CNBC(消费者新闻与商业频道)的“Squawk on the Street ”(街谈巷议)节目邀请了OpenAI首席运营官(COO)布拉德·莱特盖(Brad Lightcap),讨论了OpenAI与苹果公司的关系以及OpenAI如何从这种合作关系中获得经济利益等问题。
布拉德·莱特盖1991年出生,毕业于杜克大学,2016年至2018年间在 Y Combinator 担任专注于人工智能和机器学习领域的投资人,2018年底,布拉德加入 OpenAI 担任首席财务官(CFO),后来在2020年晋升为 COO,职责扩大到完善 OpenAI 整体的业务和商业战略。关联的事件有:Sam Altman 在 2014 年接替了 Y Combinator 创始人 Paul Graham 成为 CEO,于2019 年离开 YC 以专注于 OpenAI 的发展。
CNBC主持人首先与布拉德探讨了OpenAI与苹果公司之间的合作关系,特别是他们与苹果智能助手的合作。
布拉德强调,作为首席运营官,他非常重视合作,并且认为与苹果的合作对双方来说都是向前迈出的重要一步。这是人工智能首次真正开始集成到设备中,而不仅仅是作为一个独立的应用程序或服务存在。布拉德解释说,这种集成意味着用户现在可以在设备上进行更复杂的操作,例如通过相机拍照,并让AI服务理解图片内容。这种集成将为消费者创造巨大价值,它提供了新的功能,提高了设备的实用性,并使得用户能够以全新的方式与他们的设备互动。
主持人接着向布拉德提出了一个关于在与苹果的合作中,OpenAI如何盈利的问题。主持人问到:应该不会跟谷歌一样,每年都需要向苹果支付巨额费用吧?
布拉德回应说,他们看待这种合作关系的方式与谷歌支付费用的模式不同。他强调,他们认为真正的产品体验和它们的样子还没有被创造出来。他认为当前技术发展处在一个充满活力的阶段,非常适合构建产品。目前正处于软件工作方式的全新变革的开始,未来的产品体验和形态尚未被创造出来。OpenAI正在探索这个前沿领域,特别是如何以一种非常人性化的方式与设备互动。他强调,所有这些都是有待发现的,而OpenAI正处于这个探索的过程中。
主持人提出了关于OpenAI产品定价和价值的疑问。他好奇,既然他每月已经支付20美元给OpenAI,如果OpenAI的智能助手集成到了他的苹果手机中,他是否还需要继续支付这笔费用?
布拉德解释说,用户会希望人工智能帮助他们处理各种工作负载,从简单的任务到复杂的工作流程。他提到,一些简单的任务可以直接在设备上完成,而更复杂的任务则需要发送给更强大的模型处理。布拉德特别提到了OpenAI最近发布的新模型o1,这是一个能够实际推理的模型,与之前的GPT3不同。o1模型能够思考问题,并将复杂问题分解成不同的步骤,能够处理更复杂的任务。这种高级的体验将由GPT的付费模式提供。
主持人还向布拉德提出了一个关于人工智能未来影响的问题,特别是它将如何改变用户与设备的互动以及应用程序的使用方式。
布拉德表示他相信这种变化将会发生,并且将会是显著的,未来的用户界面将会变得更加人性化和易于互动。布拉德提到了ChatGPT的高级语音模式,通过该模式,用户可以与智能助手进行流畅对话,类似于人与人之间的交流。他解释说,用户不仅可以与系统进行自然的对话,还可以在对话中打断它,让它讲笑话,或者让它的语气听起来更严肃或更有趣。这种高度互动的体验预示着未来界面的发展趋势。
布拉德预测,几年后,如果我们走到一个屏幕前,它不能够像和人一样交谈或者不能让它做任意复杂的事情,那将是不正常的。他强调,易于使用得界面将成为常态。
好文章,需要你的鼓励
生成式AI在电商领域发展迅速,但真正的客户信任来自可靠的购物体验。数据显示近70%的在线购物者会放弃购物车,主要因为结账缓慢、隐藏费用等问题。AI基础设施工具正在解决这些信任危机,通过实时库存监控、动态结账优化和智能物流配送,帮助商家在售前、售中、售后各环节提升可靠性,最终将一次性买家转化为忠实客户。
泰国SCBX金融集团开发的DoTA-RAG系统通过动态路由和混合检索技术,成功解决了大规模知识库检索中速度与准确性难以兼得的难题。系统将1500万文档的搜索空间缩小92%,响应时间从100秒降至35秒,正确性评分提升96%,为企业级智能问答系统提供了实用的技术方案。
存储供应商Qumulo发布多租户架构Stratus,为每个租户提供独立的虚拟环境,通过加密技术和租户专用密钥管理系统实现隔离。该统一文件和对象存储软件支持本地、边缘、数据中心及AWS、Azure等云环境部署。Stratus采用加密隔离技术确保敏感数据安全,同时提供任务关键操作所需的灵活性和效率,帮助联邦和企业客户满足合规要求。
中科院和字节跳动联合开发了VGR视觉锚定推理系统,突破了传统AI只能粗略"看图"的局限。该系统能在推理过程中主动关注图片关键区域,像人类一样仔细观察细节后再得出结论。实验显示VGR在图表理解等任务上性能大幅提升,同时计算效率更高,代表了多模态AI"可视化推理"的重要进展。