本週 AI 熱點：實驗、退役與滅絕事件
訓練 AI 生成影片摘要：機會與挑戰並存
YouTube 最近開始對觀看頁面和搜尋頁面上的影片進行 AI 生成的摘要實驗，但僅限於英語影片和觀眾。這些摘要對於發現和可存取性可能很有用，因為並非每個影片創作者都願意撰寫描述。然而我對 AI 嵌入的潛在錯誤和偏見表示擔憂。即使是現今最好的 AI 模型，仍然會產生“幻覺”。OpenAI 公開承認，他們最新的文字生成和摘要模型 GPT-4 在推理方面存在重大錯誤，並會編造“事實”。一位在健康科技行業的企業家 Patrick Hymel 寫到了 GPT-4 在沒有可識別真實來源的情況下編造參考、事實和資料的方法。而 Fast Company 對 ChatGPT 進行的文章摘要測試也顯示其效果相當差。考慮到影片摘要需要對影片內容進行分析，我們可以想像 AI 生成的影片摘要可能走向極端。難以評估 YouTube 的 AI 生成摘要的質量。但是眾所周知，AI 在總結文字內容方面存在不足。YouTube 在支援頁面上輕描淡寫地寫道：“雖然我們希望這些摘要對您有所幫助，並讓您快速理解影片內容，但它們無法取代影片描述（由創作者編寫！）。希望這一功能不會太倉促地推出。但考慮到 Google 最近推出的半成品 AI 產品（例如其仿 ChatGPT 的 Bard），我並不太有信心。"
其他 AI 熱點新聞
以下是過去幾天其他一些值得關注的 AI 新聞：
- Anthropic 共同創始人 Dario Amodei 將出席 Disrupt 大會，我們將對他進行採訪，探討身擁龐大資金對他的影響以及與 AI 相關的話題。
- Google 將為 AI 動力搜尋建立新的 AI 功能：Google 正在向其 AI 動力搜尋生成實驗增加情境圖片和影片。這是今年 5 月 I/O 開發者大會上宣布的 AI 動力搜尋功能的升級版本。該功能現在可以顯示與搜尋查詢相關的圖片或影片。據報導，該公司還計劃將其助手專案轉向類似 Bard 的生成 AI。
- 微軟結束 Cortana：Cortana 已經被棄置，這跟 Halo 系列遊戲中的情節一樣，然而它只是一個名不見經傳的數位助手，時候已到。
- Meta 公司採用生成 AI 音樂：Meta 本週宣布了 AudioCraft，一個生成高質量、真實音訊和音樂的框架，它可以從短文字描述或提示中生成。Google 撤銷 AI 試驗廚房：Google 將 AI 試驗廚房應用程式從 Play 商店和 App Store 中撤銷，只專注於 Web 平臺。該公司去年推出 AI 試驗廚房體驗，讓使用者可以與由不同 AI 模型驅動的專案進行互動，例如 LaMDA 2。
- Kickstarter 針對生成 AI 實施新規定：Kickstarter 本週宣布，使用 AI 工具生成內容的專案將被要求披露專案所有者計劃如何在他們的工作中使用 AI 生成的內容。此外 Kickstarter 要求涉及開發 AI 技術的新專案詳細說明專案所有者打算使用的訓練資料來源的訊息。
- 中國嚴打生成 AI：由於新規定要求中國的 AI 應用程式獲得行政許可，多個生成 AI 應用程式已從 Apple 的中國 App Store 中下架。其中一個應用程式是 Inworld，它是一個生成 AI 平臺，用於建立非玩家角色(NPC)。
- Stable Diffusion 發布新模型：Stability AI 推出了 Stable Diffusion XL 1.0，一個文字到影象的模型，該公司稱之為迄今為止最先進的版本。Stability 聲稱，該模型的影象具有比其前身更鮮豔、準確的顏色以及更好的對比度、陰影和照明效果。
AI 在戰勝傳染病方面的潛力
AI 正在應用於各個科學領域，但你或許無法一口氣朗朗上口列出其中多個具體的應用。對此《Nature》的綜述是當前最全面的對 AI 應用於不同領域和方法的記錄以及使其成為可能的進展。不幸的是，該文獻需要付費閱讀，但你可能可以找到其他途徑來獲取該論文的副本。此外《Science》以及賓夕法尼亞大學的綜述文章進一步探討了 AI 在全球抗擊傳染病方面的潛力。有趣的是，用於預測藥物相互作用的模型也可以幫助“解開感染生物體和宿主免疫系統之間的複雜相互作用”。由於疾病病理學極其複雜，流行病學家和醫生可能會利用任何可以幫助的工具。
AI 在明星觀測等領域的應用
另一個有趣的例子是，這項跨機構合作建立的算法可以自動識別“可能危險”的小行星。天空調查產生大量的資料，對這些資料進行排序以找到像小行星這樣的微弱訊號是一項困難的工作，高度適合自動化。在 ATLAS 資料的測試中，600 英尺的小行星 2022 SF289 被發現。華盛頓大學的 Mario Jurić表示：“這只是不到兩年後的 Rubin Observatory 在進行 HelioLinc3D 的時候在天空中每天都能發現這樣的物件的小小滋味。”讓我們期待吧！還有一項 AI 研究的重要領域是 AI 的研究本身，即 AI 如何執行以及為何執行的研究。通常，這些研究對於非專家來說相當困難。不過 ETHZ 的研究人員首席作者 Johannes von Oswald 在一次採訪中用較簡單的語言解釋了一些概念。如果你對像 ChatGPT 這樣的模型內部發生的“學習”過程感興趣，那麼閱讀這份採訪是值得的。
提高 AIAI 學習過程的關鍵
改善學習過程也是很重要的，正如這些杜克大學的研究人員發現的那樣，答案並不始終是“更多的資料”。事實上更多的資料可能會阻礙機器學習模型的學習。杜克大學的教授 Daniel Reker 表示：“這就好像你訓練了一個算法來區分狗和貓的圖片，但你給它了十億張狗的照片學習，只給了一百張貓的照片。算法將變得非常擅長於識別狗，以至於一切都開始看起來像狗，它將忘記世界上的其他一切。”他們的方法使用了“主動學習”技術，可以識別資料集中的弱點，並且在使用僅 1/10 的資料情況下證實更加有效。
可見與生成語音的差異
倫敦大學學院的一項研究發現，人們在英語和普通話語音中只能在 73%的情況下分辨真實語音與生成語音的差異。也許我們在這方面會越來越好，但在即將來臨的短期內，技術可能會超越我們檢測的能力。所以大家都要保持警惕。
延伸閱讀
- Y Combinator 幫助醫療記錄 AI 新創 Hona 募得 300 萬美元 的故事
- Pinterest AI 打造的拼貼圖比單張針腳更吸睛
- Atlassian 推出新的 AI 同事 Rovo
- 三星的營運利潤飆升 930％，AI 動能帶動記憶晶片需求
- GitHub 推出 Copilot Workspace：AI 驅動的軟體工程空間
- 「馬斯克的 xAI 示範 AI 新創公司的龐大市場潛力」
- 照片分享社群 EyeEm 將許可使用者的照片以訓練 AI，如果使用者不刪除照片
- 英偉達收購 AI 工作負載管理新創公司 Run:ai
- 英國調查亞馬遜和微軟與 Mistral、Anthropic 和 Inflection 的 AI 合作關係
- 這款相機以 AI 詩詞交換照片
