📣📣📣视觉智能开放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. 阿里云与中国中医科学院合作，联合打造中医药行业大模型“岐黄助手”
阿里云近日与中国中医科学院在北京签署合作协议，双方将共同建设、运营“数智中医创新联合实验室”，面向行业联合打造中医药行业大模型 — 岐黄助手，围绕中医药数字化、产业化，共同搭建、推广、运营涵盖中医药服务业、中医药产业的一站式数字化云服务平台。
阿里云表示，近年来中医药产业发展获得国家高度关注，相关部门出台多项政策，以“互联网 + 中医药”为载体促进中医文化及中医药传承创新发展。面向数字化浪潮，中医药产业进入了重要发展周期，云计算、人工智能、大数据等技术给中医药的科研创新带来推动力。当下公共云 + AI 正成为一种新的人工智能生态，中国中医科学院中医药数据中心将依托阿里云公共云技术优势和通义系列大模型能力，提升中医药科研效率，为探索中医药创新提供资源支撑。
2. 中国科学院自动化所成功打造通用类脑 AI 引擎“智脉”
中国科学院自动化研究所的研究人员成功打造类脑认知智能引擎“智脉”，并全面开源、开放。“智脉”是一个基于类脑脉冲神经网络的 AI 与脑模拟计算平台，以多尺度生物可塑性原理为基础，支持全脉冲神经网络建模，具备脑启发的 AI 模型及脑功能和结构模拟能力。同时，该平台还将为探索面向通用 AI 的类脑智能研究提供基础支撑，并将助力探索自然智能的计算本质和新一代 AI 的发展。
此外，“智脉”的相关研究成果也已经以封面文章的形式在《Patterns》期刊上发表。研究院表示，“智脉”旨在深入探究大自然的智慧如何形成，并希望通过其模拟乃至超越人类的高级认知能力：如类人概念学习、复杂决策、认知与情感共情以及道德和利他等社会智能。团队的长远科学愿景，是通过计算建模研究生物智能并研制结构与机制类脑、认知功能类人的类脑 AI，最终实现 AI 与人和谐共生。
3. 讯飞星火大模型 V2.0 发布，宣传将全面对标 ChatGPT
近日科大讯飞发布会上，讯飞星火大模型 V2.0 正式发布，上线代码生成、图片生成、视频生成、星火插件等新功能，并推出面向老师、学校、企业、开发者等更多元的应用落地产品。
科大讯飞董事长刘庆峰介绍，讯飞星火 V2.0 代码能力实现大幅度提升，从业界参考测试集上的效果对比来看，星火 V2.0 基于 Python 和 C++ 进行代码写作能力已高度逼近 ChatGPT，差距仅为 1% 和 2%。而在认知智能国家重点实验室构建的代码真实场景使用测试系统中，讯飞星火大模型在代码纠错解释、单人测试等维度，均已超过了 ChatGPT，其他各项能力也正在快速追赶过程中。预计在10月24日进行再升级，通用模型将对标 ChatGPT，实现中文超越、英文相当。
4. 亚马逊推出AI产品评论摘要功能
亚马逊正式宣布，推出基于生成式人工智能的产品评论摘要功能，为购物者带来更方便的购物体验。
此项新功能旨在帮助购物者快速了解其他顾客对产品的意见，而无需阅读单独的评价。它能够识别共同的主题，并在产品详细页面上提供简明扼要的总结，重点介绍商品特点和书面评论中经常提到的顾客感受，以帮助顾客确定是否要购买。这些摘要会突出显示产品的各项属性，如性能、易用性和稳定性，让用户能够更快速地判断出产品的优点所在，从而更有针对性地作出购买决策。
亚马逊看重用户评论的真实性。会允许用户留下正面和负面的真实评论，但会严格禁止虚假评论的存在，并会积极删除这些虚假信息。在详细页面上，用户可以看到一个条形图，显示了产品的正面和负面评论数量的对比。
目前，亚马逊的人工智能生成的评论摘要功能仅对美国部分移动端购物者可见。据ITBEAR科技资讯了解，该公司尚未公布具体的推广计划，未来是否会扩展到更广泛的用户群还有待观察。
📖新鲜论文早知道
大模型过拟合检测套件XSTest发布
来自博科尼大学、牛津大学和斯坦福大学的研究者们8月2日发表一篇新论文，公布了一款名为XSTest的测试套件，该套件可以系统地识别大模型的过度安全行为。有研究者指出，为了确保模型的安全性，有些模型会拒绝遵循一些安全指令，即使这些指令明显是安全的。XSTest包含了200个安全指令，旨在测试模型是否会拒绝遵循这些安全指令。研究结果表明，过度安全是词汇过拟合的结果，这意味着模型对某些单词或短语过于敏感，很可能是因为它们在安全训练过程中主要出现在不安全的语境中。
论文链接：https://arxiv.org/pdf/2308.01263.pdf
🎤观点方向多了解
AI 应用爆发前夕，「黑客松」正在悄然复兴
https://www.xiaoyuzhoufm.com/episode/64ccf055f50b650b28fc85d1
真格出资去支持黑客松的项目的原因：移动互联网当时就是大家看到了一群年轻人，很简单很轻松就能做一个很轻的东西，很神奇的过程。在后面移动式互联网低垂的果实被摘完之后，可能没有这么好的机会再出现了。现在到AI时代，模型已经很强大了，调用起来都非常方便。所以我们又看到很年轻的产品经理型的创始人，就是通过对于需求、对于场景的非常的深刻的洞察，又能够做出来一个非常厉害的产品。所以我们觉得和当时一个早期互联网的年轻人去做新东西类似的时间就又来了。所以Hackathon就成为了一种非常好的载体。
通过Hackathon选出来的团队的特质：第一是有非常强的欲望去做这件事情。第二个就是在一个非常短的时间内做出一个自圆其说以及能够衍生出来的一个原型，具有比较顽强的一个执行力。还有一个很重要的因素，我的感觉就是说同理心。对于评委，对于用户，对于听众的同理心非常重要。就是在短时间围绕这个题目能给出一个解法，而这个解法带有一种wow experience， 让大家哪怕是一小小的细节，不管是创意也好，在里面的一些交互也好，能够独特的找到一个方式去打用户或者打动评委。这个我觉得是可能是优秀的产品经理才能有的特质。其实很多很优秀的团队，他们做的事情很趋同。比如做法律的GPT，做这个医疗的GPT基本上是每个人都会想到的，就是下意识的的答案
如何看待模型即产品的观点：Sam Altman说过GPT是人类自从诞生以来产生的最复杂的软件，它基本上把人类自古以来只要有文字记载的所有的知识全部都comprise到了一个模型里面。是人类设计出来做过的最复杂的一个输入输出系统。数据总会越来越多，公有数据耗尽之后，还有很多数据可以挖掘空间。然后机器的学习的上限还能进一步提高。模型可能是会承载了很多应用的能力，但是应用也非常的重要。现在看上去的矛盾是在于某几家公司控制了模型，控制了你能练模型的门槛，这是一个最大的问题。如果这个门槛被打破的话，其实所有人都可以来练模型，甚至预训练模型，甚至微调模型。就是我们看到的很多的场景都是指微软在现有的传统软件或者传统的web2的互联网产品里面做的AI的能力。但可能未来会有很多新的场景。大家还是要基于场景，基于需求去重新看产品的定义，而不是简单地把现有的产品去加模型。
2B和2C
【LY】我们最近看到to c的应用开始变多了。其实在很长的一段时间，to c的创业项目，在消费项目变少之后几乎绝迹了。后来to b项目越来越多，因为to c的时候，很多项目是对于一个用户人群的抽象的想象。但to b的那些公司，潜在的客户都非常的清晰，知道东西出来会卖给谁。所以即便增长的慢一点，这个公司很早就会有收入，或者至少会有收入的预期。最近在Chat GPT之后，这个to c项目就开始变多了。因为大家会发现有了非常强大的工具，可以很新的很快的去创造一个给C端用户非常惊艳的体验的产品，而且充满了无限的这种混沌的可能性。所以最近to c项目就慢慢的又变多了一些。比如说像法务的，有一些类似于像美国DoNotPay这样的产品去做to c的，还有我们之前投的这个Monica。
【LX】 我觉得现在大部分都在做to b。但是在做to b的情况下，其实面临一个问题。你现在用的模型全都是GPT base，这就意味着对你来说很多都是黑盒。所以这是一个非常大的政策风险。to c的风险是在于内容审核的风险。所以我看到的现阶段更多的是to b，然后有一些to c的在做出版。
产业投资 vs. VC投资：AI时代的融资逻辑是不是发生了一些变化？比方说即便Open AI最大的投资方也不是VC而是微软。我们发现中国10亿以上的这个通用大拇模型。其实很多投资方都是产业界的公司或者是机构。
【LY】 因为现在可能不光需要钱，还是要算力数据等等的经验。今天就是看到这样的一个结果，就是说产业资本在整个市场上是更加的活跃，或者是说更加的被青睐的。因为在移动互联网时代，其实我们经常跟我们被投公司讲，就说不要太早站队，对吧？因为站队这件事情，你可能只能用一次。但今天我觉得很多的初创公司，今天在比较早的时候就更愿意融合到产业里，当然这里面牺牲的其实可能是一些想象力 （因为如果很早的时候有产业方的介入的话，或者是有战投的介入的话，其实就不再是一个有可能去服务所有玩家的更平等的位置）；但是同时就在初期有了比较一个强大的合作伙伴的确定性。所以我觉得这是大家没有之前那么乐观的情况下，求更稳更安全的心态下的一些动作，大家对一些稀缺资源的要求会更高。所以确实早期我们看到跟产业的这个绑定会更多一些，更频繁一些。但是，巨头公司能够真正成功的穿越周期其实是很罕见的。微软这样子的公司在整个的商业史上，尤其是在最近100年，技术一直在迭代的商业史上，其实是罕见的，而不是常见的。包括在中国国内，其实我们今天说的那些公司，比如说美团、拼多多、字节跳动这些公司，其实是移动时代产生的巨头，它并不是BAT时代巨头的延续。每一波技术量产会产生它新的巨头。所以今天我们整个投资行业都会非常的活跃，非常激动的去寻找项目。
【LX】美国的美元基金不允许投中国AI这是一个巨大的变化。我们希望做那些大家在电脑上或者手机上都能跑的模型。我认为未来是一个开源的底层生态，在上面会有一些商业的巨头，我们期待的未来是这样的。但是最底层就跟当年的电脑和互联网一样的底层，大家都可以去你这个数据开发。只是说上面商业化最成功的是几家巨头。另外一方面是我们希望未来的推理和甚至训练都是分布式的，而不是现在的集中在云端。
到底需要什么样的人才？比方说我们会看到王小川，他会说应该是要既懂AI又懂产品的人。但是我也听到有一些本身是AI专业的，甚至做过大模型的人。他们会说慢慢地技术就不是是那么的重要了。重要的是就是真正的有产品思维，然后能捕捉到需求。两位对这个人才观是怎么看的呢？
【LX】学会怎么建立闭环呢，是非常重要的。因为AI的本质是要建立一个正反馈的，所谓投资界经常讲的飞轮。现阶段大家可能考虑的还是一个单点的，比如说我这个模型的能力很强，那实际上未来怎么建立？飞轮数据能够转起来，这是非常特别重要的一个事情。学会怎么建立闭环呢？是非常重要的。因为AI的本质是要建立一个正反馈的。然后第一性原理，执行要强一点。如果有更有能力的团队，可能多想一想，未来3到5年整个世界会变成什么样子。未来的人工智能就三个要素，算法数据和算力。算法会变成什么样子，算力会变成什么样子，数据会变成什么样子，算法还会不会是Transformer在底层？算力还会不会是GPU？数据从哪里来？我希望大家多多思考一下这个问题。
【LY】创业这件事情很难在一个大公司通过打工去学习创业的经验。所以我们希望更年轻的创业者们能更早的去开始实践，在用户中，在做产品中获得反馈。去学习怎么去从0到1做东西，学习怎么去做产品，学习怎么去迭代。很多人就批评说，VC总是太青睐年轻人。Sam Altman就说过，就是说如果我们将来这件事情是有滚雪球，是有复利效应的话，其实最重要的一个诀窍之一是你尽早开始compound的，尽早开始进入这个滚雪球复利效应的过程。们在思考都是可能性的问题。今天我们在寻找的是一些确定性的问题。
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。
