AI进化小合集Auto-GPT

AI进化小合集 Auto-GPT 最前沿的 AI 应用，给 AI 一个目标，让它自己分析、规划、上网、写代码，直到完成目标。 非常神奇非常科幻的项目。 介绍： 当然，百看不如一试 AgentGPT - AI规划，执行任务 eg：让它列出过去24小时内所有的谈过 AI 这关键词的推文。 Then它给自己设置了任务： ① 找到符合要求的推文 ② 判断哪些推文更相关 它自己拆解： 1.做一个算法来识别 2.微调一个Bert模型 3.找到微调模型的数据集 4.开始从网上找数据 开发者利用 AI 创造出能自我修复的程序 为什么不让 AI 来帮助你完成找出 bug工作？ 开发者 BioBootloade 创造出能帮 Python 程序自我修复d程序 Wolverine .带有演示视频的写道。“即使你有很多错误，它也会反复重新运行，直到一切都修复。发布在上 关于我的一点思考可以看 来自：雷锋 频道：@kejiqu 群组：@kejiquchat 投稿：@kejiqubot

一个面向生产环境的多语种自然语言处理工具包，基于PyTorch和TensorFlow 2.x双引擎，目标是普及落地最前沿的NLP

一个面向生产环境的多语种自然语言处理工具包，基于PyTorch和TensorFlow 2.x双引擎，目标是普及落地最前沿的NLP技术。HanLP具备功能完善、精度准确、性能高效、语料时新、架构清晰、可自定义的特点。 借助世界上最大的多语种语料库，HanLP2.1支持包括简繁中英日俄法德在内的130种语言上的10种联合任务以及多种单任务 | #工具

最近天天在学习根管治疗的最前沿技术

#内幕消息 最近天天在学习根管治疗的最前沿技术 各种根管锉的选择， 机扩的选择， 金属占锉本身横截面的比例， 镍钛锉在根管中排碎屑的能力和切割力的取舍， EDTA在根管中的利弊 锥度对于牙齿本身的影响 越来越觉得根管治疗的细节和精准度需要极大的知识量和大量的专业练习才能达到较高水平 一个医生A做根管治疗用最差的器械和材料，没有好的细节把控，用十分钟也可以做根管治疗，业界还不能说他不会做，因为他确实做的是根管治疗，病人也不疼了 一个医生B做根管治疗用最专业的器械和材料，细节把控非常到位，用一两个小时也是做根管治疗，这样的医生做出来的病人远期效果会非常好，但是病人会觉得收费很贵，时间很久，嘴张的很难受 如此围城困局，令人非常难受 病人一定会夸医生A技术好，时间短，价格低 病人一定会骂医生B技术差，时间长，价格高 但是实际上呢，医生A就是个摸鱼的，随便干干，医生B花了非常大的成本，时间成本，金钱成本，学习成本，赚的还不如医生A多，名誉也不如医生A 而等到根管治疗三四年后才会显露出来效果，医生A的患者根管治疗很快会发炎，医生B的患者牙齿完全没问题，可以用很多年 但是这个时候，医生B已经被骂了，患者量很少，而医生A门庭若市 根管治疗的不可兼得性： 价格便宜的，远期效果一定不好（但是远期效果不好的，不一定价格便宜） 远期效果好的，一定价格贵（但是价格贵的，也不一定远期效果好） 当然如果你是医生的铁哥们，那的确可以兼得 ps：下图是我的偶像虚拟歌手异世界情绪

是一家专注于人工智能（AI）和计算机视觉技术的公司，他们的目标是创造超真实的生成AI内容。他们的技术可以生成看起来非常的人物

是一家专注于人工智能（AI）和计算机视觉技术的公司，他们的目标是创造超真实的生成AI内容。他们的技术可以生成看起来非常真实的人物和场景。 这项技术可以将语音内容翻译成多种语言格式并保持唇形一致。而且这个过程是自动的，不需要人工参与。 视频展示了他们将一段英语歌曲，转化为法语、西班牙语、中文等语言。

OpenAI CEO又创办了一家AI公司

OpenAI CEO又创办了一家AI公司 Thrive AI Health的目标是打造一个个性化“AI健康教练”，以手机App形式呈现。目前公司CEO是Google前健康和可穿戴设备负责人德卡洛斯·洛夫（DeCarlos Love），OpenAI创业基金和Thrive Global是主要投资方。X平台投资自媒体Startups IO发文称，Thrive AI Health从OpenAI创业基金筹集了1500万美元，目前Thrive AI Health官方并未公布具体的融资金额。今天洛夫和赫芬顿都在X平台上公布了相关信息。文章提到，睡眠、饮食、运动、压力管理和社交这五大日常行为是AI健康教练聚焦的重点，AI会提供非常精准的建议，比如“下午3点15分接孩子放学后和孩子一起散步10分钟”、“第二天早上6点要起床赶飞机，所以晚上10点开始放松准备睡觉”。01.用AI健康教练改变日常生活习惯省钱省时间所以阿尔特曼成立这家AI健康公司究竟想想做什么，用什么方式去做？一句话总结：用AI健康教练改善慢病管理。文章提到，目前有1.29亿美国人患有至少一种慢性疾病，美国每年4.1万亿美元的医疗保健支出中有90%用于治疗这些疾病。在他们看来，平时生活习惯的改变是预防这些慢性病的关键，但人的行为习惯很难改变，因此他们希望通过非常个性化的AI来解决这个难题。个性化的AI可以通过改善人的睡眠、饮食、运动、压力管理和社交五种日常基础行为，从而让人养生更健康的生活习惯。这也是阿尔特曼这家AI健康公司的核心理念：他们希望做一个定制的、个性化的AI健康教练。这个AI健康教练以移动App的形式呈现，这个App会包含在Thrive Global的企业产品中。▲Thrive Global官网，来源：thriveglobal.com文章提到，这个AI健康教练会基于科学理念以及Thrive多年积累的行为改变方法进行训练，日积月累帮助人养成健康的生活习惯。此外，这个AI还会利用一些最前沿的AI技术，比如长期记忆能力和为特定领域定制开发的行为指导AI模型。AI健康教练会学习什么条件可以让人有高质量的睡眠、用户喜欢吃什么不喜欢吃什么，用户运动的时间、减轻压力的有效方式等等。这样AI会给用户提供定制化的实时提醒和建议，比如提醒你按时吃药、提供更健康的饮食建议、鼓励你抽空进行短暂锻炼。值得一提的是，这些建议会非常“精准”，比如：下午3点用柠檬水代替您的第三杯苏打水；下午3点15分接孩子放学后和孩子一起散步10分钟；由于您第二天早上6点要起床赶飞机，所以晚上10点开始放松准备睡觉。这个文章提到，AI健康教练可以解决两个很关键的问题，总结下来，一个是钱，一个是时间。AI健康教练可以帮很多人省钱，因为不是每个人都请得起健康导师和健身教练，也不是每个人都有时间去解决一些细小的健康问题。这颇有些“健康平权”的意味。在阿尔特曼他们看来，大家都关注AI可以帮我提高多少效率，但AI还可以实现更基本的东西：改善人类的健康、延长寿命。02.请来前Google健康&可穿戴负责人联合前沿学术机构和医疗中心作为一家新成立的AI创企，Thrive AI Health自然少不了一些大牛的助阵。这次阿尔特曼请来了Google前健康和可穿戴设备负责人德卡洛斯·洛夫做新公司的CEO。▲DeCarlos Love据报道，在Google工作期间，洛夫曾负责传感器、AI和机器学习算法以及健康和健身体验等方面的工作，对Google的智能手表和手表上的Wear OS都比较熟悉。在加入Google之前，洛夫还曾在苹果和Athos担任产品职务。洛夫在X平台上发文公布了自己将上任Thrive AI Health CEO的消息。Thrive AI Health的主要资助方Thrive Global的创始人兼CEO赫芬顿也在X平台上发文表达了对AI技术应用于健康管理的期待，她认为通过AI驱动的个性化行为改变，人类终于有机会扭转糖尿病和心血管疾病等慢性疾病的发展趋势。▲Arianna Huffington目前，Thrive AI Health已经和一些前沿学术机构和医疗中心建立了研究合作，比如斯坦福医学、爱丽丝·L·沃尔顿医学院和西弗吉尼亚大学的洛克菲勒神经科学研究所。03.结语：垂域大模型日渐深入AI健康或成新风口目前AI大模型正在各个领域加速落地，OpenAI大模型技术与医疗健康的结合也带来了新的可能，阿尔特曼的新公司代表着他向AI健康领域的又一次尝试。当然，这一领域也充满挑战，比如个人数据隐私安全的保护，监管机制的完善，牵涉到个人健康，AI技术的应用、AI模型的训练都要更加谨慎，AI健康这个阿尔特曼早已看中的方向，是否能涌现出更多潜力，我们拭目以待。 ... PC版： 手机版：

OpenAI CTO深度访谈 剧透GPT-5发布时间

OpenAI CTO深度访谈 剧透GPT-5发布时间 OpenAI CTO 穆拉提分享OpenAI近况与AI行业动向。穆拉提在达特茅斯学院（图源：达特茅斯学院）在这场访谈中，穆拉提分享了自己从航天行业、汽车行业、VR/AR再到加入OpenAI的丰富职业生涯，并根据自己在行业最前沿的所见所闻，分析了AI治理、AI对教育的影响、AI对工作的影响等问题。她在访谈中透露，明年或后年就会出现博士水平的智能系统，这或许指的就是GPT-5。她更是抛出一个极具争议性的观点，有些创意工作本不该存在，而AI很快便会取代这些职位。这一观点在网上引发轩然大波，认为OpenAI吃了饭就砸锅，并不理解创造力意味着什么。穆拉提认为OpenAI的成就离不开深度神经网络、大量数据和大量算力这3个因素的叠加，虽然他们还在研究背后的原理，但实践证明深度学习真的行得通。她称AI安全和AI能力是一体两面的，聪明的模型才能理解我们给它设定的护栏。从工程的角度上来看，AI能力的提升并不会降低模型的安全性。OpenAI对模型的安全性负有很大责任，但要实现风险的有效管控，社会和政府的参与也是必不可少的。OpenAI正积极与政府和监管机构合作，共同解决AI安全问题。在场的观众也向穆拉提抛出了尖锐的问题。穆拉提在回应观众对于模型价值观的问题时提到，OpenAI目前已经通过人类反馈强化学习将人类价值观融入AI系统，但未来的重点会是在基础价值体系上，给客户提供高度定制化的模型价值体系。观众还就OpenAI最近的侵权疑云和内容创作者的许可和补偿问题询问穆拉提的看法。穆拉提再次强调OpenAI并未刻意模仿斯嘉丽的声音，她挑选声音的决策过程是完全独立的。至于版权内容，OpenAI目前在尝试以聚合数据池的形式，让创作者提供版权内容到数据池中，整体评估创意内容对模型表现的贡献，并给予相应的报酬。但这一技术颇具难度，实际落地还需要一段时间。与OpenAI CEO萨姆·阿尔特曼（Sam Altman）不同，穆拉提之前的公众认知度较低。她在1998年出生于阿尔巴尼亚，之后到加拿大和美国求学。她2018年便加入OpenAI，是OpenAI的早期成员之一。作为OpenAI的CTO，她领导了OpenAI在ChatGPT、DALL·E、Codex和Sora方面的工作，同时还监管公司的研究、产品和安全团队。微软首席执行官萨蒂亚·纳德拉（Satya Nadella）评价穆拉提时说到，她既具备技术专长，也颇有商业头脑，并对OpenAI的使命有深刻认识。以下是对穆拉提在达特茅斯学院深度访谈的完整编译（为提高可读性，智东西调整了部分问答的顺序，并在不违背原意的前提下进行了一定的增删修改）：01.干过航天、汽车、VR/AR等行业，发现自己对AI最感兴趣杰弗里·布莱克本：大家都想听听你的近况和你正在构建的东西，这真是太吸引人了。不过也许我们应该从你的故事开始。你毕业后去了特斯拉一段时间，然后是OpenAI。你能简短地和我们描述一下那个时期吗，还有你加入早期的OpenAI的故事。米拉·穆拉提：我大学毕业之后其实在航空领域短暂工作过，但之后我意识到航空领域的发展相当缓慢。我对特斯拉的使命非常感兴趣，也对构建可持续交通的未来需要面临的创新挑战感兴趣，因此我决定加入特斯拉。在参与Model S和Model X的工作后，我意识到自己也不想在汽车行业工作。我想要做一些能真正推动社会发展的事情，同时解决一些非常困难的工程挑战。我在特斯拉的时候对自动驾驶汽车、计算机视觉、AI这些技术和它们在自动驾驶汽车上的应用很感兴趣。我那时候想更深入地了解AI的其它领域。于是我加入了一家初创公司，在那里领导工程和产品团队，将AI和计算机视觉应用于空间计算领域，研究计算的下一个界面。当时我认为计算的交互界面会是VR和AR，但现在我的想法不一样了。那时候我认为，如果我们可以用手与非常复杂的信息交互，无论是公式、分子还是拓扑概念，我们便可以更直观地了解这些东西，扩展自己的学识。然而事实证明，当时谈VR还为时过早。但这给了我许多机会，能了解不同领域的AI技术。我想我的职业生涯一直都处于技术和应用的交叉点。这给了我一个不同的视角，能大致了解AI的发展程度以及它可以应用到什么领域。杰弗里·布莱克本：所以在特斯拉的自动驾驶研究中，你看到了机器学习、深度学习的可能性，看到了它的发展方向。米拉·穆拉提：是的。但我并没有看得很清楚。杰弗里·布莱克本：你给马斯克工作过吗？米拉·穆拉提：是的，特别是在最后一年。但那时我们还不太明确AI的发展方向。当时，我们仍然只是将AI应用于特定的应用场景里，而非通用的场景。VR和AR也是如此。而我不想只是将这些技术应用于具体问题。我想做更多的研究，了解背后的原理，然后开始将这些技术应用到其他事物上。我就在这个阶段加入了OpenAI，OpenAI的使命对我非常有吸引力。当时它是一个非营利组织。现在使命没有变，但结构变了。当我6年前加入时，它是一个致力于构建安全AGI（通用人工智能）的非营利组织。当时OpenAI是DeepMind之外唯一一个做相关研究的公司。这就是我在OpenAI旅程的开始。02.3大技术进步让ChatGPT成为可能，实践证明模型能深入理解数据杰弗里·布莱克本：明白了，所以你从那时起你就一直在构建很多东西。也许你可以为在场的观众提供一些AI的基础知识。从机器学习、深度学习到现在的AI，这些概念都是相互关联的，但也各有不同。这些转变是如何发生的呢，又是如何让ChatGPT、DALL·E或者Sora这样的产品成为可能的呢？米拉·穆拉提：其实我们的产品并不是全新的，在某种意义上我们的产品是建立在过去几十年人类共同的努力的基础上的。其实AI就开始于达特茅斯学院。在过去几十年中，神经网络、大量数据和大量算力的结合带来了真正具有变革性的AI系统或模型，它们能够执行一般性任务。尽管我们不清楚其为何成功，但是深度学习真的行得通。我们也试图通过研究和工具来理解这些系统的实际运作方式。不过根据我们过去几年研究AI技术时的经验，我们知道这条路行得通。我们也见证了它们逐渐进步的轨迹。以GPT-3为例，这是一个大约三年半前部署的大型语言模型。其目标是预测下一个token，基本上是下一个单词的预测。我们发现，如果我们给这个模型预测下一个token的任务，并用大量数据训练这个模型，给它大量计算资源时，我们还能获得一个真正理解语言的模型，而且其理解水平与人类相似。它通过阅读大量书籍和互联网的信息，形成了自己对这些数据的模式的理解，而不仅仅是简单地记忆。我们还发现，这种模型不仅可以处理语言，还可以处理不同类型的数据，如代码、图像、视频和声音。它并不在乎我们输入什么数据。我们发现，数据、计算和深度学习的结合运作得非常好，通过增加数据类型和计算量，这些AI系统的性能会不断提高。这便是所谓的扩展法则（Scaling Laws）。它不是实际的法则，而是模型能力提高的统计学预测。这就是推动今天AI进步的动力。杰弗里·布莱克本：你们为什么选择了聊天机器人作为第一款产品呢？米拉·穆拉提：就产品而言，我们其实是从API开始的，而不是聊天机器人。因为我们不知道如何将GPT-3商业化。商业化AI技术实际上非常困难。我们最初专注于技术的开发和研究，我们认为只要构建了一个优秀的模型，商业伙伴就会自然地拿它去构建产品。但后来我们发现这实际上非常困难，这也是为什么我们开始自己开发产品。于是我们开始自己构建一个聊天机器人，我们试图理解为... PC版： 手机版：