OpenAI 推出 GPT 提及：允许用户在对话中@任意 GPT 商店里的 GPTs

OpenAI 推出 GPT 提及：允许用户在对话中@任意 GPT 商店里的 GPTs 在 OpenAI 的首次开发者大会上，OpenAI 推出了一项名为“自定义 GPT”的功能，允许用户创建自己的机器人并上传 GPT 商店。商店里汇集了用户为各种任务创建的 ChatGPT 的自定义版本。现在，你可以在 ChatGPT 的任何对话中引入“自定义 GPT”- 只需键入 @ 并选择 GPT。这样你就能够在完整的对话上下文中添加相关的 GPTs。 一一

GPTs的出现再次点燃了大家对聊天机器人和Agent的创作热情，几天时间就涌现出了成千上万个GPTs，其中也不乏有趣且实用的存在

GPTs的出现再次点燃了大家对聊天机器人和Agent的创作热情，几天时间就涌现出了成千上万个GPTs，其中也不乏有趣且实用的存在，下面给大家推荐几种发现和学习GPTs的网站和资料 主要分为聚合网页、在线表格收集和脚本爬取文档三种，大家可以按需选择： GPTs聚合网页： GPTs Hunt（国人作品较多，质量也高）(图二) GPTs Hunter（最早的聚合网页）(图三) GPTs Today All GPTs chatgpt_system_prompt（记录了所有官方Prompt） Awesome AI GPTs（GPTs、prompt、解读都有）(图四) gpt-store GPTs24 在线表格收集： “通往AGI之路”（必看，收录了很多大神作品）(图五) “AI 严选”（必看+1，同样收录许多实用作品） GPTs数据库-EmbraceAGI（大佬维护的表格） GPTs导航&资料库（全网最全？） 脚本爬取文档

人形机器人进阶到街头耍宝 与人类贴身热舞

人形机器人进阶到街头耍宝 与人类贴身热舞 这样训练出来的人形机器人，能实现稳健的运动和动态运动跟踪。简而言之，会的活多，表现力还强。比如和人类边贴贴边跳舞，增进增进人形机器人和人类之间的感情：穿着荧光小马甲，就能立刻上岗街头指挥人车交通：研究论文资料显示，这个研究团队共6人，其中过半是UCSD的在读博士生。为什么要对人形机器人做这样的训练呢？论文共同一作Xuxin Cheng在Twitter上卖力宣传的同时，做出了解释。机器人总是被要求化身各行各业的打工人！我们就想跟它一起探索另一条方向的路～当人形机器人“富有表现力”团队的这项研究名为《Expressive Whole-Body Control for Humanoid Robots》，研究目标是让人形机器人在现实世界中产生丰富、多样和富有表现力的动作。在经过团队的调教后，人形机器人能做出什么样的行为呢？路遇朋友迎面击掌，这是不在话下的。我都能脑补出它大声喊了一句Hey Man……亲切一点，路遇兄弟，来个抱抱：有点搞笑的事，不管是击掌还是拥抱，机器人下半身跺脚的行为并不会停止，只是会稍微放缓。眼尖的朋友们可能已经发现了，上面的击掌实验在不同环境、不同地面进行。团队也明确表示，通过新研究训练出来的人形机器人，可以在各种不同的地形地面上健步如飞。除了上文展示过的草地和石板路，沙滩对它来说同样是小菜一碟：平整的办公室地面也可以轻松应对：团队给出的更多展示中，还表现了更多遇到外界阻力时行动自如的demo。狠狠拽它：拿大球砸它：还知道抬手示意，“喂，你可以帮我背上小书包了”。各种操作，看得大伙儿一愣一愣的。纽约大学计算机科学助理教授发Twitter应援，称这么高水平控制力和表现力的研究成果，居然是一个6人组成的学术团队的产出，“难以置信”！更多的网友则选择用“Cool”来形容这项工作：“无他，照着人类学”所以，究竟怎么才能让机器人像以上般“张牙舞爪”、富有类人表现力？设想的思路无他：照着人类学。学习资料既包括各种人体动捕数据集，也包括生成模型、video2pose模型给出的模拟数据。通过在强化学习框架中进行全身控制的大规模训练，机器人就可以在现实世界中进行动作的泛化了。然而，这样的Sim2Real思想实际还是遇到了问题。作者介绍，典型数据集中的人体模型有69个自由度，但他们所用的机器人只有19个。除此之外，理论和实际的扭矩限制也不相同。这就很尴尬了，等于学会的知识实际根本不能拿来就用。那怎么办？那就做一个小小的改动：只让上半身进行模仿，负责各种表现力，下半身则只负责在任意速度内把两条腿控制稳定就行。作者姑且就管这个方法就叫做“表现型全身控制”（Expressive Whole-Body Control (Exbody)）。由此，该机器人的整体框架就长这样：首先，在拿到各种数据集后，系统会有一个运动重定向，用于获取一系列与符合机器人运动学结构的运动片段。然后在从这些片段中提取表达目标和根运动目标，进行“Exbody”策略的强化学习训练，最终将指令部署到真实机器人身上。其中，表达目标就是机器人上半身要完成的，根运动目标则归于下半身（当然，这部分也可以用遥控命令直接给出）。所用数据集最终，和各种基线方法相比，该机器人取得了如下成绩：有几项比较突出的指标，整体表现还不错。（MELV：Mean Episode Linear Velocity Tracking Reward，线性速度跟踪奖励 MEK：Mean episode key body tracking reward，关键身体追踪奖励）而从下图来看，Exbody的策略也能让机器人在表现时（例如击掌）膝盖弯曲更多，抬脚时脚离地面更高。言外之意，动作更卖力更富有表现力一些～当然，也更稳。全华人团队出品本研究一共6位作者，全部为华人，全部来自加州大学圣地亚哥分校（UCSD）。共同一作有两位：Xuxin Cheng，UCSD博一在读，硕士毕业于CMU机器人专业，本科则毕业于北理工自动化专业。Yandong Ji，同UCSD博一在读，硕士毕业于UC伯克利机械工程，本科毕业于南开大学电子计算机工程专业。通讯作者为他们的导师Xiaolong Wang，UCSD电气工程系助理教授。他博士毕业于CMU，目前的研究方向集中于CV和机器人技术等等，Google学术显示论文引用次数23000+。哦对了最后，团队成员还包括本次研究所用的机器人：来自宇树科技的Unitree H1。One More Thing要说最近的机器人进展，还真不少。先是OpenAI和微软押注的Figure刚刚宣布，新一轮融资筹集了约6.75亿美元，融资前估值约20亿美元。紧接着发布了个视频，介绍了旗下人形机器人Figure 01的最新进展，称“一切都是自主的”。再有就是那个面部表情极其丰富，有时惊艳有时又惊悚的Ameca，最新宣布已具有视觉能力。她能观察所处房间的整个情况，然后用各种各样的声音语气（包括但不限于马斯克、海绵宝宝）跟你绘声绘色地描述。就怪有意思的hhhhhh ... PC版： 手机版：

人类棋手击败了AI围棋机器人，使用的战术是由探测AI系统弱点的计算机程序建议的

人类棋手击败了AI围棋机器人，使用的战术是由探测AI系统弱点的计算机程序建议的 一名人类棋手在棋盘游戏围棋中全面击败了排名第一的人工智能系统，这与 2016 年被视为人工智能崛起里程碑的计算机胜利大相径庭。 美国选手 Kellin Pelrine 比顶级业余选手排名低一级，他利用另一台计算机发现的先前未知的缺陷击败了机器。 但他赢得 15 场比赛中的 14 场的正面交锋是在没有直接计算机支持的情况下进行的。 这一此前未曾报道过的胜利凸显了当今大多数广泛使用的人工智能系统所共有的最佳围棋计算机程序的弱点，包括总部位于旧金山的 OpenAI 创建的 ChatGPT 聊天机器人。 让人类重新登上围棋棋盘榜首的策略是由一个计算机程序提出的，该程序探索了人工智能系统以寻找弱点。该程序建议的计划随后被佩林所采用。 “我们利用这个系统出奇地容易，”设计该程序的加利福尼亚研究公司 FAR AI 的首席执行官 Adam Gleave 说。 他补充说，该软件与顶级围棋系统之一的 KataGo 进行了超过 100 万场比赛，以找到人类棋手可以利用的“盲点”。

互联网已死？我们现在看到的大部分内容都是由机器人生产的

互联网已死？我们现在看到的大部分内容都是由机器人生产的 该理论有两个主要组成部分：一部分是机器人取代了人类在互联网上的活动；另外一部分是行为者正在利用这些机器人来操纵网民。当机器人在互联网的活动超过人类的时候，一些人认为这就意味着互联网“已死”，而在这个理论中互联网的“死亡”日期2016年到2017年之间。这个日期的主要依据是，2016年的时候，安全公司Imperva（网络安全领导者之一）发布了一份关于机器人访问流量的报告，揭示机器人占据了互联网52%的网络流量。已死的互联网理论最早是在哪里被人提出的，已经很难进行考证了，它经常被认为只是阴谋论而已，但也许没那么简单。互联网的机器人内容其实，现在的机器人不仅使用了超过50%的网络流量，超过50%的内容也是由机器人生产的，特别是在社交平台上，机器人不仅在生产文章、视频和图片等内容形式，甚至连评论区的大部分内容也都是由机器人生产的。你会发现，中文互联网中，现有的社交平台很多都引入了官方的评论机器人，有些会直接告诉你那是AI评论，有些则不会告知。图：这个就是微博的评论机器人由于我个人一直在做自媒体，在各个平台上发表我的作品，所以我比较清楚这一点，那些牛头不对马嘴的评论基本是由机器人贡献的。至于什么时候开始，互联网内容超过一半都是由机器人生产的，一些报告显示，是从2022 年开始的。2022年是生成式AI诞生的年份，这一年 OpenAI 推出了首款生成式AI大模型ChatGPT，它能够直接模仿人类创作内容，而且它对所有普通用户开放，甚至一些服务现在是免费的。以前所谓的机器人创作内容，其实只是一种“伪原创”，通过一些工具将原有文章进行一些简单的修改比如把一些词语用同义词替换一下，以此来欺骗搜索引擎或者社交平台，来得到更好的搜索排名。但是，有了生成式AI大模型之后，一切都变了，人工智能可以直接根据你的简单指令几秒内生成相应的内容，文章，图片，视频都可以通过指令直接生成。所以，没什么好意外的，我们看到的大部分内容如果不是机器人生产的那才奇怪。不过不仅如此，你在社交平台上关注的很多所谓大V，背后可能也只是机器人而已。社交平台不会对外公布它们有多少内容是由机器人生产的，也不会对外公布哪些账户是由机器人在输出内容的。不过，在马斯克收购推特平台（现在的X平台，类似国内的微博）的时候，推特上机器人运行的账户比例被搬上了台面来讨论。推特原有的老板告诉马斯克大约每日活跃用户 (mDAU) 的5%是机器人，但是马斯克请了专业机构 Cybra 公司进行了重新评估，该公司回馈给马斯克两个报告，一份报告显示13.7%的推特日活用户是机器人，而另一份则显示11%。更搞笑的是，这10%多点的机器人日活用户创造了大部分的推特内容。你可能会好奇，为什么人们要让机器人不遗余力的去生产内容呢，而社交平台也不进行筛选。其实，答案很简单，平台根本管不过来，机器人会专门不停针对算法来调整自己的内容，以此来躲避搜索引擎或者社交平台的审查。马斯克博文的AI翻译但由于机器人生产的内容确实影响了真实用户的体验，所以马斯克现在正在探索让推特用户支付会员费以阻止机器人内容（估计在他眼里机器人内容就像广告一样烦人）。至于生产这些内容的目的是什么，据我了解主要就是三点：第一点就是挣取这些社交平台的广告分成。很多没有接触过自媒体的人可能并不清楚，你在平台上发表作品是有广告分成的，这部分收益现在也是我们怪罗这个ip的主要收入来源。在行情好的时候，一篇百万播放的视频有几千块的收益，而即便是现在行情不好的时候，这个收益依然还算能维持。由于热门内容很容易继续出爆款，所以你会发现，一个稍微热门一点的事件或者话题，你会刷到不同用户制作的完全雷同的内容。第二点就是账户买卖。做自媒体的应该都知道，从最早微博兴趣开始，互联网上就出现了一个专门买卖社交媒体账户的产业链，这个产业算是互联网的灰色地带，但是它从诞生到现在就没有停止过。而且从最初的微博账户买卖，演变成今天我们可以用极低的成本去购买任何一个社交媒体平台的账户，而且拥有上百万粉丝的账户都可以轻松买到。很多人可能想要知道，这些账号的粉丝都是怎么来的，以前我一直以为就是一些僵尸粉（不活跃的账户）而已，但其实即便僵尸粉也是有成本的，而且质量还差。很多这类账号其实就是靠内容吸引来的，只是它们的内容并不是像我们这样一个字一个字地打出来，而是直接由机器人批量抓起，批量修改，然后24小时不停发布。因为完全由机器人制作和发布，效率非常高，一个运营人员可以同时运营数十个账户，每天大量的发布热门内容，以此来吸引用户关注。等粉丝基数达到一定程度，直接将账号出售，以此盈利。第三点，也是最让人讨厌的一点，行为人通过发布一些内容来引导舆论。评论区是一个引导评论的方向的好地方，但其实机器人创作内容可不是仅通过评论来引导，而是直接制作和发布相应的内容。由于大多时候我们很难了解到事件的全部，所以很容易被这些断章取义的内容误导。一些别有用心的人，就会通过海量机器人发布“断章取义”的内容把舆论引向有利自己的那一边。所以，任何互联网的瓜都要理性地吃，不然一不小心可能就站错队了最后如果行为人的目的只是赚取广告分成和吸粉卖号的话，那么他们不会对自己发布的内容负责，他们只会在乎内容能够拿到多少流量。而目前机器人创作的内容，没有人工审核的话，它只会创造虚假内容，加上我们前面提到的断章取义引导舆论的。可以说现在的互联网存在大量的虚假信息，因此说互联网已死真的不为过。参考链接： ... PC版： 手机版：