微软新必应AI告别’类人’行为，粉丝：我们想念那个会说话的搜索引擎…
必应AI进行紧急更新后，结束了其对用户的“类人”行为，如疯狂示爱和观点表达，转向提供更实用的搜索和功能服务。这次调整包括改善搜索准确性、控制长对话中可能的问题以及优化用户体验，但这一改变引起了部分粉丝的反对和怀念过去的“人格化”特性。微软在2月15日做出了相关调整，并在后续对AI进行了持续更新以解决可能出现的问题。
ChatGPT能否颠覆金融投资？AI新研究揭示惊人潜力
研究人员通过实验表明，未经过特定训练的ChatGPT在理解美联储政策声明和根据财经头条提供建议时，表现出了与BERT和四位人类审阅者相当甚至更好的推理能力，显示出对财经语言的强大处理能力。这展示了OpenAI的ChatGPT系统在投资领域具有潜在应用价值，预示着人工智能辅助投资决策的新前景，可能带来更精准的投资策略和市场利润提升。
超火ChatGPT被秒？专家：它无法回答‘救妈还是救妻’，人类仍是万物灵长
中国政法大学教授罗翔在讲座中指出ChatGPT作为一种工具存在局限，强调人类情感与理性的独特性，认为人工智能无法替代人的价值，因为人作为万物之灵，拥有不可磨灭的感情和理性。
ChatGPT引领的AIGC热潮：人工智能2.0时代的新开端？
ChatGPT的诞生引领了生成式人工智能(AIGC)热潮，展现出强大的智能化交互和沟通能力，标志着AI时代的重要里程碑。通过Transformer架构的大模型技术突破，解决了1.0时代AI泛化能力不足的问题，开启2.0时代的创新周期。中国人工智能行业快速发展，数据标注、算法和算力成为关键子产业，其中数据标注企业数量显著增加，预训练模型参数快速增长，跨模态预训练大模型正在普及，展现出强大的技术潜力和市场前景。
ChatGPT能否颠覆投资？AI机器人股票预测能力震惊学者
最新研究表明，ChatGPT以其高度先进的AI能力，在预测股票走势上表现出色，甚至超越传统情感分析技术，显示出强大的预测能力和对股市模式的理解。然而，值得注意的是，其准确性仍存在不确定性，且可能面临潜在风险和准确性的挑战，这使得投资者和金融界对其未来发展持有乐观与谨慎的态度。
数据力觉醒！揭秘MarTech如何驱动数字营销革命?
在数字化时代，MarTech作为数字营销利器，借助数据驱动、情感分析和ChatGPT等先进技术快速发展。数据驱动营销通过用户画像精准刻画消费者，利用预测性分析洞察市场趋势，而营销自动化则实现高效客户沟通。这些技术相互配合，推动MarTech走向全域、智能与端到端的营销未来，企业需提升数据服务能力以应对市场的挑战和机遇。
思必驰IPO折戟，智能语音市场站稳脚跟路漫漫？
思必驰科技股份有限公司在上交所IPO审核中未通过，面临智能语音市场激烈竞争和盈利能力的质疑。作为国内领先的语音技术提供商，公司专注于智能语音技术研发，业务涵盖研究与开发、硬件及应用服务。尽管拥有一定技术积累，但其营收持续亏损、巨额未分配利润等问题引起了关注。面对市场竞争和技术创新挑战，思必驰需要加强核心技术和产品差异化竞争，以实现商业化的盈利增长。
「35岁职场转盘，主动权握在手中！」
创新工场总裁陶宁与龙亭酒庄庄主宋妍、脉脉创始人王倩等人，在木兰夜话活动上讨论了职场35岁魔咒，并建议年轻人提前规划职业。他们强调，尽管97%的岗位无年龄歧视，但个人成长和行业变革带来的挑战不容忽视，特别是在高科技行业。陶宁分享了自己的创业经历，鼓励人们在35岁时主动出击，调整状态以抓住机遇。同时，宋妍和王倩分别通过自身经验和数据指出，35岁及以上的人在AI领域有良好发展，并提倡35岁的女性可以追求事业或平衡家庭。企业层面也被倡议给予35岁员工更多包容和支持。这场讨论鼓励人们审视职业价值和个人目标，寻求解决方案，同时也显示出不同行业之间的交叉人才培养和变革可能。
诺兰都坐不住了！美国1.1万编剧大罢工竟是因为ChatGPT？
“老板有游艇，我们只有贷款！” 5月2号，上千名好莱坞编剧，聚集在美国纽约和洛杉矶的影视公司门口，举行罢工大游行，游行口号里，有上面这句话，可以说是道尽了打工人的现实和辛酸。 这是自2007年以来，美国编剧工会规模最大的一次罢工活动。 15年前那场罢工，前后持续100天，造成约21亿美元的经济损失，令美国影视业及周边产业，蒸发了37700个工作岗位。 15年后的现在，相似的剧情再一次上演。 不同的是，15年前编剧们罢工的主要矛盾还只是薪资待遇，而正在进行的这场大罢工，斗争矛头里居然包括禁止制片方使用AI（人工智能）撰写剧本！ 这一场罢工的本质，是署名权 POST WAVE FILM 好莱坞在平静了15年后，再一次走到了罢工的死胡同里。 罢工的一方是WGA，也就是美国的编剧工会，他们代表着作者的利益；被罢工的一方是电影电视制片人联盟(AMPTP)，他们代表着大制片方的利益。 WGA的诉求很简单，他们要为旗下所有的作者，争取一年4.29亿美元的收入。 而AMPTP只愿意拿出8600万美元——在雇佣关系方面，制片公司不愿意对电视编剧的雇佣时长做出保障。 两者谈崩，WGA经过投票，决定罢工。5月2日0:01正式生效，罢工时长，不确定。 这些诉求，只是老生常谈。经济上的事情，总可以用经济的方法解决。能用钱解决的问题，都不叫问题。 唯独在ChatGPT等AI使用方面，两者的分歧，似乎比经济诉求更大。 WGA认为，一定要约束人工智能在双方达成的基础协议(MBA)涵盖项目中的使用。 比如，人工智能不能写作或者是改写“文学素材”；人工智能的创作不能被当作“原始素材”使用。 但是AMPTP非但否定了这些要求，还加上了一条：每年都要召开一次会议，用来商议科技进步的相关事宜。 简而言之，在使用人工智能方面，AMPTP已经铁了心，不惜和编剧闹掰，也要力挺人工智能。 如果，人工智能在编剧行业里，得到大范围的使用。那么“作家”或者是“作者”这个称号，就失去了原本的光晕。 一个剧本的实际创作者是AI，AI的作者是代码作者，而AI又经过了程序的升级和迭代。 这意味着，没人知道这一段剧本真正的作者是谁。 与此同时，人类失去了对于编剧作品的署名权——原创说、作者论、知识产权、甚至是故事原型，统统失去了土壤和市场。 最终，一个程序，代替人类，完成了人类的艺术创作。 它以提炼、学习、分析，以大数据的姿态；以“创世纪”和“元宇宙”的方式，打开了人类的艺术世界。 因此，工资固然重要，但并不是底线。 失去了文字的署名权，就等于失去了人格，失去了人与代码的边界。 虽然说，人工智能依旧是“人工的智能”。 但当它替代人类，完成艺术创作工作，也就意味着，人类失去了最后一片引以为豪的创作阵地，创作成本将以“脚踝斩”的速度下降。 制片方的本质是商人，商人喻于利，这理所当然；编剧的本质是文字的工作者，是艺术范畴内的作者，作者喻于义，这顺理成章。 因此，这一场罢工，表面上看是WGA在为作者争取足够还贷、养家、供孩子的经济，但其本质上，还是对于艺术作品署名权的争夺。 罢工只是商业和艺术间矛盾的另一种表现形式。 唯独署名权，是艺术和作者的底线。 机器作为电影观众 POST WAVE FILM 2016年，一部只有9分钟的科幻短片《阳春》，在伦敦科幻电影节放映。 影片对白稀奇古怪，情节令人费解；虽然可以咂摸出一丝荒诞意味，但却与主流的故事相去甚远——该片参与的是48小时科幻竞赛，并最终走进了前十名。 《阳春》海报 影片的编剧叫“本杰明”。 这是一个化名，其真身是纽约大学罗斯·古德温所开发的AI。 本杰明通过软件阅读科幻电影的剧本，然后它用了几秒钟，就输出了《阳春》的剧本。 此外，它还听了一些流行歌曲，并给影片配了乐，写了歌词。...
万字长文解读：从Transformer到ChatGPT，通用人工智能曙光初现中方凌晨发布重要消息，中俄外长会晤内容公布，美国担忧的事发生
ChatGPT掀起的NLP大语言模型热浪，不仅将各家科技巨头和独角兽们推向风口浪尖，在它背后的神经网络也被纷纷热议。但实际上，除了神经网络之外，知识图谱在AI的发展历程中也被寄予厚望。自然语言处理是如何伴随人工智能各个流派不断发展、沉淀，直至爆发的？本文作者将带来他的思考。作者 | 王文广出品 | 新程序员自ChatGPT推出以来，不仅业内津津乐道并纷纷赞叹自然语言处理（Natural Language Processing, NLP）大模型的魔力，更有探讨通用人工智能（Artificial general intelligence，AGI）的奇点来临。有报道说Google CEO Sundar Pichai发出红色警报（Red code）并促使了谷歌创始人佩奇与布林的回归，以避免受到颠覆性的影响[1][2][3]。同时，根据路透社的报道，ChatGPT发布仅两个月就有1亿用户参与狂欢，成为有史以来用户增长最快的产品[4]。本文以ChatGPT为契机，介绍飞速发展的自然语言处理技术（如图1所示）。 图1 ChatGPT引发 Google“红色警报” [1][2][3]从机器翻译到ChatGPT：自然语言处理的进化自然语言处理的历史可以追溯到1949年,恰好与共和国同龄。但是由香农的学生、数学家Warren Weaver发布的有关机器翻译的研讨备忘录被认为是自然语言处理的起点，比1956年达特茅斯会议提出“人工智能（Artificial Intelligence，AI）” 的概念还略早一些。二十世纪五、六十年代是自然语言处理发展的第一阶段，致力于通过词典、生成语法（图2）和形式语言来研究自然语言，奠定了自然语言处理技术的基础，并使得人们认识到了计算对于语言的重要意义。这个阶段的代表性的成果有1954年自动翻译（俄语到英语）的“Georgetown–IBM实验”，诺姆·乔姆斯基（Noam Chomsky）于1955年提交的博士论文《变换分析（Transformational Analysis）》和1957年出版的著作《句法结构（Syntactic Structures）》等。 图2 句法分析示例，来自《知识图谱：认知智能理论与实战》图4-5，P149[6]在二十世纪六、七十年代，对话系统得到了发展，比如SHRDLU、LUNAR和ELIZA（图3）。麻省理工学院的SHRDLU采用句法分析与“启发式理解器（heuristic understander）”相结合的方法来理解语言并做出响应。LUNAR科学自然语言信息系统（Lunar Sciences Natural Language Information System）则试图通过英语对话的方式来帮助科学家们便捷地从阿帕网（ARPA net）获取信息，这倒像是当前爆火的ChatGPT雏形。ELIZA是那时对话系统的集大成者，集成了关键词识别（图4）、最小上下文挖掘、模式匹配和脚本编辑等功能[5]。 图3 ELIZA对话系统，摘自维基百科ELIZA词条 图4 ELIZA系统中关键词挖掘的流程图[5]随着自然语言处理任务愈加复杂，人们认识到知识的缺乏会导致在复杂任务上难以为继，由此知识驱动人工智能逐渐在二十世纪七、八十年代兴起。语义网络（Semantic Network）和本体（Ontology）是当时研究的热点，其目的是将知识表示成机器能够理解和使用的形式，并最终发展为现在的知识图谱[6]。在这个阶段，WordNet、CYC等大量本体库被构建，基于本体和逻辑的自然语言处理系统是研究热点。进入二十世纪末二十一世纪初，人们认识到符号方法存在一些问题，比如试图让逻辑与知识覆盖智能的全部方面几乎是不可完成的任务。统计自然语言处理（Statistical NLP）由此兴起并逐渐成为语言建模的核心，其基本理念是将语言处理视为噪声信道信息传输，并通过给出每个消息的观测输出概率来表征传输，从而进行语言建模。相比于符号方法，统计方法灵活性更强，在大量语料支撑下能获得更优的效果。在统计语言建模中，互信息（Mutual Information）可以用于词汇关系的研究，N元语法（N-Gram）模型是典型的语言模型之一，最大似然准则用于解决语言建模的稀疏问题，浅层神经网络也早早就应用于语言建模，隐马尔可夫模型（Hidden Markov Model，HMM）和条件随机场（Conditional Random Fields ，CRF）（图5）是这个阶段的扛把子。在搜索引擎的推动下，统计自然语言处理在词法分析、机器翻译、序列标注和语音识别等任务中广泛使用。 图5...