李彦宏：智能体是AI时代的网站 将形成数百万量级生态

李彦宏：智能体是AI时代的网站 将形成数百万量级生态 “当时看网站是怎么做出来的？通过浏览器一看源代码，非常简单，稍微改一点，我也可以做出来，今天做智能体跟这个很类似……起个名字，告诉它回答什么、不回答什么，就做成了。”他指出，智能体将会大量出现、形成生态。“未来，在各行各业、各个领域都会依据自己具体的场景，根据自己特有的经验、规则、数据，做出来这些智能体。”“智能体不仅能对话，还具备反思和规划能力，如果说的不对，它能自己想想哪儿错了，它还有规划能力，为了实现目的，能规划要调用什么工具。”李彦宏表示，智能体的这些能力正在逐步完善、门槛也足够低，随着基础大模型能力增强，将诞生更多有价值的应用。展望未来，李彦宏认为，智能体或许还将具备协作能力。“有些复杂的任务，可以通过多个智能体来完成，就像公司里有CEO，还有财务、技术、销售主管，他们协作起来，能完成一个非常复杂的任务。”他认为，如果多个智能体能协作来完成复杂任务，这将会对智能体生态的发展形成极大推动。 ... PC版： 手机版：

相关推荐

封面图片

李彦宏首次回应为何不开源文心大模型：闭源能赚到钱 才能聚集人才

李彦宏首次回应为何不开源文心大模型：闭源能赚到钱 才能聚集人才 “在这种情况下，多百度一家开源不多，少百度一家开源也不少。”李彦宏表示。同时李彦宏还认为，闭源是有真正的商业模式的，是能够赚到钱的，能够赚到钱才能聚集算力、聚集人才。同时闭源在成本上也是有优势的，只要是同等能力，闭源模型的推理成本一定是更低的，响应速度一定是更快的。李彦宏提到，无论中美，当前最强的基础模型都是闭源的，通过基础模型降维做出来的模型也是更好的，这使得闭源在成本、效率上更有优势。 ... PC版： 手机版：
封面图片

李彦宏：有人说百度错失了ChatGPT，但谷歌多花了4000万美元也没做出来

李彦宏：有人说百度错失了ChatGPT，但谷歌多花了4000万美元也没做出来 5月4日消息，李彦宏今天在百度内部活动中表示，有人说百度错失了做出ChatGPT的机会，但谷歌多花了4000万美元，也没能做出Chat GPT。 此前ChatGPT首席科学家伊利亚·萨特斯基弗（Ilya Sutskever）曾成立了一个小公司，百度、微软、谷歌都曾争抢这个人才，最终谷歌以4400万美元抢到。 李彦宏还提到此前关于与ChatGPT差距两个月的说法，“我当时后面还有一段话，就是这两个月的差距要多久才能赶上？这取决于我们的努力，有可能能赶上，但也有可能一直追不上。”
封面图片

Shutterstock授权苹果公司使用数百万张图片来训练其人工智能模型

Shutterstock授权苹果公司使用数百万张图片来训练其人工智能模型 此前曾有消息称，苹果公司与多家出版商就类似的人工智能大型语言模型 (LLM) 培训进行了谈判，并使用了来自新闻文章的内容。据称，Conde Nast IAC 和 NBC 等大型媒体都曾与苹果公司洽谈过内容授权事宜。预计苹果公司将在今年 6 月的WWDC 大会上宣布一些重大消息，努力在其操作系统中加入更多人工智能技术。虽然在人工智能整合方面，苹果经常被认为落后于竞争对手，但它自己也进行了一些创新。在过去的一年里，苹果设备用户可能已经注意到了苹果"机器学习"技术的微小改进。例如，预测文本在适应特定用户偏好的词汇方面变得越来越准确，Siri翻译常用短语的能力也得到了提高。据传，苹果公司的下一代处理器将包含更强大的神经引擎。苹果公司全球营销高级副总裁格雷格-乔斯维克（Greg Joswiak）在社交媒体上调侃说，下一届 WWDC 大会将是"绝对令人难以置信的"，暗示这次大会将主要围绕iOS18 和其他苹果操作系统中新增的人工智能类型功能展开。苹果在使用人工智能技术方面面临的最大挑战是维持其用户隐私标准，而其他大型人工智能技术公司并不关心这个问题。 苹果公司最近透露，它打算开发可以尽可能使用本地设备算力的模型。 ... PC版： 手机版：
封面图片

【2000亿次开放学习后，DeepMind的智能体成精了】他们专门给智能体打造了一个包含了数十亿游戏任务的“元宇宙”XLand。

【2000亿次开放学习后，DeepMind的智能体成精了】他们专门给智能体打造了一个包含了数十亿游戏任务的“元宇宙”XLand。一些基于RL的智能体已表现出明显的零样本学习能力 （0-shot），比如使用工具、打拦（ridge-fencing）、“捉迷藏”、找立方体、数数、合作或竞争等。 #抽屉IT
封面图片

微软提出的TaskMatrix.AI，想通过大模型和数百万个API来完成任务还是有意思的。

微软提出的TaskMatrix.AI，想通过大模型和数百万个API来完成任务还是有意思的。 : Completing Tasks by Connecting Foundation Models with Millions of APIs 链接： 论文中提出的这个TaskMatrix.AI主要是想理解多模态的输入，然后生成代码，代码里面调用API来完成任务。 它有统一格式的API平台和任务库，方便开发人员定制模型，也方便大模型调用。 TaskMatrix.AI拥有终身学习能力，可以通过学习组合模型和API来完成新任务，而且这是可以解释的。 关键组件有四个： - 多模态对话模型 - API 平台 - API Selector - API Executor 论文中还使用RLHF来提高多模态模型和API Selector的能力。 能够完成的任务： - 视觉任务，比如 图像编辑，图像问答等 - 多模态长内容生成，比如 生成图文 - 自动化 比如：操控手机，浏览器 - 访问云服务 比如: 发现新API - 控制物联网设备 比如：机器人，家用智能设备 我的想法，大模型或者多模态模型出现确实提高了以前对话系统的能力，以前智能音箱大战畅想的很多东西都可以拿出来继续做。
封面图片

：用于创建基于GPU加速的高吞吐模拟器的原型游戏引擎，能在单个GPU上运行成千上万个虚拟环境实例，每秒生成数百万个模拟步骤。

：用于创建基于GPU加速的高吞吐模拟器的原型游戏引擎，能在单个GPU上运行成千上万个虚拟环境实例，每秒生成数百万个模拟步骤。 这种高效率对于高性能AI智能体的训练(如通过强化学习)或需要将高性能环境模拟器紧密集成到更广泛应用中的任务非常有用

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人