跟上 人工智能这样快速发展的行业 是一项艰巨的任务。因此，在人工智能可以为您做到这一点之前，这里是上周机器学习领域故事的方便综述，以及我们自己没有涵盖的著名研究和实验。
如果这一点还不是很明显的话，那么人工智能领域的竞争格局——尤其是被称为生成人工智能的子领域——已经非常激烈了。而且天气越来越热。本周，Dropbox 推出了首个企业风险基金Dropbox Ventures，该公司表示，该基金将专注于开发人工智能产品的初创公司，这些产品“塑造未来的工作”。AWS 也不甘示弱，推出了一项 1 亿美元的计划，为其合作伙伴和客户牵头的生成式 AI 计划提供资金。
可以肯定的是，人工智能领域投入了大量资金。Salesforce 的风险投资部门 Salesforce Ventures 计划 向开发生成式人工智能技术的初创公司注资 5 亿美元。Workday 最近向其现有风险投资基金追加了 2.5 亿美元，专门用于支持人工智能和机器学习初创公司。埃森哲和普华永道宣布计划分别在人工智能领域投资 30 亿美元和 10 亿美元。
但人们想知道金钱是否能解决人工智能领域的突出挑战。
本周在旧金山举行的彭博社会议期间，安全消息应用程序 Signal 总裁梅雷迪思·惠特克 (Meredith Whittaker) 在一次富有启发性的小组讨论中指出，支撑当今一些最热门人工智能应用程序的技术正在变得危险的不透明。她举了一个例子，有人走进银行要求贷款。
惠特克说，这个人可能会被拒绝贷款，并且“不知道背后有一个可能由某些微软 API 提供支持的系统，该系统根据抓取的社交媒体确定我的信用不可靠”。“我永远不会知道，[因为]没有机制让我知道这一点。”
问题不在于资本。惠特克说，相反，这是当前的权力等级制度。
“我在牌桌上已经呆了大概 15 年、20 年了。我已经在桌旁了。在没有权力的情况下坐在餐桌旁没什么意义，”她继续说道。
当然，实现结构性变革比到处寻找现金要困难得多——特别是当结构性变革不一定有利于当权者时。惠特克警告说，如果没有足够的阻力，可能会发生什么。
随着人工智能进步的加速，社会影响也在加速，我们将继续走上一条“充满炒作的人工智能之路”，她说，“这种力量在智能的幌子下根深蒂固并自??然化，我们受到监视对我们个人和集体生活的影响力非常非常小。”
这应该会让整个行业停下来。是否真的会是另一回事。当她九月份在 Disrupt 上登台时，我们可能会听到讨论这个问题。
以下是过去几天其他值得注意的人工智能头条新闻:
DeepMind 的人工智能控制机器人: DeepMind 表示，它已经开发了一种名为 RoboCat 的人工智能模型，可以跨不同模型的机械臂执行一系列任务。仅此一点并不是特别新颖。但 DeepMind 声称，该模型是第一个能够解决和适应多个任务的模型，并且使用不同的现实世界机器人来实现这一点。
机器人向 YouTube 学习:说到机器人，卡内基梅隆大学机器人研究所助理教授 Deepak Pathak 本周展示了 VRB（视觉机器人桥），这是一种人工智能系统，旨在通过观看人类录像来训练机器人系统。机器人会观察一些关键信息，包括接触点和轨迹，然后尝试执行任务。
Otter 涉足聊天机器人游戏:自动转录服务 Otter本周宣布推出一款新的人工智能聊天机器人，参与者可以在会议期间和会议结束后提出问题，并帮助他们与队友协作。
欧盟呼吁对人工智能进行监管:欧洲监管机构正处于如何监管?人工智能并最终在该地区进行商业和非商业使用的 十字路口 。本周，欧盟最大的消费者组织欧洲消费者组织（BEUC）发表了自己的立场:停止拖延，立即“对生成式人工智能的风险展开紧急调查”。
Vimeo 推出人工智能功能:本周，Vimeo 推出了一套人工智能工具，旨在帮助用户创建脚本、使用内置提词器录制片段，并消除长时间停顿和不必要的不?流畅，例如“啊”和“嗯”录音。
合成声音资本: ElevenLabs是一个病毒式人工智能驱动的合成声音平台，在新一轮融资中筹集了 1900 万美元。ElevenLabs 一月下旬推出后迅速崛起。但宣传并不总是积极的——尤其是当不良行为者开始利用该平台达到自己的目的时。
将音频转换为文本:法国人工智能初创公司 Gladia 推出了一个平台，利用 OpenAI 的 Whisper 转录模型，通过 API 将任何音频近乎实时地转换为文本。Gladia 承诺，它可以以 0.61 美元的价格转录一小时的音频，转录过程大约需要 60 秒。
Harness 拥抱生成式人工智能: Harness是一家初创公司，创建了一个工具包来帮助开发人员更高效地运营，本周为其平台注入了一点人工智能。现在，Harness 可以自动解决构建和部署失败、查找和修复安全漏洞并提出建议以控制云成本。
其他机器学习
本周在加拿大温哥华举行了 CVPR，我希望我能去，因为演讲和论文看起来非常有趣。如果您只能观看一部，请观看Yejin Choi关于人工智能的可能性、不可能性和悖论的主题演讲。
这位威斯康星大学教授和麦克阿瑟天才奖获得者首先解决了当今最有能力的模型的一些意想不到的局限性。特别是，GPT-4 在乘法方面确实很糟糕。它无法以令人惊讶的速度正确地找到两个三位数的乘积，尽管只要稍加哄骗，它就可以在 95% 的情况下找到正确的结果。您可能会问，为什么语言模型不能进行数学计算很重要?因为现在整个人工智能市场都基于这样一种理念:语言模型可以很好地推广到许多有趣的任务，包括纳税或会计等。Choi 的观点是，我们应该寻找人工智能的局限性并向内工作，而不是相反，因为它告诉我们更多关于它们的能力。
她演讲的其他部分同样有趣且发人深省。您可以在这里观看整个事件。
罗德·布鲁克斯（Rod Brooks）被称为“炒作杀手”，他讲述了机器学习的一些核心概念的有趣历史——这些概念之所以看起来很新，是因为大多数应用它们的人在发明它们时并不存在!他回顾了几十年来，谈到了麦卡洛克、明斯基，甚至赫布，并展示了这些想法如何在超越时代的情况下保持相关性。这是一个有用的提醒，机器学习是一个站在巨人肩膀上的领域，可以追溯到战后时代。
很多很多论文被提交给 CVPR 并在 CVPR 上发表，只看获奖者是一种简化，但这是新闻综述，而不是全面的文献综述。以下是会议评委认为最有趣的内容:
AI2 研究人员开发的VISPROG是一种元模型，它使用多功能代码工具箱执行复杂的视觉操作任务。假设你有一张灰熊在草地上的照片（如图所示）——你可以告诉它“用雪地上的北极熊替换熊”，它就会开始工作。它识别图像的各个部分，在视觉上将它们分开，搜索并找到或生成合适的替换，然后智能地将整个图像重新缝合回来，而无需用户进一步提示。《银翼杀手》的“增强”界面开始显得平淡无奇。这只是其众多功能之一。
来自中国多机构研究小组的“以规划为导向的自动驾驶”试图统一我们对自动驾驶汽车采取的相当零散的方法的各个部分。通常有一种“感知、预测和计划”的逐步过程，每个过程可能有许多子任务（如对人员进行细分、识别障碍物等）。他们的模型试图将所有这些放在一个模型中，有点像我们看到的可以使用文本、音频或图像作为输入和输出的多模态模型。同样，该模型在某些方面简化了现代自动驾驶堆栈复杂的相互依赖关系。
DynIBaR展示了一种使用“动态神经辐射场”（NeRF）与视频交互的高质量且稳健的方法。对视频中的对象的深入了解可以实现稳定、移动车移动以及其他在视频录制后通常无法实现的功能。再次……“增强”。这绝对是苹果公司雇用你的原因，然后在下一届 WWDC 上将其归功于你。
DreamBooth您可能还记得今年早些时候该项目的页面上线时的情况。这是迄今为止最好的系统，毫无疑问，制作深度赝品。当然，进行此类图像操作是有价值且强大的，更不用说有趣了，像谷歌这样的研究人员正在努力使其更加无缝和真实。后果……也许以后吧。
最佳学生论文奖颁给了一种比较和匹配网格或 3D 点云的方法——坦率地说，这对我来说技术性太强，无法解释，但这是现实世界感知的一项重要功能，值得欢迎改进。请查看此处的论文以获取示例和更多信息。
还有两个亮点:英特尔展示了这个有趣的模型 LDM3D，用于生成虚拟环境等 3D 360 度图像。因此，当您在虚拟宇宙中说“将我们放入丛林中杂草丛生的废墟中”时，它只会根据需要创建一个新的废墟。
Meta 发布了一款名为 Voicebox 的语音合成工具，即使在输入不干净的情况下，它也非常擅长提取语音特征并复制它们。通常，对于语音复制，您需要大量和各种干净的语音录音，但 Voicebox 比许多其他工具做得更好，数据更少（想想 2 秒）。幸运的是，他们暂时把这个精灵关在瓶子里。对于那些认为自己可能需要克隆声音的人，请查看 Acapela。
