关于AI风险的问题，各路大佬们也是意见不统一。有人带头签署联名信，呼吁AI实验室应立即暂停研究，深度学习三巨头GeoffreyHinton、YoshuaBengio等都支持这一观点。就在近几日，Bengio、Hinton等再发联名信《在快速发展的时代管理人工智能风险》，呼吁在开发AI系统之前，研究者应该采取紧急治理措施，将安全和道德实践纳入重点，呼吁各国政府应该采取行动，管理AI带来的风险。文中提到了一些紧急治理措施，例如，让国家机构也参与进来，从而防止人们对AI的滥用。为了实现有效的监管，政府需要全面了解人工智能的发展。监管机构应采取一系列措施，如模型注册、对举报人进行有效保护以及对模型开发

「任何认为自动回归式LLM已经接近人类水平的AI，或者仅仅需要扩大规模就能达到人类水平的人，都必须读一读这个。AR-LLM的推理和规划能力非常有限，要解决这个问题，并不是把它们变大、用更多数据进行训练就能解决的。」一直以来，图灵奖得主YannLeCun就是LLM的「质疑者」，而自回归模型是GPT系列LLM模型所依赖的学习范式。他不止一次公开表达过对自回归和LLM的批评，并产出了不少金句，比如：「从现在起5年内，没有哪个头脑正常的人会使用自回归模型。」「自回归生成模型弱爆了！（Auto-RegressiveGenerativeModelssuck!）」「LLM对世界的理解非常肤浅。」让LeCun

最近，包括LeCun在内的一众大佬又开始针对LLM开炮了。最新的突破口是，LLM完全没有推理能力！在LeCun看来，推理能力的缺陷几乎是LLM的「死穴」，无论未来采用多强大的算力，多广阔和优质的数据集训练LLM，都无法解决这个问题。而LeCun抛出的观点，引发了众多网友和AI大佬针对这个问题的讨论，其中包括xAI的联合创始人之一ChristianSzegedy。AI科学家ChristianSzegedy回复LeCun：卷积网络的推理能力更加有限，但这并没有影响AlphaZero的能力。从两位大佬的进一步讨论中，我们甚至能窥探到xAI未来的技术方向——如何利用大模型的能力突破AI的推理能力上限。

本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。AI生成比人类动手写画所排放的二氧化碳可少三个数量级！结论来自LeCun最新分享“非常因吹斯汀”的一篇论文：看这转发评论量就知道，网友又坐不住了。有网友看到这个结果还有点小惊讶：生成式AI更具创造力且对环境更友好，这谁能猜到？还有一小撮网友没看过论文问道：有没有把训练模型过程中的二氧化碳排放量算进去。此外，也有很多网友对论文中使用的计算方法提出了质疑。那这篇论文里究竟是如何计算的？训练模型有没有算上？我们一起来看看。AIvs人类这项研究由来自加州大学欧文分校、麻省理工学院斯隆管理学院等研究人员共同完成。在这场人机二氧化

自去年ChatGPT发布后，业内外都涌现出了一股对大型语言模型的狂热情绪，甚至有谷歌员工宣称公司内部的语言模型有了意识。最近，纽约大学教授、Meta首席AI科学家、图灵奖得主YannLeCun及纽约大学计算机科学系的博士后JacobBrowning发表了一篇长文，他们认为是语言本身的局限性让LLM的智能无法提升。虽然语言模型变得越来越通用且强大，但我们却越来越不懂模型的思考过程。模型可以在各个常识推理基准测试中取得非常高的准确率，但为什么还是会说废话、给出危险的建议呢？也就是说，为什么语言模型如此聪明，能力却又如此有限？研究人员认为，问题根本不是出在AI算法，而在于语言的局限性，一旦我们放弃「

AlexPine发自凹非寺量子位|公众号QbitAI见惯了列表式搜索引擎，你有没有想过给它换种画风？有人脑洞大开，把艳惊四座的ChatGPT和必应搜索结合起来，搞出了一个智能搜索引擎：既有ChatGPT式的问答，又像普通搜索引擎那样列出链接，方便你分分钟溯源确认。（好家伙，这是ChatGPT风靡后，大家的灵感小宇宙都爆发了吗？）此搜索引擎名为Perplexity。有意思的是，在某些问题上，其回答准确性甚至超越了搜索引擎界大哥Google。就拿马斯克之前发的一条推文来说，它不仅总结出了推文的由来，还将推文的内容解释了一通，每条都有理有据。反观谷歌搜索，就只是列出了相关链接。Perplexity一

最近，一位名叫「ScienceisStrategic」的网友，整理了近年来几大外媒和调查机构整理的图表。结果显示，在科技发展上，美国和中国已经遥遥领先，美国居全世界第一位。而图灵奖得主YannLeCun也转发了基于此的相关讨论。Nature：2021年美国科研第一，中国第二PitchBook调查了市值超过10亿美元的风投支持的公司的市值，结果显示，美国居于世界第一，中国第二，而同样作为技术大国，欧洲明显落后于中国和美国。OECD调查显示，中国近几十年的研发支出开始大幅猛增，并在2015年以后超越了欧洲，不过目前仍然低于美国。牛津大学学者调查了2013-2016年数学和计算机领域被引用次数最多的

GPT-4最强平替更新了！这次，基于全新的Llama2，UC伯克利发布了更新版Vicunav1.5。不仅支持4K和16K上下文，并且在几乎所有基准测试中取得了SOTA。自3月发布以来，Vicuna已成为最受欢迎的聊天LLM之一。它在多模态、AI安全和评估方面的研究具有开创性。上个月，Vicuna模型在HuggingFace上的下载量超过了200万次。LeCun也转发了基于自家模型搭建的新版Vicuna。最新模型权重Vicuna基于LLaMA，应在LLaMA的模型许可下使用。你可以使用下面的命令开始聊天。它会自动从HuggingFace存储库下载权重。在下面的「使用命令行界面进行推理」部分中查看

过去几年，无监督和自监督学习（SSL）取得了巨大进步，通过SSL学习得到的表征在分类性能上甚至赶上了有监督学习，在某些情况下甚至还能超过有监督学习，这一趋势也为视觉任务的大规模数据驱动无监督学习提供了可能。虽然自监督学习的实验性能惊人，但大多数自监督学习方法都是相当「低效」的，通常需要数百个训练epoch才能完全收敛。  最近，马毅教授、图灵奖得主YannLeCun团队发布了一种新的自监督学习方法Extreme-Multi-PatchSelf-Supervised-Learning（EMP-SSL），证明了高效自监督学习的关键是增加每个图像实例中的图像块数量。论文链接：https://arxi