跟上 AI 这样快速发展的行业是一项艰巨的任务。因此，在 AI 能够为你做到这一点之前，这里有一份上周机器学习领域的精彩故事汇总，以及我们未单独报道的值得注意的研究和实验。
本周 AI 动态
亚马逊宣布将开始利用生成式 AI 来“增强”产品评论。一旦推出该功能，产品详情页上将提供一段简短的文字，突出显示评论中提到的产品功能和客户情绪。
听起来是个有用的功能，对吧？也许对购物者和卖家来说是这样。但对于评论者呢？
我不会论证亚马逊评论是一种高雅艺术。相反，平台上相当一部分并非真实——或者是由 AI 生成的。
但有些评论者，无论是出于对 fellow shopper 的真实关心，还是为了激发创作灵感，都花费时间精心撰写不仅提供信息、而且具有娱乐性的评论。对这些评论进行摘要有失公允——也完全错过了重点。
也许你偶然发现了这些瑰宝。通常，它们出现在书籍和电影的评论部分，根据我的 anecdotal experience，亚马逊评论者往往更……冗长。
以亚马逊用户“Sweet Home’s”对 J. D. Salinger 的《麦田里的守望者》的评论为例，这篇评论长达 2,000 多字。引用了 William S. Burroughs 和 Jack Kerouac 的作品，以及 George Bernard Shaw、Gary Snyder 和 Dorothy Parker 的作品，Sweet Home’s 的评论与其说是评论，不如说是一次深入的分析，通过剖析和 contextualizing 小说中的线索，试图解释其持久的魅力。
还有布莱恩·戴斯蒙德对托马斯·品钦那本以晦涩难懂著称的小说《万有引力之虹》的评论。同样冗长——1,120字——它不仅在常规书评中强调该书的高光时刻（华丽的文笔）和低光时刻（过时的态度，尤其是对女性的态度），还详细描述了戴斯蒙德阅读这本书的体验。
AI能总结这些吗？当然可以。但代价是失去细微差别和深刻见解。
当然，亚马逊并不打算为了推广AI生成的摘要而隐藏用户评论。但我担心，如果普通买家越来越少地阅读评论者的作品，评论者将不太愿意投入如此多的时间和精力。这是一场宏大的实验，我想——就像生成式AI触及的大多数事物一样——时间会给出答案。
其他值得关注的 AI 新闻
- 我的AI失控了： Snapchat的My AI功能，一款应用内AI聊天机器人今年早些时候推出，伴随着相当多的争议，短暂地似乎有了自己的意识。周二，该AI在应用中发布了属于自己的Story，随后停止回复用户的消息，这让一些Snapchat用户感到不安。Snapchat母公司Snap后来证实这是一个bug。
- OpenAI提出新的审核技术： OpenAI声称，它开发了一种使用其旗舰生成式AI模型GPT-4进行内容审核的方法——减轻了人工团队的负担。
- OpenAI收购一家公司： 在 OpenAI 的最新动态中，这家 AI 初创公司收购了 Global Illumination，这是一家位于纽约的初创企业，利用 AI 构建创意工具、基础设施和数字体验。这是 OpenAI 在其大约七年的历史中首次公开进行的收购。
- 一个新的 LLM 训练数据集： Allen Institute for AI 发布了一个庞大的文本数据集，用于大型语言模型（LLMs），类似于 OpenAI 的 ChatGPT，可免费使用并开放审查。该数据集名为 Dolma，旨在作为该研究小组计划推出的开源语言模型 OLMo 的基础（Dolma 是“Data to feed OLMo’s Appetite”的缩写）。
- 洗碗、开门机器人： 苏黎世联邦理工学院（ETH Zurich）的研究人员开发了一种教机器人执行任务的方法，如开门和穿过门——以及更多。团队表示该系统可以适应不同的形态，但为了简单起见，他们在四足动物上进行了演示。
- Opera 获得 AI 助手： Opera 的 iOS 网页浏览器应用正在引入一款 AI 助手。该公司本周宣布，iOS 版 Opera 将集成 Aria，这是其与 OpenAI 合作开发的浏览器 AI 产品，直接整合在网页浏览器中，并对所有用户免费开放。
- Google 拥抱 AI 摘要： Google 本周对其运营近三个月的搜索生成式体验（SGE）推出了一些新更新，这是 Google 在搜索中推出的由 AI 驱动的模式，旨在帮助用户更好地学习和理解他们在网络上发现的信息。这些功能包括查看生僻词定义的工具、有助于提升理解和跨语言编码信息的工具，以及一个有趣的特性，允许用户在浏览时利用 SGE 的 AI 能力。
- Google Photos 获得 AI 功能： Google Photos 通过引入新的“回忆”视图，为用户提供了重温并分享最难忘时刻的新方式，该视图允许用户保存最喜欢的回忆或从头创建自己的回忆。借助“回忆”功能，用户可以构建类似剪贴簿的时间线，其中包括你最难忘的旅行、庆祝活动以及与亲人共度的日常时刻。
- Anthropic 筹集更多资金： 由前 OpenAI 领导者联合创办的 AI 初创公司 Anthropic 将从韩国最大的移动运营商之一 SK Telecom 获得 1 亿美元的资金，该电信公司于周日宣布了这一消息。这笔融资消息是在今年 5 月 Anthropic 在 Spark Capital 领投的 C 轮融资中筹集了 4.5 亿美元之后的三个月。
更多机器学习知识
我（即你的合著者 Devin）上周参加了 SIGGRAPH 大会，尽管 AI 目前在影视行业被视为“梦魇”，但它作为工具和研究对象都发挥了巨大作用。我很快会发表一篇更长的文章，讲述 VFX 艺术家如何以创新且完全无争议的方式使用它，但展出的论文也非常出色。特别是这场会议提出了几个有趣的新想法。
图像生成模型有一个奇怪的现象：如果你让它们画“一只白猫和一只黑狗”，它们经常会将两者混淆，忽略其中一个，或者画出猫狗混合体或黑白相间的动物。特拉维夫大学提出的一种称为“attend and excite”的方法通过注意力机制将提示词分解为各个组成部分，然后确保生成的图像包含每个部分的正确表示。结果是一个能更好地解析多主体提示词的模型。我预计类似的技术很快就会集成到艺术生成器中！
生成式艺术模型的另一个弱点是，如果你想做小幅修改，比如让主体稍微侧头，你就得重新生成整个图像——有时甚至会失去你最初喜欢的部分。“Drag Your GAN”是一款令人惊叹的工具，允许用户逐个或同时设置和移动多个点——正如图片所示，可以通过仅重新生成图像的相应部分以符合新的比例，来转动狮子的头部或张开它的嘴巴。Google 出现在作者名单中，因此你可以肯定他们正在研究如何利用这项技术。
这篇关于“语义排版”的论文更有趣，但也极其巧妙。通过将每个字母视为矢量图像，并将其向该词所指对象的矢量图像微调，它生成了相当令人印象深刻的标志设计。如果你正苦恼如何将公司名称转化为视觉双关语，这可以是一个很好的起步方式。
此外，脑科学与 AI 之间出现了一些有趣的交叉融合。
Berkeley 研究人员使用机器学习模型来解读听音乐时的大脑活动，并重建了一些专注于节奏、旋律或人声的神经集群。我总是对这类“我们读懂了大脑”的研究持怀疑态度，因此请酌情看待，但机器学习擅长从噪声中隔离信号，而大脑活动非常嘈杂。
麻省理工学院（MIT）和哈佛大学联手试图推进我们对星形胶质细胞的理解，这些是大脑中执行某些尚未明确功能的细胞。他们提出这些细胞可能起到类似 transformer 或注意力机制的作用——这是一个将机器学习概念映射到大脑而非相反方向的理论！论文高级作者、来自 MIT 的 Dmitry Krotov 很好地总结了这一点：
大脑远优于我们开发的任何人工神经网络，但我们并不完全清楚大脑是如何工作的。思考生物硬件与大规模人工智能网络之间的联系具有科学价值。这是面向 AI 的神经科学，也是面向神经科学的 AI。
在医疗 AI 领域，消费级设备的数据通常也被认为是有噪声的或不可靠的。但同样，ML 系统可以进行适应，正如耶鲁大学这篇新论文所展示的，这项研究使我们更接近能够在我们出现心脏问题之前发出警告的可穿戴设备。
GPT-4的第一个实际应用之一是在Be My Eyes中使用，这是一款帮助视障人士借助远程伙伴导航的应用程序。EPFL的学生开发了另外两款可能对任何视力障碍者都非常有用的应用程序。其中一款只是引导用户走向房间里的空座位，另一款则仅读出药瓶上的相关信息：活性成分、剂量等。如此简单却必要的任务！
最后我们有相当于幼儿水平的 “RoboAgent”，由卡内基梅隆大学和Meta开发，旨在通过观察和触摸事物来学习日常技能，如拿起物品或理解物体间的相互作用——就像孩子那样。
卡内基梅隆大学的Shubham Tulsiani表示：“具备这种学习能力的智能体使我们更接近能够在各种未见环境中完成多种任务并随着经验积累不断进化的通用机器人。”你可以在下面了解更多关于该项目的信息：