AI新闻动态（2024-10-06到2024-10-12)

[ikaijua]

AI新闻动态（2024-10-06到2024-10-12)

目录

AI产品

1. 最新AI生图模型Flux1.1刷屏
2. AMD在年度Advancing AI大会上发布了一系列新的芯片产品，包括针对AI PC的处理器和EPYC处理器
3. 字节跳动发布首款AI硬件设备智能耳机Ola Friend
4. kimi推出Kimi探索版，具备AI自主搜索能力

机器人

1. 特斯拉展示了其新一代人形机器人Optimus，能执行多种任务，如教学、照顾孩子、修剪草坪等
2. 瑞士洛桑联邦理工学院和麻省理工学院的研究团队开发出一种新型机器人，机器人的机械手可以脱离手臂独立移动
3. ByteDance Research 发布第二代机器人大模型 GR-2

AI洞察

1. 2024年诺贝尔物理学奖授予两位AI教父 约翰·霍普菲尔德（John J. Hopfield）和杰弗里·辛顿（Geoffrey E. Hinton）
2. 2024年诺贝尔化学奖授予华盛顿大学的David Baker以及谷歌DeepMind的Demis Hassabis和John M. Jumper，表彰他们在“计算蛋白质设计”和“蛋白质结构预测”方面的贡献
3. 《State of AI Report 2024》
4. Anthropic CEO发长文对AI的展望
5. 知名播客节目主持人 Lex Fridman 与四位 Cursor 团队成员进行了一场技术对谈，揭示了这个团队在做的以及未来要做的探索
6. 斯坦福大学 NLP 组在读博士 Omar Khattab 发布了一篇博文，讨论了顶级 AI 学者们有关做有影响力研究的思考
7. 清华系创业公司「图形起源」帮助字体公司降低80%成本，生产效率提高10倍以上
8. 雷军AI语音包在网络走红，引发对AI语音技术滥用的担忧

[ikaijua]

2024-10-07 清华系创业公司「图形起源」帮助字体公司降低80%成本，生产效率提高10倍以上

1. 清华背景的创业公司「图形起源」在造字领域实现商业突破，公司已生成346套字体，累计4680244个字。
2. Canva上受欢迎的100套中文字体大部分由其算法生成。
3. 字体生产流程采用四个阶段的模型，包括Diffusion模型、超分辨率模型、矢量设计优化模型和错别字检查模型。
4. 公司主要业务包括中文字库扩写和跨语种风格迁移，提供SaaS平台，实现整个字体生产过程的在线交付。

媒体文章：

• 量子位：清华系“仓颉”来了！大模型造字7天交付超40套，客户成本大降80%

[ikaijua]

2024-10-07 知名播客节目主持人 Lex Fridman 与四位 Cursor 团队成员进行了一场技术对谈，揭示了这个团队在做的以及未来要做的探索

1. Cursor 是一款基于 VS Code 的代码编辑器，集成了强大的AI辅助编程功能。尤其是在代码修改和优化方面。
2. 前沿模型（如 Sonnet、o1）非常擅长生成修改代码的意见与草稿，但在实际生成代码改动的细节时，往往会遇到困难，特别是，当用这些模型处理大型文件时，常常会出现搞串行这样的低级错误。为此，我们采取了一个策略：首先让模型生成一个粗略的代码块，简单描述代码需要如何修改；然后再训练另一个模型，将这些代码修改应用到实际文件中。
3. 现在认为最好的模型是 Sonnet。o1 非常有趣，而且推理能力很强。因此，如果你给它一些非常难的编程面试风格问题或引导代码问题，它可以做得很好，但感觉它不像 Sonnet 那样理解你的大致意图。
4. Cursor 相比其他产品的额外价值不仅仅在于能快速整合 o1 这样的新模型。更重要的是，Cursor 的定制模型在各个方面提供了深入支持，这些模型可能在你不知情的情况下默默发挥作用，每个功能都为用户体验进行了精心设计。

youtube视频地址：Cursor Team: Future of Programming with AI | Lex Fridman Podcast
B站中英字幕视频：Web3天空之城/Cursor团队：AI编程的未来| Lex访谈 2024.10【精校收藏】

媒体文章：

• 机器之心：Cursor创始团队最新访谈：如果Github整合o1，Cursor可能要倒闭了
• aigcweekly：如日中天的 AI 编程工具Cursor 创始团队访谈要点-技术细节和 AI 编程的未来

[ikaijua]

2024-10-07 瑞士洛桑联邦理工学院和麻省理工学院的研究团队开发出一种新型机器人，机器人的机械手可以脱离手臂独立移动

1. 机器人能够爬行到够不到的地方，识别并抓取物体。机械手具有多面手功能，可以正反两面抓握。
2. 研究团队开发了全面的抓握分类方法和爬行功能的手指。
3. 使用遗传算法优化机械手的移动方式。
4. 机械手的脱离和附着功能通过磁铁和螺丝锁紧实现。

视频链接：https://www.youtube.com/watch?v=3xBnIZkclI8

媒体文章：

• 机器之心：机械手「成精」了，能从手臂上溜走，拿完够不到的东西，还能爬回来自动合体

[ikaijua]

2024-10-06 最新AI生图模型Flux1.1刷屏

1. Flux1.1 AI文生图模型通过添加单反相机文件名（如"IMG_1018.CR2"）可以生成更写实的图像。网友反馈使用该技巧后，生成的图像与真照片几乎难辨真假。
2. 尽管模型本身能力强大，但该技巧在提升图像真实性方面发挥了显著作用。
3. Flux1.1背后的团队是Stable Diffusion原班人马，现已成立新公司Black Forest Labs。
4. Flux1.1的性能和价格优势超过了Midjourney、SD3等其他模型。
5. Flux1.1提供原生2k图像生成，速度是前代FLUX.1的6倍。
6. Black Forest Labs计划推出SOTA文本到视频生成模型，估值预计达10亿美元。

官方介绍：https://blackforestlabs.ai/announcing-flux-1-1-pro-and-the-bfl-api/
x文章：https://x.com/fofrAI/status/1841854401717403944

Flux1.1试玩：https://api.together.ai/playground/image/black-forest-labs/FLUX.1.1-pro

媒体文章：

• 量子位：最新AI生图模型Flux1.1刷屏！添加单反相机文件名获得超写实图像，网友：我分不清啊

[ikaijua]

2024-10-08 2024年诺贝尔物理学奖授予两位AI教父 约翰·霍普菲尔德（John J. Hopfield）和杰弗里·辛顿（Geoffrey E. Hinton）

1. 2024年诺贝尔物理学奖授予John J. Hopfield和Geoffrey E. Hinton，以表彰他们在使用人工神经网络实现机器学习方面奠基性发现和发明。
2. 诺贝尔奖评奖委员会表示：今年的物理学奖得主的突破建立在物理科学的基础上。他们为我们展示了一种全新的方式，让我们能够利用计算机来帮助和指导我们，应对社会面临的许多挑战。同时指出，机器学习长期以来一直对科学研究至关重要，包括对大量数据的分类和分析……John Hopfield 和 Geoffrey Hinton 利用物理学工具，构建了有助于为当今强大的机器学习奠定基础的方法。
3. John Hopfield提出了Hopfield网络模型是神经网络领域的经典模型，他的神经理论解释了大规模处理如何在存储网络中实现稳定的记忆，启发了后来的深度学习研究。
4. Hinton在深度学习领域有重大突破，包括设计了卷积神经网络“Alexnet”。2012 年，Geoffrey Hinton 带领的研究小组实现了深度学习的重大突破，彻底改变了语音识别和目标分类。Alexnet以远超第二名的成绩在 ImageNet 2012 挑战赛夺冠，将 ImageNet 数据集上的视觉识别错误率降到了 15.3%，仅有此前的一半。这成为了计算机视觉领域的里程碑事件。

媒体文章：

• 机器之心：刚刚，2024诺贝尔物理学奖授予Geoffrey Hinton、John Hopfield

[ikaijua]

2024-10-12 AMD在年度Advancing AI大会上发布了一系列新的芯片产品，包括针对AI PC的处理器和EPYC处理器

1. 新产品中的AMD Instinct MI325X GPU以提升内存和推理能力为核心，对标英伟达的上一代产品H200。
2. MI325X配备了256GB HBM3E内存和6TB/s内存带宽，大幅超过英伟达H200。
3. 尽管在FP16算力上不如英伟达，但MI325X的推理能力提升了20%-40%。
4. AMD通过Infinity Fabric互连技术优化多卡性能，并在软件生态上通过ROCm平台提升效率。
5. AMD计划每年更新GPU产品，并预告了下一代芯片MI350系列的开发计划，预计将有显著性能提升。

媒体文章：

• 36kr: 继续狙击英伟达， AMD子弹已上膛丨焦点分析
• 机器之心:AMD发布最强AI芯片，对标英伟达Blackwell，2025年上市
• 36kr：苏姿丰2小时激情演讲，发布AMD最强AI芯片，旗舰CPU单颗10万，OpenAI微软都来站台

[ikaijua]

2024-10-12 字节跳动发布首款AI硬件设备智能耳机Ola Friend

1. Ola Friend重量轻，可接入豆包大模型，并与豆包APP深度结合。
2. 用户通过关键词“豆包豆包”即可唤起豆包进行对话，提供信息查询、旅游出行、英语学习及情感交流等帮助。
3. Ola Friend已在各大电商平台开启预售，售价1199元，将于10月17日正式发货。
4. 字节跳动通过收购Oladance团队，获得OWS专利技术，提升其在音频技术领域的实力。
5. Ola Friend旨在探索类似“Her”的personal AI场景，降低访问豆包的门槛。
6. 字节跳动在AI大模型和应用方面全面布局，推出了多款AI产品。

媒体文章：

• geekpark: 字节的第一款 AI 硬件，只是一次悄悄试水？
• 爱范儿: 首发 | 字节 Ola Friend 耳机体验，首款智能体耳机表现怎么样

[ikaijua]

2024-10-06 斯坦福大学 NLP 组在读博士 Omar Khattab 发布了一篇博文，讨论了顶级 AI 学者们有关做有影响力研究的思考

1. 着眼于项目而非论文：研究者应专注于构建影响力，而不仅仅是发表多篇论文。
2. 选择有潜力的问题：选择那些前沿、有较大发展潜力和能对多个下游问题产生影响的问题。
3. 提前规划并快速迭代：在研究中提前思考并快速迭代，以应对未来可能出现的主流问题和挑战。
4. 公开工作并推广想法：将研究成果公之于众，并通过各种渠道推广你的想法，以获得社区的反馈和支持。
5. 激励自己并持续投资：通过新论文和开源工作持续投资于你的项目，以保持研究的活力和影响力。
6. 开源研究的里程碑：文章详细讨论了开源研究的几个关键里程碑，包括使代码可用、有用、易懂，以及如何通过社区和模块化项目来扩大影响力。
7. 发表新论文以继续投入项目：通过发表新论文来继续对你的项目进行投资，这样可以帮助你识别新问题并建立社区，从而推动研究的进一步发展。

原文：https://github.com/okhat/blog/blob/main/2024.09.impact.md

媒体文章：

• 机器之心：AI博士如何做出有影响力的研究？斯隆奖得主弟子亲身讲述经验

[ikaijua]

2024-10-09 ByteDance Research 发布第二代机器人大模型 GR-2

1. GR-2 是 ByteDance Research 推出的第二代机器人大模型，具有卓越的泛化能力和多任务通用性。
2. 预训练过程：GR-2 在 3800 万个互联网视频片段上进行生成式训练，学习人类在不同场景下的日常活动，这为其提供了丰富的世界知识和操作任务的潜能。
3. 微调方法：通过在机器人轨迹数据上进行微调，GR-2 能够预测动作轨迹并生成视频，提高了动作预测的准确性。
4. 视频生成能力：GR-2 能够通过输入图片和语言指令预测未来的视频并生成相应的动作轨迹，展示了其在动作预测方面的优势。
5. 模型性能：随着模型规模的增加，GR-2 的性能显著提升，能够处理更多复杂任务，并在未见过的任务和场景中表现出色。
6. 多任务学习和泛化：GR-2 在多任务学习测试中表现出色，能够完成 105 项不同的桌面任务，并在未知场景和物体中展现出强大的泛化能力。
7. 工业应用潜力：GR-2 在实际应用中展现了巨大潜力，特别是在端到端的物体拣选任务中，能够准确抓取多种具有挑战性的物体，显示了其在工业领域和仓储场景中的应用前景。

官方页面：https://gr2-manipulation.github.io
B站视频：GR-2: A Generative Video-Language-Action Model for Robot Manipulation

媒体文章：

• 机器之心：GR-2登场！ByteDance Research提出机器人大模型，具备世界建模和强大泛化能力

[ikaijua]

2024-10-09 2024年诺贝尔化学奖授予华盛顿大学的David Baker以及谷歌DeepMind的Demis Hassabis和John M. Jumper，表彰他们在“计算蛋白质设计”和“蛋白质结构预测”方面的贡献

1. 这三位是AI蛋白质研究领域的知名人物，他们的工作使得AI预测蛋白质结构成为生物和AI领域的热门话题。
2. DeepMind的AlphaFold2和David Baker团队的RoseTTAFold是该领域的两大知名开源算法。
3. John Jumper因AlphaFold的工作被评为《Nature》2021年度十大科学人物，而RoseTTAFold被《Science》评选为2021年度突破。
4. 蛋白质是生命的化学工具，控制并驱动所有生命化学反应，对生命至关重要。
5. 获奖者的发现为设计新蛋白质和预测蛋白质结构开辟了广阔的可能性，对医学、材料科学和其他领域都有巨大的潜在影响。

参考链接：https://www.nobelprize.org/prizes/chemistry/2024/press-release/

媒体文章：

• 机器之心：AI再夺诺奖！2024诺贝尔化学奖授予哈萨比斯等人

[ikaijua]

2024-10-13 特斯拉展示了其新一代人形机器人Optimus，能执行多种任务，如教学、照顾孩子、修剪草坪等

1. 埃隆·马斯克在发布会上对Optimus机器人的能力表示自豪，并认为这将是伟大的产品。
2. 社交媒体上流传的视频展示了Optimus在调酒、唱歌和与人对话等活动上的表现。
3. 科技博主Robert Scoble质疑Optimus的自主性，认为其表现并非完全由人工智能控制，而是有人在远程协助。
4. 在被问及其人工智能成分时，Optimus的回答显得含糊，没有明确确认其自主性。
5. 特斯拉使用动作捕捉技术来训练Optimus执行类人动作，这是训练机器人的一种常见方法。
6. 文章提到远程操控机器人并非新鲜事，举例了斯坦福机器人Aloha和MIT的基于VR头显的远程操控系统，说明在机器人技术领域，远程操控是一种有效的训练和操作手段。

媒体文章：

• 机器之心：特斯拉机器人真这么丝滑？科技博主在线「打假」：远程操控的

[ikaijua]

2024-10-10 《State of AI Report 2024》

1. 由AI投资者Nathan Benaich和Air Street Capital制作的《State of AI Report》已经进入第七年，旨在引发关于AI现状及其对未来影响的知情讨论。报告涵盖了研究、产业、政治、安全和预测等关键领域。
2. 实验室性能开始趋同，专有模型失去优势，GPT-4与其他模型的差距缩小。
3. LLM研究：规划和推理在大型语言模型（LLM）研究中占据优先地位，公司探索结合LLM与强化学习、进化算法和自我改进以解锁未来的代理应用。
4. 基础模型：展示了超出语言能力，支持跨数学、生物学、基因组学、物理科学和神经科学的多模态研究。
5. 地缘政治：尽管美国实施制裁，但中国实验室仍能生产出高性能的模型，中国努力建立国内半导体产业。
6. AI公司价值：AI公司的企业价值达到9万亿美元，上市公司体验到AI曝光的牛市。尽管如此，私人AI公司的投资增加了，但增幅较小。
7. 收入生成：一些AI公司开始产生可观的收入，包括基础模型构建者和从事视频和音频生成的初创公司。然而，随着模型作为企业抢占市场的一部分变得更便宜，长期可持续性的问题仍未得到解答。
8. 伪收购：作为AI公司的退出策略，一些公司难以找到可行的商业模式，因为保持在前沿的成本很高。
9. 风险讨论：关于存在风险的讨论有所降温，尤其是在OpenAI的未遂政变之后。然而，研究人员继续深化我们对潜在模型漏洞和滥用的了解，并提出可能的修复和保障措施。

地址：STATE OF AI REPORT 2024.

[ikaijua]

2024-10-12 Anthropic CEO发长文对AI的展望

1. 强人工智能的定义：Dario Amodei提出了他对强人工智能的定义，认为它可能在形式上类似于今天的大型语言模型（LLM），但可能采用不同的架构，涉及多个相互作用的模型，并可能以不同的方式进行训练。
2. 强人工智能的潜在影响：文章详细介绍了强人工智能可能在五个核心方面对未来人类的积极作用，包括生物学、神经科学、经济发展、和平与治理、工作和人生意义。
3. 预测时间表：Dario Amodei认为强人工智能可能最早会在2026年出现，尽管也有可能需要更长的时间。
4. 生物学和健康：强人工智能可以加速生物学和医学的进展，可能在5-10年内实现未来50-100年内的进展，包括几乎所有自然传染病的预防和治疗、消除大多数癌症、预防阿尔茨海默病等。
5. 神经科学与心智：强人工智能有望治愈或预防大多数精神疾病，提高人类的认知和情感能力，扩展“认知和心理自由”。
6. 经济发展与贫困问题：强人工智能有潜力促进经济增长，减少全球不平等，通过提高健康干预措施的普及、经济增长、粮食安全、减缓气候变化等途径。
7. 和平与治理：在强人工智能的帮助下，民主政府可以赢得信息战，改善法律和司法系统，提供更好的政府服务，促进民主和个人权利。
8. 工作与人生意义：尽管强人工智能可能改变工作的性质，但人类可以通过人际关系、社交联系和非经济活动找到意义，同时需要社会对话来重新组织经济。

文章链接：https://darioamodei.com/machines-of-loving-grace

媒体文章：

• aigcweekly：关注 AI 必读！Anthropic CEO 万字长文-预测强人工智能的积极未来

[ikaijua]

2024-10-11 kimi推出Kimi探索版，具备AI自主搜索能力

1. Kimi能够模拟人类推理思考，多级分解问题，执行深度搜索，并自我反思改进。
2. Kimi探索版的搜索量是普通版的10倍，能精读超过500个页面。
3. 测试结果表明，Kimi探索版在准确性和完整性方面优于国内外主流AI助手和搜索产品。
4. 产品负责人表示，Kimi能找到传统搜索引擎难以检索的信息，未来搜索引擎将更依赖AI。
5. Kimi探索版已开始在Web端分批上线，用户可通过对话框开关或输入特定命令唤醒。
6. Kimi探索版每天限用5次，手机APP也将推出相应功能。

媒体文章：

• oschina：Kimi 发布探索版，搜索量增强 10 倍

[ikaijua]

2024-10-09 雷军AI语音包在网络走红，引发对AI语音技术滥用的担忧

1. AI语音技术可用于恶搞名人语音，但其安全性引发质疑。
2. AI语音克隆技术被不法分子利用进行金融诈骗，损失金额高达2.6亿美元。
3. AI语音技术的发展提供了通用人工智能技术的基础支持，但其滥用也可能加剧网络暴力和误导公众舆论。
4. 各界已采取措施防范AI语音滥用，包括多重身份验证和检测工具。
5. 普通用户需警惕AI语音诈骗，可采取设置安全词、谨慎分享社交媒体内容、启用多因素身份验证等措施。
6. 防范AI语音滥用需多方合作，包括监管机构、技术提供商和公众意识提升。

媒体文章：

• 36kr：雷军国庆将网友“骂”了整整七天，AI语音方向错了？
• 爱范儿：雷军 AI 配音骂人在抖音疯传，本人怒了，警惕 Deepfake 泛滥的新时代