社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  Git

AI商业洞察 | 智元机器人推出自主研发的大型仿真框架AgiBot Digital World

商学院 • 6 月前 • 120 次点击  
01

AI+商业
Artificial Intelligence & Bussiness

阿里未来三年投入至少3,800亿元人民币 用于AI和云计算基础设施

2月24日,阿里巴巴集团官网发布消息称,计划未来三年将投入至少3,800亿元人民币,用于建设云计算和AI的基础设施,践行其对长期技术创新的承诺。这一金额将超过阿里过去十年在云和AI基础设施上的投入总和,突显集团对AI驱动增长的聚焦,以及作为全球领先云计算供应商的定位。


在12月份季度业绩电话会议上,阿里巴巴集团首席执行官吴泳铭将AI形容为“数十年一次”的行业变革机遇,并将通用人工智能(AGI)列为集团的长远目标。吴泳铭表示,AI复制人类智力和体力劳动的能力可能从根本上重塑全球产业,推动重大的经济和技术变革。随着AI模型的发展,越来越多由AI生成数据将通过云计算网络进行处理和输出,这趋势让阿里云成为关键的基础设施供应商。


吴泳铭强调,随着AI相关服务的需求激增,云计算仍然是阿里在AI领域最明确的收入动力。他比喻指出,如果人工智能是未来最大的商品,类比于“电”,云计算网络可类比于“电网”。在12月份季度业绩,阿里云的外部客户收入(不计来自阿里巴巴并表业务的收入)同比增长 11%,而AI相关产品收入连续六个季度实现三位数增长。


集团预计,AI将在电商、企业服务和消费者应用中扮演越来越重要的角色,从而提高效率、用户参与度和业务创新。


智元机器人推出自主研发的大型仿真框架AgiBot Digital World

2月25日,智元机器人宣布推出自主研发的大型仿真框架AgiBot Digital World,为机器人操作提供仿真数据生成方案、预训练的大规模仿真数据和模型评测标准,同步开源海量仿真数据。


据介绍,AgiBot Digital World作为一款专为机器人操作技能研究与应用设计的仿真框架,集成了海量的逼真三维资产、多样化的专家轨迹生成机制和全面的模型评估工具。通过高保真地模拟训练场景,全链自动化地生成数据,AgiBot Digital World可以实现一系列的具身仿真服务。


具体来说,凭借丰富多样的物体、场景和机器人模型所构建的大规模、高精度的三维资产库,结合高度逼真的视觉渲染和精确的物理模拟,以及任务与场景的自动化生成,AgiBot Digital World可以惟妙惟肖地模拟各种机器人训练场景。同时,仿真框架打造的多种专家轨迹生成策略,配合域随机化、数据增强等手段,能够自动生成多样、鲁棒的大规模专家轨迹数据,并且建立了贯穿专家轨迹生成、模型训练、基准测试、部署验证的完整评估流程。


马斯克的DOGE正在开发定制聊天机器人GSAi

马斯克所领导的政府效率部(DOGE)目前正全力推进一款名为GSAi的定制生成式AI聊天机器人的开发工作。这款机器人旨在专门为美国总务管理局(GSA)提供高效服务,并作为特朗普总统“AI优先”议程中的一项重要举措,以推动联邦政府通过先进技术实现全面现代化。


GSAi的核心目标是提升GSA约1.2万名员工的日常工作效率,并深度分析海量的合同与采购数据。在此之前,GSA曾考虑过采用Google的Gemini系统,但经过深思熟虑后,决定自主研发以满足DOGE对于数据的特定需求。此外,DOGE还计划在教育部等多个政府部门广泛应用AI工具,以深度分析支出和项目数据,从而实现降低成本和加速流程的目标。


然而,值得注意的是,尽管拜登政府曾建议对新兴技术采取谨慎态度,但特朗普政府则坚决要求迅速采纳AI工具,以实现“全球AI主导地位”的宏伟目标。DOGE的AI计划无疑与削减联邦预算和加速流程的目标高度契合,但这一计划同时也引发了外界对于潜在安全风险和利益冲突的深切担忧。


目前,DOGE正积极推动在GSA内部安装微软的GitHub Copilot工具,而此前备受关注的Cursor工具则因安全审查问题而被暂时搁置。根据联邦法规的相关规定,必须严格避免在供应商选择过程中出现利益冲突,并需对新技术的网络安全风险进行全面而深入的评估。尽管拜登政府已将AI工具的审查工作列为优先事项,但截至目前,尚未有任何AI辅助编码工具通过FedRAMP的权威授权。


领英测试AI工具,或将改变求职搜索方式

领英目前正致力于测试一款创新的求职工具,该工具通过运用定制的大型语言模型(LLM)对海量数据进行深度分析,旨在为用户精准发现潜在的职位信息。领英CEO Ryan Roslansky指出,传统的关键词搜索方式往往难以帮助用户找到真正理想的工作机会,而这款新工具则能够打破这一局限,帮助用户发掘那些他们可能从未想过的职位。


这款工具赋予了用户输入复杂查询的能力,例如“寻找能够运用我的营销技能为环境保护事业做出贡献的职位”或“展示所有薪资超过10万美元的营销相关工作”。领英所开发的LLM不仅具备对职位描述进行细致分析的能力,更能够巧妙结合公司信息、行业动态以及用户帖子等多维度数据,从而为用户提供更加精准的职位推荐。同时,它还能够智能提示求职者为了胜任这些职位所需要掌握的新技能。


尽管AI技术在招聘领域的应用曾经因为偏见问题而引发过广泛争议,但领英方面明确表示,他们已经采取了一系列严格的安全措施来有效防止潜在偏见的产生。此外,这款AI技术还具备生成劳动力洞察的强大功能,例如对公司所需技能进行深入分析或总结新员工所分享的工作经验等。


领英的这款AI工具无疑有望在求职市场上掀起一场变革,然而,其实际效果以及可能存在的潜在问题仍然需要我们在未来的实践中进一步观察和评估。


《Avowed》导演:AI无法取代人类创造力

随着近年来游戏行业的大规模裁员,叙事设计师成为了受影响最为严重的职业群体之一。据统计,2023年至2024年期间,游戏行业裁员人数已超过3万人,其中叙事设计师的岗位削减尤为显著。这些富有创意的专业人员主要负责设计游戏的故事元素,为游戏赋予深刻的情感冲击力。


《Avowed》的导演Carrie Patel对此感慨颇深,她表示自己很庆幸能够在多年前进入这个行业,而如今的新人们则面临着更加严峻的挑战。自2013年加入Obsidian Entertainment以来,Patel参与了《永恒之柱》系列和《天外世界》等作品的叙事设计工作。她坚信,AI技术虽然日益发达,但始终无法完全取代人类的创造力,优秀的游戏故事依然需要依靠优秀的叙事设计师来打造。


尽管AI在游戏开发中的应用场景越来越多,但开发者们对其态度普遍趋于谨慎。Patel强调,Obsidian之所以能够在市场上取得成功,关键在于他们拒绝过度依赖AI技术,而是始终专注于打造具有深度、细腻且能够充分尊重玩家时间的游戏作品。她以《博德之门3》的成功为例,指出那些拥有复杂叙事结构的游戏依然在市场上拥有强烈的需求。


此外,Patel还针对Meta CEO扎克伯格关于“职场需要更多男性能量”的言论提出了批评。她认为,真正的团队领导力应该注重决策能力和开放性反馈,而不应该被性别刻板印象所束缚。在Patel看来,游戏开发团队应该像有机体一样不断进化和改进,而不是盲目追求所谓的“男性能量”。


02

AI+艺术
Artificial Intelligence & Art

艺术家尝试与AI和机器人合作创作

加拿大华裔艺术家Sougwen Chung以一种开放和前瞻性的视角看待AI技术,将其视为拥抱不确定性、探索新可能的宝贵机会,而非是一种威胁。Chung的作品巧妙地融合了先进的技术与实时的表演元素,使得观众能够亲眼目睹艺术家与机器人并肩作画的奇妙场景,从而深入探索AI时代下艺术创作的新边界。


Chung的创作生涯始于传统绘画领域,但随着时间的推移,她逐渐将创作重心转向了与机器人的合作。2015年,她在MIT媒体实验室成功开发出了首个绘画机器人DOUG 1。尽管这个机器人在模仿她的绘画动作时会出现一些“错误”,但Chung却将这些意外视为创作过程中不可或缺的一部分,赋予了作品独特的韵味。随后的DOUG 2和DOUG 3更是在此基础上进一步结合了AI技术和实时数据,生成了一系列令人耳目一新的艺术作品。


在Chung看来,AI技术不仅仅是一种工具,更是一位值得信赖的合作者。她的作品成功挑战了人类与机器相互对立的传统观念,强调了共同创作的无限可能性。面对生成式AI技术所引发的创意保护担忧,Chung积极主张艺术家们应该主动探索如何利用AI技术来激发自身的创造力,并在这一过程中充分保护自身的合法权益。


通过不断的实践,Chung为人类与机器的互动关系提供了新的叙事方式,充分展现了技术与艺术相结合的巨大潜力。她的作品不仅为我们带来了视觉上的享受,更为我们思考未来艺术创作的发展方向提供了宝贵的启示。


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/179495
 
120 次点击