AI新闻动态（2024-01-14到2024-01-20）

[ikaijua]

AI新闻动态（2024-01-14到2024-01-20）

目录

AI产品

• 三星发布首款 AI 手机Galaxy S24旗舰智能手机
• 微软推出了Copilot Pro会员计划，每月订阅费用为20美元
• 智谱AI发布全自研第四代基座大模型GLM-4
• 全新免费编程神器Fitten Code！比Copilot快两倍，准确率高20% | 非十科技发布
• 上海AI实验室开源大模型书生·浦语2.0 InternLM2
• Stability AI发布代码生成AI模型Stable Code 3B

AI机器人

• 宝马将在美国制造工厂部署人形机器人Figure 01

AI研究

• 谷歌发布全新诊断对话式AI研究AMIE，在测试中击败医生并通过了图灵测试
• 谷歌DeepMind发布了名为AlphaGeometry的AI系统，它在几何学方面达到了IMO金牌选手的水平
• 苹果发布研究自回归视觉模型AIM，发现模型越大、性能越好
• 阿里“AI替换万物”框架ReplaceAnything火爆社区
• 阿里巴巴推出新项目MotionShop，可以将视频中的人物角色替换成3D形象
• 腾讯发布AI照片生成应用PhotoMaker，可以根据描述生成多种风格的个人照片
• 图像风格化技术InstantID AI，可以根据单张面部图像实现多种风格的变身，包括虚拟风格和非人类形象
• 字节和复旦大学合作开发的多模态大模型LEGO可以精确解读视频中特定事件发生的时间

AI洞察

• 扎克伯格宣战AGI：Meta公司大举投资，致力于通用人工智能的构建和开源
• 2024年达沃斯世界经济论坛讨论： 微软CEO：AI带来的繁荣，不亚于PC普及

[ikaijua]

2024-01-18 三星发布首款 AI 手机Galaxy S24旗舰智能手机

今天凌晨，三星发布了首款 AI 手机Galaxy S24旗舰智能手机，这是该行业大规模采用生成式人工智能技术的标志性事件。

1. Galaxy S24手机利用生成式人工智能解决特定功能，如语言障碍、搜索速度提升和照片质量改善。
2. Galaxy S24系列强调AI功能的实际应用，如通话实时翻译、即圈即搜功能、图片AI编辑和AI变焦等。
3. 通话实时双向翻译：支持实时双向语音和文字翻译，适用于通话和短信，支持13种语言。
4. 即圈即搜功能：用户可以通过长按home键搜索图中的准确地点，无需切换界面，提高搜索效率。
5. AI图片编辑功能：用户可以一键消除照片中的多余人物，自动生成自然协调的背景。
6. AI在摄影中的应用: S24 Ultra采用AI增强技术，提升10倍变焦效果，同时在暗光环境下提升拍摄质量。
7. 新功能由三星的生成式人工智能引擎和谷歌的AI技术共同支持。

发布会视频：

• youtube Samsung官方: Samsung Galaxy Unpacked January 2024: Official Replay
• B站搬运视频：【4K高清】三星Galaxy全球新品发布会 # Samsung Galaxy Unpacked # 2024年1月

视频：

• 产品君：三星重磅发布首款AI手机，盘点Galaxy S24的AI能力
• 李大锤：三星 Galaxy S24 系列最大升级竟然不在硬件？！
• 差评硬件部：【差评】三星S24全球发布会现场上手：Galaxy AI是今年最大惊喜？！

媒体报道:

• APPSO: 三星首款 AI 手机发布！这些新功能将改变手机的使用习惯
• 三星Galaxy S24手机押注行业新希望：生成式AI - 华尔街日报

[ikaijua]

2024-01-20 谷歌发布全新诊断对话式AI研究AMIE，在测试中击败医生并通过了图灵测试

谷歌研究团队开发的名为AMIE的研究性人工智能系统，用于医学诊断推理和对话。

1. 医生与患者之间的对话在医学中至关重要，有效的沟通可以促进诊断、治疗、共情和信任。通过能够进行诊断对话的AI系统，可以提高临床医生和患者之间的沟通质量和医疗保健的可用性。
2. 大型语言模型（LLMs）在非医学领域取得了很大进展，展示出它们可以进行富有深度的对话和推理。然而，医学领域的良好诊断对话具有许多独特的特点。目前对于开发此类对话能力的研究还很有限。
3. 为了解决这一挑战，研究团队开发了基于LLM的Articulate Medical Intelligence Explorer（AMIE），该系统专门用于诊断推理和对话。他们通过训练和评估AMIE在临床咨询中的质量来提高系统的性能。
4. 为了适应不同的疾病情况、专业领域和场景，他们开发了一种基于自我对话的模拟诊断对话环境，并引入了推理链策略来提高AMIE的诊断准确性和对话质量。
5. 他们设计了一个随机双盲的交叉研究，使用文本交流工具进行基于文本的咨询，评估了AMIE和真实临床医生在诊断对话方面的表现。结果显示，AMIE在多个评估指标上表现优于临床医生。
6. AMIE其从研究原型转变为安全可靠的工具需要进一步的研究。同时，他们强调了在医疗保健领域进行大胆、负责任的研究的重要性。

• 官方博客：https://blog.research.google/2024/01/amie-research-ai-system-for-diagnostic_12.html
• 论文地址：https://arxiv.org/pdf/2401.05654.pdf

媒体/社区文章：

• 知乎问题：谷歌发布全新诊断对话式AI在测试中击败医生，通过了图灵测试，如何看待此研究？AI医疗未来会如何发展？
• NatureAI：通过图灵测试的Google AI医生AMIE 论文解读

[ikaijua]

2024-01-14 字节和复旦大学合作开发的多模态大模型LEGO可以精确解读视频中特定事件发生的时间

1. LEGO模型是一个语言增强的多模态模型，能够跨多种模态进行细粒度理解。
2. LEGO模型使用Vicuna1.5-7B作为基础语言模型，并通过多模态预训练、细粒度对齐调整和跨模式指令调整三个阶段进行训练。
3. 实验评估表明，在图像和视频任务中，LEGO模型展现出竞争力的性能，能够准确解读图像内容、视频内容概括、音频解析和声音定位。
4. LEGO模型的能力不仅局限于视频定位，还适用于其他多模态任务，如图像内容解读和音频解析。
5. LEGO多模态大模型的开发过程、架构和实验评估结果，展示了其在精确解读视频中特定事件发生时间方面的优异表现。

论文地址： https://arxiv.org/abs/2401.06071

媒体报道：

• 量子位：精确指出特定事件发生时间！字节&复旦大学多模态大模型解读视频太香了

[ikaijua]

2024-01-15 全新免费编程神器Fitten Code！比Copilot快两倍，准确率高20% | 非十科技发布

1. Fitten Code是一款国产编程神器，目前完全免费，秒杀了微软GitHub Copilot。比GitHub Copilot快两倍，准确度提高约20%。
2. 功能全面，包括代码自动补全、自然语言生成代码、自动添加注释、智能bug查找、解释代码、自动生成单元测试等。
3. 支持80种语言，并已成为VSCode插件市场周趋势榜第一名，下载量11k。
4. Fitten Code与GitHub Copilot进行了速度和代码生成质量的比较，Fitten Code在延迟和代码结果质量上均表现优秀。
5. Fitten Code的Pass@1准确率达到了60.1%，相较于Copilot的49.5%有显著增长。
6. Fitten Code在复杂算法任务上表现高效，能够准确完成时间复杂度为O(nlogn)的任务。
7. Fitten Code补全代码的效率高，平均补全3-5行代码。
8. Fitten Code支持多种编程语言之间的互译，可以根据注释或对话描述自动生成符合要求的代码。
9. 安装和使用Fitten Code非常简单，支持多个IDE，如Visual Studio Code、IntelliJ IDEA、PyCharm等。
10. Fitten Code由北京非十科技有限公司开发，核心团队毕业于清华大学，具备人工智能、深度学习等领域的专业能力。

媒体报道：

• 量子位：全新免费编程神器！比Copilot快两倍，准确率高20% | 非十科技发布

[ikaijua]

2024-01-15 阿里“AI替换万物”框架ReplaceAnything火爆社区

1. 阿里智能计算研究院提出了ReplaceAnything框架，简单操作可实现各种替换效果，可以实现服装替换、证件照背景替换、人脸替换、背景替换等多种替换效果。
2. 使用ReplaceAnything框架的步骤简单，包括上传图片、选择要保留的对象、输入提示词或参考图像，然后点击生成按钮即可。

• 链接体验：https://huggingface.co/spaces/modelscope/ReplaceAnything
• 项目地址：https://aigcdesigngroup.github.io/replace-anything/
• Github地址：https://github.com/AIGCDesignGroup/ReplaceAnything

媒体文章：

• 量子位：点击收获霉霉旗袍写真！阿里“AI替换万物”框架火爆社区，网友：偶像不需要真人了？

[ikaijua]

2024-01-16 智谱AI发布全自研第四代基座大模型GLM-4

1. GLM-4具有多项能力，包括用户意图理解、复杂指令规划和自由调用其他模型能力。
2. GLM-4在各项评测集上表现出色，达到了GPT-4的水平，相比达到了九成以上的水平，并在指令跟随能力方面超过了GPT-3.5。
3. GLM-4支持更大的上下文窗口长度和处理更多文本页数的能力。
4. GLM-4集成了Agent能力和多模态能力，其中多模态能力包括文生图和代码能力的升级。
5. 智谱AI强调他们不再强调模型参数大小，而是更注重模型的可用能力。
6. 智谱AI计划在大模型技术方面进行革新和创新，改变整个生产流程，提升生产效率和生产力。
7. GLM-4的发布标志着智谱AI想要构建自己的GLM生态圈，并推出了可定制化的GLM，即GLMs。
8. GLMs允许用户通过简单的prompt指令创建个性化的GLM智能体。

媒体/社区文章：

• 量子位：国产GPTs来了，基于智谱第4代大模型！模型性能均达GPT-4九成以上
• 机器之心：最接近GPT-4的国产大模型诞生了
• 知乎问题：智谱发布 GLM-4 基座大模型，性能效果如何？

[ikaijua]

2024-01-17 上海AI实验室开源大模型书生·浦语2.0 InternLM2

1. 上海人工智能实验室与商汤科技联合香港中文大学和复旦大学发布了InternLM2，两种参数规格（7B和20B）和三种模型版本，全部免费可商用。
2. 该模型是在2.6万亿token的高质量语料上训练得到的，提出了新一代数据清洗过滤技术，包括多维度数据价值评估、高质量语料驱动的数据富集和针对性的数据补齐。
3. 通过扩展训练窗口大小和改进位置编码，支持超长上下文，能够读取200K超长文本，可以一次性接收并处理约30万汉字的输入内容，具备较好的关键信息提取能力，实现在长文本中提取关键信息。
4. 在基础语言建模能力上进行了大幅升级，内生数理能力超过了ChatGPT，并且配合代码解释器可以达到和GPT-4相仿水平。
5. 对InternLM2的测试结果和性能评估，显示它在同量级模型中表现优异。InternLM2提供更好的对话和创作体验，支持多轮任务规划、工具调用和数据分析能力。

• Github：https://github.com/InternLM/InternLM
• HuggingFace：https://huggingface.co/internlm
• ModelScope：https://modelscope.cn/organization/Shanghai_AI_Laboratory

媒体文章：

• 量子位：国产开源模型标杆大升级，重点能力比肩ChatGPT！书生·浦语2.0发布，支持免费商用

[ikaijua]

2024-01-16 微软推出了Copilot Pro会员计划，每月订阅费用为20美元。

1. Copilot Pro会员可以在Microsoft Office软件中利用大模型能力，包括Word、Excel和PowerPoint等工具。
2. Copilot Pro会员可以通过对话生成PPT，整理段落、生成文本和总结文档，分析数据并自动生成图表。
3. Copilot还将在Outlook和OneNote中提供帮助，如撰写电子邮件和总结笔记。
4. Copilot具备跨设备、跨应用的协同能力，可以根据会议、电子邮件和聊天内容生成状态更新。
5. 微软计划推出自定义Copilot GPT Builder，允许用户创建自定义的Copilot GPT。
6. Copilot Pro定位于面向高级用户，价格和功能类似于OpenAI的ChatGPT Plus。
7. 微软将Copilot Pro限定于Microsoft 365个人版或家庭版的订阅用户。
8. 微软将Copilot for Microsoft 365开放给更多企业用户，以每人每月30美元的价格订阅该服务。

官方博客：https://blogs.microsoft.com/blog/2024/01/15/bringing-the-full-power-of-copilot-to-more-people-and-businesses/

媒体文章：

• 机器之心：微软Copilot大会员来了：每月20刀，人人都能用
• 量子位：微软Copilot Pro来了：个人用户也能在Word里用GPT-4，20美元/月

[ikaijua]

2024-01-16 腾讯发布AI照片生成应用PhotoMaker，可以根据描述生成多种风格的个人照片

1. PhotoMaker可以根据描述生成多种风格的个人照片，无需额外的训练，具有高保真度。
2. 文章提到了一些有趣的功能，如混合不同人物特征生成全新人物形态，修改年龄、性别和照片年代等。
3. 研究团队提供了官方原版和风格化版本的体验版本，并介绍了工具的实现方法。
4. PhotoMaker使用了一种堆叠ID嵌入的表示方法，通过合并不同身份证明的图像信息，生成高质量和多样化的照片。
5. 研究人员还构建了一个以ID为导向的文本图像数据集构建管线，用于训练和分类不同ID的图像。

• Github地址：https://github.com/TencentARC/PhotoMaker
• 写实风格的体验地址：https://huggingface.co/spaces/TencentARC/PhotoMaker
• 其他风格的体验地址：https://huggingface.co/spaces/TencentARC/PhotoMaker-Style
• 论文链接：https://arxiv.org/abs/2312.04461

媒体文章：

• 量子位：鹅厂最新AI工具刷屏！杨幂寡姐多风格写真秒秒钟生成，LeCun点赞 | 可免费体验
• 机器之心：Yann LeCun发来肯定：腾讯人像照片生成可以随便玩了

[ikaijua]

2024-01-17 Stability AI发布代码生成AI模型Stable Code 3B

1. Stable Code 3B模型专注于辅助代码任务，具有27亿参数。Stable Code 3B支持处理18种不同的编程语言，并具有上下文长度达到100K token。
2. 与CodeLLaMA 7B的性能相当，其大小只有CodeLLaMA 7B的40%，甚至可以在普通笔记本电脑（如MacBook Air）上离线运行。
3. Stable Code 3B在多种编程语言上的性能优于StarCoder，在MultiPL-E基准上达到了SOTA（State-of-the-Art）性能。
4. Stable Code 3B的模型架构是一个纯解码器的transformer，类似于LLaMA架构，但进行了一些修改和改进。
5. Stable Code 3B的训练数据集由多个开源大规模数据集组成，包括Falcon RefinedWeb、CommitPackFT、Github Issues和StarCoder，并进行了数学领域数据的补充。
6. Stable Code 3B在训练过程中使用了256个NVIDIA A100 40GB GPU，并采用了gpt-neox分支和相关软件进行训练。更详细的技术报告将在之后发布。
7. 尽管Stable Code 3B收到了好评，但也有一些网友认为它没有太多新东西，并且只支持英语和编程语言，对此持有一些失望的态度。

模型地址：https://huggingface.co/stabilityai/stable-code-3b

媒体文章：

• 机器之心：Stability AI发布Stable Code 3B模型，没有GPU也能本地运行
• 量子位：Stability AI开年首个大模型：专写代码，支持18种编程语言，上下文100K，苹果笔记本离线就能跑

[ikaijua]

2024-01-17 阿里巴巴推出新项目MotionShop，可以将视频中的人物角色替换成3D形象

1. MotionShop可以实现将现有视频中的人物角色替换为虚拟3D形象，例如将打工仔小猪替换为打太极的形象，或者将虚拟偶像跳Kpop女团舞替换为真实人物。
2. 目前MotionShop已经在ModelScope社区开放试玩，只需上传视频、确定目标对象和选择要替换的虚拟对象即可完成。
3. 在替换人物时，MotionShop会自动选择一个对象，并判断是否符合目标对象的要求。目前可替换的虚拟形象有四个。

媒体文章：

• 量子位：杰克逊跳舞秒变3D机器人！阿里又出新活儿，视频任何人可替换

[ikaijua]

2024-01-18 谷歌DeepMind发布了名为AlphaGeometry的AI系统，它在几何学方面达到了IMO金牌选手的水平

1. AlphaGeometry能够解决30道IMO难度的几何定理证明题中的25道。
2. AlphaGeometry是通过使用大量合成数据进行训练而不需要人类演示的方式来学习几何。它结合了语言模型和符号推理引擎两个模块来寻找复杂的几何证明。
3. 与传统的人工智能解决方案不同，AlphaGeometry能够生成人类可读的证明过程，并且其解决方案具有机器可验证的结构。
4. AlphaGeometry的研究具有推动人工智能的定理证明的潜力，被认为是构建人工通用智能的关键一步。
5. AlphaGeometry在解决几何问题时能够发现新的定理和属性，甚至在解决一道IMO竞赛题时发现了一个未使用的前提条件，从而推广了定理。

论文地址：https://www.nature.com/articles/s41586-023-06747-5
deepmind博客：https://deepmind.google/discover/blog/alphageometry-an-olympiad-level-ai-system-for-geometry

媒体文章：

• 量子位：谷歌数学AI登Nature：IMO金牌几何水平，定理证明超越1978年吴文俊法

[ikaijua]

2024-01-20 2024年达沃斯世界经济论坛讨论： 微软CEO：AI带来的繁荣，不亚于PC普及

微软CEO萨提亚·纳德拉参加了2024世界经济论坛，并接受了世界经济论坛主席、德国经济学家克劳斯·施瓦布的采访，两人就AI的发展进行了深度探讨。

1. 纳德拉多次强调AI发展的必要性和安全性，此次AI革命的影响甚至不亚于当初PC普及。并且随着人工智能的高速发展，AI将为应用程序提供新的界面和新的模型，微软看到了其中的参与机会，这必将带来新的经济繁荣。
2. 对于大量使用AI所带来的能源和环境压力，纳德拉给出了自己独特的见解，他认为随着技术的不断发展，AI使用的成本是不断降低的，并且AI对能源的消耗反而会刺激能源转型，激活新能源技术的探索。
3. 同时对于一直强调的AI安全问题，纳德拉直言这是全人类面临的挑战，需要制定全球治理规范。
4. 纳德拉：我们谈论了很多AI与人类关系的具体问题，比如AI对知识生产和人类工作产生的影响等。但我其实我更感兴趣的是AI对科学研究的助力。不久前，微软推出了新一代材料科学领域的大模型——MatterGen，能设计生成新颖、稳定的材料。当我们考虑能源转型时，有AI助力就意味着将需要250年的化学反应缩短到了25年。
5. 现在大家都在讨论AI，但其实第四次工业革命还有许多改变世界的技术，你认为还有哪些技术深刻影响了社会发展？纳德拉：我对三种技术非常感兴趣，分别是计算机、AI和混合现实。
6. 纳德拉：AI最吸引人的地方在于你可以研究任何感兴趣的东西。所以现在任何人都可以借助AI学习感兴趣行业，晦涩难懂的问题都会由AI来解答。

媒体文章：

• 中国企业家杂志：微软CEO：AI带来的繁荣，不亚于PC普及｜中企荐读

[ikaijua]

2024-01-18 苹果发布研究自回归视觉模型AIM，发现模型越大、性能越好

苹果公司的研究，探讨了模型容量对于自回归图像模型性能的影响。

1. 大规模预训练模型在自然语言处理（NLP）领域取得成功，参数量和预训练数据量的增加可以提升模型性能。
2. 文章提出了自回归图像模型（AIM），通过自回归目标训练 Vision Transformer（ViT）模型，探索图像领域中的扩展能力。
3. AIM模型容量可以轻松扩展到数十亿个参数，并能有效利用大量未经整理的图像数据。
4. AIM模型采用了前缀注意力而非完全因果关系的自注意力，使得在下游任务中可以进行完全双向的注意力。
5. AIM模型使用参数化程度较高的token-level预测头，改善了后续特征的质量。
6. 实验结果表明，AIM模型在不同规模下展现出很强的扩展性，容量越大的模型在下游任务中性能越好。
7. 研究者观察到自回归目标与后续特征质量之间存在相关性，验证了自回归目标对于视觉特征训练的有效性。
8. AIM模型在更多图像训练的情况下，下游性能持续改善且没有饱和迹象。
9. 实验结果显示，AIM模型的优化目标直接影响下游性能的提升，同时模型容量的增加也带来了更好的结果。

项目地址：https://github.com/apple/ml-aim
论文链接：https://arxiv.org/pdf/2401.08541.pdf

媒体文章：

• 机器之心：模型越大，性能越好？苹果自回归视觉模型AIM：没错

[ikaijua]

2024-01-19 宝马将在美国制造工厂部署人形机器人Figure 01

1. 加州的人形机器人初创公司Figure与宝马签署了一项商业协议，计划在宝马的美国制造工厂部署人形机器人。
2. Figure的人形机器人将被部署到宝马在南卡罗来纳州的斯帕坦堡工厂，这是宝马在美国唯一的工厂，每天生产约1500辆汽车。
3. 目标是通过灵活和具有移动性的操作提升工厂的自动化水平。人形机器人可能承担一些标准的制造任务，如移动箱子、拾取和放置，以及托盘卸载和装载等工作。
4. 合作伙伴将经过一段时间的训练和测试，以确定机器人在特定任务上的可行性。具体部署数量和时间尚未公开。
5. 汽车制造商对于通用机器人的解决方案具有兴趣，因为他们拥有丰富的机器人技术经验，并且在人形机器人领域已经有过一些尝试。
6. 宝马制造总裁兼首席执行官表示，使用通用机器人解决方案可以提高生产力，满足消费者需求，并让团队专注于未来的转型。

媒体文章：

• 机器之能：煮咖啡只是热身，人形机器人要去宝马工厂上班了

[ikaijua]

2024-01-19 扎克伯格宣战AGI：Meta公司大举投资，致力于通用人工智能的构建和开源

1. 扎克伯格宣布致力于为人工智能助手构建「通用智能」并「负责任地开源」。
2. Meta公司将合并其两个主要研究小组（FAIR和GenAI）以实现通用人工智能的目标。
3. Meta将购买超过35万块英伟达H100 GPU，预计到2024年底其GPU算力将达到等效近60万H100。
4. 虽然H100性能强大，但价格昂贵，Meta在通用人工智能上的花费可能高达87.5亿美元到105亿美元。
5. 扎克伯格认为通用人工智能的到来是一个循序渐进的过程，而不是一瞬间的事件。
6. Meta正在训练Llama 3，该模型将具有更强的代码生成能力以及更高级的推理和规划能力。
7. 扎克伯格将Meta的方法与OpenAI进行对比，Meta的方法被视为开源，而OpenAI的方法变得越来越不透明。
8. 扎克伯格认为迄今为止部署的模型尚未造成灾难性损害，但大公司需要为构建人工智能设置适当的护栏。

媒体文章：

• 机器之心：扎克伯格宣战AGI：Llama 3训练中，今年要囤35万块H100，砸近百亿美元
• theverge: Mark Zuckerberg’s new goal is creating artificial general intelligence

[ikaijua]

2024-01-18 图像风格化技术InstantID AI，可以根据单张面部图像实现多种风格的变身，包括虚拟风格和非人类形象

1. InstantID AI技术可以将人的图像风格化，使其呈现不同的造型和姿势，而无需实际拍摄照片。
2. InstantID基于扩散模型开发，通过插件使用，可以与流行的文本到图像预训练模型（如SD和ControlNet）无缝集成。
3. InstantID不需要在特定风格上进行调整，只需对单个图像进行一次推断；保留文本可编辑性。
4. 实验证明，InstantID在面部保真度和文本控制能力上表现出色，相对于其他方法具有更好的融合效果。
5. InstantID的应用领域包括写真摄影和虚拟形象创作，可以通过单张图像快速实现多种风格变化。
6. InstantID团队的成员来自InstantX，其中一位作者来自小红书，并且该团队致力于可控和条件内容生成的研究。

项目地址：https://instantid.github.io/

媒体文章：

• 量子位：20%的杨幂+80%的泰勒长什么样？小红书风格化AI来了，可兼容SD和ControlNet