跳到正文

全部動態

今日 23 條
12月19日週五
12月11日週四
  1. OpenAI News24

    OpenAI 回顧十年進展

    OpenAI 回顧十年進展,從早期研究突破到廣泛使用、重塑可能性的 AI 系統。OpenAI 分享過去十年的經驗,並闡述其仍對建造造福全人類的 AGI 抱持樂觀。

11月26日週三
11月6日週四
11月5日週三
10月22日週三
9月23日週二
9月9日週二
  1. AI as Normal Technology57

    理解《AI as Normal Technology》核心觀點的指南

    《AI as Normal Technology》作者重述其核心框架,指出 AI 能力提升與社會影響之間存在長因果鏈,效益與風險在部署時實現。評估 AI 擴散需看實際使用人數、使用時間與用途,而非只看產品部署速度。作者又解釋,AI 能力即時部署令用户不斷面對是否採用的選擇,因此採用感覺更急速,但工作流程及組織調整仍需時間。

8月18日週一
8月1日週五
  1. OpenAI News15

    Figma 利用 AI 重塑數碼設計

    Figma 正利用 AI 重塑數碼設計工作流程。David Kossnick 分享 Figma Make 等工具如何協助團隊以 AI 製作原型、協作及構建,並改變設計師、開發者和非技術創作者的工作流程。

7月23日週三
7月21日週一
7月17日週四
  1. AI as Normal Technology60

    AI 會否拖慢科學進展?

    Sayash Kapoor 分析 AI 對科學制度的影響,認為 AI 可能加劇論文產量上升與實際科研進展之間的落差,但這並非必然。文章指出,發表數量導向、計算研究軟件品質不足,以及以預測準確度取代理解,都可能造成瓶頸;作者主張加強錯誤檢測、元科學研究及對人類理解的支持。

7月15日週二
6月11日週三
  1. Sam Altman:Blog56

    Sam Altman談AI奇點:超級智能發展正逐步加速

    Sam Altman認為,人類已進入通往數碼超級智能的加速階段,而奇點將逐步展開。他預期2025年會出現能承擔實際認知工作的智能體,2026年可能出現能提出新見解的系統,2027年或有能執行現實任務的機械人。他主張解決對齊問題,並讓超級智能廉價、廣泛可用,避免集中於個人、公司或國家。

5月6日週二
5月1日週四
  1. AI as Normal Technology60

    AGI 並非一個里程碑

    Sayash Kapoor 認為,AGI 不是可操作的發展里程碑,因為系統能力達標不會直接帶來經濟、政策或安全影響。文章指出,AI 的經濟影響取決於產品、職場培訓、組織調整等互補條件,擴散通常以數十年計;作者亦區分模型能力與 AI 在環境中獲得的權力,主張企業及政策制定者應聚焦安全、有效的 AI 擴散,而非 AGI 宣告。

4月22日週二
4月15日週二
  1. AI as Normal Technology67

    AI 作為常規技術:論文主張 AI 是人與組織可掌控的工具

    《AI 作為常規技術》主張把 AI 視為人與組織應能保持控制的工具,而非獨立、類人的超級智能體。作者區分 AI 方法進步、應用開發與採用擴散,預期安全驗證及人、組織和制度的適應限制會令重大經濟與社會影響逐步顯現,時間尺度可能以數十年計。政策方面,作者主張減少不確定性、提升韌性,並把防護重點放在 AI 的部署環節,而非只依靠模型層面的對齊來防止濫用。

4月7日週一
3月18日週二
3月4日週二
2月13日週四
2月10日週一
  1. Sam Altman:Blog62

    Sam Altman 提出 AI 經濟的三項觀察

    Sam Altman提出三項關於AI經濟的觀察,認為模型智能大致隨訓練及推理計算資源的對數增加,智能的社會經濟價值則呈超指數增長。他指出,同等 AI 水平的使用成本約每 12 個月下降 10x;以 GPT-4 於 2023 年初和 GPT-4o 於 2024 年中的每個 token 價格相比,價格約下降 150x。

1月13日週一
  1. Hugging Face Blog51

    AI 智能體已經到來,Hugging Face 探討其風險與未來方向

    Hugging Face 從倫理角度分析 AI 智能體,指出自主性愈高、人類交出的控制愈多,相關風險也隨之增加,並建議不要開發完全自主的智能體。文章認為,半自主智能體的效益與風險取決於自主程度、可執行任務及人類控制方式,並梳理準確性、私隱、安全和信任等面向的取捨。作者建議建立嚴謹評估、追蹤社會影響並加強透明披露,也認為開源有助擴大參與和問責。

1月6日週一
12月19日週四
  1. AI as Normal Technology69

    AI 進展是否正在放緩?

    Arvind Narayanan、Benedikt Ströbl 和 Sayash Kapoor 認為,現有證據不足以判定 AI 進展放緩或模型擴展已經終結,並指出業界人士的預測會受商業利益與技術視角影響。他們認為,推理時計算擴展短期仍有不少改進空間,但能力提升可能因任務領域而不均,且難以預測。文章指出,AI 對社會和經濟的實際影響更受產品開發及採用速度制約,而非單由能力進展決定。

12月14日週六
  1. AI as Normal Technology66

    檢視2024年選舉中的78宗AI使用案例:政治錯假資訊並非AI問題

    Sayash Kapoor 分析 WIRED AI Elections Project 收錄的2024年全球選舉78宗 AI 使用案例,指出政治錯假資訊並非 AI 問題。其中39宗沒有欺騙意圖;對於其餘具欺騙意圖的案例,作者估算相似內容不用 AI 製作,成本也不超過數百美元。文章主張分析及應對政治錯假資訊時,應重視需求端與制度因素,而非只着眼於 AI 生成內容的供應。

12月9日週一
7月1日週六
6月29日週四
2月24日週五
5月17日週二
  1. Hugging Face Blog42

    機器學習專家:Sasha Luccioni

    Hugging Face 研究科學家 Sasha Luccioni 在訪談中談及她對機器學習模型與數據集的倫理、社會影響及環境足跡研究。她擔任 Big Science Workshop 碳足跡工作組共同主席,探討電子郵件排放與製造成本等環境影響,並參與數據整理和多語言工作,避免語料過度偏重英語。

5月13日週五
4月13日週三
2月27日週四
  1. Sam Altman:Blog38

    高難度初創企業

    Sam Altman指出,與容易起步的初創企業相比,難度高的初創企業往往更容易成功。這類企業若成功便具價值,也能以有意義的使命吸引人才,助力招聘、獲取建議、建立合作及融資。作者建議創業者設定遠大願景、保留可行的下一步,並作長期投入。

5月16日週三
  1. OpenAI News69

    OpenAI 發佈 AI 訓練算力增長分析

    OpenAI 發佈分析指出,自 2012 年起,最大規模 AI 訓練所用算力以 3.4 個月的週期翻倍。同期該指標增長逾 300,000 倍;相比之下,Moore’s Law 的翻倍週期為 2 年,按此週期只會增長 7 倍。OpenAI 指出,算力改進是 AI 進步的重要組成部分;若趨勢延續,應預備面對能力遠超今日的系統所帶來的影響。

    推薦理由:文中以大型 AI 訓練算力的 3.4 個月翻倍週期對照 Moore’s Law 的 2 年週期,並量化自 2012 年以來逾 300,000 倍的增長。

12月17日週日
12月8日週五
  1. Sam Altman:Blog39

    人類與 AI 的融合已經開始

    Sam Altman認為,人類與機器的融合已經開始,是人類與 AI 共同演化的漸進過程,而非單一時刻。手機、社交媒體和搜尋引擎的演算法已影響人的行為、感受與想法。他預計超人類 AI、基因增強和腦機介面終將出現,並呼籲全球及早協調、認真應對。

8月29日週一