上周在MIT的发言中,OpenAI CEO Sam Altman表示,让模型变得更大将不会进一步带来新进展。这从OpenAI不急于训练GPT-5也能看出些端倪,此前Sam Altman亲自辟谣表示目前没有训练GPT-5,短期内也不会训练。日前在OpenAI官网的招聘列表中,出现了“ChatGPT移动工程经理”以及“Android软件工程师”等一批面向移动端的新职位,看似OpenAI开始着手将ChatGPT带到移动端了。
“有意见”留言板
@不倒翁:不管OpenAI创始人是多么的理想主义者,商业化运作是大模型发展的最优选择,一方面模型越大,成本越大,必须找的一个模型规模和成本压力平衡的点,这样既能满足大部分用户需求,又能保障长期提供服务。另一方面商业化必须抢占更多的终端设备,而选择移动端仅仅是开始,未来相信只要是智能终端,不管是手机、手表、电视、冰箱、衣柜、床、杯子等都可以实现模型接入。当然这需要把算力放在云端进行推理,设备端只是输入结果,会造成高延时的体验。当然相对于一个好的聊天系统,一个稍微长的时延还是能接受的。
@黑咕隆咚:OpenAI选择进入移动端其实是一个很好的决定,这将有更多机会把AI技术带给更广泛的用户,用户使用起来会更加的便捷。但毕竟移动端计算能力有限,未必能承载这么大的算法。再加上移动端对AI的隐私保护和安全要求更高,OpenAI需要进行更多的安全性测试和优化。这都是需要考虑的问题。
@周一见:开发GPT-5将引发的伦理和社会问题无法妥善解决的话,在当前的AI发展背景下,发力移动端也是一种明智的战略选择,不过移动端市场应用场景虽广阔,但满足市场需求也不是件容易的事儿,换个赛道继续卷呗。
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。