🐹倉鼠週報06：AI公司的群雄爭霸

這週 AI 的新聞太多了，巨頭們的戰爭很激烈，如果不知道什麼資訊應該了解，應該先看『公司的重要技術發布』、『技術突破』以及『大公司的戰略布局』。

v5 版本太逼真了吧(可惜紅酒太大)，”Steak, red wine, and a beautiful woman. --v 5”

卷首語

AI 正在改變我們的生活及工作方式，前期會有一段磨合期，也就是高成本的學習曲線，但對於前幾批願意投入的人來說，無疑是快速建議自身優勢的機會。

在使用新工具時可能會有兩種情況：『這東西好難用』以及『這東西也太驚人』。如果你發現自己是第一種人時，並不代表你比較笨，可能真的這個工具並不好用或是設計的不好。

這時推薦用一個方式來判斷是自己的問題還是工具的問題，那就是『聽到頻率』。

明明難用的工具在短短時間內聽到不同人多次提起、甚至新聞報導、長輩討論、大量教學應用等，這時候該工具可能就不是設計的不好了，而是自己使用上有誤，可以開始看別人如何學習/使用該工具。

『聽到頻率』只是一個口語化的方法，象徵著一項資訊在臉書、媒體、非同溫層等地方多次出現。（與其用一些浮誇的大詞彙，不如用簡單易懂的方式記得）

🛠️ 本週 AI 工具 & 資源

1. GPT-4 的 8 大重點項目

這應該是本週最大新聞了，這邊把臉書上的圖文整理好在這方便大家理解。

▎簡介

GPT-4 是一個『大型多模態模型』（接受圖像和文本輸入，發出文本輸出），在許多現實情況下比人類能力差，但在各種專業和學術基準測試中展現出超越人類級別的表現！

內容精華（看不完至少瞥完這 8 點）：

1. GPT-4 是一個大型多模態模型，接受圖像和文本輸入，發出文本輸出。

2. Api 可以接收圖片作為輸入產生文字並分析

3. GPT-4 推理能力遠勝 ChatGPT。在專業和學術基準測試中展現出人類級別的表現，例如在模擬的律師考試中獲得了接近前 10% 的成績；在 USABO Semifinal 2020 的考試超過了 99% 的成績；GRE 寫作接近滿分。

4. ChatGPT Plus 訂閱戶可以優先在 chat.openai.com 上獲得 GPT-4 使用權限，並設置使用上限（Poe 已使用所以不是 plus 訂閱戶可以嘗試看看）。

5. 更長的 Token 數量：8,192 個 token 數，最大 token 數可以達 32768 個 token 數

6. 已經有許多合作夥伴正在測試 GPT-4：Duolingo、Be My Eyes、Stripe、Morgan Stanley、Khan Academy......甚至冰島政府！

7. 圖像理解能力還沒有向一般用戶開放，OpenAI 正在與合作夥伴 Be My Eyes 進行測試。

8. New Bing 已經使用上 GPT-4 了。

▎GPT-4 的能力及視覺處理

GPT-4 在處理複雜任務時比 GPT-3.5 更加可靠、有創造力，能夠處理更加細緻的指令。作者們通過測試發現，GPT-4 在模擬人類原本設計的考試中表現優秀，也能夠更好地處理英語以外的多種語言的問題。

GPT-4 還能夠處理文字和圖片交替的輸入，並能夠生成自然語言和程式碼等輸出。這些功能的提升將使得GPT-4在更多的應用場景中發揮作用，並提高人工智慧的效率和準確性。

重點：

• GPT-4 能夠處理英語以外的多種語言的問題，包括低資源語言如拉脫維亞語、威爾士語和斯瓦希里語。

  

• GPT-4 能夠處理文本和圖像交替的輸入，並能夠生成自然語言和代碼等輸出。

  • 圖文對話範例一：拿 VGA 線來充電

    

  • 圖文對話範例二：給論文圖片來解讀

    

  • 圖文對話範例三：給一張草圖產一個網站

    

• GPT-4 在企業內部的應用有較大的幫助，能夠提高支援、銷售、內容審核和程式碼撰寫等方面的效率。

▎限制、風險及相關措施

GPT-4 是一個非常強大的語言模型，但仍存在一些限制和風險。其性能的提高帶來了新的風險面，需要不斷進行改進和監控。此外，模型的使用也需要謹慎對待，適當地進行人工審核、添加上下文或避免在高風險場景使用。

這也提醒我們，在發展 AI 技術的同時，需要關注其社會和經濟影響，並不斷進行評估和改進：

• GPT-4 相對於之前的模型，大幅減少了誤判事實的情況。

• 模型輸出存在偏見，需要進一步改進。

• GPT-4 缺乏對過去事件的知識，並且不能從經驗中學習。

• 模型的預測有時可能是錯誤的，需要加強校驗。

• GPT-4 帶來了新的風險，例如生成有害建議、錯誤代碼或不準確的信息。

GPT-4: https://openai.com/research/gpt-4

2. 史丹佛大學開源 Alpaca 7B 模型

史丹佛大學將 Meta 發佈的 LLaMA 7B模型做基礎，僅用了 52 k 的資料便訓練出了與 GPT-3.5 差不多性能的模型，而且總成本成本不到 600 美元。

這樣的表現也讓人不禁在想，Meta 是不是有機會來一波彎道超車。

Alpaca: A Strong, Replicable Instruction-Following Model：https://crfm.stanford.edu/2023/03/13/alpaca.html

3. 在日常設備中，執行 LLM

• 國外有網友在樹莓派上執行了 70 億參數的 LLaMA，雖然速度很慢，卻也象徵著 LLM（大型語言模型）在消費級別的硬體上的開始。

• 在 Mac M2 Air 上執行 LLaMa 7B 的 Alpaca（Github 中的圖片演示），推理速度很快。

• 在 Google Pixel 7 Pro 上執行 LLaMA 7B 模型。

AI 登陸日常生活設備，改變人們使用習慣的時刻已然開啟。

4. 微軟推出 Copilot AI 助手

基於 LLM 的 AI-Copilot，適用於微軟的相關軟體：Word、Excel、PowerPoint、Outlook、Teams。

1. Word：透過 prompt 來寫作。

編輯、總結、改寫等等的，你還可以跟他『說根據昨天寫的某一篇』當素材，AI 就會自動理解是哪一篇。

2. Excel：透過 Copilot 來分析及探索數據。

   可以請AI幫你分析 Excel 中的數據，甚至請它幫你做出部分洞察，他會給你相關性、提出假設情境，甚至根據你的問題建議新的公式。

3. PPT：根據現有文件來製作簡報內容。

   不必在做簡報時分心在簡報設計及排版，先專心於內容要呈現什麼，再透過這份 word 內容讓 Copilot 來自動產生一份好看的簡報。

4. 電子郵件：請 Copilot 助手協助信件撰寫。

   這個應該蠻多人有試過類似的功能了。

5. Bussiness Chat：AI 抓取微軟相關集成軟體來回答問題。

   在這個 Chat 中，你能問它昨天發生什麼事情，他會將文件、PPT、電子郵件、日曆甚至 Memo 及聯絡人的數據整合來回答。

6. Teams：視訊會議中的 AI 助理。

   在 Team 的視訊會議中，Copilot 可以幫你總結會議重點，甚至可以問它大家對於特定主題的想法、TODO 是什麼、誰負責什麼任務等等的，非常實用的功能（可能也不用會議紀錄了）。

完整發布會：

其實 Google 也出了但被我當做一般文件忽略了….，因為它的 Workspace 結合 AI 的功能跟 GPT-4 一起出來，然後那一天都在關注 GPT-4。看 Google 這次的介紹其實跟微軟的 Copilot 非常像，希望差異化後能各自走出不同的路線。

5. Pebblely：快速生成產品圖

現在 AI 應用太多，大家應該也用到麻痺，所以我如果能實測會直接測試，然後說說我覺得好用的程度及試用人群。

▎適用人群：沒請設計師剛起步的網路賣家

這個的功能其實就是幫你把圖片去背後，快速生成各種風格的產品圖，我自己隨手拍了一下手頭的滑鼠，確實有些風格還不錯。

但很吃重『網站給的相關風格』，像彩妝產品搭配自然風格、廚房用品搭配廚房風格就很適合，但我的滑鼠沒有比較適合的風格。

實用指數(滿分 5 顆)：⭐⭐⭐

一個帳號只有 40 張的扣打，而且一次生成會生 4 張，真的覺得不錯也能多用幾個 mail 或 10 分鐘信箱去註冊看看。

印象中看過有人用 controlnet（不確定有沒有記錯）生成產品圖，那才是真的漂亮，看到再拿出來分享給大家。

Pebblely: https://app.pebblely.com/studio