斯嘉丽·约翰逊起诉 AI 应用:广告未经许可克隆其声音与肖像
据 Variety 报道,斯嘉丽·约翰逊正对 AI 应用 Lisa AI 的开发商 Convert Software 采取法律行动。该应用在一段 22 秒的广告中擅自用 AI 克隆她的声音推销生成功能;尽管片尾写着与本人无关,其律师明确表示绝不姑息。
据 Variety 报道,斯嘉丽·约翰逊正对 AI 应用 Lisa AI 的开发商 Convert Software 采取法律行动。该应用在一段 22 秒的广告中擅自用 AI 克隆她的声音推销生成功能;尽管片尾写着与本人无关,其律师明确表示绝不姑息。
披头士乐队发布纪录短片并推出最后一首单曲《Now And Then》。制作团队借助机器学习音频分离技术,将 1970 年代磁带中约翰·列侬被琴声掩盖的人声精准提取出来,并与哈里森 1995 年录制的吉他及麦卡特尼、斯塔尔的新演奏合为一体,补全了四人横跨数十年的绝唱。
Luma AI 在 Discord 上线文生 3D 工具 Genie 的免费测试版。用户输入文本提示词,约 20 秒就能获得 4 个基础 3D 雏形,支持 glb 格式导出并可进一步精细化。这意味着游戏开发和虚拟制作的资产原型制作门槛被大幅拉低。
Google 为美国商家推出 Product Studio,可用文生图 AI 免费替换商品背景、定制场景并提升低清画质。商家不用反复重拍就能复用素材做季节性推广。目前已面向美国 Merchant Center Next 用户及 Shopify 开放。
英国政府宣布出资 2.25 亿英镑建造 AI 超级计算机 Isambard-AI。该系统由布里斯托大学托管、Hewlett Packard Enterprise 建造,搭载 5448 块英伟达 GH200 超级芯片,可提供 21 exaflops 算力,预计 2024 年投入运营。
开发者曝光的截图显示,Instagram 正在开发「AI 朋友」功能。用户可以设定机器人的性别、年龄、性格特征与兴趣偏好,并挑选专属头像开启对话。相比 Meta 此前推出的名人 AI 角色,这项功能更侧重开放式日常陪伴,目前 Instagram 对此未予置评。
Stability AI 开启 Stable 3D 私有预览,支持用文本或图片在数分钟内生成导出为 .obj 格式的 3D 模型。同时亮相的还有一键换天的 Sky Replacer 以及企业微调服务 Stable FineTuning。不过 Stable 3D 目前仅限申请内测。
在英国布莱切利园举行的 AI 安全峰会上,英国科技大臣发布《布莱切利宣言》,呼吁全球合作应对前沿 AI 模型风险。同日美国商务部宣布将在 NIST 下成立 AI 安全研究所,与英方等机构协作推进监管对齐。
Deemos 发布文本生成 3D 模型 Rodin Gen-1。该模型能根据文字提示生成较复杂的 3D 结构,并自带 PBR 材质贴图。不过开发团队也直言,目前生成的所有模型在实际使用前都还需要手动进行重拓扑处理。
英国柯林斯词典(Collins Dictionary)宣布将「AI」评为 2023 年度词汇。官方表示,该词在今年的使用量增长了四倍,已像电子邮件一样迅速融入公众日常生活。伴随技术突破与全球监管讨论,AI 彻底成为贯穿全年的核心话题。
Phind 推出自研编程模型,在 HumanEval 评估中取得 74.7% 的成绩,编码表现超越 GPT-4。借助 NVIDIA TensorRT-LLM 与 H100,生成速度达每秒 100 token,并支持 16k 上下文。该模型已在 Hugging Face 开源,同时提供网页端与 VS Code 插件免费试用。
Google DeepMind 披露下一代 AlphaFold 进展。新模型不再局限于蛋白质,能以原子级精度预测配体、DNA 及 RNA 复合结构。它无需预设参考结构即可超越传统对接方法,将直接加速靶向药设计。
ElevenLabs 推出面向企业的一体化 AI 语音平台,拆分为 ElevenAgents 与 ElevenCreative 两个方向。企业既能构建并部署多语言对话智能体处理客服与调度,也能生成高拟真语音与音效,并原生打通 Salesforce 和 Zendesk 等业务系统。
Apple 举行以「Scary Fast」为主题的特别活动,推出搭载新一代 M3 系列芯片的 Mac 电脑。其中包括配备 M3 Pro 与 M3 Max 的 14 英寸和 16 英寸 MacBook Pro,以及搭载 M3 芯片的 24 英寸 iMac,大幅提升了图形性能与处理速度。
美国联邦法官裁定缩减艺术家针对 Stability AI、Midjourney 等公司的版权诉讼范围。法院驳回了「AI 生成的所有图片自动构成侵权」的主张,并驳回针对 Midjourney 的侵权指控,但保留了 Stability AI 涉嫌非法使用版权图片训练模型的诉讼。原告获准修改起诉书。
据 Futurism 报道,Google DeepMind 联合创始人 Shane Legg 在播客中表示,他维持自己在 2011 年底做出的预测,即到 2028 年研究人员有 50% 的几率造出通用人工智能(AGI)。他认为算力已就绪,当前关键是用远超单个人类一生所能体验的数据规模来训练模型,但也坦言测试通用性和继续扩展算力仍是主要挑战。
Meta AI 负责人 Joelle Pineau 表示,现存软件开源协议无法应对大模型的版权与安全风险,许可规则需要更新。尽管 Llama 2 设立门槛被外界批评不算真开源,但开源促进会(OSI)也承认传统规则不够用,正着手起草专门面向 AI 的开源定义。
美国总统拜登签署关于人工智能的行政命令。新规动用《国防生产法》,要求开发潜在高风险大模型的企业在训练时通报联邦政府,并在公开前共享红队测试结果,同时责令制定 AI 内容水印标准。这是美国首个针对前沿 AI 的全面国家监管框架。
加拿大 Klick Labs 等机构研发出一款 AI 模型,仅听 6 至 10 秒人声即可辅助筛查 2 型糖尿病。模型能识别人耳难以分辨的音高与音强微调,女性诊断准确率达 89%、男性达 86%。若技术落地,有望让糖尿病筛查摆脱耗时的验血流程。
OpenAI 开始向 ChatGPT Plus 会员推送新测试功能,支持直接上传并分析文本或表格文件。最省事的是,GPT-4 能结合上下文自动决定何时联网搜索或调用数据分析,不再需要手动在下拉菜单里切模式。目前新功能正在灰度推送中。
Yan LeCun 发文批评部分科技高管借末日论游说监管、试图封杀开源 AI。他指出,未来 AI 承载全人类知识,必须像维基百科一样保持开源;一旦监管消灭开源,少数美中巨头将垄断平台并彻底控制人类的数字生活。
Google 同意向 AI 初创公司 Anthropic 投资高达 20 亿美元。交易包含 5 亿美元的前期现金注入,以及后续分期投入的 15 亿美元。Anthropic 拥有与 ChatGPT 竞争的 Claude 2 大模型,此前已在 4 月获得 Google 的 3 亿美元入股。
据 The Information 报道,Humane 即将于 11 月 9 日发布的穿戴设备 Ai Pin 售价或高达 1000 美元,且需每月支付蜂窝网络订阅费。该设备大小如苏打饼干,无屏幕,靠激光投影和传感器交互,搭载高通芯片并混合调用专有模型与 GPT。
Google 为 Bard 增加了「实时响应」选项,让回答像打字一样逐行流式显示,不再必须等整段生成完毕。生成过程中还提供了「Skip response」跳过按钮,方便随时打断重来。用户可以在设置中自由切回原先的整段输出模式。
Stability AI 宣布创始人 Emad Mostaque 将出席英国布莱切利园 AI 安全峰会。作为代表性的开源模型厂商,其呼吁政策制定者在整个生态中支持 AI 安全,强调开源能避免技术利益被科技巨头独揽并促进创新竞争。
周五早晨,Uber 证实 OpenAI 租下其旧金山总部两栋大楼,创下该市 2018 年以来最大办公租赁纪录。新场地可供扩充至 2000 名以上员工。在当地写字楼空置率高企之际,AI 巨头的扩张给旧金山注入了一剂强心针。
微软在英国 AI 安全峰会前公布落实安全承诺的进展。微软扩充了独立的 AI 红队,并在 Bing Image Creator 中上线溯源技术,自动标注 AI 生成图片。此外,微软还将负责任 AI 标准融入开发流程,并出资支持了 125 个安全研究项目。
Forbes 推出基于 Google Cloud Vertex AI 的生成式搜索工具 Adelaide 测试版。它专门检索 Forbes 过去 12 个月的文章,通过对话式问答为读者提供个性化摘要和推荐,回答严格限制在自家内容库内。目前先面向部分访客开放测试。
披头士乐队宣布最后一首四人合作单曲《Now and Then》将于 11 月 2 日发布。制作团队利用导演彼得·杰克逊团队的机器学习技术,从 1970 年代一段老磁带中干净地剥离出约翰·列侬的人声。这是科技帮老艺术家补齐半个世纪遗憾的一次经典示范。
Waymo 与 Uber 宣布在凤凰城推出无人驾驶网约车服务。用户呼叫 UberX、Uber Comfort 等车型时,可直接匹配 Waymo 无人车。此时正值对手 Cruise 在加州被暂停许可,Waymo 借 Uber 庞大的打车网络加速商业化。
Boston Dynamics 展示了一项概念验证:将 ChatGPT、BLIP-2 视觉模型与 ElevenLabs 语音合成接入机器狗 Spot。机器人不仅能看懂周围环境沿途解说,还能根据设定扮演讽刺、搞笑等性格回答提问。最值得关注的是大模型在实体机器人上展现出的自主联想能力,不过目前每次回答仍有约 6 秒延迟。
Google 为 Google Maps 引入多项 AI 功能。系统通过分析海量用户照片,让用户输入「熊猫拉花」等模糊需求就能精准搜出店铺;同时利用神经辐射场将 3D 沉浸视图扩展至 15 城,并加入充电桩使用状态。地图正在变成更具探索感的视觉搜索引擎。
Google 宣布将生成式 AI 专属攻击场景纳入其漏洞赏金计划(VRP),并公布相应的漏洞提报指南。同时,Google 推出基于 SLSA 与 Sigstore 的模型签名与验证原型,以防范数据投毒与模型篡改。这意味着找 AI 越狱和数据偏见漏洞也能换取真金白银。
Thursday,英国首相 Rishi Sunak 宣布将建立全球首个 AI 安全研究所,在模型发布前对其偏见与极端风险进行评估。英国还提议仿照气候变化专门委员会建立全球专家小组,并力推包括中国在内的多国参与 AI 风险治理。
Shutterstock 宣布推出基于 OpenAI 技术的 AI 编辑工具套件测试版。用户可对图库素材使用魔法画笔、画面扩展及背景替换等功能随心修改。原作者在图片被编辑授权后仍可获报酬,但 AI 生成内容不可重新提交入库。
OpenAI 宣布组建 Preparedness 团队并启动安全挑战赛。该团队由 Aleksander Madry 领导,主要负责追踪、评估和防范网络安全、生化威胁及自主复制等极端灾难风险,并制定一套风险知情开发政策。
Quora 旗下 AI 平台 Poe 推出创作者变现计划,不管是写提示词还是接入服务器做 Bot,都能获得分成。目前如果机器人促成用户订阅,创作者最高可拿 20 美元,后续还将支持按消息条数收费。不过目前该计划仅对美国创作者开放。
Google 宣布向全球英语用户推出「About this image」功能。用户可以查看图片在 Google 搜索被首次记录的时间、其他网站的使用上下文以及包含是否为 AI 生成的元数据。该功能旨在遏制虚假信息传播,同时还为核查人员开放了专用 API。
Microsoft 启动 Dynamics 365 与 Power Platform 的 2023 年第二轮功能更新。新版本在客服、供应链及低代码开发中深度整合 Copilot,支持用自然语言直接生成工作流。新特性将在 2023 年 10 月至 2024 年 3 月逐步推送。
Grammarly 宣布将于年底前推出「个性化风格检测与应用」功能。它能在日常输入中自动捕捉用户的写作语气与偏好,生成专属「文风档案」,并把任何文本一键改写成该风格。该功能首期仅面向商业版订阅用户开放。
比尔·盖茨在接受德国《商报》采访时表示,生成式 AI 或已触及瓶颈,GPT-4 可能已接近当前极限,GPT-5 不会明显优于前代。不过他认为未来两到五年内 AI 准确率将大幅提高且成本继续下降,将在医疗等领域催生更可靠的应用。
Anthropic、Google、Microsoft 和 OpenAI 宣布任命 Chris Meserole 为前沿模型论坛首任执行董事,并设立超 1000 万美元的 AI 安全基金。该基金重点资助独立研究者研发模型红队测试与评估技术,推动建立前沿 AI 的安全共识与行业标准。
Twelve Labs 推出视频语言基础模型 Pegasus-1,并上线视频转文本 API。它放弃常见的抽帧转图片路线,直接整合视觉、音频与语音信息,用于长视频的摘要、分段与报告生成。这意味着长视频理解不再受限于单帧切片。
YouTube Music 推出生成式 AI 制作歌单封面功能。用户虽仍无法上传本地图片,但可选择主题与提示词让 AI 生成 5 张图备选,告别过去粗暴拼接前 4 首歌封面的四宫格。该功能目前仅面向美国英语用户开放。
在 TechWorld 2023 上,联想公布混合 AI 战略,涵盖公有大模型、企业私有模型与个人端侧模型。联想宣布深化与英伟达合作,推出优化的服务器与工作站,并开发模型剪枝与量化技术把大模型轻量化到 PC 上运行,同时通过隐私代理保护企业数据。
D-ID 正式上线 iOS 与 Android 版移动应用。用户上传一张单人照片或挑选预设数字人,输入台词并选择 119 种语言和语气,就能生成最长 10 分钟的说话视频。移动端订阅起售价为每月 5.99 美元,提供 14 天免费试用。
AI 数据标注工人与民权团体致信美国参议院,要求在讨论 AI 监管时保障劳动者权益。信中指出,许多依赖 Amazon MTurk 等平台的标注人员薪酬远低于法定最低工资,呼吁国会赋予他们集体谈判权,遏制企业通过严密监控和压榨工人获利。
WriterBuddy 发布 AI 工具流量分析报告,统计显示 2022 年 9 月至 2023 年 8 月间,全球前 50 大 AI 工具总访问量超 240 亿次。其中 ChatGPT 以 140 亿次访问独占 60% 流量,Character AI 与 Google Bard 紧随其后。数据显示聊天机器人是绝对主力,超六成用户通过移动端访问。
佛罗里达大学研究团队借助 NVIDIA DGX A100 与 Google 街景图像,开发出建筑安全自动评估模型。灾后需要耗时数月的人工排查被缩短至数小时,按 FEMA 标准评估准确率超 85%。目前该系统正在墨西哥等地的城市展开实测。
芝加哥大学团队公布数据投毒工具 Nightshade。艺术家上传作品前可用它对像素做微小调整,若被 AI 抓取用于训练,会导致模型识别错乱(例如把狗画成猫)。该工具旨在反制未经许可抓图的 AI 公司,后续将开源并集成进 Glaze。
MSPoweruser 曝光了高通骁龙 8 Gen 3 的完整规格表。作为首款专为生成式 AI 打造的移动平台,它升级了 Hexagon NPU 并支持 INT4 精度,还加入了虚幻 5.2 光追。最值得关注的是,安卓旗舰的端侧大模型算力底座终于要来了。
来自澳大利亚国立大学、牛津大学和北京智源人工智能研究院的研究团队发布了 3D-GPT 系统。它将任务拆解给任务调度、概念化及建模等多个 AI 智能体,直接生成代码驱动 Blender 等软件完成 3D 建模。虽然画面尚未达到拟真级别,但有效简化了繁琐的传统建模流程。
NVIDIA Research 公布 AI 智能体 Eureka,它基于 GPT-4,能自主编写奖励算法训练机器人。在近 30 项任务测试中,Eureka 生成的奖励程序在超过 80% 的任务上超越人类专家编写的版本,平均性能提升 50% 以上,甚至教会了机械手转笔。
Meta 首席 AI 科学家 Yann LeCun 在接受采访时直言,担心 AI 毁灭人类纯属「荒唐」。他表示当前模型缺乏常识与推理规划能力,甚至比不上猫的学习水平;过早监管 AI 研发反而会造成「监管俘获」,让科技巨头进一步垄断并扼杀竞争。
微软 CEO 纳德拉发布 2023 财年股东信,宣布将技术栈全面重塑以押注 AI。纳德拉指出自然语言与推理能力是定义新时代的两大突破,计划将 Copilot 融入所有核心产品中。也就是说,微软正将这场 AI 变革视为等同于 PC 和互联网级别的平台换代。
环球音乐等多家出版商起诉 Anthropic,指控 Claude 2 未获授权便一字不差地输出多首版权歌词,并涉嫌将其用于模型训练。起诉书指出,正规歌词网站均付费获权,Anthropic 缺乏有效防护栏并非创新而是侵权。
Microsoft 宣布 Security Copilot 早期访问计划向符合资质的客户开放。该 AI 助手现已直接集成到 Microsoft 365 Defender 中,支持用自然语言写 KQL 查询和总结安全事件,并免费提供 Defender 威胁情报。不过目前仅面向部分企业客户开放申请。
据彭博社报道,YouTube 正在开发一款 AI 声音克隆工具,允许创作者在录音时模仿知名歌手的声线。平台正与各大唱片公司接洽获取训练版权,试图把 AI 翻唱纳入正规化。不过目前尚未有唱片公司正式签约,谈判仍在进行中。
OpenAI 宣布将 DALL·E 3 正式上线 ChatGPT Plus 和企业版。用户现在能直接在对话框里靠提示词画图并让 AI 修改细节,手部、面部与文字渲染显著提升。官方同时加入安全机制,拒绝模仿在世艺术家风格,并正在测试识别准确率超 99% 的图像溯源分类器。
环球音乐集团宣布与社交音乐创作平台 BandLab 达成战略合作。双方将围绕 AI 伦理与创作者权益展开探索,共同制定保护音乐人版权的标准,并为旗下创作者寻找新的商业机会。这意味着头部唱片公司开始主动拉拢平民化创作工具设立 AI 规范。
据 The Information 报道,OpenAI 在今年早些时候叫停了代号为 Arrakis 的模型项目。该项目原本与 GPT-4 并行开发,旨在大幅压低 ChatGPT 的推理成本,但最终因效率未能达标被砍,让合作伙伴微软的部分高管大失所望。
Meta 展示了一项 AI 系统,能通过非侵入式的脑磁图(MEG)信号每秒采集数千次脑电活动,实时重构出人眼看到的图像。该系统利用 DINOv2 视觉架构将脑信号与图像特征对齐。目前高层语义抓得很准,但细节方位仍有偏差。
本周,Midjourney 联手 Sizigi Studios 推出移动应用 Niji Journey,现已登陆 iOS 与 Android。该应用主打二次元画风,但切换设置即可生成 Midjourney 全部风格。现有付费用户可直接通过 Discord 登录,摆脱了以往只能在聊天框画图的繁琐操作。
周二,多位科技领袖指出 AI 将深刻重塑就业市场。OpenAI CEO Sam Altman 警告部分人群受冲击将远超整体水平,社会必须积极应对转型;早期投资人 Vinod Khosla 更预测,十年内 AI 将能完成当下 80% 岗位中 80% 的工作,医生与会计等职业也难幸免。