OpenAI秘密計畫曝光；​奧爾特曼：AI將成為健康領域的信仰 | AI頭條

整理 | 王啟隆

出品 | AI 科技大本營（ID：rgznai100）

一分鐘速覽新聞點！

國內外 AI 要聞

OpenAI 啟動新 AI 模型計畫「草莓」

路透社報道，OpenAI 公司正在開發一個新的人工智慧模型計畫，代號為「草莓」（Strawberry）。該計畫原名為 Q*，旨在使 AI 能夠自主、可靠地瀏覽互聯網進行深度研究。OpenAI 正在建立、訓練和評估使用「深度研究」數據集的模型。「草莓」將用於執行需要長期規劃和連續操作的任務，如科學研究和軟體開發。該計畫采用類似史丹佛大學開發的「Self-Taught Reasoner」（STaR）的方法，透過自我生成訓練數據來提高智慧水平，理論上可使語言模型超越人類智慧。

Sam Altman：AI 將成為健康領域的信仰

OpenAI 的 CEO Sam Altman 與赫芬頓郵報創始人 Arianna Huffington 近日瞄準 AI 醫療，成立新公司 Thrive AI Health。他們計劃推出個人化 AI 健康教練，根據使用者的生物數據提供健康建議，旨在減少醫療成本和慢性病影響。 在【大西洋報】對兩人的采訪中， 阿特曼提到，AI 技術將在未來的健康領域中扮演信仰一般的角色，盡管這也引發了私密和數據使用的擔憂。

舉報人指控 OpenAI 非法限制員工披露安全風險

【華盛頓郵報】獲得的一封獨家信件顯示，一名舉報人已要求美國證券交易委員會（SEC）調查 OpenAI 因其嚴格的保密協定而涉嫌違法。該舉報人向 SEC 送出了一份投訴，稱這家人工智慧公司非法禁止員工向監管機構報告其技術可能對人類造成的嚴重風險，並呼籲進行調查。舉報人指出，OpenAI 向員工施加了過於嚴格的就業、離職和保密協定，可能導致員工因向聯邦監管機構表達擔憂而受到懲罰。這封長達七頁的信函已於本月早些時候發送給 SEC 專員，其中包含了正式的投訴內容。【華盛頓郵報】獨家獲取了這封信件。

亞馬遜推出個人化 AI 購物顧問 Rufus

亞馬遜推出 AI 購物助手 Rufus，整合於購物套用中，透過語意搜尋提供商品列表和評論，結合天氣等生成個人化推薦。Rufus 界面簡潔，支持問題轉錄但不支持答案朗讀。在產品研究方面，Rufus 能提供購買建議和推薦計畫。測試顯示，Rufus 界面簡潔，可解答如「最佳智慧型手機」、「推薦早餐麥片」等問題，考慮因素包括作業系統、相機品質、營養成分等，並附帶商品簡介。

基於 Rust 的開源計畫實作異構集群推理

推特使用者 @evilsocket 基於 Rust 開源了「異構集群推理方案」，透過組合多台 iPhone、iPad、Macbook 組成 Transformer 推理伺服器，執行 Llama3-70B 模型。此方案能夠釋放老舊裝置算力，支持 Linux、iOS、Windows 等老舊裝置組成異構集群提供分布式 LLM 推理算力，提升推理效率和裝置利用率。

計畫地址： https://github.com/evilsocket/cake

OpenAI 技術長：沒將產品優先程度置於安全之前

近日，OpenAI 技術長 Mira Murati 在一次訪談中再次談起 AI 安全，並對「超級對齊」安全團隊解散、ChatGPT 斯嘉麗語音風波、公司面臨監管審查等問題作出回應。 Murati 回應稱：「超級對齊是 OpenAI 非常重要的安全團隊，但只是團隊之一，公司有很多人負責安全工作。」她表示並不認同「公司把產品放在安全之前」這一觀點，並稱這一論調有點過於憤世嫉俗。（澎湃）

完整采訪連結：

微軟 MInference：提升 LLM 處理百萬上下文 10 倍

微軟推出 MInference，采用稀疏計算方法，最佳化了長序列處理中的計算效率。該技術無需對現有模型進行預訓練或額外微調，直接適用於現有的大語言模型（LLM），顯著提升了推理速度。在實際測試中，包括 InfiniteBench、RULER、PG-19 等多個基準，以及 LLaMA-3-1M、Yi-200K 等不同模型上，MInference 在 NVIDIA A100 GPU 上實作了 10 倍的推理速度提升，同時保持了模型的準確性。這一突破為大規模自然語言處理任務提供了高效的解決方案。

計畫地址： https://github.com/microsoft/MInference

計畫介紹： https://hqjiang.com/minference.html

Demo： https://huggingface.co/spaces/microsoft/MInference

OpenDiLoCo：全球分布式低通訊模型訓練框架

OpenDiLoCo 是 DeepMind 的分布式低通訊（DiLoCo）方法的開源實作和擴充套件，允許全球範圍內的分布式 AI 訓練。它透過減少頻繁的通訊需求，使得在連線不良的裝置上訓練模型成為可能。該框架能協同多個地點和裝置的計算資源，提高資源利用率，使更多人參與 AI 開發。在兩個大洲和三個國家間訓練模型，保持了 90 - 95% 的計算利用率，展示了其有效性。

計畫地址： https://github.com/PrimeIntellect-ai/OpenDiLoCo

論文： https://arxiv.org/pdf/2407.07852

劍橋大學 AI 模型超越臨床測試，預測艾爾茨海默癥更精準

劍橋大學開發的 AI 模型在預測艾爾茨海默癥方面比臨床測試更準確，能預測輕度記憶和思維問題個體是否及多快會發展為艾爾茨海默癥。研究顯示，該模型準確性比現有工具高出三倍，透過認知測試和 MRI 掃描在 82% 的案例中正確辨識出患病個體，並在 81% 的案例中辨識出未患病個體。這一突破有望顯著減少誤診和未診斷情況，提升早期檢測效果。