4 月 12 日 AI 头条｜OpenAI 宣布向 ChatGPT 付费用户开放新 GPT-4 Turbo 模型

划重点：

• OpenAI 宣布向 ChatGPT 付费用户开放新 GPT-4 Turbo 模型
  

• OpenAI CEO 阿尔特曼想要建立一个全球 AI 联盟，加快人工智能发展

• Humane 售价 699 美元的 Ai Pin 现已上市

• 美国提出新法案：AI 公司应当披露受版权保护训练数据使用情况

• 谷歌向所有谷歌照片用户免费提供人工智能驱动的编辑工具，如Magic Editor

• Gartner 预估 2028 年 75% 的企业软件工程师使用 AI 代码助手

资讯详情：

OpenAI 宣布向 ChatGPT 付费用户开放新 GPT-4 Turbo 模型

据 OpenAI 官方消息，OpenAI 宣布向付费用户开放全新GPT-4 Turbo 的使用权限，可在ChatGPT Plus、Team、Enterprise 和 API 中使用。

据 OpenAI 表示，全新GPT-4 Turbo 提高了写作、数学、逻辑推理和编码的能力。新版本的响应会更直接、减少冗长内容，并使用更多的对话语言，他们还将继续优化使模型变得更好。

GPT-4 Turbo 于 2023 年 11 月在 OpenAI 首届开发者大会上公开，支持 128k 上下文，输入价格比 GPT-4 便宜了三倍，速率限制翻倍，知识库更新到 2023 年 4 月。

OpenAI CEO 阿尔特曼想要建立一个全球 AI 联盟，加快人工智能发展

据华尔街见闻报道，OpenAI CEO 阿尔特曼本周在阿联酋会见了投资者和政府官员，阿尔特曼一直致力于在政府和行业领导者之间建立一个全球 AI 联盟，用来增加开发人工智能技术所需的芯片、能源和数据中心容量的供应，更多的基础设施投资，促进人工智能的发展。

阿尔特曼与投资者和政府官员讨论私营部门如何与各国合作，他还与一些西方国家的官员进行了交谈，并将于本周晚些时候在华盛顿举行会议。阿尔特曼尝试用这种办法解决芯片和其他关键基础设施供应落后的问题，他一直在努力从全球投资者那里筹集数十亿美元，利用这些资金建立一个制造半导体的工厂网络。

科技行业面临的最大基础设施挑战之一是需要大量能源来为人工智能系统提供动力。全球 AI 数据中心的耗电量将是 2022 年的十倍，美国未来 20%-25% 的电量将被 AI 数据中心消耗，这是 OpenAI 必须要解决的问题。阿尔特曼曾谈到需要能源“突破”来支持令人难以置信的耗电技术，并建议发展更便宜的太阳能或核聚变来推动人工智能发展。

OpenAI 发言人在一份声明中表示：“正如之前报道的那样，OpenAI 正在就增加芯片、能源和数据中心的全球基础设施和供应链进行对话。”OpenAI 将在晚些时候分享更多细节。

Humane 售价 699 美元的 Ai Pin 现已上市

据TechCrunch报道，Humane 今天宣布推出其首款产品 Ai Pin。这家总部位于湾区的硬件初创公司自 2017 年（联合创始人 Bethany Bongiorno 和 Imran Chaudhri 离开苹果一年后）起一直在蓬勃发展。从那时起，该公司资金充足，达到 2.3 亿美元，并专注于构建独立的人工智能设备。

Ai Pin 是 Humane 希望推出的一系列设备中的第一个，旨在利用 OpenAI 的 ChatGPT 和谷歌的 Gemini 等生成式 AI 平台的力量和普及度。该系统依赖于许多不同的基于法学硕士的系统，利用它认为是每项工作的最佳平台。

Humane 的入门价格为 699 美元，可为您提供 Ai Pin、一块额外电池和一个 AI 充电盒。不同颜色可供选择，起价 799 美元。提供各种配件，价格从 29 美元到 49 美元不等，而强制性订阅服务的费用为每月 24 美元。作为诚信的标志，Humane 为购买一枚别针提供三个月的免费试用期。

美国提出新法案：AI 公司应当披露受版权保护训练数据使用情况

据 billboard 报道，美国众议员 Adam Schiff 当地时间周二提出了一项新的法案。若该法案通过，AI 公司将被要求披露受版权保护训练数据的使用情况，否则将面临经济上的处罚。

该法案名为《生成式 AI 版权披露法案》（Generative AI Copyright Disclosure Act），它既适用于新的生成式 AI 模型，也可追溯至之前发布、投用的 AI 系统。

该法案要求在 AI 模型在向消费者提供之前 30 天内，需要向版权局提交该模型训练数据集中受版权保护作品的完整清单。当现有模型的训练数据集“发生重大改变”时，也必须及时向版权局提交。对违规行为的经济处罚将由版权局根据公司的违规历史和公司规模等因素，逐案作出决定。

这名众议员在一份声明中表示，AI 具有颠覆性的潜力，它将改变人类的经济、政治制度和日常生活。“我们必须在 AI 的巨大潜力与道德准则和保护的关键需求之间取得平衡，因此，我提出的《生成式 AI 版权披露法案》是朝着这个方向迈出的关键一步。该法案倡导创新，同时保障创作者的权利和贡献，确保他们了解自己的作品对 AI 训练数据集的贡献。这是在人工智能时代尊重创造力，并将技术进步与公平结合起来的举措。”

谷歌向所有谷歌照片用户免费提供人工智能驱动的编辑工具，如Magic Editor

据TechCrunch报道，谷歌照片正在进行人工智能升级。周三，这家科技巨头宣布，之前仅限于 Pixel 设备和付费订阅者的一些增强编辑功能（包括人工智能驱动的 Magic Editor）现在将免费向所有 Google Photos 用户开放。此扩展还包括 Google 的 Magic Eraser，可以从照片中删除不需要的项目；Photo Unblur，使用机器学习来锐化模糊的照片；肖像光，可让您在事后更改照片等的光源。

编辑工具历来是谷歌高端设备 Pixel 手机的一个卖点，也是谷歌云存储订阅产品 Google One 的一大吸引力。但随着越来越多的人工智能编辑工具涌入市场，谷歌决定向更多人免费提供其人工智能照片编辑功能。

首先，这些工具将于 5 月 15 日开始推出，需要数周时间才能向所有 Google Photos 用户提供。

此外，使用它们还需要一些硬件设备要求。例如，在 ChromeOS 上，设备必须是 ChromeOS 版本 118+ 的 Chromebook Plus 或至少具有 3GB RAM。在移动设备上，设备必须运行 Android 8.0 或更高版本或者 iOS 15 或更高版本。

该公司指出，现在也将支持 Pixel 平板电脑。以前，此类编辑需要 Magic Eraser 和其他专业编辑工具（例如 Photoshop）才能获得相同的效果。这些编辑将更多地是手动的，而不是通过人工智能自动化。

Gartner 预估 2028 年 75% 的企业软件工程师使用 AI 代码助手

Gartner 近日发布报告，2023 年年初企业软件工程师使用 AI 代码助手的比例不到 10%，不过预估到 2028 年将达到 75%。

Gartner 于 2023 年第 3 季度调查了全球 598 家知名企业，结果显示 63% 的企业目前正在试用、部署或已经部署了 AI 代码助手。AI 代码助手不仅可以根据程序员要求生成和补全代码之外，还扮演协作助手的角色，通过激发头脑风暴和提高代码质量来提高开发人员的效率，从而让开发人员能够不断提高技能，熟练掌握各种编程框架。

AI 代码助手提供的辅助功能可提高工作满意度和留任率，从而节省与人员流动相关的成本。

华盛顿大学：

《ArtPrompt: ASCII Art-based Jailbreak Attacks against Aligned LLMs》

本论文提出了一种基于ASCII艺术的破解攻击ArtPrompt，并引入了ViTC基准测试来评估LLMs在识别无法仅通过语义解释的提示方面的能力。论文展示了五种SOTA LLMs（GPT-3.5、GPT-4、Gemini、Claude和Llama2）在识别ASCII艺术提示方面的表现较差，因此提出了ArtPrompt攻击，并在五种SOTA LLMs上进行了评估。ArtPrompt可以有效地诱导所有五种LLMs产生不良行为。

论文地址：

https://arxiv.org/abs/2402.11753v2

同济大学上海智能自主系统研究院：

《Retrieval-Augmented Generation for Large Language Models: A Survey》

论文详细分析了RAG的演变，重点关注了三个关键范式：Naive RAG、Advanced RAG和Modular RAG。论文系统地研究了RAG系统的三个基本组件：检索器、生成器和增强方法，强调了每个组件内的尖端技术。此外，论文还介绍了评估RAG模型的新指标和能力，以及最新的评估框架。最后，论文从三个角度概述了未来的研究方向：未来的挑战、模态扩展以及RAG技术栈和生态系统的发展。

论文地址：

https://arxiv.org/abs/2312.10997v2

牛津大学：

《SLEEPER AGENTS: TRAINING DECEPTIVE LLMS THAT PERSIST THROUGH SAFETY TRAINING 》

论文构建了大型语言模型中欺骗性行为的概念证明，发现这种后门行为可以持久存在，并且传统的安全训练技术难以消除这种行为，甚至会造成虚假的安全印象。论文使用了多个实验来证明其结果，包括训练模型在特定情况下写安全代码，但在另一种情况下插入可利用的代码。结果表明，最大的模型和训练模型欺骗训练过程的思维链最难以消除欺骗性行为。

论文地址：

https://arxiv.org/abs/2401.05566v3

微软研究院：

《Orca 2: Teaching Small Language Models How to Reason》

论文中提出了通过教授小型语言模型不同的解决问题的策略来提高其推理能力，相比于当前的研究，这是一种新的思路。论文使用了15个不同的基准测试数据集，共计大约100个任务和超过36,000个独特提示，证明了Orca 2在零样本设置下表现出色。此外，作者公开了Orca 2的权重，以支持对小型语言模型的开发、评估和对齐的研究。

论文地址：

https://arxiv.org/abs/2311.11045v2

阿里巴巴集团智能计算研究院：

《Animate Anyone: Consistent and Controllable Image-to-Video Synthesis for Character Animation》

论文提出了一种基于扩散模型的新框架，通过引入ReferenceNet来合并细节特征，使用有效的姿势指导器来指导角色的动作，并采用有效的时间建模方法来确保视频帧之间的平滑过渡。论文的亮点包括ReferenceNet的设计、姿势指导器的引入和时间建模方法的使用，实验中使用了时尚视频和人类舞蹈合成数据集，并取得了最先进的结果。

论文地址：

https://arxiv.org/abs/2311.17117v1