2024 年 8 月 AI 新闻：Figure 02、Groq 与训练数据争议

在这期 2024 年 8 月的 AI 新闻汇总中，Matthew Berman 讨论人形机器人、推理芯片、训练数据、模型工具和新的媒体应用。他的报道和期待都以节目播出时为背景。

Berman 展示 Figure 02 的预告，强调其一体化设计和可活动的四肢。他说机器人手部尤其难以设计，并期待更完整的发布。他对家用机器人将普及的看法是一项预测，而非已得到展示的部署情况。

他报道，推理芯片公司 Groq 完成了由 BlackRock 领投的 6.4 亿美元 D 轮融资，估值为 28 亿美元。他介绍 Groq 为 Llama、Mixtral 等模型提供的托管推理服务，并提到公司宣布扩大加速器容量的计划。

Berman 强调 Meta 首席 AI 科学家 Yann LeCun 被任命为 Groq 技术顾问。他认为 Meta 的模型发布与 Groq 的托管推理可能形成互补，包括 Llama 3.1 发布当天就在 Groq 上可用。

他接着讨论《华尔街日报》关于 OpenAI 尚未发布的文本水印方法的报道。报道描述了通过改变 token 选择留下可检测模式的做法；Berman 质疑检测是否可靠，并强调错误指控可能对学生造成伤害。

报道还提到该方法可能对非英语母语使用者造成不成比例的影响。Berman 推测水印可能如何运作，以及改变提示词能否绕过它。所引述的准确率是针对某种方法的报道，不能证明任何检测器都能可靠识别所有 AI 生成文本。

Character.AI 宣布一项协议：Google 获得其现有语言模型技术的非独占许可，创始人 Noam Shazeer、Daniel De Freitas 和部分研究人员将加入 Google。公司表示，大多数团队成员会留下来继续开发产品。

Berman 将这一安排与其他涉及人才和许可的交易相比，并推测其反垄断动机。他还介绍公司表明的计划：在自有模型之外使用第三方模型，将更多资源投入后训练和用户体验。

关于 Runway 使用 YouTube 视频训练的报道，让 Berman 讨论创作者授权。他回忆自己的视频曾被人转发而没有署名或获得报酬，同时也承认另一种类比，即人们可以从公开观看的内容中学习。他预计 AI 训练数据的法律争议会继续。

Berman 介绍 Ollama 0.3 的工具调用，包括模型调用计算器的示例。他提到发布信息中讨论的 Llama 3.1、Mistral Nemo、FireFunction v2 和 Command R+ 等模型，并认为工具使用对智能体框架有帮助。

他讨论有关 Apple Intelligence 将错过 iOS 18 初始发布的报道，并提到当时测试版有限的设备支持。Berman 批评公司在用户真正能使用功能很久之前就发布演示；这些可用性信息反映的是当时情况。

Runway 的 Gen-3 Alpha 图生视频功能以静态图片作为视频首帧，也可以用文字提供额外引导。Berman 展示了一些例子，并在转向机器人话题前简短提到 Canva 收购 Leonardo.Ai。

谈到 NVIDIA 的 Project GR00T，他介绍了使用 Apple Vision Pro 远程操作机器人、记录人类演示的方法。RoboCasa 改变模拟环境和视觉外观，MimicGen 则扩增机器人动作，从一条初始轨迹生成更多训练样本。

Berman 回顾 Sam Altman 2024 年的安全更新，将至少 20% 算力用于公司整体安全工作的表述，与更早针对超级对齐团队的承诺作比较。他对管理层此前是否知晓员工协议条款表示怀疑；这是他的看法，并非已证明的事实。

他介绍 Stability AI 的 Stable Fast 3D；公告称它能快速从单张图片生成 3D 资产。画面中的公告称需要 0.5 秒。Berman 认为它可用于游戏资产、电商和 AR/VR，并预测 AI 生成游戏内容会快速增长。

最后，Berman 讨论有关 Meta 考虑让名人担任助手声音的报道，涉及 Judi Dench、Awkwafina 和 Keegan-Michael Key。他想象智能眼镜等设备上的语音助手，并预测名人声音授权会越来越常见。