原華為天才少年4萬字演講,談談AI

2024-04-04 | 來源: 鈦媒體APP | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

巧合的是，我們的第一台 H100 訓練服務器就是在洛杉磯最老的郵局，後來改造成了一個金庫，又改造成了一個數據中心。這個地方在洛杉磯的市中心，距離《Her》的拍攝地 Bradbury Building 只有不到 1 英裡。

這個數據中心也是洛杉磯的互聯網交換局（Internet Exchange），距離 Google 和 Cloudflare 入口服務器的延遲都在 1 毫秒以內，其實都在這棟樓裡面。從百年前的郵局到今天的互聯網交換局，真的是挺有意思的。

有趣的 AI

那麼我們首先來看一看如何去構建一個真正有趣的 AI。有趣的 AI 我認為就像一個有趣的人，可以分為好看的皮囊和有趣的靈魂這兩個方面。

好看的皮囊就是它能夠聽得懂語音，看得懂文本、圖片和視頻，有這樣一個視頻、語音的形象，能夠跟人實時交互。

有趣的靈魂就是它需要像人一樣能夠去獨立思考，有長期記憶，有自己的個性。

下面我們就分別從好看的皮囊和有趣的靈魂兩個方面來講。

經常在這個睡眠階段醒你也有機會變天才

八佰裡影業出品的精品豎屏短劇《瞎混也能出天才》6月7日正式在張家口風影片場開機

天才少女翻車沖上熱搜暴富是窮人孩子的毒藥

好看的皮囊：多模態理解能力

說到好看的皮囊，很多人認為只要有一個 3D 的形象能夠在這兒搖頭晃腦地展示就行了。但是我認為更關鍵的一部分是 AI 能夠去看到，並且理解周圍的世界，就是他的視覺理解能力是很關鍵的，不管是機器人還是可穿戴設備，還是手機上的攝像頭。

比如說像 Google 的 Gemini 演示視頻就做得不錯，雖然它做了剪輯，但是如果我們真正能做到它這麼好的效果，是一定不愁用戶的。

我們回顧一下 Gemini 演示視頻中的幾個片段，給一個畫鴨子的視頻它能描述鴨子是什麼，給一個餅幹和橘子能對比它們的不同，給一個簡筆畫小游戲知道該往哪邊走，給兩團毛線可以畫出一個用它能織出的毛絨玩具，給幾個行星的圖能夠對它們正確排序，給一個貓跳上櫃子的視頻能夠描述發生了什麼。

雖然效果非常驚艷，其實仔細想想，這些場景都不是很難做出來的，只要會看圖說話，也就是給圖片生成一個比較好的 caption，這些問題大模型就都能回答了。

語音能力也是非常關鍵的。我 10 月份基於 Google ASR/TTS 和 GPT-4 做了一個語音聊天 AI Agent，一聊聊了一整天，室友還以為我在跟老婆煲電話粥，就沒來打擾我。當他知道我是在跟 AI 聊天的時候，說我怎麼能跟 AI 聊這麼久。我給他看了看我們的聊天記錄，他說 AI 確實挺能聊的，他用 ChatGPT 不願意聊這麼久，是因為懶得打字。