OpenAI CEO Sam Altman最近在采访中表示,OpenAI的愿景是打造AGI,在AGI的开发竞赛中,最难攻克的领域是大语言模型系统需要实现根本性的理解飞跃。从现在到AGI还有很长的路要走,需要大量的算力,以及高昂的训练费用。他还透露,公司正在开发下一代人工智能模型“GPT-5”,但没有公布具体的时间表。据了解,OpenAI正计划筹集更多资金支持,希望微软能继续投资。
“有意见”留言板
@卡卡卡卡西:能否实现高维智能,一看算力,二看算法,算力决定GPT的下限,算法决定GPT的上限,所以GPT 5能不能达到人脑水平,不仅要看奥特曼团队里这些顶级工程师有多少人能扛得住996,还要看英伟达能跑多快。
@future:我们都知道GPT-5会比之前所有模型都复杂,但是Sam Altman都表示很难精准预测该模型会有哪些新功能,也无法说出它能做到哪些GPT-4做不了的。感觉就像是一个未知的“魔盒”,让人向往,也容易让人陷落。
@啊不是吧我说:如果能做成当然是好了,那这家公司将成为跨时代的企业,当然ChatGPT的出现已经让它跨了一步,我祝它成功吧。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。