Thinking Machines正在开发可实时响应用户的AI"交互模型"。
由前OpenAI首席技术官Mira Murati创立的AI公司Thinking Machines,于近日宣布正在研发一种名为"交互模型"的全新技术。根据Thinking Machines的介绍,交互模型将允许人们"以自然协作的方式与AI合作——持续接收音频、视频和文本输入,并实时思考、响应和行动"。
Thinking Machines对此解释道:
当前的模型以单线程方式感知现实。在用户完成输入或说话之前,模型处于等待状态,无法感知用户的行为或状态;而在模型生成内容的过程中,其感知也处于冻结状态,无法接收新信息,直到生成完成或被打断为止。这种机制形成了人机协作的窄带瓶颈,限制了用户的知识、意图和判断力传递给模型的效率,也限制了模型工作内容被理解的程度。这就好比试图通过电子邮件而非面对面交流来解决一个关键分歧。
Thinking Machines认为,通过让AI在任意模态下实现实时交互,可以有效解决这一带宽瓶颈问题,从而让AI界面主动适应人类,而非迫使人类去迁就AI界面。
Thinking Machines还展示了多个交互模型的实际应用场景,包括在故事中监听动物相关的提及内容、实时翻译语音,以及提醒用户注意坐姿等。
目前,Thinking Machines已在官网发布了关于交互模型的详细说明。不过,用户暂时还无法亲自体验该功能;公司计划在"未来几个月内"开放"有限研究预览版",并预计于"今年晚些时候"进行更大范围的公开发布。
Murati于2025年2月离开OpenAI后创立了Thinking Machines。然而,这家AI实验室近期面临较为严峻的人才流失问题,多名核心成员相继跳槽至Meta,甚至有人重返OpenAI。
Q&A
Q1:Thinking Machines的交互模型和普通AI模型有什么区别?
A:普通AI模型以单线程方式运作,需要等用户完成输入后才开始处理,生成内容期间也无法接收新信息。而Thinking Machines的交互模型可以同时持续接收音频、视频和文本,并实时思考和响应,更接近人与人之间自然协作的方式,大幅减少了人机交互的信息传递瓶颈。
Q2:Thinking Machines的交互模型目前可以使用吗?
A:目前还不能公开使用。Thinking Machines计划在未来几个月内开放有限研究预览版,并预计在2025年晚些时候进行更大范围的公开发布。感兴趣的用户可以关注其官网获取最新动态。
Q3:Mira Murati为什么离开OpenAI去创立Thinking Machines?
A:文章中未详细说明Murati离开OpenAI的具体原因,仅提到她于2025年2月离开OpenAI后创立了Thinking Machines。目前该公司专注于开发可实时多模态交互的AI技术,但公司也面临核心人才流失的挑战,部分成员已跳槽至Meta或重返OpenAI。
好文章,需要你的鼓励
苹果已开始在印度分阶段恢复Apple账户的信用卡支付功能,用户可绑定Visa和Mastercard信用卡及借记卡,用于购买iCloud+、Apple Music订阅及App Store应用。此前,由于印度储备银行于2021年推出新的周期性支付监管框架,苹果于2022年5月暂停了该支付方式。此次恢复标志着苹果在适应各国本地化监管要求方面的持续努力,同时也引发外界对苹果是否将在印度推出Apple Pay的新猜测。
CGGS是华南理工大学与西湖大学联合提出的以自我为中心三维场景生成框架,通过一致性增强多视角扩散模型、光流深度估计和互信息几何优化,实现高保真文本驱动3D场景生成。
Bookshop.org创始人Andy Hunter证实,与Kobo的合作集成将于今年落地。此前该计划历经多次推迟,网页措辞一度从"2026年"改为"未来某时"。Hunter表示,双方已就商业条款达成一致,工程团队正将资源重新投入Kobo支持开发,但尚无具体上线日期。该集成将支持数字版权管理要求,让用户通过Bookshop.org购买电子书,同时支持独立书店。
南加州大学团队发现语音抑郁检测领域存在数据漏洞,并提出CLeaD跨语言对比对齐框架,揭示模型规模越大跨语言性能越差的反直觉规律。