2023 年最受歡迎的人工智能AI工具
一項利用 SEMrush 對 3000 多款人工智能工具進行的分析發現，排名前 50 的網站在過去一年中吸引了 240 億次訪問。
其中，最受歡迎的十大人工智能工具為：
ChatGPT —— 一種大型語言模型（LLM），訪問量達 146 億次。
Character.ai——變相的 LLM，訪問量達 38 億次。
Quillbot——哈佛大學的克勞蒂亞-蓋伊（Claudine Gay）可能希望自己用過的意譯工具，訪問量為 11 億次。
Midjourney——影像產生工具，5.004 億次。
Hugging Face——一個以開源人工智能模型和工具為特色的平台，3.166 億。
Bard – 谷歌的“貧民窟版” ChatGPT，2.416 億。
NovelAI——人工智能故事寫作 “助理”，2.387 億美元。
CapCut——影片編輯器，2.038 億。
Janitor AI——一種 “未經過濾” 的 LLM，似乎主要用於創建色情機器人，1.924 億。
Civitai ——影像產生器，1.772 億。
ChatGPT 詭異的 DEI 立場？
在一起人工智能模型因 DEI （Diversity, Equity and Inclusion/多元共融）防護而行為怪異的奇特事件中，用戶注意到ChatGPT/DALL-E 拒絕生成一組白人或亞裔護士的圖像。
相反，它堅持建議創建一個 “代表著包容和尊重的，展示醫療保健領域多樣性的”圖像。
然而，它對創作一群黑人護士或西班牙裔護士的圖片卻毫無異議。
Dall-E 的黑人女護士圖片。
現在，大多數人很少需要創建一群亞裔或白人護士的圖片，所以這主要是一個學術問題，但也沒有明顯的理由直接禁止它。
查看圖片產生的預先提示（LLM 在使用者提出任何要求之前的指示），它指示 DALL-E 製作的圖片中 “每個民族或種族群體應具有相同的代表性”。
✨✨看精選消息✨💜✨點這裏追蹤 ADAC INSTAGRAM 💜✨
提示也指出：
您的選擇應基於現實。 例如，特定職業的所有成員不應該是相同的性別或種族。 此外，在改寫過程中，要專注於透過所選的屬性來創造多樣化、包容性和探索性的場景。 所做的選擇有時可能具有洞察力或獨特性”。
目前還不清楚這項指示如何與《DALL-E》中某些種族的護士而非其他種族的護士的照片相協調，也不清楚為什麼《DALL-E》樂於讓所有護士都是女性。 如果讓我猜的話，我覺得它可能從訓練資料中學到了 “多樣性” 這個詞等同於某些群體，所以它才會這樣解釋提示。 也有可能，在我們不知道的更深處，還潛伏著另一套防範措施。
在多次嘗試之後，DALL-E 才終於同意創作一張一群白人護士的圖片。
在類似的話題上，DALL-E 也斷然拒絕創作任何比特幣支持者與以太坊支持者交戰的畫面。 相反，它希望創造出加密貨幣愛好者參與友好和建設性活動的場景，讓每個人都能享受其中。
Nansen 預測AI人工智能將成為區塊鏈的主要用戶
Nansen 的 2024 年報告預測，”人工智能代理成為區塊鏈主要用戶的世界並不遙遠”。
AI Eye 在我們最近的”加密貨幣中的真實AI 用例“系列中也做出了類似的預測，其依據是多達80% 的加密貨幣交易量已經來自機器人，而且由於各種原因，AI 代理會 發現加密貨幣比法定貨幣更方便。
Nansen 介紹的另一個用例是利用加密技術進行驗證和風險管理。 報告認為，行星間檔案系統（一種分散式P2P 檔案共享系統）和梅克爾樹（一種加密雜湊值的分層系統）的結合將有助於確保資料集和人工智能模型的完整性 ，因為資料或內容的任何變更都會觸發梅克爾樹的更新。
報告還提出，零知識證明可用於 “對某些人工智能模型進行加密證明，而不會洩露模型的細節”，並建議零知識機器學習（zkML）可用於金融服務、智能合約和法律環境。
不過，對於degens來說，真正的問題是購買哪些代幣才能從人工智能和加密貨幣中獲利。 報告強調，代幣將成為一個成長點，當自主人工智能模型表現出色時，代幣將被用作獎勵自主人工智能模型的激勵機制。 報告將 Bittensor（TA）和 Autonolas（OLAS）列為可能 “吸引競標 “的項目。
GAB 的AI聊天機器人
自由言論社交媒體平台GAB 宣佈為 GabPRO 用戶提供一系列 “基於人工智能的聊天機器人”。
只需在帖子中提及機器人，被選中的基於人工智能的機器人就會在你的通知中回覆一個引用貼文。 這些聊天機器人有基於Unabomber的Uncle Ted、Netanyahu的Bibi bot、Donald Trump 的Trump AI，還有一個叫 Tay 的聊天機器人。
AI推進新研究發現
人工智能的烏托邦式未來預測，科技將奪走我們的工作，奴役整個世界。 烏托邦式的願景則認為，這項技術將帶來一系列醫學突破，減輕人們的痛苦。
麻省理工學院的研究人員利用人工智能發現了 60 年來第一種新型抗生素，這種抗生素對抗藥性 MRSA 細菌有效。
歐盟每年約有 3.5 萬人死於抗藥性細菌感染，美國也有類似人數，因此這項新的研究方向將成為救命稻草。
研究小組使用了深度學習模型，即人工神經網路自動學習和預測，而無需明確的程式設計。 他們輸入的訓練資料包含了對 39,000 種化合物的化學結構及其對 MRSA 的抗生素活性的評估。 然後，他們又使用另外三個模型來評估每種化合物對人體的毒性，以便找出既能對抗微生物，又能將對患者的傷害降到最低的候選化合物。
AI and Drug Discovery
Finally, we are seeing useful results in this critical field.
Researchers used graph neural networks to predict the toxicity of over 12M compounds. This would have been impossible to do in a wet lab. They then used these results in antibiotic discovery.… pic.twitter.com/vBjOhhzGPG
— Bindu Reddy (@bindureddy) December 22, 2023
有趣的是，研究人員能夠研究這些模型是如何學習和預測的。 通常，這些模型非常複雜，沒有人真正知道引擎蓋下發生了什麼。
這項研究的主要作者之一、麻省理工學院博士後 Felix Wong 解釋說：”我們在這項研究中要做的就是打開黑盒子。”
另一個人工智能發現的例子是，Google DeepMind 利用 LLM 解決了一個著名的懸而未決的數學問題——”上限集問題“。 研究人員在《自然》雜誌上稱，這是首次使用 LLM 發現一個長期存在的科學難題的解決方案。
他們使用了一種名為 “FunSearch “的工具，該工具將法學碩士的弱點——容易編造虛假答案或 “幻覺”——變成了優點。 基本上，他們讓一個模型編造一百萬個左右的錯誤答案，然後讓第二個模型評估其中是否有好答案。 谷歌 DeepMind 公司的研究科學家 Alhussein Fawzi 解釋說：”雖然只有極少數答案是好的，但你會選擇那些真正有啟發的答案，然後說’好吧，選擇這些答案並 重複’。
相關：生成式AI｜Meta AI影片生成和圖像編輯：新AI模型 Emu Video Emu Edit 專注精準影像處理！｜Meta｜新興科技｜人工智能｜效率管理
相關：深度偽造｜AI身份平台研解決身份所有權和深度偽造問題，YouTube更新社區管理指引加強人工智能透明度｜DeepFakes｜Hollo.AI｜效率管理｜新興科技｜AI新聞社區關注｜人工智能消息
✨✨看精選消息✨💜✨點這裏追蹤 ADAC INSTAGRAM 💜✨
🚀 搶先看新聞🔥 獨家空投🔥 AMA 🔥 🌈 一按加入 Discord Web3 關注組 ✴️=
