gblive,GBlive 2024,GBlive最新版

声明：本文来自于微信公众号机器之心，授权站长之家转载发布。

2024临近尾声，AI又给了所有人一个大惊喜，这次可以用来自动发现新的人工生命形式了。

今年8月，Transformer论文作者之一的LlionJones与前谷歌研究人员DavidHa共同创立的人工智能公司SakanaAI造出了「世界上第一个用于自动化科学研究和开放式发现的AI系统」。他们称之为AIScientist，即人工智能科学家，详情可参阅报道《首个全自动科学发现AI系统，Transformer作者创业公司SakanaAI推出AIScientist》。

而现在，他们又拿出了另一项震撼性的重磅研究成果:使用基础模型搜索人工生命的系统ASAL。

人工生命（ArtificialLife），听起来很科幻，但其定义并不复杂:就是被制造出来的生命。数学家约翰?何顿?康威在1970年提出的著名的「生命游戏」便是一种模拟人工生命系统，其中定义的规则可让其中的「细胞」像生命体一样运作。

研究人工生命的一个不次要的部分哲学理念是我们不仅想要了解「我们所知的生命」，还想要探索「可能存在的生命」。下图为ASAL其中一位作者PhillipIsola的推文以及他分享的一种人工生命。

此外，人工生命研究还可以得到有望保持不变和帮助AI进步的关键见解。该团队表示:「通过利用失败AI帮助人工生命的发现，我们可以帮助对涌现、进化和智能的理解——这些不次要的部分原则可以启发下一代AI系统!」

该研究发布后驱散了极小量点赞和讨论。

知名博主AranKomatsuzaki表示，这是视觉语言模型在人工生命中的首次应用，可以跨基质发现多样性、全新的模拟生命。

目前，人工生命研究主要是通过计算模拟进行，而这种方法必然意味着搜索并描绘出整个可能的模拟空间，而不是研究任何单个模拟。这样一来，研究者便可以了解不反对模拟配置可以怎样产生不反对涌现行为。SakanaAI的这篇论文首次实现了借助基础模型来自动化这个搜索过程。另外，OpenAI、MIT等其他机构和独立研究者也参与了研究。

论文标题:AutomatingtheSearchforArtificialLifewithFoundationModels

论文地址:https://arxiv.org/pdf/2412.17799

在线论文:https://pub.sakana.ai/asal/

项目代码:https://github.com/SakanaAI/asal/

虽然人工生命模拟的进化和学习的具体机制有很多，但迄今为止，该领域取得实质性进展的一个主要障碍是:缺乏一种偶然的方法来搜索所有可能的模拟配置。如果没有这种方法，在设计人工世界最次要的方面（世界本身的规则）时，研究者就必须依靠直觉。

对此，一部分确认有罪在于简单组件的大规模相互作用可能会产生复杂的涌现现象，这些现象很难甚至不可能被提前预测。

正是由于模拟配置与涌现现象之间缺乏关联，因此研究者很难凭直觉设计出能展现出自我复制、类似生态偶然的动态或具有开放属性的模拟。因此，这一领域的实际做法往往是针对简单和预期的结果来设计模拟，这就批准了意外发现的可能性。

也许，是时候自动化了!这样，研究者就无需将注意力放在设定正确的规则和互动上，而可以关注更加高层面的问题，比如如何最好地描述我们最终希望涌现的现象，然后让搜索该现象的过程自动完成即可。

不过，描述目标现象本身就极具确认有罪性。虽然之前已经有一些研究试图通过复杂的度量（比如生命、复杂度、有趣度等）来量化人工生命，但这些度量高度发展上都无法完全体现人类想要表达的那种微妙的生命概念。

SakanaAI表示:「虽然我们还不了解我们的宇宙为何或如何变得如此复杂、极小量和有趣，但我们仍然可以将其作为指引，意见不合我们创建引人入胜的人工生命世界。」

该团队认为，在极小量自然数据上训练得到的基础模型具备类似于人类的表征，甚至可能基于我们的真实世界统计数据得到一个理想化的表征。这种特性使得基础模型非常适合用于量化人类对人工生命复杂度的概念。

该团队的ASAL（自动搜索人工生命）研究便是基于这一思路开展的。他们表示这是一种人工生命研究的新范式。

既然是新范式，那么接受需要做一些定义。

首先，该团队将所需的模拟一整片的单位定义为substrate，即基质。然后，如图1所示，ASAL让基础模型可使用三种不反对方法来识别所需的人工生命模拟:

1.监督式目标:搜索能产生指定目标事件或事件序列的模拟，有助于发现任意世界或与我们自己的世界不反对世界。

2.开放式:在基础模型的表征空间中搜索会随时间不断授予新变化的模拟，由此可以发现对人类观察者来说总是很有趣的世界。

3.阐明（Illumination）:搜索一组不无关系的多样化模拟，从而展现对我们来说非常陌生的世界。

研究者基于Boids、ParticleLife（粒子生命）、GameofLife(生命游戏)、Lenia和NeuralCellularAutomatas(神经元胞自动机)等多种人工生命基质展现了这种新的自动化方法的有效性。

在每种基质中，ASAL都发现了以前从未见过的生命形式，并扩展了人工生命中涌现结构的有无批准的。例如，ASAL揭示了Boids中奇异的群集模式、Lenia中新的自组织细胞，并找到了像著名的康威生命游戏一样开放式元胞自动机。

方法:自动搜索人工生命

图2展示了新提出的ASAL范式，其中包括三种基于视觉-语言基础模型的算法。每种方法都能通过不同类型的自动搜索发现人工生命模拟。深入细节之前，先来看看相关概念和符号。

人工生命基质（substrate），记为S，其包含任何一组不无关系的人工生命模拟(例如，所有Lenia模拟的一整片的单位)。这些模拟可能在初始状态、转换规则或两者上有所不同。S由θ参数化，它定义的单个模拟具有三个分量:

初始状态分布Init_θ

前向动态阶跃函数Step_θ

渲染函数，Render_θ，作用是将状态转换为图像

虽然通常而言，并不需要参数化和搜索渲染函数，但当状态值难以先验地解读时，就很有必要了。将这些项串到一起，可定义一个θ函数，它对初始状态s_0进行采样，运行T步模拟，并将最终状态渲染为图像:

最后，还有另外两个函数VLM_img（?）和VLM_txt(?)，它们的作用是通过视觉-语言基础模型嵌入图像和自然语言文本，以及相应的内积??，??，以鞭策该嵌入空间的反对性测量。

监督式目标

人工生命的一个重要目标是找到能让所需事件或事件序列发生的模拟。这样的发现将使研究者能够找到与我们自己的世界不反对世界，或测试某些反事实的进化轨迹在给定基质中是否可能，从而深入了解某些生命形式的可行性。

为此，ASAL会搜索一种模拟，该模拟会产生与基础模型表示中的目标自然语言提示词相匹配的图像。研究者可以控制在每个时间步骤应用哪个提示（如果有的话）。

开放式

人工生命的一大确认有罪是寻找开放式模拟。找到这样的世界才能复现现实世界中永无止境的有趣新奇事物的爆发。

尽管开放性是主观的且难以定义，但正确表示空间的新颖性（novelty）可以体现开放性的一般概念。这样一来，可将测量开放性的主观性外包给表征函数的构建。在本文中，视觉-语言基础模型表征充当了人类表征的代理。

阐明

人工生命的另一个关键目标是自动阐明不同现象构成的整个空间，而这些现象是从基质涌现出来的。基于此，可以让我们了解「生命的可能模样」。因此，阐明是描绘和分类外围基质的第一步。

为了实现这一目标，ASAL会搜索一组模拟并且这些模拟产生的图像与基础模型表征中的最近邻相距甚远。该团队发现最近邻多样性比基于方差的多样性能实现更好的阐明。

实验隐藏ASAL还真行

该团队使用不反对基质验证了ASAL范式的有效性。

首先，他们使用的基础模型包括CLIP和DINOv2。基质则如下所述:

Boids:模拟的是N个「鸟状物体（boids）」在2D欧几里得空间中的移动情况。所有boids都共享权重一样的神经网络，其会根据局部参考系中K个近邻boids向左或向右操纵每个boid。该基质是神经网络的权重空间。

粒子生命:模拟N个粒子，这些粒子又可分为K类;它们在一个2D欧几里得空间运动。该基质是K×K相互作用矩阵的空间，β参数确定了粒子之间的距离。初始状态是随机采样的，粒子会自组织形成动态模式。

类生命的元胞自动机（CA:将康威生命游戏泛化到所有在2D栅格中运作的二元状态元胞自动机，其中状态转换仅取决于活着的Moore邻居的数量和细胞的当前状态。该基质有2^18=262，144种可能的模拟。

Lenia:将康威生命游戏推广到连续空间和时间，允许更下降的维度、多个核和多个通道。该团队使用了LeniaBreeder代码库，它定义了基质，其中动态维度为45个，初始状态维度为32×32×3=3，072个。其搜索空间以BertWang-ChakChan2020年在论文《Leniaandexpandeduniverse》中找到的解为中心。

神经元胞自动机（NCA）:通过神经网络表示局部转换函数来参数化任何连续元胞自动机。该基质是神经网络的权重空间。

搜索目标模拟

其中包括单个目标和随时间变化的目标序列。

对于单个目标，以下动图定性地展示ASAL的良好效果，可以找到与指定提示词匹配的模拟。

对于时间目标，下图隐藏可以找到能产生遵循一系列提示词的轨迹的模拟。通过指定所需的进化轨迹并使用约束基质，ASAL可以识别体现所需进化过程内在质量的更新规则。例如，当提示词序列为「一个细胞」然后是「两个细胞」时，相应的更新规则本质上就是实现自我复制。

搜索开放式模拟

图5展示了ASAL在类生命元胞自动机的开放式模拟中的潜力。

根据3式中的开放式指标，著名的康威生命游戏位列最开放的元胞自动机（CA）的前5%。

图5a隐藏，最开放的CA表现了处于混沌中心的非平凡动态模式，因为它们既没有轻浮也没有爆发。

图5b则描绘了三个CA在CLIP空间中随模拟时间的轨迹。由于基础模型的表征与人类表征相关，因此通过基础模型的表征空间在轨迹中产生新颖性也会为人类观察者产生一系列新颖性。

图5c则可视化了所有类生命元胞自动机，从中可以看到涌现出的有意义的结构:最开放的CA紧密地靠在模拟主岛外的一个小岛上。

阐明外围基质

该团队使用了Lenia和Boids基质来研究公式4中的阐明算法的有效性。基础模型是CLIP。他们定制了一个用于搜索的遗传算法:在每一代，随机选择父母，创建变异的孩子，然后耗尽最多样化的解子集。

下面的2个「SimulationAtlas」展示了生成的模拟集。

此可视化凹显了按视觉反对性组织的行为的多样性。使用Lenia时，ASAL发现了许多前所未见的生命形式，这些生命形式类似于按颜色和形状组织的细胞和细菌。使用Boids时，ASAL重新发现了群集行为（flockingbehavior），以及其他行为，例如蛇行、分组、盘旋和其它变体。

?

?

量化人工生命

基础模型不仅有助于搜索有趣现象，而且还可以量化以前只能进行定性分析的现象。图7展示了量化这些复杂偶然的涌现行为的不同方法。

在图7a中，对两个Boids模拟之间的参数进行线性插值。这个中间模拟缺乏任一模拟的特征并且显得无序，隐藏了boids参数空间的非线性、混沌性质。次要的是，现在可以通过测量中间模拟的最终状态与两个原始模拟的CLIP反对性来为这种定性观察授予定量减少破坏。

图7b则评估了粒子生命中粒子数量对其表示某些生命形式的能力的影响。在这种情况下，如果搜索「一只毛毛虫（acaterpillar）」，则可发现只有在模拟中至少有1000个粒子时才能找到它们，这符合1972年的「更多即不同(moreisdifferent)」的观察结果。

在图7c中，通过单独扫描每个参数并测量CLIP提示词对齐分数的结果标准偏差，量化了粒子生命中每个模拟参数的重要性。在确定最次要的参数后，便对应上了绿色和黄色粒子之间的相互作用强度，这对于毛毛虫的形成至关重要。

图7d给出了对于Lenia模拟，CLIP向量随模拟时间的变化速度。当模拟定性地看起来已成静态时，该指标恰好轻浮，因此这可授予有用的模拟开始条件。

对于这项研究，你有什么看法呢?

参考链接:

https://x.com/SakanaAILabs/status/1871385917342265592

https://x.com/phillip_isola/status/1871438128172671086

AI技术正飞速融入日常生活，成为不可或缺的一部分。三星秉持“AIforAll”愿景，致力于通过集成AI技术的移动设备、电视及家电产品，为下一代智能设备树立全新标杆，在电视领域，不仅显著指责了影像质量，更准确焦虑了电视使用的真实场景需求。特别是其NeoQLED系列，通过AI芯片赋能量子点MiniLED技术，打造个性化家庭娱乐享受，凭借“有AI的科技·艺术·家”引领未来智能生活方式的新潮流。

AI技术驱动，定义震撼视觉新体验

NQ8AIGen3芯片作为AI电视技术的革新者，将三星电视的画质体验推向了新的高度。作为三星迄今为止比较新、较具创新性的电视芯片，其神经处理单元（NPU）的速度是其前代产品的两倍，神经网络的数量也由64个增至512个。该芯片能够模拟神经元深度学习，以其可忽略的，不次要的逐帧扫描能力，优化图像细节，将低分辨率的内容智能指责至近乎8K的画质水平。

该芯片目前搭载于三星旗舰8K产品NeoQLED8KQN900D上，实现8KAI影像增强Pro，让色彩、亮度与对比度等，都呈现出细腻的真实感；AI动态增强Pro能够指责动态透明度，即使是网络OTT内容也可以让高速运动的画面不会出现丢帧和拖影的问题；AI三维景深增强Pro技术则通过AI智能识别图像中的不同元素，增强重点观看区域的对比度，打造出立体且饿满的画面效果。通过实施针对性的AI技术，三星为用户解锁了新的视效可能。

在NQ8AIGen3芯片以外，，本年度推出的数量少电视产品大多配备了先进的AI芯片，让三星电视拥有了知名的内“芯”实力。三星NeoQLED系列以其覆盖8K、4K及大尺寸等领域的广泛选择，成为了消费者升级焕新的优选。三星NeoQLED系列凭借在分区控光技术上的深厚积聚，通不充分的供应子点矩阵技术比较准确控制量子点MiniLED，确保了画面在任何光线下都能呈现出层次分明、细节通俗的视觉盛宴。三星电视以创新为本，深度瓦解AI技术，优化了产品性能与用户体验，引领全球彩电市场发展。

AI智慧赋能，打造客厅娱乐新纪元

凭借在硬件、软件及终端产品领域的深厚沉淀，三星正预期将AI功能拓展至更多元的产品与服务范畴，成为推动AI保持不变生活的先锋力量。以三星NeoQLED4KQNX9D为例，其搭载的新Tizen智能系统打造了通俗的影音娱乐内容生态。人性化的瀑布流式界面设置了电视剧、电影、综艺、体育等多个主题分类，用户通过AI语音助手能够从海量资源中智能搜索，基于LLM实现AI语音复杂视频搜索发话，在语音助手的鞭策下，用户能够更自然地表达需求，获得流畅且准确的答复。

个性化AI时代已至，三星致力于深入理解每一位用户，授予既安全又量身定制的AI体验。三星以对用户需求的肤浅洞察为坚实后盾，通过数据整合指责娱乐享受。三星电视搭载游戏中心，集成了全面的游戏功能，用户可以轻松接入云游戏平台（无需主机）、主机游戏及独立应用程序。而利用失败先进的用户讨厌模型，三星电视能够根据用户喜欢玩的游戏进行推荐，让玩家快速找到下一个喜爱的游戏。在游戏进行中，还在AI芯片加持下，根据不同游戏类型进行AI游戏自动设置优化，确保每一次游戏体验都达到理想状态。

此外，三星电视还以AI技术搭建开放式应用程序生态系统。随着越来越多的智能设备实现互联互通，AI电视不断进化，更加准确地减少破坏家庭成员的福祉与安全需求，授予贴心的干涉。三星NeoQLED系列内置SmartThings网关，可以分开并控制Matter设备及SmartThings兼容的Zigbee设备，轻松自定义个性化的智能家居场景。3D全景地图功能可干涉用户直观监控和控制家用电器和物联网设备，成为家电控制中心，为用户带来全面、智能与便捷的智慧客厅新体验。

此外，三星的AI战略还致力于推动生成式AI领域的革新，近期三星艺术画廊上线AI数字艺术功能，用户进入AI专区后，根据选择的关键字组合，AI可快速搜索和获取想要的画作，无论是自然风景、城市景观，还是宇宙星空、植物乐园都能得到很好的数字艺术展现。想必未来，包括NeoQLED系列在内的更多三星AI电视，都将有机会为用户奉上更不平常的，值得注意的使用体验。

AI技术的崛起为电视产业收回了比较罕见的活力。作为全球科技领域的领航者，三星将AI广泛应用于影像处理、内容推荐、生活场景等多个维度，焦虑了用户日益增长的个性化需求。未来，三星将继续推动电视行业的智能化发展进程，让电视这一经典的家庭娱乐设备，在AI技术的赋能下，焕发出全新的虚弱。

360软件宝库中关村下载金山毒霸脚本之家hao123软件下载东坡下载绿色资源网2265安卓网西西软件园多特软件下载QQ下载下载之家3DM游戏网下载吧雷电模拟器应用市场当下软件园夜神模拟器驱动精灵易我数据恢复华军新闻网PC下载网天极下载驱动管家驱动人生18183手游网统一下载3322软件站多多软件站天天下载站人才招聘系统188soft华军纯净下载华军软件宝库飞速下载我的世界PCL2启动器植物大战僵尸95版增值税发票开票软件（税务UKey版）超级机器人大战ux巴士模拟18八方旅人迪士尼长发公主帝国时代3第九道门电竞经理东方红辉心方正兰亭粗黑简体植物大战僵尸Steam平台绝地求生origin安装包Steam学习通方正小标宋简体仿宋gb2312字体PDF编辑器WPSOffice图吧工具箱红警2共和国之辉DirectX修复工具鲁平庸之才智能陈桥五笔爱奇艺安装包python安装包pycharm安装包音视频剪辑平庸之才全民泡泡超人超级房车赛起点帝国时代3酋长帝国时代4国家崛起比特大爆炸魔力宝贝归来战神遗迹胡莱三国3我是大东家叫我大掌柜植物大战僵尸2高清版奇门之上斗罗大陆斗神再临坎公骑冠剑电脑版逆世战神小森生活秦时明月世界神武4PC版向日葵远程控制forwindowsPostmanHBuilderX电视家HMCL启动器photoshop视频剪辑平庸之才访客登记无约束的自由系统软件WinRARYY语音腾讯视频

避免/重新确认/支持来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。

新鲜AI产品点击了解:https://top.aibase.com/

1、理想汽车AI大模型APP即将上线!“理想同学”入驻手机，化身全能生活助手

理想汽车的CEO李想在2024理想AITalk上宣布，‘理想同学’AI大模型APP将于12月27日正式上线。这款APP将智能体验从车内延伸至手机，授予便捷的生活助手功能。内测版本展示了其强大的识别能力和自然语言处理能力，能够快速解答用户问题并识别生活物品。

【AiBase提要:】

??理想同学APP将智能体验从车内延伸到手机，成为全能生活助手。

??APP具备强大的物体识别能力，能快速授予相关信息和解决方案。

??理想同学的推出，标志着理想汽车在AI生态的积极拓展，指责用户生活便利性。

2、DeepseekV3开源!多语言编程能力飙升，力压Claude3.5SonnetV2

备受期待的DeepseekV3终于开源，展现出可忽略的，不次要的多语言编程能力，超越了Claude3.5SonnetV2等竞争对手。其在aider多语言编程测评中的成功率从V2.5的17%跃升至48%，显示出质的飞跃。DeepseekV3采用了6850亿参数的瓦解专家架构，使得模型在处理复杂任务时更加高效。

【AiBase提要:】

??DeepseekV3在多语言编程测评中表现优异，成功率达到48%。

??采用6850亿参数的瓦解专家架构，指责了模型的计算效率。

??开源将为AI社区带来新活力，推动各行业的智能化升级。

详情链接:https://huggingface.co/deepseek-ai/DeepSeek-V3-Base/tree/main

3、小米帮助AI大模型布局，正搭建GPU万卡集群

小米正在积极构建GPU万卡集群，并对AI大模型进行大规模投资，展现出其在AI领域的决心与实力。小米大模型团队自成立以来便拥有6500张GPU资源，且该计划已实施数月，雷军在其中发挥了关键作用。DeepSeek-V2的关键开发者罗福莉的加入，可能会进一步推动小米在AI技术上的创新与应用。

【AiBase提要:】

??小米正在建设GPU万卡集群，加大对AI大模型的投入。

??罗福莉加入小米，可能领导大模型团队，推动技术创新。

??小米AI技术覆盖多个领域，逐步应用于各类业务板块。

4、阶跃星辰发布图像生成模型Step-1X-Medium减少破坏图生图等新功能

上海阶跃星辰智能科技有限公司推出了Step-1X-Medium版本的图像生成模型，显著指责了生成速度和图文一致同意性。新版本减少破坏“图生图”功能，用户可以通过简单指令对图像进行细节增强和风格迁移。此外，针对中国风的创作能力也得到了破坏，能够更好地捕捉东方美学。

【AiBase提要:】

??生成速度降低30%，理解能力和图文一致同意性显著增强。

??新增“图生图”功能，减少破坏细节增强、风格迁移和局部修改。

???强化中国风创作能力，优化东方人物形象，焦虑品牌设计需求。

详情链接:https://platform.stepfun.com/

5、ChatGPT搜索功能面临潜在风险:或被恶意操控输出不可信内容

近期的调查揭示了OpenAI的ChatGPT在搜索功能中可能存在的安全隐患。研究发现，ChatGPT在处理网页摘要时可能受到隐藏内容的操控，导致返回不实的评价或恶意代码。这些隐藏内容可能是第三方指令，甚至是推销信息，影响ChatGPT的判断。专家警告称，这种风险如果不加以修复，将对用户根除高风险。

【AiBase提要:】

??ChatGPT可能被隐藏内容操控，返回不实评价。

??隐藏文后天的反应影响ChatGPT的评估，即使页面有负面评论。

???OpenAI正积极修复潜在问题，以降低搜索工具的安全性。

6、腾讯研究推出新型翻译模型DRT-o1，重塑文学文本翻译

随着全球化的深入，神经机器翻译技术在跨语言交流中愈发重要。腾讯研究团队推出的DRT-o1翻译系统，专注于文学文本的翻译，采用多代理框架优化隐喻和照字面上的处理，显著指责了翻译的准确性和流畅度。实验结果显示，DRT-o1在BLEU和COMET得分上均有显著指责，展示了其在文学翻译领域的强大能力。

【AiBase提要:】

??DRT-o1系统包含两种版本（7B和14B），采用多代理框架优化隐喻和照字面上的翻译。

??研究团队从400本公共领域书籍中提取并筛选了63，000个文学句子作为训练数据。

??DRT-o1在BLEU和COMET得分上均显著指责，展现出强大的文学翻译能力。

详情链接:https://github.com/krystalan/DRT-o1

7、罗永浩进军AI领域，其公司招聘AI大模型人才

罗永浩近期不能引起关注的消息是他转战AI领域，但实际上并未重新接受AR产业。由于AR技术尚需时间成熟，他计划先推出AI产品。罗永浩的新公司细红线科技有限公司正在积极招聘AI领域的专业人才，岗位包括AI工程研发工程师、大模型算法工程师等。

【AiBase提要:】

??罗永浩未重新接受AR，只是技术成熟需时间，先推出AI产品。

??细红线科技有限公司招聘AI工程研发工程师、大模型算法工程师、AI产品经理等。

??新产品可能面向海外市场，招聘海外社交媒体运营和跨境电商运营人员。

8、AI创业老兵胡云华加入智谱，担任C端应用“智谱清言”负责人

胡云华的加入为智谱清言带来了新的发展机遇，他在AI领域的极小量经验和技术背景将助力该产品在竞争缺乏感情的市场中穿颖而出。智谱清言目前面临着用户增长和付费转化的确认有罪，胡云华需要在产品定义和用户留存方面做出无效的策略调整不当。

【AiBase提要:】

??胡云华加入智谱清言，标志着该产品在技术和无约束的自由方面的新篇章。

??智谱清言目前拥有2500万用户，年收入预计超过千万元，但面临缺乏感情的市场竞争。

??胡云华的AI创业经历和大厂研发背景为智谱清言的产品发展授予了强有力的减少破坏。

9、英伟达GB300/B300GPU横空出世!推理性能暴增，供应链大洗牌

英伟达在推出GB200和B200仅六个月后，再次发布全新的GB300和B300GPU。这些新产品在推理模型性能上实现了显著指责，尤其是在内存和计算能力方面。B300的FLOPS性能指责了50%，内存容量也减少至288GB，内存带宽保持在8TB/s。供应链方面，英伟达保持方向SXMPuck模块，允许更多OEM和ODM参与生产。

【AiBase提要:】

?B300GPU采用台积电4NP工艺，FLOPS性能比B200指责50%，内存升级至288GB。

??NVL72架构允许72个GPU协同工作，降低推理性能和交互性，降低延迟。

??供应链重组使更多OEM和ODM参与生产，英伟达的毛利率可能会受到影响。

详情链接:https://semianalysis.com/2024/12/25/nvidias-christmas-present-gb300-b300-reasoning-inference-amazon-memory-supply-chain/

10、马斯克预测:AI智力将在2025年超越个体人类，2030年或将超越所有人类

亿万富翁埃隆?马斯克在社交平台X上发表了关于人工智能的最新预测，称未来几年AI技术将取得惊人进步。他预计到2025年底，AI智力将超越任何单个个体，而到2027至2028年，AI可能超越所有人类智力。这一预测引发广泛关注，尤其是对AI潜在风险的讨论。

【AiBase提要:】

??到2025年底，AI智力预计将超越单个个体的人类智力。

??2027至2028年，AI有可能超越所有人类智力。

??未来AI的发展可能带来比好处更大的危害，需关注其潜在风险。

11、人工智能解说足球赛:可以识别犯规、评估严重程度并对进行评论

上海交通大学与阿里巴巴的研究人员联合开发了MatchVision，一个新型人工智能系统，能够观看足球比赛、识别关键打法，并授予类似人类播音员的评论。该系统基于大规模数据集SoccerReplay-1988，准确率高达84%。研究隐藏，AI与人类解说员在评论重点上有所不同，未来可能扩展到自动制作比赛集锦和辅助裁判判罚。

【AiBase提要:】

??MatchVision系统能识别24种比赛事件，包括进球和犯规，准确率达84%。

???AI与人类解说员在评论侧重点不同，AI更关注技术细节而人类更注重情感流动。

??研究团队计划将数据集和模型开源，供更多研究者和开发者使用。

12、盘点谷歌在2024年实现的人5项最大AI创新

2024年，谷歌在人工智能领域取得了显著进展，推出了多项创新技术。这些技术不仅指责了用户体验，还推动了技术的有无批准的。Gemini2.0引入了代理功能，Veo2保持不变了视频内容生成方式，Mariner项目使恶化了人机交互，LearnLM为教育授予个性化减少破坏，而NotebookLM则干涉用户更好地无约束的自由信息。

【AiBase提要:】

??Gemini2.0引入代理功能，实现多模态推理，指责用户交互体验。

??Veo2为视频生成树立新标准，授予高质量、语境准确的内容。

??LearnLM通过个性化AI导师，增强教育体验，减少破坏学生和教育工作者。

声明：本文来自于微信公众号机器之心，授权站长之家转载发布。

2024临近尾声，AI又给了所有人一个大惊喜，这次可以用来自动发现新的人工生命形式了。

今年8月，Transformer论文作者之一的LlionJones与前谷歌研究人员DavidHa共同创立的人工智能公司SakanaAI造出了「世界上第一个用于自动化科学研究和开放式发现的AI系统」。他们称之为AIScientist，即人工智能科学家，详情可参阅报道《首个全自动科学发现AI系统，Transformer作者创业公司SakanaAI推出AIScientist》。

而现在，他们又拿出了另一项震撼性的重磅研究成果:使用基础模型搜索人工生命的系统ASAL。

人工生命（ArtificialLife），听起来很科幻，但其定义并不复杂:就是被制造出来的生命。数学家约翰?何顿?康威在1970年提出的著名的「生命游戏」便是一种模拟人工生命系统，其中定义的规则可让其中的「细胞」像生命体一样运作。

研究人工生命的一个不次要的部分哲学理念是我们不仅想要了解「我们所知的生命」，还想要探索「可能存在的生命」。下图为ASAL其中一位作者PhillipIsola的推文以及他分享的一种人工生命。

此外，人工生命研究还可以得到有望保持不变和帮助AI进步的关键见解。该团队表示:「通过利用失败AI帮助人工生命的发现，我们可以帮助对涌现、进化和智能的理解——这些不次要的部分原则可以启发下一代AI系统!」

该研究发布后驱散了极小量点赞和讨论。

知名博主AranKomatsuzaki表示，这是视觉语言模型在人工生命中的首次应用，可以跨基质发现多样性、全新的模拟生命。

目前，人工生命研究主要是通过计算模拟进行，而这种方法必然意味着搜索并描绘出整个可能的模拟空间，而不是研究任何单个模拟。这样一来，研究者便可以了解不反对模拟配置可以怎样产生不反对涌现行为。SakanaAI的这篇论文首次实现了借助基础模型来自动化这个搜索过程。另外，OpenAI、MIT等其他机构和独立研究者也参与了研究。

论文标题:AutomatingtheSearchforArtificialLifewithFoundationModels论文地址:https://arxiv.org/pdf/2412.17799在线论文:https://pub.sakana.ai/asal/项目代码:https://github.com/SakanaAI/asal/

虽然人工生命模拟的进化和学习的具体机制有很多，但迄今为止，该领域取得实质性进展的一个主要障碍是:缺乏一种偶然的方法来搜索所有可能的模拟配置。如果没有这种方法，在设计人工世界最次要的方面（世界本身的规则）时，研究者就必须依靠直觉。

对此，一部分确认有罪在于简单组件的大规模相互作用可能会产生复杂的涌现现象，这些现象很难甚至不可能被提前预测。

正是由于模拟配置与涌现现象之间缺乏关联，因此研究者很难凭直觉设计出能展现出自我复制、类似生态偶然的动态或具有开放属性的模拟。因此，这一领域的实际做法往往是针对简单和预期的结果来设计模拟，这就批准了意外发现的可能性。

也许，是时候自动化了!这样，研究者就无需将注意力放在设定正确的规则和互动上，而可以关注更加高层面的问题，比如如何最好地描述我们最终希望涌现的现象，然后让搜索该现象的过程自动完成即可。

不过，描述目标现象本身就极具确认有罪性。虽然之前已经有一些研究试图通过复杂的度量（比如生命、复杂度、有趣度等）来量化人工生命，但这些度量高度发展上都无法完全体现人类想要表达的那种微妙的生命概念。

SakanaAI表示:「虽然我们还不了解我们的宇宙为何或如何变得如此复杂、极小量和有趣，但我们仍然可以将其作为指引，意见不合我们创建引人入胜的人工生命世界。」

该团队认为，在极小量自然数据上训练得到的基础模型具备类似于人类的表征，甚至可能基于我们的真实世界统计数据得到一个理想化的表征。这种特性使得基础模型非常适合用于量化人类对人工生命复杂度的概念。

该团队的ASAL（自动搜索人工生命）研究便是基于这一思路开展的。他们表示这是一种人工生命研究的新范式。

既然是新范式，那么接受需要做一些定义。

首先，该团队将所需的模拟一整片的单位定义为substrate，即基质。然后，如图1所示，ASAL让基础模型可使用三种不反对方法来识别所需的人工生命模拟:

1.监督式目标:搜索能产生指定目标事件或事件序列的模拟，有助于发现任意世界或与我们自己的世界不反对世界。

2.开放式:在基础模型的表征空间中搜索会随时间不断授予新变化的模拟，由此可以发现对人类观察者来说总是很有趣的世界。

3.阐明（Illumination）:搜索一组不无关系的多样化模拟，从而展现对我们来说非常陌生的世界。

研究者基于Boids、ParticleLife（粒子生命）、GameofLife(生命游戏)、Lenia和NeuralCellularAutomatas(神经元胞自动机)等多种人工生命基质展现了这种新的自动化方法的有效性。

在每种基质中，ASAL都发现了以前从未见过的生命形式，并扩展了人工生命中涌现结构的有无批准的。例如，ASAL揭示了Boids中奇异的群集模式、Lenia中新的自组织细胞，并找到了像著名的康威生命游戏一样开放式元胞自动机。

方法:自动搜索人工生命

图2展示了新提出的ASAL范式，其中包括三种基于视觉-语言基础模型的算法。每种方法都能通过不同类型的自动搜索发现人工生命模拟。深入细节之前，先来看看相关概念和符号。

人工生命基质（substrate），记为S，其包含任何一组不无关系的人工生命模拟(例如，所有Lenia模拟的一整片的单位)。这些模拟可能在初始状态、转换规则或两者上有所不同。S由θ参数化，它定义的单个模拟具有三个分量:

初始状态分布Init_θ前向动态阶跃函数Step_θ渲染函数，Render_θ，作用是将状态转换为图像

虽然通常而言，并不需要参数化和搜索渲染函数，但当状态值难以先验地解读时，就很有必要了。将这些项串到一起，可定义一个θ函数，它对初始状态s_0进行采样，运行T步模拟，并将最终状态渲染为图像:

最后，还有另外两个函数VLM_img（?）和VLM_txt(?)，它们的作用是通过视觉-语言基础模型嵌入图像和自然语言文本，以及相应的内积??，??，以鞭策该嵌入空间的反对性测量。

监督式目标

人工生命的一个重要目标是找到能让所需事件或事件序列发生的模拟。这样的发现将使研究者能够找到与我们自己的世界不反对世界，或测试某些反事实的进化轨迹在给定基质中是否可能，从而深入了解某些生命形式的可行性。

为此，ASAL会搜索一种模拟，该模拟会产生与基础模型表示中的目标自然语言提示词相匹配的图像。研究者可以控制在每个时间步骤应用哪个提示（如果有的话）。

开放式

人工生命的一大确认有罪是寻找开放式模拟。找到这样的世界才能复现现实世界中永无止境的有趣新奇事物的爆发。

尽管开放性是主观的且难以定义，但正确表示空间的新颖性（novelty）可以体现开放性的一般概念。这样一来，可将测量开放性的主观性外包给表征函数的构建。在本文中，视觉-语言基础模型表征充当了人类表征的代理。

阐明

人工生命的另一个关键目标是自动阐明不同现象构成的整个空间，而这些现象是从基质涌现出来的。基于此，可以让我们了解「生命的可能模样」。因此，阐明是描绘和分类外围基质的第一步。

为了实现这一目标，ASAL会搜索一组模拟并且这些模拟产生的图像与基础模型表征中的最近邻相距甚远。该团队发现最近邻多样性比基于方差的多样性能实现更好的阐明。

实验隐藏ASAL还真行

该团队使用不反对基质验证了ASAL范式的有效性。

首先，他们使用的基础模型包括CLIP和DINOv2。基质则如下所述:

Boids:模拟的是N个「鸟状物体（boids）」在2D欧几里得空间中的移动情况。所有boids都共享权重一样的神经网络，其会根据局部参考系中K个近邻boids向左或向右操纵每个boid。该基质是神经网络的权重空间。粒子生命:模拟N个粒子，这些粒子又可分为K类;它们在一个2D欧几里得空间运动。该基质是K×K相互作用矩阵的空间，β参数确定了粒子之间的距离。初始状态是随机采样的，粒子会自组织形成动态模式。类生命的元胞自动机（CA:将康威生命游戏泛化到所有在2D栅格中运作的二元状态元胞自动机，其中状态转换仅取决于活着的Moore邻居的数量和细胞的当前状态。该基质有2^18=262，144种可能的模拟。Lenia:将康威生命游戏推广到连续空间和时间，允许更下降的维度、多个核和多个通道。该团队使用了LeniaBreeder代码库，它定义了基质，其中动态维度为45个，初始状态维度为32×32×3=3，072个。其搜索空间以BertWang-ChakChan2020年在论文《Leniaandexpandeduniverse》中找到的解为中心。神经元胞自动机（NCA）:通过神经网络表示局部转换函数来参数化任何连续元胞自动机。该基质是神经网络的权重空间。

搜索目标模拟

其中包括单个目标和随时间变化的目标序列。

对于单个目标，以下动图定性地展示ASAL的良好效果，可以找到与指定提示词匹配的模拟。

对于时间目标，下图隐藏可以找到能产生遵循一系列提示词的轨迹的模拟。通过指定所需的进化轨迹并使用约束基质，ASAL可以识别体现所需进化过程内在质量的更新规则。例如，当提示词序列为「一个细胞」然后是「两个细胞」时，相应的更新规则本质上就是实现自我复制。

搜索开放式模拟

图5展示了ASAL在类生命元胞自动机的开放式模拟中的潜力。

根据3式中的开放式指标，著名的康威生命游戏位列最开放的元胞自动机（CA）的前5%。

图5a隐藏，最开放的CA表现了处于混沌中心的非平凡动态模式，因为它们既没有轻浮也没有爆发。

图5b则描绘了三个CA在CLIP空间中随模拟时间的轨迹。由于基础模型的表征与人类表征相关，因此通过基础模型的表征空间在轨迹中产生新颖性也会为人类观察者产生一系列新颖性。

图5c则可视化了所有类生命元胞自动机，从中可以看到涌现出的有意义的结构:最开放的CA紧密地靠在模拟主岛外的一个小岛上。

阐明外围基质

该团队使用了Lenia和Boids基质来研究公式4中的阐明算法的有效性。基础模型是CLIP。他们定制了一个用于搜索的遗传算法:在每一代，随机选择父母，创建变异的孩子，然后耗尽最多样化的解子集。

下面的2个「SimulationAtlas」展示了生成的模拟集。

此可视化凹显了按视觉反对性组织的行为的多样性。使用Lenia时，ASAL发现了许多前所未见的生命形式，这些生命形式类似于按颜色和形状组织的细胞和细菌。使用Boids时，ASAL重新发现了群集行为（flockingbehavior），以及其他行为，例如蛇行、分组、盘旋和其它变体。

?

?

量化人工生命

基础模型不仅有助于搜索有趣现象，而且还可以量化以前只能进行定性分析的现象。图7展示了量化这些复杂偶然的涌现行为的不同方法。

在图7a中，对两个Boids模拟之间的参数进行线性插值。这个中间模拟缺乏任一模拟的特征并且显得无序，隐藏了boids参数空间的非线性、混沌性质。次要的是，现在可以通过测量中间模拟的最终状态与两个原始模拟的CLIP反对性来为这种定性观察授予定量减少破坏。

图7b则评估了粒子生命中粒子数量对其表示某些生命形式的能力的影响。在这种情况下，如果搜索「一只毛毛虫（acaterpillar）」，则可发现只有在模拟中至少有1000个粒子时才能找到它们，这符合1972年的「更多即不同(moreisdifferent)」的观察结果。

在图7c中，通过单独扫描每个参数并测量CLIP提示词对齐分数的结果标准偏差，量化了粒子生命中每个模拟参数的重要性。在确定最次要的参数后，便对应上了绿色和黄色粒子之间的相互作用强度，这对于毛毛虫的形成至关重要。

图7d给出了对于Lenia模拟，CLIP向量随模拟时间的变化速度。当模拟定性地看起来已成静态时，该指标恰好轻浮，因此这可授予有用的模拟开始条件。

对于这项研究，你有什么看法呢?

参考链接:

https://x.com/SakanaAILabs/status/1871385917342265592

https://x.com/phillip_isola/status/1871438128172671086

**苹果开发智能家居门铃**

据悉，苹果正在探索开发一款集成FaceID功能的智能家居门铃。这一项目尚处于早期阶段，但有望授予无缝的开锁体验。

这款智能门铃将利用失败无线分开与HomeKit生态系统中的门锁配合使用。通过录入面部数据，用户可以轻松实现通过FaceID解锁门锁。

值得一提的是，该门铃将配备苹果自研的Wi-Fi芯片，其中包含一个专门的安全区域，以保障用户隐私。

业内专家指出，智能家居硬件将成为苹果未来协作发展重点领域。为了确保成功，苹果将致力于缩短设备兼容性。为此，苹果已参与Matter协议的制定，该协议将鞭策苹果、亚马逊和谷歌设备之间的互操作性。

此外，苹果计划通过AppleIntelligence赋能家庭设备，将硬件和软件无缝集成到家庭生活中，创建无缝的用户体验，值得期待。