📣📣📣达摩院－视觉智能开发平台子社区建立新版块——AI热点日报～
我们汇总了世界各地最具影响力的AI项目、研究成果和创新应用的信息，为读者带来前沿的科技资讯。无论你是科技爱好者、人工智能从业者或者只是对未来科技趋势感兴趣的读者，我们都致力于满足你的需求。通过简明易懂的报道和深入的分析，本系列文章将带你领略未来的畅想，了解人工智能正在如何改变我们的生活和社会。
不容错过的每一期，让我们与科技同行，共同探索AI的无限可能。
🌈热点内容直通车
1. Python团队官宣下线GIL：可选择性关闭
Python官方宣布，在新版的CPython中，GIL锁将成为「可选择项」。
GIL的关闭，意味着此前只能串行的多个线程将可以并行运行。对于人工智能、机器学习等计算密集型领域，工作效率将大大提高。
根据官方通告显示，GIL的下线工作将分为三个阶段：
短期内，「无GIL」将作为实验性功能供用户选择。当有足够的社区支持能力后，GIL的退出将进入中期阶段。这一阶段当中，分销商将开始提供no-GIL版本。而Python团队的长期目标是将no-GIL作为默认选项，甚至彻底抹去GIL的一切痕迹。
2. 灵动AI发布首款可商用的AIGC产品「灵动AI商品图」
灵动AI（灵动无限科技redoon.ai），最近发布了首款可商用的AIGC产品“灵动AI商品图”，并与京东智能新品孵化平台合作，为商家和产业带客户提供AIGC“营销+设计”服务。
本次发布的“灵动AI商品图”，是业内首个工业级商品图AI生成工具。该工具采用了生成式AI技术，并结合自研的商品+场景融合系列专用AI模型及智能审美评价系统，为B端用户和设计师创作高质量商品场景图提供助力。此外，该工具还支持进一步输出2D+3D融合的动态海报、视觉特效和短视频。
3. OpenAI：安卓版 ChatGPT 现已全面上线
OpenAI 今日宣布，安卓版 ChatGPT 已在所有支持的国家和地区上线。
4. Runway视频生成工具Gen-2开启免费试用
Runway宣布，Gen-1 和 Gen-2 已经彻底开放，任何人都可以注册一个账号免费尝试。生成的视频长度为 4 秒，每秒消耗 5 个积分，利用免费额度可以生成二十几个视频。如果免费积分耗尽，付费标准为 0.01 美元 / 积分，也就是生成一个视频需要 0.2 美元。
Gen-1 功能非常丰富，包括风格化、故事版、蒙版、渲染、自定义等等，而今年 3 月份发布的 Gen-2 延续了这些功能，可以将图片或文本提示的构图和风格应用于原视频上。同时，它还新增了文字、图片生成视频功能。也就是说，仅需输入文字、图像或文字加图像的描述，Gen-2 即可在很短的时间内生成相关视频。它是市场上第一个公开可用的文本到视频模型。
比如，我们输入一段纯文字：「午后的阳光透过纽约阁楼的窗户照进来。」Gen-2 会直接「脑补」出视频：
目前，Runway 已经开放了网页端的免费体验窗口，相关应用（RunwayML）也已经在苹果的应用商店上线。
5. 谷歌DeepMind发布首个机器人算法模型
谷歌DeepMind宣布推出应用于机器人领域的新产品——名为Robotics Transformer 2（RT-2）的AI模型。它是一种全新的“视觉-语言-行动”（VLA）模型，通过它，机器人能像人类一样学习更多内容，将学到的概念应用于全新的情境中。
6. 华为云后续将推出盘古数字人大模型
2023 年华为云数字文娱 AI 创新峰会上，华为云将在后续推出盘古数字人大模型（包含数字人形象、动作、表情、口型、声音等要素），可帮助用户 12 小时完成数字人生成。数字人生成后，用户可以驱动数字人生成高清视频。
据称，用户可通过输入文字（文本、Prompt 文本），在 10 秒左右生成数字人模型；通过上传照片，在 30 秒左右生成不同类型的数字人模型。
此外，用户还可以通过拍摄一段 5 分钟的视频，在一个小时内通过训练来生成数字人。官方表示，通过此手段生成的数字人，可保留用户的个性化形象、表情、动作、声音和口型信息。生成数字人后，可以通过对话完成对数字人的二次编辑和背景融合，比如发型、配饰、服装等。
📖新鲜论文早知道
GPT4随着时间流逝变”笨“了
斯坦福大学和UC伯克利大学的一篇最新论文显示：6月的GPT-4在一些任务上的表现客观上就是比3月的更差。比如用同样500道「判断给定整数是否为质数」的问题来测这两个版本，发现3月份的GPT-4答对了488个，而6月只对了12个……成功率直接从97.6%下降到2.4%！而当研究员通过经典的「Let’s think step by step」办法来引导后者往正确答案上靠时，居然不好使了——6月的GPT-4已不再尝试给出中间步骤，而是仍然直接回答「yes」或「no」。不止如此，代码能力也下降了。
对于50道简单级别的LeetCode题，6月的GPT-4只能做到有10%的答案可以不经更改直接运行，而在3月份的时候，这个数字还是52%。
论文地址：2307.09009.pdf (arxiv.org)
🎤热门产品新发布
AI Native应用：PickPod
PickPod 简单来说是一个“知识助手”，可以帮助发现散落在播客等音视频内容中的“非共识”。这个项目始于2023.2，它的雏形是一款音视频识别和转录工具。在 ChatGPT 开放 API 之后，大量 AI 工具涌现，其中有一个很大的场景是“总结”，例如有很大一类是用 AI 总结音视频的插件。这里其实反映出一个需求，即相对于文字，从音视频内容中获取信息的时间成本很高，尤其是信息密度较高的知识型内容
实现一个 “信息助手”的功能，让 LLM 找到散落在音视频中的“非共识观点”，最终实现播客的个性化的推荐：从获取全球科技领域的高质量、前沿内容角度，播客一定是最好的信息源之一。但就像我们前面提到的，文本内容的信息捕获是快于音视频的，大部分人在收听播客或者视频访谈时常常会遇到的一个问题时，即无法提前获知这篇内容是否足够有用？即便以嘉宾质量作为判断标准，但因为各种原因可能某些大咖嘉宾输出的仍旧是市场共识，同时，又因为音视频收听成本的原因，一些小众、长尾的播客虽然信息密度极高但很难被人们注意到，除非是有人以文本的形式，如Twitter，将其核心观点分享出去。 个性化推荐问题不是仅靠调整 Prompt、或者换个模型就可以解决的，本质上这是产品设计的问题而不是单纯的技术工程问题。这里需要获得增量信息。比如对于一个视频总结的内容都是比较泛或者“正确的废话”，增量信息其实是非常少的，要理解增量信息从信息熵的角度是非常便捷的，但 LLM 时代不需要这么麻烦，直接问即可，比如：（见图三）
体验地址：
国内 IP：pickpod.shixiangcap.com
关注子社区，每周热点抢先看~
更多精彩内容欢迎点击下方链接，了解更多viapi相关信息。
