FX168财经网_全球视野外汇黄金加密货币NFT资讯网

科华数据跌超3%，人工智能ETF（159819）盘中微跌

%。消息面上，近期，人工智能研究公司OpenAI推出的聊天机器人ChatGPT迅速成为全球科技界关注的焦点，国内企业也宣布相关业务布局。天风证券分析认为，生成式AI可能快速改变各行各业，并且可能加强每个人的创造能力与挖掘每个人的新需求，全球算力+软件栈行业、模型+云计算行业，应用+传感器行业、柔性生产+供应链行业长期投资价值显著。（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2023-03-09

ChatGPT热潮之下虚假新闻、算法歧视、信息泄露的法律风险你了解吗？

金色财经2023-03-09

对冲基金大佬格里芬：城堡投资集团或将全面采用ChatGPT

·格里芬周二表示，他旗下的公司正就使用OpenAI的ChatGPT工具的企业级许可进行协商。　　格里芬周二在一次采访中表示：“这个技术分支对我们的业务有真正的影响。从帮助我们的开发人员编写更好的代码，到不同语言之间的翻译软件，以分析我们在日常业务过程中分析的各种类型的信息。” 　　自去年11月推出以来，ChatGPT已经成为一种全球现象，几乎可以为任何类型的问题提供详细的答案。格里芬的对冲基金和电子做市商长期以来一直走在自动化和其他技术进步的前沿。　　格里芬说：“这是互联网历史上增长最快的消费者应用程序。我真的很高兴看到这将如何改变世界。” 　　格里芬是美国金融业第三大富豪，净资产超过360亿美元，他于1990年创立了城堡投资集团，后来又创立了城堡证券（Citadel Securities），为资产管理公司、银行、经纪自营商、对冲基金、政府机构和公共养老金计划提供服务。　　关于ChatGPT将如何应用于这两种业务仍存在疑问。格里芬说：“这将需要大量目前由人类完成的工作，并以一种截然不同的、高度自动化的、高效的方式来完成。” 　　与格里芬的开放态度不同，华尔街很多大型机构已开始限制使用ChatGPT。据知情人士透露，美国银行、摩根大通、花旗集团、德意志银行、高盛集团和富国银行等都对ChatGPT进行了限制，美国银行告诉员工，ChatGPT和OpenAI被禁止用于商业用途。

金融界2023-03-08

AIGC CHAIN“AIGC+WEB3”的模式加速推动创作者经济爆发

ion报道，ChatGPT背后的开发商OpenAI目前的估值已接近200亿美元。一些新晋独角兽也成为了资本眼中的“香饽饽”，Stability AI、Jasper、OpenAI等企业的估值也水涨船高。由此可见，AIGC已经成为了最新的生产力工具、web3.0时代的基础设施，是乏善可陈的互联网创新中的一抹亮色。据Gartner预计，到2025年，AIGC将占所有生成数据的10%，有潜力产生数万亿美元的经济价值。而AI与Web3结合的探索也一直是业内重点探讨的领域和方向，AIGC Chain就是这个大背景下的一次重要尝试。AIGC Chain可以说是AIGC领域的第一条公链。随着生成扩散模型和多模态预训练模型等技术的快速发展，在图文生成效果上有了显著进步，AI可以快速、灵活地生成不同模态的数据内容，延续了2022年以来AIGC赛道的爆火。根据已有的公开资料和项目白皮书来看。从定位上来看，AIGC Chain 旨在成为一个支撑人们数字生活的基础设施，基于 Oben Ai 的核心算法和分布式网络协议，推动和促进人工智能更好的发展。任何人都能够轻松参与，通过 AIGC 模型训练、Ai内容创作以及提供 GPU 服务和数据存储资源等方式，允许用户对其数据及使用方式进行更好的控制，参与到分布式经济并从中受益。AIGC Chain 致力于为用户降低成本、节省时间并提高数字生活的质量。用户通过生成内容、共享和点评内容、训练机器学习模型以及为网络提供计算资源（如GPU服务器和数据存储）加入AIGC Chain 的生态系统，在生态中扮演更为积极的角色，同时从社区的集体知识和资源中受益。AIGC Chain 打造了一个更开放、友好、共建的环境，用户在这里可以更好地控制自己的数据和参与 Web3 的建设。从团队背景来看，AIGC Chain发起者系Stability AI联合创始人Cyrus Hodes。他拥有哈佛大学的公共管理硕士学位，巴黎二大学工业动力学硕士学位和巴黎科学院文学学士学位。此外，Cyrus是OECD人工智能计算和气候专家小组的成员，全球人工智能合作伙伴关系（GPAI）的专家，是气候行动人工智能和农业人工智能委员会的一部分。他是IEEE的“积极地球2030”合作——可持续性公共资源的联席主席。Cyrus是阿联酋总理办公室人工智能部长的首席顾问。而目前AIGC Chain的核心算法来自于Oben 团队，这是一家2014年在洛杉矶创建的、专注研发人工智能的科技公司。Oben已经为全球大量企业级客户和亿级体量用户提供了核心技术支持与服务，并开发了众多由 AI 驱动的产品功能，已获得多项 AI领域的技术专利。资深的AI团队成为了AIGC Chain在AIGC领域“发光发热”的“敲门砖”。将于今年3月开启测试节点申请的AIGC Chain的核心算法团队Oben非常还有着不俗的投资背景，它已获得来自腾讯、软银、K11等众多顶级投资机构数千万美元的投资。提及K11就不得不提其集团创办人及主席郑志刚。2022年8月，郑志刚在推特上发文，大方承认自己就是持有101 枚Azuki NFT 的神秘巨鲸—「LastKnight」。作为NFT巨头，Azuki的持有者已经成为了NFT社区中最活跃的买家之一，Discord讨论群的活跃人数随时都在万人以上。如果K11发动Azuki与AIGC Chain进行联动，将会引发NFT内容呈现形态的变化。并且NFT其实具有很高的可塑性及庞大的用户群体，AIGC可塑性高及低成本也会使得未来NFT通过AIGC再创作成为必然趋势。在Azuki这种巨鳄的带动下，AIGC Chain将会获得更多NFT项目的合作机会，并涌入大量的使用者。来源：金色财经

金色财经2023-03-08

AIGC 浪潮下 Web3 的应用层创新

生成模型，可生成各种高分辨率图像。在 OpenAI，Nvidia 和 Google 设法训练大模型之后，它们已经引起了很多关注。扩散模型扩散模型的生成逻辑相比其他的模型更接近人的思维模式，也是为什么近期 AIGC 拥有了开放性的创造力。本质上，扩散模型的工作原理是通过连续添加高斯噪声来破坏训练数据，然后通过反转这个噪声过程来学习恢复数据。它具有精度更高、可扩展性和并行性，无论是质量还是效率均有所提升，其快速发展成为 AIGC 增长的拐点性因素。同时，在机器学习的过程中，需要通过大量的训练来实现更准确的结果，对于底层算力需求将有飞速增长。 2. 硬件层—分布式算力叙述崛起与传统算法相比，人工智能算法并无多余的假设前提，而是完全利用输入的数据自行模拟和构建相应的模型结构，这一算法特点决定了它是更为灵活且可以根据不同的训练数据而拥有自优化的能力，同时也带来了显著增加的运算量。随着 AIGC 生成量的增加，尤其是未来视频、游戏等内容的加入，算力需求将暴增，GPU 专用计算集群或将应运而生，这对提高模型精度和用户体验至关重要。根据 OpenAI 分析，自 2012 年以来，6 年间 AI 算力需求增长约 30 万倍： Web3 技术可以通过去中心化的方式提高机器学习的效率，这在传统的 AI 训练之中已经有所应用，比如 AlphaGo 的改进版 KataGo 使用了分布式训练技术，使得全球希望此 AI 更新的人自愿提供算力训练。 Render Network 是一家基于 GPU 基础设施，为用户提供分布式渲染服务的供应商。解决的是传统的本地渲染和云渲染无法有效利用全球 GPU 算力的问题。可以把 Render Network 看成是中间件，连接供给端和需求端。用户通过区块链发布渲染任务，而矿工则可以接单帮你渲染，期间的交易费用由 RNDR 结算。 Phala Network 的核心是云计算网络，它采用「链上共识、链下计算」的模式,链下计算节点不受共识算法的约束，通过并发编程可结合多个节点的计算能力，即便是面对 AI 繁重的计算任务，Phala 也能为其提供源源不断的算力服务。基于 Secure Enclave 可信执行环境所构建意味着即使是恶意的节点也无法窃取人工智能的数据或操纵其自动化程序的执行、提供虚假结果。在 web3 中更广泛的应用可类似于 Gitcoin，捐赠算力可以获得 POAP，或者类似于 AMM 提供了对于流动性的激励，成为有偿地出租算力的平台。 3. 商业应用层—当 AIGC 融入 Web3 消费场景从商业应用层面看，AIGC 在文字、图像、音频、游戏和代码生成中商业模型渐显，尤其在一些具备高重复性的任务、对于精度要求并不那么高的领域应用已逐步成熟，这类 AIGC 服务在 Web2 中一般以提供 SaaS 服务的形式变现（比如 Lensa, ChatGPT pro）。相比于 Stability AI、 ChatGPT 等人工智能在传统领域获得大量关注和采用，区块链更大的想象力在于可以改变 AI 模型的经济系统。前段时间出现不少 AI 概念币的大幅领涨，但我们更关注的是 FOMO 情绪褪去之后，AIGC+Web3 能在应用层产生哪些方向性创新。 a. AIGC & Mass adoption 不少传统 web2 用户对 crypto 充满兴趣，却往往因为复杂陌生的操作而放弃。AIGC 的出现有望显著降低 web2 用户的进入门槛。 1. Web3 搜索引擎：Web3 版本 chatgpt。在现 chatgpt 大模型基础之上，加入链上数据和 twitter, reddit, Lens, Farcaster, Mastodon, 加密媒体等数据源进行训练，构建 crypto 百科全书。现有用例：RSS3 RSS3 产品 Hoot.it 在 ChatGPT 的基础上增加并优化了更多 Web3 等开放网络的内容训练，使得用户在搜索内容时获得更好的体验。现有用例：Kaito Kaito，人工智能驱动的加密搜索引擎，其数据和信息通常分散在多个来源，例如 Discord、Medium、Mirror、播客抄本以及新闻和研究平台。Kaito 通过其 AI 驱动的搜索引擎将这些信息集中在一个地方。 2. 个性化 onboarding 体验：通过分析用户行为和偏好，AI 可以根据每个用户的风险偏好和过往投资经验，创建个性化的 onboarding 体验。相比于文字版教程，AIGC 引擎在创建钱包、登录、交易、智能合约交互的每一步都能进行一对一指导，降低 onboarding 复杂性和用户流失率，让小白用户更安心。 3. 投资开户引导：AI 智能助手可为用户提供最新的市场数据、热度追踪和基础的投资建议。AI 助手可以为小白用户分析市场上最热的前十大 NFT/ 山寨币，生成详细的数据图表，并协助用户在各大交易平台完成开户和购买等操作。 Comment: 这类产品主要面对散户交易者，整体流量大，基础知识欠缺，需要保证产品的强安全性和权威性，很有可能是中心化交易所先做起来。此外 web3 结构化数据少质量不高，且市场更新迭代速度非常快，在数据获取层面存在不少挑战，目前大多项目尚未开启测试，产品体验不明确。 b. AIGC & 游戏 1. 增强沉浸感：AIGC 驱动的游戏角色可以为玩家提供更真实的体验。AI 驱动的 NPC（非玩家角色）可以生成更复杂、逼真的行为，增强游戏的交互性，并根据用户的行为实时响应他们的行为和决策。现有用例：荒野大镖客、地图生成等。《荒野大镖客 2》玩家与 NPC 之间有着丰富的交互选项——问候、买卖、惹恼、掏枪、抢劫、启动任务、逼问秘密等等，根据交互对象而改变，这些随机性内容在 AI 的加持下，能够形成更丰富 / 更真实的交互体验。《微软模拟飞行》所有 1.97 亿平方英里的环境主要是通过人工智能来完成，微软公司与 blackshark.ai 合作，通过 AI 从二维卫星图像生成无限逼真的三维世界。 2. 降低游戏创作门槛：创作者可以更低门槛地进行游戏创作，目前大多数开放世界的 UCG 游戏编辑器虽然已经简化了游戏创作的步骤，但仍然创作者需要一定的编程基础，在 AIGC 的帮助下无代码编程将成为可能，玩家通过文字描述或图片生成特定的游戏资产、风格场景、gamplay 等。现有用例：Lifeform AI Lifeform 用户可通过 AI 工具生成专属卡通角色。Lifeform AI Cartoon 开展了为期一个月 freemint 活动，从 2 月 17 日到 3 月 17 日。玩家大概支付 0.5 美元手续费免费铸造，每个钱包限额一个. 截止至 2 月 25 日 NFT 已经在 BNBChain 上铸造了 20.7 万枚，共 13.3 万个钱包地址持有 AVATAR NFT。现有用例：Anything World Anything world 元宇宙 AI 动画工具开发公司将于今年 12 月登陆 Epic Games 虚拟引擎。Anything World 主要构建 ML 驱动的大规模创建开源、可用可混合的 3D 工具，降低人们进入 Web3 世界的门槛。现有用例：AIRENA AIRENA 是现实世界和 Metaverse 之间的迅捷交互通道，致力于运用先进的 3D AIGC 功能，Metaverse, 空间 UGC 系统，为现实 2D/3D 艺术创作者们建设一站式艺术，娱乐社交平台。AIRENA 简化的全格式 NFT 创作流程和 UGC 空间内创作功能将使 AIRENA 成为个人，艺术家，企业参与、整合与构建平行世界的全方位解决方案，为 META 探索和交易数字资产提供无缝体验。 3. 个性化游戏体验：AIGC 可以帮助个性化玩家游戏体验。通过跟踪玩家的行为和偏好，AI 算法可以提供量身定制的建议和游戏选项，提高玩家满意度和留存率。现有用例：Mirror World AI 驱动的链游项目 Mirror World 已于 2021 年 9 月推出互动式 NFT Mirror NFT，可跨 Mirror World 全平台的游戏流通，并预计将在今年推出三款资产互通的游戏。 4. 公平性和防作弊：AI 驱动的反作弊系统可以检测异常的行为模式，如自瞄或透视挂，然后标记进行进一步调查。此外 AI 驱动的随机数生成器（RNG）可提高链上菠菜游戏的公平性。 5. 动态游戏平衡：AI 可用于优化游戏平衡，根据玩家的行为和技能水平实时调整难度级别和挑战。游戏将更加有趣和富有挑战性，同时玩家也不会因过于困难的关卡而感到沮丧。现有用例：RCT AI RCT AI 针对 Axie Infinity 开发了 AI 训练的 DRL（Deep Reinforcement Learning）模型，由于 Axie Infinity 所有卡牌的组合数量大约有 10^23 种，还有游戏中的博弈等特点，rct AI 的模型在大量模拟对战数据中提升了效率和胜率。 Comment: 在游戏领域 AIGC 的主要用例是做基础设施优化，较难成为一个独立的商业模式。 c. AIGC & 去中心化社交内容创作: AIGC 可以带来全新的内容创作方式，运用 AI 生成内容的能力让普通的加密用户加入到创作过程中。用户并不一定要贡献具体创作的内容，可以贡献思路或者微调模型。减轻社交压力：AIGC 可以帮助用户总结复杂的信息流，让用户能快速读取关键信息，减轻阅读压力；在未来有可能通过学习用户的语气和个人偏好，在得到用户授权后自动为我们处理社交消息，完成简单的决策。 DID 和成就体系：运用 AIGC 打造数字身份或者生成个人成就墙。现有用例:AspectaAI Aspecta 基于云端与链上数据，应用 AI 打造具有价值深度的数字身份。从开发者开始，革命用户数据潜能。以 Aspecta ID 作为核心，Aspecta 建立了 Aspecta Identity Ecosystem，通过协议和系统为用户和第三方应用提供安全、可控的跨 Web2 & Web3 的数据存储、传输和智能应用服务。潜在用例: AIGC 成就墙还有一种潜在用例是根据用户链上交互、资产情况、nft 持仓、生成一个艺术墙。不仅仅是简单地陈列出来，而是将各种元素融合为一体，并随机应用 3D 画廊、抽象、油画、涂鸦等各种丰富的艺术形式表现出来，艺术画风与元素也会随着交互记录动态变化。 Comment: 我们如何衡量用户生成与 ai 生成内容的价值？如何衡量人与机器艺术的价值? 笔者认为 AIGC 模型是在现有的数据语料库中学习和总结，很难超出互联网平均水平。在 AIGC 时代，真正的创作者应当去思考真正的创新，进而推动文明的进步，而不是总结平庸的想法。 d. AIGC & NFT 1. 生成式 NFT：AIGC 算法可以从个体收藏家的偏好和反馈中学习，随着越来越多 AI 创作工具对普通用户开放，让 NFT 艺术创作变成了像「你画我猜」一样简单的游戏。现有用例：Eponym，Metascapes Eponym 是 Art AI 开发的一个可以根据单词或短语生成艺术作品的 AI 算法，可以在一分钟之内生成抽象的艺术作品，铸成 NFT，并将其刻在以太坊上。在 OpenSea 上的第一款产品在几个小时内就售罄，截至目前已经完成了 4722 笔 NFT 交易，交易总量达 4722 个 ETH。 Metascapes 原始素材来源于从世界上最奇幻的地点拍摄照片，AI 经过学习之后生成了这些 NFT，目前在 OpenSea 上的交易量达到 315 个 ETH。 2. 交互式 NFT: nft 本身可以根据用户的行为进行交互和成长，比如属性进化、母 nft 合并、nft 博弈竞技等。具体项目如下： Comment：AIGC 是否会影响 NFT 的稀缺性，能否获得社区认可？笔者认为应当分场景分析：中长尾 nft 完全可以靠 aigc 生成，生产效率高、概念创新、画风精美；蓝筹则更 prefer 人类艺术家。这种差别类似工业革命时代工业品和手工品区别——工业革命之前普通人缺乏基础生活用品，工业品的出现满足了民众日常需求，手工品则成为了贵族品质的象征；可见在 aigc 时代，人类艺术家价值会变得更高，但受众更少更高端。 e. AIGC & DeFi 1. 智能交易算法：AI 交易算法可以用于分析市场趋势，更准确地预测资产价格的走向，帮助交易者做出更明智的投资决策现有用例：Sumo Signals Sumo SignalsAI 加密交易策略平台,可提供基于人工智能的套利交易指标，筛选数百种加密货币，寻找表示买入或卖出信号的模式，以帮助加密交易者执行套利交易。 2. 更高效的借贷协议：通过使用 AI 算法，借贷平台可以自动评估借款人的信用价值并设置适当的利率降低违约风险，使借贷过程更加高效。 3. 去中心化预测市场：通过分析用户情绪和行为，算法或许能比专家更准确地预测事件的结果，例如选举或体育比赛。来源：金色财经

金色财经2023-03-08

大动作！美团创始人王兴参与王慧文“光年之外”A轮，并出任董事，要打造中国版本ChatGPT？

　　金融界3月8日消息在OpenAI旗下产品ChatGPT掀起人工智能技术高潮之后，国内各大互联网大佬也蠢蠢欲动。　　3月8日下午，美团创始人王兴发布朋友圈透露，个人将参与王慧文创业公司“光年之外”的A轮投资，并出任董事。王兴在朋友圈中表示，“AI大模型让我既兴奋于即将创造出来的巨大生产力，又忧虑它未来对整个世界的冲击。老王和我在创业路上同行近二十年，既然他决心拥抱这次大浪潮，那我必须支持。” 　　王慧文要打造中国版OpenAI 　　王兴与王慧文从清华的上下铺同学，到携手创办校内网及美团，从同窗到创业，一直是科技互联网圈的一段佳话。2020年，王慧文宣布从美团退休时，王兴曾在公开信中表示，“老王和我是有共同志趣的同学和室友，是携手创业的搭档和并肩战斗的战友，更是可以思想碰撞、灵魂对话的一生挚友”。　　2月13日，王慧文在社交平台“即刻”发布“英雄榜”，称要打造中国的OpenAI（ChatGPT主体公司），同时为自己的新事业招募人才。英雄榜中，他透露目前招聘研发人才，要求有三点：业界公认的顶级研发人才、狂热相信AI改变世界、坚定确保AI造福人类。　　王慧文今年2月宣布成立北京光年之外科技有限公司，自己出资5000万美元，公司的估值为2亿美元，他个人不占股份，资金占股25%，将用其他75%的股份来邀请顶级研发人才。他同时透露，公司的下一轮融资已有顶级VC认购2.3亿美金。据36氪报道，王慧文口中的顶级VC，至少包括源码资本、真格基金等。　　2月14日，他又发布了《AI英雄榜·续》，其中写到了对光年之外另外75%的股份规划：　　如果公司上市时，这些股份仍未发完，剩余的部分不会留给任何人，而是成立一支非盈利性基金，专门投资那些发展路径不清晰，实现希望很渺茫，商业价值不明确，但是一旦突破就能改变世界的科技探索。　　投资界和券商分析师口水战　　美团原二号人物王慧文的带资入局，“肉身不占股”的举动，引发投资界和券商分析师口水战。　　2月14日，海通证券分析师郑宏达在朋友圈转发了王慧文的“英雄榜”，并配文写到：“这不是扯淡么，5000万美元够干什么的？大模型训练一次就花500万美元，训练10次？互联网的人啥都不懂，就只会营销，一点都不踏实。” 　　随后，某资本合伙人却又忍不住加入“论战”，一边指责郑宏达“diss一位成就万亿公司的企业家，谁给你的勇气？”，一边建议对方应该专注本职业务，“多做一点研究、为买方提供优质的服务不好吗?”最后，还对郑宏达下达“战帖”，称要用50万美金赌王慧文创业能不能成功。　　争论根源在于ChatGPT有着较高的入场门槛　　这一争论发生的根源在于，无论是ChatGPT还是其他的Chat bot，都有着较高的入场门槛，主要体现在技术和资金两方面。　　中信建投证券在一份研报中指出，Transformer在网络结构上的进化带来了参数量和模型层数的提高，引起了生成式AI技术能力的质变；同时并行化优势允许其在更大的数据集上进行训练，这也促成了GPT等预训练模型的发展。　　在那之后，AI开始从大量训练模型向训练大模型转变，以期让AI模型具有泛化能力，让AI真正走向通用且实用。　　但是在训练大模型的过程中，背后所需要的算力、云计算、数据等等，都有着极高的资金门槛。　　OpenAI在一份提交给美国国税局的文件中指出，还在2017年时，它花在云计算上的钱都有790万美元。此外，其创始人布罗克曼等人测算，训练大模型消耗的计算量，每3、4个月会翻一倍。据多位业内人士估算，OpenAI训练GPT-3一年，仅算力成本就有2000万美元。

金融界2023-03-08

ChatGPT商业许可在路上！ Citadel亿万富翁创始人Ken Griffin迈出第一步

Ken Griffin表示，他们正在和OpenAI就使用ChatGPT的企业范围许可进行谈判。 Citadel亿万富翁创始人Ken Griffin周二在接受采访时表示：“这一技术分支对我们的业务产生了真正的影响，从帮助我们的开发人员编写更好的代码到在不同语言之间翻译软件，再到分析我们在日常业务过程中分析的各种类型的信息，应有尽有。” ChatGPT自去年11月推出以来已成为一种全球现象，几乎可以为任何类型的问题提供详细的答案。Ken Griffin的对冲基金和电子做市商长期以来一直处于自动化和其他技术进步的前沿。现年54岁的Ken Griffin谈到ChatGPT时表示：“这是互联网历史上增长最快的消费者应用程序，我真的很高兴看到这将如何改变世界。” 根据彭博亿万富翁指数，Ken Griffin的净资产超过360亿美元，他于1990年创立了对冲基金 Citadel。后来他成立了Citadel证券，为资产管理公司、银行、经纪商、对冲基金、政府机构和公共养老金计划提供服务。 Ken Griffin表示，关于ChatGPT将如何用于这两项业务的问题仍然存在。 “这将需要人们今天完成的大量工作，并以一种截然不同的、高度自动化的、高效的方式来完成。” Ken Griffin的两家公司去年都取得了巨大收益，当时Citadel证券的收入达到创纪录的75亿美元，并提升了其作为美国最大交易单位之一的地位。由于在股票和商品等领域的强劲表现，独立运营的旗舰对冲基金上涨了38%。据知情人士透露，华尔街的公司已经对ChatGPT进行了打压。包括美国银行、摩根大通、花旗集团、德意志银行、高盛集团和富国银行都对ChatGPT和OpenAI是实施了限制，美国银行告诉员工，禁止将ChatGPT和OpenAI用于商业用途。 ChatGPT可能会创建股票投资组合，或加速分析师演示文稿的制作。目前已有类似的围绕这个概念创造的交易所交易基金。 #ChatGPT火爆全网#

一禾2023-03-08

华尔街日报：谷歌工程师两年前就研究出ChatGPT类似产品，因高管反对发布而辞职

PT是由埃隆·马斯克联合创立的一家名为OpenAI的初创公司开发的，成立已有7年，利用了谷歌早期的人工智能技术。在ChatGPT首次亮相几个月后，谷歌正在采取措施，准备公开发布自己的聊天机器人，该机器人部分基于De Freitas和Shazeer参与开发的技术。这款名为Bard的聊天机器人利用网络上的信息，以对话的形式回答问题。谷歌在2月6日表示，他们正在对Bard进行内部和外部测试，目的是在未来几周内广泛发布。谷歌还表示，正考虑在部分搜索结果中采用类似技术。去年谷歌公开解雇了一名声称其人工智能已经实现感知能力的员工，高管们担心，公开展示人工智能产品可能会给谷歌的声誉和搜索广告业务带来风险。去年谷歌母公司Alphabet Inc.近2830亿美元的收入中，大部分来自搜索广告业务。 “谷歌正努力在承担多大风险与保持世界思想领导力之间找到平衡，”谷歌前产品经理Gaurav Nemade说，他在公司的聊天机器人项目工作到2020年。谷歌的一位发言人表示，De Freitas和Shazeer的工作在当时很有趣，但研究原型和人们日常安全使用的可靠产品之间还有很大的差距。在发布人工智能技术方面，谷歌必须比小型初创公司更深思熟虑。上个月给谷歌员工的一封电子邮件中，谷歌和Alphabet的首席执行官Sundar Pichai表示，公司一些最成功的产品并不是第一个推向市场的，而是随着时间的推移赢得了用户的信任。“这将是一段漫长的旅程，对整个领域的每个人来说都是如此。我们现在能做的最重要的事情就是专注于开发一款伟大的产品，并负责任地进行开发。” 谷歌在聊天机器人方面的努力可以追溯到2013年，当时谷歌的联合创始人Larry Page聘请了计算机科学家Ray Kurzweil，Kurzweil帮助普及了机器有一天会超越人类智能的想法，这个概念被称为“技术奇点”。Kurzweil后来说，他开始研究多个聊天机器人，其中一个名叫Danielle，是根据他当时正在写的一部小说改编的。谷歌还收购了英国人工智能公司DeepMind，这家公司也有类似的任务，即创造人工通用智能，或可以反映人类思维能力的软件。与此同时，学者和技术专家越来越多地对人工智能表示担忧，并向谷歌等公司施压，要求它们承诺不追求这项技术的某些用途。在一定程度上为了应对谷歌在人工智能领域日益上升的地位，包括马斯克在内的一群科技企业家和投资者于2015年成立了OpenAI。OpenAI最初是一个非营利组织，希望确保人工智能不会成为企业利益的牺牲品，而是被用于造福人类。谷歌最终在2018年承诺不将其人工智能技术用于军事武器，此前谷歌在美国国防部一份名为Project Maven的合同中所做的工作遭到了员工的强烈反对，该合同涉及使用人工智能自动识别和跟踪潜在的无人机目标，随后谷歌放弃了项目。大约在那时，在谷歌的YouTube视频平台工作的巴西出生的工程师De Freitas开始了一个人工智能的副项目。De Freitas的同事Shazeer在今年1月上传至YouTube的一段采访视频中说，他还是个孩子的时候，就梦想在能够产生令人信服对话的计算机系统上工作。在谷歌，De Freitas着手打造一个聊天机器人，它可以比以往任何尝试都更接近地模仿人类对话。多年来，这个最初名为Meena的项目一直处于保密状态，De Freitas和谷歌的其他研究人员一直在对它的反应进行微调。在微软内部，一些员工担心此类程序的风险，此前微软在2016年被迫停止公开发布一款名为Tay的聊天机器人，原因是用户刺激它做出了有问题的回应。谷歌Meena背后的团队也想发布他们的工具，即使只是以OpenAI所做的有限形式。谷歌前产品经理Nemade说，谷歌的领导层拒绝了这一提议，理由是这款聊天机器人不符合公司关于安全和公平的人工智能原则。谷歌的一位发言人表示，这款聊天机器人经过了多次审查，多年来由于各种原因被禁止更广泛地发布。谷歌团队继续研究聊天机器人。Shazeer是人工智能研究部门谷歌Brain的长期软件工程师，他加入了这个项目，他们将其重新命名为LaMDA，即对话应用语言模型。他们给它注入了更多的数据和计算能力。Shazeer帮助开发了变形金刚，这是一种广受欢迎的新型人工智能模型，它可以更容易地构建功能日益强大的程序，比如ChatGPT背后的程序。但他们的工作背后的技术很快就引起了公众的争议。谷歌的著名人工智能伦理研究员Timnit Gebru在2020年底表示，她因为拒绝撤回一篇关于LaMDA等项目固有风险的研究论文，然后在给同事的电子邮件中抱怨它而被解雇。谷歌说她没有被解雇，并声称她的研究不够严谨。谷歌的两位副总裁当时在一篇博客文章中说：“在开发LaMDA这样的技术时，我们的最高优先级是努力确保我们将这种风险降至最低。” 谷歌后来考虑在2022年5月的旗舰会议上发布LaMDA版本，去年被该公司解雇的工程师Blake Lemoine说，他发表了与聊天机器人的对话，并声称它有感知能力。他的结论开始在公司内部引发争议后，谷歌决定不公布这些数据。谷歌认为他的担忧缺乏依据，公开披露违反了雇佣和数据安全政策。据知情人士透露，早在2020年，De Freitas和Shazeer就曾想方设法将LaMDA集成到谷歌Assistant中，后者是该公司四年前在其Pixel智能手机和家庭扬声器系统上推出的一款软件应用程序。每月有超过5亿人使用谷歌助手来完成基本任务，如查看天气和安排约会。负责监督Assistant的团队开始使用LaMDA回答用户问题进行实验。不过，谷歌的高管们没有公开演示这款聊天机器人。知情人士说，谷歌不愿向公众发布LaMDA，让De Freitas和Shazeer很沮丧，他们离开了公司，开始创建一家使用类似技术的初创公司。 Pichai亲自出面干预，要求两人留下来继续开发LaMDA，但没有承诺向公众发布这款聊天机器人。De Freitas和Shazeer于2021年底离开谷歌，并于当年11月成立了他们的新创业公司Character Technologies Inc.。去年发布的Character软件允许用户创建聊天机器人并与之互动，这些机器人可以扮演苏格拉底等知名人物或心理学家等普通类型的人物。谷歌在今年2月宣布了Bard，当时微软正在举办一场活动，介绍必应整合了OpenAI技术。两天后，在巴黎的一场活动上，谷歌让媒体和更广泛的公众看到了Bard，以及一个使用类似LaMDA的人工智能技术对搜索查询生成文本响应的搜索工具。 #ChatGPT火爆全网#

Sue2023-03-08

Stability AI联合创始人Cyrus Hodes宣布发起AIGC Chain 并于本月开启测试节点

2月，由科技界大佬马斯克和奥特曼发起的OpenAI 发布了最新的AI对话语言模型 ChatGPT，并开放了免费试用，更是将行业热度进一步迅速推高。开放试用后，大量用户开始了与 ChatGPT 的互动。从闲聊、回答日常问题，到生成诗歌、小说、视频脚本，以及AI自动编程等几乎各个领域，ChatGPT 都展示了其令人惊叹的能力。在数千亿级的参数变量以及计算能力和全新算法的支持下，AI完成了量变到质变的又一次飞跃，进一步模糊了人工智能和人类智能之间的界限。据瑞银集团数据，在推出2个月内，ChatGPT的月活用户已经突破1亿（截至2023年1月底），是史上用户增速最快的消费级应用。参照移动应用分析机构Sensor Tower的数据，TikTok突破1亿用户花了9个月，而Instagram花了2年。随着ChatGPT的爆火，AIGC赛道彻底被引燃，网络上各式各样的AI创作应用也崭露头角，其中既有科技巨头谷歌、Meta、微软等，也不乏AIGC的新晋独角兽Stability Ai、Jasper等，AIGC相关企业持续获得的高额融资。投资机构已经全面瞄准AIGC这下一个万亿美元级别的蓝海赛道。已经获得十多亿美元融资的OpenAI据悉正在进行新一轮融资，微软目前正与OpenAI协商100亿美元的注资事宜。AIGC另一新秀，创始于英国伦敦和美国硅谷的人工智能解决方案提供商Stability AI也在2022年中完成种子轮融资1.01亿美元，估值达到10亿美元。近日，AI领域顶级大佬、Stability AI联合创始人Cyrus Hodes更是宣布发起首条AIGC细分领域公链AIGC Chain，引发了圈内不小的轰动。据悉，AIGC Chain是第一个基于AI内容共同训练和生成的公链，任何人都可以用它来训练自己的小AIGC模型，并且实现了分布式大模型训练，意在构建全球最大的人工智能共同训练公链系统。在各路资本和科技界大佬大举投资布局AIGC赛道之际，行业大佬Cyrus Hodes选择加入Web3机构AIGC Chain引发了人们的高度关注。其实除了Cyrus Hodes，今年以来已经有多位来自AI和Web3领域资深大咖宣布加入AIGC Chain。作为AIGC领域第一条公链，AIGC Chain确实有着坚实的技术基础。AIGC Chain基础大模型代码源自一家洛杉矶的科技公司Oben。该公司成立于2014年，由一群研究人员和创业者在洛杉矶创立。该公司的使命是以安全和负责任的方式推进和促进人工智能的发展，重点是实现人类的积极结果。Oben在机器学习、变声和自然语言处理方面进行研究和开发。制作了许多人工智能产品和服务，例如自拍照生成3D人脸、AIGC大模型。使用这些工具，用户可以用3D数智身份创造视觉内容，帮助用户最有效地实现他们的想法。Adam是Oben的联合创始人，此前曾是Lightspeed Venture Partners的投资合伙人。Adam和他在加州大学伯克利分校和清华大学的同学共同创立了Baihe.com，这是中国最大的互联网约会网站之一。Adam获得了加州大学戴维斯分校的交通博士学位和加州大学伯克利分校的金融工程硕士学位。而AIGC Chain区块链技术基础代码贡献者则是BitKeep的创始人Patrick，BitKeep是一款易于使用的加密钱包，在全球超过600万用户使用。Patrick带领团队从零开始建立BitKeep。退出BitKeep后，Patrick和他的团队向多个著名的Web3项目提供了区块链技术，包括BNB链上领先的MetaFi平台Babyswap。Patrick和他的团队在加密钱包、智能合约和多链开发方面拥有丰富的经验。在人工智能和Web3融合方面，Cyrus起到了领导性的作用。除去Stability AI联合创始人身份，Cyrus是OECD人工智能计算和气候专家小组的成员，全球人工智能合作伙伴关系（GPAI）的专家，是气候行动人工智能和农业人工智能委员会的一部分。他是IEEE的“积极地球2030”合作——可持续性公共资源的联席主席。Cyrus是阿联酋总理办公室人工智能部长的首席顾问。他拥有哈佛大学的公共管理硕士学位，巴黎二大学工业动力学硕士学位和巴黎科学院文学学士学位。从定位上来看，AIGC Chain基于一个简单的使命而成立：让全球各地的人们（无论种族、性别、教育水平、国籍、地点、文化和宗教信仰）都能公平地访问和简易地参与到AIGC生态系统。AIGC Chain是一个可分布式、模块化的AIGC模型基础设施，任何人都可以用它来训练自己的小AIGC模型，并按照自己的意愿将它们添加到AIGC Chain基础设施中。AIGC Chain是一个公共、去中心化的第二层解决方案。它是用Go语言构建的，最初与以太坊和iPollo合作。还有额外的计划将其扩展到其他网络，如BSC、Cosmos和像PAI这类的分布式算力网络。其目标是创建一个开放的、分布式AI网络，并支持存储公链，如Filecoin。AIGC Chain由AIGC生态系统集体训练和维护。AIGC Chain将支持一个P2P的市场，允许用户向AIGC社区销售分布式GPU服务、数据存储或者其他运营AI所需要的资源，无需中央平台或中介。这意味着参与者可以使用自己的web3身份，如区块链钱包地址或去中心化身份，访问市场，并向AIGC生态系统提供各种服务。市场允许参与者从各种卖家处访问和购买各种人工智能相关服务和资源，如分布式 GPU 服务、数据存储和数据标注。这有助于提高人工智能的公平性、效率和性能，并支持 AIGC 生态系统的发展。目前AIGC赛道存在着不少有待解决和优化的问题，比方说不公平、AI的艺术风格不一致性、贫困、信息熵高、信息无序等问题，而AIGC Chain将有望通过web3的方式来解决和优化这些问题。就不公平问题而言，人工智能生成的内容通过提供用户和组织新的技能和见解来解决问题，帮助他们取得成功。目前新冠疫情已经造成了巨大的经济破坏，使数百万人陷入贫困。少数族裔、边缘化和被忽视群体缺乏融入AI生态系统的条件，将进一步加剧贫富差距。使用AI生成模型和点对点市场可以帮助提升边缘化群体的独特文化、故事和技能，这些对整个人类都是有价值的。分散式AIGC基础设施将通过允许更大的参与来提高边缘化群体的参与度，从而减少疫情的负面影响，缓解贫富差距。 AIGC使用的扩散模型天生会生成随机和多样的结果。扩散模型使用随机过程，这意味着它依赖随机性和概率来生成输出，即使使用相同的提示输入，模型的输出也可能因一次运行到下一次而有所不同。此外，扩散模型可能在多样和多变的数据集上进行训练。这进一步导致了生成图像的随机性和不一致性。然而，在实际应用中，如内容生产中，通常需要一致性。AIGC Chain的技术贡献者开发了一种精确控制方法，协调视觉生成技术，解决了扩散生成图像的不一致问题。就信息无序而言，热力学第二定律指明宇宙的熵总是增加。所以如果要减缓宇宙热死亡的进程，就需要负熵。在物理学中，负熵是指系统比平衡状态更有序，而不是更无序。在经济系统里，这是说信息要有序，而不是无序，有序才能让经济和社会的发展更可持续。Web2平台用免费来换取用户的广告时间，广告对用户的信息获取来说往往是无效的，增加了熵，对整体的经济系统是熵增的。而Web3的去中心化的架构可以让用户自己决定希望获取什么样的广告，信息的熵比Web2的信息熵低，让整体经济系统更有序，更加可持续。区块链技术通过提供安全、透明、防篡改的信息存储和传输方式，提高了网络上信息的可靠性和信任度，从而减少熵。NFT 通过区块链网络验证，为艺术品的所有权提供了安全的认证方式，通过创建明确的所有权记录减少熵。总的来说，与中心化服务平台相比，AIGC Chain的分布式 AIGC 服务平台有潜力为用户提供更多的公平性、灵活性、创新性和更多的选择。在生态层面，AIGC Chain主网全面支持图灵完备的智能合约。智能合约（Smart Contracts）是内存块链中制定合约所使用的特殊协议，这是一种自动执行的合约，将双方的协议条款写入代码中，一旦启动就会自动运行，不需要任何人为的干预，自主控制其计算所涉及的资源，比如有权限调配合约双方的资金和财产。通过分布式的节点来自动运行，而不用透过中心化的单个服务器。智能合约为构建在 AIGC 网络上的 DApps 开辟了一套全新的用户体验和新的归因模型。例如，利用 AIGC 网络上的智能合约可以实现完全数字化的物品所有权、创新的支付消费模型、透明的版税分配、无需信任的众筹机制等等。这提供了额外的社会和经济交互层，补充了视频和数据传输的核心功能，并显着提高了平台用户的参与度和保留率。在EVM兼容方面，AIGC 虚拟机与以太坊虚拟机兼容。因此，移植现有的基于以太坊的合约很简单，成千上万的智能合约开发人员可以轻松地在 AIGC 上进行构建。AIGC 的 Ethereum RPC 适配器提供了对以太坊 RPC API 的支持，类似于 Binance Smart Chain 和 Polygon。Ethereum RPC 适配器软件将 AIGC RPC 端点转换为 Ethereum RPC API。有了它，AIGC 现在支持整个 Ethereum DApp 开发堆栈，包括 Metamask、Hardhat、Remix、Ethers.js、Web3.js 和 Truffle Suite。移植到 AIGC 的以太坊 DApp 可以使用相同的 API 调用与 AIGC 区块链交互。这意味着以太坊 DApps 几乎可以无缝部署和迁移到 AIGC Chain。这大大降低了开发者利用已有基础设施在AIGC CHAIN部署并基于AIGC CHAIN进行原生开发的难度。据AIGC Chain官方推特，AIGC Chain或将于2023年3月21日开启测试节点申请，申请者可通过训练AI模型获取丰厚奖励并折射至主网。AIGC Chain测试网将分为多个阶段进行，主网上线时间预计为2023年Q3~Q4。来源：金色财经

金色财经2023-03-07

ChatGPT 等 LLM 使用强化学习而非监督学习进行微调的 5 个原因

一些值得注意的经济和社会转型做出贡献。OpenAI 开发的 ChatGPT 是一个自然语言处理模型，允许用户生成有意义的文本。不仅如此，它还可以回答问题，总结长段落，编写代码和电子邮件等。其他语言模型，如 Pathways 语言模型（PaLM）、Chinchilla 等，在模仿人类方面也有很好的表现。大型语言模型使用强化学习（reinforcement learning，RL）来进行微调。强化学习是一种基于奖励系统的反馈驱动的机器学习方法。代理（agent）通过完成某些任务并观察这些行动的结果来学习在一个环境中的表现。代理在很好地完成一个任务后会得到积极的反馈，而完成地不好则会有相应的惩罚。像 ChatGPT 这样的 LLM 表现出的卓越性能都要归功于强化学习。 ChatGPT 使用来自人类反馈的强化学习（RLHF），通过最小化偏差对模型进行微调。但为什么不是监督学习（Supervised learning，SL）呢？一个基本的强化学习范式由用于训练模型的标签组成。但是为什么这些标签不能直接用于监督学习方法呢？人工智能和机器学习研究员 Sebastian Raschka 在他的推特上分享了一些原因，即为什么强化学习被用于微调而不是监督学习。不使用监督学习的第一个原因是，它只预测等级，不会产生连贯的反应；该模型只是学习给与训练集相似的反应打上高分，即使它们是不连贯的。另一方面，RLHF 则被训练来估计产生反应的质量，而不仅仅是排名分数。 Sebastian Raschka 分享了使用监督学习将任务重新表述为一个受限的优化问题的想法。损失函数结合了输出文本损失和奖励分数项。这将使生成的响应和排名的质量更高。但这种方法只有在目标正确产生问题-答案对时才能成功。但是累积奖励对于实现用户和 ChatGPT 之间的连贯对话也是必要的，而监督学习无法提供这种奖励。不选择 SL 的第三个原因是，它使用交叉熵来优化标记级的损失。虽然在文本段落的标记水平上，改变反应中的个别单词可能对整体损失只有很小的影响，但如果一个单词被否定，产生连贯性对话的复杂任务可能会完全改变上下文。因此，仅仅依靠 SL 是不够的，RLHF 对于考虑整个对话的背景和连贯性是必要的。监督学习可以用来训练一个模型，但根据经验发现 RLHF 往往表现得更好。2022 年的一篇论文《从人类反馈中学习总结》显示，RLHF 比 SL 表现得更好。原因是 RLHF 考虑了连贯性对话的累积奖励，而 SL 由于其文本段落级的损失函数而未能很好做到这一点。像 InstructGPT 和 ChatGPT 这样的 LLMs 同时使用监督学习和强化学习。这两者的结合对于实现最佳性能至关重要。在这些模型中，首先使用 SL 对模型进行微调，然后使用 RL 进一步更新。SL 阶段允许模型学习任务的基本结构和内容，而 RLHF 阶段则完善模型的反应以提高准确性。来源：金色财经

金色财经2023-03-07

24小时热点