深入AI領域，探索科技未來

近期，一項名為ARC-AGI-2的新基準測試震撼了人工智能界。這項測試由知名AI研究者François Chollet聯合發起，旨在考察人工智能模型的通用智能水平。結果令人震驚，當前主流AI模型的平均得分僅為1%至1.3%，而人類的平均得分高達60%。這項測驗不僅考察AI的跨領域推理能力，還首次引入「效率」指標，強調在有限資源下快速掌握新技能的能力。 ARC-AGI-2測試通過多色方格組成的動態謎題，要求AI從未見過的模式中推導答案。為防止過度依賴記憶來解決問題，測試設置了嚴格的規則：禁止訓練數據複用和算力成本約束，每題不得超過$0.42的算力消耗。相比之下，OpenAI在ARC-AGI-1測試中每題的算力成本曾高達數千美元。 開發者們面臨的是一個挑戰賽：在每題$0.42的算力約束下，要求模型達到85%的準確率。這個低成本高難度的挑戰很可能推動小參數模型和新型訓練範式的突破。 OpenAI近期推出的o3模型雖然在某些基準測試中取得良好成績，例如在ARC-AGI中接近87.5%的分數，但在新版測試ARC-AGI-2中卻遇到重大挑戰。這一系列結果表明，當前AI模型仍遠未達到真正的通用智能。 業界領導者現在強調，以效率和創造力為核心的新型AI評估體系。這不僅將改變智能的衡量標準，也將推動AI技術的發展朝向更高效和可行的方向。 未來，人工智能的進步不僅在於能否克服當前的技術瓶頸，更要依靠創新思維來突破理論和實踐的界限。因此，這場向AGI進化的路上，需要更多實際行動和嚴謹的scientifc評估。 #人工智能 #AGI測試 #效率至上...

近期，AI技術初創公司11x被媒體聚焦，該公司引發了各界對其商業誠信的質疑。作為一家以AI驅動的數碼工作者改造現代勞動力的公司，11x在短時間內成功籌集了大量資金，並得到了著名投資機構Andreessen Horowitz和Benchmark的支持。然而，外界的認可與公司內部的動盪形成了鮮明對比。 11x成立於2022年，創始人哈桑・蘇卡爾（Hasan Sukkar）堅信AI驅動的數碼工作者將是未來工作力的核心。他們的產品包括兩款AI機器人：Alice和Jordan。其中，Alice負責線索生成和外展，而Jordan則是一款具有30多種語言能力的電話銷售代表。這些技術看似前沿，卻也引發了關於其實際效果的質疑。 2024年，11x獲得了2400萬美元的A輪融資，這輪融資由Benchmark領投。此後不久，又宣布了由Andreessen Horowitz領投的5000萬美元B輪融資，使公司估值達到約3.5億美元。這種快速的資本增長為該公司提供了強大的資源支持。然而，投資者能否充分相信11x的成長前景，仍是市場上的疑問。 不少消息源表明，11x在宣傳過程中存在問題，公司被指在報告中夸大客戶數量，甚至包括那些尚未繳付費用的試用用戶。這種做法引發了投資者和監管機構的關注。該公司內部的工作環境也備受批評，員工反映工作環境非常緊張，且加班時間長。工作壓力大，常常需要在非工作時間回覆工作消息，這種環境對於員工的身心健康造成了很大的影響。 11x的AI技術在理論上很有潛力，但客戶反饋顯示其實際效果並不如預期。一些公司在試用後選擇放棄，因為產品無法滿足其需要。有不少客戶指出，11x的AI技術存在瑕疵，包括無法正確生成線索和技術問題較多等。這些問題直接影響到了公司的客戶留存率和商業信譽。 雖然11x面臨著挑戰，但該公司在AI驅動的數碼工作者領域仍然具有重要的發展潛力。為了應對市場的壓力，11x需要不斷改進其技術和產品質量，同時增強企業文化和管理，使員工感受到歸屬感和工作成就感。只有這樣，11x才能在激烈競爭的市場中站穩腳跟。 最後，對於11x這類AI初創公司來說，資本支持固然重要，但更為關鍵的是技術的實際效果和公司內部的管理水平。只有通過持續的努力和學習，不斷優化產品和企業文化，才能真正實現持續性的發展。...

✨你分得出哪些聲音是AI嗎？✨ 本片深度實測 OpenAI 最新 GPT-4o mini TTS 語音模型：免費開放、無需VPN、支援廣東話＋多國語言，還能控制語調、情緒、速度、聲線🎙️由 Dr. Jackei...

隨著 AI 技術逐漸滲透到現實世界，開源 AI 平台的重要性日益增加。Rerun，一家來自斯德哥爾摩的創新企業，近期成功募集了 1,700 萬美元的種子資金，以進一步推動其開源 AI 平台的發展。該平台主要針對「物理 AI」，致力於管理多模態數據，如視頻流和...

近期，Meta在Instagram上進行了一項引人注目的實驗：使用AI生成評論。這項功能允許用戶在瀏覽帖子時，點擊一個特殊的圖標，然後選擇由AI生成的評論內容。這種功能的出現，引發了廣泛的討論和思考：在社交媒體上，AI生成評論是否會成為未來的趨勢？ 在這項實驗中，用戶可以看到由AI提供的三個評論選項，例如對於一張照片，AI可能會建議「可愛的客廳布置」或「喜歡這個溫馨的氛圍」等評論內容。這些評論由AI根據照片的內容自動生成，讓用戶可以快速選擇並發表自己的評論。 這項功能的出現，無疑是Meta在AI技術上的又一項創新嘗試。近年來，AI技術在各個領域中得到廣泛應用，尤其是在社交媒體平台上，AI已經被用於生成內容、自動化工作流程等方面。然而，AI生成評論是否能夠提升用戶體驗，或者是否會使社交媒體變得更加「機械化」，這些問題仍然值得深入探討。 在社交媒體上，評論是用戶之間互動的重要組成部分。通過評論，用戶可以表達自己的觀點、與他人進行交流，並建立社群關係。然而，隨著AI生成評論的出現，是否會削弱人與人之間的真實互動，或者是否會使評論變得過於千篇一律，這些問題都需要進一步思考。 此外，AI生成評論的出現，也引發了對於用戶隱私和數據安全的關注。由於AI需要大量的數據來進行學習和生成內容，因此，如何確保用戶數據的安全和隱私，成為了一個重要的挑戰。 綜上所述，Meta在Instagram上測試AI生成評論，無疑是社交媒體發展的一個新嘗試。這項功能的出現，既可能為用戶帶來便捷，也可能引發新的挑戰和問題。未來，如何平衡AI技術的應用與用戶體驗的提升，將是社交媒體平台需要深入思考的問題。 最後，隨著AI技術的不斷發展，社交媒體的未來將會如何演變？是否會出現更多由AI驅動的創新功能？這些問題都值得我們持續關注和思考。 #AI生成評論 #社交媒體未來 #Meta創新實驗...

近年來，人工智慧（AI）領域在『scaling up』的道路上取得了巨大的進展，主要是通過增加資料量、模型大小以及計算資源來提升AI模型的表現。然而，最近有一種新的scaling方法引起了廣泛關注，被稱為『inference-time search』。這種方法涉及生成多個答案並選擇最佳解，據稱能夠將舊模型的表現提升到超越新一代模型的水平。儘管這一方法看似有趣，專家們卻對其實用性提出了質疑，認為它的適用範圍有限，尤其是在複雜的語言互動中難以推動。 AI scaling方法的演進過程中，『pre-training』、『post-training』和『test-time』等概念深入人心。『pre-training』涉及使用龐大的資料庫和模型進行初步訓練，以獲得高度通用的基礎知識；『post-training』則是對已經訓練好的模型進行調整，以更好地適應特定任務；而『test-time』則在推斷階段動態分配更多計算資源，以加強模型的推理能力。這些方法雖然在各自領域中取得了成就，但專家們仍然認為，單純通過增加計算資源來提升AI性能的方式可能已經接近瓶頸。 多數AI研究人員認為，要真正實現人工一般智慧（AGI），光靠增加計算資源是不夠的。據近期一項調查顯示，超過76%的AI研究人員認為，通過當前的scaling方法難以達到AGI。這項調查引發了對AI發展路線的思考，許多專家呼籲進行更深入的研究和創新，以突破現有的技術瓶頸。 在亞洲地區，AI的投資正如火如荼地進行，許多公司將AI融入核心業務，並且在AI基礎設施和數據收集上進行大量投入。這種趨勢既帶來了機會，也面臨著挑戰，特別是在如何平衡投資與實際需求之間存在著矛盾。 綜上所述，AI的『inference-time search』等新型方法雖然激發了廣泛的興趣，但也面臨著實踐與發展的挑戰。未來AI的進步，可能需要更多的創新和多元化的策略，才能真正打破瓶頸，邁向更高的智能水準。 #AI未來發展...

近期，人工智慧（AI）領域的競爭愈發激烈，各大公司紛紛推出新功能以搶佔市場。其中，Anthropic 的 Claude 聊天機器人引入了網路搜尋功能，讓人們對其背後的技術感到好奇。根據最新消息，Claude 的網路搜尋功能似乎是由 Brave Search 提供支持。這一合作不僅為 Anthropic 帶來了快速部署網路搜尋的效率，也代表了...

近期，科技巨頭微軟（Microsoft）推出了一項具有開創性的研究計畫，旨在估計特定訓練數據對生成式AI模型輸出的影響力。這項計畫不僅有助於識別和認可AI訓練數據的貢獻者，甚至可能為他們提供補償。這一舉措與「數據尊嚴」（data dignity）的概念密切相關，該概念由微軟研究院的傑出技術人員Jaron Lanier所倡導。數據尊嚴強調將數字內容與其創作者聯繫起來，從而在AI生成有價值的內容時，能夠識別並認可最具影響力的貢獻者，甚至可能提供經濟補償。 微軟的這一研究計畫出現在AI產業面臨著日益激烈的知識產權訴訟的背景下。許多AI公司因為在未經授權的情況下使用大量來自網路的版權內容進行模型訓練而面臨訴訟。微軟本身也陷入了多起高調的法律糾紛，包括《紐約時報》的訴訟以及軟件開發者對GitHub Copilot的指控。這些訴訟凸顯了AI訓練數據使用中存在的倫理和法律複雜性，微軟的計畫可以被視為一種積極的應對措施，試圖在面臨日益嚴格的監管和可能的法院判決之前，主動尋找解決方案。 技術上，微軟的計畫旨在開發方法來有效估計特定數據點（如照片、書籍、文本等）對AI模型輸出的影響。這是一項具有挑戰性的工作，因為神經網絡的複雜性使得數據貢獻的追蹤變得困難。然而，如果成功，這項計畫可能會為AI領域帶來多個重大的變革： 1. **透明的AI模型**：從不透明的「黑盒」AI轉變為能夠提供其輸出來源的模型，讓使用者更好地理解AI的決策過程。 2. **公平的創作者補償**：建立機制來獎勵那些為AI創作做出重大貢獻的個人和實體，從而促進AI創作的公平性和合理性。...

在企業軟體快速發展的世界中，Prezent近期籌集了2000萬美元的資金，以進一步提升其AI驅動的簡報平台。這項投資由Greycroft領投，參與投資的還有Zoom Ventures、Emergent Ventures、WestWave等知名機構。此外，True Global Ventures、Manulife Ventures和Alumni Ventures也加入了這一輪投資。這筆資金將用於擴大Prezent的AI模型開發，進一步提升其在不同用途和新市場的應用能力。 Prezent是一家成立於2021年的初創公司，總部位於加利福尼亞州的Los Altos，並在印度班加羅爾設有分公司。其創始人Rajat Mishra曾在麥肯錫和思科工作過。Mishra表示，他在年輕時曾經歷過語言障礙的困擾，這促使他對於通訊技術產生了濃厚的興趣。Prezent的使命是通過AI技術來民主化商務溝通，使每個人都能成為優秀的商務溝通者。...

近期，OpenAI推出了最新的AI模型，進一步提升了語音轉文字（transcription）和聲音生成（voice generation）的能力。這些升級不僅提高了模型的準確性和自然度，也為開發者提供了更多的自定義選擇。讓我們一起探索這些新模型的優勢和潛在應用。 首先，OpenAI的新模型是為了實現其「代理」（agentic）願景而設計的，這意味著AI系統將能夠獨立地代表用戶完成各種任務。OpenAI的產品負責人Olivier Godemont表示，未來幾個月內，我們將會看到更多這樣的AI代理出現。這些代理將會在各種情境中提供有用的、可靠的服務。 OpenAI的最新文本轉語音模型——gpt-4o-mini-tts，能夠生成更自然、更細膩的語音。開發者可以輕鬆地指導這個模型以不同的風格發音，例如「像瘋狂科學家」或「像一位平靜的正念教師」。這使得語音生成更加多樣化和可控。 此外，OpenAI還推出了兩個新的語音轉文字模型：gpt-4o-transcribe和gpt-4o-mini-transcribe。這些模型取代了之前的Whisper系統，能夠更準確地捕捉不同口音和語調，尤其是在嘈雜的環境中。Whisper系統曾經存在一個問題，即它有時會「幻覺」出不存在的詞彙或整段文字，而新的模型則大大減少了這種情況，提高了整體的可靠性。 然而，這些模型在不同語言上的表現仍有所不同。根據OpenAI的內部測試，gpt-4o-transcribe在印度和德拉維語系語言（如泰米爾語、泰盧固語、馬拉雅拉姆語和卡納達語）上的字錯誤率約為30%，意味著每10個字中有3個可能與人工轉錄有所不同。儘管如此，這仍然是相比Whisper的一大進步。 OpenAI的這些新模型不會像Whisper那樣以開源方式公開。這是因為新的模型體積更大，需要更強大的計算資源，因此不適合在個人設備上運行。OpenAI希望在開源模型的選擇上更加謹慎，以確保模型的實用性和可靠性。 這些AI模型的升級對於各個行業都具有深遠的影響。從客戶支持到內容創作，AI代理可以通過自然語言與用戶進行互動，提供更人性化的服務。未來，隨著AI技術的不斷進步，我們可以期待看到更多創新的應用和服務。 最後，讓我們期待這些AI技術如何改變我們的生活和工作方式。隨著AI代理的出現，我們將會看到更多智能化的解決方案出現在各個領域。...

隨著人工智慧（AI）的快速發展，電網面臨著前所未有的挑戰。AI技術不僅推動了各行各業的進步，也對電力系統提出了新的需求。然而，AI本身的運作也對電網造成了巨大的壓力，尤其是在能源消耗方面。NVIDIA作為AI領域的先驅者，正在積極推動AI技術來解決電網問題。這篇文章將探討NVIDIA如何利用AI來優化電力管理，並為未來的電網發展提供可持續的解決方案。 電網面臨的挑戰在於其基礎設施的老舊和供需不平衡。傳統的電力系統難以應對日益增長的電力需求，尤其是在峰值時段。AI技術可以通過預測需求、優化能源分配等方式來提升電網的效率和恢復能力。NVIDIA的AI基礎架構正是為此而設計的，利用邊緣AI技術來動態管理能源，預測需求並分配能源供應，從而提升電網的恢復能力。 除了NVIDIA之外，其他公司也在積極推動電網智能化。例如，來自愛沙尼亞的Gridraven公司正利用天氣模型與電網負載預測技術，讓電網營運商在不增建基礎設施的情況下，提高輸電能力達30%。這種創新技術使得電網業者能更精準地管理輸電能力，提高電網靈活度並支援未來的電力需求增長。 此外，加州的VIE Technologies利用先進感測器與AI模型，提供即時監測，能提前發現變壓器電流偏差、過熱與絕緣材料損耗等潛在問題。這項技術可幫助電網營運商避免突發性故障與昂貴的設備更換，並降低因變壓器老舊導致的電網中斷風險。 電池儲能系統（BESS）在美國市場快速發展，2024年部署容量已達12GW。這些儲能系統可儲存風能、太陽能等再生能源，並在需求高峰時釋放電力，以減少對電網的壓力。除了公用事業用儲能系統，家用電池市場也在成長。例如，德州的Base Power提供租賃電池給住宅用戶，並在用電高峰期將儲存電力回售給電網。這不僅讓家庭能降低停電風險，也為電網提供額外電力儲備，提高供電穩定性。 NVIDIA cuDSS庫是另一項重要的技術進展。這個庫通過高效的GPU計算能力，能夠快速解決大規模非線性優化問題，例如交變電流最優功率流（ACOPF）模型。這些模型通常包含數百萬個變量和約束，實時獲得準確的結果對於保持電網穩定性和效率至關重要。Sungho Shin教授等人利用NVIDIA工具開發了非線性優化算法和求解器，利用GPU加速工作流程，實現了對東部互連電網的實時優化。...

隨著人工智慧（AI）技術的不斷進步，OpenAI的研究領導Noam Brown最近表示，某些AI「推理」模型本可以在二十年前就問世。這一觀點引發了廣泛的討論，讓我們來探索這個領域的發展和未來前景。 在近期的Nvidia GTC會議上，Noam Brown分享了他對AI推理模型的看法。他認為，早期的研究方向被忽視，導致這些模型的發展延遲了。Brown指出，人類在面臨艱難情況時會花費大量時間思考，這種「思考」過程對AI來說同樣重要。他提到的OpenAI o1模型正是基於這種理念，通過在執行時間進行額外的計算來模擬「思考」過程，從而提高模型的準確性和可靠性，特別是在數學和科學領域。 Brown強調，雖然傳統的預訓練方法（即使用越來越大的數據集和計算資源）仍然重要，但現在AI實驗室正將注意力轉向「執行時間推理」（test-time inference）。這兩種方法是互補的，前者提供基礎知識，後者則在使用時進行深入思考。這種轉變使得AI模型能夠更好地應對複雜問題。 OpenAI近期推出的o3-mini模型就是這一理念的延伸。這個模型在科學、數學和編程問題上表現出色，且保持了低成本和快速的特點。開發者可以通過API訪問這個模型，並根據問題的難度選擇不同的推理強度。這種設計讓使用者能夠根據具體需求調整模型的運行方式。 Noam...