🦉 AI新闻
🚀 Character.AI：首周下载量超越ChatGPT，成为新晋AI聊天应用爆款
摘要：Character.AI是一款受欢迎的人工智能聊天应用，用户可以自由创建AI角色，并与它们聊天。该应用于2023年5月23日上线后迅速爆火，安卓版本的安装量在48小时内就超过了70万次，一周后下载人数更超过了170万，甚至超过了ChatGPT。Character.AI的创始人是来自前谷歌LaMDA团队的独角兽，该公司估值已达10亿美元。用户可以和超过1000万个自定义AI角色聊天，访问量超过2亿次，用户平均每次访问花费29分钟，公司称更具用户爱不释手的魅力。
🚀 OpenAI 依然「缺 GPU」，Altman 透露：GPT-4 多模态能力或 2024 开放
摘要：Sam Altman 在最近的一次访谈中坦言，OpenAI 的短期计划受到 GPU 短缺的影响。GPT-4 的多模态能力预计于 2024 年大部分 Plus 用户可以上手，前提还是需要足够的 GPU。除此之外，Altman 还透露了一些关于 OpenAI 的 API 和产品计划，以及在开源计划中的 GPT-3。此外，OpenAI 坚持只做 ChatGPT 这一个「杀手级应用」，以让它成为超级智能的工作助手，并考虑将 GPT-3 开源。
🚀 谷歌推出 Google Slides AI 图像生成功能“Help me visualize”
摘要：谷歌近日宣布，其演示文稿应用 Google Slides 推出 AI 图像生成功能“Help me visualize”，用户可以根据输入的文本描述生成各种照片、插图、平面、背景和剪贴画等等，且可选择特定的艺术风格。此功能能在几秒内生成各种视觉对象而不需要用户手动操作，用户可以从生成的库中挑选喜欢的图片嵌入演示文稿中，如果不满意可以继续生成更多的图片。
🚀 微软超过 600 家最大客户预计测试 AI 功能，100 家客户支付年费约 70.9 万元
摘要：据消息人士透露，微软超过 600 家最大客户，包括美国银行、沃尔玛、福特和埃森哲，预计将测试其 Office 365 生产力应用中的 AI 功能。其中至少有 100 家客户已经支付了高达年费约 70.9 万元的固定费用，用于让 AI 在 Word 文档中编写文本和创建 PowerPoint 幻灯片等。这意味着这些客户为自动化任务额外支付了 40% 的费用。此外，微软于今年 3 月推出了 Microsoft 365 Copilot 助手，由 OpenAI 的 GPT-4 技术驱动，辅助用户在 Microsoft 365 应用中生成文档、电子邮件、演示文稿等，并帮助使用 Excel 中的数据透视表等功能。
🚀 成都市将实施政策措施以促进人工智能产业发展
摘要：成都市经济和信息化局发布《关于进一步促进人工智能产业高质量发展若干政策措施（征求意见稿）》。根据政策措施，鼓励企业和科研机构研发人工智能开源开发工具体系，并给予最高250万元人民币补贴；对取得国家科技重大专项、国家重点研发计划立项项目成果或国家科学技术奖获奖成果在成都市落地转化的，政府将给予最高1000万元人民币经费支持；对于新获批建设或者重点实验室、国家工程研究中心等，将给予最高300万元人民币支持。政策将从2023年起实施，有效期3年。
🗼 AI知识
🔥 H2O LLM Studi
H2O LLM Studio是一个框架和无代码GUI，旨在微调最先进的大型语言模型（LLMs）。使用H2O LLM Studio，您可以轻松有效地微调LLMs，无需任何编码经验。它使用专为大型语言模型设计的图形用户界面（GUI）。安装H2O LLM Studio需要Ubuntu 16.04+机器和至少一个最近的Nvidia GPU，Nvidia驱动程序版本>= 470.57.02。对于更大的模型，建议使用至少24GB的GPU内存。H2O LLM Studio期望一个至少有两列的csv文件，一列是指令列，另一列是模型应该生成的答案。您可以使用相同的格式提供额外的验证数据框架，或使用自动训练/验证拆分来评估模型性能。使用H2O LLM Studio训练您的大型语言模型非常容易和直观。首先，上传您的数据集，然后开始训练您的模型。H2O LLM Studio允许微调各种参数，并启用快速迭代，以便轻松探索不同的超参数。默认设置经过精心选择，应该给出一个很好的基线。
🔥 [译] GPT 是如何工作的：200 行 Python 代码实现一个极简 GPT（2023）
本文整理和翻译自 2023 年 Andrej Karpathy 的 twitter 和一篇文章： GPT as a finite-state markov chain。
Andrej Karpathy 博士 2015 毕业于斯坦福，之后先在 OpenAI 待了两年，是 OpenAI 的创始成员和研究科学家，2017 年加入 Tesla，带领 Tesla Autopilot 团队， 2022 年离职后在 Youtube 上科普人工智能相关技术，2023 年重新回归 OpenAI。
本文实际上是基于 PyTorch，并不是完全只用基础 Python 包实现一个 GPT。 主要目的是为了能让大家对 GPT 这样一个复杂系统的（不那么底层的）内部工作机制有个直观理解。
更多AI工具，参考国内AiBard123, Github-AiBard123
