ChatGPT 人工智能 GPT4 伦理 生成式 医疗 监管 安全 机器学习 深度学习 神经网络 计算机视觉 强化学习 模型 算法 应用 开发 研究 工具 平台 框架 数据集 训练 部署 安全 合规 培训 投资 LLM,llm AI,ai,Ai 大模型 大语言模型 制图 生图 绘图 文生图 文生视频 生成式AI AGI 世界模型 sora chatGPT,chatgpt,ChatGpt claude openai Llama deepseek midjourney 红熊猫模型 Red panda,panda Stable Diffusion,StableDiffusion,stable DALL- E 3 DALL E DALL Flux,flux 扩散模型 混元大模型 文心一言 通义千问 可灵 Pika PixelDance 豆包 月之暗面 零一万物 阶跃星辰 搜索增强 MiniMax Talkie Agent prompt fastai LangChain TTS 微调 提示词 知识库 智能体
# 热门搜索 #
搜索
OpenAI未来猛料全曝光!奥特曼承认自己最大弱点是产品
2611点击    2024-11-05 20:09

奥特曼在OpenAI伦敦开发者日上的最新采访,终于完整释出!


40分钟的采访过程中,奥特曼除了聊OpenAI未来模型发展方向、Agent、和最尊敬的竞争对手(就是此前碎片式走漏风声的几个问题)外,还就Scaling Law、半导体供应链、基础模型竞争成本、该雇佣什么年龄段的员工等十多个问题进行了快问快答。


当被问及站在OpenAI CEO这个位置上,有什么是他过去和现在都缺乏充分准备的。


奥特曼毫不避讳地表示:产品!


总体来说,我的弱点在产品方面。


现在公司需要我在这方面有更强大、更清晰的愿景。



有趣的是,如果让现年39岁的奥特曼回到23、24岁,他会考虑在垂直方向做一些AI相关的东西


比如辅导人类学习的AI Tutors,或者AI律师、AI CAD工程师什么的。


以下附上这场精彩采访的采访全文,部分段落在不更改其原意的基础上有所删改。


最后还有11个快问快答彩蛋~


内容速览


1.o1代表的推理模型这个方向对OpenAI非常重要。


2.创业公司的主要业务不要对着现有模型打补丁。


3.难道大家已经忘了几年前的模型表现多糟糕吗?其实才过去没几年。


4.同样的价值下,更广泛、更容易获得、更便宜,那就代表着“非常强大”。


5.“开源”和“闭源但提供API”都很合理。


6.真正有趣的事应该是让Agent做一些人类不会或不能做的事(比如高并发推进项目)。


7.模型确实是贬值的资产。


8.如果你训练的模型落后,或者没有一个有粘性和价值的产品,那么的确可能很难获得投资回报。


9.OpenAI将对o1进行多模态改进;在o1新范式下,预计基于图像的模型将迅猛发展。


10.对OpenAI最自豪的事情,是反复去做一些新的、完全未经验证的事情。


11.世界上很多有才的人因为他们在糟糕的公司工作(或者其它原因),没办法充分发挥潜力。


12.员工缺乏经验并不意味着没有价值。


13.Scaling Law仍将有效,并持续相当长的时间。


14.用互联网技术变革来类比AI浪潮是一个不好的习惯,更愿意用晶体管来类比。


OpenAI伦敦开发者日奥特曼采访实录


Q1:当我们展望未来,未来OpenAI更多的是o1这样的模型,还是说可以期待参数更大的模型?


A:我们当然希望全面推进,但推理模型这个方向对我们来说特别重要。我们寄希望于用推理来解决许多多年来我们期待去完成的事。


比如,推理模型能够为新的科学做出贡献,帮助编写难度系数很高的代码——我认为这在很大程度上能推动世界向前发展。


所以可以期待一下o系列模型的快速改进,这的意义将非常重大。



Q2:也是从OpenAI的未来计划出发,您怎么看待作为非技术创始人通过开发无代码工具来构建、拓展AI应用程序?


A:肯定会有那一天的。


我们的第一步是让那些懂得写代码的人具备更高的生产力;但落到最后,还是希望提供真正高质量的无代码工具。


目前已经有一些有意义的(无代码)工具,但如果想完全用无代码的方式来创建一家初创公司,还需假以时日。


Q3:有一个创始人提问说,当下,OpenAI显然处于技术栈中的某个位置,OpenAI将会走多远?如果花费大量时间来调整RAG系统,是不是一种浪费时间的行为——因为OpenAI终将在应用程序中涵盖这一部分?


A:我们通常会回答说,OpenAI将尽最大努力,并且坚信我们一定会让推出的模型变得越来越好。


如果你创建的是一家以“给小漏洞打补丁”为生的公司,不管OpenAI是否顺利、正确地推进工作,对你的影响都不是那么大。


换个角度来说,如果你的公司会因为“OpenAI的模型越来越好”而更加成功,你肯定会为此感到高兴的。


就比方说甲骨文公司偷偷跟你说,OpenAI的o4会强得突破你的想象,你绝对乐开花了。


当然了,如果你非要挑一个o1-preview表现得不好的领域去深耕,勉强以此为基础,那你肯定会觉得我们的下一代模型不会像想象中表现得那么好。


——这就是我想告诉初创公司的。


我们相信,OpenAI身处的改进轨道相当陡峭,现在模型的缺陷将会被后来者解决和弥补。



Q4:从一个创始人的角度来看,OpenAI可能会在哪些地方(而不是另一些地方)取得成功?相信投资者们也很想了解这个问题,大家都不想投资亏钱。


A:OpenAI将创造出数万亿美元的市值,具体来说,是通过使用AI来构建以前觉得不可能或者不切实际的产品与服务,来创造出市值新高。


我们希望推出的模型非常棒,让使用者无后顾之忧,只需要用它做想做的事情就是了。


在GPT-3.5的时代,95%的初创公司啊、人啊,都在打赌模型不会变得更好。


其实他们做的事情,我们早就预见GPT-4可以搞定,可以做得更好,不会再出现3.5时代模型会出的错了。如果创业者/开发者们做的事只是补全某一代模型的某个缺点,你就会发现这个缺点越来越无足轻重。


难道大家已经忘了几年前的模型表现多糟糕吗?其实才过去没几年。


但是机会遍地都是,所以乍一看给现有模型打补丁是不错的机会(所以就不去搞AI助教或者AI医疗顾问什么的)


所以我才说,一开始的时候,95%的人肯定认为模型不会再改进,只有5%的人打赌模型会发展得越来越好。


不过我觉得现在的情况已经不是这样了。


大家现在反而觉得GPT-3.5进化到GPT-4的速度会是一种常态,但事实并非如此。好在我们内部员工都非常勤奋,我们知道将会发生什么。


Q5:软银孙正义说,AI每年都会创造9万亿美元的价值,这将抵消他所认为的每年9万亿美元的支出。看到这个说法的时候,您怎么想?


A:从数量级上来说,现在已经差不多了。AI显然会导致大量资金支出,同时创造大量的价值。


这种情况发生在每一次大型技术革命的过程中,AI显然是其中之一。


明年将是OpenAI向下一代系统大力推进的一年。


刚才咱们谈到什么时候会出现无代码软件Agent,我无法给定一个准确的时间,但可以畅想一下,如果任何人都可以描述他们想要的整个公司的软件,这将为世界带来多少经济价值。


同样的价值下,更广泛、更容易获得、更便宜,那将非常强大。


还有一些其他的例子,比如我之前提到的医疗保健和教育,这两个领域对世界而言价值数万亿美元。


如果AI能够真正以不同于以往的方式实现这一点,我认为它带来的经济价值的具体数字根本不是重点,更别提导论到底是9万亿还是1万亿了。


但可以肯定,AI创造的价值确实令人难以置信。



Q6:开源是一种非常重要的方法。您如何看待开源在人工智能未来中的作用?OpenAI内部讨论过“我们应该开源所有模型或其中某些模型”吗?


A:毋庸置疑,开源模型在生态中非常重要,而且现在市面上也有非常好的开源模型。


但我认为提供良好的服务和API也是有意义的——这很合理,人们会选择适合自己的方式。


Q7:您如何看待当今Agent的定义?对你来说,Agent是什么?


A:我没有充分考虑过这个问题,但我可以给Agent一个长期任务,并且尽可能少地去监督它的执行过程。


Q7':您认为人们对Agent的看法其实是错误的吗?


A:可能我们都没有一个准确的了解,但我们都知道一些重要的指标。


比如人们在谈论代表他们行事的AI Agent时,常常举的例子是让Agent去预定餐厅。Agent可能在线预订,或者给餐厅打电话订座。


确实,Agent可以帮忙做一些事节省时间。不过我认为真正有趣的事,应该是让Agent做一些人类不会或不能做的事。


打个比方,Agent不是打电话给具体某家餐厅订座,而是联系300家餐厅,找出哪家最适合我。如果打过去的电话都是Agent接的,那就更酷了!因为人类无法大规模并行推进这种事情。


再举个更有趣的例子。


Agent可能更像一个非常聪明的同事,你和它合作一个需要耗时2天或2周项目,Agent可以自己执行,还做得很好,在必要的时候它会跟你沟通,最后交出一份出色的成果。


Q7'':这是否从根本上改变了SaaS的定价方式?SaaS通常按用户数量定价(席位收费),但现在AI实际上在替代劳动力。你如何看待未来的定价方式?


A:我只能猜测一下,我真的不知道。


我可以想象一个世界,你可以要求说“我想要1/10/100个GPU不断地为我工作”,这就不会按席位收费,而是根据持续处理这个问题的计算量来定价。


Q7''':我们是否需要为Aengts的使用场景构建特定的模型?


A:它当然需要大量的基础设施,但我觉得o1模型指出了通向能够出色完成Agent任务的模型的道路。


Q8:每个人都说模型是贬值的资产,模型的商品化非常普遍。您对此有何回应和思考?当你考虑到训练模型所需的资本密集度不断增加时,我们是否会发现“这个领域需要大量的资金,但实际上只有很少人能做到”会发生逆转?


A:模型确实是贬值的资产,但这并不意味着它们不值训练投入的成本。更别提你训练模型的时候会产生积极的复合效应,让你能更好地训练下一个模型。


我们从模型中获得的实际收入证明了这项投资的合理性——当然,并非所有人都能做到这一点,而且有很多人在训练模型这件事上重复造轮子。


如果你训练的模型落后,或者没有一个有粘性和价值的产品,那么的确可能很难获得投资回报。


OpenAI非常幸运地拥有ChatGPT,拥有数亿使用我们模型的用户。


所以即便成本很高,我们也可以把这个天文数字分摊到大量用户身上摊薄它。


Q9:随着时间推移,OpenAI模型如何继续保持差异化?你最想专注于扩展这种差异化的领域是什么?


A:推理是我们当前最重要的关注领域,我认为这将解锁下一次在创造价值方面的巨大飞跃。


因此,我们将在各个方面改进模型,我们将进行多模态工作,并添加其他功能,我们认为这些功能对人们希望使用这些模型的方式非常重要。


Q9':你如何看待推理和多模态工作,包括挑战和你想要实现的目标?


A:我希望它能顺利实现。这显然需要一些努力才能完成。


但是人类的婴儿和幼儿时期,即擅长语言之前,仍然可以进行相当复杂的视觉推理。


Q9'':视觉能力将如何随着o1的新推理范式而扩展?


A:在不剧透的情况下,我预计基于图像的模型将迅猛发展。


可以期待在图像模型方面的快速进展


Q10:OpenAI如何在核心推理方面取得突破?除了Transformer之外,是否需要开始推动强化学习作为一种途径或其他新技术?


A:这是两个问题:我们如何做到,以及Transformer之后是什么。


首先,我们如何做到是我们的秘诀。


复制已知有效的东西真的很容易,原因之一是你有信心知道什么是可能的。在研究人员做了一些事情之后,即使你不知道他们是如何做到的,你也可以去复刻它。这一点可以在GPT-4和o1的复制版中得到验证。


真正困难的事情,也是我对OpenAI最自豪的事情,是我们反复去做一些新的、完全未经验证的事情。


很多机构、组织声称有能力能去做这样的事,但实际上很少有真正做到的,包括AI领域之外。


从某种意义上说,我认为这是对人类进步最重要的投入之一。


我期待在退休后想写一本书,一本介绍我学到了些什么的书,分享我如何建立一个能够做到这一点的组织和公司文化的经验(而不是一个单纯复制他人成果的组织)


我认为世界需要更多这样的组织,虽然它的数量会被人类才智所限。


但现实情况是有大量人才被浪费了,因为这个世界不擅长建立这样的组织。但我还是希望有更多这样的组织。


Q11:人才是如何被浪费的?


A:世界上有很多有才的人,但因为他们在糟糕的公司工作,或者一些其它原因吧,没办法充分发挥他们的潜力。


我对AI最兴奋的一个点,就是我希望它能让我们更好地帮助每个人来发挥最大潜力。


这个目标远远没有达成。


我敢肯定,如果世界上很多人的人生轨迹稍有不同,他们都会是出色的AI研究人员。


Q12:在过去的几年里,你有一段令人难以置信的经历,(带领出)令人难以置信的高速增长。你提到退休时会写回忆录,那么当你回顾过去10年,你的领导方式有了什么样的显著变化?


A:对我而言,这几年最不同寻常的就是事情变化的速度。


在一家常规的公司,你有充足的时间去实现从0到1亿美元的营收,再从1亿到10亿,一直到100亿。你无需在两年内达成这个过程。我们确实并非传统意义上的硅谷初创公司,


我们不得不如此迅速地达成这一目标,有很多东西我本该花费更多时间去学习(但没有去学习)


Q12':有什么东西是你不知道,且本希望花更多时间去学习的?


A:我说一个吧,就是“让公司专注于如何增长下一个10倍”,而不是增长10%。


这需要付出多大的努力?这件事有多困难?


如果是增长下一个10%,之前的有效的东西会仍然有效。但要让一家营收10亿美元的公司增长到营收100亿美元,那就不能简单重复之前做的事,而是需要大量的变革。


在一个人们甚至没有时间掌握基础知识的世界中,因为增长太快,我严重低估了马不停蹄向前冲刺到下一步所需付出的努力,同时又没有忽视我们必须做的其它一切。



Q13:Keith Rabois(硅谷投资人,Paypal前副总裁)说你应该雇佣非常年轻的、30 岁以下的人,这是彼得·蒂尔(Peter Thiel,Paypal创始人)教给他的建立伟大公司的秘诀。我很好奇,你如何看待这种观点?你如何平衡雇佣年轻的有活力但缺乏经验的人,与那些更有经验的人?


A:我们创办OpenAI的时候,我就30岁左右,并不是特别特别年轻。


但目前为止,OpenAI的进展似乎还不错~


Q13':你如何看待雇用30岁以下的人来工作?他们年轻、精力充沛、雄心勃勃,但经验较少(有的可能也很丰富)


A:显而易见,答案是你可以通过雇佣两类人来取得成功。


我们的团队最近雇用了一个年轻人,他的工作令人惊叹。我都不懂这些人怎么能在如此年轻的时候把工作干得这么漂亮?!但这就是事实。


如果你能找到这样的人,他们会带来令人惊叹的新视角、能量等等。


另一方面,当设计一些人类有史以来最为复杂、最为昂贵的计算机系统时,我可不愿意押注于一个刚刚起步的人。


所以需要两者兼具。


我认为你真正想要的是一个由任何年龄段的人组成的极高人才标准,以及一个策略,即我只会雇用年轻人,或者我只会雇用年长的人。


我对 Y Combinator最感激的事情之一是“缺乏经验并不意味着没有价值”。


有一些非常有潜力的人在职业生涯的初期就可以创造巨大的价值,我们应该把赌注押在这些人身上,这是一件伟大的事情。


Q15:有人跟我说,有时候Anthropic的模型更适合编码任务,这是为什么?你认为这种评价公正吗?开发者该在什么时候选择OpenAI而不是其他模型厂商呢?


A:没错,Anthropic有一个非常擅长写代码的模型,令人印象深刻。


我认为开发者大多数时候都会使用好几个模型,而且随着Agent的作用越来越大,我不知道未来会如何发展。


我认为AI将无处不在,而我们目前谈论或思考它的方式感觉不太对。如果我必须描述清楚,我们会从讨论模型转向讨论系统,但这需要一些时间。



Q16:当我们考虑scale模型时,你认为在多少次模型迭代内,Scaling Law(缩放定律)仍将适用?人们普遍认为它不会持续太久,但它似乎持续的时间比人们想象的要长。


A:我理解这个问题的核心是“模型能力的改进是否会像过去那样?”


我相信答案是肯定的,并且会持续很长时间。


Q16':你怀疑过这件事吗?


A:完全没有。


Q16'':为什么?


A:我们遇到过我们不理解的行为,比如失败的训练运行,或其它各种各样的事情。


当我们接近一个范式的结束时,不得不想出下一个范式。


Q16''':哪一个是最难驾驭的?


A:当时研究GPT-4的时候,有一个问题非常棘手,我们真不知道怎么解决它。


虽然最后找到了解决办法, 但很长一段时间我们都不知道该如何推进这个项目。


后来我们转向我们长期以来感兴趣的方向,就是o1和推理模型,但在此之前经历了一条漫长而曲折的研究之路。


Q17:训练和运行都可能失败,保持士气是不是一件困难的事?你会如何保持/提振士气?


A:像你知道的那样,我们很多员工都对构建AGI这事儿是非兴奋,这是非常直接的动力。


没有人期望通往成功的这条路是轻松的、直线的。


有句话说得好,大概是说“我从不祈祷上帝站在我这边,我从来都是祈祷并希望自己站到上帝那边”。


在某种程度上,押注深度学习感觉就像站在了天使那侧,尽管你沿途会遇到一些大的绊脚石,但最终会发现它似乎总是会奏效。


因此,对此有深刻的信念对团队保持士气十分有利。


Q18:我可以问一个非常奇怪的问题吗?我最近听到一句很棒的话,“生活中最沉重的东西不是铁或金,而是未做出的决定”。哪一个未做出的决定最让你烦恼?


A:我每天做(及没做)的决定都不太一样,但没有一个是“大的”决定。


有一些重大的事情,比如是否会押注于下一个产品,或者我们是否会喜欢以这种或那种方式构建我们的下一台计算机——这些都有点像高风险的单向传送门,我会像其他人一样拖延很久。


但大多数情况下,困难的是每天都有些事情在投票比例为51:49的情况下让我最终拍板。这些事可能本身就是51:49的,而且我不觉得我能比其他人做得更好,但我又必须做最终决定。


Q18':当你要对这些51:49的事做决策时,你通常会打电话给谁?


A:没具体的谁。


如果做一切事情都要依靠一个人,我觉得是错误的。对我来说,正确的做法是有15或20个人为我建议,他们中每一个都在特定的领域有良好的直觉或背景。


你可以给(某个领域)最好的专家打电话咨询,而不是在各个方面都只依赖一个人。


Q19:接下来我想谈谈半导体供应链。你对半导体供应链有多担心?


A:我不知道如何量化这个担忧。


不可否认对它是担心的,但这不是我的首要担忧,但它在所有担忧的前10%之内。


我们已经陷入了太多的麻烦,已经超过了为此担心的阶段。


在某种程度上,我认为这一切都会顺利进行,但现在感觉有一个非常复杂的系统,每个层面都各自运作。在OpenAI内部也是如此,在任何一个团队内部都是如此。


举个半导体的例子,你必须平衡电源可用性与正确的网络决策,以及能够及时获得足够的芯片,以及研究可能存在的任何风险并备好与之相交,这样你就不会被完全措手不及,或者手里拿着一个无法利用的系统。


“供应链”听起来太像一个pipeline了,但每个层次上的、整体生态系统的复杂性,是我在任何行业中前所未见的。


怎么说呢,这可能是我最大的担忧。


Q20:很多人把这一波AI浪潮与互联网相比较,尤其是在兴奋和热情方面。我觉得两者所耗费的金额还是有些不同。拉里·埃里森(甲骨文公司创始人)说进入基础模型竞赛的起点将花费1000亿美元,你同意这个说法吗?这是合理的吗?


A:不,我认为会花费更少。


在基础模型领域竞争的成本将不到1000亿美元。


一个有趣的现象是,每个人都喜欢用此前的技术革命作为例子,来谈论新的技术。我认为这是一个不好的习惯,但我理解人们为什么这样做。


在我眼中,人们用来类比AI的例子特别糟糕,显而易见的,互联网和AI非常不同。


你提到一个关于成本的事情,以及是否需要花费1000亿美元来竞争,但互联网革命的特征是那时候起步真的很容易,而且对不少公司来说,这一波浪潮只是互联网的延续。


就像有人制造了这些AI模型,你可以使用它们来构建各种伟大的东西;但如果你试图构建AI本身,那就完全不同了。


人们常用来类比AI的另一个例子是电力。出于很多原因,我觉得这也不合理。


我最喜欢用来类比的例子是晶体管。


这是一项新的物理发现,它具有令人难以置信的缩放特性,很快就渗透到了各个地方。


我们现在可以想象到摩尔定律之类的东西,就像人工智能的一系列定律告诉我们它会以多快的速度变得更好。


每个人都受益于它,整个科技行业都受益于它。产品和服务中有很多晶体管,但你并不真正将它们视为晶体管公司。


这是一个非常复杂、非常昂贵的工业过程,具有庞大的供应链。


基于这个非常简单的物理发现,带来了长期的巨大经济增长——尽管大多数时候你并没有考虑它。


你不会说“这是一个晶体管产品”,只会觉得“OK,这东西可以为我处理信息”。


你甚至会理所当然地忽视晶体管的存在。


快问快答彩蛋


Q1:如果你现在20岁出头,使用我们今天的基础设施,你会选择做什么?


A:某个AI支持的垂直领域,我会选择AI助教,或者我能想象到的最好的AI律师、AI医疗顾问,任何类似的东西。


Q2:如果你要写一本书,你会给它取什么名字?


A:我还没有准备好标题,除了部分我想写的东西,我还没有完整构想过这本书。


不过我认为它会与人类潜力有关。


Q3:在AI领域,有什么是没受到足够关注,但每个人都应该花更多时间在上面的?


A:某种能够理解你整个生活的AI,我希望看到有很多不同的方法可以解决这个问题。


并不一定需要真的有无限的上下文,但以某种方式,你可以拥有一个知道关于你的所有事情、可以访问你的所有数据的AI Agent。


Q4:上个月有什么事情让你感到惊讶,Sam?


A:一个我不能谈论的研究成果,但它好得令人震惊。


Q5:你最尊敬哪位竞争对手?为什么是他们?


A:我想说,我尊敬目前这个领域的每个人。


我认为整个领域充满了才华横溢、非常努力的人。


我不是在回避问题,我可以指出每个地方都有超级有才华的人,做着超级出色的工作。


Q6:告诉我,你最喜欢的OpenAI API是什么?


A:我认为新的实时API非常棒,我们现在有一个庞大的API 业务,里面有很多好东西。


Q7:你今天最尊敬AI领域的谁?


A:让我向Cursor团队致敬。


有很多人在AI方面做着令人难以置信的工作,但在使用AI、让AI提供真正神奇的体验、创造大量价值的方面,Cursor以人们之前没有想到的方式将这些部分拼凑在一起,我认为这是非常了不起的。


这个答案排除了OpenAI里的人,不然我得说出一长串名字。


Q8:你如何看待延迟和准确性之间的权衡?


A:需要一个在延迟和准确性之间的刻度标准。我们正在做快问快答,我没有特意加快速度,但也尽量不想太久。


在这种情况下,你想要的是(降低)延迟。如果换成想在物理学上做出新的重要发现,就愿意多等待几年。


答案是,应该由用户控制这个权衡。


Q9:我相信每个人都会对自己的领导力感到不安,这种情况下,以及您希望改进自己的领导力领域时,作为OpenAI的领导者、CEO,您最希望改进哪些方面?


A:这是一个很长的清单……我试图厘清排名第一的是哪一个。


这周最困扰我的事情是,我对我们产品策略的细节比过去还要不确定。


我认为该产品总体上是我的弱点,现在公司需要我在这方面有更强大、更清晰的愿景。


我们有一位出色的产品主管和一支出色的产品团队,但我希望在这个领域我能更强大。


Q10:你雇用了Kevin Weil(来担任CPO),我认识Kevin很多年了,他非常出色。是什么让你觉得Kevin是世界级的产品领导者?


A:“纪律”是我想到的第一个词。


我们将专注于我们要说“不”的事情,真正试图代表用户说为什么我们要做或不做某件事,真正努力不抱有幻想。


Q11:Sam,你接受了很多采访。


最后我想谈一谈,我们对OpenAI有五年的展望和十年的展望。


A:如果我们是对的,我们可以轻松地在接下来两年内开始制造系统,帮助科学进步。


五年后,OpenAI的技术进步速度会快到令人难以置信,完全可以用疯狂来描述。


第二点是,社会本身的变化实际上很小。


就像五年前问大家计算机是否会通过图灵测试,大家都会摇头。


如果你说一个神谕告诉你会怎么怎么样,他们会说:oh,这将会是一个疯狂的、惊人的社会变化。


而现在,我们确实通过了图灵测试,而且社会并没有发生太大的变化。


一切只是呼啸而过。


我期望不断发生的事情就是进步,科学进步,不断前进,以一种我认为良好和健康的方式超越所有期望,同时社会变化并没有那么大。


(完)


参考链接:


https://www.youtube.com/watch?v=peg-aX1oii4


文章来自于微信公众号“量子位”,作者“衡宇”


关键词: openai , AI , 奥特曼 , 人工智能
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
智能体

【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。

项目地址:https://github.com/Significant-Gravitas/AutoGPT


【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。

项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md

2
AI医疗影像

【开源免费】MONAI是一个专注于医疗影像分析的深度学习框架,它可以让医院高效、准确地从医疗影像数据中提取有价值的信息,以辅助医生进行诊断和治疗。

项目地址:https://github.com/Project-MONAI/MONAI?tab=readme-ov-file

3
RAG

【开源免费】graphrag是微软推出的RAG项目,与传统的通过 RAG 方法使用向量相似性作为搜索技术不同,GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。

项目地址:https://github.com/microsoft/graphrag

【开源免费】Dify是最早一批实现RAG,Agent,模型管理等一站式AI开发的工具平台,并且项目方一直持续维护。其中在任务编排方面相对领先对手,可以帮助研发实现像字节扣子那样的功能。

项目地址:https://github.com/langgenius/dify


【开源免费】RAGFlow是和Dify类似的开源项目,该项目在大文件解析方面做的更出色,拓展编排方面相对弱一些。

项目地址:https://github.com/infiniflow/ragflow/tree/main


【开源免费】phidata是一个可以实现将数据转化成向量存储,并通过AI实现RAG功能的项目

项目地址:https://github.com/phidatahq/phidata


【开源免费】TaskingAI 是一个提供RAG,Agent,大模型管理等AI项目开发的工具平台,比LangChain更强大的中间件AI平台工具。

项目地址:https://github.com/TaskingAI/TaskingAI