周四,OpenAI宣布推出ChatGPT Pulse,这是一项新的"推送"功能,无需用户每次主动询问即可生成个性化的每日更新。这一预览功能现已面向移动端Pro订阅用户提供,标志着OpenAI在让ChatGPT从被动响应转向主动服务方面的最新尝试。该AI模型会在夜间进行研究,并根据用户历史记录和连接的应用程序在早晨提供更新信息。OpenAI称之为"定期出现的个性化研究和及时更新,让您随时了解最新信息"。
ChatGPT Pulse的工作原理是每晚分析用户的聊天历史记录、保存的偏好设置以及可选连接的Gmail和Google日历。第二天早晨,用户会收到可视化"卡片"(带有主题摘要的小型图解方框,可以展开查看详细信息),其中包含模型判定为相关的主题更新,例如项目跟进、晚餐建议或旅行推荐。用户可以通过点赞或点踩评级提供反馈,并通过"策划"按钮请求特定主题。
OpenAI表示,ChatGPT现在不再等待用户发起对话,而是尝试使用他们称为"异步研究"的方法主动提供信息,本质上是让模型使用传统方法在夜间生成查询和响应。更新每天出现一次,24小时后消失,除非用户保存它们或提出后续问题,这样会将其转换为标准聊天对话。
用户还可以连接Gmail和Google日历,为OpenAI所称的更相关建议提供额外上下文。当连接日历时,ChatGPT可能会起草示例会议议程、提醒用户购买生日礼物或为即将到来的旅行提供餐厅推荐。这些集成功能默认关闭,可在设置中切换。
但与大多数基于大语言模型的现代AI产品一样,这些产品从训练数据集吸收的模式中汲取信息,存在一个问题:其成功率根据手头的主题而变化很大。OpenAI表示,他们通过ChatGPT Lab项目与大学生测试了新的Pulse功能,发现用户"一旦开始告诉ChatGPT他们想看什么,就开始感受到它的实用性"。
公司承认Pulse"不会总是做对事情",可能会为已完成的项目建议提示或完全错过相关主题。
OpenAI转向主动智能体
Pulse继1月份OpenAI推出的Tasks功能之后,该功能允许Plus和Pro订阅用户安排ChatGPT在设定时间执行特定操作。虽然Tasks需要用户明确告诉ChatGPT做什么以及何时做(例如发送提醒或按计划生成响应),但Pulse通过让ChatGPT选择研究和呈现哪些信息迈出了下一步。
这两个功能都反映了OpenAI向行业所谓的"智能体AI"的更广泛营销推动,其中模型在定义的边界内自主运行,而不是简单地交互式响应提示。OpenAI、Google和Anthropic之前已经发布了智能体功能,可以进行详细研究并在后台完成时向用户提供报告。
沿着这些思路,OpenAI将Pulse描述为"与AI交互新范式的第一步",并表示未来版本将连接到其他应用程序,并在一天中提供更新,而不是每天早上一次。公司设想AI系统可以根据用户指导"研究、规划和采取有用行动",尽管当前版本仍限于信息传递。
当然,Pulse的实用性还不清楚。OpenAI多年来已经试验了许多ChatGPT功能,其中一些变得必不可少,一些则被淘汰。我们尚未亲自试用Pulse,但可能会在未来就该主题进行报道。
该功能目前仅适用于Pro层订阅用户的移动设备,他们每月支付200美元以访问OpenAI最强大的模型。OpenAI计划在收集初始发布的反馈后将Pulse扩展到Plus订阅用户(每月支付20美元),最终目标是向免费用户提供该功能。
Q&A
Q1:ChatGPT Pulse功能是什么?能做什么?
A:ChatGPT Pulse是OpenAI推出的新推送功能,它会分析用户的聊天历史、偏好设置和连接的Gmail、Google日历等信息,每晚进行研究,并在早晨主动为用户生成个性化的每日更新卡片,涵盖项目跟进、晚餐建议、旅行推荐等相关主题。
Q2:ChatGPT Pulse的准确性如何?会出错吗?
A:OpenAI承认Pulse功能不会总是做对事情,其成功率根据话题而变化很大。可能会为已完成的项目提供建议或完全错过相关主题。公司通过大学生测试发现,用户明确告诉ChatGPT想看什么内容时,功能的实用性会更好。
Q3:如何使用ChatGPT Pulse功能?有什么要求?
A:目前该功能仅面向移动端Pro订阅用户开放,每月费用为200美元。用户可以连接Gmail和Google日历获得更相关的建议,这些集成功能默认关闭可在设置中开启。OpenAI计划后续扩展到Plus用户(每月20美元),最终向免费用户开放。
好文章,需要你的鼓励
OpenAI发布ChatGPT脉冲功能,这一推送特性可根据用户聊天历史自动生成个性化每日更新。该功能目前向Pro订阅用户开放,通过分析用户聊天记录、偏好设置以及Gmail和谷歌日历连接,AI模型在夜间进行研究,次日清晨以卡片形式推送相关信息。用户可通过点赞或踩的方式提供反馈。这标志着OpenAI向主动式AI助手转变的重要一步。
浙江大学研究团队开发了CAT方法,通过在大语言模型的注意力机制中注入因果知识,解决AI容易学习虚假关联而非真正因果关系的问题。实验显示该方法显著提升了模型在新环境下的表现,如Llama模型准确率从64.5%提升至90.5%。这项创新为开发更可靠、具备真正推理能力的AI系统提供了新思路。
谷歌DeepMind发布了新型人工智能模型,该模型具备网络搜索能力,能够帮助机器人更好地完成各种任务。这一突破性技术使机器人能够实时获取网络信息,提升任务执行的准确性和效率,为机器人智能化发展开辟了新路径。
斯坦福大学NeuroAI实验室提出概率结构整合(PSI)系统,通过概率预测、结构提取、整合三步循环让AI像人类一样理解世界。系统在1.4万亿视频数据上训练,能零样本提取光流、深度、分割等视觉特征,实现视频预测、物体操控等应用,在多项测试中达到业界领先水平,展现了AI自我进化的新路径。