微软推出个人版ChatGPT与新的Edge浏览器；AI教父离开Google；亚马逊重启Alexa｜Weekly Summary

Inflection AI，由前DeepMind领导人创立的初创公司，推出了名为Pi的聊天机器人

Inflection AI，由前DeepMind领导人创立的初创公司，推出了名为Pi的聊天机器人，它提供比竞争对手更个性化、更富有对话性的体验，并能够记住过去的互动并帮助用户完成各种任务。由CEO Mustafa Suleyman于今日推出的Pi旨在成为一个“积极的听众”，最终将协助组织日程安排、会议准备和学习新技能。虽然AI市场已经充斥了聊天机器人，但Inflection AI凭借其注重提供“与您的兴趣单一对齐”的个性化AI，以及2.25亿美元的资金支持，希望在市场中脱颖而出。

MOOCs推出两门关于大型语言模型和生成AI的在线开放课程

第一门课程教授如何构建自己的应用程序，第二门课程则教授如何从头开始在数据湖上构建大型语言模型。

亚马逊计划利用AI技术强化Alexa

据Insider透露，亚马逊首席执行官Andy Jassy有大笔计划，要用类似ChatGPT的功能重新启动语音助手。

ChatGPT可能引领心理健康革命

半岛电视台讨论了AI驱动的治疗工具的崛起，突出了潜在的好处，例如增加的可访问性和方便性，以及关注的问题，包括有效性、隐私和替代人类交互在心理健康护理中的风险。

Google已经完全整合了Checks，这是一个AI驱动的平台

Google已经完全整合了Checks，这是一个AI驱动的平台，可协助公司实现Google Play和iOS应用程序的隐私合规性。Checks由Google的大型语言模型和应用程序理解技术提供支持，可通过直观的仪表板提供自动化分析、监视和建议。该平台已帮助全球各个领域的公司，包括游戏、健康、金融、教育和零售，有效地遵守隐私合规要求。

微软可能会提供个人版ChatGPT

据Ars Technica报道，微软计划为需要保密的企业提供“以隐私为先”的ChatGPT版本。这个版本被设计为完全离线工作，消除了通过基于互联网的AI模型泄露敏感信息的风险。这一发展反映了隐私在AI应用中的日益重要性，特别是在机密信息安全至关重要的敏感领域。

H100芯片驱动的DGX超级计算机

GPU几乎驱动了现今所有的AI应用。Nvidia的下一代H100芯片已经发布，并且正在社区中迅速被采用。使用这些芯片最简单的方式之一是通过DGX工作站。这是一台完整的计算机，通常装有8个GPU，可以直接使用。带有h100芯片的最新版本刚刚开始发货！

安迪·沃霍尔版权案可能会改变生成式AI

美国最高法院即将在Andy Warhol Foundation for the Visual Arts, Inc. v. Goldsmith的裁决中，可能会改变公平使用法律的解释，以及所有依赖该法律进行保护的人、工具等。

三星禁止使用AI聊天机器人

根据Engadget的报道，三星已向其员工发出指示，要求他们避免使用像ChatGPT和谷歌的Bard这样的AI工具。该公司的决定凸显了其对机密数据泄露的担忧，考虑到这些工具的学习和基于输入文本生成的能力。三星可能正在着重保护其知识产权，并保护内部通信免受潜在的侵犯。

Stability AI发布DeepFloyd IF

Stability AI发布了DeepFloyd IF，这是一种创新的文本到图像模型，利用人工智能将文本描述转换为详细而生动的图像，为数字艺术和设计开辟了新的可能性。

AI 教父 Hinton 离开谷歌

AI 教父 Hinton 博士离开谷歌的事实是值得注意的。他在Twitter上声称，他的目标是远离谷歌，这样他就可以更加公开地讨论人工智能的潜在危害。他声称，他之前的雇主在AI产品发布方面表现得很负责任。

Microsoft Edge现在具有Bing AI

Microsoft Edge在其右键上下文菜单中引入了一项基于人工智能的功能。这个功能由Bing提供支持，可以为用户在浏览时提供AI生成的查询建议。它旨在帮助用户快速找到相关信息，而无需打开新标签页或执行其他搜索。

微软推出基于 AI 的设计师工具预览版

微软推出了基于 AI 的设计师工具预览版，旨在通过自动建议设计元素和布局选项，简化和增强设计流程，从而显著提高用户体验和生产力。

亚马逊正在开发一种LLM，以提升Alexa的功能

亚马逊正在开发一种改进的大型语言模型（LLM），以增强其语音助手Alexa的功能。

StabilityAI 的 Vicuna 聊天机器人

ChatGPT等聊天系统的动力来自大型语言模型，并通过人类偏好进行调整，以生成逼真和有用的对话。驱动这些系统的模型被保密。Stability AI发布了一种语言模型，其行为类似于ChatGPT，但是大部分是开源的。它并不像ChatGPT那么强大，并且有一些商业许可限制。

OpenAI威胁要起诉GPT4Free

由于存在潜在的法律和伦理问题，OpenAI向独立组织GPT4Free发出了关闭通知信，该组织一直在托管和提供访问其先进的语言模型。

Mark Zuckerberg 表示Meta希望向数十亿人介绍AI代理

Meta 的 CEO, Mark Zuckerberg 表示，公司计划以有意义的方式向数十亿用户介绍AI代理。在公司最近的财务电话会议上，他提到了在WhatsApp和Messenger中探索聊天体验、为Facebook和Instagram提供视觉创作工具，并最终将AI扩展到元宇宙的计划。

Pinecone的1亿美元B轮融资

Pinecone似乎是向量数据库的首选之一，需要语言模型与外部数据交互时，这非常有用，将该数据嵌入为向量并将其存储在此类数据库中。

OpenAI首席技术官Mira Murati的采访

这篇AP新闻文章采访了OpenAI的首席技术官Mira Murati，她讨论了ChatGPT、GPT-4和DALL-E的开发和潜在应用，同时还涉及了伦理考虑、可能的滥用以及确保这些尖端AI技术的负责任部署的重要性。

每个人都对小模型感到兴奋，但Ta们能抓住么？

大型语言模型往往比小型模型具有更好的推理能力。这种推理能力有助于解决难题，可能使语言模型成为下一代计算平台/操作系统的基础。对代码进行训练、思维链提示和强化学习（RL）等技术往往可以提高推理能力。然后问题就变成了这些技术能否弥合小型和大型模型之间的差距。

GPT4在因果推理方面表现出色

GPT4在因果推理方面表现出色。我们知道相关性不等于因果关系，但是经过训练以找到相关性的模型是否能够发现因果关系？最近一批OpenAI模型在许多有趣的基准测试中表现出惊人的能力，包括因果发现和因果推理。然而，它们也展示了令人惊讶且有些非直观的失败模式，这意味着我们仍有很长的路要走。

 Unlimiformer是一种新方法，可以与任何基于Transformer的模型一起使用

Unlimiformer是一种新方法，可以与任何基于Transformer的模型一起使用，使其能够处理无限长度的输入文本。这种酷炫的技术改进了模型，如BART和Longformer，使它们能够摘要非常长的文本，甚至整本书，而无需删减任何内容。

 在一周内训练一个SOTA代码LLM

一次独家采访，让Replit的AI主管Reza Shabani讲述了Replit的数据平台、GhostWriter的构建以及现在训练其自己的LLM的故事，为2200万开发人员服务。

Pick-a-Pic：一个用户喜好的文本到图像生成的开放数据集

创建了一个名为Pick-a-Pic的Web应用程序，让人们生成图像并分享自己的喜好，从而创建了一个大型开放数据集，用于训练一个名为PickScore的超级智能评分系统。PickScore非常擅长预测人们喜欢什么，并且比其他方法更适用于评估文本到图像模型，因此建议在未来使用它。

AI歌手非常出色且已经无处不在

介绍了使用SoftVC VITS Singing Voice Conversion（或So-Vits-SVC），一个免费、开源和本地运行的程序，轻松制作AI音乐的过程。

GPT记住了哪些书？

大型语言模型今天已经“看到了整个互联网”。这并不完全正确，但它们确实看到了许多不同的书。结果表明，这些大型语言模型已经记住了许多这些书的内容。这篇有趣的论文试图通过一些巧妙的实验来推断它们已经记住了哪些书，并发现许多最流行的著作，甚至一些不太知名的著作，都被这些大型语言模型几乎完全记忆。有趣的是，一些基于知识的基准测试的性能需要书本的记忆，因此这可能是模型版本之间性能显著提高的一个解释。

 生成3D人形头像的纹理

科学家们在仅有一张图片的情况下创造出了一个可移动的3D人形头像，取得了很大的进展。但是，从同一张图片中生成头像的纹理或皮肤并没有得到足够的关注。为了解决这个问题，研究人员提出了一种方法，使用两个网络来合成缺失的纹理，基于图像中可见的纹理和人形的形状，从而得到更准确和详细的最终产品。

StyleAvatar：从单一视频生成实时逼真的肖像头像

研究人员创建了一种名为StyleAvatar的新方法，可以生成高保真度的肖像头像，并可以控制其表达各种情感。这种方法使用了多种不同的网络，并采用了新技术，如滑动窗口增强方法和预训练策略，从而产生了可以实时渲染的高质量肖像视频。StyleAvatar方法在图像质量、完整肖像视频生成和实时重现方面优于现有的面部复制方法。

从单一示例生成3D自然场景

这项工作将2D基于补丁的框架适应到3D场景生成中，引入了算法设计，使得可以创建具有逼真结构和外观的多样化、高质量的自然场景。

 训练稳定扩散花费$50k

Mosaic ML正在构建一个工具包，使模型训练变得极其简单。他们在公共云上复制了稳定扩散训练，花费了47,000美元。代码已经开源。他们的平台可以自动从硬件故障中恢复。有趣的是，这个模型的用户偏好得分很高，可能是由于许可的图像训练问题。无论如何，这是如何使用他们的工具，特别是StreamingDataset来处理100T的数据并训练一个相当复杂的模型的有力示例。

Open GPT模型针对医疗数据进行调整

Llama是Meta的一种语言模型，采用了大多数开放式许可证进行发布。它的训练时间比GPT-3长得多，甚至比Deepmind的Chinchilla建议的最佳训练时间还要长。它在医疗任务上表现良好，但是当进行