FX168财经网_全球视野外汇黄金加密货币NFT资讯网

Meta推出先进大型语言模型下一个ChatGPT不远了？

技巨头争相杀入这一领域展开混战。周五，Meta也宣布推出大型语言模型LLaMA，加入到由微软、谷歌等科技巨头主导的AI“军备竞赛”中。当地时间2月24日，Meta宣布将推出针对研究社区的“Meta人工智能大型语言模型”系统（Large Language Model Meta AI），简称“LLaMA”。同ChatGPT、New Bing不同，LLaMA并不是一个任何人都可以与之对话的产品，也并未接入任何Meta应用。更为确切地说，该产品将是一个开源的“研究工具”。公司CEO扎克伯格在社交媒体上表示，LLaMA旨在帮助研究人员推进研究工作，LLM（大型语言模型）在文本生成、问题回答、书面材料总结，以及自动证明数学定理、预测蛋白质结构等更复杂的方面也有很大的发展前景。开源的“研究工具” Meta表示，LLaMA可以在非商业许可下提供给政府、社区和学术界的研究人员和实体工作者，正在接受研究人员的申请。此外，LLaMA将提供底层代码供用户使用，因此用户可以自行调整模型，并将其用于与研究相关的用例。与之截然不同的是，谷歌旗下的DeepMind和OpenAI并不公开训练代码。该公司还表示，LLaMA作为一个基础模型被设计成多功能的，可以应用于许多不同的用例，而不是为特定任务设计的微调模型。比GPT3.5性能更强根据Meta官网介绍，LLaMA包含4个基础模型，参数分别为70亿、130亿、330亿和650亿。其中，LLaMA 65B 和 LLaMA 33B 在 1.4 万亿个 tokens 上训练，而最小的模型 LLaMA 7B 也经过了 1 万亿个 tokens 的训练。 Meta表示，在大多数基准测试中，参数小的多的LLaMA-13B的性能优于GPT3.5的前身GPT3-175B，而LLaMA-65B更可与业内最佳的Chinchilla-70B和PaLM-540B竞争。值得一提的是，近期大火的ChatGPT便是由GPT3.5提供支持。 Meta 还提及，LLaMA-13B对算力的要求“低得多”，可以在单个数据中心级GPU（Nvidia Tesla V100）上运行。扎克伯格写道： “Meta 致力于这种开放的研究模式，我们将向 AI 研究社区提供我们的新模型。” 值得一提的是，去年5月，Meta 也曾推出过大型语言模型 OPT-175B。该项目同样也是针对研究人员的，这构成了其聊天机器人 blenterbot 新迭代的基础。后来，该公司还推出了一款名为“卡拉狄加”(Galactica) 的模型，但因经常分享偏见和不准确的信息而遭到下架。据媒体报道，扎克伯格已将人工智能作为公司内部的首要任务，其本人也经常在财报电话会议和采访中谈论它对改进 Meta 产品的重要性。媒体分析称，虽然现在 LLaMA 没有在 Meta 产品中使用，但未来不排除使用的可能。本文不构成个人投资建议，不代表平台观点，市场有风险，投资需谨慎，请独立判断和决策。来源：金色财经

金色财经2023-02-27

元宇宙需要一场回归

的，而是需要一个长期投入的过程。透过Meta的表现，我们同样可以看出，元宇宙的发展是一个长期的过程。虽然Meta在元宇宙的探索上有不少建树，甚至还将元宇宙的相关设备和解决方案落地到了相关行业和场景之中，但是，我们依然可以非常直接的感受到，Meta的元宇宙距离人们真正需要的元宇宙尚且存在很大的差距。单单看看昂贵的头显，单单看看Meta解决方案里的不适感，我们就可以看出一丝端倪。从投资到落地，从落地到成熟，每一个阶段都需要一个相当长的过程。可以说，如果缺少了一定的耐力，如果缺少了一定的长期主义，是无论如何都无法在元宇宙身上有所作为的。不幸的是，现在很多的元宇宙玩家，并不是真正意义上的长期主义者，他们之所以会投身到元宇宙的洪流里，很大程度上是因为他们想要在元宇宙的身上掘金，他们想要在元宇宙的身上赚快钱，而非将元宇宙看成是一场「持久战」。可以想见的是，当他们无法在元宇宙的身上实现这一目标的时候，所谓的大逃亡，或许是一件必然的事情。而我们当下正在经历的，正是这样一个发展阶段。元宇宙，需要外部条件的支撑单单将元宇宙看成是一个孤立的存在，其实并未真正把握元宇宙的本质奥义和原始内涵。何为元宇宙？我认为，元宇宙并不是一个独立的存在，而是一个有诸多的技术、诸多的应用场景、诸多的解决方案共同组成的全新的生态。在支撑它的这些技术、场景、解决方案都没有成熟的大背景下，一味地去谈论元宇宙的成熟，其实是没有任何意义的。然而，在很多人看来，所谓的元宇宙，就是一个独立的存在，就是一个单一的存在，他们并未把元宇宙看成是一个生态，最终极大地低估了元宇宙的本质奥义和原始内涵。同样地，在看待元宇宙的问题上，也陷入到了死胡同里。没错，我们的确看到了以ChatGPT为代表的新概念的崛起，并且越来越多的玩家开始投身到ChatGPT的风口里。于是，很多人认为，元宇宙的风头被ChatGPT抢过去了。事实上，如果仅仅只是将ChatGPT和元宇宙割裂开来，甚至将它们看成是两个完全不同的形态的话，其实是一种完全错误的观点。同外界将两个割裂起来看待不同，我认为，ChatGPT恰恰是支撑元宇宙时代的一个必不可少、举足轻重的组成部分。可以说，有了ChatGPT，元宇宙时代更近了一步。更为确切地说，ChatGPT是通往元宇宙时代的必备条件。除了ChatGPT之外，以往我们看到的web3.0，同样是构成元宇宙的一个重要组成部分。可以说，没有这些构成元宇宙的外部条件的成熟，没有这些构成元宇宙的内在要素的完备，元宇宙的实现是遥遥无期的。真正将以ChatGPT为代表的新风口划归到元宇宙的体系之下，并且将它们看成是元宇宙时代的重要组成部分，才能真正把握元宇宙的真正发展状态，才能避免一叶障目。未来，我们还将会看到诸多类似ChatGPT的新概念的出现和成熟，它们必然会构建起元宇宙的强大的基座，并且真正将元宇宙的发展带入到一个全新的发展阶段，真正的元宇宙时代才能来临。元宇宙，是一个普适的过程可以肯定的是，如果元宇宙仅仅只是一个局限于资本圈的概念的游戏的话，那么，它的发展是无论如何都无法成熟和完备的。欲要让元宇宙发展成熟，必然需要不断地将元宇宙应用和落地到不同的场景，不同的行业，必然需要不断地让元宇宙被越来越多的用户使用起来。总结来讲，元宇宙其实就是一个普适的、大众化的过程。这一点，我们可以从互联网的发展历程当中看出一丝端倪。从某种程度上来讲，互联网的发展，其实同样经历了一个普适的过程。互联网的应用场景从单一走向丰富，互联网的用户从小众走向大众，其实都为我们展现了一个互联网走向普适的过程。对于元宇宙来讲，同样是需要这样一个普适的过程的。至少从现在的发展情况来看，元宇宙的应用场景和行业还局限在为数不多的范围内，元宇宙的用户还是有限的。这在另外一个角度告诉我们，元宇宙依然是一个稚嫩的、原始的、初级的存在。这个时候，元宇宙并不是一个普适的存在，而是一个小众的存在。在这样一个发展阶段，元宇宙必然会经历风浪的洗礼，必然会经历曲折的过程。只有当元宇宙的应用场景深入到了我们生活当中的方方面面，只有当元宇宙的用户惠及到了我们生活当中的每一个人，只有当人们应用元宇宙像应用互联网一样普及，元宇宙的发展才算是真正成熟。因此，不要用元宇宙当下所经历的波折来简单粗暴地将其界定为一个伪命题，更不要用资本的退潮，大厂的撤退来定性元宇宙。只有真正将元宇宙看成是一个普适的过程，并且将它看成是一个长期的、持续的过程，我们才算是真正把握了元宇宙的真实奥义。结语大厂的撤退、ChatGPT的火爆，开始让越来越多的人们将其与元宇宙的降温联系起来，甚至还有人认为元宇宙开始成为伪命题。很显然，这是没有把握元宇宙的发展逻辑和原始奥义所导致的。我认为，它们并不能够证明元宇宙的风口已过，反而恰恰证明元宇宙正在发展和完善。正确地看待元宇宙，并且真正把握元宇宙的发展规律，我们才能跳出以资本的眼光来看待元宇宙的错误做法，正确把握元宇宙的发展逻辑。 —完— 来源：金色财经

金色财经2023-02-27

《Meta Monopoly如何参与Gamefi、Defi》

Meta Monopoly官方近期宣布了将在3月份开启MONO第二生态（DeFi）以及生态治理代币“MONO”的上线 Meta Monopoly由澳大利亚专注web3游戏的风险投资基金Immutable Venture、以太坊皇帝基金会Ethemperor Foundation和EA游戏工作室、澳洲“无限加二”（Infinity Plus Two）游戏工作室，共同打造的项目，此前完成数百万美元种子轮融资。可以说Meta Monopoly的投资背景和项目前景都很硬核。首先简单介绍一下Meta Monopoly的生态，MONO的生态目前有两部分组成Gamefi以及3月份即将上线的Defi（循环销毁智能合约系统），生态的前期以社区建设为基础打造了全球性的社区以及Monopoly33年11个版本中在全球收获的近10亿用户，都为MONO的生态奠定了非常庞大的用户基础。大多数玩家可能不太了解如何通过Gamefi、DeFi来获取生态治理代币”MONO“，下文将为大家详解一下MONO 该如何获得、交易。 Gamefi Meta Monopoly的Gamefi 1.0在1月9号正式上线，子币”MSD“也随之开放了交易，目前在游戏官网可以用500枚MSD来购买一个盲盒来开出不同星级的NFT来进行游戏挖矿，盲盒还可以开出不同的道具，利用好道具也会让玩家的收益越高，其中也有很多场景的玩法非常吸引玩家，比如：银行的质押以及综合大厅等功能，还有针对于销毁的医院、合成系统等场景。那么在游戏中去获取MONO的奖励呢，Meta Monopoly下一个版本中即将开启”玩家月排行榜“系统，每个玩家可以参与进行打榜来获得”MONO“，排行榜分为两个板块：玩家排行榜：根据（NFT数量、产币量、命中率）进行评定排行，那么对于一些经常关注主流货币以及工作室都非常有诱惑力的。贡献值排行：在下一个版本中，也是开启了每月贡献值排行可以让推广游戏的玩家获得更高的一个收益。 DeFi 如果说Gamefi是MONO的生态基础，那么Defi就是MONO生态的第一栋高楼，MONO采用了最稳定、最适合目前用户基础以及区块链行业的机制”循坏销毁智能合约“系统，用USDT购买1000枚MONO进行销毁获得1000算力，每1个算力通过全网算力产出可以获得3枚MONO代币，销毁的MONO代币直接是进入了黑洞，销毁的 ⅓会对代币产生长期销毁通缩的压力，通过社区以及共识者的努力协同基金会、机构的推波助澜一起来打造MONO第二生态，未来的价值会越来越高，并且MONO的分享机制以及团队机制（详细请看解析)于布道者、社区建设者都是非常友好，收益也非常可观。 Meta Monopoly下一个生态在3月份即将到来，可以通过token钱包的Dapp进入官网来参与一个奇迹，同时也会上线到“薄饼”（pancakeSwap）去中心化的交易所，小编与大家一样也是非常期待。最后，友情提示两点： -目前第二生态尚未开始，抓紧时间去做你能做的机会；免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。来源：金色财经

金色财经2023-02-27

徐可对话知名加密基金CVN创始人Neo Wang和Web3头部交易所Bybit BD Lead Jenny

资孵化等。我现在投资孵化的另一个项目叫Meta2032，它是一个Web3元宇宙项目生态合集平台，用户可以通过Meta2032探索各种Web3项目，例如DeFi质押借贷，机枪池、Game-Fi、NFT交易市场等。我们致力于将Meta2032打造成元宇宙的可视化入口，同时研发去中心化IM、将AI与元宇宙世界相结合等，打造一个全球领先的元宇宙生态平台。” 来源：金色财经

金色财经2023-02-27

TopGoal是如何跨越技术围墙打造足球元宇宙“元”体验？

那么它的视觉吸引力就毫无意义。 4. MetaHuman Design - 虚拟人设计在元宇宙中，人是一个基本要素。人们需要一个能用面部表情和动作表达自己的人类形象，这远比我们通常看到的苍白和呆板的角色要好得多。TopGoal为MetaHuman设计提供了三种流程：真人扫描、从零开始创建和改进现有角色。现有的内部工具用于设计面部表情控制器，能够捕捉甚至微小的肌肉运动，并且其输入很容易进行自定义。TopGoal MetaHuman最终目标是让每个玩家都能拥有自己独特的形象，任意编辑并在TopGoal元宇宙的所有活动中使用。 5. Creative Gameplay Design - 创意游戏设计足球无疑是全球最受欢迎的运动，数三十亿球迷可能玩过三大最著名的足球比赛中的一个或多个：FIFA、PES 和 FM。在TopGoal元宇宙中创造出了新颖的事物并讲述了一个引人入胜的故事。TopGoal在最近在另一篇文章《TopGoal：把足球搬进元宇宙的野心》中详细描述了其独特的游戏系统，提供了玩家在任何其他游戏中都找不到的无与伦比的体验。 6. Economic System Design - 经济系统设计像现实世界的足球俱乐部一样，一位熟练的元宇宙足球经理必须平衡收入和支出。签约球员需要虚拟货币，而出售球员则会赚取货币。排名靠前能够获得更多奖励，例如$GOAL，排名靠后则较少。升级俱乐部基础设施能够吸引更多球迷到体育场观赛，带来更多的收入，但这也需要立即支出。雇用经验丰富的教练和球探可以为球队提供长期的利益，但他们的薪水可能会使俱乐部的财务平衡处于风险之中。虚拟球员的价格由数百万在线管理人员决定，价格会不断变化。设计一个包含多个系数的生态系统是一个具有挑战性的任务，TopGoal团队有信心在Multiverse Footballcraft开放测试三到四个月后，吸引到数百万球迷参与。当前的TopManager游戏将并入Multiverse Footballcraft项目中，整个游戏引擎、体育场馆、比赛动作将被升级和优化，渲染精度将提高 10 倍，给予玩家最真实的虚拟体验。 7. Cross-Platform Compatibility - 跨平台兼容性我们认为足球元宇宙应该让每个人都能轻松访问，无论他们选择使用哪种设备。TopGoal团队的目标是确保玩家可以在各种设备上享受游戏，包括浏览器、iPhone、Android手机和PC/Steam。基于此，TopGoal Multiverse Footballcraft项目将推出所有支持版本，以便玩家可以从他们喜欢的任何设备访问游戏。元宇宙的潜力比我们想象的更高，归根结底，元宇宙将呈现我们未来线上与其他人互动和交流的一切。在足球游戏技术和足球游戏制作流程的基础上，只有游戏创作者才是解锁元宇宙潜力的关键。TopGoal 将建立起一个真正的基于区块链的足球元宇宙。现实足球世界将会通过人工智能技术、区块链技术与数字世界无缝连接，可组合性、互操作性和可沉浸式将在TopGoal元宇宙内实现，这将会为足球原有的体验方式带来革命。来源：金色财经

金色财经2023-02-27

国金证券：给予杰普特买入评级，目标价位72.1元

R等领域，绑定苹果、宁德时代、比亚迪、Meta等多家头部客户。凭借较强的产品优势和客户资源，公司毛利率水平多年维持在33%附近，盈利能力长期稳定。　　锂电：公司拥有动力电池激光加工全系产品，供货一线客户，有望实现进口替代。公司激光加工产品覆盖锂电池加工中后道工序（主要为激光切割、激光焊接），根据我们测算，23-25年锂电池激光焊接+激光切割市场规模为87、76、70亿元；公司已成功供货宁德时代、比亚迪、科达利等一线锂电池厂商，随着订单逐步交付，23年有望成为公司锂电激光设备放量元年。　　光伏：多技术路线布局顺利，开辟新增长点。1）PERC：向客户提供激光掺杂设备、硅片开槽激光器，开始小批量交货。2）TOPCon：根据我们测算，23-24年TOPCon硼掺杂激光设备市场规模为5.7、5.6亿元，公司该设备已实现批量出货，有望充分受益N型电池扩产。3）钙钛矿：成功交付全球首套柔性模切设备，随着钙钛矿厂商产能逐渐落地，公司钙钛矿激光设备收入有望稳步增长。　　光学装备：专注XR检测、VESCL模组及摄像头模组检测。1）XR：根据WellsennXR数据，全球XR设备出货量有望从22年1028万台提升到25年的3800万台，XR设备需求高增催生检测设备新需求。2）VESCL模组检测：根据公告，公司为手机大客户定制研发VCSEL模组检测，并在22年批量出货，产品验证顺利。3）摄像头模组检测：入股睿晟自动化，完善AA摄像头模组检测水平，实现技术和客户资源协同。　　盈利预测、估值和评级　　我们预计公司22-24实现营业收入为11.84/19.24/25.55亿元，归母净利润为0.97/1.93/2.70亿元，对应PE分别为54/27/20倍。考虑公司业绩高成长性，给予公司23年35倍PE，对应目标价72.1元，首次覆盖给予“买入”评级。　　风险提示　　新能源业务拓展不及预期风险、下游需求不及预期风险、原材料价格上涨风险、限售股解禁风险、人民币汇率大幅波动风险。证券之星数据中心根据近三年发布的研报数据计算，海通证券余伟民研究员团队对该股研究较为深入，近三年预测准确度均值高达84.41%，其预测2022年度归属净利润为盈利8900万，根据现价换算的预测PE为59.15。最新盈利预测明细如下：该股最近90天内共有2家机构给出评级，买入评级2家；过去90天内机构目标均价为67.5。根据近五年财报数据，证券之星估值分析工具显示，杰普特（688025）行业内竞争力的护城河一般，盈利能力良好，营收成长性一般。财务可能有隐忧，须重点关注的财务指标包括：应收账款/利润率、应收账款/利润率近3年增幅、经营现金流/利润率。该股好公司指标2星，好价格指标2.5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，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2023-02-27

超越你想象的“鹰”，跌出机会？标普500ETF（513500）交易溢价

苹果、谷歌、英伟达跌超1%，脸书母公司Meta跌0.96%。标普500指数覆盖的11个行业板块中，上周仅有能源板块小幅上涨0.17%，其余板块均下跌。原材料板块本周下跌0.13%，为下跌板块中跌幅最小的板块，年内累计涨幅为4.45%；可选消费品板块本周下跌4.44%，表现最差，年内累计涨幅为11.14%。有分析人士称，在就业市场出现问题之前，我们不会看到任何实质性的下行。强劲的就业市场可能会造成"负反馈循环"，经济扩张难以抑制，美相关部门也会采取激进措施。另外，最近的美相关部门会议纪要显示，几乎所有官员都众口一词，认为加息25个点是合适的，而少数官员则倾向于加息50个基点。（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2023-02-27

ChatGPT：OpenAI的技术「执拗」与「豪赌」

T-3 体量相当的一些开源模型，例如 Meta 的 Opt 和 BigScience 的 Bloom，似乎没有进行这一步清洗。这也许是这两个开源模型效果劣于 GPT-3 的原因之一。此外，数据质量的衡量维度不是单一的，诸如数据的多样性、内容重复度以及数据的分布情况都是需要考虑的因素。例如虽然 GPT-3 所使用的网页、百科、书籍这三大类数据中，网页数据的总量是最多的，但在训练时这三类数据的采样并不是按照实际数据的多寡进行的。另外值得一提的是，在指令微调的阶段，采用人工编写指令也许是一个重要的影响因素。InstructGPT 的论文明确指出在测评过程中，采用人工编写的指令训练出来的模型，比采用现有的 NLP 数据集通过模版的方式构建指令训练出来的模型有更好的效果。这也许解释了在 T0、FLAN 等由 NLP 数据集构成的指令数据集训练出来的模型为什么效果会差一些。训练过程的影响这类巨型模型在训练时通过集群进行训练，同时采用数据并行、模型并行以及 ZeRO 优化器（一种降低训练过程显存占用的方法），这些方式为训练的稳定性引入了更多的变量。如下这篇分析指出甚至模型是否采用 bfloat16 精度都对结果有明显的影响。分析链接：https://jingfengyang.github.io/gpt 相信了解了上面的这些内容，大家对复刻一个类 ChatGPT 的方式以及会面临的问题会有一个大致的了解。有幸的是 OpenAI 已经证明了这技术路径是能够走通的，ChatGPT 的出现也确实正在改变 NLP 技术的发展走向。 4、未来的展望 ChatGPT 从 2022 年 11 月上线以来，引起了极大的关注。相信即便是非专业领域，甚至是与计算机也很少打交道的群体，或多或少地都知道它的存在，这个现象本身就已经反映出它的出现有些不同寻常。圈外的大众更多的是以好奇、惊讶或者惊叹的方式来感性地认识它的出现。而对从业者来说，它的出现更多的是对未来技术走向的思考。从技术的角度来说，ChatGPT 的出现标志着 NLP 领域的又一次范式切换。之所以说是「又」一次，是因为在 2018 年，也就是初代 GPT 发布的那一年，与之同年发布的 BERT 模型以自身优异的表现，开创了 NLP 的「预训练 + 微调」范式的时代，具体内容在第二章中已经做过介绍了。这里主要介绍由 ChatGPT 开启的「文本生成 + 指令」的范式。具体来说，就是利用训练好的 ChatGPT 或类似的文本生成模型，通过输入适当的指令（prompt）来完成某一项具体的场景。这种范式与此前的 NLP 技术应用有很大的不同。不论是早期的利用 LDA、RNN 等统计模型或很小的深度学习模型的时代，还是后来利用 BERT 等预训练配合微调的时代，技术所提供的能力是相对原子化的，距离实际的应用场景有一定的距离。就拿前面举的让 ChatGPT 根据要求写英文邮件的例子，按照此前的做法，可能需要先抽取实体、事件等内容（比如时间、地点、事件等），然后通过模版或是模型形成邮件的样式，再通过一个翻译模型转化为英文。当然如果数据量足够训练端到端模型的情况下，也可以跳过中间的若干步骤。但不论采用哪种方式，要么需要将最终的场景拆解成原子化的 NLP 任务，要么需要对应的标注数据。而对于 ChatGPT 来说，只需要一个合适的指令。三个阶段的 NLP 技术范式。这种生成式模型搭配 prompt 的方式，直接略过了中间的各项 NLP 能力组件，用最直接的方式解决应用场景的问题。在这种范式下，完成终端应用的技术路径将不再是用单点 NLP 能力模块通过搭积木的方式组合起来。当然，这个过程不是一蹴而就的，也不意味着 NLP 的单点能力变得不重要。从测评的角度来说，每一个单点能力的好坏依然可作为评价模型效果的指标。并且，就某些场景来说单点能力依旧是一个强需求。例如在订票系统中本身就需要针对时间、地点进行提取。但与此前不同的是，ChatGPT 本身也可以完成单点能力，而不需要使用额外的功能模块。 ChatGPT 进行信息提取。 ChatGPT 进行情感判断。从这个角度来说，可以把 ChatGPT 看作是一个以自然语言作为交互媒介的 NLP 工具。如果说在过去，我们是通过模型 + 数据 + 设计训练任务的方式来完成某项 NLP 能力，那么 ChatGPT 则是通过设计指令来完成这些能力。可想而知，ChatGPT 的出现大大降低了 NLP 技术的应用门槛。但它目前还不是全能的。最重要的一点在于它缺乏准确可靠的垂直领域知识，为了让它的回答可靠，最直接的方式是为它提供外部的知识来源，就像微软将 Bing 的搜索结果作为它回答的信息来源那样。因此，「传统」的 NLP 技术并不会就此完全消亡，而是会以「辅助」的角色，作为目前 ChatGPT 短板的补充，这也许会是未来 NLP 技术应用的新范式。作者：追一科技来源：机器之心、DeFi之道来源：金色财经

金色财经2023-02-26

周末要闻集锦出炉！职工医保门诊共济保障机制改革详解，个人账户结余归属不变，“股神”巴菲特发出警告

“财政赤字会导致严重后果”。　　Meta发布全新大型语言模型LLaMA 加入硅谷AI竞赛　　Meta公司近日发布一款新的人工智能大型语言模型LLaMA，加入微软、谷歌等硅谷公司的竞赛。Meta首席执行官扎克伯格在Instagram表示，LLaMA模型旨在帮助研究人员推进工作，在生成文本、对话、总结书面材料、证明数学定理或预测蛋白质结构等更复杂的任务方面“有很大的前景”。Meta表示，在大多数基准测试中，参数仅为十分之一的LLaMA-13B的性能优于OpenAI推出的GPT3（175B），也即支持ChatGPT的GPT3.5的前身。　　段永平也买了石油？回复网友：跟下老巴、纯属好玩或者跟踪一　　有“中国巴菲特”之称的知名投资人段永平今日在雪球发帖称：“$西方石油（OXY）$买了一些，偶尔也抄下作业。随后他在评论区回复网友：“我对油不懂也没兴趣搞懂，只是跟下老巴而已。”“纯属好玩或者跟踪一下。不完全懂是不应该赌身家的，不敢赌身家的“投资’其实都很难算得上正经投资’。近期，美国证券交易委员会（SEC）披露了“股神”巴菲特旗下伯克希尔哈撒韦截至2022年12月31日的持仓报告（13F），其2022年第四季度十大持仓股分别为苹果、美国银行、雪佛龙、可口可乐、美国运通、卡夫享氏、西方石油、穆迪、动视暴雪和惠普。

金融界2023-02-26

AI 赋予文字无限力量：“由文本生成一切”的一年

月份，一批从文本到视频的生成软件面市。Meta公司的Make-a-Video可以根据文本和静止图像生成视频，而谷歌大脑的Phenaki可以根据一系列构成故事的提示词生成一个连续视频。也许更有用，或者说更令人担忧的是，这些生成模型也能胜任代码的编写。当用户注意到GPT-3可以写出像样的代码时，GPT-3开始登上新闻头条，声名鹊起。从那时起，代码生成语言模型的能力有了很大的进步。OpenAI的Codex能将自然语言转化为代码，并且许多其他类似的模型也在纷纷效仿。DeepMind的AlphaCode也能以合理的水平解决编程问题。这些技术进步彼此追赶的速度令人印象深刻，正如Kevin Roose等人所评论的那样：“AI的发展速度如此惊人，怎么强调都不为过。我刚写完一篇关于AI惊人发展速度的文章，市场上就有了一些重大发布，包括OpenAI的Whisper（语音到文字的转录软件）和文字到视频的生成软件。” 而且AI还可以更进一步：文本也可以转化为其他媒介，包括音频、动作和3D。而且，正如我们的同伴Jacky Liang博士所展示的，语言模型甚至可以根据自然语言指令编写机器人政策代码。看起来生成式AI的可能性是无穷无尽的。我们只是看到了人工智能模型创造力的雏形。我预计，随着越来越强大的模型开发出来，文本将能够指导大量的发明创新。红杉资本最近发布的《生成式AI应用格局》，已经展示了许多不同的细分赛道。在一个特定的生成赛道内，有许多可能性和商业领域可以应用这种类型的生成工具。文本生成不仅可以承担文章的写作，还可以承担平台的后期语言调整；图像生成和文本转3D工具可以为游戏、信息应用和市场营销创造各种工艺品；其他应用提供了生成文档的能力。而且，正如上图所指出的，音乐、音频和生物/化学方面的应用还没有到来。 ChatGPT和更多的“文字到文字” 即使是在“文本到文本”领域，也有海量的事情可以做：最近推出的ChatGPT在互联网上炸开了锅，基本上是因为该模型有能力以对话的形式全面回答问题。你可以要求它为你制定一个简单的锻炼计划，写一个课程大纲，建议你做什么，向你某位哲学家的作品，以及其他很多事情。不够值得注意的是，ChatGPT的知识有严重的局限性。事实上，如果你要求ChatGPT提供关于某个特定主题的更多细节（例如普鲁斯特关于时间性质的想法），它就会开始自己绕圈子——挺符合你对一篇高中生作文的期望。事实上，ChatGPT的存在可能会改变我们对写作技巧的某些方面的理解。 > 也许有理由感到乐观，如果你把这一切放在一边。也许每个学生现在都能立即进入更高的写作层次，每个学生都可以直接进入写作事业的更精细的方面，任何难以模仿的东西都将变得更明显。逗号连接、主谓不一致、冗长的修饰语等令人头痛的机械性问题都不复存在，写作的基础技能已经直接给定了。正如我所提到的，ChatGPT似乎还只能对它所阐述的主题作比较浅层次的描述，无法太深入。它可以写得足够流畅，并给你一些所需要的细节，但如果你能提供它所缺乏的深入分析和深刻理解，它就还不能替代你的工作。文本能超越自己吗？通过在多模态数据集上训练模型，我们可以理解文字、语言中编码的信息如何映射到图像、三维图像和我们周围世界的其他表现形式。“文本到图像”表明，生成的图像可以反映精确的文字描述。但是生成式AI还不能做到尽善尽美，Stable Diffusion模型在其生成的图像中明显存在着赋予人类正确手指数量的问题。但值得注意的是，在“文本到图像”系统中，仅仅通过扩大语言模型就能实现改进。Imagen使用仅在文本上训练的T5编码器（110亿个参数），产生的图像比DALL-E 2更逼真，后者的文本编码器已被训练为产生类似于匹配图像嵌入的文本嵌入。也就是说，将文本转化为其他模态的可能性（我们可以做什么，以及我们用目前的方法能走多远）并不明显。对那些看到真正发展限制的观点，我感同身受：尽管“文本到图像”数据集可以告诉我们这个世界的很多景象，但它们不存在于物质世界中，缺乏像我们一样能够与物体、与其他人类互动的能力，并通过互动从周围世界中收集视觉和非视觉信息。但是显然，有很多事情可以做。谷歌最近的RT-1（变形机器人）展示了如何利用自然语言来解决机器人任务。 “ChatGPT可以为你策划一场主题派对，但它能帮你在派对结束后打扫屋子吗？很可惜不能。我在谷歌机器人的朋友刚刚公布了RT-1，一款带有眼睛、手臂和轮子的变形机器人！” 正如François Chollet在一次采访中向我指出的那样，在“文本到图像”这个领域，神经网络的能力可以大放异彩。我也对潜在的二级应用场景感到兴奋，比如在文本指导下的分子设计和其他并不显而易见的创意。然而，我认为要真正发掘“文本到X”模型的潜能，着实需要有更好的界面：我们需要以更好的方式，向模型表达我们的意思、概念和想法。提示工程作为一门学科出现，可以反映出我们目前与GPT-3等模型的交流方式是低效的。展望未来，我认为在我们使“文本到一切”成为现实的过程中，我们需要解决两个驱动发展的问题： 1. 我们如何构建界面，使我们能够更好地将我们的意图传达给AI模型？ 2. 这些模型能够为我们带来哪些有用的生成结果或行动？但是在实际问题之外，我认为另一个问题更有意思：文本到{文本、图像、视频等}的模型并不完美，但非常好用。在将想法以图像或视频的形式呈现出来这一方面，这些模型远比普通人，甚至是本身颇有艺术造诣的人类要好得多。正如Daniel Herman关于ChatGPT提出的问题：对从事艺术、从事视频制作而言，文本到一切意味着什么？我们是否会进入这样一个时期：艺术的基础知识变得更加商品化，任何人都可以通过不同的媒介，以更精细的艺术手法传递自己的思想？在那里，水彩画的技巧被简化为提示中的文字，剩下的就是人类和AI系统之间的共舞互动？一如既往，我们不应该夸大这些AI系统的能力——它们经常会出现显而易见的错误。但是，当遇到正确的问题时，AI可以表现得很出色，为人类提供更多空间去做更有趣的事情，并追寻写作、艺术的更高层次。而且，除了这些直接的应用之外，“文本到X”模型及其基础技术还有哪些尚待探索的进一步应用？研究人员已经在考虑如何使用NLP模型来预测蛋白质的氨基酸序列，这是预测字母序列的一个明显的应用，离生成文本只有一步之遥。投资者和人工智能报告的作者Nathan Benaich，在我最近与他的谈话中提到，他对最先进的扩散模型如何应用于生物和化学领域感到兴奋。今年是“从文本到一切”的一年，如果说从今年的惊人发展中可以学到什么的话，那就是文本作为一种“发出指令”的媒介，正变得更加强大。你不需要艺术培训，也不需要一套数字艺术软件或绘画工具，也能来把“漂浮的城市”这一想法变成视觉现实。你可以把它说出来或打出来，让它存在。你将用你的文字创造什么？来源：DeFi之道作者：Daniel Bashir 来源：金色财经

金色财经2023-02-26

24小时热点