人工智慧領域一直充滿著令人興奮的發展,而文字轉影片技術的進步尤其值得注意。兩個新的模型,Luma AI的「Dream Machine」和Runway的「Gen 3 Alpha」,已經成為這個快速發展領域中的出色競爭者。

Luma AI的「Dream Machine」允許用戶從文字或圖像提示生成驚人的影片。所產生影片中的細節程度和基於物理的互動確實令人驚嘆,角色、物體和環境都能無縫融合在一起。雖然該模型在某些方面,如文字渲染和變形,仍然存在一些困難,但整體質量已經在文字轉影片領域取得了重大進步。

Runway的「Gen 3 Alpha」是另一個令人印象深刻的文字轉影片模型。該模型展示了廣泛的功能,從創造逼真的人物和生物到生成具有複雜照明、反射和攝像機運動的詳細場景。與Sora之前的作品進行對比,突出了Runway最新作品所取得的令人印象深刻的進步。

這些新模型不僅推動了文字轉影片生成的可能性,也為開源替代品設立了更高的標準。目前缺乏可與這些封閉源代碼模型的功能相媲美的現成開源文字轉影片模型,這為人工智慧社區帶來了進一步創新和合作的激動人心的機會。

隨著文字轉影片領域的不斷發展,這些進步對娛樂、教育等各行各業的影響勢必是變革性的。將想法無縫轉化為視覺吸引力內容的能力蘊含著巨大的潛力,而這個領域的持續進步必將引發人們的關注和啟發。

開創文字轉影片革命的先驅公司Runway,剛剛宣布推出其突破性AI影片生成模型的第三版,Gen3 Alpha。這個最新版本展現了令人矚目的進步,提供了前所未有的真實感和一致性,推動了AI生成影片的可能性。

提供的示例展示了Runway Gen3的卓越能力。從將假髮無縫地融入秃頭男子的頭部,到龍-巨嘴鳥混合生物的逼真動作,該模型展現了將現實與幻想巧妙融合的非凡能力。對細節的關注令人驚嘆,從火車電纜的物理特性到汽車窗戶的反射,都展現了對物理世界的深入理解。

一個特別令人印象深刻的方面是與Sora這個領先的文字轉影片模型的直接比較。Runway Gen3 能夠媲美,甚至超越之前的行業標準。這種競爭水平證明了這個領域的快速進步。

值得注意的是,文字轉影片模型的開源領域仍然稀缺,Runway Gen3及其封閉源代碼的同類產品正在引領潮流。希望不久後能出現一個開源模型,提供更廣泛的可訪問性,並進一步推動這個令人興奮的領域的創新。

總的來說,Runway Gen3代表了AI驅動影片生成技術演化的重要里程碑。在示例中展示的真實感、一致性和細節關注度都是非常出色的,為行業樹立了新的標準。隨著技術的不斷進步,AI生成內容的可能性勢必會呈指數級的擴展。

蘋果公司最近的人工智慧公告引發了大量困惑和錯誤信息。讓我們來澄清一下事實:

• 蘋果公司已經開發了自己的30億參數AI模型,可在其設備上本地運行。這個模型為Siri和其他設備上的AI功能提供支持。

• 對於需要更廣泛知識的複雜查詢,蘋果公司會提示用戶將請求發送到由OpenAI擁有和運營的ChatGPT。但這只是一個API調用,而不是深度集成。

• 與流行的觀點相反,OpenAI並未為蘋果公司的核心操作系統和AI功能提供支持或深度集成。蘋果公司擁有自己的專有雲端AI模型來處理這些任務。

• 與OpenAI的合作僅限於處理蘋果公司的本地模型無法解決的某些「世界知識」查詢。這只是蘋果公司宣布的AI功能的一小部分。

• 蘋果公司利用自己強大的設備內AI模型,同時選擇性地使用OpenAI的功能,這是一個戰略性舉措,旨在維護用戶數據和交互的控制權和隱私。

總之,蘋果公司的AI公告展示了其致力於開發強大、注重隱私的AI解決方案的決心,這些解決方案可以處理各種任務,同時在必要時選擇性地利用外部AI資源。這種平衡方法被許多人誤解,導致了毫無根據的擔憂和錯誤信息。

NVIDIA最近發布了一個名為Nitron 4 340B的巨大3400億參數模型。這個模型是為NVIDIA的Nemo和Tensor RT平台優化的一系列模型之一。Nitron 4 340B包括最先進的指令和獎勵模型,以及用於生成式AI訓練的數據集。

這個模型的主要目的是作為訓練較小模型的基礎。通過生成合成數據,Nitron 4 340B可以幫助那些無法獲得大型專有數據集的公司和研究人員更有效地競爭。這是一個重大突破,因為像OpenAI這樣的公司一直在支付大筆費用從各種來源(包括Reddit)獲取數據。

有了Nitron 4 340B,開發者現在可以生成自己的合成數據來訓練較小的模型,這可能會為更多組織參與AI競賽創造更公平的環境。這個模型的開源性質也使其更容易被更廣泛的受眾所獲取,進一步民主化了先進AI系統的開發。

雖然作者還沒有機會測試這個模型,但他們很興奮能夠探索它的功能和潛在應用。生成高質量的合成數據的能力可能會對各行各業的AI模型開發產生深遠的影響。

斯坦福大學的研究引入了一種名為「人機協作」的新方法,使機器人能夠實時跟蹤和複製人類運動。這個系統利用單個RGB攝像頭捕捉人類動作,並將其轉換為相應的機器人動作。

這個系統的主要亮點包括:

• 實時複製人類運動,包括拳擊、彈鋼琴、乒乓球等複雜任務。
• 利用全身策略準確複製人類的動作和與環境的互動。
• 使用開源硬件組件,包括Inspire Robotics手、Unry Robotics H1機器人身體、Dynamixel電機和Razor網絡攝像頭。
• 完全開源設計,方便複製和進一步開發。

這種創新方法展示了機器人無縫融入和模仿人類行為的潛力,為更自然、直觀的人機互動開闢了道路。通過利用實時跟蹤的力量,這些機器人系統可以擴展其功能,適應各種任務和環境。

「人機協作」代表了機器人領域的重大進步,展示了在人機能力之間架起橋梁的卓越成就。

DeepMind和哈佛研究人員創造了一個由AI神經網絡驅動的虛擬啮齒類動物,使他們能夠比較真實和模擬的神經活動。這項開創性工作代表了我們理解複雜的哺乳動物大腦運作的重大進步。

研究人員使用深度強化學習來訓練AI模型操作生物力學精確的老鼠模型。通過這樣做,他們能夠洞察支配老鼠行為的神經過程,如其運動和決策。

這個虛擬啮齒類動物模擬不僅為神經科學研究提供了一個有價值的工具,也引發了關於擴大此類模擬規模的有趣問題。如果研究人員能成功模擬老鼠的神經活動,那麼在模擬更複雜的哺乳動物大腦,包括人腦,會有什麼可能呢?

這項研究的影響力超越了神經科學領域。隨著我們不斷推進人工智慧的邊界,能夠創造準確模擬生物系統的虛擬模型,可能會在機器人學、醫學,甚至更先進AI系統的開發等領域產生深遠影響。

總的來說,DeepMind和哈佛的這項工作代表了我們對哺乳動物大腦的理解取得的令人興奮的進步,以及利用AI驅動的模擬來解開其奧秘的潛力。

OpenAI宣布已故美國陸軍上將Paul M. Nakasone加入其董事會,這被描述為引進世界級網絡安全專業知識的舉措。然而,這一決定引發了對潛在監管捕獲的擔憂。

OpenAI將Nakasone的任命定位為增強其網絡安全能力的方式,但也可被視為深化與安全機構(包括NSA和軍方)聯繫的戰略舉措。這可能被解釋為試圖影響和塑造圍繞AI開發和部署的監管環境。

有報導稱OpenAI有一個由40人組成的團隊專門從事華盛頓遊說,進一步強化了監管捕獲的觀點。這表明該公司正在積極努力應對政治和監管環境,可能會優先考慮自身利益而非更廣泛的社會關切。

此外,有傳聞稱Sam Altman正在考慮將OpenAI轉變為營利性實體,這引發了關於該組織真正動機的質疑。這種從非營利結構轉向的舉措可能進一步侵蝕公眾的信任,因為它可能被視為向財務利益而非道德AI開發的轉移。

儘管OpenAI的模型可能仍然是行業最佳,但該公司的行動和決策越來越受到AI社區的懷疑。如果OpenAI繼續沿著這條道路,他們可能會失去那些曾經支持其工作的人的信任和善意。

我已經測試了Stable Diffusion 3,這個流行的文字轉圖像AI模型的最新版本,但我並沒有發現它特別令人驚嘆,與之前的版本相比沒有太大進步。該模型的表現似乎還不錯,但並不代表該領域的重大飛躍。

不過,如果你對探索Stable Diffusion 3感興趣,我很樂意為你創建一個關於如何在你的機器上設置它的教程。但是,網上已經有很多涵蓋設置過程的資源,所以除非社區有強烈需求,否則我可能不會立即創建教程。

總的來說,Stable Diffusion 3是一個可靠的文字轉圖像模型,但似乎並沒有提供突破性的新功能或能力。如果你對嘗試它感興趣,歡迎告訴我,我會考慮創建一個教程。否則,你可能想探索其他現有資源,開始使用這個Stable Diffusion模型的最新版本。

日本提出了一種嶄新的自動駕駛車方法,利用人形機器人作為駕駛員。在這個系統中,車輛本身是一輛標準汽車,但駕駛由坐在車內的人形機器人執行。

人形機器人負責解讀周圍環境、做出駕駛決策,並控制車輛的運動。這種方法允許更自然、直觀的駕駛體驗,因為人形機器人可以模仿人類在駕駛時的行為和反應。

研究團隊已經發表了一篇詳細的論文,概述了這個系統的技術細節。他們開發了一個全面的框架,使人形機器人能夠有效地導航道路、遵守交通規則,並安全地操作車輛。

這種方法的一個關鍵優勢是