AI新闻动态（2024-03-31到2024-04-06）

[ikaijua]

AI新闻动态（2024-03-31到2024-04-06）

目录

AI产品

1. OpenAI宣布在不注册账户的情况下可免费使用ChatGPT
2. ChatGPT推出DALL·E 3图像编辑功能
3. 微软Azure AI语音服务升级发布9款逼真AI语音
4. Stability AI 发布了音乐生成模型Stable Audio 2.0版本

AI研究

1. 苹果的研究人员提出了一个新的设备端模型ReALM
2. 阿里巴巴发布多模态文档理解大模型mPLUG-DocOwl1.5

AI洞察

1. 微软和OpenAI计划斥资1000亿美元开发名为「星际之门」的AI超级计算机
2. OpenAI发布了由Sora制作的首支MV《Worldweight》
3. 音乐人联名反对AI侵权
4. 阿里巴巴董事会主席蔡崇信的最新访谈内容

[ikaijua]

2024-04-01 微软和OpenAI计划斥资1000亿美元开发名为「星际之门」的AI超级计算机

1. 这个超级计算机将配备数百万个专用服务器芯片，旨在为OpenAI的人工智能技术提供强大算力。
2. 该项目预计在2028年启动，成本可能高达1000亿美元，微软可能负责资助该项目。
3. 这个计划的实施取决于OpenAI提升其人工智能能力的有效性，因为OpenAI去年未能交付其向微软承诺的新模型。
4. 超级计算机将比微软目前提供给OpenAI的计算能力大几个数量级，还将需要大量的电力和采购芯片。
5. 微软和OpenAI还计划在2026年左右推出规模更小的第四阶段超级计算机。
6. 对于OpenAI来说，证明其下一代大语言模型比现有模型有显著优势至关重要，他们计划在明年初发布其下一代模型的重大升级。

媒体文章：

• 机器之心：微软、OpenAI又搞大动作：斥资1000亿美元开发AI超算「星际之门」

[ikaijua]

2024-04-02 苹果的研究人员提出了一个新的设备端模型ReALM

1. ReALM模型体积小、适合在手机、平板电脑等设备上运行，参数量分别为80M、250M、1B和3B。
2. 论文将ReALM的性能与GPT-3.5和GPT-4进行对比，结果显示最小模型的性能与GPT-4相当，而更大的模型则显著超过GPT-4。
3. 这项研究有望改进苹果设备上的Siri智能助手，提升其理解和处理用户查询中的上下文，尤其是涉及屏幕上内容或后台应用的复杂指代。
4. 该研究将在苹果的全球开发者大会「WWDC 2024」上发布，可能会在未来的iOS和macOS版本中实现。
5. ReALM的研究团队采用综合创建的数据集和注释器辅助创建的数据集，与两种基线方法进行了比较，并在微调大型语言模型上取得了良好的性能。

论文地址：https://arxiv.org/pdf/2403.20329.pdf

媒体文章：

• 机器之心：苹果AI放大招？新设备端模型超过GPT-4，有望拯救Siri

[ikaijua]

2024-04-02 OpenAI宣布在不注册账户的情况下可免费使用ChatGPT

1. 不登录方式仅限于使用免费版的ChatGPT3.5版本，其他付费产品如DALL-E 3和GPT-4仍需付费和登录账户。
2. 无需注册的ChatGPT与之前的版本几乎没有区别。但重新开始对话时，之前的记录会被清除，无法保留聊天记录。
3. 取消账户限制可以吸引更多用户流量，并获得宝贵的互动数据，这有助于进一步提升人工智能的能力。
4. 除了ChatGPT外，其他产品如Voice Engine和Sora仍然只对有限数量的用户和合作伙伴开放，并不属于免费账户的福利范围。

官方博客：Start using ChatGPT instantly

媒体文章：

• 机器之心：现在，ChatGPT不注册登录也能免费用了
• 量子位：今天起，ChatGPT无需注册就能用了！

[ikaijua]

2024-04-02 1. 阿里巴巴发布多模态文档理解大模型mPLUG-DocOwl1.5

1. mPLUG-DocOwl1.5模型专注于解决四大挑战：高分辨率图片的文字识别、通用文档结构理解、指令遵循以及外部知识的引入。这些挑战是实现高效文档理解的关键。
2. 针对高分辨率图片文字识别问题，mPLUG-DocOwl1.5采用了形状适应的切图模块，通过无参数的方式得到一系列子图，从而最大程度地利用通用视觉编码器的能力，减少重新训练高分辨率视觉编码器的成本。
3. 在通用文档结构理解方面，mPLUG-DocOwl1.5通过模型结构的优化和训练任务的增强，显著提升了对文档内容的语义理解和结构理解能力。它采用了基于“卷积+全连接层”的H-Reducer进行特征聚合和对齐，以更好地传递文档结构信息给语言模型。
4. 模型还具备“指令遵循”能力，能够根据用户的指令执行不同的任务，如信息抽取、问答和图片描述等。通过多任务联合训练，DocOwl1.5成为了一个文档领域的通用模型。
5. 最后，mPLUG团队还探索了如何引入外部知识以提升文档理解能力，通过构建高质量论文图表分析数据集M-Paper，并开发了mPLUG-PaperOwl模型，为论文中的图表提供了上下文作为外部知识来源。尽管这还处于初步尝试阶段，但它为未来文档理解的研究提供了新的方向。

媒体文章：

• 量子位：阿里7B多模态文档理解大模型拿下新SOTA｜开源

[ikaijua]

2024-04-03 OpenAI发布了由Sora制作的首支MV《Worldweight》

1. 该视频由艺术家August Kamp作曲，Sora完成MV画面内容的创作。
2. August Kamp表示，Sora使得他能够将原本只存在于想象中的视觉效果具象化，与他人共享。
3. 网友们对Sora制作的MV反响热烈，认为其视觉效果仿佛复刻了长时间的梦境，具有跨次元的神奇和梦幻效果。

youtube视频：Worldweight Official Music Video • Made by August Kamp with Sora

媒体文章：

• 量子位：刚刚，Sora官方发布首支MV

[ikaijua]

2024-04-03 Stability AI 发布了音乐生成模型Stable Audio 2.0版本

1. Stability AI发布了Stable Audio 2.0，这是一个先进的音乐生成模型，能够根据单个提示生成长达三分钟的高质量音乐音轨。
2. Stable Audio 2.0不仅支持文本到音频的转换，还增加了音频到音频的功能，用户可以上传音频样本并将其转换成不同的声音。
3. 新模型提供了音效生成和风格转移的能力，这为艺术家和音乐家在创作过程中提供了更大的灵活性和控制力。
4. 用户可以通过文本转音频和音频转音频的提示，制作旋律、背景音轨、主干和声音效果，从而丰富他们的音乐创作。
5. Stable Audio 2.0的独特之处在于其能够生成具有结构化组成的完整歌曲，包括前奏、展开和结尾部分，以及立体声音效。

官方博客：Introducing Stable Audio 2.0

在线使用地址：https://stableaudio.com/generate 可免费生成10首歌曲
官方提示词参考：https://stableaudio.com/user-guide/prompt-structure

[ikaijua]

2024-04-06 ChatGPT推出DALL·E 3图像编辑功能

1. 用户可以通过ChatGPT使用DALL-E 3进行图像编辑功能，包括替换、删除、添加对象等。在网页、iOS、安卓平台上均上线此功能。
2. 用户可以选择要编辑的图像部分，并在聊天中使用文本描述进行编辑。编辑器界面提供了添加、删除和更新图像部分的功能。用户可以通过选择图像中的对象并使用相应的提示来进行编辑，例如添加花朵、删除鸟类或改变猫咪的表情等。
3. 除了直接选择图像部分进行编辑外，用户还可以在对话面板中输入提示来更改图像。这使得编辑过程更加灵活和交互性。

chatGPT-image.mp4

官方文档：https://help.openai.com/en/articles/9055440-editing-your-images-with-dall-e

媒体文章：

• 机器之心：可编辑的DALL·E 3要来了？一句话就能PS图片
• 机器之心：ChatGPT现在能帮你P图了，只需简单说几个字

[ikaijua]

2024-04-01 微软Azure AI语音服务升级发布9款更逼真的AI语音

新发布的9款逼真AI语音包括4款美式英语声音、2款德语声音、2款法语声音和1款中文语音。

微软语音服务地址：https://ai.azure.com/explore/speech

zh-CN-XiaoxiaoMultiligualNeural模型

• 文本：但我现在对这个职业的热爱还是非常的，呵呵,非常的，嗯,怎么说呢？日月可鉴的，哈哈，嗯还是希望可以把这个职业做下去或者做这个声音相关领域的工作，嗯，就是把自己的优势发挥的大一点，尽可能能用到自己擅长的东西，而不是说为了工作，为了挣钱而工作。

conversation.mp4

• 文本：我们需要加的是生抽、老抽、料酒、白糖还有一点点的醋、盐，然后把它翻炒均匀就可以了。接下来就是收汁的阶段了哈，我们加入适量的水淀粉翻炒到这个鸡丁上色，而且汤汁呢，稍稍已经比较浓稠，啊不会轻易的滑落。

XiaoxiaoML_recipe.mp4

注意，zh-CN-XiaoxiaoMultiligualNeural仍在推出中，预计在4月9日左右涵盖所有地区，就像其他语音一样。

官方博客：9 More Realistic AI Voices for Conversations Now Generally Available

[ikaijua]

2024-04-03 音乐人联名反对AI侵权

1. 200多名欧美音乐人签署公开信，反对AI技术侵犯艺术家权利，并要求相关公司停止开发可能贬低人类艺术家的AI音乐生成技术。
2. 非营利组织“艺术家权益联盟”（Artist Rights Alliance）发布公开信，旨在争取音乐人在数字时代的公平待遇和合法权益保护。
3. 公开信中提到，一些平台和开发者使用AI损害创造力，削弱艺术家、词曲作者、音乐家和版权所有者的利益，对艺术家的隐私、人格身份、音乐创作和生计构成威胁。
4. 艺术家权益联盟正在美国推进AI相关立法，与北卡罗来纳州议员和美国独立音乐协会共同起草《保护在职音乐人法案》，以支持独立艺术家和音乐创作者。
5. OpenAI发布的AI文生视频大模型Sora和音乐生成模型SunoV3，这些技术可以在几秒内创作出带有歌词和人声的歌曲。
6. 音乐人们担心AI窃取专业艺术家的声音和形象，侵犯创作者权利，摧毁音乐行业生态，并可能导致作品价值降低和合理报酬受阻。
7. 环球音乐集团等唱片公司起诉AI公司Anthropic，指控其未经许可使用音乐人歌曲训练AI模型，并索赔7500万美元。同时，环球音乐与TikTok的续约谈判因AI对音乐人的威胁而进展不顺。

原文：https://artistrightsnow.medium.com/200-artists-urge-tech-platforms-stop-devaluing-music-559fb109bbac

媒体文章：

• 钛媒体AGI：突发！200多名欧美音乐人联名反对滥用 AI 侵权｜钛媒体AGI

[ikaijua]

2024-04-03 阿里巴巴董事会主席蔡崇信的最新访谈内容

1. 蔡崇信的个人经历和阿里巴巴工作体验：蔡崇信分享了自己的成长经历和移民美国后加入阿里巴巴的经历，以及对公司愿景和文化的理解。
2. 阿里巴巴的成长历程和发展前景：蔡崇信回顾了阿里巴巴的创业初期，谈到了公司的发展历程和淘宝业务的快速增长。他认为中国市场仍具有巨大潜力，尽管面临多重压力。
3. 中国经济和全球贸易：蔡崇信谈到了中国经济在全球产出中的占比和消费比例的不平衡，但表示随着中国消费者重要性的提升，这种不平衡将得到缓解。他还提到阿里巴巴在推动全球贸易和世界经济发展方面的作用。
4. 科技创新和人工智能：作为中国最大的云计算公司之一，阿里巴巴将人工智能视为云业务的重要组成部分，并在电商等领域开发多项AI驱动的产品和服务。
5. 地缘政治和合规事项：蔡崇信谈到了跨国公司在东道国的法律法规遵守和合规事项的重要性，并分享了阿里巴巴在全球贸易中的角色。
6. 优秀企业文化和领导力：蔡崇信以阿里巴巴为例，阐释了优秀企业文化的特质，包括员工对公司使命的认同和协作精神。他还分享了对工作效率、领导力和工作与生活平衡的看法。
7. 年轻人的职业发展建议：蔡崇信建议年轻人掌握一两项特长，并推荐学习编程、数据科学、心理学等前沿学科，认为这些技能将为未来职场成功奠定坚实基础。

youtube原视频：https://www.youtube.com/watch?v=mT6mRJehJdw
B站视频：Web3天空之城/【精校】阿里巴巴蔡崇信最新播客访谈完整版2024.4【中英】
访谈全文整理版：https://mp.weixin.qq.com/s/zmJgLoFYJVbtUGHVybwhVg