AI简报 03-13 | Kosmos-1, GPT-4, 多模态

💬 硅谷王川表示，如果GPT-4模型独立获取更多数据和真实反馈，超越人类智能不是问题，但唯一的瓶颈是如何保证能量供给不被掐断，与Humanoid机器人结合后将产生美妙的画面。同时，据@dexteryy透露，GPT-4已经确认支持多模态，可以处理全球网络上大量语言、图像和视频记录。

🛠️ 现已推出开源的20B ChatGPT演示，截图展示了使用InstructGPT博客上的“解释登月”提示的表现，尽管公开的努力值得赞扬，但我们仍有很长的路要走。

🛠️ 一位用户分享了一个20B ChatGPT演示，InstructGPT博客发布了一个“解释登月”提示的截图，左边是NeoXT-Chat-20B，右边是OpenAI ChatGPT，作者对开源努力表示赞赏，但认为还有很长的路要走。

💬 硅谷王川表示，类似于在 Chatgpt 上看到的 AI 突破，2025年底之前可能会在某个场景中看到突破。

📰 一位开发者在他的笔记本电脑上运行Meta的13B LLaMA模型，该模型被认为与GPT-3具有竞争力，表明本地语言模型在消费级硬件上是可行的。

🛠️ 微软推出了一种名为Kosmos-1的多模态语言模型，能够识别语言和图像，在上下文中学习和生成文本输出，可应用于语言和视觉任务。该模型基于Transformer语言模型，并使用一个名为Magneto的预训练模型，具有1.6亿参数，展示了零样本图像识别、带上下文的图像问答和图形推理等三大关键能力。

💬 该模型的训练目标是预测下一个token，输入包括文本、图像嵌入和文档。它能够在上下文中学习新的概念和关系，适用于语言任务和视觉任务，并使用一个名为Magneto的预训练模型，具有1.6亿参数。

💬 Kosmos-1是一种多功能的语言和视觉模型，能够完成语言任务、跨模式转移、非语言推理、感知语言任务和视觉任务等。其在语言和视觉任务上表现不错，还有一个新颖的数据集用于评估其非语言推理能力。作者认为这是实现人工通用智能（AGI）的关键一步，但未来仍面临挑战和机遇。

💬 该研究介绍了一种基于多语言语言模型（MLLMs）的人工智能模型，可在语言和视觉任务上获得不错的结果，并可用于评估非语言推理能力。该模型在不同数据集上进行了评估，也提出了未来可能面临的挑战和机遇，被认为是实现人工通用智能（AGI）的关键一步。

🛠️ Kosmos-1是一个具有多项任务能力的语言模型，包括语言理解、语言生成、OCR-free文本分类、常识推理、智商测试、图像说明、视觉问答、网页问答、零样本图像分类等。其能力覆盖了语言和非语言推理、感知和视觉任务等多个领域。

🛠️ 该示例介绍了使用平面图像矩阵、口头指令、图像说明、问题回答、OCR以及基于图像的对话等方法评估KOSMOS-1的Raven IQ测试，并将每个候选图像分别附加到提示上，询问模型是否正确，最终产生最高概率的“是”的候选人。

🛠️ KOSMOS-1通过多模态思维链处理答题和推理任务，在Raven IQ测试中评估，使用提示包含平面图像矩阵和口头指令，并附加候选图像来促使模型产生最高概率的"是"的候选人。

🛠️ 微软计划提供Kosmos-1给开发人员，但尚未在GitHub页面上更新特定代码，而GPT-4将能理解图像、声音和视频，从而释放更多魔力。

🛠️ Kosmos-1和GPT-4的推出是迈向通用人工智能（AGI）的重要一步，GPT-4是多模态模型，可以理解和输出图像、声音、文本和视频，释放更多的魔力。

💬 GPT-4即将发布，可以理解音视频，可能会有更直接的工具出现。

💬 Kosmos-1和GPT-4的推出让我们更接近通用人工智能的实现。在未来，个体企业家需要提升想象力、决策和沟通能力，以及为自己设计培训系统应对人工智能的发展。

💬 @starzq.eth分享了关于GPT-4的信息，它是一种多模态模型，可以同时理解图像、声音、文本和视频。这意味着AI正在朝着通用人工智能的方向迈进，人们需要不断提升自己的能力来面对这个充满未知的未来。

🛠️ 超过60%的作家已经在其写作流程中使用AI工具，ChatGPT是一种革新写作方式的新型AI写作工具，86%的HackerNoon读者开放使用AI写作工具的想法，而使用ChatGPT的主要优点包括......（需要在阅读原文中查找）。

💬 nvidia通过工程解决了2013年被认为计算量太大不可能解决的“实时光线追踪”问题，表明随着硬件和软件的发展，类似的复杂问题也将被解决。

📰 美国研究算法偏见领域的专家Meredith Broussard在其新书《More than a Glitch》中探讨了将人工智能应用于社会问题中所产生的危害，并指出这种应用已经带来了灾难性的后果。

📰 随着人工智能的快速发展，人类必须加速适应或共同达成可执行决定以减缓这些技术的发展。