OpenAI新语音模式让用户可以和手机对话 而不是对着手机说话

摘要：8月18日消息，TechCrunch编辑在过去一周使用了OpenAI的高级语音模式，以下为他的体验。过去一周，我一直在试用OpenAI 的高级语音模式，这是我迄今为止对人工智能未来最有说服力的体验。本周，我的手机听到笑话后会大笑，然后回复笑话，问我今天过得怎么样，并告诉我过得很开心。我当时是在用 iPhone 说话，而不是用手操作它。 OpenAI 的最新功能目前处于有限的 alpha 测试阶段，它并没有让 ChatGPT 比以前更智能。相反，高级语音模式 (AVM) 使它更友好、更自然。它为使用人工智能和设备创建了一个新界面，让人感觉新鲜而兴奋，这正是让我害怕的地方。这个产品有点小问题，整个想法让我毛骨悚然，但令我惊讶的是，我真的很喜欢使用它。退一步来说，我认为 AVM 符合 OpenAI 首席执行官 Sam Altman 的更广阔愿景，与代理一起，改变人类与计算机交互的方式，并以 AI 模型为中心。“最终，你只需要向计算机提出你的需求，它就会为你完成所有这些任务。”Altman 在 2023 年 11 月的 OpenAI 开发日上说道。“这些功能在人工智能领域通常被称为代理。它带来的好处将是巨大的。”我的朋友，ChatGPT周三，我测试了这项我能想到的先进技术的最大优势：我让 ChatGPT 按照奥巴马的方式订购塔可钟 (Taco Bell)。“呃，让我说清楚——我想要一份 Crunchwrap Supreme，也许再来几块玉米饼。”ChatGPT 的高级语音模式说道。“你觉得他会如何处理免下车取餐服务？”ChatGPT 说道，然后对自己的笑话大笑起来。屏幕截图：ChatGPT 随后转录了口头对话。这种模仿也让我笑了起来，与奥巴马标志性的节奏和停顿相得益彰。尽管如此，它仍然保持了我选择的 ChatGPT 语音 Juniper 的音调，因此不会与奥巴马的声音混淆。它听起来就像一个朋友在模仿我，完全理解我想从中得到什么，甚至知道它在说一些有趣的事情。我发现与手机中的这个高级助手交谈出乎意料地快乐。我还向 ChatGPT 寻求建议，以解决涉及复杂人际关系的问题：要求另一半搬来和我一起住。在解释了关系的复杂性和我们的职业方向后，我收到了一些关于如何发展的非常详细的建议。这些问题你永远无法向 Siri 或 Google 搜索提出，但现在你可以使用 ChatGPT。聊天机器人的声音在回答这些提示时甚至表现出一种略显严肃、温和的语气；与奥巴马点塔可钟快餐时的开玩笑语气形成鲜明对比。ChatGPT 的 AVM 还非常适合帮助您理解复杂的主题。我要求它以 10 岁儿童能理解的方式分解收益报告中的项目（例如自由现金流）。它以柠檬水摊位为例，以我表弟完全能理解的方式解释了几个财务术语。您甚至可以要求 ChatGPT 的 AVM 放慢语速，以适应您当前的理解水平。Siri 可以走路，所以 AVM 可以跑与 Siri 或 Alexa 相比，ChatGPT 的 AVM 显然更胜一筹，因为它的响应时间更快、答案独特，并且能够回答上一代虚拟助手无法回答的复杂问题。然而，AVM 在其他方面存在不足。ChatGPT 的语音功能无法设置计时器或提醒、实时上网、查看天气或与手机上的任何 API 交互。至少目前，它还不是虚拟助手的有效替代品。与Google的竞争功能Gemini Live相比，AVM 略胜一筹。Gemini Live 无法模仿，无法表达任何情感，无法加快或减慢速度，并且响应时间更长。Gemini Live 确实有更多声音（十个，而 OpenAI 只有三个），而且似乎更符合时下潮流（Gemini Live 知道Google的反垄断裁决）。值得注意的是，AVM 和 Gemini Live 都不会唱歌，这可能是为了避免与唱片业发生版权诉讼。话虽如此，ChatGPT 的 AVM 故障很多（公平地说，Gemini Live 也是如此）。有时它会在句子中途中断，然后重新开始。它还会时不时发出这种奇怪、粗糙的声音，让人有点不愉快。我不确定这是型号、互联网连接还是其他问题，但这些技术缺陷对于 alpha 测试来说在某种程度上是意料之中的。不过，这些问题并没有影响我真正用手机通话的体验。在我看来，这些例子就是 AVM 的魅力所在。该功能并不能让 ChatGPT 无所不知，但它确实允许人们以独特的人类方式与底层 AI 模型 GPT-4o 进行交互。（如果您忘记了电话另一端没有人，我会理解。）与 AVM 交谈时，ChatGPT 几乎感觉具有社交意识，但当然不是。它只是一堆整齐打包的预测算法。谈论科技坦率地说，这个功能让我担心。这不是科技公司第一次在手机上提供陪伴功能。我这一代人，Z 世代，是第一个伴随着社交媒体成长起来的一代人，社交媒体为人们提供了联系，但却利用了我们的集体不安全感。与人工智能设备交谈——就像 AVM 似乎提供的那样——似乎是社交媒体“手机中的朋友”现象的演变，它提供了廉价的联系，触动了我们的人类本能。但这一次，它完全将人类排除在外。人工人类连接已成为生成式人工智能的一个意外流行用例。如今，人们将人工智能聊天机器人用作朋友、导师、治疗师和老师。当 OpenAI 推出其 GPT 商店时，它很快就被人工智能女友淹没，这些聊天机器人专门充当你的另一半。麻省理工学院媒体实验室的两名研究人员本月发出警告，要为上瘾智能做好准备，或者说人工智能伴侣具有黑暗模式，可以让人类上瘾。我们可能会打开潘多拉魔盒，让设备以新的、诱人的方式吸引我们的注意力。本月初，一名哈佛大学辍学生发布了一款名为 Friend 的人工智能项链，震惊了科技界。这款可穿戴设备（如果能像承诺的那样工作）会一直在倾听，聊天机器人会通过短信告诉你你的生活。虽然这个想法看起来很疯狂，但 ChatGPT 的 AVM 等创新让我有理由认真对待这些用例。虽然 OpenAI 在这方面处于领先地位，但Google也紧随其后。我相信亚马逊和苹果也在竞相将这种能力融入到他们的产品中，很快，它就会成为该行业的赌注。想象一下，你向智能电视索要一部电影的超具体推荐，然后就能得到你想要的电影。或者告诉 Alexa 你感觉到的感冒症状，然后让它在亚马逊上为你订购纸巾和止咳药，同时为你提供家庭疗法建议。也许你可以让你的电脑为你的家人制定一个周末旅行计划，而不是手动Google搜索所有内容。显然，这些行动需要在人工智能代理领域取得突破和飞跃。OpenAI 在这方面的努力，即 GPT 商店，感觉就像一款被过度炒作的产品，不再是该公司关注的重点。但 AVM 至少解决了与计算机对话这一难题。这些概念还有很长的路要走，但在使用 AVM 之后，它们似乎比上周更接近现实。 原文：https://m.cnbeta.com.tw/view/1442609.htm

Cybertruck架上机关枪 特斯拉皮卡要成俄乌战场武器？

摘要：北京时间8月18日，据汽车新闻网站Electrek报道，特斯拉电动皮卡Cybertruck可能卷入了俄乌战争，并被俄罗斯使用，因为俄车臣地区领导人已经获得了一辆Cybertruck，并在车顶架上了机关枪。 车臣领导人拉姆赞·卡德罗夫(Ramzan Kadyrov)在周六发布了一段自己驾驶Cybertruck的视频，汽车上面似乎安装了一挺机关枪。卡德罗夫表示，他将把这辆车送到乌克兰冲突地区。卡德罗夫驾驶Cybertruck他在消息应用Telegram上对Cybertruck和特斯拉CEO埃隆·马斯克(Elon Musk)大加赞扬，称他为“当代最强天才”，并邀请马斯克访问车臣。“我们…期待你们未来的产品，帮助我们完成这次特别军事行动。”卡德罗夫写道。特别军事行动是俄罗斯用来描述乌克兰战争的官方用语。卡德罗夫在视频中感谢马斯克提供了Cybertruck，一些人因此认为这辆车是马斯克赠送给他的，但这种可能性不大，因为这将绕过美国针对俄罗斯和卡德罗夫的制裁。更有可能的是，他是在感谢马斯克“创造”了Cybertruck。Electrek在今年早些时候报道，两辆Cybertruck在立陶宛海关被拦下，原因是被怀疑要运往俄罗斯。后来，Electrek从一个消息来源得知，这些Cybertruck最终顺利通过了立陶宛海关并到达了俄罗斯，但Electrek无法确认这一点。目前尚不清楚卡德罗夫是否获得了其中一辆，也不清楚它们是否是不同的Cybertruck。截至发稿，特斯拉尚未就此置评。 原文：https://m.cnbeta.com.tw/view/1442608.htm

跟着哈勃望远镜在前排观看FS Tau星系发射的“宇宙烟花”

摘要：在哈勃太空望远镜捕捉到的壮观画面中，位于约 450 光年外的金牛座区域的 FS Tau 星系展现了其年轻而充满活力的本质。在这张来自NASA/ESA 哈勃太空望远镜的新照片中，喷流从一颗新形成恒星的茧中喷射而出，穿过太空，划过闪闪发光的星云中的气体和尘埃。 这张哈勃太空望远镜拍摄的位于金牛座-北极星区域的年轻 FS Tau 系统图像显示了两个主要组成部分：FS Tau A 是一颗双 Tauri 星，FS Tau B 是一颗带有可见原行星盘的原恒星。这幅图像很好地展示了恒星发展的早期阶段，包括喷流发射和行星系统的形成。资料来源：NASA、ESA、K. Stapelfeldt（NASA JPL）、G. Kober（NASA/美国天主教大学）FS Tau 是一个多恒星系统，由 FS Tau A 和 FS Tau B（哈罗 6-5B）组成，FS Tau A 是靠近图像中间的明亮恒星状天体，FS Tau B 是最右边的明亮天体，部分被一条黑暗的垂直尘埃道遮挡。这些年轻天体被这个恒星托儿所的气体和尘埃柔和地包围着。这个恒星系统只有大约 280 万年的历史，对于一个恒星系统来说非常年轻。相比之下，我们的太阳已经有 46 亿年的历史了。FS Tau B 是一颗新形成的恒星，或者说是原恒星，它被一个原行星盘包围着，原行星盘是恒星形成过程中留下的尘埃和气体的薄饼状集合体，最终将凝聚成行星。我们看到的厚厚的尘埃道几乎是边缘朝上的，它将被认为是盘的发光表面分隔开来。FS Tau B很可能正在变成一颗金牛座恒星，这是一种年轻的变星，还没有开始核聚变，但已经开始进化成类似太阳的氢燃料恒星。原恒星在其形成的气体云坍缩时释放的热能，以及从附近气体和尘埃中吸积的物质所产生的热能，使其闪闪发光。变星是一类亮度随时间发生明显变化的恒星。FS Tau A本身是一个金牛座双星系统，由两颗相互绕行的恒星组成。众所周知，原恒星会喷射出快速移动的柱状高能物质流，这种物质流被称为喷流，FS Tau B 就是这种现象的一个突出例子。这颗原恒星是一个不寻常的不对称双面喷流的源头，在这里可以看到蓝色的喷流。它的不对称结构可能是因为质量以不同的速度从天体中排出。FS Tau B也被归类为赫比格-哈罗天体。赫比希-哈罗天体是由年轻恒星喷射出的电离气体射流与附近的气体云和尘埃云高速碰撞，形成明亮的云雾状斑块而形成的。FS Tau 是金牛座-御夫座区域的一部分，金牛座和御夫座大约 450 光年远的地方，聚集着许多新形成的年轻恒星的黑暗分子云。哈勃以前曾对这一区域进行过观测，其恒星形成活动使其成为天文学家的一个引人注目的目标。哈勃进行的这些观测是年轻恒星天体周围边缘尘埃盘调查的一部分。编译自/ScitechDaily 原文：https://m.cnbeta.com.tw/view/1442607.htm

来自大西洋热带海洋的新发现正改写气候模式规则

摘要：一项新的研究发现，大西洋热带海洋混合层的变化是大西洋十年多变性（AMV）的主要驱动力，影响着全球气候模式，包括北美、欧洲和非洲的天气。这项研究挑战了以往关于海洋-大气热交换的观点，并建议改进气候建模，以更好地预测长期气候趋势及其对全球的影响。 一项新的研究发现，热带大西洋上层的湍流在形成全球长期气候模式方面起着至关重要的作用。研究人员发现，海洋混合层--风和浪将温暖的表层水与较冷的深层水混合在一起的最顶层--的变化是热带地区称为大西洋十年多变性（AMV）的气候现象背后的主要力量。AMV 对全球气候影响深远。它影响着从北美到欧洲和非洲的天气模式，从加勒比海的飓风活动到萨赫勒地区的降雨量都会受到影响。这项研究的主要作者、雷丁大学的巴拉吉-塞纳帕蒂博士说："到目前为止，人们一直认为海洋和大气之间热交换的变化是影响世界各地天气的气候模式的驱动力。我们的新研究挑战了这一观点，证明海洋混合层的深度是全球气候多变性的关键因素。这项研究加深了我们对大西洋气候多变性的理解，并突出了海洋和大气在塑造地球气候方面的复杂关系。在我们面对气候变化的挑战时，对自然气候变异性的洞察对于制定有效的缓解战略越来越有价值"。这项发表在《地球物理研究快报》上的研究发现，当北大西洋外热带地区的温度高于平均温度时，信风就会变弱。这种减弱导致海洋混合层变浅，尤其是在夏季。因此，太阳能量温暖了更薄的水层，导致热带大西洋更强烈地变暖。这一过程形成了一个反馈回路：大西洋北部较暖的海水减弱了信风，从而导致混合层变浅，热带地区进一步变暖。当 AMV 转向较冷阶段时，这一过程就会逆转，导致整个大西洋气温较低。这些发现对气候建模和长期预测具有重要意义。目前的许多气候模型可能无法准确地表示这些上层海洋过程，从而可能导致对 AMV 及其全球影响的预测不准确。科学家们希望通过将对海洋混合的这一新认识纳入气候模型，提高预测长期气候趋势及其对全球天气模式的相关影响的能力。编译自/ScitechDailydoi: 10.1029/2024gl110057 原文：https://m.cnbeta.com.tw/view/1442606.htm

从文字到轨迹：麻省理工学院的AI用语言帮助机器人完成复杂的导航任务

摘要：麻省理工学院和麻省理工学院-IBM 沃森人工智能实验室的研究人员开发出一种新颖的人工智能导航方法，可将视觉数据转换为语言描述，帮助机器人完成复杂的导航任务。这种方法使用大型语言模型生成合成训练数据，并根据语言输入做出导航决策。虽然这种方法并不优于基于视觉的模型，但它具有资源密集度较低、更容易适应各种任务和环境的优势。 也许有一天，您会希望家用机器人把脏衣服搬到楼下，然后放进地下室最左侧角落的洗衣机里。机器人需要结合您的指示和它的视觉观察来确定完成这项任务的步骤。对于人工智能代理来说，这说起来容易做起来难。目前的方法通常利用多个手工制作的机器学习模型来处理任务的不同部分，这需要大量的人力和专业知识来构建。这些方法利用视觉表征直接做出导航决策，需要大量的视觉数据进行训练，而这些数据往往很难获得。为了克服这些挑战，麻省理工学院和麻省理工学院-IBM 沃森人工智能实验室的研究人员设计了一种导航方法，将视觉表征转换为语言片段，然后将其输入一个大型语言模型，从而实现多步骤导航任务的所有部分。他们的方法不是将机器人周围环境图像中的视觉特征编码为视觉表示（这需要大量计算），而是创建描述机器人观点的文字说明。一个大型语言模型利用这些文字说明来预测机器人为完成用户的语言指令而应采取的行动。由于他们的方法纯粹利用基于语言的表征，因此可以使用大型语言模型高效生成大量合成训练数据。虽然这种方法并没有超越使用视觉特征的技术，但在缺乏足够视觉数据进行训练的情况下，它的表现却很出色。研究人员发现，将基于语言的输入与视觉信号相结合可以提高导航性能。"通过纯粹使用语言作为感知表征，我们的方法更为直接。因为所有的输入都可以编码成语言，所以我们可以生成人类可以理解的轨迹，"电子工程与计算机科学（EECS）研究生、有关这种方法的论文的第一作者潘博文（Bowen Pan）说。潘的合著者包括他的顾问、麻省理工学院苏世民计算机学院战略行业参与主任、麻省理工学院MIT-IBM沃森人工智能实验室主任、计算机科学与人工智能实验室（CSAIL）高级研究科学家奥德-奥利瓦（Aude Oliva）；电子工程科学副教授、CSAIL成员菲利普-伊索拉（Philip Isola）；资深作者、电子工程科学助理教授、CSAIL成员金允（Yoon Kim）；以及麻省理工学院MIT-IBM沃森人工智能实验室和达特茅斯学院的其他人员。这项研究将在计算语言学协会北美分会会议上发表。用语言解决视觉问题潘说，由于大型语言模型是目前最强大的机器学习模型，因此研究人员试图将它们融入称为视觉语言导航的复杂任务中。然而，这类模型采用文本输入，无法处理来自机器人摄像头的视觉数据。因此，团队需要找到一种使用语言的方法。他们的技术利用一个简单的字幕模型来获取机器人视觉观察的文字描述。这些文字说明与基于语言的指令相结合，并输入一个大型语言模型，由该模型决定机器人下一步应采取的导航步骤。大语言模型会输出机器人在完成该步骤后应该看到的场景说明。这将用于更新历史轨迹，以便机器人能够追踪到自己曾经到达过的地方。为了简化这一过程，研究人员设计了模板，以便将观察信息以标准的形式呈现给模型--即机器人可以根据周围环境做出的一系列选择。例如，标题可以是"在你左侧 30 度的地方有一扇门，门边有一盆植物，在你的后面有一间小办公室，里面有一张桌子和一台电脑"等等。由模型来选择机器人应该向门还是向办公室移动。潘说："最大的挑战之一是，如何以适当的方式将这类信息编码成语言，让代理了解任务是什么，以及他们应该如何回应。"语言的优势在对这种方法进行测试时，他们发现这种方法虽然无法超越基于视觉的技术，但却具有一些优势。首先，与复杂的图像数据相比，文本合成所需的计算资源更少，因此他们的方法可用于快速生成合成训练数据。在一次测试中，他们根据 10 个真实世界的视觉轨迹生成了 10000 个合成轨迹。该技术还能弥补在模拟环境中训练出来的代理在真实世界中表现不佳的缺陷。这种差距经常出现，因为计算机生成的图像会因光照或颜色等因素而与真实世界的场景大相径庭。但潘说，描述合成图像与真实图像的语言就很难区分了。此外，他们的模型所使用的表述方式也更容易被人类理解，因为它们是用自然语言编写的。"如果代理未能达到目标，我们可以更容易地确定它在哪里失败以及失败的原因。也许历史信息不够清晰，或者观察结果忽略了一些重要细节，"潘说。此外，他们的方法可以更容易地应用于不同的任务和环境，因为它只使用一种类型的输入。只要数据可以编码成语言，他们就可以使用相同的模型，而无需做任何修改。但缺点之一是，他们的方法自然会丢失一些基于视觉的模型所能捕捉到的信息，如深度信息。然而，研究人员惊讶地发现，将基于语言的表征与基于视觉的方法相结合，可以提高代理的导航能力。他说："也许这意味着语言可以捕捉到一些纯视觉特征无法捕捉到的更高层次的信息。"这是研究人员希望继续探索的一个领域。他们还希望开发一种以导航为导向的字幕机，以提高该方法的性能。此外，他们还想探究大型语言模型表现出空间意识的能力，看看这将如何帮助基于语言的导航。编译自/ScitechDailyarXiv:2310.07889 原文：https://m.cnbeta.com.tw/view/1442605.htm

人类生命何时算是真正开始？哈佛科学家探索新视角

摘要：关于人类生命起始的争论有着深刻的哲学根源，但直到最近，这些争论还受到现有技术的限制。哈佛大学的研究人员对人类生命的开始提出质疑，强调 14 天胚胎阶段的关键性，这受到新的科学和老龄化研究见解的影响。 出生证明一般将孩子的生命定义于于出生时，即从母亲的子宫中娩出之时。然而，哈佛大学医学院的研究人员 Polina A. Loseva 和 Vadim N. Gladyshev 在《衰老》（Aging）杂志上发表的一篇新评论中提出了一个有争议的问题：人的生命从何时开始？科学给出了多种答案--这取决于人们如何定义人的生命。1984 年，一个关于人类胚胎实验监管框架的委员会选择不回答这个问题，而是设定了一个界限，即受精后 14 天内禁止进行任何实验。人类胚胎发生年表，显示发育阶段和不同生命特征的出现。图片来源：2024 Loseva 和 Gladyshev最近，随着生殖技术的发展和对实验的需求日益强烈，这一界限可能会被搁置，由地方监督委员会做出最终决定。虽然科学还没有接近确定人类生命的零点，但我们对哺乳动物早期胚胎发育的了解已经取得了重大进展。我们已经清楚地认识到，14 天阶段确实具有一些特征，使其成为发育中人类的一个基础时间点。重要的是，这一阶段确定了体细胞与生殖细胞的分离，标志着返老还童与衰老之间的界限。"我们探讨了不同层次的生命组织是如何在人类发育过程中出现的，并为生物生命的 14 天阶段提出了一个新的含义，这个含义是以最近的机理进展和衰老研究的见解为基础的"。编译自/ScitechDaily 原文：https://m.cnbeta.com.tw/view/1442604.htm