具身智能的最新发展成果

小朋友，具身智能呀，是人工智能里的一种很有趣的技术。 它说的是像机器人、虚拟代理这样的智能体，要通过和真实世界或者虚拟环境直接打交道来变得更聪明。 比如说，智能体要有能感觉周围环境的能力，能自己到处走，能拿东西、操作东西，还能学习新本领，适应新环境。 具身智能很在意智能体的“身体”，这个“身体”可以是机器人的样子，也可以是游戏里的虚拟角色。这些“身体”能帮智能体和环境互动，还会影响智能体学习。 像机器人可以通过它的手学会抓东西、摆弄东西，虚拟代理在游戏里能学会解决问题。 研究具身智能要用到好多知识，像机器人学、认知科学、神经科学还有计算机视觉。 在机器人领域，具身智能能让机器人更好地理解和适应我们人类的生活环境，跟我们交流更自然。在虚拟现实、增强现实和游戏里，也能让我们玩得更开心。 不过呢，具身智能还有一些难题要解决，比如怎么设计智能体的身体让它更聪明，怎么让它在复杂的环境里好好学习，还有怎么处理它和人类社会相关的一些问题。 简单说，具身智能就是给聪明的人工智能装上“身体”，让它能和周围环境更好地交流互动。

具身智能最核心的技术热点包括以下方面： 1. 人机混合增强智能标准：规范多通道、多模式和多维度的交互途径、模式、方法和技术要求，如脑机接口、在线知识演化、动态自适应、动态识别、人机协同感知、人机协同决策与控制等。 2. 智能体标准：规范以通用大模型为核心的智能体实例及智能体基本功能、应用架构等技术要求，包括智能体强化学习、多任务分解、推理、提示词工程，智能体数据接口和参数范围，人机协作、智能体自主操作、多智能体分布式一致性等。 3. 群体智能标准：规范群体智能算法的控制、编队、感知、规划、决策、通信等技术要求和评测方法，包括自主控制、协同控制、任务规划、路径规划、协同决策、组网通信等。 4. 跨媒体智能标准：规范文本、图像、视频、音频等多模态数据处理基础、转换分析、融合应用等方面的技术要求，包括数据获取与处理、模态转换、模态对齐、融合与协同、应用扩展等。 5. 具身智能标准：规范多模态主动与交互、自主行为学习、仿真模拟、知识推理、具身导航、群体具身智能等。 具身智能需要具备感知、决策和执行三种核心能力。执行能力是技术难点，涉及硬件设计，具身智能体主要分为移动和操作两大能力。移动方面，各种类型机器人在不同地形下实现鲁棒的移动仍是前沿学术问题。操作方面，现阶段能落地的只有简单抓取，可泛化的通用执行能力是三大核心能力中最短的板。大语言模型（LLM）为具身智能热潮来临提供了机会，其强泛化能力和 zeroshot 能力使不再需要为每个任务手工调校机器人。

具身智能是人工智能领域的一个子领域，以下是关于具身智能的详细介绍： 定义：强调智能体（如机器人、虚拟代理等）通过与物理世界或虚拟环境的直接交互来发展和展现智能。 核心：在于智能体的“身体”或“形态”，其可以是物理形态（如机器人的机械结构）或虚拟形态（如模拟环境中的虚拟角色）。这些身体不仅是互动手段，也影响智能体的学习和发展。 涉及学科：包括机器人学、认知科学、神经科学和计算机视觉等。 机器人学：关注设计能自主行动和适应环境的机器人。 认知科学和神经科学：探索大脑处理与身体相关信息的机制及应用于人造智能系统。 计算机视觉：致力于开发算法，使智能体能够理解和解释视觉信息，进行有效空间导航和物体识别。 应用： 机器人领域：在服务机器人、工业自动化和辅助技术等方面，使机器人更好地理解和适应人类生活环境，提供更自然有效的人机交互。 虚拟现实、增强现实和游戏设计等领域：创造更具沉浸感和交互性的体验。 特点： 三要素：“本体”（硬件载体）、“智能”（大模型、语音、图像、控制、导航等算法）、“环境”（本体所交互的物理世界），三者高度耦合是高级智能的基础。 四个模块：感知决策行动反馈，形成闭环。 面临挑战：如设计智能体身体以最大化智能表现、让智能体在复杂多变环境中有效学习、处理智能体与人类社会的伦理和安全问题等。 尽管具身智能在理论和技术上取得显著进展，但仍有诸多挑战待解决，未来研究将继续探索推动其发展和应用。

具身智能是人工智能领域的一个子领域，以下是关于具身智能的详细介绍： 定义：强调智能体（如机器人、虚拟代理等）通过与物理世界或虚拟环境的直接交互来发展和展现智能。 核心：在于智能体的“身体”或“形态”，其可以是物理形态（如机器人的机械结构）或虚拟形态（如模拟环境中的虚拟角色）。这些身体不仅是互动手段，也影响智能体的学习和发展。 涉及学科：包括机器人学、认知科学、神经科学和计算机视觉等。 机器人学：关注设计能自主行动和适应环境的机器人。 认知科学和神经科学：探索大脑处理与身体相关信息的机制及应用于人造智能系统。 计算机视觉：致力于开发使智能体能够理解和解释视觉信息，进行有效空间导航和物体识别的算法。 应用： 机器人领域：在服务机器人、工业自动化和辅助技术等方面，使机器人更好地理解和适应人类生活环境，提供更自然有效的人机交互。 虚拟现实、增强现实和游戏设计等领域：创造更具沉浸感和交互性的体验。 重要要素和模块： 三要素：“本体”（硬件载体）、“智能”（大模型、语音、图像、控制、导航等算法）、“环境”（本体所交互的物理世界），三者高度耦合是高级智能的基础。 四个模块：感知决策行动反馈，形成一个闭环。 尽管具身智能在理论和技术上取得显著进展，但仍面临诸多挑战，如智能体身体设计、复杂环境中的有效学习、与人类社会的伦理和安全问题等。未来研究将继续探索这些问题以推动其发展和应用。

具身智能是人工智能领域的一个子领域，指的是智能体（如机器人、虚拟代理等）通过与物理世界或虚拟环境的直接交互来发展和展现智能。 其核心在于智能体的“身体”或“形态”，这些身体可以是物理形态，如机器人的机械结构，也可以是虚拟形态，如在模拟环境中的虚拟角色。身体不仅为智能体提供了与环境互动的手段，也影响其学习和发展。 具身智能的研究涉及多个学科，包括机器人学、认知科学、神经科学和计算机视觉等。在机器人学中，关注如何设计能自主行动和适应环境的机器人；在认知科学和神经科学中，探索大脑处理与身体相关信息的机制及应用于人造智能系统；在计算机视觉中，致力于开发算法让智能体理解和解释视觉信息，进行有效空间导航和物体识别。 具身智能的应用广泛，在机器人领域，特别是服务机器人、工业自动化和辅助技术等方面，能让机器人更好地理解和适应人类生活环境，提供更自然有效的人机交互。在虚拟现实、增强现实和游戏设计等领域，能创造更具沉浸感和交互性的体验。 具身智能有三要素：本体（硬件载体）、智能（大模型、语音、图像、控制、导航等算法）、环境（本体所交互的物理世界），三者高度耦合是高级智能的基础。其行动分为“感知决策行动反馈”四个步骤，分别由四个模块完成并形成闭环。 尽管具身智能取得显著进展，但仍面临诸多挑战，如设计智能体身体以最大化智能表现、让智能体在复杂多变环境中有效学习、处理智能体与人类社会的伦理和安全问题等。

具身智能的软硬件解决方案包括以下方面： 算法层： 技术层级： 任务层级：可细分为任务级、技能级、动作级、基元级、伺服级，通常关注前四个级别。 解决方案层级：通常可拆分为大脑+小脑两个层级。大脑负责人机交互与规划决策，小脑负责运动控制及将语义信息理解转化为动作。 大脑侧：负责人机交互，能通过视觉在语义层面理解场景、任务等并进行决策。大模型的发展对大脑有促进作用，大脑的长期发展高度依赖多模态大模型。如 2024 年 3 月，有鹿机器人发布了基于 LPLM10B 的软硬件结合产品 Master 2000。 整机硬件方案：基于下游场景需求设计运动、感知、计算和通信硬件方案。具身智能厂商倾向于软硬件全流程自主控制，自己制作机体，原因包括机体和数据模式未统一，训练数据与机体构造紧密联系，以及考虑二级供应商是否成熟和整机利润。部分强大厂商如 Tesla 具备制作更底层电机、传感器的能力，软硬件一体化制造能带来更高利润。 智能类型：包括认知智能和物理智能。认知智能涉及思考、规划和决策能力，完全由大脑驱动；物理智能指机器人的感知和与环境的运动互动能力，感知环节由大脑侧算法实现，行动环节由小脑侧算法和硬件配合完成。 发展趋势： 人形化：外形向人类细部特征靠拢，功能具备真实人类运动、灵活和环境判断能力。 成本下降显著：核心零部件成本降低，人形机器人成本及售价呈下降趋势。 构成元素：包括大脑（意图理解、环境感知、规划决策）、小脑（运动控制、语义信息理解转化为动作）、整机硬件方案。

以下是关于在 Coze 中搭建智能体的相关信息： 1. 证件照相关操作： 展示原图上传结果，基本脸型已换，生成效果与上传照片特征有关。 改背景可利用改图功能，一键改图效果更好，输出数据类型为图片。 豆包节点生成的是 URL 地址，与前者不同，在工作流使用有差异，可参考简单提示词。 介绍证件照工作流相关操作，包括通过提示词改背景颜色，设置输出方式为返回变量；讲解消耗 token 及保存结果相关问题；对按钮、表单添加事件并设置参数，限制上传文件数量；还涉及给表单和图片绑定数据，以及每次操作后刷新界面确保设置生效。 围绕操作讲解与优化展开，介绍 for meet 的设置，如表单事件操作、图片上传数量修改等，提及编程基础知识。还讲述成果图连接、绑定数据方法及注意事项。展示基本功能实现情况，分析换性别等问题成因，指出需在工作流优化提示词，也可尝试用视频模型解决，最后进入问答环节。 2. 多维表格的高速数据分析： 创建智能体，使用单 Agent 对话流模式。 编排对话流，创建新的对话流并关联智能体。 使用代码节点对两个插件获取的结果进行数据处理，注意代码节点输出的配置格式。 测试，找到一篇小红书笔记，试运行对话流，在对话窗口输入地址查看数据。 发布，选择多维表格，配置输出类型为文本，输入类型选择字段选择器，完善上架信息，可选择仅自己可用以加快审核。 3. 智能体与微信和微信群的连接： 创建知识库，可选择手动清洗数据提高准确性，包括在线知识库和本地文档。 在线知识库创建时，飞书在线文档中每个问题和答案以分割，可编辑修改和删除。 本地文档中注意拆分内容提高训练数据准确度，如将课程章节按固定方式人工标注和处理。 发布应用，确保在 Bot 商店中能够搜到。

以下是关于如何设计用智能体做企业数字化转型课程的建议： 一、参考案例 1. 李国宝的相关经验 具有丰富的从业经验，包括通信工程、数据通信网络培训、创业、网络安全解决方案及培训、AI 课程开发与培训等。 开发过面向不同群体的 AI 课程，如《数字化转型实践》面向传统企业数字化、AI 赋能转型。 2. 90 分钟从 0 开始打造你的第一个 Coze 应用课程 从零开始教学做应用界面，先基础教学，再涉及特定应用。 介绍当前承接业务，包括辅导、培训、定制及企业 AI 落地等。 挖掘用户对 AI 应用的功能需求，如对交互界面的需求。 二、课程设计要点 1. 对于企业管理者 AI 辅助决策：在小规模决策中使用 AI 分析工具，以其分析结果作为决策参考。 员工培训计划：制定 AI 工具使用的培训计划，帮助团队成员了解日常工作中如何有效利用 AI。 流程优化：识别公司中可能受益于 AI 自动化的重复性任务，从小流程开始测试 AI 解决方案的效果。 AI 伦理和政策：制定公司的 AI 使用政策，确保 AI 应用符合伦理标准和法律要求。 2. 对于教育工作者 AI 辅助教案设计：尝试使用 AI 帮助设计课程大纲或生成教学材料 ideas，为课程带来新视角。 个性化学习路径：探索使用 AI 分析学生学习数据，为不同学生制定个性化学习计划。 创新教学方法：考虑将 AI 工具整合到课堂活动中，如使用 AI 生成的案例研究或模拟场景。 AI 素养教育：开发简单的课程模块，教导学生了解 AI 基础知识、应用领域及其对社会的影响。 三、注意事项 无论面向哪个群体，都应记住：与 AI 协作是一个学习过程。从小处着手，保持好奇心和开放态度，会发现 AI 不仅能提高工作效率，还能激发创造力，开拓新的可能性。最重要的是，始终保持批判性思维，将 AI 视为强大的工具，而不是完全依赖的解决方案。

以下是为您整理的相关内容： 《促进创新的人工智能监管方法》：包含了关于通用人工智能价值链、相关案例研究以及对人工智能监管框架的探讨等内容。 陶力文律师关于律师写好提示词用好 AI 的方法：包括初始化的欢迎语、遵循的规则、获取案例洞察报告和目标群体、输出纲要和写作方案、根据用户反馈调整等流程。 开幕式主持稿：涉及基地代表发言的时间、主题、物料配合和人员配合等信息。 但这些素材似乎与为中国移动准备市委书记致辞稿所需的素材关联不大。一般来说，为撰写市委书记在中国移动人工智能生态大会上的致辞稿，中国移动可能需要准备以下素材： 1. 本次大会的详细介绍，包括主题、目标、议程安排等。 2. 中国移动在人工智能领域的发展成果、战略规划和未来愿景。 3. 中国移动人工智能生态的构建情况，如合作伙伴、合作项目等。 4. 本次大会在第八届数字峰会中的地位和作用。 5. 相关行业的人工智能发展现状和趋势。 6. 福州市在人工智能领域的发展情况和与中国移动合作的展望。

AI 智能体（Agents）是人工智能领域中一个重要的概念： 1. 从 AGI 的发展等级来看，智能体不仅具备推理能力，还能执行全自动化业务，但目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 2. 作为大模型的主要发展方向之一，智能体中间的“智能体”其实就是大模型（LLM）。通过为 LLM 增加工具、记忆、行动、规划这四个能力来实现。目前行业里主要用到的是 langchain 框架，它把 LLM 与 LLM 之间以及 LLM 与工具之间通过代码或 prompt 的形式进行串接。 3. 从智能体的起源探究来看，心灵社会理论认为智能是由许多简单的 Agent（分等级、分功能的计算单元）共同工作和相互作用的结果。这些 Agent 在不同层次上执行不同的功能，通过协作实现复杂的智能行为。心灵社会将智能划分为多个层次，每个层次由多个 Agent 负责，每个 Agent 类似于功能模块，专门处理特定类型的信息或执行特定任务。同时存在专家 Agent、管理 Agent、学习 Agent 等不同类型的 Agent 及其相应功能。从达特茅斯会议开始讨论人工智能，到马文·明斯基引入“Agent”概念，“AI”和“Agent”就彻底聚齐，往后被称之为 AI Agent。

以下是一些常见的人工智能软件： 1. 在自然语言处理和神经科学应用方面，大型语言模型取得了进展，拥有更先进的工具用于解码大脑状态和分析复杂脑部活动。 2. 在艺术创作领域，有涉及知识产权保护的相关软件，如软件工程师在设计时应确保生成内容合法合规、注重用户知识产权保护等。创作者使用此类软件时，应了解自身权利并做好保护。 3. 在线 TTS 工具方面，如 Eleven Labs（https://elevenlabs.io/）、Speechify（https://speechify.com/）、Azure AI Speech Studio（https://speech.microsoft.com/portal）、Voicemaker（https://voicemaker.in/）等。这些工具可将文本转换为语音，具有不同的特点和适用场景。但请注意，相关内容由 AI 大模型生成，请仔细甄别。

通用人工智能（AGI）是指具有人类水平的智能和理解能力的 AI 系统。它有能力完成任何人类可以完成的智力任务，适用于不同的领域，同时拥有某种形式的意识或自我意识。 目前 AGI 还只是一个理论概念，没有任何 AI 系统能达到这种通用智能水平。 OpenAI 在其内部会议上分享了 AGI 的五个发展等级： 1. 聊天机器人（Chatbots）：具备基本对话能力的 AI，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 推理者（Reasoners）：具备人类推理水平的 AI，能够解决复杂问题，如 ChatGPT，能够根据上下文和文件提供详细分析和意见。 3. 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务的 AI。目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 4. 创新者（Innovators）：能够协助人类完成新发明的 AI，如谷歌 DeepMind 的 AlphaFold 模型，可以预测蛋白质结构，加速科学研究和新药发现。 5. 组织（Organizations）：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 常见名词解释： AGI：通用人工智能（Artificial General Intelligence）能够像人类一样思考、学习和执行多种任务的人工智能系统。 NLP：自然语言处理（Natural Language Processing），就是说人话。 LLM：大型语言模型（Large Language Model），数据规模很大，没钱搞不出来，大烧钱模型。

当前 AI 数字人的发展呈现出以下新态势，并取得了一系列新技术和成果： 数字人简介： 数字人是运用数字技术创造的，虽现阶段未达科幻作品中的高度智能，但已在生活多场景中出现且应用爆发。业界对其尚无准确定义，一般可按技术栈分为真人驱动和算法驱动两类。真人驱动的数字人重在通过动捕设备或视觉算法还原真人动作表情，主要用于影视和直播带货，其表现质量与建模精细度及动捕设备精密程度相关，不过视觉算法进步使在无昂贵动捕设备时也能通过摄像头捕捉关键点信息实现不错效果。 B 端变现与创业方向： B 端变现细分包括高频率和大规模的内容生产细分，如文字、视频、3D 模型、AI 智能体等，底层是需求和数据收集及训练模型，算力和能源是关键。自媒体创业需具备内容创新和差异化，内容成本低且更新迭代快。游戏创业可做轻量化游戏，结合 AI 技术满足放松和社交需求，专注垂类赛道避免与大厂竞争。影视创业在 25 年将是拐点，更多内容会采用 AI 技术。广告营销创业重点是 AI 虚拟人，数字插画可走治愈类型，要明确平台用户画像和产品定位，做好次留存和引入私域。 AI 虚拟人的发展与创业机遇： AI 虚拟人从早期以首位为核心的宅文化虚拟偶像，发展到以 CG 技术和动捕语音合成技术为核心的角色，再到如今以动捕和人工智能技术为核心的服务型虚拟人。虚拟人产业链包括基础层的硬件和软件研发，平台层如商汤、百度等提供工具和系统，应用层涉及影视、传媒、游戏、金融、文旅等内容变现。未来 3 10 年，AI 虚拟人是 Web 3.0 的风口，提前布局有潜力的赛道可迎接机遇，但创业对创业者综合能力要求极高。 未来展望： 数字人未来有很多应用场景，如家庭中的数字人管家、学校中的数字人老师、商场里的数字人导购等。未来还会有很多技术突破，如将五感数据和躯壳控制参数作为输入，次世代算法可自我迭代升级和自行演化躯壳控制方式。通过 Dify 搭建数字人的开源项目可展现低门槛高度定制数字人的基本思路，数字人的核心在于 Agent 即灵魂，如何在 Dify 上编排专属数字人灵魂值得体验。期望随着数字人的多模态能力接入、智能化水平升级、模型互动控制更精确，AI 既能提供高质量信息，也能关注用户情绪。

以下是为您生成的 10 个业务价值高、具备可行性的 AI 应用场景介绍： 1. 人才招聘与筛选 What：利用 AI 技术对求职者的简历进行自动筛选和分析，评估其与岗位的匹配度。 Why：节省 HR 大量的时间和精力，提高招聘效率和准确性。 How：通过自然语言处理和机器学习算法，训练模型识别关键信息和技能。 2. 员工培训与发展 What：根据员工的技能水平和职业发展目标，定制个性化的培训计划。 Why：提升员工的能力和绩效，增强员工对企业的忠诚度。 How：利用大数据分析员工的工作表现和学习需求，推荐相关课程和学习资源。 3. 薪酬福利管理 What：运用 AI 预测市场薪酬趋势，为企业制定合理的薪酬策略。 Why：保持企业薪酬的竞争力，吸引和留住优秀人才。 How：收集和分析行业薪酬数据，结合企业的财务状况和战略目标进行优化。 4. 员工绩效评估 What：借助 AI 实时监测员工的工作表现，提供客观的绩效评估。 Why：减少人为偏差，确保评估的公正性和准确性。 How：利用工作流程数据和行为分析模型进行评估。 5. 员工关系管理 What：通过 AI 分析员工的情绪和满意度，及时发现问题并解决。 Why：营造良好的工作氛围，提高员工的工作积极性和创造力。 How：使用情感分析技术处理员工的反馈和交流信息。 6. 组织架构优化 What：利用 AI 分析企业的业务流程和人员配置，提供组织架构调整建议。 Why：提高企业的运营效率和灵活性，适应市场变化。 How：基于数据分析和模拟优化算法进行评估和推荐。 7. 人力资源规划 What：根据企业的战略目标和业务发展预测人力资源需求。 Why：提前做好人才储备和招聘计划，保障企业的正常运营。 How：运用数据分析和预测模型进行规划。 8. 企业文化传播 What：使用 AI 生成个性化的企业文化宣传内容，提高传播效果。 Why：增强员工对企业文化的认同感和归属感。 How：利用自然语言生成技术和个性化推荐算法。 9. 智能客服 What：在 HR 服务中引入 AI 客服，解答员工常见问题。 Why：快速响应员工需求，提高服务质量。 How：训练智能客服模型，涵盖常见的 HR 问题和解决方案。 10. 人才库管理 What：利用 AI 对人才库进行分类和更新，提高人才库的利用效率。 Why：方便快速找到合适的人才，降低招聘成本。 How：运用数据挖掘和分类算法进行管理。

以下是为您提供的 3 个业务价值高、具备可行性的 AI 应用场景介绍： 场景一：AI 在企业招聘中的应用 What：利用 AI 技术进行简历筛选、人才匹配和面试评估。 Why：能够快速处理大量简历，提高招聘效率和准确性，节省人力和时间成本，同时更精准地找到符合岗位需求的人才。 How：通过引入相关的 AI 招聘软件，与企业现有的招聘系统集成，对简历进行关键词提取和分析，利用机器学习算法进行人才匹配，并通过视频面试中的语音和表情分析辅助评估候选人。 场景二：AI 助力个性化人力资源管理 What：根据员工的个人特点和工作表现，提供个性化的培训计划、职业发展建议和绩效评估。 Why：能够充分发挥员工的潜力，提高员工满意度和忠诚度，促进企业的长期发展。 How：收集员工的工作数据、学习记录和绩效表现等信息，运用 AI 算法进行分析和预测，为员工制定专属的发展方案，并通过移动应用或内部系统向员工推送相关建议和培训课程。 场景三：AI 打造无人值守的 HR 平台 What：实现 HR 业务的自动化处理，如员工请假审批、薪酬计算和福利发放等。 Why：减少人工操作的错误和繁琐流程，提高 HR 工作的效率和准确性，使 HR 人员能够专注于更有价值的战略工作。 How：整合企业内部的各种 HR 系统和数据，利用 RPA 和 AI 技术实现流程的自动化，同时建立监控和预警机制，确保平台的稳定运行。

以下是北大清华伯克利等知名高校的最新 AI 研究成果： 国内方面： 清华大学的自然语言处理实验室资助了 OpenBMB 项目，催生了 MiniCPM 项目，这是可以在设备上运行的小型<2.5B 参数模型，其 2.8B 视觉模型在某些指标上仅略低于 GPT4V。 阿里巴巴最近发布了 Qwen2 系列，社区对其视觉能力印象深刻，能完成从具有挑战性的 OCR 任务到分析复杂的艺术作品等。 国外方面： Stability AI 发布的 Stable Video Diffusion 是第一个能够从文本提示生成高质量、真实视频的模型之一，并且在定制化方面取得了显著的进步。今年 3 月，他们推出了 Stable Video 3D，该模型经过第三个对象数据集的微调，可以预测三维轨道。 OpenAI 的 Sora 能够生成长达一分钟的视频，同时保持三维一致性、物体持久性和高分辨率。它使用时空补丁，类似于在变压器模型中使用的令牌，但用于视觉内容，以高效地从大量视频数据集中学习。此外，Sora 还使用了其原始大小和纵横比的视觉数据进行训练，从而消除了通常会降低质量的裁剪和缩放。 Google DeepMind 的 Veo 将文本和可选图像提示与嘈杂压缩视频输入相结合，通过编码器和潜在扩散模型处理它们，以创建独特的压缩视频表示。然后系统将此表示解码为最终的高分辨率视频。 此外，Geoffrey Hinton 让“深度学习”从边缘课题变成 Google 等网络巨头仰赖的核心技术。Hinton 和他的团队让 CIFAR 获得丰厚回报，深度学习也成为目前的主流。Hinton 冷静、谦逊与公平的态度为 NCAP 建立了良好的开放合作氛围，推进了世界的 AI 研究工作。 关于未来研究方向的参考资料包括： 人工智能技术与安全研究：DeepMind、OpenAI、MIT、Stanford、Berkeley 等机构的论文，“AI Index”（斯坦福大学发布）、OpenAI 技术博客、Google AI Blog 等技术报告，专家著作如 Nick Bostrom《Superintelligence》、Stuart Russell《Human Compatible》等。 经济与社会变迁：IMF、世界银行、OECD、WEF（世界经济论坛）的未来就业与技术报告，未来学与社会预测如 Herman Kahn、Ray Kurzweil《The Singularity is Near》等，科技史与社会影响方面如 Joseph Schumpeter（创新与经济周期）、Carlota Perez（技术革命与金融资本），以及经济学者对产业革命的历史演化研究。 政治与国际关系：联合国关于 AI 和数字治理的政策文件、欧盟 AI Act 的立法草案与相关研究，前沿智库与研究中心如 Future of Humanity Institute、Brookings、RAND Corporation 等，军事与国防方面如美国国防部和 NATO 对 AI 的战略规划，中国、欧盟、日本等国家的 AI 国家政策及军民融合案例。

以下是关于 AI 安全治理方向的国内外团队和人的相关调研： 国外团队和人员： OpenAI：首席科学家 Ilya 对模型安全较为关注，提出了通过“指令层次结构”来修复“忽略所有先前指令“攻击的方法，并已在 GPT40 Mini 中得到部署。 Anthropic：在多重越狱方面的工作表明了“警告防御”的潜力，在前面和后面添加警告文本，以警示模型不要被越狱。 Gray Swan AI 的安全专家：试用“断路器”，专注于重新映射有害表示，效果比标准拒绝训练更好。 图灵奖得主 Hinton：支持对 AI 监管，认为大模型及其驱动的 AI 必须引入安全性监管，防止其失控或对人类造成伤害，并在网上签署了联名公开信。 英国：创建了世界上第一个人工智能安全研究所 AISA，具有在部署前对高级模型进行评估、建立国家能力并开展研究、协调国际合作伙伴等核心功能，还发布了 Inspect 框架用于 LLM 安全评估，并宣布与美国等效机构签署谅解备忘录，计划在美国旧金山设立办事处。 国内团队和人员：目前调研内容中未提及国内相关团队和人员的具体信息。 在观点方面，Bengio、Hinton、姚期智等著名研究者认为大模型及其驱动的 AI 必须引入安全性监管，确保大模型是 Safety 的，防止其失控或对人类造成伤害，并签署了联名公开信表达对于 AI 失控的担忧，呼吁学术界和工业界对大模型进行监管。吴恩达和 Lecun 则认为模型的能力不足以使其脱离人类的限制。 治理成果方面，英国通过其高级研究与发明机构（ARIA）花费 5900 万英镑开发“守门员”，负责了解和减少在能源、医疗保健和电信等关键领域中其他人工智能代理的风险。英国政府还计划设立一个“AI 安全研究实验室”。美国能源部一直在利用其内部测试床评估人工智能可能对关键基础设施和能源安全带来的风险。LLM 测试初创公司 Haize Labs 与 Hugging Face 合作创建了首个红队抵抗组织基准，汇编了常用的红队数据集并根据模型评估它们的成功率。Scale 根据私人评估推出了自己的稳健性排行榜。

以下是 AI 的一些最新发展成果： 医疗领域： ChatGPT 和 Google Bard 等技术极大加速了医疗健康生物制药的研究，AI 在抗癌、抗衰老、早期疾病防治等方面发挥着重要作用。 AI 提前三年诊断胰腺癌。 两名高中生与医疗技术公司合作，发现了与胶质母细胞瘤相关的新靶基因。 AI 帮助抗衰老，筛查出高效的药物候选物。 使用 AI 寻找阿尔兹海默症的治疗方法。 AI 帮助早期诊断帕金森。 应用形态重构： AI Agent 取得突破，为机器人获得自主行动能力指明新方向。 AI 编程工具的进展预示着人机协作模式的变革。 2024 年关键进展时间线： 2 月，OpenAI 发布视频生成模型 Sora，开创 AI 视频生成新纪元。 3 月，Suno 发布 V3 版本，AI 音乐生成进入生产力可用状态。 4 月，Meta 发布高性能开源大模型 Llama3，降低了 AI 技术的准入门槛。 5 月，GPT4 发布，RayBan 与 Meta 合作的智能眼镜销量突破百万，字节上线即梦 AI。 6 月，快手发布可灵。 9 月，OpenAI 发布 o1 预览版。 10 月，Rosetta 和 AlphaFold 算法的研发者因在蛋白质结构设计和预测中的突破性贡献获得诺贝尔化学奖，约翰·霍普菲尔德和杰弗里·辛顿因人工神经网络和深度学习的开创性贡献获诺贝尔物理学奖，Anthropic 大模型 Claude 3.5 Sonnet 获得“computer use”功能。 12 月，OpenAI 发布 o3 系列模型。 基础通识课： 讨论了 AI 模型的基础、最新进展，包括视频生成模型、相关论文，以及 AI 在诺奖和蛋白质研究领域的应用等。 回顾了人工智能的发展历程，从图灵测试到如今大模型和多模态模型百花齐放。 指出大模型由数据、算法、算力构成，算法有技术架构的迭代，数据质量对生成理想的大模型至关重要。 针对弱智 8 的问题对大模型进行测试，开展让大模型回复问题并找出真人回复的活动，且国内大模型的回答能力有很大改进。 早期大语言模型回复缺乏情感，如今有所改进，后续将体验几个大模型的回复场景。

以下是最新的 AI 排行榜相关信息： 3 月 9 日榜单： 文生图：Ideogram 2a（官方评价这是 Ideogram 迄今为止最快、最实惠的文生图模型） 文生视频：SkyReels、海螺01director、Pixverse4.0 图生视频：SkyReels、Pixverse4.0、Adobe Firefly 测评涵盖了 Midjourney，Flux，即梦，Recraft，ideogram，SD3.5，Sora，可灵，通义，即梦，海螺，pixverse，pika，vidu，luma 等 50+国内外热门模型，还有 Veo 2.0 等最新模型上线。本周最出乎意料的是最新上的模型 SkyReels，在文生视频和图生视频榜单都排名靠前。 生成式 AI 季度数据报告 2024 月 1 3 月： 赛道方面：天花板潜力为数亿美金；对标公司有 Xmind 等；总体趋势平稳增长，15.93%；月平均增速 34 万 PV/月；原生产品占比中等。 竞争方面：Top1 占比 32%；Top3 占比 82%；马太效应弱；网络效应中；大厂是否入局是，但大厂占比较低；技术门槛中。 23 年 12 月至 24 年 3 月月访问量排行榜及变化情况： 非大厂的 Top1 公司及产品：Whimsical Al，估值融资 3000 万$（2021），最新月 PV 为 237 万。2023 年 4 月，月访问量 382 万，Whimsical AI、gitmind AI 分别位列第一、第二的位置，月访问量合计占比 84%。2024 年 3 月，月访问量 812 万，Whimsical AI 整年看处于增长态势，仍位列第一，月访问量达到 237 万；ProcessOn 凭借其原有客户积累，月访问量快速增长，位列第二名，占比 25%。 记忆辅助榜单中，2023 年 4 月，月访问量为 83 万，Rewind AI 以 43 万的访问量位居第一，占赛道月总访问量的 52%。Personal.ai 和 Heyday 分别以 25 万和 8 万的访问量位列二、三，分别占赛道月总访问量的 30%和 10%。2024 年 3 月，月访问量增长至 245 万，rabbit inc.以 128 万的访问量跃居第一，占赛道月总访问量的 52%。Humane 和 Rewind AI 分别以 46 万和 22 万的访问量位列二、三，分别占赛道月总访问量的 19%和 9%。 相关网址： https://www.xiaohongshu.com/user/profile/65890e73000000003d035101?xsec_token=AB67OV1KW_ANCcrYRU_oRTJKJ9xLtexbMgyoJq68rxQA%3D&xsec_source=pc_search aiwatch.ai

以下是一些可应用在课堂教学上的最新 AI 技术： 1. 智慧技术助理：为教师提供辅助，帮助教师在课前、课中、课后呈现新的教学样态，驱动学生高效和差异化学习。 2. 生成式人工智能：可用于为教师减负，例如辅助设计教学内容、生成提示词等。 3. 个性化学习支持：通过 AI 技术实现对学生的个性化学习支持，如智能评估学生的学习情况，为每个学生提供定制化的学习方案。 4. 教育过程和结果的结构化表征：利用 AI 进行分析，帮助教师更好地了解学生的学习过程和结果。 5. 多维度数据采集与评价：AI 可以整合行为、情感、认知等多维度数据，为学生绘制发展全景图，实现更全面的教育评价。 需要注意的是，AI 在教育中是“助手”而非“替代”，教师应充分利用这些成熟的技术促进教育变革。

以下是 AI 在教学中的一些最新应用： 1. MIT 为孩子开设免费的 AI 课程，涵盖了 AI 在跨学科领域的应用，如 AI 与气候、AI 与大学录取、AI 对美国大选的影响等。孩子们需要思考如何用气候数据写好故事、预测气候变换走向，从数据分析角度了解大学录取中的相关问题，以及识别 AI 深度伪造的新媒体材料等。 2. 张翼然提出用 AI 为教师减负，为有初步 AI 使用经验、渴望了解最新技术进展并交流的老师提供了相关技巧和分享。例如，在智慧技术助理加持下探索教学新样态，分享全球 AI 技术在教育界的新发展和应用案例。 3. 从 AI 助教到智慧学伴的应用探索中，提出调整教学理念，将 AI 作为教学辅助工具和合作伙伴。学习利用 AI 工具的优势应用于教学，如自动生成练习、个性化反馈等，同时确认输出质量。根据 AI 能力设计开放性作业，调整考核方式，继续发挥教师在提供情感支持、培养团队合作等方面的优势。

以下是生命科学领域有关 AI 的最新动向： 在医疗健康生物制药方面，AI 技术极大地加速了研究，在抗癌、抗衰老、早期疾病防治等方面发挥着重要作用。例如，AI 提前三年诊断胰腺癌；两名高中生与医疗技术公司合作发现与胶质母细胞瘤相关的新靶基因；AI 帮助抗衰老，筛查出高效的药物候选物；利用 AI 寻找阿尔兹海默症的治疗方法；通过神经网络分析患者体液中的生物标志物，早期诊断帕金森。 Nature Methods 主题特刊聚焦于 AI 在生物学中的应用，探讨了计算生物学多领域，强调高精度蛋白质结构预测成就，提及了 AI 在蛋白质组学数据分析中的应用、机器学习可解释性挑战，以及科研人员对 AI 工具培训的需求，同时探讨了 AI 与生物医学数据结合的新时代。 Flagship Pioneering 创始人 Noubar Afeyan 提出 AI for Science 的下一步是 MultiAgent，旨在实现类似自动驾驶的科研自动化，推动生命科学领域的革命性进展。

以下是 AI 在零售行业的一些有趣、实用且有建设性的最新应用： 1. 舆情、投诉、突发事件监测及分析：通过 AI 技术实时监测和分析消费者的反馈和市场动态，帮助企业及时做出应对策略。 2. 品牌营销内容撰写及投放：利用 AI 生成吸引人的营销文案，并精准投放到目标受众。 3. 自动化库存管理：基于历史销售数据和其他相关因素，预测未来的库存需求，优化库存配置，降低成本。 4. 自动生成或完成 SKU 类别选择、数量和价格分配：提高商品管理的效率和准确性。 5. 客户购物趋势分析及洞察：深入了解消费者的购物偏好和趋势，为企业的产品开发和营销策略提供依据。 此外，在医疗药品零售领域，AI 也有广泛的应用： 1. 药品推荐系统：根据用户购买记录和症状描述等数据，推荐合适的非处方药品和保健品，提高销售转化率。 2. 药品库存管理：分析历史销售数据、天气、疫情等因素，预测药品需求量，优化库存策略。 3. 药品识别与查询：借助计算机视觉技术，用户通过手机拍摄药品图像即可获取相关信息。 4. 客户服务智能助手：基于自然语言处理技术，回答顾客关于购药、用药、保健等常见问题。 5. 药店运营分析：分析销售、顾客流量、库存等大数据，发现潜在问题和优化空间。 6. 药品质量监控：利用机器视觉、图像识别等技术检测药品的包装、标签、颜色等是否合格。 7. 药品防伪追溯：利用区块链等技术实现全流程的药品溯源，保障药品供应链的安全和可信度。 总之，AI 技术在零售行业的应用能够提升购物体验、优化运营管理、降低成本，并为企业创造更多的价值。

以下是为您提供的最新 AI 即时信息和工具： 4 月 1 日 AI 资讯： 【AI 模型及应用】 OpenAI：将会开源一个推理模型，ChatGPT 即将推出推理强度控制选项，Gpt4o 生图能力面向免费用户。 Gemini 2.5 Pro：免费使用，任何人都可以使用 Canvas 进行编码和创作。 【AI 视频】 Higgsfield：发布 50 多个电影级摄影机动作预设，提升动态镜头表现力。 luma：为 Ray 2 引入摄像机运动概念，可基于预设镜头并组合编辑。 Remakes：支持基于用户上传图像直接编辑，并融合 Remade 视频特效，简化创意流程。 Meta：宣布推出 MoCha 系统，实现电影级说话角色合成效果。 【AI 3D】 HSMR：推出从单张图像重建人体 3D 骨骼和网格模型的系统。 krea：引入 AI 3D 生成能力，扩展其创意工具的功能范围。 PGC：推出基于物理的单一姿势高斯布料模拟技术，提升数字服装的真实感。 【AI 音频】 MiniMax Audio：发布全新 Speech02 语音模型，提升语音合成质量。 3 月 19 日 AI 资讯： 【AI 模型】 英伟达：发布全球首个开源人形机器人基础模型 Isaac GR00T N1 及相关 GTC 信息。 谷歌 Gemini：放出了两个功能 Canvas 和 Audio Overview。 【AI 视频】 STAbility AI：发布 Stable Virtual Camera，2D 图像转化 3D 视频。 Domo AI：推出“图片说话”功能，带口型匹配。 【AI 3D】 Roblox：推出 AI 3D 技术 Cube 3D。 Claude MCP Unity 版本推出。 【AI 音乐】 AI 音乐工具 Udio：推出 v1.5 Allegro。 LVAS Agent：基于多智能体协作的长视频音频合成。 获取 AI 资讯的渠道： 公众号：超时空视角、AI 替代人类。 小红书/抖音：EverAI。 B 站：Ever AI 酱（这里会有教程及 AI 工具界面操作）。 关于“通往 AGI 之路”知识库和社区平台： WaytoAGI（通往 AGI 之路）是一个致力于人工智能（AI）学习的中文知识库和社区平台。为学习者提供系统全面的 AI 学习路径，覆盖从基础概念到实际应用的各个方面。 汇集了上千个人工智能网站和工具，提供最新的 AI 工具、AI 应用、AI 智能体和行业资讯。 提供丰富的学习资源，包括文章、教程、工具推荐以及最新的 AI 行业资讯等。 社区定期组织活动，如视频挑战赛、模型创作大赛等，鼓励成员在实践中学习，促进交流与合作。 引领并推广开放共享的知识体系，倡导共学共创等形式，孵化了 AI 春晚、离谱村等大型共创项目。 在没有任何推广的情况下，WaytoAGI 一年时间已有超过 100 万用户和超千万次的访问量。 目前合作过的公司/产品包括阿里云，通义千问，淘宝，智谱，支付宝，豆包，火山引擎，marscode，coze，堆友，即梦，可灵，MiniMax 海螺 AI，阶跃星辰，百度，Kimi，吐司，liblib，华硕，美团，美的，360，伊利，魔搭，央视频，Civitai，Openart，Tripo3D，青椒云等。