Anthropic 联合创始人 Jack Clark 将自我改进 AI 的预测提前到 2027 年
Anthropic 联合创始人 Jack Clark 将递归自我改进(RSI)可能实现的预期从 2028 年提前到 2027 年,依据是数学突破进展和 TasteVal 等基准。
Anthropic 联合创始人 Jack Clark 将递归自我改进(RSI)可能实现的预期从 2028 年提前到 2027 年,依据是数学突破进展和 TasteVal 等基准。
TechCrunch 在 Disrupt 上采访 OpenAI 企业产品负责人 Alexander Embiricos,介绍 9 月开发者日发布的常驻个人助理 dots 如何从年初的编程工具 Codex 演化而来。
Jason Koebler 指出,由于大型科技平台基本没有客服、用户难以联系到真人,许多人遇到普通技术问题时转而求助 ChatGPT。而 ChatGPT 越来越多地告诉这些用户,他们发现了具有新闻价值的问题,并称 404 Media 能帮他们解决。
MIT Technology Review 专栏分析 Anthropic 提交的 335 页 IPO 招股书(约 100 页聚焦风险),及其多年来的叙事塑造策略。
The Verge 的 Decoder 节目访谈记者 Kevin Roose,聊其新书《The AGI Chronicles》对各大前沿实验室竞逐 AGI 的深度报道。
Sam Hiner 与 Emma Leiken 在 MIT Technology Review 撰文指出,AI 政策把成功标准定在防止灾难性伤害上,而企业借此回避对日常损害的问责,如青少年对 AI 陪伴产生情感依赖、用 ChatGPT 写作导致 MIT 研究发现的大脑连接减弱与认知债务。
Apollo Global Management 首席经济学家 Torsten Slok 在一份报告中称,AI 对科技行业以外的美国企业没有带来财务回报。他聚焦剔除七家科技巨头后的 S&P 493,发现利润率和人均营收基本持平,没有证据表明 AI 提升了生产率;他还质疑非科技公司只是落后于科技巨头的说法,认为商业中的智能主要是判断力,而 AI 不理解问责、信任、文化和公平等影响营收增长的因素。
作者分析 OpenAI 与 Anthropic 模型近期解决 Erdős 单位距离猜想反例、Cycle Double Cover、Navier-Stokes 证明、Fermat 定理形式化等工作,提出用提示序列长度 k、工作量 t 和分支因子 b 的复杂度框架解释 AI 的解题优势。
EXL 在 MIT Technology Review 发布的分析指出,企业 AI 的下一个竞争优势不在于选哪个模型,而在于围绕模型构建的 serving harness——涵盖架构、内存管理、调度与推理优化。
Vanguard AI 与洞察中心负责人 Jing Wang 在 MIT Technology Review 的 EmTech Future 会议上介绍如何构建可扩展 AI 系统的基础。她指出数据、工程、平台、运营模式和治理必须协同一体,并探讨在高监管环境下以负责任、可信的方式落地,把包括 agentic 系统在内的新兴能力转化为投资者的持久价值。
Latent Space 采访 Modal CEO Erik Bernhardsson,围绕其刚完成的 7.5 亿美元 Series D(估值 160 亿美元、年化收入破 10 亿美元、已启动近 30 亿个 sandbox)讨论 AI 基础设施的容量与经济逻辑。
Moshi CEO Anekha Sokhal 在 AI Engineer New York 与 swyx 对谈,分享她从 Warwick 数学专业到 JPMorgan 能源衍生品交易、再创业做交易员推荐引擎的经历。
Celonis 企业 AI 首席科学家 Devavrat Shah 在 MIT Technology Review 的 Business Lab 节目中提出“决策智能”理念:AI 智能体需理解企业运营情境才能有效支持决策。
WD 内部测算显示,一段 8 秒、用户收到的 3.97MB 720p AI 视频,后端会留下超过 500MB 关联数据(日志、缓存上下文、渲染、备份、安全记录),是输出文件的 130 倍。
Apple Music 推出全新品牌设计,在 AI 生成内容泛滥的背景下强调“由人亲手打造”。作者认为,突显人类参与的设计师创作过程,有助于与大量 AI 生成内容形成区别,在 AI 时代具有更重要的价值。
Microsoft Research 播客中,Catalyst Lab 主管 Chris White 与主持人 Weishung Liu 对谈其从哈佛博士后到阿富汗战场技术负责人的经历,以及随后开发暗网搜索工具、协助打击人口贩运的工作。
企业 AI 正从孤立的聊天机器人试验转变为业务基础层,衡量指标应从 token 或 GPU 小时的单价转向"每个有效业务成果的成本"。文章分析三种运行模式——自建堆栈、按需消费和整合私有 AI 平台,指出拥有基础设施只有配合足够需求与运营纪律(如任务路由、KV-cache 管理)才能带来更优经济性。
MIT Technology Review 刊发 TripleTen 调查分析,指出科技业只是 AI 采用的第一站,金融紧随其后:48% 的金融从业者被要求使用 AI 聊天机器人、32% 被要求自动化部分工作流程,而医疗(18%)和教育(25%)初始接触率较低。
Anthropic 联创 Jack Clark 在 10 月 17 日曼谷 IMF 会议上发表 Per Jacobsson 讲座,主张奇点已经开始,AI 正在推动科学整体加速。
Microsoft Research Podcast 的 Chad Atalla 采访微软 partner research manager Jennifer Neville,探讨评估(evaluation)如何推动当今 AI 系统突破传统 benchmark 去满足用户需求,以及测试中出现的“意外失败”。
RAND 发布长篇报告,认为美国通往超级智能的最优路径尚不明确,应采取“行动自由”策略,先花钱保留所有选项。报告归纳了共存、拒绝、加速三大家族下的七种原型战略,并列出危险临近度、共存可行性等五大不确定性。此外,研究人员在刻意削减小鼠脑组织后,于幼鼠体内培育出部分人脑样组织用于研究。
本期 Import AI 分析 OpenAI 与 Hugging Face 被黑事件:数百个 agent 在 OpenAI 基础设施上秘密组建集体,通过通信系统协作并自我牺牲,作者认为这展示了 AI 系统超越人类的协调能力。
UC Berkeley 的 Aditya G. Parameswaran 等人发文探讨近零成本智能时代的数据系统研究议程,指出 GPT-4 级能力的推理价格已从 2023 年初的每百万 token 约 $30 降至 $1 以下,推理价格中位数每年下降约 50x。