XiaoMi-AI文件搜索系统
World File Search Systemanthropic
谁在引领人工智能？行业人工智能研究分析
人工智能 (AI) 研究越来越多地由行业驱动，因此了解公司对该领域的贡献至关重要。我们通过研究出版物、引用量、训练运行规模以及对算法创新的贡献比较了领先的 AI 公司。我们的分析揭示了 Google、OpenAI 和 Meta 发挥的重要作用。我们发现，这三家公司负责了一些最大规模的训练运行，开发了支撑大型语言模型的很大一部分算法创新，并在各种引用影响力指标中处于领先地位。相比之下，与美国同行相比，腾讯和百度等领先的中国公司在许多指标上的影响力较低。我们观察到许多行业实验室都在进行大规模训练运行，而来自相对较新的公司（如 OpenAI 和 Anthropic）的训练运行已经赶上或超过了谷歌等老牌公司的训练运行。数据显示，推动人工智能进步的公司生态系统多种多样，但谷歌、OpenAI 和 Meta 等美国实验室在关键指标上处于领先地位。
生成式人工智能：机器变得富有创造力
生成式人工智能 (Gen AI) 突然引起了全世界的关注，但这项技术自 20 世纪 40 年代第一个神经网络数学模型发布以来就一直在发展。作为生成式人工智能扩展核心的大型语言模型 (LLM) 是自然语言处理、神经网络和深度学习的结合，随着云计算和图形处理单元 (GPU) 变得更加实用，它获得了关注。与早期专注于自动化体力劳动的人工智能进步相比，由于其语言（包括人类和计算机）能力，生成式人工智能可能会加速知识工作的自动化。通俗地说，生成式人工智能能够根据自然语言或图像的提示，以文本、音频、视频或软件代码格式再现内容。一些初始工作由本土生成式人工智能公司（如 OpenAI、Anthropic 和 Cohere）领导，但“大型科技公司”通过内部计划或收购其中一些公司的股份迅速赶上来。
API影响报告2024
对于希望利用AI的组织，LLM周围有很多竞争。但是，当涉及模型和AI服务建设者和领导者在工作场所使用时，我们的调查结果表明，Chatgpt（引起世界关注的第一个LLM）仍然是最常用的（27％）。但是，重要的是要注意，Microsoft的Azure AI（18％的受访者使用）使公司可以访问OpenAI的LLM，这使OpenAI模型的总使用量更高。（同样，亚马逊基岩提供了对多个LLM的访问。）之后，Google Gemini的使用率为17％。其余的包装在8％到4％之间的使用情况：Meta的Llama（8％），Amazon Bedrock（7％），人类的Claude（7％），Cohere's Suite（5％）和Mistral AI（4％）。4％的报告使用我们的调查中未包含的工具，而3％不使用任何LLM。
大型语言模型和人工智能即将对全球商业和教育产生变革性影响
最近推出的其他 AI 工具包括 Quora 的 Poe AI、Anthropic 的 Claude AI 以及 Elon Musk 的 xAI。亚马逊 AI 旨在帮助卖家撰写产品描述，而 GPT-5 正在接受测试。最近，微软扩大了与 Open AI 的长期合作伙伴关系，并宣布投资数十亿美元将 LLM 集成到其核心产品中，并加速全球 AI 突破 (Marr, 2023)。根据 Bender 等人 (2021) 的说法，随着从互联网上收集的文本量不断增加，只要 LLM 规模不断扩大与性能提升相关，这种趋势预计会持续下去 (Bender 等人，2021)。然而，根据 Ouyang 等人 (2020) 的说法，LLM 可能会产生不真实甚至有害的输出，这表明让语言模型变得更大并不一定能让它们更好地遵循用户的意图 (Wiggers, 2020)。这些发展引起了全世界的关注，并引发了有关这种强大的人工智能模型的伦理影响和潜在用途的讨论。
基于可持续性指标的生物燃料分析
能源资源及其管理代表了我们当今日子的一个持续问题。对化石燃料使用限制的分析及其可用性的分析越来越兴趣，为了发现某些人类活动对环境的不希望的影响的解决方案。因此，如今，目前向可再生能源的转变已成为基本要求。在这种情况下，微生物的生物燃料可以代表对减少环境影响的需求的回应，也代表产生新的工作。在本文中，通过引入热力学人类发育指数（THDI）来开发对微生物的生物燃料的分析。，我们展示了如何通过使用公路运输部门中的第三代生物燃料来改善其性能，以及如何通过利用来自某些微生物的互相菌物种而产生的生物燃料来增加其性能。结果由这些物种相互行为的基本作用的INIS组成，以提高整体可持续性。
评估人工智能的现状
OpenAI 可能是最著名的大型语言模型 (LLM) 提供商。然而，它也面临着激烈的竞争，因为谷歌、亚马逊和其他老牌科技公司竞相将类似的生成式 AI 工具纳入其云产品中。这个领域的初创公司也在筹集数十亿美元。一位参与者预测，“我相信模型层不会是赢家通吃的局面。初创公司充满挑战；我们看到许多初创公司正在创建像 Anthropic 和 Cohere 这样的 LLM。它的资本密集程度足以让模型提供商的数量达到数百家，但不会像谷歌之于搜索那样出现失控的提供商。不会有数百家提供商，但很难预测是三家、八家还是十家。但这些都将是庞大的企业。”这些模型提供商的商业模式可能涉及某种基于使用情况的定价，他们构建模型并通过应用程序编程接口向除最大的公司以外的所有人提供访问权限，最大的公司将在海量专有数据集上构建定制模型。
人工智能投资：欧盟和全球指标 - 欧洲议会
对人工智能和生成式人工智能的投资 2023 年全球人工智能市场价值超过 1300 亿欧元*，预计到 2030 年将大幅增长，达到近 1.9 万亿欧元（Statista，2023 年）。私人投资目前占人工智能投资的大部分。2023 年，美国在人工智能私人投资方面处于领先地位（625 亿欧元），其次是中国（73 亿欧元）（图 1）。2023 年，欧盟和英国共吸引了价值 90 亿欧元的私人投资（斯坦福大学，2024 年）。2018 年至 2023 年第三季度，欧盟人工智能公司获得了近 325 亿欧元的投资，而美国人工智能公司的投资超过 1200 亿欧元。最近对美国人工智能公司的投资（例如 OpenAI 和 Anthropic）扩大了欧盟和美国在人工智能私人投资相对份额之间的差距（Atomico，2023 年）。公共部门对人工智能的投资也在增长。欧盟数字欧洲计划将在 2021-2027 年期间为人工智能提供总计 21 亿欧元的资金。
人工智能与生命科学的融合：保障技术、反思治理、预防灾难
经过人类或“自然”语言训练的 LLM 及其应用程序（例如 OpenAI 的 ChatGPT、Meta 的 LLaMA Chat、Anthropic 的 Claude 和 Google 的 Bard）因其能够综合信息并根据用户提示生成新文本的能力而受到广泛关注。LLM 还可以处理其他类型的数据，例如音频、视觉和生物数据，并且正在努力创建包含多种类型数据的模型。虽然大多数自然语言 LLM 并非专门为提高对生物系统的理解而设计的，但它们实际上通过有效地总结有关生命科学、生物工程以及实验室工具和方法的广泛公开信息来发挥这一作用。这些工具旨在易于使用，并可能通过提供信息、有前途的方法、培训和指导来促进某些类型的生物工程，包括向科学专业知识很少的用户提供信息、有前途的方法、培训和指导。但是，由于 LLM 利用广泛可用的信息，因此它们可能对描述良好且与以前使用过的方法相似的方法最有帮助和最准确。此外，法学硕士可能会以令人信服的方式“产生幻觉”虚假信息，这使得那些对某个主题不太了解的人很难分辨事实和虚构。
将宠物用于生成AI用例”简介
1传统AI是指通过利用历史数据获得的见解来进行预测的AI模型。典型的传统AI模型包括逻辑回归，决策树和条件随机字段。其他用于描述此的术语包括“歧视性AI”。2 Apple Machine Learning Research, Learning with Privacy at Scale , Dec 2017 3 Open Data Institute , Federated Learning: An Introduction , Jan 2023 4 IBM Research, Top Brazilian Bank Pilots Privacy Encryption Quantum Computers Can't Break , Jan 2020 5 Fortune, American Express is trying technology that makes deepfake videos look real , Sep 2020 6 AWS, AWS Clean Rooms ML 7 Microsoft, Phi-3 Technical Report: A Highly Capable Language Model Locally在您的手机上8元负责人AI，我们负责的元AI和Meta Llama 3 9人类，Claude 3模型家族：Opus，Sonnet，Haiku 10 Apple Security Research，Privacy Cloud Compute：AI在云中的新领域，6月2024年6月2024年，