2023年第1周 (01-02 ~ 01-08)
闲言：输出AI相关资讯的周刊，这是今年立的 Flag 之一。
几位AI领域领导者的2023年期望
🔗原文 (2023-01-04)
@AndrewYNg:
1/Several leaders share their hopes for AI in 2023, including finding key missing pieces that will enable algorithms to reason, building a personal data timeline, improving AI processes, discovering new principles for explainability, and using generative AI for active learning.
1/几位领导人分享了他们对2023年人工智能的希望，包括找到使算法能够推理的关键缺失部分，建立个人数据时间线，改进人工智能流程，发现可解释的新原则，以及使用生成式人工智能进行主动学习。
2/Yoshua Bengio wants to develop new architectures that can discover and reason with high-level concepts, rather than just brute force the learning process by scaling up existing models’ data and compute. https://t.co/NsEdODxXbY
2/Yoshua Bengio希望开发新的架构，能够发现和推理高层次的概念，而不是仅仅通过扩大现有模型的数据和计算量来强行推进学习过程。
3/Alon Halevy envisions AI capturing massive amounts of data from your daily life – photos, browsing, purchases – and fusing it into a personal timeline that helps you track and achieve your goals, while preserving privacy. https://t.co/7vv92YtlyU
3/Alon Halevy设想人工智能从你的日常生活中获取大量数据–照片、浏览、购买–并将其融合到个人时间轴中，帮助你跟踪和实现你的目标，同时保护隐私。
4/Douwe Kiela points out key directions: Multimodality, grounding, and interaction so AI understands us better; alignment, attribution, and uncertainty to make models safer; data-centric AI to improve scaling; and better ways to evaluate AI models. https://t.co/rkha650LrN
4/Douwe Kiela指出了关键方向。多模态、接地气和互动，以便人工智能更好地理解我们；对齐、归属和不确定性，使模型更安全；以数据为中心的人工智能，以提高扩展性；以及更好的方法来评估人工智能模型。
5/Been Kim discusses AI explainability. AI has taken an engineering-centric approach, where researchers devise techniques via trial and error, and she urges developing fundamental scientific principles that make explanations more trustworthy and accurate. https://t.co/4x91WS03TG
5/Been Kim讨论了AI的可解释性。人工智能已经采取了以工程为中心的方法，研究人员通过试验和错误来设计技术，她敦促发展基本的科学原则，使解释更值得信赖和准确。
6/Reza Zadeh sees generative AI bringing progress to active learning, where a system picks its own examples to be labeled to improve the data. With generative AI, he sees a potential revolution in algorithms generating new data to request to be labeled. https://t.co/qQvvl76fZc
6/Reza Zadeh认为生成式人工智能为主动学习带来了进步，在主动学习中，系统会挑选自己的例子进行标注，以改善数据。有了生成式人工智能，他认为在生成新的数据以要求被标记的算法方面可能会有一场革命。
有人训练 StableDiffusion 生成“汉字”
🔗原文 (2023-01-06)
经过训练的「StableDiffusion」根据给定的概念生成加汉字。例如「摩天大楼」、「皮卡丘」、「埃隆·马斯克」、「深度学习」、「YouTube」、「高达」、「奇点」等等。
看起来还挺像那么回事。
预估随着GPT-4的到来，类似人类能力的数字个人助手将成为可能
🔗原文 (2023-01-06)
长文描述了信息处理能力即智能，从语言出现开始，随着技术的进步，智能的成本指数下降。像ChatGPT这样的大型语言模型的出现，使规模智能的能力更进一步，从如谷歌搜索只提供信息索引，到可以整合信息并输出结果/方案，这一点在之前只有人类能够做到。
作者预估随着GPT-4将克服一些“理解上”的缺陷并可以访问互联网之后，将有望实现真正的数字化个人助理（Ditial Personal Asistant) ，最困难的部分已经完成。DPAs会成为最强用户接口（UI），并随着成本和能力的优化，将不可避免地会被大多数人整合到日常生活中。一旦有10亿人使用它们，就好像世界上多了10亿个人，但不需要消耗粮食。