和 bones harvesting 等元博弈策略（作弊），AI 可以通过多种方式在逐场游戏的基础上进一步学习。 *拍击界面*“这个 Unicode 可以容纳这么多对象” 如Tesla和Neuralink最近开发的企业级机器学习。工业规模的生产需要工业规模的反馈增强强化学习。Optimus 可能是一个噱头，但它可能比Atlas在过去 9 年中对机器人的改进更多。Neuralink 植入物可能会杀死受试者，但它们会推动极其精确的手术机械和零件的发展。制造业的反馈很好，但卫生部门的需求最大。现在，我们是零售生物传感器的早期采用者。随着时间的推移，同态密码学将使机器学习能够利用大量健康数据。数万年来，我们已经将药物消费众包，但我们如何与人工智能共存仍有待观察，人工智能可以在任意时间跨度内管理任意物质的剂量。与此同时，同态加密因效率问题仍然没有被使用。 Google Brain 刚刚发布了Robotics Transformer-1。在第一个版本中它可能只是一个执行简单任务的手臂，但显然有可能在常见的构建环境中使用更多的标记化操作进行迭代。由于全球经济以货运为中心，与目前全球约6000艘集装箱船相比，如果最终在这样的设施中建造100多艘“零排放”集装箱船，也属于正常。这也将是住房危机中一个巨大的潮流变化，分区条例允许它完全生效。另外，不得不提阿尔伯塔计划， 12 个合理的 AGI 能力发展步骤。 “路线图”一词暗示绘制一条线性路径，即应按顺序采取和通过的一系列步骤。这并非完全错误，但它没有认识到研究的不确定性和机遇。我们在下面概述的步骤具有多重相互依赖性，而不是从头到尾的步骤。路线图建议一种自然的顺序，但在实践中通常会偏离这种顺序。可以通过进入或附加到任何步骤来进行有用的研究。举个例子，我们中的许多人最近在集成架构方面取得了有趣的进展，尽管这些进展只出现在排序的最后一步。首先，让我们尝试全面了解路线图及其基本原理。共有十二个步骤，标题如下： 1. 表示 I：具有给定特征的持续监督学习。2. 表示 II：监督特征发现。3.预测一：连续广义价值函数（GVF）预测学习。4. 控制 I：持续的演员-评论家控制。5. 预测二：平均奖励 GVF 学习。6. 控制 II：持续控制问题。7. 计划 I：平均奖励的计划。8. 原型-AI I：具有连续函数逼近的基于模型的一步强化学习。9. 规划二：搜索控制与探索。10. 原型-AI II：STOMP 进程。11. 原型-AI III：Oak。12. 原型-IA：智能放大。这些步骤从开发用于核心能力（用于表示、预测、规划和控制）的新型算法，发展到将这些算法组合起来，为持续的、基于模型的 AI 生成完整的原型系统。简而言之，从 ANI 到 AGI 再到 ASI 的方法和技术的转折点将是不言自明的。 ChatGPT 的输出 “指数级进步” 上述阿尔伯塔计划是一种理想情况。人类已经很复杂，作为个体使用稀疏神经网络工具；作为团体，具有自组织的、社会学习和环境工程特性。在密码学和分布式（对抗性）计算的最新发展中，人类的自治程度仅可以维持图灵完备的全局状态（历史）。还有一种被称为机械土耳其人的现象。关键是， AI 产品在任意时间跨度内的下降，都会有一个成熟的开发人员生态系统，可以通过协调执行超越现有的水平，并通过同期的 AI 工具和可验证的工作得到增强。这促成了当前的思想实验：我们甚至需要在 The Singularity™ 之前实现每个预测的拐点吗？对于商业化模型训练中的每一项专有改进，都可能有一种可行的方法在公共领域实现。StableDiffusion 已经引发了围绕这一概念的对话。众包在过去十年中已经充分加速（正如 Twitch Plays Pokemon、社交网络和 DAO 所证明的那样），奇点已经是一个转移注意力的问题。正如以太坊扩展解决方案尝试使用像zk-SNARKs这样的密码学为了减少网络的基础设施需求，我们将尝试实施轻量级解决方案，以减少现有大型企业对 AI 进行暴力破解和货币化的需求。事实上，反驳OpenAI 模型最好方法之一是，金融市场和社交网络上类似的社会资本系统在某种程度上是可预测的行为。Twitter 汇总新闻是因为它的用户可以在全球范围内通过合法人物进行广播和放大。随着 COVID 封锁和央行货币政策等全球趋势，成长型股票可能会大幅上涨和下跌。不需要太多想象力就能在很短的时间内想象出一家初创公司，它可以将类似人工智能的PMF表现为一个自我调节、自我编排的社区。可能有数千亿美元的运营成本可以通过现有技术和进一步的业务发展在许多部门中释放出来。在电视剧《西部世界》中，名为 Rehoboam 的人工智能系统通过分析大型数据集来操纵和预测未来，从而对人类事务施加秩序。自工业革命以来，颠覆性创新一再出现在官僚机构之外；今天，它们正在以越来越快的速度发生。近几十年来，公共领域的深度和范围不断扩大，许多技术无论其商业化程度如何都在被迫开源。来源：金色财经

金色财经2023-01-28

24小时热点