OpenAI為期12天的年終“技術(shù)盛宴”已結(jié)束第二天的直播。從當(dāng)?shù)貢r(shí)間12月5日發(fā)布的“滿血版”o1模型和最貴ChatGPT Pro服務(wù)，到6日發(fā)布的強(qiáng)化微調(diào)（Reinforcement Fine-Tuning），無不證明AI世界又將迎來一次全新的產(chǎn)品升級(jí)和迭代。
在AI的狂歡中，其他科技公司也不甘示弱。有著“AI教母”之稱的李飛飛創(chuàng)立的World Labs以及谷歌DeepMind團(tuán)隊(duì)本周先后發(fā)布重磅產(chǎn)品，讓用戶可以通過單張圖片生成交互式3D場(chǎng)景，展示了AI在虛擬世界構(gòu)建領(lǐng)域的巨大潛力。
Meta和馬斯克的xAI也來湊了個(gè)熱鬧。Meta推出了今年的壓軸AI大模型：Llama 3.3 70B，該模型據(jù)稱能實(shí)現(xiàn)和Meta最大Llama 模型——Llama 3.1 405B同樣的性能，成本還更低。xAI宣布Grok從今天起全球免費(fèi)，但有使用限制。免費(fèi)用戶每2小時(shí)可以詢問最多10個(gè)問題，每天最多可分析3張圖片和生成4張圖片。
隨著各路玩家在AI領(lǐng)域競(jìng)賽的深入，AI的競(jìng)爭(zhēng)焦點(diǎn)也轉(zhuǎn)向了智能體和通用人工智能（AGI）。
據(jù)外媒6日的最新報(bào)道，OpenAI正在與微軟磋商放棄AGI條款，以釋放投資潛力。目前，最終決定尚未做出，OpenAI董事會(huì)將決定何時(shí)實(shí)現(xiàn)AGI。
清華大學(xué)電子工程系長(zhǎng)聘教授、清華大學(xué)精準(zhǔn)醫(yī)學(xué)研究院臨床大數(shù)據(jù)中心共同主任吳及告訴《每日經(jīng)濟(jì)新聞》記者，“基于多個(gè)大模型的AI智能體或多個(gè)智能體的協(xié)同，可能是未來AI技術(shù)發(fā)揮更大作用的一個(gè)重要趨勢(shì)。”
當(dāng)?shù)貢r(shí)間12月5日，OpenAI為期12天的圣誕季特別活動(dòng)開啟。
在第一天的活動(dòng)上，OpenAI發(fā)布了推理大模型o1的“滿血版”和進(jìn)階模式，以及每月收費(fèi)高達(dá)200美元（約合人民幣1450元）的ChatGPT Pro訂閱服務(wù)。
“滿血版”o1的特征是，在回答用戶提問時(shí)不是“脫口而出”，而是形成一個(gè)類似人類思維方式的內(nèi)部思維鏈條。該模型已面向ChatGPT Plus和團(tuán)隊(duì)用戶開放，企業(yè)和教育用戶則需要等到下周。
“滿血版”o1比9月發(fā)布的預(yù)覽版更快、更強(qiáng)大、更準(zhǔn)確，同時(shí)增加了多模態(tài)輸入（可以上傳圖片）的能力。OpenAI表示，現(xiàn)在的o1模型“思維已經(jīng)被訓(xùn)練得更加簡(jiǎn)潔”（大概快50%），而且在回答困難現(xiàn)實(shí)問題時(shí)，出現(xiàn)重大錯(cuò)誤的概率減少了34%。
圖片來源：X
同時(shí)發(fā)布的ChatGPT Pro服務(wù)也引發(fā)了外界的廣泛關(guān)注，每月200美元的訂閱費(fèi)是目前ChatGPT Plus定價(jià)的10倍。不過，用戶可以無限量地使用o1模型（Plus用戶當(dāng)前有每周50條信息的限制），以及無限量使用o1 mini和高級(jí)語音模式，同時(shí)也能用上o1 pro模式，該模式“使用更多的計(jì)算來為最難的問題提供最佳答案”。
次日，OpenAI打出活動(dòng)“第二彈”，推出了強(qiáng)化微調(diào)（Reinforcement Fine-Tuning）。阿爾特(13.380, -0.51, -3.67%)曼表示：“強(qiáng)化微調(diào)，效果出奇地好；它是我2024年最大的驚喜之一。”
圖片來源：X平臺(tái)
強(qiáng)化微調(diào)與標(biāo)準(zhǔn)微調(diào)不同，利用強(qiáng)化學(xué)習(xí)算法，研究者可以強(qiáng)化產(chǎn)生正確答案的思路，抑制產(chǎn)生錯(cuò)誤答案的思路，只需要“幾十個(gè)例子”（a few dozen examples）、甚至12個(gè)例子，模型就能以有效的新方式學(xué)習(xí)特定領(lǐng)域的推理，提升模型在特定領(lǐng)域任務(wù)中的推理能力和準(zhǔn)確性。
據(jù)介紹，它甚至可以讓簡(jiǎn)易版推理模型o1 mini的效果超過前一天剛發(fā)布的“滿血版”o1。OpenAI預(yù)計(jì)將于2025年初公開發(fā)布強(qiáng)化微調(diào)功能。
除了OpenAI的首批年末“王炸”外，本周還有諸多AI相關(guān)的重磅產(chǎn)品出爐。
作為AI領(lǐng)域影響力最大的女性和華人之一，斯坦福大學(xué)教授李飛飛于當(dāng)?shù)貢r(shí)間12月2日公布了其首個(gè)創(chuàng)業(yè)項(xiàng)目World Labs的成果——能用單張靜態(tài)圖片生成3D世界的AI產(chǎn)品。
在World Labs網(wǎng)站的演示里，由AI生成的場(chǎng)景均通過瀏覽器實(shí)時(shí)渲染而成，用戶可以使用箭頭鍵或鍵盤（WASD）鍵移動(dòng)，然后單擊并拖動(dòng)鼠標(biāo)實(shí)現(xiàn)交互，從而自由探索場(chǎng)景。World Labs的AI工具配備了可操控的滑塊來調(diào)節(jié)模擬景深（DoF）與模擬推拉變焦（dolly zoom），當(dāng)使用者將景深效果調(diào)至越強(qiáng)時(shí)，背景中的物體便會(huì)越發(fā)模糊，為整個(gè)視覺體驗(yàn)增添了更多層次感與真實(shí)感。
圖片來源：World Labs推特截圖
但World Labs目前只向公眾發(fā)布了關(guān)于該技術(shù)的博客，外界能夠體驗(yàn)的功能極為有限，而且并未放出任何代碼和模型。
在單圖生成3D世界領(lǐng)域探索的還有谷歌。北京時(shí)間12月5日凌晨，谷歌DeepMind在官網(wǎng)發(fā)布了大型基礎(chǔ)世界模型Genie 2，可通過單張圖片和文字描述生成種類多樣的游戲3D世界，標(biāo)志著AI在虛擬世界生成領(lǐng)域的又一次突破。
圖片來源：谷歌Deepmind官網(wǎng)截圖
簡(jiǎn)單來說，給Genie 2一張圖片，它可以生成供人類游玩、可實(shí)時(shí)渲染、可控和可交互的無限3D世界，不需要借助任何游戲引擎。例如，輸入“森林中的可愛人形機(jī)器人(22.460, 0.03, 0.13%)”，模型便可構(gòu)建一個(gè)包含機(jī)器人角色和可探索環(huán)境的動(dòng)態(tài)場(chǎng)景。用戶可以通過鍵盤或鼠標(biāo)操作角色在世界中進(jìn)行跳躍、游泳等互動(dòng)。
和Genie 1相比，Genie 2擁有長(zhǎng)期記憶，即使是角色短暫離開畫面，在重新進(jìn)入視野后，依舊能被精準(zhǔn)還原出來。
清華大學(xué)電子工程系長(zhǎng)聘教授、清華大學(xué)精準(zhǔn)醫(yī)學(xué)研究院臨床大數(shù)據(jù)中心共同主任吳及在接受《每日經(jīng)濟(jì)新聞》記者采訪時(shí)表示，“從學(xué)術(shù)研究的角度來看，能否將文本意義上的世界模型與物理意義上的世界模型關(guān)聯(lián)起來，把真正的物理世界進(jìn)行建模，是AI技術(shù)能否取得突破的關(guān)鍵。”
World Labs和谷歌之后，Meta也來湊了個(gè)熱鬧，于當(dāng)?shù)貢r(shí)間12月6日推出了今年的壓軸AI大模型：Llama 3.3 70B。Meta 生成式AI副總裁 Ahmad Al-Dahle在X發(fā)帖表示，純文本的 Llama 3.3能實(shí)現(xiàn)和Meta最大Llama模型——Llama 3.1 405B同樣的性能，成本還更低。
Al-Dahle還附上了一張圖表，顯示包括針對(duì)大模型語言理解能力的測(cè)試MMLU在內(nèi)，Llama 3.3在一系列行業(yè)基準(zhǔn)測(cè)試中表現(xiàn)優(yōu)于谷歌的Gemini 1.5 Pro、OpenAI 的 GPT-4o和亞馬遜本周稍早發(fā)布的Nova Pro。
圖片來源：X
隨著大模型競(jìng)賽的深入，AI的風(fēng)又更多地吹向了智能體和通用人工智能（AGI）。
吳及告訴每經(jīng)記者，目前，盡管單個(gè)大模型在某些方面表現(xiàn)出色，但也存在諸多不足，例如幻覺和遺忘效應(yīng)等問題。他強(qiáng)調(diào)，“基于多個(gè)大模型的AI智能體或多個(gè)智能體的協(xié)同，可能是未來AI技術(shù)發(fā)揮更大作用的一個(gè)重要趨勢(shì)。”
吳及認(rèn)為，智能體融合將成為AI應(yīng)用解決特定場(chǎng)景問題的一個(gè)重要技術(shù)前景或發(fā)展方向。
在《紐約時(shí)報(bào)》于當(dāng)?shù)貢r(shí)間12月4日舉辦的DealBook峰會(huì)上，阿爾特曼表示，“智能體是現(xiàn)在每個(gè)人都在談?wù)摰脑掝}，我認(rèn)為這背后是有充分理由的。設(shè)想一下，你可以讓AI系統(tǒng)完成一項(xiàng)相當(dāng)復(fù)雜的任務(wù)，比如需要一位非常聰明的人，花費(fèi)一段時(shí)間，借助各種工具來完成并產(chǎn)出有價(jià)值成果的任務(wù)。我預(yù)計(jì)，這樣的場(chǎng)景將在明年成為現(xiàn)實(shí)。”
他同時(shí)指出，AI行業(yè)即將迎來的發(fā)展將比預(yù)期更具沖擊力。他將AI的影響力比作晶體管的發(fā)明，認(rèn)為AI的推理功能未來將走向普及化和商業(yè)化。“到2025年，我們可能會(huì)首次見到具備AGI能力的系統(tǒng)。這類系統(tǒng)可以像人類一樣完成復(fù)雜任務(wù)，甚至能運(yùn)用多種工具來解決問題，”他說。
據(jù)外媒12月6日最新報(bào)道，OpenAI正在與微軟磋商放棄AGI條款，以釋放投資潛力。根據(jù)目前的條款，當(dāng)OpenAI創(chuàng)建AGI時(shí)，微軟對(duì)這種技術(shù)的使用權(quán)將失效。目前，最終決定尚未做出，OpenAI董事會(huì)將決定何時(shí)實(shí)現(xiàn)AGI。
