扎克伯格在今年年初成立了一个小组,开发新的大语言模型。据报道,这个大模型预计在2024年初开始训练,性能将比Llama 2强大数倍,与OpenAI的GPT-4不相上下。目前,Meta正在建这个项目所需的数据中心,并购买更多的英伟达H100芯片,计划在自己的基础设施上训练新模型。扎克伯格一直倡导开源AI模型,他希望这个新的AI大模型能够像Meta之前的AI产品一样开源。
“有意见”留言板
@不倒翁:Meta想推出新的模型挑战OpenAI的ChatGPT和谷歌的Bard,有点费劲。我觉得有个方法更简单,而且是马克扎克伯格的强项,这不小马不是练拳嘛,直接OK绑架黄教主。卡住芯片,不是更简单!
@周一见:科技巨头们在AI领域的竞争日益激烈。Meta的大动作无疑表明了他们对AI技术的重视和投入,这也预示着AI将在未来的科技发展中扮演更重要的角色。然而,芯片短缺的问题也凸显出了当前AI发展的一大瓶颈,这需要整个行业共同面对和解决。
@贰言:Meta打算在2024年开始训练一个新的大模型,这个模型将以GPT-4为标准。他们这么做无非是想利用GPT-4的高级技术,来提升他们自己的AI技术的实力和准确度。这样一来,不仅可以让用户的体验更好,满意度更高,同时也能让Meta在人工智能这个领域保持领先地位,提升他们在AI市场的竞争力。
@Eva:当他们完成这些的时候,GPT-5已经问世了。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。