Es wurde berichtet, dass Apple einen Beobachtersitz im Vorstand von OpenAI erhält. Dies ist ein überraschender Schritt, da Microsoft die Hälfte von OpenAI kaufen musste, um einen Vorstandssitz zu erhalten, während Apple nichts an OpenAI zahlt, aber trotzdem einen Vorstandssitz erhält. Der Sitz wurde für Phil Schiller, den ehemaligen Marketingchef von Apple, ausgewählt.

Diese Nachricht ist interessant, da nach Apples KI-Ankündigungen klar war, dass sie OpenAI in Bezug auf ihre Partnerschaft auf Distanz hielten. Alle dachten, dass ChatGPT tief in das Apple-Ökosystem integriert werden würde, aber es stellt sich heraus, dass Apple eine Menge seiner eigenen Künstlichen Intelligenz in-house entwickelt hat, um auf ihren Geräten und in ihrer privaten Cloud zu laufen. Jede Aufgabe, die Weltwissen erfordert, wird an die OpenAI-API ausgelagert und gesendet, aber nur nachdem der Benutzerabsicht jedes Mal bestätigt wurde.

Es scheint, dass Apple das Beste aus beiden Welten herausholt - sie nutzen die Fähigkeiten von OpenAI, während sie gleichzeitig ihre eigenen KI-Lösungen in-house entwickeln. Dieser Schritt deutet darauf hin, dass Apple allen anderen einen Schritt voraus ist und sich strategisch in der KI-Landschaft positioniert.

Mark Benioff, der CEO von Salesforce, hat die Einführung von Salesforce Einstein Tiny Giant angekündigt, einem Modell mit 1 Milliarde Parametern, das Modelle, die sieben Mal so groß sind, einschließlich GPT-3.5 und Claude, in Bezug auf die Leistung auf Geräten übertrifft. Diese Entwicklung ist ein wichtiger Schritt in Richtung der Zukunft der KI-Verarbeitung, in der kleinere, effizientere Modelle eine entscheidende Rolle spielen werden.

Die wichtigsten Highlights von Salesforce Einstein Tiny Giant sind:

• Es ist ein Modell mit 1 Milliarde Parametern, was es zu einem "Mikro"-Modell in der Welt der großen Sprachmodelle macht.
• Trotz seiner geringeren Größe übertrifft es größere Modelle wie GPT-3.5 und Claude in Bezug auf die Leistung auf Geräten.
• Dieses Modell repräsentiert den Aufstieg der KI-Verarbeitung auf Geräten, bei der Berechnungen lokal auf dem Gerät des Benutzers durchgeführt werden, anstatt sich auf cloudbasierte Infrastruktur zu verlassen.
• KI-Verarbeitung auf Geräten bietet mehrere Vorteile, darunter verbesserte Datenschutzrechte, Sicherheit, geringe Latenz und Kosteneffizienz.
• Benioffs Vision für die Zukunft des KI-Stacks beinhaltet eine Kombination aus kleineren, aufgabenspezifischen Modellen, die von einem generalistischen Modell orchestriert werden, um maximale Effizienz und Leistung zu bieten.
• Die Verfügbarkeit von Open-Source-Mikromodellen wie Salesforce Einstein Tiny Giant ist ein wichtiger Schritt zur Verwirklichung dieser Vision des KI-Stacks der Zukunft.

Insgesamt ist die Einführung von Salesforce Einstein Tiny Giant ein Beweis für die wachsende Bedeutung der KI-Verarbeitung auf Geräten und das Potenzial kleinerer, spezialisierter Modelle, ihre größeren Pendants in bestimmten Anwendungsfällen zu übertreffen.

Ein Unternehmen namens Open Science scheint OpenAI bei der Entwicklung von Vollfähigkeiten für die Sprachausgabe überholt zu haben. Sie haben Moshi veröffentlicht, ein in Echtzeit arbeitendes, einheimisches, multimodales Foundation-Modell, das zuhören und sprechen kann, ähnlich wie das, was OpenAI im Mai mit GPT-4 demonstriert hat. Die Sprachfunktionalität von GPT-4 ist jedoch verzögert, und es ist unklar, wann sie veröffentlicht wird.

Moshi hat mehrere beeindruckende Funktionen:

• Drückt Emotionen aus und versteht sie
• Spricht mit einem französisch-ähnlichen Akzent
• Hört und generiert Sprachausgabe
• Denkt während des Sprechens nach
• Unterstützt zwei Audioströme, um gleichzeitig zuzuhören und zu sprechen
• Gemeinsames Vortraining auf synthetischen Daten, feinabgestimmt auf 100.000 mündlich-stilistische synthetische Gespräche, die mit TTS umgewandelt wurden
• Erlernte seine Stimme aus synthetischen Daten, die von einem separaten TTS-Modell generiert wurden
• Ende-zu-Ende-Latenz von 200 Millisekunden
• Kleinere Variante, die auf einem MacBook oder einer Verbraucher-GPU läuft
• Verwendet Wasserzeichen, um KI-generierte Audio zu erkennen
• Wird in Kürze vollständig Open-Source sein, einschließlich Demo, Code, Modell und Papier

Obwohl der Autor die Demo ausprobiert und sie als inkonsistent empfunden hat, freut er sich darauf, sie erneut zu testen, sobald die Open-Source-Version verfügbar ist. Die Fähigkeit, ein Echtzeit-Multimodal-Foundation-Modell zu haben, das zuhören und sprechen kann, ist ein bedeutender Fortschritt, und es wird interessant sein zu sehen, wie sich Moshi im Vergleich zu den zukünftigen Sprachfähigkeiten von OpenAI schlägt.

Laut Andrew Karpathy, einer führenden Stimme in der Künstlichen Intelligenz und Mitbegründer von OpenAI, unterliegt die Natur der Berechnung einem grundlegenden Wandel. Wir treten in ein neues Computerparadigma ein, ähnlich wie in den 1980er Jahren des Computerwesens.

Anstelle einer zentralen Recheneinheit, die Anweisungen über Bytes ausführt, haben wir jetzt große Sprachmodelle, die als zentrale Recheneinheit fungieren und mit Tokens (kleinen Zeichenkettenstücken) anstelle von Bytes arbeiten. Darüber hinaus haben wir ein Kontextfenster von Tokens anstelle eines RAMs von Bytes und Äquivalente anderer Computerkomponenten.

Karpathy bezeichnet diesen neuen "Computer" als das große Sprachmodell (LLM), und er sieht dies als ein neues System, das wir alle zu programmieren lernen müssen. Das Verständnis seiner Stärken, Grenzen und wie man es effektiv in Produkte einbindet, wird in den kommenden Jahren entscheidend sein. Dieser Wandel im Computerparadigma legt nahe, dass die traditionellen Betriebssysteme und Anwendungen möglicherweise nicht mehr notwendig sind. Die Zukunft könnte darin bestehen, direkt mit einem großen Sprachmodell zu sprechen, das dann die gewünschten Berechnungen auf jedem Endgerät durchführt, ohne dass traditionelle Softwareentwicklung erforderlich ist.

Diese Vision der Zukunft stellt die derzeitige Rolle von Entwicklern infrage, da Karpathy glaubt, dass der Bedarf an Entwicklern in den nächsten 10 Jahren erheblich abnehmen könnte. Die Computerlandschaft entwickelt sich weiter, und die Fähigkeit, große Sprachmodelle effektiv zu nutzen, wird ein Schlüsselfaktor für Innovation und Fortschritt in den kommenden Jahren sein.

11 Labs, das KI-Sprachunternehmen, hat zwei neue aufregende Produkte veröffentlicht:

1. Voice Isolator: Dieses Tool kann Sprache aufzeichnen und kristallklare Stimme aus jeder Audioprobe extrahieren, selbst bei erheblichem Hintergrundgeräusch. Die Demo zeigt seine Fähigkeit, Hintergrundgeräusche zu entfernen und hochwertige Audio bereitzustellen, was für die Aufnahme von Interviews oder Videoanrufen in lauten Umgebungen äußerst nützlich sein kann.

2. Famous Voices: 11 Labs bringt berühmte Stimmen in ihre iOS-App, mit denen Benutzer historische Hollywood-Ikonen wie James Dean, Judy Garland, Bert Reynolds und Sir Lawrence Olivier sagen lassen können, was sie wollen. Dieses Feature demonstriert die Zukunft der Medien, in der Inhaber geistiger Eigentumsrechte die Rechte zur Reproduktion der Stimme und des Aussehens einer Person an KI-Unternehmen verkaufen können.

Diese innovativen Audiotools von 11 Labs zeigen die Fortschritte in der Sprachentechnologie und das Potenzial von KI, verschiedene Branchen von der Inhaltserstellung bis hin zur Kommunikation zu transformieren. Die Fähigkeiten zur Sprachisolierung können die Qualität von Audioaufnahmen erheblich verbessern, während die Funktion der berühmten Stimmen neue Möglichkeiten für personalisierte Medienerlebnisse eröffnet.

Perplexity hat eine aktualisierte Version von Pro Search angekündigt, die tiefere Recherchen zu komplexeren Abfragen mit mehrstufigem Reasoning sowie erweiterte mathematische und Programmierfähigkeiten durchführen kann.

Die Hauptmerkmale des aktualisierten Perplexity Pro Search umfassen:

1. Mehrstufiges Reasoning: Das System geht nun komplexere Probleme mit mehr mehrstufigem Reasoning an. Es versteht, wenn eine Frage Planung erfordert, arbeitet schrittweise durch Ziele und liefert effizientere, tiefgründigere Antworten.

2. Wolfram Alpha und Codeausführung: Perplexity Pro Search hat erweiterte mathematische und Programmierfähigkeiten hinzugefügt, die es ihm ermöglichen, komplexe Probleme zu lösen, die Codeausführung erfordern, wie z.B. das "Nachtdial"-Problem für 100 Sprünge.

3. Verbesserte Abfragebehandlung: Das aktualisierte System kann komplexere Abfragen bearbeiten, indem es sie in mehrere Schritte unterteilt, um umfassende und gut durchdachte Antworten zu liefern.

Diese Verbesserungen machen Perplexity Pro Search zu einem leistungsfähigeren Recherchewerkzeug, das in der Lage ist, komplexe Fragen zu bearbeiten, die Planung, Reasoning und die Integration verschiedener Informationsquellen erfordern. Die Hinzufügung erweiterter mathematischer und Programmierfähigkeiten erweitert die Problemlösungsfähigkeiten des Systems weiter.

Obwohl der Autor Perplexity nicht umfassend genutzt hat, deuten die aktualisierten Funktionen darauf hin, dass es eine wertvolle Ressource für diejenigen sein könnte, die tiefgründige, multifaktorielle Antworten auf komplexe Abfragen suchen. Die Entscheidung, Perplexity Pro Search zu nutzen, hängt von den individuellen Bedürfnissen und dem Wert ab, den es im Vergleich zu anderen verfügbaren Tools bietet.

Meta, der Technologieriese, hat ein bahnbrechendes neues System namens Meta 3D Gen vorgestellt. Dieses innovative, KI-gesteuerte Tool soll die Erstellung von 3D-Assets revolutionieren und ein nahtloses und effizientes End-to-End-Lösungsangebot bieten.

Meta 3D Gen ist ein kombiniertes KI-System, das in der Lage ist, hochwertige 3D-Assets, einschließlich detaillierter Texturen und Materialkarten, aus einfachen Textaufforderungen zu generieren. Diese bemerkenswerte Fähigkeit ermöglicht es Kreativen, atemberaubende 3D-Inhalte in einem Bruchteil der Zeit zu erstellen, die normalerweise für traditionelle Methoden erforderlich wären.

Die Leistung des Systems ist wirklich beeindruckend, da es in der Lage ist, Ergebnisse zu generieren, die bestehenden Lösungen überlegen sind, und dabei 3 bis 10 Mal schneller arbeitet. Diese erhebliche Steigerung von Effizienz und Qualität ist ein Gamechanger für die 3D-Asset-Erstellungsbranche.

Indem Meta 3D Gen die Kraft der KI nutzt, ermöglicht es Kreativen, sich auf ihre kreative Vision zu konzentrieren, anstatt von den technischen Komplexitäten des 3D-Modellings und der Texturierung überwältigt zu werden. Diese Verschiebung im kreativen Workflow hat das Potenzial, neue Möglichkeiten zu eröffnen und eine neue Ära der 3D-Inhaltserstellung einzuleiten.

Meta hat dieses Projekt weiter gestärkt, indem es zwei Forschungsarbeiten im Zusammenhang mit Meta 3D Gen veröffentlicht hat, die der breiteren Gemeinschaft wertvolle Einblicke und technische Details zur Verfügung stellen, um darauf aufzubauen und weiterzuentwickeln.

Da sich die Medienlandschaft weiterentwickelt, wird die Fähigkeit, 3D-Assets dynamisch und bedarfsgerecht zu generieren, ein entscheidender Vorteil sein. Die Fähigkeiten von Meta 3D Gen stehen im Einklang mit dem aufkommenden Trend der personalisierten und maßgeschneiderten Inhalte, bei denen Videospiele, Filme und andere Medien in Echtzeit generiert werden können, um individuelle Präferenzen zu bedienen.

Diese innovative Technologie von Meta ist ein Beweis für das Engagement des Unternehmens, die Grenzen dessen, was in der Welt der 3D-Asset-Erstellung möglich ist, zu erweitern. Mit Meta 3D Gen steht der Zukunft der Medien- und Inhaltserstellung eine transformative Verschiebung bevor.

Das ursprüngliche Projekt, das es Ihnen ermöglichte, Modelle lokal auszuführen, heißt GPT-4All, und jetzt haben sie GPT-4All 3.0 veröffentlicht. Im letzten Jahr wurde das ursprüngliche LLaMA-Modell von Meta AI geleakt, und die unglaublichen Leute bei Nomic AI, den Schöpfern von GPT-