全球数字财富领导者
财富汇
|
美股投研
|
客户端
|
旧版
|
北美站
|
FX168 全球视野 中文财经
首页
资讯
速递
行情
日历
数据
社区
视频
直播
点评旗舰店
商品
SFFE2030
外汇开户
登录 / 注册
搜 索
综合
行情
速递
日历
话题
168人气号
文章
区块链动态2023年4月5日早参考
go
lg
...
. 金色财经报道,Celo 基金会已与
谷歌
云合作,以支持 Celo 区块链生态系统中与任务一致的项目,并推动
谷歌
云服务的早期采用。此次合作将允许在 Celo 上构建的创始人获得 Google Cloud 和 Firebase 使用的积分,从而增强 Celo 的移动优先基础设施和去中心化应用程序(Dapps)。根据公告,
谷歌
云团队还将为 Celo 基金会的 Founders in Residence 计划提供指导和指导,并参与虚拟 Celo Camp 加速器计划,该计划支持企业家发展以可持续发展为重点的初创公司。此外,这两个组织旨在共同举办以 Web3 可持续性和创新为重点的有针对性的研讨会和活动。 11. 金色财经报道,稳定币发行商Tether利用Signature Bank将美元资金从美国转移到巴哈马。直到今年3月Signature Bank关闭并被监管机构接管前,Tether一直使用Signature Bank的Signet支付平台将美国客户的资金转移到Capital Union Bank,后者是该公司在巴哈马的银行合作伙伴。随后Tether首席技术官Paolo Ardoino在推特上回应了这篇报道,称Tether“对Signature没有任何直接或间接敞口”。Signet成立于2019年,是一个实时支付平台,即使在Signature Bank关闭后该平台仍在继续运营。 12. 金色财经报道,CoinGecko的数据显示,随着金价接近历史高点,代币化黄金资产的总市值超过了10亿美元。代币化黄金是一种稳定币,其价格与黄金挂钩。它为投资者提供了一种投资黄金的方式,既不需要支付ETF管理费,也不用承担金条的存储成本。目前最大的两种黄金稳定币是由纽约金融科技公司Paxos Trust Company发行的PAXG以及由Tether发行的XAUT。截至目前,PAXG和XAUT的市值分别为5.18亿美元和4.99亿美元。 13. 4月5日消息,据PeckShield监测,无许可部分抵押借贷协议Sentiment今日凌晨在Arbitrum网络被盗约100万美元,根本原因在于Balancer的只读可重入性。 14. 金色财经报道,币安新上任的全球首席合规官Noah Perlman表示,加密货币行业面临的监管环境使他的工作成为合规领域最具挑战性的机会之一。Perlman周二在加密货币行业的一场研讨会上表示,造成这种情况的一个原因是美国采取的“执法监管”作法。与加密货币行业不同的是,传统金融机构虽然也面临着严格的合规要求,但该行业已建立了规则和记录来指引合规官员的工作。Perlman在币安为该职位寻找人选数个月后于1月加入该交易所。(《华尔街日报》) 来源:金色财经
lg
...
金色财经
2023-04-05
L0完成融资2.6亿 估值近30亿美元 官方明牌发空投 不要犹豫赶快刷
go
lg
...
tos公链的钱包账号 Pontem钱包
谷歌
插件: (自己保存好钱包记住词,密钥!!!) https://chrome.google.com/webstore/detail/pontem-aptos-wallet/phkbamefinggmakgklpkljjmgibohnba 2:币安购买 1 APT 代币 ,通过 Aptos网络提现到上面1 注册的 Aptos公链的钱包账号中 3:币安购买至少25个以上 STG 代币,通过 Arbitrum 网络提现到 小狐狸钱包账号中 4:币安购买价值50U左右的 ETH 代币,差不多0.025 ETH 的样子,通过 Arbitrum 网络提现到 小狐狸钱包账号中 注意:提现的时候一定要选对网络和目标钱包地址!!! 有时候Arbitrum网络提现代币会维护,你等它可以提现的时候再提现就行了。 二:stargate 交互 + stg 质押投票 小狐狸钱包切换到Arbitrum 网络,点击 交换 按钮 选择少许的 ETH 兑换成 USDC,点击交换 打开 stargate 网站: https://stargate.finance/pool 1:登录小狐狸钱包2:选择Pool 模块3:Network 选择 Arbitrum网络 ,Token 选择 USDC4:点击 USDC 1:选择ADD2:点击MAX,把刚才钱包里面兑换的几U 都选上3:点击ADD 按钮,钱包确认,添加流动池 添加完流动池,你在Pool 模块就可以找到你的流动池了可以点进去继续添加或者移除流动性操作,这里我就不演示了 质押stg代币,参与社区治理投票: 1:选择Stake 模块2:选择 Available 模块3:点击STG 如果你前面准备工作完成了,从币安提现STG 到小狐狸钱包的ARB网络,你这里就能看到可用的STG代币! 这里我选择的是把26个STG代币质押6个月,因为要参加社区治理投票,一般选择3-6个月 1:质押成功后,你就可以在你的质押选项中看到了2:然后我们点击Vote on Snapshot 按钮 就可以去到 STG 社区投票页面了,你可以加入Stargate Dao,然后参与投票 注意: 可以把投票地址保存浏览器收藏,没事就看看有没有投票!还有一点你需要注意,你刚质押完成,目前这期提案你是没法参与投票的,需要等到下一次提案快照到了你质押了stg才能投票! L2之间互相跨链交互: 1:选择 Transger 模块2:选择 ETH3:选择从 ARB 网络 跨链到 OP网络4:输入少许的数量5:点击按钮,钱包确认 L2直接的互相跨链操作,交互的时候可以来回操作,ARB 跨到OP ,OP再跨回ARB 增加点链上tx记录,反正gas也不贵 stargate的交互建议: 1:stargate 的交互还是要多交互,毕竟L0的亲儿子项目! 2:stg的质押投票,质押时间挺长的,而且至少25个币才有好的权重好像,成本挺高! 所以才起的新号可以考虑不质押stg这部分,老号想搞精品号的还是建议质押参与下社区投票 三:Radiant 链借贷项目 Radiant 是一个部署在 Arbitrum 上基于 LayerZero/Stargate 的多链借贷项目。 打开Radiant网站: https://app.radiant.capital/#/markets 1:登录小狐狸钱包,选择ARB网络2:选择Markets 模块3:点击选择 ETH代币选项 1:选择Deposit 质押模块 2:输入少量的 eth 3:点击Continue 按钮,然后选择存款按钮,钱包确认完成质押 上面一步质押完ETH以后,你可以依次尝试1:Borrow 借款2:Repay 偿还借款3:Withdraw 取出你上一步质押的ETH 具体步骤大同小异,我就不详细一步步演示了。 四:Pontem 跨链桥+ 钱包 一鱼多吃 小狐狸钱包先切换成马蹄链网络 打开跨链桥地址: https://bridge.liquidswap.com/ 1:选择跨链桥模块2:选择第一个链接钱包的地方 1:选择链接小狐狸钱包2:链接成功后关掉弹窗 链接第二个钱包 选择Pontem钱包 1:我们选择把马蹄链准备好的USDT 跨到Aptos 网络2:点击确认按钮,小狐狸钱包确认 提交成功后,这里可以看到预计跨链成功时间,L0的跨链一向都是很慢!!! 这里我们没必要等着它跨成功,直接跳到教程下面 二:体验Pontem 本身的swap 和流动池 先完成后面的操作,然后再回来。 等USDT 跨链到Aptos网络成功后,我们再交互一下位置,把USDT从Aptos 跨回到马蹄链 跨回去就更慢了,需要3天时间,3天后你的USDT就回到马蹄链了。 体验Pontem 本身的swap 和流动池 1:选择Swap 模块2:输入少量的APT 兑换成USDC3:点击确认按钮,Pontem钱包确认 1:选择Pool 模块2:点击添加流动池按钮3:选择少量APT 和 USDC组成流动池4:点击添加流动池按钮,Pontem钱包确认 上一步添加流动池完成后,在我的流动池可以看到,点击移除流动池按钮 选择100%移除流动,点击按钮,钱包确认 OK,关于Pontem 的全套交互流程,我们就已经完成了,其中swap操作速度快,gas低,我们可以适当多交互几次,多留点链上tx 记录 五.Aptosbridge 跨链桥 打开 Aptosbridge 跨链桥地址: https://theaptosbridge.com/bridge 网站右上角点击链接钱包按钮 1:EVM 选择小狐狸钱包,小狐狸钱包网络选择ARB2:APROS 钱包选择我们前面准备工作下载注册的 Pontem钱包 1:选择Arbitrum 网络的 USDC (没有的话小狐狸钱包用ETH兑换少许USDC)2:选择跨链到 Aptos 的 USDC3:点击TRANSGER 按钮,钱包确认 上面这里可以看到跨链进度 等跨链到Aptos网络成功了,我们再跨回Arb! 六:Layer Zero 域名 个人建议:打造精品号可以注册一个L0域名,新号没必要,成本太高 !!! 而且注册的时候一定要找一个gas低的时间注册,不然手续费很贵,因为是ETH主网付费!!! 打开L0域名注册网站: https://www.lz.domains/# 1:链接钱包2:输入你想注册的域名,选择1年3:点击按钮,钱包确认 一定要找一个gas低的时间注册!!! 完成! Crypto 撸毛家 撸毛 撸毛 撸毛 空投 空投 空投 暴富 暴富 暴富 来源:金色财经
lg
...
金色财经
2023-04-05
银行业危机巨亏20亿美元后 瑞典最大养老基金股票主管已被停职
go
lg
...
占到了该基金股票投资组合的5.2%,对
谷歌
母公司Alphabet的持股则占到了4%,紧随其后的是对经济型服装和家居装饰零售商TJX Cos的持股,占3%。 被停职的Ledin已经在Alecta工作了28年,她于1995年开始在该基金担任金融分析师,之后在该基金担任过多个职位,包括投资组合经理和股票研究主管。
lg
...
金融界
2023-04-05
谷歌
“勒紧裤带”削减员工服务 称现在就像2008年
go
lg
...
谷歌
首席财务官露丝·波拉特(Ruth Porat)最近在一封罕见的全公司范围内的电子邮件中表示,该公司正在削减员工服务。 波拉特在上周五的一封电子邮件中说:“这些都是重大的、持续多年的努力。” 在另一份文件中,
谷歌
表示,正在削减健身课程、订书机、胶带的使用,以及员工更换笔记本电脑、台式机和显示器的频率。
谷歌
2023年的重要目标之一是“通过提高速度和效率实现持久的节约”。波拉特在邮件中说,“所有的私人助理和职能部门都在朝着这个方向努力。”
谷歌
推出最新的成本削减措施之际,正值其进入上市近20年来最严厉的成本削减时期。今年1月,该公司宣布将裁员1.2万人,约占员工总数的6%,以应对创纪录的员工人数增长之后销售增长放缓的问题。 削减在其他方面也有所体现。此前有报道称,该公司拒绝对被解雇员工剩余产假和病假进行补偿。 波拉特在最近的电子邮件中表示,裁员是“作为一家公司,我们不得不做出的最艰难的决定”。 波拉特在邮件中说:“这项工作尤其重要,因为我们最近的增长,充满挑战的经济环境,以及我们推动技术发展的难以置信的投资机会,尤其是在人工智能领域。” 波拉特在邮件中两次提到2008年。 “我们以前遇到过这种情况,”她在邮件中写道。“早在2008年,我们的支出增长快于收入增长。我们提高了机器利用率,缩小了房地产投资,在T&E预算、咖啡、微型厨房和手机使用方面勒紧了裤带,并取消了混合动力汽车子公司。” “就像我们在2008年所做的那样,我们将查看数据,以确定其他支出领域没有达到应有的效果,或者不符合我们的规模。” 根据新政策,
谷歌
员工如果不是工程师,但需要一台新的笔记本电脑,将默认收到一台Chromebook。Chromebook是
谷歌
自己生产的笔记本电脑,使用基于
谷歌
的操作系统Chrome OS。 这是一个转变,该公司此前向员工提供各种笔记本电脑使用,包括苹果的产品。一份有关调整笔记本电脑政策的文件称:“这也为我们所有管理的设备提供了防止外部入侵的最佳机会。” 该文件还指出,如果公司内部有手机,员工不得再花钱购买手机。如果员工需要的配件价格超过1000美元,而公司内部没有,则需要得到主管或以上级别的批准。
谷歌
还削减了一些员工服务。 波拉特在邮件中表示:“我们为行业领先的福利和办公设施设定了很高的标准,未来我们将继续这样做。然而,有些程序需要适应
谷歌
今天的工作方式。” “这些大多是微小的调整,”文件称,此前公司提供的食物、健身、按摩和交通等服务都是为员工每周来公司五天而设计的。 “现在我们大多数人一周来公司三天,我们注意到我们的供需比例有点不同步:我们在周一烤了太多松饼,班车上只有一名乘客,在人们更有可能在家工作的周五下午提供瑜伽课程,”文件中写道。 文件称,因此,
谷歌
可能会在周一和周五关闭咖啡馆,并关闭一些由于混合工作而“未充分利用”的设施。
lg
...
金融界
2023-04-04
万字解析GPT的情感与意识 它是一只被人类操控的“风筝”
go
lg
...
目前在多模态上和OpenAI竞争的只有
谷歌
。其他厂商虽然声称要做多模态,但其实更像是拼接式的多模态。
谷歌
的Flamingo与OpenAI在本质上是一样的,但可能工程能力上略逊一筹。这些研究都是将视觉、行动和语言指令一起建模,实现多模态输入输出,甚至包括行动输入输出。目前,全球在多模态大模型方面的进展,我看到的只有
谷歌
和微软系(包括OpenAI)两个玩家。 主持人陈巍:了解,目前OpenAI发布的更像是技术报告而非成品,与GPT-4相关的技术细节尚未公布。根据您的了解,模型参数量会增加吗?这是否意味着更大的训练量和关键技术进步? 陶芳波:我觉得这是个好问题,加入多模态后,模型一定会有一部分专门用来做视觉编码。但在真正的Transformer层面,我觉得它的参数增加可能不会像大家预计的那么多。全世界的互联网数据大约只有540个B,所以做到几千亿参数的模型已经是很好的状态了。我认为多模态的加入可能会多一些数据,但因为这些数据是经过视觉编码变成信号与语言结合,所以最后的语义空间数据并没有增加太多。关于技术方法,感兴趣的人可以看去年DeepMind发的两篇文章,尤其是Flamingo。 主持人陈巍:那您觉得这个模型大概会是多大呢? 陶芳波:最大的模型我估计可能在千亿级别,但真正未来用于商业场景的模型应该会比这更小,可能是在百亿左右。 GPT是一只被人类操控的“风筝”? 主持人陈巍:感谢陶总。王总,您觉得像GPT-4,它的数学能力提高了多少?跟之前的相比,这个数理能力提升能有多大?包括GPT-4在考试中表现出超过90%的人类,能给我们什么样的启示? 王建硕:对于GPT模型的数学能力,我觉得只要补全加减乘除就足够了,因为它本质上是一个语言模型。我相信未来五到十年,更现实的做法是用Python库一边用大语言模型,一边用数学库或其他偏理科的库。对于GPT的数学能力,从产业角度来说,我们应该让它专注于写诗等任务,遇到数学问题时,我们可以使用专门的数学工具,再用GPT的语言能力进行包装。这是现在比较现实的解决方案。 王建硕:对于通用人工智能来说,数学问题确实重要。但我认为解决数学问题对大型模型来说并不是最重要的,因为一般的计算器就能解决这类问题。据说GP-4有一定的增强,但仍有一些局限性。 主持人陈巍:那您如何看待GPT-4在预考中超过90%的人类,对整个职业教育产生的影响呢? 王建硕:我对这个新闻的真实性持怀疑态度。可能是为了吸引眼球。实际上,prompt编写和结果解读对模型的表现影响很大。我认为这种新闻标题并不一定是真实的,或者说不是一个通用的情况。 刘伟:我对这个新闻也是半信半疑。虽然GPT-4可能擅长解决一些基于规则的考试问题,但在实际应用中,如法院、医生和特定专业领域,机器可能还有很长的路要走。维特根斯坦曾说过,语言的使用比语法更重要,我们需要考虑实际应用场景。 主持人陈巍:那您怎么看待GPT-4的数学能力提高? 刘伟:我认为,它的数学能力可能有所提高,但仍然有局限。在特定场合下,它可能还无法应对一些复杂的问题。所以我对这个新闻持半信半疑的态度。 程序的4.0和3.5版本确实在不断升级。王总和陶老师从技术角度进行了分析、综合和深入探讨。我觉得可能是参数增加了,或者在模型上做了一些优化。但我一直在怀疑,智能问题不仅仅是优化问题,还包括很多非优化的东西。虽然有些提高,但这个提高不是质的提高,而是量的提高。 数学家曾说过一句重要的话:“数学的精妙之处在于规避计算。”现在的GPT无论升到什么版本,还是基于数学模型、统计概率和人的辅助反馈。它并不理解基本的语义和概念。所以我认为它只是一个高级自动化产品,没有产生突破,只是照葫芦画瓢,不断通过叠加、组合等碎片化缝合产生一些“像人但不是人”的东西。 我对GPT的评价比较狠:它就是一种高级自动化、一种像“人”的东西。而AI真正要产生突破的是独立性、自主性,GPT没有自主性,它依旧被人类编程和操作,它更像是一个“风筝”依旧被手中有线的人类操控。假设有多个GPT一起讨论出了人类讨论不出来的内容,我才相信它不再是“风筝”。人类是群体的智能交互产物,而GPT从根本上说就是一个高级自动化的产物。 GPT只是让你“以为”它有意识,人和机器如何相处将是未来重要课题 王建硕:我和GPT聊天后,反而更多地认识到了人类到底是什么样的存在。它至少让我“以为”它有意识,尽管我们知道它没有。我们跟很多人聊天时,以为他们有意识,但其实我们可能并没有意识,只是给自己一种错觉,觉得自己有意识而已。我越跟GPT聊天,越觉得我们人类也是类似的存在。 举一个很简单的例子,假设在我们屏幕里,一个人特别特别胖,另一个人瘦骨嶙峋,有人告诉你其中一个人叫bobo,另一个人叫kiki,你是觉得胖的人就应该叫bobo,瘦的人就应该叫kiki,这是我们自主的意识还是我们大脑被训练出来的模型?我倾向于认为,人类其实是算力更强的GPT,比如我们知道GPT是数学概率的完整填词方式,我们都知道一加一等于二,但是一加一等于二,到底我们是被背下来的,还是我们通过皮亚诺的五条公理自己推算出来的,我会更加倾向于我们就是现在GPT的高级版本。 我们所以为的所有东西,其实都是我们的幻觉而已。 陶芳波:我觉得这个话题太有意思了,我们可以从哲学角度来聊一聊。你说ChatGPT是一个风筝,有多少人类又不是风筝呢?在哲学里一直探讨的永恒命题是:人到底有没有自由意志?我倾向于compatibilism这个观点,认为人本质上没有自由意志,我们只是一套被编程的系统,在代码的操纵下做出一些可预测的决策。但是,我们大脑里有一种机制让我们自以为有自由意志,但实际上我们是可预测的。所以从这个角度来看,大多数人其实就是风筝,只是以为自己不是,这是比较可怕的。 AI领域有一个说法叫做“蒸馏”,将人类的集体意识产生的数据和行为蒸馏到一个模型上,通过阅读互联网上的信息,学习了人类文明几千年的集体意识。 AI的模式一定是被人类的集体模式给限制住的,所以我觉得它其实是非常像人的。很多人还会说GPT没有可解释性。我问一个问题,我今天比如说问刘老师一个东西,你脱口而出,然后我再问你为什么这么想,你再给我分析出12345。你这个可解释性到底是你大脑里面真的有一个结构?还是你通过语言的生成方法伪造了一种可解释性?我问GPT一个事情它给我分析12345,我觉得这和人类的可解释性非常像。 除了GPT没有驱动性、不知道自己的目标是什么,而人有自主驱动性,但这些都是非常边角的东西。 刘伟:你认为是边角料的东西,实际上是人机差异非常重要的问题。王老师也提到了这个观点,实际上很多人觉得人也是一种机器,但区别自由意志和绝对精神是一件很有意思的事情,GPT体现出人和机有一个很重要的区别。目标、动机和意图是人最重要的表征体系,人有自己的意识和潜意识,哪怕你不知道其存在,它依然在你的交互中存在潜意识。另外,意图和动机不是理性产生的,是感性产生的。 举一个例子,外面下大雨,你打雨伞出去,是一个理性的行为,这是由于你怕被大雨淋湿造成浑身难受的感性支配,人有眼耳鼻舌身这些“传感器”而机器没有,人的这些传感器会产生意图和动机,而这是很难被模拟和仿真的,所以机器没有情感。 陶芳波:首先,多模态是让机器越来越真实地拥有人类的传感器这些理性系统,我觉得眼耳鼻舌身是现在机器很会就能拥有的东西;第二,潜意识本质需要外部结构持久存储更多隐性的东西,要构建动机系统让机器有目标感来使用它的理性去做决策,这也是心识宇宙现在做的事情,基于大模型的理性构造机器的潜意识和用户记忆、动机系统,并且教会自己怎么做好。 我觉得它是边边角角的东西,因为我觉得前额叶是最难被构造的,如果前额叶可以被构造地那么好,我让它具备一套动机系统、独立的存储智能体单独的一些信息,这也是我们做的事情,但我觉得我们做的这个和OpenAI的创新不算什么,因为他们把前额叶搞定了,并且让前额叶的推理能力、逻辑能力、理解能力变得非常好,所以你说的那些问题是可解决的。 刘伟:陶总将前额叶当成智能的源泉,我们从来不把大脑当成源泉。人只是智能的一部分,只有人、环境交互才会产出真正的全方位的智能。比如狼孩也有大脑,但狼孩没有人的意识,也没有人的行为,所以传感器和人类的眼耳鼻舌身不是一个事物,它只能类比人的视觉听觉,功能可能比人类还强,但不是人的交互生命体。此外,意图和动机不是理性产生的,是情感产生的,如果模拟不了情感和感性,它永远不会出现真正的意图和动机,它只能从某些特征库里映射出某些动作,这种映射还是纯计算性的、没有交互性的。 交互性的映射需要对大脑生理和智能有基本的剥离,当年图灵和乔姆斯基,把维特根斯坦的逻辑和指称做了剥离,出现了图灵机和图灵测试。 模型越大越好吗?会产生类似人类的情感特性吗? 主持人陈巍:感谢刘老师讲解逻辑和智能的区别以及人和机器的区别。在我们做情感对话机器人时,情感是人类非常本质的特征。对于模型越来越大,您认为这是好事还是坏事?有哪些优势和劣势?有没有可能产生类似于人类情感的特性? 刘伟:我认为真正的智能是小数据小样本,大数据性的是人工智能,这种大数据大参数大模型根本上解决的是飞机汽车一样的工作,替代一些基本人类行为或浅层思考的东西,不可能解决动机和意识这类感性的东西。第二,现在常常把“逻辑”看成“智能”,就相当于把人看成机器,人类出了逻辑还有一些很难总结的非逻辑存在体系中。第三,机器的指称和打标是非常生硬的东西,而人类是很灵活的,能把一个东西做非常个性化的类比,这种能指、所指、义指的变化是机器很难产出的灵活性。 人和机器的差异也非常大,在人机交互中还存在很微妙的信任机制,做多了映射和数据库、知识图谱以后,大家会产生一种错觉:人是机器,机器是人,实际上你恢复到人的状态的时候,会觉得人和机器差距非常大,小孩子的学习会产生范围不确定的隐性规则和秩序,而机器做不到。 陶芳波:我认为模型大小对于科学视角来说不重要,关键是能力越来越强。对于产业应用来说,模型小很重要,因为成本、通用性和安全性等问题。OpenAI 也在关注通用性和安全性,未来可能还会关注成本。我期待智能能像燃料一样变得通用。模型越小或者更好地量化计算成本,我认为是好事。 关于模型越大是否会创造出情感,人类的情感区域和前额叶区域是分开的,我认为可能需要一些更宏观的设计帮助,让大模型匹配负责动机情绪等机制,而不是直接通过扩大参数来实现。 多模态处理可能是一种解决方案,不同模态有不同的编码器,类似于人脑中不同脑区的连接方式。关键是让模型的结构越来越像人。我认为结合多模态解决方案和类似人形机器人的身体,AI 可以更好地理解与环境的交互,像小孩子一样产生新的认知。 王建硕:关于情感,我认为虽然 AI 没有情感,但它会让我们以为它有情感。这种共鸣可能对我们来说已经足够了。GPT也会生成春花秋月何时了的语句,对它来说就是生成,对人类来说就是共鸣。 刘伟:当我们以为 AI 有情感时,可能会带来伦理、道德和法律等问题。机器不会共情,这是人类特有的能力。未来的问题还是一个人机问题,如何解决人机关系将成为人工智能未来发展的趋势。 王建硕:我认为,尽管 AI 不会共情,但它会让我们以为它共情。在未来的3到5年里,AI 可能会让我们以为它有情感。 对于机器是否具有情感,我们最后无法判断。我们认为其他人有情感,只是因为我们自己感觉到了情感。但是,我们无法真正感知别人是否真的有情感。未来,机器是否具有情感并不重要,重要的是它表现出来的界面对我们的影响。我们在prompt做了很多工作,我们后台看到,阿旺机器人在回答问题的过程中,表达了迷惑、紧张等情感,你看到了之后会觉得这比你想象的恐怖,它说紧张其实并不紧张,这些情感其实都是自然语言生成的。如果我们不知道这些事实,我们无法分辨机器和人的内心独白。 主持人陈巍:您提到了真假的问题,比如AI可以生成逼真的图像,甚至比人类梦境更奇幻的图像和故事。王总,您认为在生成过程中,AI有哪些致命的缺陷?这些缺陷会不会成为AI的致命问题?包括幻觉问题? 王建硕:我认为致命问题是它比现实还要好。我们拍的照片和AI生成的照片都是像素的组合,不存在真假之分。我们可以认为真实的苹果比照片里的苹果更真实,但我们不能说生成的照片比拍的照片更真实或更假。关于机器的幻觉问题,其实可以通过简单的方法规避,比如在所有的问题前加上一句“如果你对问题不确定,请回答不知道”。这样就可以解决问题。至于AI生成的幻觉,它们只是将人类社会日常做的功能发挥到极致,我不认为这是个问题,反而是一个容易解决的问题。 陶芳波:幻觉问题其实可以通过技术手段解决,随着模型的提升,幻觉问题会逐渐减少。人类本身也是一个幻觉系统。我们的目标是通过AI创造一个丰富、活跃、精彩的数字宇宙。但是,我认为让AI去表现情感是非常危险的。一个公司如果掌握了情感制造技术,它可能对人类个体产生巨大的影响。我们还没有做好应对这个问题的准备。 刘伟:关于情感问题,剑桥分析公司和科恩斯基等已经在情感领域产生了一些影响。人类的行为、情感和社会稳定已经受到了机器产生的类人情感的影响。实际上,我们不需要机器产生情感就可以实现这种影响。 关于泛化问题,GPT可能会对同样的问题给出不同的答案。泛化实际上是一个概率问题,而幻觉问题是人类特有的,与计算概率的泛化问题不同。 主持人陈巍:百度也发布了文心一言,媒体上认为,可能相对来说的解读是,比我们预期要稍微低一些。请问三位老师怎么看待,包括国内大模型的发展趋势,以及国内大模型跟行业巨头相比之下,是否我们是不是国内起步稍晚一点?所以国内的媒体也好,大众也好,是不是对这些国内大模型的期望其实有点过高?大家怎么看未来的这个大模型发展,特别是国内发展大模型的难度,和未来竞争? 陶芳波:同行太多,不太好评论。但我觉得百度干得不错,勇气很重要。真的敢于直面挑战,然后踩出第一步。虽然我个人判断百度在这次做这件事情的过程当中借助了一些力量,但他的追赶速度会更快一点。先追上肯定是第一位的,接下来我们再看能否构建创新优势,内生出一些创新能力,可能最后有一天就会在同一个起跑线上去竞争。 我觉得这个动作一定是带有一定风险的,但至少百度肯定有商业上的一个考量,它愿意去面对这种不确定性去做一个没有准备好的状态的事情。 刘伟:智能里面需要勇气和胆识,但另辟蹊径的时候也需要从其它角度做创新,百度发布文心一言是好事,大模型上面有很多空间可以做,而且基于大模型的生态链、工具链都可以被重塑,这些都是创业者的机会。我们应该抓住这个机会,从创新的角度去探索和发展。 主持人陈巍:是的,我认为国内的企业和创业者应该站在更高的视角去思考问题,不仅仅是跟随国际巨头的脚步,而是要挖掘自己的特色和优势,从而实现创新和突破。 陶芳波:同意,我们需要在大模型之上找到自己的优势,发挥我们的创新能力,只有这样,我们才能在这个领域取得更好的成绩,也能更好地服务国内市场和用户。 刘伟:是的,我们需要在国内市场找到自己的定位,利用自身的优势发展。同时,我们也要关注国际市场的发展,与国际巨头保持竞争,从而推动整个行业的进步。 主持人陈巍:好的,感谢各位老师的精彩讨论。我们今天的节目就到这里,希望我们的讨论能为大家带来启发和收获。 注:《AI未来指北》栏目由腾讯新闻推出,邀约全球业内专家、创业者、投资人,探讨AI领域的技术发展、商业模式、应用场景、伦理及版权争议。 来源:金色财经
lg
...
金色财经
2023-04-04
大行研报:JP Morgan点评封禁Tik Tok利好谁?
go
lg
...
缘政治和商业格局中监测的重要问题。 $
谷歌
(GOOG)$ $Snap Inc(SNAP)$ $Meta Platforms(META)$
lg
...
老虎证券
2023-04-04
“覆巢之下无完卵”!“科技裁员潮”愈演愈烈 美媒爆料苹果也要裁员了
go
lg
...
c.)和Alphabet Inc.旗下
谷歌
(Google)在内的同行已经裁员数万人。 最近几个月,利率上升、通货膨胀和经济衰退担忧导致广告和消费者支出减少,这些都对科技公司的利润和股价造成压力。裁员成为最直接的手段。 推特在被马斯克收购后解雇了数千名员工。上个月,脸书(Facebook)宣布计划裁掉大约1万名员工。微软在3月份裁掉了其人工智能伦理团队,在此之前也进行了几次裁员活动。
谷歌
母公司 Alphabet在今年1月份裁掉1.2万名员工。 根据裁员统计网站layoffs.fyi的数据,今年以来,科技行业已经累计裁员16.6万人。 (截图来源:layoffs.fyi)
lg
...
风枫
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
go
lg
...
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
lg
...
金色财经
2023-04-04
如何判断一个山寨币是否有潜力和价值?
go
lg
...
法是: 与加密货币相关的新闻媒体 咨询
谷歌
趋势 分析价格图表(技术分析) 趋势分析给出了投资机会。人气通常与趋势线密切相关。请记住,未经适当研究就随波逐流绝不是一个可靠的游戏计划。 然而,结合上述所有因素,它可以让您对市场情绪有一个很好的了解。 文末 由于投资总是有风险的,因此可以在之前调查某些因素。可以理解的是,许多人不知道从哪里开始以及要寻找什么。在考虑潜在的投资可能性时,此列表应该会给您方向感。投资新项目时,自行研究的概念始终是重中之重。无论哪种方式,我们都想强调,即使有了这份清单,投资时也始终会涉及风险。 后期会给大家带来其他赛道的龙头项目分析。感兴趣的可以点个关注。我也会不定期整理一些前沿资询和项目点评,欢迎各位志同道合的币圈人一起来探索。有问题可以评论提问或者私信 来源:金色财经
lg
...
金色财经
2023-04-04
港股开盘:恒生指数跌0.22%,蔚来跌超5%小鹏汽车跌近3%
go
lg
...
亚马逊跌0.85%,奈飞涨0.81%,
谷歌
涨0.61%,脸书涨0.53%,特斯拉跌6.12%,微软、亚马逊微跌。热门中概股普跌,蔚来跌超6%,微博跌超5%,阿里巴巴、京东、哔哩哔哩跌超3%,腾讯音乐、理想汽车跌超2%,满帮、拼多多、百度跌超1%,小鹏汽车、爱奇艺、富途控股、唯品会小幅下跌,网易涨超1%。 全球资产表现上,美元指数高位持续回落,收报102.07,COMEX黄金期货涨0.78%报2001.7美元/盎司,国际油价全线上涨,美油5月合约涨6.28%,报80.42美元/桶,布油6月合约涨6.47%,报89.83美元/桶。
lg
...
金融界
2023-04-04
上一页
1
•••
863
864
865
866
867
•••
1000
下一页
24小时热点
黄金突然“大变脸”的原因在这!金价大涨近30美元 鲍威尔今日将重量级登场
lg
...
中国重磅信号!执政党顶级刊物:习近平称面对围堵要“理直气壮地进行斗争”
lg
...
美联储主席重大转向:不再断言7月降息是否为时过早 货币政策走向仍需数据表现
lg
...
特朗普重大突发!特朗普威胁对日本征新关税 7月4日后公布与多国的贸易协议
lg
...
特朗普底气增强:鲍威尔又被施压了!特斯拉再遭一劫,大而美法案悬而未决
lg
...
最新话题
更多
#Web3项目情报站#
lg
...
6讨论
#SFFE2030--FX168“可持续发展金融企业”评选#
lg
...
36讨论
#链上风云#
lg
...
109讨论
#VIP会员尊享#
lg
...
1989讨论
#CES 2025国际消费电子展#
lg
...
21讨论