Author: aitrendtrackers@rengongzhineng.io

前OpenAI董事会成员海伦·托纳（Helen Toner）在帮助罢免CEO萨姆·阿尔特曼（Sam Altman）后，于本周二在一档播客节目中首次公开谈及公司内部的动荡情况。 托纳举了一个例子：2022年11月，当OpenAI发布ChatGPT时，董事会事先并未被告知，他们是在推特上才知道这个消息的。托纳还提到，阿尔特曼并没有告诉董事会他拥有OpenAI初创基金的股份。 尽管阿尔特曼在被解雇不到一周后重新担任CEO，但托纳的言论首次揭示了当时决策的内情。 “董事会是一个非营利性组织，设立的明确目的是确保公司的公共利益使命优先于利润、投资者利益和其他事项，”托纳在《TED AI Show》播客中表示。 “但是多年来，萨姆通过隐瞒信息、歪曲公司内部情况，有时甚至直接对董事会撒谎，使得董事会无法真正履行其职责，”她说。 托纳提到，阿尔特曼多次向董事会提供关于公司安全流程的不准确信息。 “对于任何个别案例，萨姆总能给出一些听起来无害的解释，说这不是大问题，或者是误解之类的，但最终结果是，经过多年的这种情况，我们四个解雇他的人得出了结论：我们不能再相信萨姆说的话了，这对于一个应该提供独立监督的董事会来说，是完全不可行的，”托纳说。“尤其是一个不仅仅是帮助CEO筹集更多资金的董事会。” 托纳解释说，董事会一直在努力改进这些问题。她提到，在罢免事件前的10月，董事会与两位高管进行了对话，这两位高管分享了他们之前不敢公开的经历，包括有问题的互动和虚假信息的截图和文件。 “他们突然开始告诉我们……他们无法信任他，关于他制造的有毒氛围，”托纳说。“他们用了‘心理虐待’这个词，告诉我们他们不认为他是引领公司走向AGI的合适人选，告诉我们他们不相信他能或者愿意改变。” 人工通用智能（AGI）是指在各种认知任务上超越人类能力的人工智能类型。 OpenAI的发言人暂未对此发表评论。 本月早些时候，OpenAI解散了专注于AI长期风险的团队，而就在一年前，公司刚刚宣布成立该团队。这一消息发布的几天前，该团队的两位领导人——OpenAI联合创始人伊利亚·苏茨克维尔（Ilya Sutskever）和简·莱克（Jan Leike）宣布离开这家由微软支持的初创公司。莱克随后宣布加入AI竞争对手Anthropic，他在上周五写道，OpenAI的“安全文化和流程已被光鲜亮丽的产品所取代。” 托纳的言论以及高调的离职事件，都发生在去年的领导危机之后。 去年11月，OpenAI董事会罢免了阿尔特曼，称其进行了“深思熟虑的审查过程”，并指出阿尔特曼“在与董事会的沟通中不够坦诚，妨碍了董事会履行职责的能力。” “董事会不再相信他能继续领导OpenAI，”他们表示。 《华尔街日报》和其他媒体报道称，虽然苏茨克维尔专注于确保人工智能不会对人类造成伤害，但包括阿尔特曼在内的其他人则更急于推动新技术的推出。 阿尔特曼被免职后，员工们纷纷辞职或威胁辞职，包括几乎所有OpenAI员工签署的一封公开信，以及投资者（包括微软）的强烈反对。在不到一周内，阿尔特曼重新上任，而投票罢免阿尔特曼的董事会成员托纳和塔莎·麦考利（Tasha McCauley）则离开了董事会。苏茨克维尔放弃了董事会席位，但仍留在公司，直到他在5月14日宣布离职。投票罢免阿尔特曼的亚当·德安杰洛（Adam D’Angelo）仍然在董事会。 今年3月，OpenAI宣布了其新董事会，其中包括阿尔特曼，并结束了由律师事务所WilmerHale对导致阿尔特曼被罢免事件的内部调查。 OpenAI没有公布WilmerHale的调查报告，但总结了其调查结果。 “审查结果表明，前董事会与萨姆和格雷格之间存在严重的信任危机，”OpenAI董事会主席布雷特·泰勒（Bret Taylor）当时表示，指的是公司总裁兼联合创始人格雷格·布罗克曼（Greg Brockman）。审查还“得出结论，董事会是出于善意行事……[并且]没有预见到之后出现的一些不稳定因素，”泰勒补充道。

人工智能工具已经可以生成基本代码、构建法律论据，甚至绘制儿童书籍插图。而现在，一批新的聊天机器人正在进军另一个传统上由人类处理的领域：职业教练。 在人们担心自己可能会被AI取代工作的同时，有些人正在使用同样的技术来帮助他们在工作中导航。人们已经转向生成式AI来获得专业人士提供的建议——如约会技巧、旅行规划以及如何应对有毒的人际关系。那么，为什么不把这些技术应用到工作上呢？ 我们测试了六款机器人，看看它们与真正的职业教练相比表现如何，从如何处理性骚扰到何时换工作。我们发现，虽然AI工具提供了一些基础建议，但它们也可能复杂化问题或提供有偏见的解决方案。 测试结果如何 尽管生成式AI不像人类教练那样强大，但作为帮助职场困境中的另一个工具，它们显示出一定的前景。关键是将其作为创意生成器或获取额外视角的工具，最终依靠自己的判断。 “比如，可以说‘这是我的计划。我还应该考虑什么？’” 西北大学凯洛格管理学院研究AI对工作的影响的助理教授Hatim Rahman说道。“我认为这是最有前景的地方。” 各大AI工具表现如何 专为职业教练设计的AI工具会逐步引导我们解决问题，通常会提出有针对性的跟进问题。这些应用程序通常引导我们自己解决问题，而不是强行将我们引向某个路径。像ChatGPT这样的通用应用程序则更可能一次性提供大量信息。 Google SGE： 公司的生成式AI搜索通常会在许多Google搜索的顶部自动显示，通常会给我们一份要点列表，并附上更多信息的链接。这些链接指向工作网站、职业服务提供商以及公司和大学博客。 Copilot： 微软的AI机器人类似，但它允许你进行更多对话。当我们问它如何与老板谈论其微观管理倾向时，我们可以进一步要求它提供如何设定边界的建议。它会提供更多步骤，包括可能的措辞：“我很感激反馈，但我更希望在我们每周的检查中收到，而不是在整个工作日中。” ChatGPT： OpenAI的免费应用程序版本通常会在一个响应中加载所有内容，给出一份提示列表、一个困难对话的样本脚本，并以最终的想法结束。类似于Copilot，你可以继续提出额外的问题或进行调整。 AIMY： 当我们问AIMY（由OpenAI、Anthropic和公司自己的模型提供技术支持）是否应该辞职时，AI并没有立即回答。首先，它会提出关于为什么我们要问、我们对工作的感受以及是否有步骤可以解决问题的问题。该应用程序由连接人类职业教练的公司CoachHub拥有。 “如果你今天需要处理一个复杂的情况，你不需要等待你的教练。” CoachHub的数据和洞察高级副总裁Pedro Cabrera说道。 Wisq： 该应用程序允许你从“发展领导技能”等主题中选择，或与机器人自由聊天。它同样保持中立，建议职业转换可能具有挑战性但也可能有回报。它使用专有算法和来自OpenAI、Meta和Anthropic的大型语言模型的结合。 “只有很小一部分员工可以访问人类教练，” Wisq的CEO Jim Barnett说道。“我们的重点是为另外98%的员工提供教练。” Rocky.ai： 该工具专注于具体目标，有时过于专注。这可能是因为系统只从精选内容中提取，而不是整个互联网，或公司为企业账户上传的数据。它使用Google的Gemini和OpenAI的GPT等主要模型来增强特定对话请求。 CoachHub的AIMY、Wisq和Rocky.ai都可以作为移动应用程序或在网络上使用。CoachHub和Rocky.ai提供免费版本，三者都有付费选项。 需要注意的是，如果你使用的是消费者工具，你的数据可能会被用于培训目的。企业账户通常有更多保护，但在使用公司提供的软件询问敏感问题时要谨慎。 为什么它们无法取代人类 AI无法取代人类职业教练，部分原因在于技术往往会编造内容。 OpenAI的使用政策警告构建者不要使用ChatGPT来促进“可能显著影响他人安全、福祉或权利的活动”，尽管它没有具体说明任何关于职业建议的内容。它警告说答案可能听起来正确但实际上是错误的，并提醒用户它并不了解所有事情。微软表示同意，Copilot并不是为了成为职业顾问而构建的。 AI在回答中也存在性别和种族偏见的问题。例如，当我们分别为女性和男性寻求工作推荐时，ChatGPT提供了性别化的答案，比如为男性推荐更多的科学和技术相关工作。 这些机器人有时太过笼统而不具有帮助性，或者太奇怪而无法理解。Copilot不知道如何为可能怀疑自己在工作场所受到无意识偏见的人提供建议，而是提供了关于无意识偏见的通用建议，如“自我教育”。有一次，Rocky.ai问道：“今天你会优先考虑哪项任务，并利用你最深层次的纪律？” 在其他情况下，跟进问题变得令人困惑和循环，几乎是在引诱我们通过反问来回答原始问题。在这些情况下，我们用简单的“我不知道。你能帮忙吗？”来结束循环，这促使机器人开始与我们一起头脑风暴。 “Korn Ferry全球人工智能实践负责人Vinay Menon说道：“AI生活在互联网上，而你我生活在现实世界中——这一点我们不应忘记。AI旨在支持决策，而不是完全接管决策。” AI教练未来的就业前景 专家和软件制造商一致认为，AI无法像人类教练那样提供情感共鸣、人类情感线索和对你个人经历的了解。 “导师了解你的职业轨迹和经验，而[AI]不会。” Rahman说道。 在寻求建议之前，你应该具备基本的AI素养和怀疑态度，并熟悉数据隐私政策。 软件制造商和AI专家一致认为，这项技术只会变得更好。OpenAI已经推出了可以识别某些视觉线索的技术。也就是说，AI像科学一样对待决策，而不是通过洞察力。如果你使用它，不要忘记依靠你自己的智慧。 “人类需要放在首位，AI其次。” Menon说道。

Google的Gemini 1.5 Pro发布已有一段时间，支持多达100万个token。最近，这家位于山景城的科技巨头在2024年Google I/O大会上宣布，开发者很快就能尝试一个2M token版本。 那么，Gemini 1.5 Pro的实际表现如何？通常，基准测试数据是一个好的起点，尽管它不一定能完全描绘出全貌。事实证明，无论是Gemini 1.5 Pro，还是其“高级版”在某些类别中都与OpenAI最新的GPT-4o不相上下。 表现对比 正如上图所示，根据LMSYS Org的整体排行榜对比，Gemini-1.5-Pro-API-0514和Gemini-Advanced-0514在Arena Elo系统测量下接近GPT-4o。这两个模型在中文领域也极受欢迎，且在“难题”类别中表现突出。 Arena Elo系统通过让用户匿名投票选择哪个模型在随机对决中表现更好，来衡量大型语言模型（LLM）的技能，并像国际象棋的Elo系统一样更新其评级。这个非营利性AI组织专注于对比模型的表现。 Gemini 1.5 Flash现已在Google AI Studio和Vertex AI上可供试用。对于一个小型轻量级模型，它的表现确实与微软Phi-3系列最新成员Phi-3-vision和Phi Silica相媲美。 与OpenAI的比较 OpenAI不久前推出了新的GPT-4o模型和ChatGPT桌面应用，预期非常高。最新的模型使AI聊天机器人在与用户对话时听起来极具人性化。 总的来说，Google的Gemini 1.5 Pro在多个方面表现出色，尤其是在某些特定类别中能与OpenAI的最新模型一较高下。这使得它在AI技术竞赛中占据了一席之地，并展示了其强大的竞争力和创新能力。

OpenAI即将与苹果合作：iOS 18中的ChatGPT引发期待与担忧 当iOS 18在下个月的WWDC 2024预览中亮相时，ChatGPT可能也会随之而来。据报道，苹果与OpenAI正在进行高级谈判，计划在今年的iPhone软件更新中使用OpenAI的技术，这是苹果将更多AI功能引入其产品的一次重要举措。 AI功能的前景与担忧 对于希望在iPhone上体验生成式AI功能的用户来说，这是一个令人兴奋的前景，可能还会看到Siri个人助理的全新版本。然而，对于最近关注新闻并发现OpenAI因为错误原因而登上头条的人来说，这一发展也令人担忧。 在Bloomberg报道苹果与OpenAI的谈判的同时，OpenAI正在举行其春季更新活动，展示新的GPT-4o模型，其中亮点是一个能够进行实时对话的新语音助手——Sky。这个语音助手被比作电影《她》中的虚拟助手工具，OpenAI CEO Sam Altman在Sky亮相时似乎强调了这种比较，在推特上发布了“her”。 演员斯嘉丽·约翰逊也注意到了这种相似之处，她在一份强烈声明中表示，Altman曾接洽她为Sky提供声音，但她拒绝了这一提议。鉴于两者声音的相似性，约翰逊认为OpenAI在未经许可的情况下使用了她的声音。 事实的复杂性 据《华盛顿邮报》和《华尔街日报》报道，现实情况可能更加复杂。提供Sky声音的女演员显然在Altman接洽约翰逊之前就已被聘用。而且，Altman向约翰逊的提议也是向AI项目中许多其他人提出的。 我并不打算在这里解开这场“他说，她说”的纠葛——或者更准确地说，“他说，‘她’说”。无论是OpenAI被抓到试图搞小动作，还是公司因沟通不畅和缺乏透明度而陷入公关困境，任何一种解释都不太令人鼓舞，特别是如果OpenAI的模型即将进入你的iPhone。 OpenAI的担忧 这就是为什么斯嘉丽·约翰逊声音的争议不仅仅是一个附带事件，至少对于使用iPhone的人来说是如此。那些在公众面前与不怕起诉迪士尼公司的演员争吵的OpenAI人员，可能会在Tim Cook的邀请下影响你的iPhone功能。 苹果与OpenAI的合作范围尚不清楚——如果它真的实现的话。正如我的同事Ryan Morrison所指出的，这项协议最终可能涵盖从OpenAI将ChatGPT元素整合到iOS 18，到苹果用ChatGPT驱动的助手取代Siri的任何内容。无论最终结果如何，请原谅我对一家有ChatGPT记录的公司参与我的iPhone软件内在工作的担忧。 在iPhone上引入AI功能相对较新，至少在我们谈论的iOS 18的一些传闻功能的能力和集成方面是如此。每当新功能出现在你的手机上时，你都会有所信任，你依赖实施强大新功能的人以安全、道德的方式进行操作。多年来，苹果赢得了这种信任；同样的话却不能用在OpenAI身上。 安全与隐私问题 关于其语音助手的争议并不是OpenAI第一次陷入争议。一名顶级研究人员刚刚辞职，声称“安全文化和流程已经被闪亮的产品所取代”。（这次辞职是在OpenAI解散公司内部一个考虑AI长期风险的团队之后发生的。）去年，OpenAI的董事会短暂解除了Altman的CEO职务，理由是对他处理AI安全问题的方式表示担忧。这些都不是令人鼓舞的头条新闻。 没有什么设备比你的手机更私人化。你要小心让谁进入你的手机。 没有什么设备比你的手机更私人化。它包含你的联系人、通讯记录，甚至越来越多的敏感数据，如健康和银行信息。你需要小心让谁进入你的手机，把这种权限留给那些理解你的手机是你的一部分，而不是另一个可以被收集的数据点的公司。 冒着看起来像只看过《老板宝宝》的那个表情包一样的风险，我从这件事上感受到了很多Facebook的影子。Facebook，这个现在只有你的父母在用的社交网络，大约十年前因为严重的隐私侵犯问题登上头条，随后真诚地为这些侵犯行为道歉，然后在认为大家都不再关注后又进行了更多的隐私侵犯。Facebook现在以Meta的名义运营，主要是因为它将重点转向了虚拟现实，但部分原因是Facebook的名字已经成了“即使我们不应该看你的数据，我们也会一直看”的代名词。 OpenAI还没有到那个地步，至少目前还没有。但就第一印象而言，在据称即将与苹果达成协议之际，这并不是一个好的开始。 iOS 18的AI前景 关于iOS 18及其将为iPhone带来的AI功能，有很多令人兴奋的地方。尽管许多细节仍然保密，但一些已经透露出的潜在功能表明，苹果正在添加一些加速日常任务的功能，使我们能够更自由地发挥创造力并在iPhone上完成更多工作。 这无疑是令人鼓舞的，即使AI功能也有其陷阱。我对苹果意识到这些陷阱相当有信心；我只希望它意识到任何潜在的合作伙伴也需要对此保持警惕。

自90年代以来，虚拟宠物从简单的数字玩具发展到能够进行逼真互动的复杂伴侣。而Niantic凭借其开创性的增强现实（AR）游戏如《精灵宝可梦GO》，通过其最新的移动AR冒险游戏《Peridot》将虚拟宠物提升到了一个新的高度。 Peridot：首款使用生成式AI的AR游戏 《Peridot》是一款首创的AR游戏，利用生成式AI创建了一个充满逼真宠物的虚拟世界。为了驱动Peridot的虚拟世界，Niantic集成了Meta Llama 2，将其可爱的生物“Dots”变成了具有智能行为的AR宠物，这些宠物现在能够模拟真实动物的不可预测性。Llama 2实时生成每个Dot的反应，使每次互动都充满动态和独特性。 “利用像Llama这样的LLMs（大型语言模型），我们可以让生成式AI以有意义和现实的方式驱动Peridot的游戏玩法，”Niantic的全球市场负责人Asim Ahmed说道。“而不是手动编程一系列有限的反应，我们使用Llama 2来帮助确定生物可能的反应，并从我们庞大的动画库中选择适当的回应。” 通过开源增强沉浸式体验 Niantic致力于打造成为玩家日常生活一部分的游戏。Peridot团队意识到玩家希望与他们的Dots有更沉浸的体验，这促使他们探索能够促进更深连接并增强陪伴感的新技术。Niantic选择利用LLMs，因为它们能够从当前环境中“学习”并一致地响应提示。通过使用像Llama 2这样的开源模型，Niantic显著加快了开发过程，使Peridot团队可以跳过繁琐的审批流程，立即开始创建。 随着Peridot变得越来越复杂和互动性增强，Niantic的工程师们需要一个系统来处理生物和玩家之间的动态互动，以加深参与度并增强游戏与环境的互动。Llama的开源方法让Niantic团队能够快速在自己的环境中进行原型设计和迭代，优先考虑数据隐私。Llama的框架还提供了更多的灵活性，使Niantic能够增强其生成式AI能力，并在不到三个月的时间内为玩家加快推出新的沉浸式功能。 “我们期待看到更多的模型开源，使像我们这样的团队能够自由探索它们的能力，而不必在探索初期陷入关于成本、隐私和云依赖的讨论中，”Ahmed说道。 让Peridot变得更智能 Niantic最初在2023年11月将Llama 2集成到Peridot中，使Dots能够适当地对其环境做出反应。Peridot团队希望探索在其AR识别系统和庞大的生物动画库的同时使用通用对话LLM，而无需对LLM本身进行微调。在实施Llama时，团队优先考虑创意和响应时间，而不过分复杂化他们的一次性提示。他们在创建一个具有足够表现力和创意的提示以适应选定生物的反应时遇到了挑战，并确保这些反应保持一致格式。由于这些生物充满独特的个性特征，他们有可能在一次性提示中向Llama提供过多信息，从而减慢响应时间。 在获得游戏社区的广泛成功和积极反馈后，这项技术的应用也随之演变。Niantic团队进一步利用Llama 2的能力，让玩家能够与他们的Dots进行“对话”，创造更个性化的游戏体验。 Llama的最新集成使每个Dot能够表现出不可预测和令人惊讶的行为，而不是依赖于一组预定的动作。无论Dot表现出喜悦、好奇还是恶作剧，每个由AI驱动的回应都带来一种有机的真实感，使玩家在与虚拟生物互动时更为兴奋。 Niantic使用先进的计算机视觉算法将玩家摄像头的物理世界图像转换为准确的3D模型。这项技术让Dots能够与周围环境互动。利用Niantic的Lightship ARDK，Dots能够识别诸如花朵、食物和宠物等物体。这些观察结果随后由定制版Llama 2处理，考虑每个Dot的独特特征，如个性和历史，以确定这些虚拟生物可能对其发现做出的反应。 由于玩家现在可以通过语音识别或文本输入任何命令，除了Llama的提示响应之外，还需要考虑增加的延迟。Peridot团队需要与Llama合作，以创建能够理解玩家输入和附加信息（包括生物的饥饿状态、注意力状态和场景中检测到的物体）的持续反应。他们通过在JSON中定义预期响应格式来解决这个问题，从而立即提高了LLM响应的质量。 “我们惊讶地发现，通过提示Llama，我们可以创造出不可预测的行为，”Ahmed补充道。“对于虚拟宠物来说，这确实为我们的角色注入了生命。我们看到了一系列广泛的机会，可以以不同的方式利用Llama来更程序化地推动新的游戏领域。” 更加可爱的未来 通过摆脱静态算法并拥抱AI驱动的自发性，Peridot的虚拟宠物现在可以提供以前无法想象的体验。例如，如果玩家问他们的Dot是否想去散步，生物可能会通过兴奋地旋转来表示他们准备好了。 “Peridot在生成式AI方面的成功让我们看到了未来的可能性，我们计划提升玩家在不同设备上与Peridot互动的方式，”Ahmed说道。“我们很高兴能继续突破Peridot和Llama的边界，真正让这些生物在我们的世界中以新的有趣的方式栩栩如生。”

OpenAI最近经历了一个艰难的星期。 随着关键安全研究人员的离职、严格保密协议压制前员工发声的报道，以及对新版ChatGPT的强烈反对，该公司一直处于防御状态。 上周，Jan Leike和Ilya Sutskever的戏剧性离职甚至迫使OpenAI领导层，包括CEO Sam Altman，公开声明为他们控制AI风险的努力辩护。 当Vox报道了OpenAI严格的离职协议后，Altman表示这是他“经营OpenAI以来少数几次真正感到尴尬”的时候之一。他补充说，他不知道这些条款被强加给离职员工，并表示公司正在努力修改这些协议。 对于Altman来说，这种承认是罕见的，他一直努力营造一种在OpenAI的持续混乱中相对冷静的形象。去年一次未遂的罢免行动最终增强了这位CEO的声誉，但似乎OpenAI的裂缝再次显现。 安全团队的崩溃 关键从事AI安全工作的员工离职后，OpenAI一直在全面进行危机管理。 上周，负责确保通用人工智能不会失控并危害人类的团队领导者Leike和Sutskever双双辞职。 Leike在辞职后发表了一篇长文，指责前雇主将“闪亮的产品”置于安全之上。他表示，安全团队“在计算资源上挣扎”，而“完成这项关键研究变得越来越困难”。 快速扮演危机管理者角色的Altman分享了Leike的帖子，说：“他说得对，我们还有很多工作要做；我们致力于完成它。” 这些高调的离职事件只是最近离职潮的一部分。 据《The Information》报道，两名安全研究人员Leopold Aschenbrenner和Pavel Izmailov因泄露信息的指控被解雇。 安全与治理研究员Daniel Kokotajlo和William Saunders最近也离开了公司，而政策前沿的研究负责人Cullen O’Keefe在四月离职，据其LinkedIn资料显示。 Kokotajlo告诉Vox，他“逐渐失去了对OpenAI领导层及其负责处理AGI的能力的信任”。 由Leike和Sutskever领导的超级对齐团队去年约有20名成员，现在已经解散。OpenAI的一位代表告诉《The Information》，公司已将剩余员工与其更广泛的研究团队合并，以实现其超级对齐目标。 被沉默的员工 安全团队的崩溃对Altman是一个打击，他一直希望展示自己在开发超级智能AI时是注重安全的。 他去年在Joe Rogan的播客中说：“我们中的许多人非常担心，而且仍然担心安全和对齐问题。关于‘不摧毁人类’的版本，我们有很多工作要做，但我认为我们终于有了更多可能有效的想法。” 一些人认为Leike的指控削弱了Altman在这一问题上的权威，并在更广泛的范围内引起了关注。 负责谷歌DeepMind机械解释团队的Neel Nanda回应了Leike的帖子：“关于OpenAI内部发生的事情，这些故事令人非常担忧。” 星期五，Vox报道说，严格的离职协议实际上让OpenAI员工沉默。 据报道，这些协议包括保密和不贬损条款，如果员工批评前雇主或甚至承认存在保密协议，他们可能会失去已获归属的股权。 Altman在一篇X帖子中回应道：“这是我的责任，这是我经营OpenAI以来少数几次真正感到尴尬的时刻之一；我不知道这件事正在发生，我应该知道。” 他补充说：“过去一个月左右，团队已经在着手修订标准离职文件。” “她”的声音暂停 尽管OpenAI努力控制混乱，但审查似乎并未结束。 周一，公司表示将暂停ChatGPT的“Sky”语音，最近这种语音被比作斯嘉丽·约翰逊的声音。 公司在一篇帖子中表示：“我们认为AI语音不应故意模仿某个名人的独特声音——Sky的声音不是斯嘉丽·约翰逊的模仿，而是属于另一位职业女演员，使用她自己的自然说话声音。” 这种声音是公司GPT-4o演示的重要部分，被广泛比作约翰逊在电影《她》中饰演的虚拟助手角色。Altman甚至在演示中在X上简单地发布了“她”来承认这种相似性。 一些用户抱怨聊天机器人的新语音，称其在网上流传的演示视频中显得过于性感和调情。 似乎对批评置若罔闻，OpenAI在发布后表现出胜利的姿态。通常沉稳的Altman甚至似乎在影射谷歌，后者在次日演示了新AI产品。 Altman在X上写道：“我尽量不去想竞争对手，但我无法停止思考OpenAI和谷歌之间的美学差异”，并附上了竞争对手演示的图片。 OpenAI没有立即回应Business Insider在正常工作时间外的评论请求。

埃隆·马斯克的AI初创公司xAI在最新一轮融资中筹集了60亿美元，正如今天宣布的那样，这标志着马斯克在与OpenAI、微软和Alphabet等竞争对手激烈竞争中巩固资本的一步。 在博客文章中，xAI透露，其B轮融资获得了Valor Equity Partners、Vy Capital、Andreessen Horowitz、红杉资本、富达、阿尔瓦利德王子和Kingdom Holding等投资者的支持。 这笔融资证实了TechCrunch在4月的报道，当时xAI计划以180亿美元的投前估值筹集60亿美元。TechCrunch还报道，马斯克确保他现在拥有并控制的社交网络X也持有xAI的股份，因此将从AI公司的任何收益中受益。 马斯克在推特上证实了18亿美元的投前估值。 马斯克是AI领域最早也是最引人注目的企业家之一。他领导的汽车公司特斯拉是顶级电动车制造商，拥有自动驾驶技术。他还是OpenAI的联合创始人，曾向该公司投资数千万美元。但自那以后，马斯克对OpenAI的热情逐渐冷淡。今年3月，他起诉了OpenAI及其联合创始人Sam Altman，指控他们背离了公司的使命声明，成为了微软的“封闭源码事实上的子公司”。他还指责谷歌在其AI产品中编码偏见。 去年成立xAI后，马斯克于11月发布了其与ChatGPT竞争的Grok 1.0模型。随后，公司通过X上的聊天机器人向每月支付16美元的Premium+用户开放了该模型。今年4月，公司发布了新的Grok 1.5模型，并允许X上的高级用户访问该聊天机器人。此外，马斯克拥有的公司在4月预览了Grok的多模态能力。今年早些时候，公司开源了Grok模型，但没有提供任何训练代码。 xAI计划利用新一轮融资的资金，将其第一批产品推向市场，构建先进的基础设施，并加速未来技术的研发。公司表示，可能会寻找合作伙伴，将Grok引入X之外的用户。 此外，公司新支持者还包括与马斯克关系密切的个人，如PayPal和Founders Fund的联合创始人Ken Howery。xAI声称其目标是开发“真实”的AI系统。然而，与其他AI聊天机器人一样，Grok在X上的新闻摘要功能也被报道存在幻觉并生成误导性信息。

2023年5月，在亚马逊年度股东大会上，一名与会者向亚马逊CEO安迪·贾西提问，公司在生成式人工智能方面如何进行创新。当时，OpenAI的ChatGPT已经走红，主要科技公司纷纷推出产品以竞争新兴的聊天机器人和图像生成器市场。 贾西回应道，介绍了亚马逊网络服务（AWS），这是他17年前帮助启动的云部门，并最终将其变成了公司的主要利润引擎。他表示，AWS在亚当·塞利普斯基的领导下，正在开发自己的AI产品，并有潜力为其他开发AI服务的公司提供关键基础设施。 “生成式人工智能还处于非常早期的阶段，”继2021年接替杰夫·贝佐斯担任CEO的贾西说道。“它具有很高的潜力，我们在这方面投入了相当多的资源，并期望成为领先者。” 对于接替贾西担任AWS领导的塞利普斯基来说，形势变化迅速。 在贾西执掌期间最重大的变动中，亚马逊上周宣布57岁的塞利普斯基将离开AWS，接替他的是48岁的资深AWS高管马特·加尔曼，他最近负责销售和市场营销。 问题在于，尽管亚马逊向OpenAI竞争对手Anthropic投入了数十亿美元并推出了自己的大型语言模型（LLM），但亚马逊在生成式人工智能方面尚未成为领导者。在开发者和初创公司中，公司面临着落后于云计算竞争对手微软和谷歌以及开发AI工具落后于OpenAI的印象。 在多年快速扩张后，AWS的增长在2023年放缓至13%，低于2021年的37%和2022年的29%，反映了企业在IT和云服务上的支出更加保守。自去年以来，亚马逊已经进行了至少两轮AWS裁员。 AWS仍是云基础设施的领导者，但微软正在迅速缩小差距。根据Canalys的数据，今年第一季度AWS的市场份额从三年前的32%下降到31%，而微软Azure的市场份额从2021年的19%上升到25%。谷歌也在增加份额，目前占据10%的市场份额，较2021年初的7%有所上升。 在过去几个季度，微软引用了对AI工具需求的激增作为其动能的催化剂。 D.A. Davidson分析师吉尔·卢里亚告诉CNBC，亚马逊在生成式AI的热潮中“措手不及”。 “这使得微软Azure能够绕过他们，这本不应该发生，最终塞利普斯基为此付出了代价，”卢里亚说。 加尔曼被选中担任最高职位“表明贾西先生和可能的贝佐斯先生认为他是最有可能帮助亚马逊缩小差距并可能建立自己领先地位的人，”卢里亚说，他建议购买亚马逊股票。 “下一代领导层” 一位接近亚马逊的消息人士告诉CNBC，加尔曼被描述为“战时”领导者，并表示需要变革以在AI领域更加积极进取。 贾西在宣布这一变动的员工备忘录中表示，他和塞利普斯基几年前在讨论角色时同意，塞利普斯基可能会做几年，其中一个重点是帮助准备下一代领导层。 AWS发言人凯西·麦基在一份声明中告诉CNBC，塞利普斯基将云计算部门留在了一个“强劲的位置”。 “过去三年中AWS的增长、创新和盈利能力不言自明，AWS在绝对美元增长方面季度同比增长超过了其他任何云提供商，”麦基说。他表示，AWS在安全性和可靠性以及“我们服务的整体广度和深度”方面处于领先地位。 亚马逊年度股东大会于上周三以虚拟方式举行，正值一个微妙的时刻。大会召开仅几天后，塞利普斯基离职，且被顶级科技公司的AI重点活动所掩盖。 上周，OpenAI推出了GPT-4o，这是一种在文本、视频和音频方面改进的更快模型。谷歌在开发者大会上紧随其后，推出了公司最轻量级和最高效的AI模型。本周，微软宣布推出新电脑，配备先进芯片以运行Windows中的AI功能。 在上周三的问答环节中，贾西被两次问到亚马逊生成式AI的现状。他表示，公司在AWS中的生成式AI领域看到了很多动能，现已成为一个基于年化收入的数十亿美元业务。 他提醒股东，亚马逊拥有Alexa，这是一款在最新的聊天机器人问世之前就已经广受欢迎的消费产品。 “如果你不相信会有一个非常广泛的个人助手，那你就是在掩耳盗铃，”贾西说，并补充道，公司正在构建一个“更加广泛”的AI模型来驱动Alexa。亚马逊此前曾表示，计划使用生成式AI使Alexa更具对话性。CNBC上周三报道称，亚马逊计划为更强大的版本收取订阅费用。 加尔曼于2005年以实习生身份加入亚马逊，并在次年全职受聘，成为AWS的早期产品经理，负责核心计算服务EC2。他一路晋升到2020年的高级副总裁，负责销售、市场营销和全球服务。 2021年，在亚马逊宣布贾西将接替贝佐斯担任CEO后，很多人猜测加尔曼会被任命为AWS的CEO。相反，亚马逊选择了此前在公司工作11年但当时正在运行Salesforce旗下Tableau软件的塞利普斯基。 艰难时期 转型后不久，经济形势对AWS不利。通货膨胀开始迅速上升，导致利率稳步上升，迫使企业进入资本保护模式。到2022年中，亚马逊告诉投资者，公司“准备帮助客户优化成本”以应对他们面临的经济挑战。AWS承认，它正在承受短期收入的打击，以长期维持客户关系。 然后是ChatGPT的问世。OpenAI由微软支持，于2022年11月发布了聊天机器人，并看着它走红。几个月后，微软向OpenAI投入了更多的数十亿美元，并成为其独家云合作伙伴，赋予了亚马逊的主要云计算竞争对手新的竞争优势。 过去一年中，贾西对亚马逊在生成式AI方面的机会充满热情，既提供给广告商和卖家的自动化服务，也提供给AWS内部运行复杂模型和工作负载的技术。 公司还吹嘘AWS的Trainium和Inferentia芯片的成功，Anthropic使用这些芯片来构建和训练其模型，这个过程通常在Nvidia的图形处理单元上进行。 “我不知道我们中是否有任何人看到过像这样的技术可能性，肯定是自云计算以来，也许是自互联网以来，”贾西在4月的公司第一季度财报电话会议上谈到生成式AI时说道。 但实现这一机会被证明是一个重大障碍。 亚马逊计划为Alexa进行AI改造 AWS花了几个月时间才推出一个可以与ChatGPT抗衡的AI模型。公司现在提供自己的LLM以及来自第三方的LLM，包括亚马逊支持的Anthropic的一个模型。 去年，亚马逊发布了Q，这是一款面向企业的聊天机器人。一名使用Q的AWS员工告诉CNBC，聊天机器人的回应感觉平淡无奇，因为它会用并不特别相关或有价值的信息来回答查询。由于未获授权对此事发表讲话，该员工要求匿名。 AWS表示，其Q聊天机器人在包括埃森哲、丰田、GoDaddy和GitLab在内的一系列客户中取得了进展。Bedrock允许用户访问来自亚马逊及其他公司的AI模型，现在拥有成千上万的客户和合作伙伴，公司表示。 在离职前一周，塞利普斯基对Q团队进行了一些调整。他选择了长期亚马逊高管Dilip Kumar负责“Amazon Q业务服务”，根据员工看到的备忘录，Kumar将向AWS的AI和数据副总裁Swami Sivasubramanian汇报工作。 一名前AWS员工说，公司出于安全原因限制了一些员工使用其AI服务，如软件工具SageMaker和数据可视化工具QuickSight进行内部工作。这种做法通常被软件公司用来让员工测试产品和服务中的错误并帮助改进。 AWS表示，所有提供给员工的应用程序都需要经过安全审查，但否认限制员工使用亚马逊的AI工具。 尽管面临所有AI挑战，华尔街仍然继续支持亚马逊，上个月公司报告的第一季度业绩超出预期，营业收入增长超过200%。AWS的销售额增长了17%，较过去几个季度有所加速。 今年亚马逊股票上涨了21%，超过纳斯达克12%的涨幅，在2023年上涨了81%之后，本月初股价创下历史新高。Laffer Tengler Investments的高级投资分析师杰米·迈尔斯表示，他将AWS的领导层过渡视为“自然进展”，并补充道，加尔曼“一直被视为继任者”。“ AWS一直在投资于增长，”迈尔斯说，他表示这种策略在加尔曼的领导下不太可能改变。加尔曼在内部被视为一个高度技术性的人，并且在工程师中很受尊敬。贾西在2020年选择加尔曼领导AWS销售组织时，他正在寻找一位技术领导者和一个“对AWS的各个方面都了如指掌”的人。加尔曼被任命为该角色在内部广泛被视为为他领导AWS做准备的一步。在上周致员工的备忘录中，贾西提到了加尔曼在AWS产品和需求生成方面的背景，并指出他具备“新角色所需的一组异常强大的技能和经验”。“我很高兴看到马特和他出色的AWS领导团队继续发明我们的未来，”贾西说。“AWS仍然处于非常早期的阶段。”

学习编程在某些方面类似于学习一门新语言。它需要学习新的符号和术语，并且必须正确组织以指导计算机执行任务。同时，代码还必须足够清晰，以便其他程序员可以阅读和理解它。 尽管有这些相似之处，麻省理工学院的神经科学家发现，阅读计算机代码并不会激活大脑中负责语言处理的区域。相反，它激活了一个分布式网络，称为多需求网络，这个网络也在解决数学问题或填字游戏等复杂认知任务时被调用。 然而，尽管阅读代码激活了多需求网络，但它似乎比数学或逻辑问题更多地依赖于该网络的不同部分，这表明编程的认知需求并不完全等同于数学。 “理解计算机代码似乎是独立的一件事。它不同于语言，也不同于数学和逻辑，”麻省理工学院研究生兼该研究的主要作者Anna Ivanova说。 这篇研究论文的资深作者是弗雷德里克·A和卡罗尔·J·米德尔顿职业发展副教授、麦戈文脑研究所成员Evelina Fedorenko，论文今天发表在《eLife》上。麻省理工学院计算机科学与人工智能实验室和塔夫茨大学的研究人员也参与了这项研究。 语言与认知 Fedorenko的研究重点之一是语言与其他认知功能之间的关系。她特别研究了其他功能是否依赖于大脑的语言网络，包括Broca区和大脑左半球的其他区域。在之前的工作中，她的实验室已经显示音乐和数学似乎并不会激活这个语言网络。 “我们对探索语言与计算机编程之间的关系很感兴趣，部分原因是编程是如此新的发明，我们知道不可能有任何硬连线机制使我们成为优秀的程序员，”Ivanova说。 她提到，关于大脑如何学习编码，有两种观点。一种认为，要成为优秀的程序员，你必须擅长数学。另一种则认为，由于编码和语言之间的相似之处，语言技能可能更为重要。为了阐明这个问题，研究人员着手研究阅读代码时的大脑活动模式是否会与语言相关的大脑活动重叠。 研究人员在这项研究中关注的两种编程语言以其可读性著称——Python和专为5岁及以上儿童设计的可视化编程语言ScratchJr。研究对象都是熟练掌握测试语言的年轻成年人。当程序员躺在功能性磁共振成像（fMRI）扫描仪中时，研究人员向他们展示了代码片段，并要求他们预测代码将产生的操作。 研究人员发现，语言区域对代码几乎没有反应。相反，他们发现编码任务主要激活了所谓的多需求网络。这个网络的活动分布在大脑的额叶和顶叶，通常被用于需要同时记住许多信息的任务，并负责我们执行各种心理任务的能力。 “它几乎处理任何认知挑战，让你费脑筋的事情，”Ivanova说。 以前的研究表明，数学和逻辑问题似乎主要依赖于左半球的多需求区域，而涉及空间导航的任务则更多激活右半球。与塔夫茨大学儿童研究和人类发展教授Marina Bers合作，麻省理工学院团队发现，阅读计算机代码似乎激活了多需求网络的左右两侧，ScratchJr则略微更多地激活了右侧。 经验的影响 研究人员表示，尽管他们没有发现任何专门用于编程的区域，但这种专门化的脑活动可能会在有更多编码经验的人身上发展出来。 “如果你找来那些职业程序员，他们在特定语言上已经编程了30或40年，你可能会开始看到一些专门化，或者多需求系统的一些部分固定化，”Fedorenko说。“在那些熟悉编码并能高效完成这些任务但经验相对有限的人身上，似乎还没有看到任何专门化。” 在同一期《eLife》上发表的另一篇论文中，约翰·霍普金斯大学的研究团队也报告说，解决代码问题激活了多需求网络，而不是语言区域。 这些发现表明，编程应该被作为数学技能还是语言技能来教授并没有明确的答案。部分原因是学习编程可能同时涉及语言和多需求系统，即使在学会之后，编程并不依赖语言区域，研究人员说。 “两个阵营都有各自的说法——必须与数学一起，必须与语言一起，”Ivanova说。“但看起来计算机科学教育者将不得不开发自己的方法来最有效地教授编程。” 这项研究由国家科学基金会、麻省理工学院脑与认知科学系和麦戈文脑研究所资助。

尽管苹果公司首批现代AI功能的表现可能不如竞争对手，但该公司认为其庞大的用户基础能为其带来优势。同时，Sonos推出期待已久的耳机；Humane试图出售自己；苹果则任命了一位新的多元化负责人。 上周在Power On专栏中：苹果需要在人工智能时代进行变革以保持竞争力。 开场白 观看Mark Gurman在彭博电视台上谈论苹果的AI野心。在下个月的苹果公司开发者大会上，该公司将推出一种不同的人工智能方法，专注于普通消费者日常生活中能用到的工具。这个理念是吸引用户的实用一面，而将一些更炫酷的功能留给其他公司。 苹果面临一个挑战性的局面。它需要说服消费者和投资者相信自己在人工智能领域有令人兴奋的进展。但该公司是在微软、谷歌和OpenAI发布重大AI公告之后才跟进的，光芒已经被他们抢走了。 苹果准备在全球开发者大会上花费大量时间介绍其与AI相关的功能。新战略的核心是Project Greymatter——一套将集成到Safari、Photos和Notes等核心应用中的AI工具。推动还包括操作系统功能，比如增强通知。 系统的工作原理如下：对于计算要求较低的AI功能，大部分处理将在设备上进行。但如果功能需要更多计算能力，则会将工作推送到云端。 苹果将这些新的AI功能引入iOS 18和macOS 15——两个操作系统都包含了判断任务应在设备上还是通过云端处理的软件。大部分设备上的功能将由最近一两年发布的iPhone、iPad和Mac芯片支持。与此同时，云组件将由位于数据中心的M2 Ultra芯片提供动力，正如我之前报道的那样。 今年计划推出的几项新功能，包括转录语音备忘录、使用AI润色照片、加快和提高Spotlight搜索的可靠性。它们还将改进Safari网页搜索，并自动建议电子邮件和短信的回复。 Siri个人助理也将获得升级，基于苹果自己的大型语言模型，实现更自然的互动——这是一种生成式AI的核心技术。还有一个更先进的Siri将来到Apple Watch，用于处理随时随地的任务。开发者工具，包括Xcode，也将获得AI增强功能。 一个突出的功能将把生成式AI带入表情符号。公司正在开发可以根据用户的文本即时创建自定义表情符号的软件。这意味着你会突然拥有适用于任何场合的新表情符号，超越苹果目前在iPhone和其他设备上提供的选项目录。 另一个有趣的改进（与AI无关）将是重新设计的iPhone主屏幕。它将允许用户更改应用图标的颜色并随意放置它们。例如，你可以将所有社交应用图标变成蓝色或财务相关的图标变成绿色——它们不需要放置在自2007年起就存在的标准网格中。 努力的一大部分是创建智能摘要。该技术将能够为用户提供错过的通知和个人短信的摘要，以及网页、新闻文章、文档、笔记和其他形式的媒体的摘要。 当然，苹果在进行这些工作的同时，还必须向消费者保证其对隐私的承诺依然强烈。公司多年来一直宣传设备处理数据的好处，以及如何更好地保护数据安全。它甚至批评竞争对手没有采用相同的方法。现在，它必须论证其云端AI功能在发送可能敏感信息到数据中心时仍能保持隐私。 为了解释这种转变，公司可能会强调它并没有建立客户档案——这一点是谷歌和Meta平台公司受到批评的原因。苹果还可能吹捧用于进行云处理的M系列芯片的安全功能。这可能不足以赢得隐私倡导者的支持，但我认为大多数消费者不会太在意。 现在，许多这些功能将是纯粹的追赶。这并不是一种超越。谷歌在其Pixel设备上已经拥有了许多相同的AI功能好几年了。三星电子今年明智地放弃了开发自己的主要AI功能，转而依赖谷歌的Gemini。 苹果也没有设计自己的聊天机器人，至少目前没有。这意味着该公司不会在人工智能最热门的领域竞争：这是一个在OpenAI于2022年底发布ChatGPT后火热起来的市场。 尽管苹果的一些高管在理念上反对自有聊天机器人的想法，但无法回避的是需要一个。而苹果自己开发的版本显然还不够好。 解决方案是：合作。在这方面，该公司已经与谷歌和OpenAI就将其聊天机器人集成到iOS 18中进行过讨论。在3月份，似乎苹果和谷歌接近达成协议，双方都认为在全球开发者大会之前可以敲定一些东西。但最终，苹果更早与OpenAI首席执行官Sam Altman达成了协议，这一合作将成为全球开发者大会宣布的一部分。 这个安排有点混合利弊。一方面，苹果承认自己无法在AI最热门的领域竞争。但与OpenAI的合作使其拥有了最先进的聊天机器人——并且可能在使用Gemini的三星设备上取得优势。 另一方面，OpenAI也带有风险。Altman在AI界越来越具争议性，甚至在上周与Scarlett Johansson的争执之前就是如此。OpenAI的公司结构也很不稳定。Altman去年短暂被解职，给员工和其主要支持者微软带来了危机。 换句话说，苹果不太可能对OpenAI作为iOS一个主要新功能的单一供应商感到非常舒适。这就是为什么它仍在努力与谷歌达成协议，以提供Gemini作为一个选项，但不要指望这会在6月份的大会上展示。 如果苹果欢迎其他聊天机器人制造商，它可能会逐个案例处理。尽管公司通常会向所有第三方开发者开放功能，但预计在这里会谨慎行事并敲定个别安排。无论如何，这些合作将帮助苹果赢得一些时间，直到其自己的机器人准备好。 关键问题是，苹果在这里是否真的落后。公司有一个少数竞争对手能匹敌的优势：其庞大的用户基础。 当这些AI功能今年晚些时候推出时，全球将有数亿台支持这些功能的苹果设备。这些设备的拥有者可能至少会尝试这些新功能（技术可能集成得足够紧密，人们甚至不会注意到自己在使用它们）。这可能会让苹果一夜之间成为最大的AI玩家。 但即便如此，仍有迹象表明公司的AI计划还在进展中。苹果正在考虑将这些功能作为预览（至少在开发者测试版本中，而不是在9月正式发布前），这表明技术尚未完全成熟。 这将是一个不吉利的举动，尤其是考虑到苹果的历史。Siri在2011年作为测试版推出，考虑到它在与竞争对手的竞争中挣扎，或许至今仍感觉像一个测试版。 替补队员Sonos的449美元耳机超过了苹果老化的AirPods Max。早在2019年，我就首次写到了Sonos计划进军耳机市场。当时，公司准备进入市场，并希望通过使耳机与其其他产品紧密配合并连接到Wi-Fi来从竞争对手中脱颖而出。五年后，经过几次延迟和变更，Sonos Ace耳机终于正式发布。 它们具备现代耳机的所有常见功能，包括主动降噪。但也有一些新的亮点，比如与Sonos Arc音响条的Wi-Fi同步功能。通过这一功能，用户可以使用Arc作为中介访问电视上的内容。耳机还采用人造皮耳罩，据那些试用过的人说，音质明显优于AirPods Max。 在像耳机这样的成熟市场中，Sonos能否赢得消费者的青睐？这很难说，但公司可以宣传其价格（比AirPods Max便宜100美元）以及Ace更好的舒适度和重量平衡。还有一些现代元素，比如USB-C充电。 我预计AirPods Max今年晚些时候将获得USB-C端口，但不要指望会有任何主要的新功能。换句话说，Ace有真正的机会取得成功。 名册变动苹果自2017年以来任命了第四位多元化和包容性负责人。美国银行的老将Cynthia Bowman将成为苹果的新任多元化负责人——这项工作近年来一直是一个旋转门。目前的多元化和包容性副总裁Barbara Whye将于今年晚些时候退休。她在2021年初担任此职务，来自英特尔。她将继续留任，帮助将职责转交给Bowman，后者将向首席人力资源官Carol Surface汇报。 显然，这项工作对首席执行官Tim Cook来说非常重要，但在这个岗位上保持足够长的时间来建立业绩记录仍然是一个挑战。Whye的前任Christie Smith在任职几年后离职。而最早担任此职务的人Denise Young-Smith在任职不到一年后就因发表关于多样性的争议言论而离职。