本文地址https://www.ainavpro.com/2888.html

陆奇博士演讲 – 0507北京

陆奇博士演讲 – 0507北京

1. 新范式的动力引擎： GPT模型体系将成为驱动新范式的引擎，自然语言处理在通用智能中起重要作用。
2. 数字化平台的解剖结构：数字化平台由个人电脑、PC服务、互联网、云计算、AI、元宇宙、脑机接口、量子、生物基等构成。
3. 数字化应用 – 大模型为先之下的“需求导向+三位一体”：数字化应用需求导向，以消费者、创作者、和企业三位一体满足人类需求。
4. 技术推动：大模型技术契合人类需求，推动与广告、食品饮料等广泛应用。
5. 产学研： 基础研究、应用研究、技术研发、产品开发、市场推广之间的生产力演变。
6. 时代机会：基础范式的演变，从基础研究到市场推广。
7. 源头创新：在源头最大化驱动创新，通过助力创业者推动科技企业发展。
8. 自动驾驶应用软件：大模型技术在自动驾驶应用软件开发中具有可行性，可能做到低成本。
9. 中国机遇：中国有机会迎头赶上，建立自己的GPT等模型能力，引导市场发展和大企业发展等将在其中扮演重要角色。

华裔科幻作家Ted Chiang《纽约客》发文：AI会成为下一个麦肯锡吗？

1. AI与麦肯锡的类比：Ted Chiang 在文章中提出将 AI 类比成麦肯锡这样的管理咨询公司，两者都会因各种原因被使用，并在某种程度上帮助公司逃避责任。他认为，我们应该关心的问题是如何避免 AI 成为下一个“麦肯锡”。
2. AI的潜在威胁：Chiang 提出，虽然 AI 可能不会像一些末日情景所想象的那样直接对人类产生威胁，但它确实会增加某些人的权力，从而在追求股东利益的过程中对社会造成危害。
3. 积极地批评技术：Chiang 建议我们应该关心经济公正，而不是私人资本的增加。我们需要努力成为卢德派，关心技术的有害使用方式，如有益于股东而有害于工人的方式，而不是被描述为技术的反对者。
4. 技术进步与收入不平衡：虽然人均 GDP 自1980年以来翻了一番，但美国家庭收入的中位数并未跟上这一增长趋势，这意味着技术创造的经济价值主要流向了最顶层的富人群体，而并非提高美国公民的整体生活水平。
5. 适当的经济政策对分配技术利益至关重要：技术能够提高生活水平的唯一途径是有适当的经济政策来分配技术的好处。在过去的四十年中，我们没有这些政策，除非我们能够得到这些政策，否则没有理由认为即将到来的 AI 进步将提高收入中位数。
6. 责任与自我审视：对于那些正在构建颠覆性技术的人来说，进行关键的自我审视是必要的。他们是否愿意坚定地审视自己在系统中的角色，将决定 AI 是催生一个更好的世界，还是一个更坏的世界。

谷歌内部文件遭泄露｜我们没有壁垒，OpenAI也没有

1. 开源社区在AI领域的竞争优势：开源模型的发展速度极快，性能优越，具有更强的隐私性和可定制性。开源社区已经解决了一些重要的开放性问题，如手机上的LLMs，可扩展的个人AI，负责任的发布以及多模态。
2. 从开源社区的成功中学习：OpenAI应关注支持第三方集成，寻找其真正的价值所在，并更关注小型变体，以便在较小的模型上快速迭代。
3. 开源社区解决的关键问题：LoRA技术大大降低了模型微调的成本和时间，从头开始重新训练模型变得昂贵且困难。数据质量相较于数据规模更具可扩展性，通过在小型精选数据集上进行训练节省时间。
4. 与开源竞争难以取胜：与高质量的免费开源替代品竞争对商业策略产生直接影响，而开源具有无法复制的显著优势，因此企业难以迎头赶上。
5. 个人使用限制较小，创新迅速：法律规定的“个人使用”及起诉难度使个人能够在技术炽热时期就获得这些技术，从而产生大量创新。
6. 放弃部分控制以拥抱开源：谷歌应在开源社区确立领导地位，与更广泛的对话合作，即使这意味着放弃对模型的部分控制。这样，可以在创新中发挥引领作用