打开城市风光摄影师的摄影包 EOS R5带来极致细节的夜色魔都

入夜,华灯初上,魔都悄无声息间地为朝九晚五的人们打开了它新的“星空”——那一盏盏路灯和那包裹着钢筋丛林的华彩装饰。记录这片星空下的点点滴滴是我一直追寻的题材,它的初生、它的变迁以及它的涅槃。而此时若是有一台好的相机,不仅可以给我带来更轻松的拍摄体验,也能带来更多二次创作的可能。

 

 

EOS R5

F 11, 0.5秒, ISO100

 

EOS R5

F 11, 20秒, ISO100

 

城市风光有别于自然风光,尤其是入夜之后的城市。它需要控制的元素很多,比如高光不能过曝,暗部不能失去细节,当然还有好的控噪、面对复杂环境的降噪、高低角度的快速反应等等,而佳能EOS R5便是这样一台可以让我表现“魔都”夜色极致细节的全能产品。

 

城市夜景对于器材的需求

 

1.灵活应用各种角度

 

城市夜景说来简单,只要可以有慢门的相机都可以搞定。但如果需要让画面出彩,让细节还原更好,那么对于相机的要求显然就不仅仅是那些基础的内容了。首先,他需要有灵活的应用性,应对各种不同的高低角度,以便于拍摄时取景的方便与安全。

 

EOS R5

F 11, 20秒, ISO100

 

EOS R5

F 11, 8秒, ISO100

 

毕竟很多镜头都是站在高处进行拍摄的,这个时候,避免高难度动作带来的意外伤害是颇为重要的。这点上佳能EOS R5的翻转液晶屏几乎面对任何角度的拍摄都没有压力。

 

2.高像素带来更多细节展现

 

在许多的城市风光拍摄中,我们为了更好地表达自己的主题,会对画面元素进行简化,但经常会受到客观条件限制,靠镜头拍摄无法满足我们的构图需求,所以需要通过后期进行一些二次构图。这个时候相机传感器的像素就变得颇为重要,拥有4500万像素的佳能EOS R5很好地满足了这一点。

 

 

EOS R5

F 11, 10秒, ISO100

即使百分百放大依然有不错的细节

 

EOS R5

F 11, 15秒, ISO100

 

EOS R5

F 11, 15秒, ISO100

由上图二次构图后获得

 

EOS R5高性能DIGIC X数字影像处理器配合约4500万像素的CMOS传感器带来的细腻画质,让我在后期可以有更多再调整的可能。即使是百分百放大查看,照片中依旧保留了相当优秀的细节,这样的画质对于百分之五十以内的剪裁来说完全可用,也就是说让我获得了在首次拍摄之后二次创作的可能。

 

高画质带来更多细节表现

 

在高像素之外,高效降噪处理对高画质同样重要,尤其是我在拍摄一些上海的老城区时,整个街景只能靠一条马路的路灯打亮,我既需要控制前者不过曝,又要让暗部画面充满细节,这个操作其实对于相机的要求非常高。

 

EOS R5

F 11, 8秒, ISO100

 

EOS R5

F 11, 25秒, ISO100

 

EOS R5

F 11, 5秒, ISO100

 

高性能DIGIC X数字影像处理器,让佳能EOS R5在长时间曝光中带来更多的明暗细节展现,可以让我根据不同的创作意图去适当地调整画面的明暗,却不影响画面的整体效果,这是一种高像素之外、高画质带来的愉悦感。

 

全能的机型 科技解放生产力

 

我们必须承认数码科技的飞速成长给予了摄影师更多的便捷,一台全能相机是现代摄影师的一把。打开任何一把锁只需要你的想法,其余的都交给照相机去解决。佳能EOS R5就是这样一台近乎全能的机型,它能带来极致的画质表现,又可以给你二次创作的可能以及各种角度的适应能力。

 

EOS R5

F 11, 10秒, ISO100

 

EOS R5

F 11, 13秒, ISO100

 

此外,它还有丰富的镜头群以及轻巧的机身,让你可以尽情地享受——在定格城市风光的快感的同时又不仅仅局限于城市风光。对我而言,这是一台让我爱不释手的相机,也是一台让我寻找更多可能性的相机。


科技行业资讯了解最新动态

科技行业资讯,你了解多少?

在这个日新月异的时代,科技行业资讯已经成为了我们生活中不可或缺的一部分。从智能手机、自动驾驶汽车到人工智能和虚拟现实,科技行业的发展正在以惊人的速度改变着我们的生活方式。那么,科技行业资讯究竟是什么呢?它包括了许多与科技相关的领域,如软件开发、硬件制造、互联网技术、人工智能、大数据等。

首先,我们来看看软件开发。随着互联网的普及,软件开发已经成为了科技行业的一个重要分支。从智能手机的应用到企业级的解决方案,软件开发正在改变着我们的工作方式。而硬件制造,则是科技行业的另一个重要领域。从笔记本电脑、平板电脑到智能手机,硬件制造为我们提供了越来越多的便捷设备。

互联网技术则是科技行业的另一个重要领域。从搜索引擎、社交媒体到电子商务,互联网技术正在改变着我们的生活方式。而人工智能和大数据,则是科技行业的两个新兴领域。人工智能正在逐渐渗透到我们的生活中,从智能音响、智能家居到自动驾驶汽车,人工智能正在为我们的生活带来前所未有的便捷。而大数据,则是在这个信息爆炸的时代,为我们提供了更加精准的决策依据。

总的来说,科技行业资讯涵盖了软件、硬件、互联网技术、人工智能、大数据等多个领域。作为现代人,我们应该时刻关注科技行业资讯,以便更好地了解科技的发展动态,从而更好地适应这个快速变化的世界。


中国航天宣布重大突破打破美国科技霸权美国神话终将破灭

科技霸权_科技霸权笔趣阁_科技霸权全文免费阅读/

 

简介:观看科技资讯,欣赏最新最全的科技新闻,了解当前科技发展水平。 点击关注微信公众号:“数字科技大爆炸”,每天最新最全的科技资讯,放松心情放松心情,更多好看的科技资讯都在这里,快来点击关注,让自己成为新一代科技潮流引领者,最新、最新、最酷的科技产品尽在您掌控,我们将为您提供选购建议!

人类对于太空的探索从未停止过。 1969年,美国阿波罗计划实施第五次载人飞行任务,首次将人类送上月球。 1973年,美国开始研制GPS全球定位系统。

在很多航天领域,美国几乎一直处于领先地位,一直是研究的对象。 但这一次,中国航天宣布了重大突破,打破了美国的技术霸权。 中国航天取得了哪些技术突破?

科技霸权全文免费阅读_科技霸权_科技霸权笔趣阁/

航天力量是航天技术的重要发展方向。 航天器发射升空后,在执行任务的过程中需要有足够的动力来驱动,调整和修正方向,从而达到预期的运行。

但如何获得力量源泉呢? 一般来说,它依靠航天器携带的太阳能电池板吸收太阳的热量并将其转化为电能。 虽然太阳能电池板是一种很好的电源解决方案,但也容易出现老化问题,时间长了后可能无法继续提供电力。

因此,各国都把研究重点放在了核电上,地面上的核能也得到了广泛的应用,包括电站、航母等都是核技术的应用领域。

科技霸权全文免费阅读_科技霸权笔趣阁_科技霸权/

核聚变和核裂变产生的能量非常大,足以满足人类在很多电力方面的需求。 但以前的核聚变和裂变都是在地面上使用的。 是否有可能运用到太空动力领域? 答案是肯定的。

在这一点上,中国航天宣布取得重大突破。 据中国航天科技集团公司消息,中国航天科技集团公司六院801研究所突破空间封闭布雷顿热电转换系统,并完成多个系统级试运行。

科技霸权_科技霸权笔趣阁_科技霸权全文免费阅读/

多能级电力输出达到100千瓦,这是我国实现的最大发电量,这意味着我国掌握的空间热电转换技术达到了国际先进水平。

该系统的工作原理是将热能转化为动能,然后转化为电能。 过程中产生的气体会被加热并进行冷热循环,从而达到动能和电能不断转换的效果,获得源源不断的动力。

科技霸权笔趣阁_科技霸权全文免费阅读_科技霸权/

此前,美国、俄罗斯等西方国家都在探索太空核电解决方案,利用核能作为动力源,推动航天器在轨持续运行。 西方起步较早,掌握了系统集成、核能控制、能力转换等多项核心技术。

这些技术都受到西方的严格控制,所以中国的自主研发基本上都是靠自己。 尽管中国在地面核能方面取得了诸多突破,但在航天力量领域却积累不多。

不过,依靠中国航天科技集团公司的一步步研发,已经迈出了最后一步。

科技霸权笔趣阁_科技霸权全文免费阅读_科技霸权/

人类对于核能的研发一直非常谨慎。 如果研究做得不好,核泄漏的后果将是灾难性的。 但同时,如果核能技术能够掌握并应用于实际领域,所带来的效果将是巨大的。

中国研究人员没有让大家失望。 中国航天科技集团公司空间封闭布雷顿热电转换系统的突破具有重要意义。 一方面打破了美国的技术霸权,美国核电推进技术在太空的“神话”终将破灭。

另一方面,将有助于中国发展深空探测任务和轨道转移飞行器。 总之,有了这个技术体系的支撑,中国在太空探索方面就有了足够的动力支撑。

科技霸权笔趣阁_科技霸权全文免费阅读_科技霸权/

中国航天事业发展半个多世纪,从无到有、逐渐强大。 西方对中国航天事业的态度一直是闭门造车,阻止中国参与西方许多重要的航天项目。 例如欧洲的伽利略卫星导航系统,以及美国、德国等16个国家建设的国际空间站。

在没有西方技术支持的情况下,中国投入了大量的人力、物力。 没有技术就自己研发,没有火箭就自己建造。

最终,1970年,中国第一颗人造卫星东方红一号发射升空。 20世纪90年代,中国正式开展载人航天计划。 杨利伟是中国第一位执行载人航天任务的航天员。 2003年,他遨游太空,承载着中国人民的希望,向浩瀚无边的宇宙发出呼唤。

科技霸权_科技霸权全文免费阅读_科技霸权笔趣阁/

时至今日,中国航天事业取得了举世瞩目的成就,嫦娥、天宫、神舟、天河、祝融等航天工程不断推进。

这样的成就引起了美国NASA的关注,并多次被羡慕嫉妒恨地引用。 这说明中国航天已经得到了美国的认可,即使对方不愿意承认,也很难改变事实。

科技霸权笔趣阁_科技霸权全文免费阅读_科技霸权/

再加上此次中国航天科技集团公司取得突破的好消息,中国有望在航天强国领域展开角逐。 掌握了布雷顿热电转换系统的技术后,在遥远的未来,建造太空基地、星际飞行以及建造恒星表面能源站都可能成为现实。 我希望这些能够尽快实现。

如果您同意,请点赞,也欢迎转发、留言、分享。

我是一个小科技迷,每天分享有趣的新数字资讯? 连接新事件? 快速评测手机? 二十年专业老司机,等你上车,喜欢记得关注我哦~

科技霸权全文免费阅读_科技霸权笔趣阁_科技霸权/


中国的ChatGPT真的要来了吗

席卷全球的新风口OpenAI去年发布了聊天机器人模型ChatGPT,它能够理解和生类语言,并在许多自然语言处理任务中表现非常出色。据统计,上线仅两个月,ChatGPT活跃用户已经超亿,打破了由TikTok创造的9个月实现亿级用户注册的纪录,引起了各行各业人们的强烈关注。就连埃隆·马斯克也忍不住发推表示,ChatGPT厉害得吓人,我们距离危险而强大的AI不远了。当然,在一顿痛批ChatGPT之后,马斯克也准备亲自下场,成立研究实验室,开发ChatGPT的竞品。

 

类ChatGPT模型的开发与应用,在国内也迅速成为资本市场关注、创业者纷纷入场的赛道。阿里、百度等互联网大厂,科大讯飞等语音类AI企业,以及众多创业者都希望乘着最新的风口迅速“起飞”。创业者大军中不乏像前美团联合创始人王慧文、出门问问CEO李志飞、搜狗前CEO王小川、前京东技术掌门人周伯文等行业大佬。开发出“中国的ChatGPT”俨然成了国内科技圈“All in”的方向。

然而,我们真的能迅速见到一个“中国的ChatGPT”吗?谁又能拔下头筹,成为这个细分赛道的领头羊呢?

这个众多大佬都挤进来“淘金”的赛道,一定不是简简单单就能搞定的。

OpenAI的GPT“家族”在深入了解开发出比肩ChatGPT的模型需要面临哪些挑战之前,让我们先看下ChatGPT所属的GPT模型家族都有哪些成员。

GPT-1发布于2018年6月,包含117M个参数。这是第一个采用基于Transformer的模型架构进行预训练的模型。它在语言模型和单词类比任务上表现出色。GPT-2发布于2019年2月,包含1.5B个参数。这个模型在自然语言生成任务上表现出色,可以生成高质量的文章、新闻报道和诗歌等文本。GPT-3发布于2020年6月,包含175B个参数。具有出色的通用性和创造性,可以在各种 NLP任务上表现出色,包括文本生成、问答、机器翻译等任务。到这就结束了?完全不是。

在GPT-3系列模型(注意,是一系列模型哦)发布之后,OpenAI继续基于原始的GPT-3进行了不断地完善。我们熟知的InstructGPT和ChatGPT实际的内部代号是text-davinci-003 175B和text-chat-davinci-002-20221122,是基于GPT-3.5的改良版。

数据量:需要大量的数据集来进行训练。这些数据集需要是大规模的、多样化的、真实的,并且要涵盖各种不同的语言和语境。这需要花费大量的时间和资源来收集、整理和标注。计算能力:需要非常强大的计算资源。这些模型需要在大规模的数据集上进行训练,并且需要进行大量的参数优化和调整。这些计算需要高性能的计算机和高效的分布式计算框架。算法优化:需要对算法进行不断的优化和改进。这包括优化网络结构、调整超参数、使用更好的优化算法等。这需要对深度学习算法有深入的了解和经验。可以发现,这是一个涉及到多个领域和技术的复杂系统工程。只有同时在底层的基础设施、针对性优化和大模型技术积淀都达到一定水平的情况下,才能够研发出高质量的模型,并应用于各种场景中。

让我们详细看看这三类技术挑战具体都意味着什么。

数据量

我们经常听到“有多少数据,就有多少智能”,数据对于模型训练的重要性不言而喻。类ChatGPT模型的训练,更需要超大规模的,经过清洗的数据。以GPT-3的训练为例,需要300B tokens的数据。大家如果对这个数字不敏感的话,可以参考整个英文的维基百科的数据量,只有“相对可怜”的3B tokens,是训练GPT-3所需的百分之一。并且,要训练出类ChatGPT模型,势必需要数倍于当年训练GPT-3的数据量的中文语料数据,这对于大部分企业或科研机构来说都是难以翻越的大山。有效的中文数据量,一定程度上决定了模型性能的上限。

计算能力

类ChatGPT模型的训练,除了需要非常多的训练数据外,也离不开庞大的算力支撑。根据北京智源人工智能研究院公布的数据,使用300B tokens的数据训练175B参数规模(与GPT-3规模相同)的模型,如果使用96台通过200Gb IB网卡互联的DGX-A100节点,需要约50天。要是使用更大规模的训练数据集,训练时长还会进一步增加。

对于计算集群来说,不仅需要能够提供海量的算力资源,还需要具备高速网络和高容量存储,以便支持大规模的数据访问和模型传输。整套基础设施,连同软件平台,还需要结合集群的拓扑结构针对分布式训练进行优化,通过调整并行策略等方式,提升硬件利用率与通讯效率,缩短整体训练时间。

算法优化

算法优化和模型的训练效率和效果息息相关。每一个算法研究员,都希望模型在训练过程中快速收敛,这恰恰也是算法研究人员经验与企业长年技术积累的体现。通常情况下,在训练的过程中需要不断调整学习率、批量大小、层数等超参数,或使用自动调参的技巧和经验,才能快速、稳定的实现模型收敛。就像中餐大厨们用“少许、适量”的调料制作美味佳肴一样,里面包含着的是大厨们几十年的手艺,不是一朝一夕就能被批量复制的。

前途是光明的,道路是曲折的想必,这是最适合送给现在想要开发出“中国的ChatGPT”的各路大佬们的一句话了。在美国去年对中国限制了高端GPU的销售之后,为规避未来的技术风险,不少厂商、科研机构也开始探索在国产算力服务平台上训练的可行性。北京智源人工智能研究院作为国内顶尖的人工智能领域研究机构,早早就探索了使用国产算力服务平台的可能性。同样是使用300B tokens的数据训练175B参数规模的模型,通过曙光提供的算力服务,训练周期只需29.10天,在节点规模接近的情况下,训练效率是其他算力平台的300%。

基于国产算力服务平台进行训练,不可避免的会带来更多的移植与调优工作。曙光智算强大的硬件与算法优化团队,在集群、并行策略、算子、工具包等方面的优化上与智源开展了深入的合作。首先,为保证程序能够正常运行,需要完成包括DeepSpeed/Megatron/Colossal-AI/apex等必要组件的适配工作。其次,超大规模集群的顺利调度通常也需要调整调整操作系统配置及tcp协议参数等。训练的优化工作则主要包含以下三个方面:

算子层面:使用算子融合/算子优化等技术,深度挖掘硬件性能,提升硬件使用率;策略层面:采用模型并行、数据并行、流水线并行、Zero等多级并行策略,实现超大规模训练;集群层面:针对硬件集群的拓扑结构,对分布式训练通信、并行分组配比等进行定制优化,提升训练扩展比。通过一系列的优化方法,最终也证明了我们可以在国产算力服务平台上,以能够对标国际水平的效率实现大模型的开发工作,这无疑为“中国的ChatGPT”的开发工作喂了一颗定心丸。希望在不久的将来,我们可以看到真正在国产算力平台上训练的,能与ChatGPT比肩的中文模型。

前途一定是光明的。

— 完 —


依托永红社区-免费全家桶-付费全家桶商业产品体系

科技新产品有哪些_科技新产品作文600字_新科技产品/

 

新技术创业

受访企业:北京永红尚智科技有限公司

受访者及头衔:何春涛,永红科技创始人

公司所处的大赛道:BI商业智能

公司所在细分赛道标签:数据分析、数据可视化、数据报告、AI增强分析

Q1. 公司目前的主要定位、主营业务、主要产品是什么? 用户/客户级别和重要客户是什么? 2022年的年收入和利润率水平是多少? 融资进展如何?

公司定位:一站式大数据BI平台、面向业务的可视化分析工具

主营业务:永红科技致力于为全球企业提供大数据BI技术产品和服务。 具备从数据应用解决方案咨询、数据治理、数据仓库建设、数据可视化分析、数据深度应用到数据平台实施运维服务的能力。 端到端的大数据价值服务能力,让企业用数据驱动业务,解决企业数据应用问题,协助企业数字化转型,实现降本增效。

主要产品:永红科技产品主要包括企业级BI平台永红Z-Suite、桌面免费BI工具永红桌面等,全面覆盖数据分析流程的各个环节,包括数据采集、清洗、整合、存储、计算和建设。 建模、训练、展示、协作等,在一个平台上完成数据分析任务全流程,可实现自助分析、AI增强分析、大数据敏捷分析等,帮助企业轻松构建数据应用程序。

用户/客户层面:8000+企业客户,包括中国银行、中国工商银行、招商银行、华泰证券、国家电网、中国移动、家乐福、海信、美的、格力、北京汽车、科技部等科技、海关总署、中国人民警察大学等,覆盖金融、制造、零售、能源、政府、教育等近20个中国支柱产业和新经济产业,涉及金融、制造领域。

2022年营收及利润率:2022年营收预计达数亿,位居行业前列。

融资情况:2016年完成2亿元C轮融资,由腾讯投资领投,元盛资本、东方富海、经纬创投、艾瑞资本跟投。

Q2。 2022年,公司在技术、产品、市场、商业化、融资、团队等方面具体取得了哪些新进展?

技术方面:

永红BI自主研发了VooltDB高性能计算引擎,拥有列存储、分布式计算等技术,可实现亿级数据秒级响应。

科技新产品有哪些_科技新产品作文600字_新科技产品/

照片由公司提供

同时,还开发了很多适应本地用户真实场景的功能:丰富的数据源接口、可视化数据报告、自助探索分析等。与AI深度融合后,本地用户可以面临复杂的报表和企业级的管理困境。 它可以轻松、快速地生成和分析数据报告,实现各类预测分析。

产品:

1.永红Z-Suite V10.0版本发布

新版本增加了多种报表模板,优化了3D模型和地图信息的配置,进一步降低了使用门槛,重点提升企业级管理能力,避免不合理操作带来的大数据量影响,避免平台级宕机事故。 发生。

2、深度融合AI增强分析

永红BI深度融合AI增强分析功能,让零基础的业务人员实现数据洞察,让AI真正走进业务。

对于零基础的业务人员,可以根据提示直接拖拽调整参数并创建模型,自动进行数据处理和调参训练。 用它来获得数据洞察并解决业务问题。

针对专业数据分析师,永红BI内置了20多个算子和详细的超参数配置,满足更精细化的数据挖掘需求。 同时提供类似R语言或Python的接口,可以直接编写脚本运行,满足定制需求。

3.构建完整的产品+服务组合

(一)永红社区

永红科技打造了永红社区,包括免费教学视频、互助问答、学习资料、插件模板、生活分享等,提升业务人员和数据分析师的能力,让每个人都能提升业务、创造通过数据分析师生态系统多维度提升行业整体能力。

(2)“免费全家桶”产品组合

针对缺乏预算的中小企业或大型企业部门,以及有数据分析需求的个人,永红科技打造了“免费全家桶”产品组合,即永红桌面基础版、X+Viewer、永红云。

永红桌面基础版是一款桌面级BI产品,提供一站式数据管理和可视化分析能力。 它集成了多种算法来挖掘潜在有价值的关系、模式和趋势,以实现数据洞察。 将报告上传至私有部署的X+Viewer或公有云平台永红云,分享业务洞察并进行互动分析。

新科技产品_科技新产品有哪些_科技新产品作文600字/

照片由公司提供

(三)“付费全家桶”产品组合

当企业逐步发展并有一定预算时,可升级至永红桌面专业版或永红云尊享版,扩展包括无限量下载模板/素材/插件,无限量导出报表/组件/数据,以及添加了报告填写、门户创建和打印布局。 、3D组件等数据应用场景进一步提升效率和专业性。 同时,企业还可以部署企业级BI平台永宏X-Suite/Z-Suite,实现更丰富的企业级数据管理。

2022年公司将做出哪些创新、有代表性的案例?

某ICT企业集团:“自助消费”数据服务建设

过去,集团各业务部门的分析模式是:业务部门只负责提出需求,所有解决方案从设计到开发实施均由总部统一完成。 整个数据分析过程非常依赖IT人员,从获取数据到建模到设计报告,都需要IT人员的支持。

在此背景下,提出了“服务+自助”模式,即公司总部仅提供统一的数据服务和分析能力组件服务,各业务部门可以根据业务需求进行灵活的数据分析。 数据分析方案和结果由业务自行完成,缩短了数据分析周期,充分发挥了业务运营的主观能动性。

目前,永红BI工具已逐步推广到集团20多个单位或部门。 培养了近2000+商业数据分析师,制作了3000+多份自助分析报告,产生了10000+周活跃报告。 为集团各部门的业务决策提供灵活、准确、高效的支持。

Q3。 2023年,公司在技术、产品、市场、商业化、融资、团队等方面可能有哪些新的发展或计划?

产品与技术:持续完善“永红社区-免费全家桶-付费全家桶”商业产品体系,持续提升高性能计算能力和深度分析能力,提升BI产品智能化; 持续深化解决方案,为企业提供聚焦业务场景的数据应用系统。

市场化和商业化:继续在大企业上下功夫,收购更多行业龙头企业; 聚焦中小企业市场,通过免费产品帮助中小企业实现基础数据应用; 聚焦区域市场,特别是各地区二线城市,我们将持续加强与生态伙伴的合作,提升全体系的服务能力,实现价值共创。

Q4。 2022年公司有什么里程碑吗? 为什么你认为这些很重要? 它们的实施会给公司和行业带来什么影响? 为了实现这一里程碑,将/或已经花费了多少资金和资源? 为什么这件事要花费更多的金钱和资源?

永红科技2022年的里程碑节点是构建更全面的商业数据分析体系,即基于永红社区的模式,以“免费全家桶”产品组合为支柱,“付费全家桶”产品组合作为核心。 。

其重要在于完成从个人到中小企业再到大型企业的产品和服务全覆盖,实现商业产品闭环,紧紧围绕企业业务,帮助企业实现持续增长和可持续的数据能力。 提升并最终释放数据的价值。 每个人都是数据分析师。

在这个体系的建立中,永红科技投入了大量的资源,比如为永红桌面系列产品建立了独立的技术和运营团队,以保证产品的稳定性和先进性。

Q5. 2023年,企业所在赛道上的企业必须做的事情或者争夺的市场是什么? 如果错过了,可能会落后或者被淘汰?

1、中小企业需求日益明显

由于BI应用要求企业有一定的数据基础,积累一定的数据资源,因此我国目前的BI需求仍然以大型企业为主。 但随着数据应用的深入,越来越多的中小企业意识到数据的价值,需求也逐渐强烈。 国内BI厂商需要根据中小企业的需求特点构建有效的产品和服务模式,才能获得更广阔的市场机会。

2、本土化趋势已进入实质性阶段

中国发展趋势不可逆转,BI本地化替代已进入实质性阶段。 要完成让客户满意的这项工作,有两个关键点:一是要实现国内软件厂商的产品和技术之间的适配,从而完成信息技术的系统性替代,全部迁移到国产软硬件产品上。 。 但仅仅完成技术转让是不够的。 还需要优化对用户真实场景的适应性,根据用户的使用习惯做出相应的改变。

Q6. 2023年,公司行业可能呈现怎样的竞争格局? 哪些因素将改变行业竞争格局?

2023年,国内BI将迎来快速发展。 由于技术、市场和服务经验的积累,竞争仍将集中在国内领先的BI厂商身上。

同时,2023年将是BI行业的转折点。 面向业务的BI应用模式将成为主流,数据应用将逐步深化,从数据报表转向更深层次的数据分析、挖掘和洞察。 为了抓住这一机遇,BI厂商需要利用技术能力实现更低门槛、更高性能、更智能的BI应用,同时建立以提高业务人员数据分析能力为重点的服务机制。 因此,洞察行业发展趋势、注重业务领先、提升技术、产品和服务能力,并在此基础上积极进行战略调整和组织适应的企业,将在2023年及以后的竞争中脱颖而出。

Q7. 2023年,您所在的行业和细分领域可能会发生哪些事件和趋势?

BI行业进入企业用户业务分析时代

过去,报表产品是中国最受欢迎的BI产品。 近年来,BI市场的发展趋势明显呈现出从IT转向业务、从报表工具转向分析决策的特点,并逐渐进入业务用户进行业务分析的时代。

传统是“以IT为主导的报告工具”,这意味着报告的开发和制作都是由IT主导的。 原因是传统BI技术门槛高、操作难度大、需要专业人员来完成数据分析。 同时,传统BI的应用结果主要是数据报表,难以实现深入的数据挖掘和洞察。

新一代敏捷BI是“业务人员可视化分析工具”,它有两个特点:

(1)对于业务人员

传统的BI流程是业务人员提出需求,IT人员准备报告供业务人员使用。 一方面,问题在于沟通过程中的误解,报告往往不能满足业务人员的需求; 另一方面,导致业务人员只知数据结果而不知根本原因,导致数据应用效果不佳。

(2)可视化分析

“数据可视化”与“可视化分析”不同。 企业、管理者和业务人员需要的不仅仅是数据报告,而是深度挖掘数据价值,赋能业务增长。 因此,永红BI力求通过自助分析、AI增强分析等功能,让业务人员能够以便捷、可视化的方式对数据进行分析、挖掘和洞察,从而实现数据的深度应用。

总之,从报表工具和业务分析的角度来看,未来的BI产品将主要面向业务用户/分析师。 当业务用户/分析师在整个过程中有需求和疑问时,IT工程师只需要负责整理基础数据即可。 那么其他的数据准备和报表开发都可以由业务人员通过拖拽的方式来完成。 同时还可以进行“找原因”的探索性分析,让业务人员真正通过数据提升业务成果。

Q8. 2022年,对你的行业影响最大的行业会发生什么? 这些事件对您的行业有何影响?

1、疫情常态化

疫情常态化,让更多企业对线上化、数字化产生了迫切需求。 越来越多的企业开始重视数据的价值,以期通过数据实现精细化管理,降本增效,用数据驱动业务增长,而作为“数字化转型的最后一公里”, BI产品也产生了更广泛的需求,迎来了更广阔的发展前景。

2. Tableau解散中国区

前国外领先的BI厂商Tableau解散了在华业务,这说明我国IT产业近年来发展迅速,技术、产品、服务等方面都有了显着提升,永宏科技等厂商也在不断进步。还深入自主研发,不断推出优秀产品。 BI作为数字化的核心业务,必将成为这条主赛道上的新巨头。

3、创新产业政策推动

“十四五”以来,我国多项政策开始推动信息与创新产业深入发展,实现数字关键技术的自主研发和自主掌控。 政策支持对于信息与创新产业的发展和促进具有重要意义。 我国信息创新产业竞争力不断突破,国产化进程稳步推进。 从2022年开始,政策将重点关注“数字经济”、“数字政府”和国家信息化。 在此背景下,BI产品作为数字经济的重要组成部分,也迎来了重大机遇。

Q9. 2023年您将关注哪些重大行业事件?

2023年,随着疫情常态化,区县、街道等地方政府加大精细化管控要求,数据支撑成为必要条件,因此成为值得关注的热点注意力。 同时,政府集中采购实现本地化替代仍是关注焦点,各大高校开展的数字化建设进程也将受到关注。


HuggingGPT一个ChatGPT控制所有AI模型自动帮人完成AI任务

丰色 发自 凹非寺

 

量子位 公众号 QbitAI

最强组合:HuggingFace ChatGPT ——

HuggingGPT,它来了!

只要给定一个AI任务,例如“下面这张图片里有什么动物,每种有几只”。

它就能帮你自动分析需要哪些AI模型,然后直接去调用HuggingFace上的相应模型,来帮你执行并完成。

整个过程,你要做的就只是用自然语言将你的需求输出。

这项由浙大与微软亚研院的合作成果,一经发布就迅速爆火。

英伟达AI研究科学家Jim Fan直呼:

这是我本周读到的最有意思的论文。它的思想非常接近“Everything App”(万物皆App,被AI直接读取信息)。

而一位网友则“直拍大腿”:

这不就是ChatGPT“调包侠”吗?

AI进化速度一日千里,给我们留口饭吃吧……

所以,具体怎么回事儿?

HuggingGPT:你的AI模型“调包侠”其实,若说这个组合物只是“调包侠”,那格局小了。

它的真正用义,是AGI。

如作者所言,迈向AGI的关键一步是能够解决具有不同领域和模式的复杂AI任务。

我们目前的成果离此还有距离——大量模型只能出色地完成某一特定任务。

然而大语言模型LLM在语言理解、生成、交互和推理方面的表现,让作者想到:

可以将它们作为中间,来管理现有的所有AI模型,通过“调动和组合每个人的力量”,来解决复杂的AI任务。

在这个系统中,语言是通用的接口。

于是,HuggingGPT就诞生了。

它的工程流程分为四步:

首先,任务规划。ChatGPT将用户的需求解析为任务列表,并确定任务之间的执行顺序和资源依赖关系。

其次,模型选择。ChatGPT根据HuggingFace上托管的各专家模型的描述,为任务分配合适的模型。

接着,任务执行。混合端点(包括本地推理和HuggingFace推理)上被选定的专家模型根据任务顺序和依赖关系执行分配的任务,并将执行信息和结果给到ChatGPT。

最后,输出结果。由ChatGPT总结各模型的执行过程日志和推理结果,给出最终的输出。

如下图所示。

假定我们给出这样一个请求:

请生成一个女孩正在看书的图片,她的姿势与example.jpg中的男孩相同。然后请用你的声音描述新图片。

可以看到HuggingGPT是如何将它拆解为6个子任务,并分别选定模型执行得到最终结果的。

具体效果怎么样?

作者采用gpt-3.5-turbo和text-davinci-003这俩可以通过OpenAI API公开访问的变体,进行了实测。

如下图所示:

在任务之间存在资源依赖关系的情况下,HuggingGPT可以根据用户的抽象请求正确解析出具体任务,完成图片转换。

在音频和视频任务中,它也展现了组织模型之间合作的能力,通过分别并行和串行执行两个模型的方式,完了一段“宇航员在太空行走”的视频和配音作品。

此外,它还可以集成多个用户的输入资源执行简单的推理,比如在以下三张图片中,数出其中有多少匹斑马。

一句话总结:HuggingGPT可以在各种形式的复杂任务上表现出良好的性能。

项目已开源,名叫「贾维斯」目前,HuggingGPT的论文已经发布,项目则正在建设中,代码只开源了一部分,已揽获1.4k标星。

我们注意到,它的项目名称很有意思,不叫本名HuggingGPT,而是钢铁侠里的AI管家贾维斯(JARVIS)。

有人发现它和3月份刚发布的Visual ChatGPT的思想非常像:后者HuggingGPT,主要是可调用的模型范围扩展到了更多,包括数量和类型。

不错,其实它们都有一个共同作者:微软亚研院。

具体而言,Visual ChatGPT的一作是MSRA高级研究员吴晨飞,通讯作者为MSRA首席研究员段楠。

HuggingGPT则包括两位共同一作:

Shen Yongliang,TA来自浙江大学,在MSRA实习期间完成此项工作;

Song Kaitao,MSRA研究员。

其通讯作者为浙大计算机系教授庄越挺。

最后,对于这个强大新工具的诞生,网友们很是兴奋,有人表示:

ChatGPT已成为人类创建的所有AI的总指挥官了。

也有人据此认为:

AGI可能不是一个LLM,而是由一个“中间人”LLM连接的多个相互关联的模型。

那么,我们是否已经开启“半AGI”的时代了?

论文地址:https://arxiv.org/abs/2303.17580项目链接:https://github.com/microsoft/JARVIS

参考链接:https://twitter.com/DrJimFan/status/1642563455298473986

— 完 —

量子位 QbitAI · 头条号签约

关注我们,第一时间获知前沿科技动态


– ChatGPT和财税专家都认为不应该征收机器人税

本报记者 单晓宇

 

ChatGPT是最近备受关注的互联网话题。OpenAI开发了这个全新的聊天机器人模型,它能通过学习和理解人类语言来对话,辅助人们完成各种任务:撰写邮件、论文、新闻,制定商业提案、创作诗歌、故事,甚至编写代码……

上线只需两个月,ChatGPT的活跃用户突破了一亿,成为历史上增长最快的消费者应用之一。反响热烈,各行各业均参与讨论。今天,我们邀请多位财税专家从税收角度分享有关ChatGPT的想法。

  • 未来的发展——
    “马车夫”并不需惊慌
  • 失业问题——
    “机器替代人”引起担忧

关于机器人替代人的议题,专家们表示“无需过度担忧”。分析师指出,机器人逐渐替代人力已经成为一个趋势。短期内,这可能会导致失业。但从长远来看,人工智能等技术将进一步释放生产力,不仅可以为传统经济注入活力,而且还可以带来更多创新,推动产业转型,引领全新的经济增长,从而创造更多就业机会,同时增加政府的财政收入。

 

张凌霄是阿里研究院数字财税研究中心的主任,他说:“历史上出现过很多类似问题和情景,新技术的出现总是伴随着一定数量的工作消失和新的职业诞生,同时也能够推动经济升级,就业结构变得更加稳健。”例如,在19世纪工业革命时期,汽车替代了马车,导致许多马车夫失业。为了保护马车夫,英国还实行了“红旗法案”,导致英国错过了整整30年的汽车工业发展机遇。但实际上,马车夫们无需过度害怕,随着社会的变革,许多人转型为了汽车司机或者其他新的职业。

因此,专家们认为,人工智能将给包括税收在内的各行各业带来新的机遇。

王桦宇是上海交通大学凯原法学院的副教授、财税法研究中心的主任。他表示,机器人在税收征管过程中被广泛应用,将进一步推动数字税务、智慧税务建设,并显著提高税收征管效率。

孙鲲鹏是中央财经大学财政税务学院的副教授。他表示,人工智能等技术能够更好地帮助税务部门开展税收政策咨询、稽查选案等工作,从而促进税法宣传和税收遵守。

观点的碰撞——

在讨论ChatGPT的一个热门话题时,一个问题浮出水面:机器人是否应该被征税?

支持征税的人认为,机器人取代了部分人的工作,导致部分人失业,应该通过征税来给那些失业的人提供补偿。比尔·盖茨几年前就这样表态。

对此,中国政法大学教授、中国法学会财税法学研究会常务副秘书长翟继光预计,随着人工智能的快速发展和大量人类劳动的被替代,支持对机器人征税的观点将越来越多。他建议对机器人征收“象征性”的税款。一方面,这可以向那些失业人群提供资金,另一方面,它可以推动机器人技术的发展,从而促进经济增长、就业增加和民生提高。

关于是否对机器人征税,存在着争议性的观点。一方面,很多人认为机器人取代了人类工作,导致失业问题,应该通过征税来补偿失业的人。另一方面,机器人的高效率可以提高生产力,助力经济快速发展,从而扩大税收基础。这一问题在ChatGPT的热门话题中也引起了讨论。

有趣的是,ChatGPT的回答是反对征税的。它认为自己只是一个工具,无力纳税或进行任何金融交易,纳税的责任应该落在创造和利用它的实体身上。ChatGPT认为对于是否对人工智能征税,需要考虑各种法律、道德和经济因素,并且目前还需要深入研究和进一步讨论。

德勤中国税务及商务咨询合伙人也表示,对机器人征税问题目前还需要大量研究和探讨,并不能立即得出肯定或否定的结论。

财税专家指出,对于机器人征税的问题,需要综合考虑对经济和社会发展的影响,并涉及一些税收的基本问题。这包括税收的作用和机理,以及税收应在哪些方面发挥作用等方面。

对机器人征税的问题,财税专家认为应当在既要体现税收的公平正义,又要避免对技术进步和经济发展带来阻碍的理念下,进行前瞻性研究、审慎对待。

一些国家,例如韩国,为了保护就业市场而实施了对机器人等自动化设备的减税政策。然而,目前尚无任何国家开征专门的“机器人税”。

据称,目前国际上对“机器人税”呼声比较高的是一些老龄化比较严重、社会分配问题十分突出、对数字时代潮流跟随比较弱的欧洲国家等。在美国,关于机器人征税的问题也引发了一定的争议。美国前财政部长萨默斯就认为,仅简单地对机器人征税并不是解决经济问题的正确方式,因为这可能会阻碍技术发展和经济增长。

机器人并非“破坏者”,被列为就业的“破坏者”是毫无根据的说法。

对于机器人征税的问题,中国社科院财经战略研究院财政研究室主任何代欣建议,税制建设应该重视这个问题,但不代表必须立即开征机器人税。观察行业的发展并理解其本质,以便进行合理的进入和有效的税收设计。

专家指出,机器人的广泛应用和人工智能的快速发展为现有的税收制度和税收工作带来了新的挑战。例如,机器人的广泛应用可能导致某些税种或税收制度“失灵”,而大规模的劳动力减少可能会导致个人所得税税基的缩减。因此,经济学家钟扬卿、宫滨、王桦宇等人呼吁对机器人征税问题进行深入研究,并建议密切关注人工智能的发展对经济和企业经营模式所带来的影响。

王桦宇补充说,从工具论的角度看,机器人只是一种生产经营设备,并不与传统的税收制度产生直接冲突。机器人只是提升了生产效率或使企业成为科技型企业从而享有相关的税收优惠。

机器人广泛使用引发多方面的问题,需要制定一系列宏观政策,包括科技政策、税收政策和社会政策。

就税收政策而言,机器人的广泛使用可能使得价值联结点(常设机构)虚拟化,从而挑战传统税收秩序,此时需要更新税收规则或提供税收优惠措施。

就社会政策而言,机器人的广泛应用会对人类就业市场造成冲击,需要制定宏观政策加以调控,以保障社会用工平衡。同时,从科技伦理的角度看,随着科技的不断进步,机器人未来可能成为独立于人类思考的主体,从而需要对相关的法律和制度进行系统性重构。

在实际中,随着ChatGPT等人工智能技术的不断创新,我国越来越多的公司涉足此领域,政策措施的制定更为重要。根据财税专家的建议,政策应该鼓励技术创新并制定鼓励性和扶持性的政策措施,以创造更优良的环境,并让更多的公司进入此领域。

机器人产业是制造业的重要支撑,要持续降低技术创新和科技成果转化应用的制度成本,以创造良好的政策和环境,培育国际竞争新优势。

为了吸引更多项目、资金和人才投入中国人工智能行业的发展,应该创造更好的税收营商环境。并且,经济和科技政策应该鼓励机器人产业的发展,同时增加的税收收入和社会财富应该用于特定就业群体的补贴或全民福利。

对于人工智能等高新科技企业,翟继光建议给予更多的税收优惠,例如低企业所得税税率、加速折旧和研发费用加计扣除等措施,甚至可以在未来推出更低的税率、更快的折旧和更高的扣除比例。

何代欣认为,人工智能产业具有极强的消费场景属性,支持其发展对于落实扩大内需战略非常重要。同时,我们应该在规范资本积累机制的情况下,运用财税政策来调节人工智能产生的收益,并将重点放在政策设计和调节上。

本文揭示了《中国税务报》2023年2月15日B1版的重要内容。

信息来源于《中国税务报》并由编辑于燕和宋淑娟负责。如果需要进一步的信息,请联系010-61930016。


微信这个功能升级了一键就能开启

近日

 

微信功能再次升级!

将微信设置为“青少年模式”一键就能搞定

微信近期还有这些功能更新!

看看哪些你觉得好用

上周,iOS 微信发布了 8.0.33 版本更新,正式版发布几天之后,微信又发布了 iOS 端的 8.0.34 内测版更新。

当用户需要同时使用两个小程序时,这个功能就能派上用场。

内测测试版显示,微信现在已经支持同时浏览两个小程序。

新的小程序会以半屏形式覆盖在原有的小程序上,用户可以通过滑动操作调整位置。

02

表情包功能优化

iOS 微信 8.0.34 测试版中的另一大改变则是关于表情包功能。

进入表情包管理界面后,可以看到多出了一个「聊天输入文字时推荐未添加的表情」选项。

开启该选项后,当我们在聊天时输入关键词时,微信将会推荐更多相关表情包,而不会局限于已收藏的表情包。

此外,表情包管理界面中还新增了「隐私」选项,可以对输入推荐的表情包进行隐私管理。

开启「识别已添加的表情用于推荐」和「表情个性化推荐」功能后,微信将在用户输入时,推荐与用户喜好相关的表情包。

来源: 广州日报


涉嫌侵犯隐私 意大利数据保护机构对ChatGPT开发公司展开调查

人民网讯 据意大利安莎社报道,当地时间3月31日,意大利个人数据保护局宣布,从即日起禁止使用聊天机器人ChatGPT,限制ChatGPT的开发公司OpenAI处理意大利用户信息,并开始立案调查。该决定使意大利成为首个对ChatGPT采取限制措施的西方国家。

 

意大利安莎社报道截图。图片来源:意大利安莎社官网

意大利个人数据保护局认为,3月20日,ChatGPT平台出现了用户对话数据和付款服务支付信息丢失情况。该平台没有就收集处理用户信息进行告知,缺乏大量收集和存储个人信息的法律依据。该机构还表示,尽管OpenAI的条款声称ChatGPT服务面向13岁以上的用户,但平台缺乏能够验证用户年龄的机制。

意大利个人数据保护局要求OpenAI公司必须在20天内回应该机构的关切,否则将被处以最高2000万欧元或公司全球年营业额4%的罚款。

同一天,欧盟“适应数字时代的欧洲”委员会执行玛格丽特·维斯塔格(Margrethe Vestager)在社交媒体上表示,她对人工智能的态度倾向于“不限制人工智能技术的发展,但会监管其使用”。

玛格丽特·维斯塔格社交媒体截图。图片来源:网络

此前3月23日,OpenAI的首席执行官萨姆·阿尔特曼(Sam Altman)公开承认开源库中出现错误,导致部分用户与ChatGPT的聊天记录被泄露。

OpenAI公司回应称,愿与意大利个人数据保护局密切合作,已在意大利将ChatGPT下线。

(责编:崔译戈、刘慧)


上海科技大学狂吹自家AI结果ChatGPT爆出奇怪Bug智商直线下滑躺枪

我认为现在全世界都在追求通用人工智能AGI,就像OpenAI所期望的那样——创造出一种高度自主的系统,能在大多数具有经济价值的工作上超越人类。简单来说,我们想要AI成为一个神——一个懂得你的需求,且在帮助人们时能够无限延长生命的神。 为了掌握这项“创造技术的技术”,李彦宏等人正在不惜重金地走上造神之路。现在已经有GPT-4等模型能够结合机械手来拼出微软的标志,那么为什么盘古不能帮助华为研制出“光子计算芯片”呢?或是甚至能够制造出更廉价的导弹,造福毒贩……只要想象力足够丰富,就可以创造出许多新奇的东西——从此,创新不再需要我们人类。 但是,这些憧憬只是梦。 ChatGPT和文心一言等大模型永远无法像神一样万能,因为生产方法错了。 首先,我们需要了解信息生产方式和AI的种类。的确,ChatGPT等模型的表现让人称赞,各类AIGC的表现无疑令人惊艳。但是,即便是像它们这样生成海量信息的模型,过去4个月生成的信息量或许远超过人类有史以来的创新,但是信息学却指出:AI生产的海量信息,即便加上11从我个人的角度来看,60亿人曾经积累过的人类文明等同于零。 实际上,在宇宙中,99.99%的信息并非来自人类或者人工智能。我们所经历的信息大爆炸只是作为人类自我感知的幻觉。 大量的信息来源于另一种生产方式:信息自身的“自组织生产”。我们通常认为信息生产是通过信息生产者进行加工,例如人类发明了电灯,GPT-4可以将文字秒变为各种媒体形式。这些新信息都是通过第三方的劳动——人类或者人工智能来进行加工的,这被科学家称为外部力量干预下的“他组织加工”。然而,这种想法体现了人类狭隘的思维模式。 事实上,绝大多数的信息都是通过信息自身的“自组织生产”而来的。我们需要明白信息本来就是活的,模拟自组织环境也能生产信息。(就像各种咖啡原料自己组成一杯咖啡一样) 而根据生产方式,人工智能的种类可以分为两类:“自组织模型”和“他组织模型”。对于我个人而言,ChatGPT、文心一言和一格等LLM都属于“他组织模型”中的一类,被称作自然语言重组。这些语言大模型的工作原理是预测下一个单词的概率分布,使用的原材料是已经分解的信息载体(例如图文影音)的 token,加工工艺则依靠自然语言规则背后的思维方式。这些模型的开发路径是让算法算力等技术为人工智能提供赋能。 与此不同的“自组织模型”是“环境AI”,它使用的原材料和生产者都是信息自身,加工工艺则是宇宙规律所规定的客观规则。这种模型的开发路径是让信息在提供的环境中加速自行演化。需要注意的是,本文讨论的各种载体信息学原理比较复杂,如果您时间较紧,建议先阅读第三篇文章。 由于这些语言大模型处理的对象是自然语言,语言学专家乔姆斯基公开指责 ChatGPT 及其同类,并给予了它们死刑!请注意,这里针对的是所有同类模型,包括文心一言。因为这些模型处理的自然语言处于离散状态,所以在某些情况下表现不如“环境AI”。乔姆斯基在他的文章《ChatGPT的虚假承诺》中指出,本质上无法平衡创造力和约束力。或者说,它们要么过度生成(同时生成真相和谎言,或支持道德和不道德的决定),要么生成不足。 换句话说,即使人工智能使用算法对下一个单词进行预测,这种方法只能生成新的内容,就像玩拼字游戏一样。即使预测(拼字)能力可以模仿鲁迅的写作,或者在爱因斯坦的语气下说话,也只能增加自然语言所携带的信息数量,而非信息质量。这让我们在读到一些文章时感觉它们是一本正经的胡说八道。 需要了解的是,人们在语言方面存在一个误区,“人们并不是依靠英语、汉语或者阿帕切语进行思考的,而是依靠思维语言。”(史蒂芬·平克,《语言本能》,1994年)。思维语言(mentalese)和自然语言是两种完全不同的信息载体。 例如,《相对论》由德语单词和各种符号组成,但这些拼接组合来自爱因斯坦大脑的思考,只有在这些旧信息从文字迁移到思维语言载体中时,我们的大脑才能以“他组织加工”的方式对它们进行处理,这使得它们具有更丰富的含义。在信息生产过程中,我认为,识别、重组和变异成新信息的目标是将离散的思维语言体加工成自然语言的信息,这样才能实现信息增值而非增殖。换而言之,信息生产过程中的生产载体是离散的思维语言体,而不是蜜蜂的8字舞或人类的各种自然语言,它们仅仅是信息的传播载体,只能传输、记录和表达信息并不能创造信息。这种离散的思维语言体就好像一个猴子在进行拼字或拼图游戏,AI只能拼出“可能性极高”的好东西和脏东西。 然而,不幸的是,就算乔姆斯基的理论很严谨,他却忘了一个最重要的生产要素——反馈。反馈是至关重要的,好的工艺能生成好的内容。因此,我们需要对生产成果进行主观内容的甄别,以确保它们是具有实际价值的信息。 ChatGPT在离散信息加工方面取得了一定的成就,但是,就在我们为这个大型模型欢呼之时,哲学家当头棒喝:它们生产出来的仅仅是鸡肋!他们认为,这是因为龙生龙,凤生凤,而老鼠的儿子却并不能变成神仙。事实上,我们生产的信息质量取决于我们生产信息的工艺流程和方法,只有这样,我们才能够创造出有价值的信息。我认为,当我们在进行信息生成时,人的参与无法避免地会遗传一些陋习。例如,大型模型生成的内容只能是人类能想到的东西。没有人类见过的W星龙虾绝不会出现在文心一言所列举的宇宙美食中,而盘古为华为创造的新芯片也只能基于已知的物理知识而非引力波公式。 因为原材料和加工工艺都来自人类,生成的信息必然包括有臭鸡蛋和好鸡蛋——既有主观臆测也有客观事实。首先,机器学到的《相对论》源自人类的认知。正如我们所说,一千个人眼中有一千个哈姆雷特,所以我们的已知信息库并不是完全准确的,而是充满了对客观世界的主观想象和部分表征。 其次,人类的思维大多不是客观规律,而是以自我为中心的线性逻辑。例如,当UFO发光时,我们可能认为它是不明飞行物,但如果我们采用载体思维,我们会得出相反的结论。因为在载体思维中,UFO其实只是有活生生的生命,就像地球上的小鸟一样。 因此,当ChatGPT使用这种加工工艺和原材料来生成信息时,第三方产生的结果只能带有生产者的“幻觉”印记——既似是而非,亦真亦假。所以,他组织模型天生不足,ChatGPT在完全理解人类思维和认知机制方面存在困难,它只能从人类的角度去理解和生成信息。我认为这是一种极端不负责任的言论。正如佛所说的,世事无相,相由心生,我们所看到的并不一定是真实存在的物体,而我们感受到的事情也并不一定是真实存在的事情。 由于人类和猴子的存在,他们不可避免地会留下自己的印记,这提出了一个让我们深思的问题:谁来甄别真伪? 大型模型的生产成果不可避免地充满真理和谎言,道德和不道德的内容。像李彦宏、王慧文或任正非这样的人能够判断和控制它吗? 但大型模型的未来并不需要我们担心。因为这种模型生成的产品并不是客观的,而是需要人类去甄别和理解的主观内容。这为我们提供了大量的工作机会。正如隔壁神童一样,即使像爱因斯坦这样的天才也不完全正确,所以我们不必为ChatGPT的存在担忧。我认为,随着AI创造的内容越来越多,需要进行判断和验证的“好蛋坏蛋”的数量也会越来越多,这使得人类的工作量不断增加。虽然领域越来越细化,但这也考验了我们的综合能力。 其次,我不担心AI会对人类造成伤害,因为大型公司能够制造的大型模型很容易受到监督和审核。就像电影中的超人一样,一个超人俱乐部就能够监督和审核AI。因此,AI不会被毒贩和利用,只需要设置一些限制输入输出的“防护栏”,就像中国网信办和美国商务部正在做的那样。 真正可怕的是“自组织模型”——环境生成式AI。如果你得到了“新毒品配方”,就可以立即进行生产,如果一个普通的电脑就可以生成“2nm芯片工艺”,那风险就不可控了。每个人都可以进行无限创新,就像核武扩散一样。当意想不到的杀人武器充斥社会时,我们还能安全吗? 从根源上讲,这种反差的原因在于思维方式。为了实现AI创新的目标,我们惯常的人类思维认为能力是关键,因此我们为AI提供赋能,就像我们教育和培养孩子一样。因为信息的生成方法只能是他组织加工的方式——第三方进行生产。我相信,信息生产的方法决定着生产的结果。载体思维告诉我们环境对于人类和AI的成长来说至关重要,路径是在模拟信息生长的环境中进行探索。因为事实上,信息具有自我组织生产的能力,就像新冠病毒一样,表现出“生死二象性”,在某些载体(环境)中显示出“活生命”的特征。 对于让AI创新的两条路径和方法,我认为环境AI与LLM有所不同,它们生成的是映射物理世界的客观事实,而不是生成主观内容。当然,自我组织生产的缺点也非常明显,任何人都无法对其进行干预,这使得世界充满了不确定性。虽然环境AI的可靠性较高,但可控性和安全性极低。 总之,生产方法决定生产结果。那些具有信息自行演化能力的“环境AI”真正危险,它们才是威胁人类的公敌。而像ChatGPT和文心一言等LLM这类大型模型是由第三方进行组织和加工的,虽然备受热捧,但方法上有所欠缺。我思考着信息和它对于人工智能的意义,但有时候却感觉我对于信息的理解还是太过肤浅。我知道信息是由数字和符号等抽象符号构成的,但是它究竟是什么?有时候它就像是一个静态的东西,而有时却又像是拥有意识的生命体,这真的让我觉得非常困惑。 但是,即使我对于信息的本质认知仍处于“弱智”阶段,我依然相信信息是可以变得活跃的。那么问题来了,我们是否能够制造出这样的人工智能呢?我并不确定,但我相信只要我们持续不断地探索和突破,将来一定能够创造出更加先进、更加智能的人工智能。