FX168财经网_全球视野外汇黄金加密货币NFT资讯网

银分析师指出:“通过生成式人工智能，（大型语言模型）可以开发并用于增强游戏玩法，实现从创建新的虚拟世界到降低游戏/ cpu控制的对手可预测性等任何事情。”加速各种任务也可能加快游戏开发速度，降低成本。”

金融界2023-04-07

搜索查询的能力。谷歌长期以来一直是开发大型语言模型（LLMs）计算机程序的领导者，但谷歌还没有利用这项技术来影响人们使用搜索引擎的方式，而Pichai称，这种情况会改变。　　微软Edge浏览器添加试用Bing Image Creator，可由文本生成图片　　当地时间5日，微软广告和网络服务主管Mikhail Parakhin在社交媒体上宣布，微软Edge浏览器中已添加Bing Image Creator功能试用，用户可通过文本生成图片，再将生成的图片插入到邮件或页面中。Bing Image Creator功能主要是基于OpenAI另一个模型DALL-E。　　苹果印度首店开业在即，库克或于本月出访印度　　据外媒援引消息人士的话报道，苹果CEO蒂姆·库克预计将于本月访问印度，伴随着库克的到来，该国的第一家苹果官方零售店也将开业。这位消息人士还透露，库克将在访问期间与印度的主要政府官员讨论制造业扩张和出口等战略问题，库克可能还会与印度总理莫迪会面。据悉，目前苹果总部正在敲定库克的印度行程，而孟买店的开业日期也将依据库克的行程时间决定。　　Meta发布史上首个图像分割基础模型　　Meta Platforms发布人工智能模型Segment Anything Model（SAM）——第一个图像分割基础模型。SAM能从照片或视频中对任意对象实现一键分割，并且能够零样本迁移到其他任务。Meta实现了一个完全不同的CV范式，你可以在一个统一框架prompt encoder内，指定一个点、一个边界框、一句话，直接一键分割出物体。Meta官方表示这是有史以来最大的分割数据集（Segmentation Dataset）。　　下一个爆雷的银行可能在哪里？空头最猛火力已指向加拿大巨头　　据媒体，最近几周空头增加了对加拿大第二大银行多伦多道明银行的空头押注，目前总值约37亿美元，在全球金融机构中排名第一，超过法国巴黎银行、美国银行等。除了上月以来欧美银行业爆发的系统性风险之外，道明银行“踩雷”嘉信理财、去年同意以134亿美元收购美国区域性银行First Horizon，以及其在北美房地产市场放缓带给道明银行的压力，其成为了空头的目标。　　美国法院否决AMC院线优先股转普通股计划　　美国法院否认了AMC院线关于继续执行公司增加授权普通股、股票转换和反向拆分计划的请求。　　三星电子将交出14年最差业绩：Q1营业利润或暴跌90％　　三星电子即将公布至少自全球金融危机以来的最低单季利润，原因是科技产品需求大幅放缓，导致其半导体部门出现亏损。该公司将于周五公布一季度初步业绩。分析师预计营业利润将暴跌约90％，至1.45万亿韩元（合11亿美元），为2009年以来的最低利润。在新冠疫情时代，规模达1600亿美元的存储芯片行业出现了严重的供需失衡。作为存储芯片领域最大的厂商，三星半导体部门预计将亏损约27亿美元。　　百威英博推出全球首款人工智能啤酒　　百威英博推出了世界上第一个用人工智能制作的啤酒和完整的营销活动，并将其命名为贝克自主啤酒（Beck’s Autonomous）。在谈到这次为庆祝贝克啤酒品牌150周年而推出的啤酒时，百威英博表示，使用了ChatGPT和AI绘画工具Midjourney来设计啤酒、品牌和营销。百威英博表示，人工智能技术主导了所有的编辑和持续开发，直到最终版本问世，使贝克自主啤酒成为世界上第一批完全由机器生产的啤酒之一。　　携程：五一假期内地出境游预订同比增长超18倍　　携程网的五一假日旅游前瞻发现，国内游订单已追平2019年，同比增长超7倍；内地出境游预订同比增长超18倍，境外跟团游报名量较4月初增长157％。从游客出行距离来看，截至4月6日，报名五一长途旅游的订单占比超六成，长线旅游订单同比去年增长811％。

金融界2023-04-06

谷歌CEO：搜索引擎将推出聊天AI功能

构成威胁的说法。谷歌长期以来一直是开发大型语言模型计算机程序的领导者，但谷歌还没有利用这项技术来影响人们使用搜索引擎的方式，而Pichai称，这种情况会改变。Pichai的最新言论表明，谷歌计划允许用户通过其搜索引擎直接与该公司的大型语言模型互动。这一举措可能会颠覆传统的基于链接的体验。Pichai称，谷歌现正在测试几款新的搜索产品，比如允许用户对原始查询提出后续问题的版本。

金融界2023-04-06

Meta“放弃”元宇宙？！高调宣布：今年将把生成AI用于广告制作

的想法。Bosworth告诉日经新闻，大型语言模型 (LLM)——比如OpenAI的ChatGPT和谷歌的PaLM——将有助于创建3D模型，因为你只需要描述它们。他说：“所以以前，如果我想创建一个3D世界，我需要学习很多计算机图形学和编程。在未来，你可能只需要描述你想要创建的世界，然后让大型语言模型生成它为你打造的世界。因此，它让更多人更容易获得诸如内容创作之类的东西。” 广告是Meta公司收入的一个支柱，这家公司希望最终将该技术应用于其所有的产品和服务，包括Facebook和Instagram。之前扎克伯格曾力推元宇宙，甚至为此将公司改名，但是很难说商业化是成功的。虽然创建元宇宙是公司的长期计划，但产生更多的广告收入可能是当务之急。Apple在2021年实施其App Tracking Transparency功能后，Meta受到了严重影响。去年初，这家社交媒体公司表示，这一变化将使他们在2022年损失100亿美元。 2月，在2022年第四季度投资者电话会议上，扎克伯格表示：“我们2023年的管理主题是‘效率年’，我们致力于成为一个更强大、更灵活的组织。” 因此，该公司希望找到更多赚钱的途径，而生成AI似乎是它的下一个赌注，尤其是chatGPT的成功以后。

Dan19772023-04-05

泼冷水！诺贝尔奖得主：别指望ChatGPT能在未来十年改变美国经济

纽约时报》专栏文章中表示：“当时形式的大型语言模型应该不会影响明年的经济预测，可能也不会对未来十年的经济预测产生很大影响。” “ChatGPT以及随之而来的一切可能是21世纪30年代的经济故事，而不是未来几年的，”他接着说，指的是那个热门的人工智能工具。 OpenAI的聊天机器人自去年11月问世以来就吸引了投资者的注意。这种宣传重新点燃人们对人工智能的兴趣，并提振了包括英伟达(Nvidia)在内的该行业股票，自2023年初以来，该股已上涨约83%。 ChatGPT给人们留下了深刻的印象，因为它能提供从约会建议到投资建议的各种信息。但据美国联邦贸易委员会(FTC)称，它也引发了担忧，即它可能会加剧网络偏见、歧视和其他消费者伤害。克鲁格曼之前讨论过ChatGPT的含义，说它可能“比人类更有效地”完成报告和写作等任务。在他最新的专栏中，他补充说，像ChatGPT这样的大型语言模型“将使经济更有生产力，但也可能会伤害一些技能已经贬值的工人。” 他问道：“但这一次，这些影响会有多大？它们多快能实现？”克鲁格曼说：“第二，历史表明，人工智能带来的巨大经济效应将需要比许多人目前预期的更长的时间才能实现。” 他以20世纪中期计算能力的提升及其对劳动生产率的滞后影响为例。 Krugman说：“坦率地说，任何预测人工智能将大幅加速经济增长的人——这将导致税收大幅增加——同时预测未来会出现财政危机，除非我们大幅削减医疗保险和社会保障，否则都是没有多大意义的。”

超启2023-04-04

别担心AI蚕食你的工作 AI蚕食掉的也许是软件自己

智能，尤其是像 ChatGPT 这样的大型语言模型的最新发展，社会上存在着极大的夸张。此类技术对工作的实质影响也值得关注。但观察者遗漏了两样非常重要的东西：每一次技术创新浪潮都是因为昂贵的东西变得便宜到可以挥霍而引发的。长期以来，由于软件的生产过于复杂与昂贵，导致我们数十年来软件交付不足，进而导致全社会范围内背负了庞大的技术债务。随着软件生产的成本与复杂性坍塌，从而释放出一波创新浪潮，这笔技术债务将会戏剧性地、遍及整个经济地偿还回去。软件被误解了。软件给人感觉像是个离散的东西，是我们与之互动的东西。但是实际上，软件作为一种非常异域的东西，是对我们的世界的一种侵入。这是与电力、半导体以及指令的一种奇怪的交互，用各种各样的方式神奇地控制了从屏幕到机器人到电话、医疗设备、笔记本电脑以及众多令人眼花缭乱的其他东西。它几乎具有无限的可塑性，能够滑动、扭曲和变形，以至于这种易适应性为我们撬开了新世界的大门。这种软件的异域色彩最近已经浮出水面，因为真正的对话式人工智能，也就是基于大型语言模型（LLM）的聊天机器人，比如 ChatGPT，已经从科幻小说变成了某种像人们可以在互联网上搜索一样轻松把玩的东西。为什么软件还没有蚕食世界？这让人想起马克·安德森（Marc Andreessen）在上一个技术周期那句著名的”软件正在蚕食世界“。虽然安德森那句话是思考”软件的胃口有多大“的一种比较有用的方式，但值得思考的是，为什么软件要花那么长时间才能蚕食完世界。而且，再刨深一点的话，如果软件真的要大快朵颐，催化剂该是什么，那个被软件蚕食掉的世界会是什么样子？要回答这些问题，我们必须先以史为鉴，然后再展望未来。为此，我们需要考虑一系列的因素，包括复杂性、要素成本以及软件供需的经济模型。我们从思考软件供需的经济模型开始。软件是有成本的，这里存在一个买卖市场。其中部分市场是组织内部的。但大部分的市场都属于外部市场，人们以 app、云服务或游戏的形式购买软件，甚至嵌入到其他物体之中，从门铃到用于癌症检测的内窥镜摄像头，不一而足。所有这些东西都是软件，无数形式的软件。考虑到这些特征，你可以用经济学导论里面的基本供需曲线图来思考软件。这里面有一个价格和这一价格下的需求量，然后有一个价格和数量刚好处于处于大致均衡的状态，如下图所示。当然，由于多种原因，这个均衡点可能会发生偏移，导致 P/Q 交叉点处于总需求的较高或较低水平。如果价格太高，软件就会生产不足（留下技术债务），如果价格太低，那么……就让我们回到那个话题。这引出了在经济学课程当中有时候会被问到的一个基本问题：我们怎么才能知道这种价格和数量的组合是最优组合？答案是价格和数量的最优组合应该在供给和需求曲线的相交点上。需求曲线通常是向下倾斜的，因为当价格上涨时，人们往往会减少对大部分商品的需求。而供给曲线通常是向上倾斜的，因为当价格上涨时，生产商通常会愿意提供更多的商品。如果我们在这个点上提高价格，那么消费者会减少购买，而制造商会增加生产，这最终会导致过剩库存或价格崩溃。反过来，如果我们在这个点上降低价格，那么制造商会减少生产，即使消费者想购买更多，这会导致供应短缺，最终可能会再次推高价格，直到供给和需求达到平衡。技术如何让经济学更加复杂和难以预测这些都是本科学的经济学，简单易懂。但技术有搅浑经济学的习惯。说到技术，我们怎么知道那些供需曲线是对的？答案是我们不知道。这时候有趣的事情才刚刚开始。比方说，有时某种东西的供应增加会导致需求增加，从而导致曲线移动。这种情况在技术领域已经发生过很多次，因为技术的各种核心组件随着能力（或存储或带宽等）的增加而导致成本曲线的下降。在 CPU 的场景下，这种情况一直被归结为摩尔定律，也就是说 CPU 的能力每 18 个月左右就会出现一定幅度的提高。虽然这些定律更像是试探法而非 F=ma 这样的物理定律，但它们确实有助于让我们窥见未来可能与过去有何不同。我们在技术领域一再看到这种情况，各种技术的价格暴跌，但它们的能力却迅速增长。我们感觉这种情况仿佛已经变得司空见惯，但事实并非如此。经济的其他板块可不是这种情况，历史上的经济也不是这样的。东西越好价格反而越便宜并非常态。虽然很多市场都有规模经济的特点，但在经济史上还没有出现过像 CPU 成本崩溃，但性能却提高了一百万倍或更多的情况。为了帮助大家进一步看清这一点，不妨设想如果汽车以计算机的速度加以改进的话，那么现代版的汽车将：拥有 6 亿多匹的马力在不到百分之一秒内从 0 加速到 60 迈每加仑可行驶约一百万英里每辆车的成本低于 5000 美元汽车并没有出现这种情况。当然，Tesla Plaid 是一辆速度很快的汽车，但远远达不到上述规格永远不会有这样的汽车。这种汽车的性能拐点不是我们的未来，但它充分说明了在过去 40 年（软件）技术领域里发生的变革有多大。但是，大多数人甚至都没有注意到这一点。大家把它当成司空见惯，以至于都没有注意到这些变革如何的惊人。技术崩溃的动态你可以在下图看到这些动态。请注意 Y 轴上的对数刻度，这是为了避免价格/性能曲线显示出直线下挫的情况因为这些因素的单位性能价格下降的速度和幅度实在是太大了。这在经济史上是前所未有的。每一次的崩溃都产生了更为广泛的后果。CPU 价格的暴跌直接将我们从大型机拽进了个人电脑时代；（各种类型）存储价格的崩溃不可避免地导致更多带有可观本地存储的个人计算机的出现，从而帮助催生了数据库和电子表格，然后导致了 web 服务，接着是云服务。而且，最近，（随着带宽的爆发式增长）网络传输成本的崩溃直接导致了现代互联网、流媒体视频以及移动 app 的出现。与保罗·西蒙 (Paul Simon) 的那首老歌（”泡沫中的男孩“）优点相反，每一代技术都将一位英雄推向流行（或单位性能价格）排行榜。每一次崩溃，伴随着性能的提升，都会催生巨大赢家与大规模变化，从英特尔到苹果，再到 Akamai，乃至于谷歌与 Meta，再到当前的 AI 热潮。崩塌的每一个受益者都需要一项或多项核心技术的价格下降与性能飙升。这反过来又开辟了新的”浪费“它们的机会可以把这些东西用在以前似乎不可能、昂贵得令人望而却步或两者兼而有之的事情上。人工智能是技术领域下一场崩塌的推手所有这一切将我们带到了今天。突然之间，人工智能变得廉价起来，以至于人们可以通过给聊天机器人输送提示来”写文章“、获得微服务代码方面的帮助等诸多”挥霍“它的手段。你可能会认为智能本身的价格/性能曲线也正在下降，就像发生在前几代技术身上的事情那样。你可以提出这样的观点，但这种观点太狭隘，太正统，或者至少是不完整和不成熟的。通用人工智能 (AGI) 的伦理和对齐问题姑且不谈。即便现在给人感觉比几十年来更接近 AGI 了，但往好了说这样的日子到来可能还有几年的时间。有鉴于此，值得提醒一下自己的是，AI 的热潮每一二十年就会对我们的”意识海滩“发起一次冲击，但又会随着噱头大于实际而再次退潮。我们从 1950 年代明斯基（失败的）工作看到了这一点，从 1970 年代的日本（失败的）第五代项目再次看到了这一点，从 2000 年代的 IBM（失败的）沃森又再次看到了这一点。如果你真的眯着眼睛仔细看的话，你也许会看出一种模式。尽管如此，大规模语言模型的突然爆发还是让一些人花费大量时间去思考哪些服务业的职业可能会被自动化干掉，经济学家称之为”替代性“自动化。但这种替代性自动化不会给整个社会增加太多的价值，甚至可能会减少价值并造成不稳定如同将美国白领工人的工作外包到中国。或许我们应该少考虑一些替代性自动化的机会，而多考虑一点增强型自动化的机会，那种可以释放创造力并带来财富和人类繁荣的事情。那么这会从何而来呢？我们认为，这种增强型自动化热潮将与之前的热潮一样，均来自同一个地方：某种东西的价格暴跌，而相关的生产力和性能却出现飙升。也就是软件本身。就此而言，我们的意思并不是”软件“就会出现价格下降的情况，就好像 AI 会引发 Microsoft Word 等文字处理器或 AWS 微服务出现价格战一样。这种属于线性思维，推断性思维。话虽如此，我们确实认为当前将 AI 注入到你能见到的每一个应用或服务的狂热会引发更多竞争，而不是更少。它将通过提高软件成本（每一次 AI API 调用都会有钱落入某人的腰包）来实现这一点，同时又不会带来真正的差异化，因为大多数供应商调用的 AI API 都是来自同样的供应商。鲍莫尔成本病与软件的问题要想理解我的意思，需要简单回顾一些基本的经济学。我们大多数人都熟悉技术产品的价格是如何暴跌，而教育和医疗保健的成本却不断飙升的。这似乎是个令人抓狂的谜团，随之而来的是大家呼吁要找出新办法，让这些行业变得更像科技业大家通常认为，科技业更容易受到技术通货紧缩的影响。但这是一种误解。解释一下：假设有一个经济板块就只有两个部门，一个部门的生产率、专业化程度和财富生产率要高得多，而另一个部门则低得多，则后者将面临提高工资的巨大压力，以免许多员工离开。随着时间的推移，生产力较低的部门开始变得越来越昂贵，尽管它的生产力不足以证明更高的工资是合理的，于是它开始”吞噬“该经济板块越来越多的资源。经济学家威廉·鲍莫尔（William Baumol）通常被认为是这种现象的发现者，因此这又被称为”鲍莫尔成本病“。你可以在下图当中看到这种成本病是什么样的，美国的各种产品和服务（剧透：主要是在高接触、低生产率的行业）变得越来越昂贵，而其他产品和服务（非剧透：主要是基于技术的）变得越来越便宜了。考虑到与其他一切相比技术所出现的爆发式进步，现在这一切应该都能说得通了。事实上，这几乎是数学使然。如果没有重大的生产力改善，这只能通过消除这些服务的人类因素来实现，很难想象这种情况会发生怎样的变化。假设未来我们仍需要医疗保健和教育，鉴于这些服务的大部分价值仍继续由人类提供，情况更有可能会继续恶化。但还有一个板块受到鲍莫尔成本病变体的阻碍，那就是软件本身。这听起来可能有些矛盾，可以理解。毕竟，生产力最高、创造财富最多、通货紧缩的部门怎么也会成为其他部门所遭受的同样问题的受害者呢？如果你回想一下我们之前讨论的双部门模型的话，会的。一个部门是半成品以及 CPU、存储与骨干网络。这些东西价格正在崩溃，其制造需要的人变少了，同时正以更低的价格带来了极大的性能提升。与此同时，软件还是那样，以与几十年前开发者几乎没有太大不同的方式生产着同样的东西。是，软件的生产和部署已经取得了进展，但归根结底，依旧是靠双手在键盘上敲代码。这看起来似曾相识，尽管生产力相对不足，但我们对软件薪水保持高位并继续上涨并不感到惊讶。这是鲍莫尔成本病，发生在技术本身很狭隘的双部门经济当中。这些高薪直接导致高昂的软件生产成本，并鉴于要素生产成本以及那些令人讨厌的供应曲线，导致了软件产量受限。初创企业需要花费数百万美元聘请工程师；大公司继续要砸数百万美元来留住他们。而且，虽然市场有出清价格，也就是供求曲线相交的点，但我们仍然知道，当其工资高于其他部门的可比职位时，生产的商品还是会低于社会的期望。在这种情况下，生产不足的商品是……软件。我们最终产生了一种社会性的技术债务，因为其生产的数量远低于社会的期望我们不知道少了多少，但可能是一个非常大的数字，并且也解释了为什么软件还没有蚕食掉太多世界。而且因为情况一直如此，所以没有人注意到。人口结构、老龄化，以及LLM即将带来的劳动力颠覆我们认为这一切都将会发生改变。不管如何不是出于本意，当前这代 AI 模型仿佛一枚导弹，直接对准了软件制作本身。当然，聊天 AI 在撰写本科生论文或创作营销文案、编写博客文章方面表现是很出色（好像这些东西还不够多一样），但这些技术在快速且几乎无成本地生成、调试和加速软件制作方面表现更棒，棒到几乎像黑魔法的地步。为什么不呢？如下图所示，大型语言模型 (LLM) 对就业市场的影响可以被认为是一个 2x2 矩阵。一个轴向表示领域的语法规范程度，意思是控制符号操作的规则导向程度如何。比方说，写文章是要讲规则的（问问任何一位发火的英语老师），因此可以训练基于LLM的聊天 AI 来写出好得出人意料的文章。税务服务提供者商、合同以及许多其他领域也在此范畴。未来几年，对于处在右上角象限的职业而言，其颠覆性是非常厉害的，几乎是前所未有的地步。我们将看到一系列职业数以百万计的工作岗位被取代，而且其发展速度比以往任何一波自动化浪潮都要快。对于严重依赖某些受影响最严重的工作类别的地区或国家的行业、税收，甚至社会稳定来说，这会产生巨大影响。这些广泛且可能破坏稳定的影响不应被低估，而且非常重要。部分人认为，老龄化社会的人口结构以及发达经济体倒挂的人口金字塔会抵消人工智能造成的这些变化。虽然人口结构会在未来几十年减缓这种打击的影响老龄化社会以及世界部分地区劳动力萎缩将迫切需要劳动力但这些人口结构的力量可能还不够。软件位于自己这场颠覆的震中不过，现在让我们先回到软件本身。软件的规则性和语法规范性高于会话英语或任何其他会话语言。从 Python 到 C++，编程语言可以被认为是具备一系列高度明确的规则的形式语言，这些规则管理着可以如何使用或者不能使用每个语言元素来产生期望的结果。编程语言的语法问题是最烦的，这让很多想成为程序员的人感到非常沮丧（就因为少了一个冒号？！这就是问题所在？！真见鬼），但对于像 ChatGPT 这样的 LLM 来说，这是完美的处理对象。这张图的第二个轴向也同样重要。除了底层的语法以外，还有领域的可预测性问题。同样的原因总会导致同样的结果吗？还是说这个领域比较特别，原因有时候会在结果的前面，但并非总是如此，而且不可预测。同样地，编程是具备可预测性领域的一个很好例子，编程中设计之初就是要让给定相同输入的情况下产生相同的输出。如果结果并非如此，那问题 99.9999% 可能出在你身上，而不是编程语言。其他领域的预测性要差得多，比如股权投资、精神病学，或者气象学。这种框架，也就是语法与可预测性让我们相信，在软件行业的历史上，第一次出现了将从根本上改变我们软件生产方式的工具。这关乎的不是让调试、测试、构建或共享变得更容易，虽说这些也会改变，关乎的是操纵构成编程语言的符号意味着什么。我们可以再说具体一点。比方说，再也不用学习 Python 来解析某些文本并删除 ASCII 表情符号，只需要直接给 ChatGPT 写下这些提示即可：写一些 Python 代码，让它打开一个文本文件并删除里面所有的表情符号，我喜欢的那个出外，然后再次保存。如果你的想法是，”不可能行得通的“，那你就错了。程序工作正常，只用了两秒钟，以前你怎么也学不会的编程技能，现在人人都可以掌握了，这只是其中的一个缩影罢了：要指出的是，显然：这个例子微不足道，乏善可陈，而且很蠢，尽管对于现在这种表情符号满天飞的环境很有用。这不是什么复杂代码。对于熟练的从业者来说，这种程序很简单，甚至简单到令人讨厌，但同时对于大多数其他人来说又是不可能的，如果不去Reddit 和 Quora 上面看很多东西的话。但它正在变得更好，更加深入。如果你不确定为什么这个能行得通，或者怀疑它是否行得通，并认为 AI 可能在骗人，你可以要求它自己做出解释，如下所示：简而言之，LLM 用了一个很巧妙的技巧。它不是靠穷尽所有的 ASCII 表情符号来检查文本是否存在这些字符，而是选择用字符编码来区分表情符号与非表情符号。这个做法是在是太聪明了，还有，你可以要求 LLM 解释它是怎么做一件事的，这种自我参照的解释能力则是改变了软件这场游戏的另一个原因。这只是开始（而且只会变得越来越好）。从将各种 Web 服务连接在一起的微服务（你以前可能在 Upwork 上向开发者支付了 10000 美元完成的任务）到整个移动app（一项可能要花费你 20000 美元到50000 美元或更多的任务），利用此类技术编写几乎所有类型的代码都成为了可能。更便宜的、不那么复杂的软件产品是什么样的有一点要说清楚。你能写出一个更好的 MICROSOFT WORD 吗？或者用新颖的方式解决这个经典的 COMPSCI 算法吗？不，你不能，这会导致很多人把这些技术当作玩具。确实是玩具，但具备重要意义。它们之所以是”玩具“，是因为它们能够为真实的人，尤其是非编码人员生成代码片段，一小部分人会认为这个微不足道的，而另一个庞大的群体会认为这是不可能的。这个认知差距将会改变一切。怎么改变？呃，一方面，软件生产的清算价格将会改变。但不仅仅是因为生产软件变得更便宜了。在极限情况下，我们认为这一时刻类似于之前的技术变革浪潮如何让基础技术（从 CPU 到存储和带宽）的价格跌到近乎为零的地步，从而早就物种形成和创新的大爆发。用软件进化的术语来说，我们刚刚从人类的周期时间过渡到果蝇的周期时间：一切都进化和变异得更快了。我们不妨来一次思想实验：如果软件生产成本遵循类似的曲线，甚至可能遵循更陡峭的曲线，并且正在下挫到近乎为零的地步的话，会怎样？如果生产软件即将变成次要的事情，就像用文字解释自己一样自然和普遍会怎样？那时候的软件开发就类似 ”我需要给 iPhone 做 X、Y ，不要做 Z，如果你对让它不那么丑陋有什么想法的话，我洗耳恭听“这样一句话的事情。现在我们可以重新审视之前的那条成本下降曲线，并把软件添加到组合里面。由于之前讨论的各种原因，尽管内部的”鲍莫尔成本病“可能会导致成本居高不下，但如果生产软件的成本即将崩溃会怎样？考虑到LLM的发展速度，这一切可能会发生得非常快，比前几代都要快。这一切意味着什么呢？我们不是反对软件工程师，而且其实我们投资了很多杰出的工程师。但是，我们的确认为，如果不摆脱软件行业的束缚的话，软件就无法发挥其最大潜力，因为软件行业成本很高，而且生产力相对较低。人人都可以编写软件，而且只需几分钱就可以编写软件，并且可以像说话或写字一样轻松地完成的软件行业，将是一个变革性的时刻。古滕堡发明了欧洲铅字印刷术之后，之前的创作障碍学术、创意、经济等都消失了。说这相当于古腾堡（编者注：欧洲活字印刷术发明人）时刻有点夸张，但只是有点，因为人们从此可以自由地做那些仅受限于自身想象力的事情了，或者说得更实际一点，受制于过去生产软件的成本的事情了。当然，改变会带来颠覆。回顾之前的变革浪潮，情况表明这不会是一个平稳的过程，可能需要数年甚至数十年才能完成。如果我们是对的，那么软件开发者的就业格局将发生翻天覆地的重塑，随之而来的是”生产力飙升“，这是因为软件生产成本的下降弥补了数十年来软件生产不足在全社会积累的技术债务。当我们还清这笔技术债务时，接下来会发生什么？我们现在已经多次提到这个技术债务，强调这一点并不为过。几乎可以肯定，我们生产的软件仍远远赶不上需求。这个技术债的规模有多大我们不知道，但不可能很小，所以后续可能会呈几何级数的增长。这意味着随着软件成本下降到接近为零的地步，可以预见，软件的创建会以之前几乎无法想象的方式爆炸。在这一点上大家总是会产生这样的疑问：”那会做出什么样的应用？“虽然这个疑问可以理解，但确实有点愚蠢而且现在提出这个绝对为时过早。当互联网传输成本为 500000 美元/Mbps 时，你会想到有Netflix吗？当屏幕、中央处理器、存储设备以及电池等的尺寸会导致设备跟一间房那么大时，你能想象苹果 iPhone 的出现吗？当然不能。关键是，我们唯一知道的是app和服务将会到来。这一点毫无疑问。你希望能够参与其中，刚有点风吹草动的时候就开始投资它们。简而言之，我们面前的这块绿地现在看起来就像是下一个伟大的技术周期，但有太多人根本看不到这个周期的出现（因为他们的关注点仍然放在投资应用于当前软件环境的LLM上）。企业家、发行人 Tim O'Reilly 有一个很好的表述，这个表述用在这里也很合适。他认为投资者和企业家”创造的价值应该高于攫取的价值“。刚开始的时候科技行业就是这样的，但近年来这个行业变得浮躁，往往想追求速赢，通常是按照金融服务业的剧本开局。我们认为，这是几十年来技术行业第一次可以回归本源，并通过释放一波软件生产的大爆发，真正实现创造的价值出高于攫取的价值。来源：金色财经

金色财经2023-04-04

埃隆马斯克对人工智能的看法是正确的

于在大量在线文本和图像上“训练”被称为大型语言模型的计算机程序。去年11月，OpenAI发布了ChatGPT程序，该程序可以对用户的提示做出诡异的类似人类的散文回应。但大型语言模型的效果只能与训练它们的经常出错的互联网内容一样好。它们可以“产生”完全虚假的“幻觉”，只要有足够的刺激，就会促使用户为了那个聊天机器人离开他的妻子。在承认这些弱点的同时，OpenAI本月继续推进，推出了GPT-4。该公司表示，基于更广泛的训练和“更高级的推理能力”，GPT-4可以生成更准确、更有创意的散文回应。　　OpenAI生成式人工智能所基于的数字架构并不是全新的。谷歌几年前发明的。但在微软的支持下，OpenAI已经超越了谷歌，目前可以说是硅谷最热门的公司。　　马斯克显然对事态的发展感到愤怒。去年12月，他切断了OpenAI从Twitter获取培训数据的渠道。Twitter是他去年收购的社交媒体公司，自那以来一直处于核心地位。今年2月，他在推特上写道:“OpenAI是作为一个开源（这就是我为什么把它命名为“开放”AI）的非盈利公司创建的，旨在与谷歌抗衡，但现在它已经成为一个由微软有效控制的闭源、最大利润公司。” 　　因此，马斯克呼吁OpenAI暂时停止培训活动，部分原因可能是出于个人的不满。但这并不意味着他和其他签署“让我们休息一下”信的人是错的。　　华盛顿大学语言学教授、著名人工智能批评人士艾米丽·本德（Emily Bender）认为，这封信“充斥着#AI炒作”，许多观察人士对此不屑一顾。这篇文章确实有一些夸张的修辞，问:“我们是否应该发展非人类的思维，让它们最终在数量上、智力上超过我们，被淘汰并取代我们？” 　　OpenAI的GPT产品的操作原理是，如果一个聪明的、懂互联网的、但容易出错的人在写句子，那么它能以不可思议的精度预测句子中下一个会出现的单词。GPT不会在数量、智能或取代我们——至少短期内不会。但这并不意味着GPT及其后代不会造成严重的问题。　　生成式人工智能可以让不良行为者更容易、更便宜地自动化制造令人信服的虚假信息，从而破坏人们对选举和公共卫生政策的信任。如果用于筛选工作、贷款或住房申请，它可能会加剧其他形式的人工智能所表现出的趋势，即放大人工智能系统支撑内容中固有的种族和性别偏见。欧洲执法机构欧洲刑警组织（Europol）警告称，生成式人工智能的才能之一是可以组装计算机代码，它可能成为制造用于各种网络犯罪的恶意软件的有力工具。　　公平地说，生成式人工智能可能还有助于抓捕网络罪犯，修复有缺陷的计算机代码，检测乳腺癌，推进科学研究，并提供更准确的语言翻译。它还可能使现有的在线搜索方法黯然失色——尽管该领域的霸主谷歌坚持不这么认为。　　换句话说，这是潜在的好与坏的混合。公开信并没有呼吁禁止gpt或任何其他类型的人工智能。它并没有呼吁停止人工智能研究。相反，它呼吁相对短暂地暂停一项活动——“训练比GPT-4更强大的人工智能系统”——以便行业和独立专家有机会“共同开发和实施一套先进人工智能设计和开发的共享安全协议”。　　这种情况有可能发生吗？可能不会。有太多的钱可以赚。微软估计，通过gpt -涡轮增压其疲软的必应搜索引擎，从谷歌那里每夺走一个百分点的市场份额，就能获得每年20亿美元的广告收入。　　但即使只是象征性的姿态，停下来思考如何设计和应用可生成人工智能，以最大限度地减少其对许多潜在危险的贡献，也将是当前军备竞赛升级的一个受欢迎的替代方案。它还可以让硅谷在另一个必要的讨论中获得信任，即政府在监管科技方面应该扮演什么角色，这些科技曾经看起来像科幻小说里的东西，但现在似乎更加真实。

金融界2023-04-04

东方财富股价大涨逾8%，成交额超过100亿元

0日，彭博社发布了专门为金融领域打造的大型语言模型（LLM）——BloombergGPT。BloombergGPT是专门为金融领域开发的一种语言模型，可以更好地处理金融领域的数据和任务。该模型基于彭博社的金融数据源，以开源的GPT-3框架为基础，构建了一个3630亿个标签的数据集，从而可以支持金融行业的各类任务。　　国金证券指出，认为“AI应用在金融场景的扩散”会持续演绎，且有基本面作为安全垫。　　国信证券认为，GPT大模型的开发已经成为业内的趋势，众多的厂商开始有计划的推出基于自身领域的垂直类大模型。未来，大模型的运用能力以及高质量细分领域数据将成为大模型是否能够有效落地应用的关键抓手，我们认为在AI领域高投入、拥有大模型调优能力，且具备细分场景高质量数据集的公司有望在应用端获得先发优势，建议重点关注细分领域龙头

金融界2023-04-03

金融圈重磅消息！彭博社最新推出BloombergGPT 在金融任务上的表现远超现有模型

消息，美国彭博社重磅发布为金融界构建的大型语言模型(LLM)——BloombergGPT。该模型依托彭博社的大量金融数据源，构建了一个3630亿个标签的数据集，支持金融行业内的各类任务。彭博社主要是一家金融数据公司，数据分析师在公司成立的40年的时间里收集了大量的金融文件，拥有广泛的金融数据档案，涵盖一系列的主题。根据彭博社最新发布的报告显示，其构建迄今为止最大的特定领域数据集，并训练了专门用于金融领域的LLM，开发了拥有500亿参数的语言模型——BloombergGPT。据悉，该模型在金融任务上的表现远超过现有模型，且在通用场景上的表现与现有模型也能一较高下。在BloombergGPT相关论文中显示，BloombergGPT 的优势包括特定领域模型仍有其不可替代性且彭博数据来源可靠，金融相关任务上的性能明显优于现有模型等。彭博报告指出，自然语言处理(NLP)在金融科技领域应用广泛且复杂，应用范围包括情感分析、命名实体识别和问答系统等。大型语言模型(LLM)已经被证明在许多任务中有效；然而，在文献中并没有报道专门为金融领域设计的 LLM。在这个研究中，我们介绍了BloombergGPT，一个拥有500亿参数的语言模型，它通过广泛的金融数据进行训练。报告显示：“我们基于彭博社的数据源构建了3630亿个标签的数据集，并将其从通用数据集中添加到其中，这可能是目前金融领域最大的数据集之一。我们使用标准 LLM 基准、开放金融基准和一组内部基准来验证BloombergGPT，这些方法最能准确地反映我们的意图使用。我们的混合数据集训练导致在金融任务中比现有模型表现优异，而无需牺牲通用 LLM 基准的性能。此外，我们解释了我们的建模选择、训练过程和评估方法。作为下一步，我们计划发布训练日志( Chronicles)，详细描述我们在训练BloombergGPT 时的经历。” (截图来源：Paper Reading) 报告指出，从测试结果来看，BloombergGPT在五项任务中的四项(ConvFinQA，FiQA SA，FPB和Headline)表现最佳，在NER(Named Entity Recognition)中排名第二。因此，BloombergGPT具有其优势性。 (截图来源：彭博社) 拥有近20万粉丝的推特账号“外汇交易员”在推特上写道，彭博发文介绍BloombergGPT，依托自身海量金融数据，构建了一个3630亿个标签的数据集，基于通用和金融业务的场景进行了混合模型训练。彭博称其在金融任务上超过了现有的模型（信息理解、情感分析、标注、实体命名等），而在通用场景上的表现则与之相当甚至优于现有模型。 (截图来源：推特) 就最新的BloombergGPT，ChatGPT如何看待自己的竞争对手？ ChatGPT认为，BloombergGPT是专门为金融领域开发的一种语言模型，可以更好地处理金融领域的数据和任务，并且在金融领域的基准测试中表现出色。这将有助于金融从业者更好地理解和应用自然语言处理技术，促进金融科技的发展。BloombergGPT还可以为其他领域的语言模型的发展提供参考和借鉴。总的来说，BloombergGPT是一个有益的技术创新。成立于1981年的美国彭博资讯公司，是全球最大的财经资讯公司，其前身是美国创新市场系统公司。彭博社是全球最大的金融信息服务供应商，其数据终端系统“彭博专业服务”可以帮助客户查阅和分析实时的金融市场数据，并进行交易。使用该数据终端的客户遍布全球，包括交易员、投行、美联储、美国其他官方机构以及全球各大央行等。

tqttier2023-03-31

24小时热点