跟上像人工智能這樣快速發(fā)展的行業(yè)是一項(xiàng)艱巨的任務(wù)。所以，在人工智能可以為你做這件事之前，這里有一個(gè)關(guān)于機(jī)器學(xué)習(xí)世界的最新故事的簡(jiǎn)單總結(jié)，以及我們沒(méi)有單獨(dú)報(bào)道的著名研究和實(shí)驗(yàn)。
本周在人工智能方面，OpenAI簽下了第一個(gè)高等教育客戶(hù):亞利桑那州立大學(xué)。
亞利桑那州立大學(xué)將與OpenAI合作，將OpenAI的人工智能聊天機(jī)器人ChatGPT帶給亞利桑那州立大學(xué)的研究人員、教職員工。亞利桑那州立大學(xué)將在2月份舉辦一場(chǎng)公開(kāi)挑戰(zhàn)賽，邀請(qǐng)教職員工提交使用ChatGPT的想法。
OpenAI-ASU的交易表明，隨著技術(shù)進(jìn)步的速度超過(guò)了課程的發(fā)展速度，人們對(duì)教育領(lǐng)域人工智能的看法正在發(fā)生變化。去年夏天，由于擔(dān)心抄襲和錯(cuò)誤信息，學(xué)校和大學(xué)紛紛禁止ChatGPT。從那以后，一些人取消了禁令，而另一些人則開(kāi)始舉辦關(guān)于GenAI工具及其學(xué)習(xí)潛力的研討會(huì)。
關(guān)于GenAI在教育中的作用的爭(zhēng)論不太可能很快得到解決。但是，不管怎樣，我發(fā)現(xiàn)自己越來(lái)越傾向于支持者的陣營(yíng)。
是的，GenAI是一個(gè)糟糕的總結(jié)器。它是有偏見(jiàn)的，有毒的。它會(huì)編造一些東西。但它也可以用來(lái)做好事。
考慮一下像ChatGPT這樣的工具如何幫助那些在家庭作業(yè)中苦苦掙扎的學(xué)生。它可以一步一步地解釋一道數(shù)學(xué)題，或者生成一篇論文提綱。或者，它可以為一個(gè)問(wèn)題提供答案，而這個(gè)問(wèn)題要花更長(zhǎng)的時(shí)間才能找到谷歌。
現(xiàn)在，對(duì)作弊的擔(dān)憂是合理的，或者至少在今天的課程范圍內(nèi)可能被視為作弊。我聽(tīng)說(shuō)過(guò)一些學(xué)生，尤其是大學(xué)生，在課外考試中使用ChatGPT寫(xiě)大量的論文和論文問(wèn)題。
這并不是一個(gè)新問(wèn)題——付費(fèi)代寫(xiě)服務(wù)已經(jīng)存在很長(zhǎng)時(shí)間了。但一些教育工作者認(rèn)為，ChatGPT極大地降低了入門(mén)門(mén)檻。
有證據(jù)表明，這些擔(dān)憂被夸大了。但先把這個(gè)問(wèn)題放在一邊，我建議我們先退后一步，考慮一下是什么驅(qū)使學(xué)生作弊。學(xué)生們經(jīng)常因?yàn)槌煽?jī)而不是努力或理解而得到獎(jiǎng)勵(lì)。激勵(lì)結(jié)構(gòu)扭曲了。那么，孩子們把學(xué)校作業(yè)看作是要打勾的盒子而不是學(xué)習(xí)的機(jī)會(huì)，這有什么好奇怪的嗎?
因此，讓學(xué)生擁有GenAI——讓教育工作者嘗試?yán)眠@種新技術(shù)來(lái)接觸學(xué)生的方法。我對(duì)激烈的教育改革不抱太大希望。但也許GenAI將作為課程計(jì)劃的啟動(dòng)平臺(tái)，讓孩子們對(duì)他們以前從未探索過(guò)的科目感到興奮。
以下是過(guò)去幾天一些值得注意的人工智能故事:
微軟的閱讀導(dǎo)師:微軟本周推出了為學(xué)習(xí)者提供個(gè)性化閱讀練習(xí)的人工智能工具reading Coach，任何擁有微軟賬戶(hù)的人都可以免費(fèi)使用。
音樂(lè)領(lǐng)域的算法透明度:歐盟監(jiān)管機(jī)構(gòu)呼吁制定法律，迫使音樂(lè)流媒體平臺(tái)提高算法透明度。他們還想解決人工智能生成的音樂(lè)和深度造假問(wèn)題。
NASA的機(jī)器人:Devin寫(xiě)道，NASA最近展示了一種自組裝機(jī)器人結(jié)構(gòu)，它可能會(huì)成為離開(kāi)地球的關(guān)鍵部分。
在三星Galaxy S24的發(fā)布會(huì)上，該公司介紹了人工智能可以改善智能手機(jī)體驗(yàn)的各種方式，包括電話實(shí)時(shí)翻譯、建議回復(fù)和行動(dòng)，以及使用手勢(shì)進(jìn)行谷歌搜索的新方式。
DeepMind的幾何解算器:谷歌人工智能研發(fā)實(shí)驗(yàn)室DeepMind本周發(fā)布了AlphaGeometry，該實(shí)驗(yàn)室聲稱(chēng)，這是一個(gè)人工智能系統(tǒng)，可以解決與國(guó)際奧數(shù)金牌得主一樣多的幾何問(wèn)題。
OpenAI和眾包:在OpenAI的其他新聞中，這家初創(chuàng)公司正在組建一個(gè)新的團(tuán)隊(duì)Collective Alignment，以實(shí)現(xiàn)公眾關(guān)于如何確保其未來(lái)的人工智能模型“與人類(lèi)價(jià)值觀保持一致”的想法。與此同時(shí)，它正在改變政策，允許其技術(shù)用于軍事用途。
Copilot的專(zhuān)業(yè)計(jì)劃:微軟為Copilot推出了一項(xiàng)以消費(fèi)者為中心的付費(fèi)計(jì)劃，并放寬了企業(yè)級(jí)Copilot產(chǎn)品的資格要求。Copilot是微軟旗下由人工智能驅(qū)動(dòng)的內(nèi)容生成技術(shù)組合的總括品牌。它還為免費(fèi)用戶(hù)推出了新功能，包括Copilot智能手機(jī)應(yīng)用程序。
欺騙模式:大多數(shù)人都學(xué)會(huì)了欺騙他人的技巧。那么，人工智能模型也能學(xué)習(xí)到同樣的東西嗎?是的，答案似乎是——而且可怕的是，他們?cè)谶@方面特別擅長(zhǎng)。根據(jù)人工智能初創(chuàng)公司Anthropic的一項(xiàng)新研究。
特斯拉的機(jī)器人演示:來(lái)自特斯拉的伊隆·馬斯克的人形機(jī)器人擎天柱正在做更多的事情——這次是在開(kāi)發(fā)設(shè)施的桌子上折疊一件t恤。但事實(shí)證明，在目前階段，機(jī)器人根本不是自主的。
阻礙人工智能衛(wèi)星分析等更廣泛應(yīng)用的因素之一是，需要訓(xùn)練模型來(lái)識(shí)別可能相當(dāng)深?yuàn)W的形狀或概念。辨認(rèn)建筑物的輪廓很容易。洪水后識(shí)別碎片場(chǎng):沒(méi)那么容易!EPFL的瑞士研究人員希望通過(guò)一個(gè)名為METEOR的項(xiàng)目使這一過(guò)程變得更容易。
圖片來(lái)源:EPFL
“環(huán)境科學(xué)的問(wèn)題在于，通常不可能獲得足夠大的數(shù)據(jù)集來(lái)訓(xùn)練人工智能程序，以滿(mǎn)足我們的研究需求，”該項(xiàng)目負(fù)責(zé)人之一馬克·魯瑟姆(Marc Ru?wurm)說(shuō)。他們的新訓(xùn)練結(jié)構(gòu)允許識(shí)別算法僅用四到五張代表性圖像來(lái)訓(xùn)練新任務(wù)。其結(jié)果可與使用更多數(shù)據(jù)訓(xùn)練的模型相媲美。他們的計(jì)劃是讓這個(gè)系統(tǒng)從實(shí)驗(yàn)室變成產(chǎn)品，并為普通人(也就是說(shuō)，非人工智能專(zhuān)家研究人員)提供一個(gè)用戶(hù)界面來(lái)使用它。你可以在這里閱讀他們發(fā)表的論文。
另一個(gè)方向——?jiǎng)?chuàng)建圖像——是一個(gè)熱門(mén)的研究領(lǐng)域，因?yàn)檫@樣做可以有效地減少生成式人工智能平臺(tái)的計(jì)算負(fù)荷。最常用的方法稱(chēng)為擴(kuò)散，它逐漸將純?cè)肼曉醇?xì)化為目標(biāo)圖像。洛斯阿拉莫斯國(guó)家實(shí)驗(yàn)室(Los Alamos National Lab)有一種新的方法，他們稱(chēng)之為“停電擴(kuò)散”(Blackout Diffusion)，這種方法是從純黑色圖像開(kāi)始的。
這就消除了一開(kāi)始對(duì)噪聲的需求，但真正的進(jìn)步在于框架發(fā)生在“離散空間”而不是連續(xù)空間中，大大減少了計(jì)算負(fù)荷。他們說(shuō)它性能好，成本低，但肯定還遠(yuǎn)沒(méi)有廣泛發(fā)布。我沒(méi)有資格評(píng)估這種方法的有效性(數(shù)學(xué)遠(yuǎn)遠(yuǎn)超出了我的能力范圍)，但國(guó)家實(shí)驗(yàn)室不會(huì)無(wú)緣無(wú)故地炒作這種東西。我會(huì)向研究人員詢(xún)問(wèn)更多信息。
人工智能模型在自然科學(xué)領(lǐng)域如雨后春筍般涌現(xiàn)，它們從噪音中篩選信號(hào)的能力既產(chǎn)生了新的見(jiàn)解，又節(jié)省了研究生錄入數(shù)據(jù)的時(shí)間。
澳大利亞正在將Pano AI的野火探測(cè)技術(shù)應(yīng)用于主要森林地區(qū)“綠三角”。很高興看到創(chuàng)業(yè)公司被這樣利用——它不僅可以幫助預(yù)防火災(zāi)，還可以為林業(yè)和自然資源部門(mén)提供有價(jià)值的數(shù)據(jù)。野火(或叢林大火，正如他們?cè)谀抢锼f(shuō)的那樣)的每一分鐘都很重要，所以早期的通知可能是數(shù)萬(wàn)英畝和數(shù)千英畝損失的區(qū)別。
用舊模型(左)和新模型(右)測(cè)量的永久凍土減少。
洛斯阿拉莫斯第二次被提及(我在翻閱筆記時(shí)才意識(shí)到)，因?yàn)樗麄円苍谘芯恳环N新的人工智能模型，用于估計(jì)永久凍土的減少。現(xiàn)有的模型分辨率很低，預(yù)測(cè)永久凍土層的大小約為1/3平方英里。這當(dāng)然是有用的，但有了更多的細(xì)節(jié)，你就會(huì)得到更少的誤導(dǎo)性結(jié)果，因?yàn)樵诟蟮某叨壬希@些地區(qū)可能看起來(lái)像100%的永久凍土，但當(dāng)你近距離觀察時(shí)，它們顯然沒(méi)有那么多。隨著氣候變化的進(jìn)展，這些測(cè)量需要精確!
生物學(xué)家正在尋找有趣的方法來(lái)測(cè)試和使用人工智能或人工智能鄰近模型在該領(lǐng)域的許多子領(lǐng)域。在最近一次由我在GeekWire的朋友撰寫(xiě)的會(huì)議上，追蹤斑馬、昆蟲(chóng)甚至單個(gè)細(xì)胞的工具在海報(bào)會(huì)議上被展示出來(lái)。
在物理和化學(xué)方面，阿貢國(guó)家實(shí)驗(yàn)室的研究人員正在研究如何最好地包裝氫作為燃料。游離氫是出了名的難以控制，所以將它與一種特殊的輔助分子結(jié)合可以使它變得溫順。問(wèn)題是氫幾乎能和所有物質(zhì)結(jié)合，所以有無(wú)數(shù)的可能性存在輔助分子。但對(duì)海量數(shù)據(jù)進(jìn)行分類(lèi)是機(jī)器學(xué)習(xí)的專(zhuān)長(zhǎng)。
“我們一直在尋找一種有機(jī)液體分子，這種分子能長(zhǎng)時(shí)間吸附氫，但又不會(huì)強(qiáng)到不能在需要時(shí)輕易去除，”該項(xiàng)目的哈桑·哈布(Hassan Harb)說(shuō)。他們的系統(tǒng)對(duì)1600億個(gè)分子進(jìn)行了分類(lèi)，通過(guò)使用人工智能篩選方法，他們每秒可以檢查300萬(wàn)個(gè)分子，所以整個(gè)最終過(guò)程大約需要半天時(shí)間。(當(dāng)然，他們使用的是相當(dāng)大的超級(jí)計(jì)算機(jī)。)他們確定了41個(gè)最佳候選者，這對(duì)于實(shí)驗(yàn)人員在實(shí)驗(yàn)室進(jìn)行測(cè)試來(lái)說(shuō)是一個(gè)微不足道的數(shù)字。希望他們能找到有用的東西——我可不想下一輛車(chē)還得處理氫氣泄漏的問(wèn)題。
最后我要提醒一句:《科學(xué)》雜志上的一項(xiàng)研究發(fā)現(xiàn)，用于預(yù)測(cè)患者對(duì)某些治療的反應(yīng)的機(jī)器學(xué)習(xí)模型在他們接受訓(xùn)練的樣本組中是高度準(zhǔn)確的。在其他情況下，它們基本上沒(méi)有任何幫助。這并不意味著它們不應(yīng)該被使用，但它支持了許多業(yè)內(nèi)人士的說(shuō)法:人工智能不是靈丹妙藥，它必須在每一個(gè)新的人群和應(yīng)用中進(jìn)行徹底的測(cè)試。
