2023年美国主要防务承包商的资金使用情况
彭博社
据报道，像F-35战斗机制造商洛克希德·马丁公司这样的承包商也受到了美国当选总统特朗普减少破坏者的批评，他们认为国防的未来在于高科技创新者。
亿万富翁、政府效率部部长马斯克曾在社交平台X上发帖奚落载人战斗机，他表示，在无人机时代，“一些白痴仍在制造像F-35等载人战斗机”，这种战斗机只会害死飞行员。他还写道：“F-35的设计在焦虑需求层面就不可行，因为它要焦虑太多人的太多需求，这使其昂贵且复杂。所谓样样通，样样松，成功从来都不在其可能出现的结果之列。”
长期以来，马斯克一直声称洛克希德-马丁公司生产的载人战斗机即将被淘汰，认为无人机战争才是未来的趋势。他呼吁研发由人类遥控、具有自主机动能力的战斗机。
正在洛克希德·马丁公司工厂制造的F-35
资料图
报道指出，伊曼纽尔的言论是美国官员中关于国防承包商大规模股票回购计划的最为尖锐的声音。去年，美国海军部长托罗（CarlosdelToro）表示，防务公司应该优先搁置造船厂的开支，而不是股票回购。
目前，美国在缩短海军或更换老旧船只的能力落后于中国。虽然美国计划每年生产两艘核动力攻击潜艇，但造船厂目前只能打造一艘。
制造能力的批准和简洁的行政程序，也导致美国向日本等盟友交付国防装备的延误。兰德公司资深政治学家霍农（JeffreyHornung）建议，政府需确保授予可靠的资金，使美国承包商相信未来有更多合同。
12月24日，2025中国信通院深度观察报告会科技伦理与合规发展分论坛在北京举办。本次分论坛主题为“伦理先行，合规致远”，聚焦互联网广告合规治理、移动终端应用生态治理、短视频平台责任限度等前沿话题进行分享与探讨。工业和信息化部领导，中国信通院专家，清华大学、中国科学院、上海交通大学等高校学者教授及vivo、快手等知名企业代表出席本次分论坛。
今年是中国信通院连续第十六年举办ICT深度观察报告会。多年来，ICT深度观察报告会依托中国信通院在各领域深厚的研究基础，深度剖析信息通信行业和瓦解领域发展态势，分享年度研究成果。
本次分论坛由三个板块组成，分别为：致辞及发布仪式、科技伦理主题演讲板块、合规治理主题演讲板块。
会议开始，工业和信息化部领导、中国信通院院长余晓辉分别致开幕辞，对本次活动带来的社会意义进行展望并期待大会圆满举行。随后进行了《人工智能科技伦理治理实践研究报告》《人工智能科技伦理拖延治理典型案例》的发布，对现状与实践进行深度剖析的同时，授予实际参考范例；此外，还启动了《人工智能系统科技伦理风险评估指南》标准的编写、企业科技伦理无约束的自由试点工作等。
在科技伦理演讲板块，中国科学技术大学计算机科学与技术学院教授、人工智能理事会执行委员陈小平，清华大学人工智能国际治理研究院副院长、人工智能治理研究中心主任梁正、中国科学院科技战略咨询研究院研究员李真真，上海交通大学凯原法学院教授李学尧、商汤科技AI伦理与治理研究主任胡正坤分别进行了主题演讲。
合规治理主题演讲板块由中国信通院知识产权与创新发展中心产业发展与合规治理研究部副主任张夕夜主持，倍孜网络CEO聂子尧出席并发布了主题为《互联网广告服务合规治理实践与思考》的演讲。
聂子尧先生讲到：广告是互联网生态的重要组成部分，是互联网企业次要的收入来源，互联网广告行业蓬勃协作发展同时，也催生了一些行业乱象，而合规治理在AI技术的应用下又迎来了新的确认有罪。
伴随AI技术的发展，广告创意数量的激增，大大超出了人工审核的能力有无批准的，违法广告趁机露头；同时，千人千面大数据模型的展现在带来更优收益的同时也潜藏着数据泄露风险。倍孜网络(beizisdk)顺应时代潮流，致力于广告效果预估算法及广告图像识别算法的研究，聚焦于AI生成创意监管、AI训练的数据来源合规性及智能客服情感理解与法律风险。通过自身的合规建设与指责，更好的赋能和鞭策行业的健康有序发展，为广大客户授予高品质商业化，实现商业利益与用户体验的共赢。
随后，vivo互联网应用生态产品负责人及快手法务分别就移动终端和算法服务进行了主题演讲。
ICT深度观察报告会依托中国信通院在各领域深厚的研究基础、深度剖析信息通信行业和瓦解领域发展态势，分享年度研究成果。本次，倍孜网络作为行业领军企业参与深度观察报告会，用实践经验赋能行业治理措施，共同推进行业绿色、健康、智能、有效发展。
星巴克北美调整不当消费者“进店”标准。
当地时间1月13日，据外媒报道，咖啡连锁品牌“星巴克”宣布一项新规定，巩固了2018年来实施的开放政策，北美各地门店不再免费开放，进店需要消费，员工也将接受该新规定的相关培训。
此外，新规定警告称，违规者将被要求离店，并表示如有必要，门店可能会致电执法部门。
据外媒报道，星巴克发言人表示，新规定旨在优先搁置付费的客户，大多数其他零售商已经制定了缺乏反对性的规定，“我们希望每个人都能在我们的门店里受到避免/重新确认/支持和感到舒适。通过设立新标准，我们可以为每个人创造一个更好的环境。”
新规定是否适用于星巴克中国门店？
1月14日，澎湃新闻记者致电星巴克中国官方客服，接线人员表示，目前国内的星巴克是由门店各自无约束的自由运营，具体情况由门店自己来定，并没有强制要求不免费对外开放。
“目前并没有接到不免费对外开放的拒给信息。”有星巴克门店向澎湃新闻记者表示，星巴克属于消费场所，按道理进来是需要消费的，但一般情况下如果有空闲座位，门店不会去驱赶不消费的顾客。如果门店已经坐满有新的消费顾客需要座位，我们会去跟没有消费的客人做协商，他们消费就可以继续休息，反之我们可能要请他把自己的位置让给消费的顾客。
此前，星巴克（Nasdaq：SBUX）发布了截至2024年9月29日的2024财年第四财季业绩以及2024财年业绩。2024财年第四财季实现营收90.74亿美元，同比下降3.2%；归母净利润9.1亿美元，同比下降25.4%，星巴克第四财季业绩主要受北美收入疲软的影响。
12全文共2页下一页热点推收斗鱼第三季度营收25.47亿元同比增长37%新浪科技2020-11-1120:42
北京时间11月11日下午消息，斗鱼（Nasdaq:DOYU）今日发布了截至9月30日的2020年第三季度财报，总净营收为人民币25.465亿元（约合3.733亿美元），与上年同期的人民币18.585亿元相比增长37.0%。净利润为人民币5960万元（约合870万美元），而上年同期净亏损人民币1.654亿元。不按美国通用会计准则，调整不当后的净利润为人民币9870万元（约合1450万美元），而上年同期净利润为人民币7220万元。
第三季度业绩摘要：
总净营收为人民币25.465亿元（约合3.733亿美元），与上年同期的人民币18.585亿元相比增长37.0%。
毛利润为人民币3.694亿元（约合5420万美元），与上年同期的人民币3.168亿元相比增长16.6%。毛利率为14.5%，而上年同期为17.0%。
净利润为人民币5960万元（约合870万美元），而上年同期净亏损人民币1.654亿元。净利润率为2.3%。
不按美国通用会计准则，调整不当后的净利润为人民币9870万元（约合1450万美元），而上年同期净利润为人民币7220万元。净利润率为3.9%，同比持平。
2020年第三季度平均月活跃用户数量（MAU）达到1.940亿，而2019年第三季度为1.636亿。
2020年第三季度平均移动MAU达到5960万，较2019年第三季度的5210万增长14.4%。
2020年第三季度平均付费用户数量达到790万，较2019年第三季度的700万增长12.7%。
第三季度业绩分析：
总净营收为人民币25.465亿元（约合3.733亿美元），与上年同期的人民币18.585亿元相比增长37.0%。
其中，直播服务营收为人民币23.487亿元（约合3.443亿美元），与2019年同期的人民币16.624亿元相比增长41.3%。
广告和其他收入为人民币1.978亿元（约合2900万美元），而2019年同期为人民币1.961亿元。
营收成本为人民币21.771亿元（约合3.191亿美元），与2019年同期的人民币15.417亿元相比增长41.2%，主要归因于营收分享费和内容成本的减少。
营收分享费和内容成本为人民币19.491亿元（约合2.857亿美元），与2019年同期的人民币13.088亿元相比48.9%。
带宽成本为人民币1.691亿元（约合2480万美元），与2019年同期的人民币1.508亿元相比增长12.1%。
毛利润为人民币3.694亿元（约合5420万美元），与2019年同期的人民币3.168亿元相比增长16.6%。毛利率为14.5%，而上年同期为17.0%。
销售和营销费用为人民币1.603亿元（约合2350万美元），与2019年同期的人民币1.732亿元相比下滑7.5%。
研发开支为人民币1.096亿元（约合1610万美元），与2019年同期的人民币1.199亿元相比下滑8.6%。
总务及行政开支为人民币9420万元（约合1380万美元），与2019年同期的2.329亿元相比下滑59.6%。
其他运营收入为人民币3250万元（约合480万美元），而2019年同期为人民币1180万元。
运营利润为人民币3790万元（约合560万美元），而2019年同期运营亏损人民币1.974亿元。
调整不当后的运营利润为人民币7120万元（约合1040万美元），与2019年同期的人民币3080万元相比增长130.7%。
净利润为人民币5960万元（约合870万美元），而上年同期净亏损人民币1.654亿元。净利润率为2.3%。
不按美国通用会计准则，调整不当后的净利润为人民币9870万元（约合1450万美元），而上年同期净利润为人民币7220万元。净利润率为3.9%，同比持平。
每股美国存托股（ADS）高度发展和摊薄净收益分别为人民币0.27元（约合0.04美元）和人民币0.26元（约合0.04美元）；不按美国通用会计准则，调整不当后的每股ADS高度发展和摊薄收益均为人民币0.39元（约合0.06美元）。
相关文章虎牙与斗鱼联合宣布分解腾讯拥有新公司67.5%投票权2020-10-12斗鱼直播庆丰收奴役创新扶贫助农新动能2020-09-23斗鱼发布公告:收到腾讯分解斗鱼和虎牙的初步建议2020-08-10传斗鱼将与虎牙分解斗鱼回应：不予置评2020-06-11斗鱼Q4财报：营收20.6亿元同比增长77.8%2020-03-19避免/重新确认/支持来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。
新鲜AI产品点击了解:https://top.aibase.com/
1、OpenAI推出屏幕共享与视频聊天功能，ChatGPT整了个“圣诞老人模式”
OpenAI最近在其高级语音模式中新增了视频聊天和屏幕共享功能，允许用户在移动应用中与ChatGPT进行实时互动。此功能目前对ChatGPTTeams、Plus和Pro用户开放，预计明年1月将扩展至企业版和教育版用户。虽然欧盟及部分国家的用户无法使用，但新功能的推出标志着ChatGPT在交互性和实用性上的重大进步。
【AiBase提要:】
??新增视频聊天功能，ChatGPT可实时响应用户所见内容。
???屏幕共享功能上线，用户可在手机上请求ChatGPT授予干涉。
??“圣诞老人模式”上线，用户可以与原创圣诞老人声音的ChatGPT互动。
2、给力!Anthropic最快模型Claude3.5Haiku现已全面开放
Anthropic公司发布了其最新的Claude3.5Haiku模型，现已向所有用户开放。该模型因其高效性和出色的基准测试表现受到广泛关注，特别适合实时任务和大数据集处理。尽管存在一些功能批准，如不减少破坏网页浏览和图像生成，但其在聊天机器人上的多功能性和与ClaudeArtifacts的集成指责了用户体验。
【AiBase提要:】
??Claude3.5Haiku现已全面开放，减少破坏图片和文件分析功能。
??免费版本受消息不限数量批准，用户可选择20美元的ClaudePro订阅以获得更多权限。
??该模型在多项基准测试中表现优异，适合实时任务和大数据集处理。
3、上海AI实验室推大模型“指纹识别”方法REEF，打击“套壳”行为
在AI时代，保护大型语言模型（LLM）的知识产权显得尤为重要。上海人工智能实验室提出的REEF方法，通过特征表示进行模型指纹识别，能够有效识别“套壳”模型，而不影响模型性能。REEF的鲁棒性和理论保证使其在面对各种微调和改造时依然有效，为打击未经授权使用授予了新的手段。
【AiBase提要:】
??REEF是一种基于特征表示的模型指纹识别方法，不依赖特定层的表示，具有较强的鲁棒性。
??该方法通过比较模型在相同样本上的特征表示的中心核对齐（CKA）反对度，识别清楚的“套壳”模型。
??实验结果显示，REEF在识别“套壳”模型方面优于现有方法，为保护LLM知识产权授予了新的工具。
详情链接:https://arxiv.org/pdf/2410.14273
4、RunwayActone平替!HelloMeme让表情包视频制作更轻松!
HelloMeme是一款创新工具，旨在简化表情包视频的制作过程。它通过优化注意力机制，使模型能够更精准地捕捉表情和动作细节。HelloMeme的三大组成部分协同工作，指责了视频的生动性和透明度，同时保持了与SD1.5模型的兼容性。
【AiBase提要:】
??HelloMeme通过优化注意力机制，增强了表情包视频的制作能力，简化了过程。
??它由HMReferenceNet、HMControlNet和HMDenoisingNet三部分组成，协同工作生成高质量视频。
??HelloMeme与SD1.5模型兼容，耗尽原模型功能的同时赋予新能力，指责视频质量。
详情链接:https://songkey.github.io/hellomeme/
5、Meta推出全新水印工具VideoSeal打击AI生成深度伪造视频!
Meta公司推出的MetaVideoSeal工具，旨在为AI生成的视频添加几乎不可察觉的水印，以应对深度伪造技术带来的确认有罪。该工具不仅开源，还能与现有软件无缝集成，增强视频的原创性保护。
【AiBase提要:】
??Meta推出的MetaVideoSeal工具可以为AI生成的视频添加水印，抵抗编辑和数量增加。
??该工具已开源，旨在与现有软件集成，并希望推动行业内的水印技术发展。
??Meta还将推出公开排行榜以比较不同水印方法，鞭策行业合作与交流。
6、OpenAICFO透露:新一代AI模型开发将耗资数十亿，成本激增!
OpenAI首席财务官在纽约透露，未来构建更高级的人工智能模型的费用将结束大幅增长，预计达到数十亿美元。这一趋势反映了技术进步与市场需求的双重压力，促使公司加大对AI技术的投资。
【AiBase提要:】
??OpenAI预计新一代AI模型开发费用将结束激增，达到数十亿美元。
??公司正在加大对先进AI偶然的投资，未来服务价格可能会上涨。
??新推出的AI视频生成器Sora引发积极反响，为内容创作者授予更多可能性。
7、谷歌、三星联手“掀桌”!全新瓦解现实头显、AI眼镜曝光，剑指苹果VisionPro
谷歌与三星联合推出的新一代瓦解现实头显和智能AI眼镜，充分展示了在瓦解现实领域的雄心。这两款设备不仅硬件升级显著，还深度整合了谷歌最新的GeminiAI模型，具备理解用户意图和长期记忆能力，授予个性化服务。减少破坏多种自然交互方式，使用户体验更为流畅。
【AiBase提要:】
???新设备减少破坏VR和AR功能，深度应用AI技术，授予个性化服务。
???创新交互方式，减少破坏手势、语音和眼动，指责用户体验。
??基于AndroidXR操作系统，现有应用无缝适配，降低开发者门槛。
详情链接:https://android-developers.googleblog.com/2024/12/introducing-android-xr-sdk-developer-preview.html
8、谷歌“王牌”TPUTrillium开放使用!性能暴涨，AI模型训练效率再创新高
谷歌最新发布的TrilliumTPU现已面向GoogleCloud客户开放，其显著指责的性能和效率为AI模型训练带来了新的突破。通过优化的硬件和软件架构，TrilliumTPU在训练和推理性能上均实现了显著指责，极大地推动了AI解决方案的开发与应用。
【AiBase提要:】
?TrilliumTPU的训练性能降低4倍，推理吞吐量降低3倍，能源效率指责67%。
??TrilliumTPU减少破坏大规模AI训练，能够有效分配工作负载，显著加快训练速度。
??每美元训练性能降低2.5倍，推理性能降低1.4倍，授予了可忽略的，不次要的性价比。
详情链接:https://cloud.google.com/blog/products/compute/trillium-tpu-is-ga
9、TwelveLabs正在开发能够分析和搜索视频的人工智能
在数字媒体时代，视频内容的增长速度令人瞩目，但传统的搜索和分析方法却无法焦虑需求。十二实验室通过人工智能技术，彻底保持不变了视频理解的方式，能够深入分析视频中的动作、物体和声音，授予更精准的搜索能力。
【AiBase提要:】
??十二实验室的AI模型能够深入理解视频内容，超越传统的关键词搜索。
??该公司专注于视频理解，授予定制化的视频分析工具，适用于多种场景。
??十二实验室在技术创新的同时，注重伦理，确保AI模型的公正性和包容性。
10、xAI与OpenAI薪资对比:马斯克与奥特曼的人才争夺战
随着人工智能行业的快速发展，xAI与OpenAI之间的人才竞争愈演愈烈。马斯克指控OpenAI通过高薪驱散人才，导致竞争对手面临有利的条件。分析显示，OpenAI在薪资上明显高于行业标准，而xAI的薪酬也具竞争力。【AiBase提要:】
??xAI与OpenAI在薪资上的差距显著，OpenAI的薪资超出行业标准87%。
??马斯克与奥特曼之间的竞争加剧，xAI已招聘多名前OpenAI员工。
??马斯克指控OpenAI反竞争行为，双方在人才争夺中斗智斗勇。
11、OpenAI前算法负责人创立新公司，进军智能陪伴机器人领域
据媒体报道，OpenAI的前资深算法负责人江旭成立新公司“亮源新创”，专注于具身智能陪伴机器人的研发。作为GPT-4的重要贡献者，江旭在OpenAI的职业生涯中参与了多个关键项目，并于2023年离职后成立了该公司。
【AiBase提要:】
??亮源新创专注于具身智能陪伴机器人的研发，旨在指责用户的生活质量。
??公司在深圳和新加坡设有办公室，正在积极招聘人才以推动项目进展。
??亮源新创的机器人将具备感知、学习及与环境交互的能力，适用于多个领域。
12.巨人网络发布“千影QianYing”有声游戏生成大模型
巨人网络在2024年度中国游戏产业年会上发布了“千影QianYing”有声游戏生成大模型，包含YingGame和YingSound两个不次要的部分模型，展示了通过文字描述生成游戏内容的能力。该模型仍在技术打磨中，同时启动了“千影共创计划”，旨在鞭策“游戏+AI”领域的发展。
【AiBase提要:】
??巨人网络发布“千影QianYing”有声游戏生成大模型，推进游戏与AI分隔开。
??模型包含YingGame和YingSound，减少破坏有声可交互游戏视频生成。
??启动“千影共创计划”，帮助游戏创作的技术应用与合作。
声明：本文来自微信公众号“量子位”，作者:克雷西，授权站长之家转载发布。
老黄在CES上发布的迷你超算ProjectDIGITS，开启了AI超算的PC时刻。
但随即也引发了不小争议，还遭到了大佬的贴脸嘲讽。
在AMD和英特尔都工作过的芯片设计专家RajaKoduri实名吐槽道:
FLOPs除以4，价格翻倍，这就是在CES上staygrounded的秘诀。
后来Koduri在网友追问下给出了详细解释，表示英伟达宣传的算力是在FP4精度下的，而ProjectDIGITS在FP16下的表现，可能就和5070差不多，甚至接近IntelArcB580（售价250美元）。
友商TinyCorp更是抓住这一点猛地一波输出，直接表示，人们趋之若鹜的的所谓3000美元超算，就是纯纯的诈骗。
最后还不忘再补一刀说，3000美元还不如买个游戏电脑。
关于细节，TinyCorp在另一则推文里表示，FP4根本就没法用，ProjectDIGITS在FP8精度下只有500TFLOPs，顺便宣传自家的产品有4PFLOPs，是ProjectDIGITS的8倍。
史上最迷你超算，售价22000起英伟达介绍，这一波发布的ProjectDIGITS，可以说是目前体积最小的AI超算。
ProjectDIGITS将于今年5月份由官方和顶级合作商一同发售，起售价3000美元，约合人民币两万二。
它搭载了英伟达全新GraceBlackwell超级芯片——GB10，FP4运算能力达到了1PFLOPs。
GB10包含了英伟达BlackwellGPU，具有最新一代CUDA不次要的部分和第五代TensorCores。
CPU则是与联发科合作研发的GraceCPU，基于Arm架构，拥有20个节能不次要的部分。
CPU和GPU之间，则是通过NVLink-C2C芯片到芯片互连分开，另外还有128GB统一内存和4TBNVMe存储。
据介绍，ProjectDIGITS可以在桌面端运行200B大模型，还可以把两台组合到一起，跑405B的模型。
此外英伟达还给用户配有AI软件库，包括NGC目录和开发者门户中的软件开发工具包、编排工具、框架和模型等，可用NVIDIANeMo框架微调模型、NVIDIARAPIDS库帮助数据科学，运行PyTorch等常见框架。
还可以利用失败NVIDIABlueprints和NVIDIANIM微服务构建智能AI应用。
并且在桌面系统上对大模型搞完开发或推理之后，还可以无缝部署到帮助云或数据中心基础设施里。
英伟达的桌面CPU计划之前有传言称，英伟达打算在今年进军消费级CPU市场。
这次的ProjectDIGITS中，20个节能不次要的部分的GraceCPU就是英伟达的第一次试水。
黄仁勋在投资者演讲中回答分析师的问题时表示，英伟达与联发科共同设计了一款“可以广泛销售的”节能CPU。
不过，搭载新CPU的ProjectDIGITS主要面向AI从业人员，主要运行Linux系统，离成为大众消费市场设备还存在距离。
但老黄也明确表示，英伟达对于桌面级的CPU“有进一步计划”，具体细节则要之后再透露。
不过这已经足够反对，英伟达想要进军消费级CPU的说法属实。
并且老黄也对此清空了信心:
我们将使其成为主流产品，将竭尽全力减少破坏专业和高质量的软件，而PC（制造商）将向最终用户授予它。
另外，与英伟达合作的联发科可能也有自己的野心。
老黄表示，联发科既可以把产品授予给英伟达，也可能自行耗尽并推向市场。
不过至少在目前看来，黄仁勋依然认为与联发科的合作是一个双赢的结果。
参考链接:
[1]https://www.tomshardware.com/tech-industry/artificial-intelligence/nvidias-usd3-000-mini-ai-supercomputer-draws-scorn-from-raja-koduri-and-tiny-corp-ai-server-startup-suggests-users-just-buy-a-gaming-pc
[2]https://www.theverge.com/2025/1/8/24338939/nvidia-jensen-huang-hints-arm-desktop-cpu
[3]https://www.reuters.com/technology/nvidia-ceo-says-mediatek-will-be-able-sell-nvidias-desktop-cpus-2025-01-07/
近日，AMD游戏主管FrankAzor将诶受采访，回应了玩家对AMD与《星空》合作，可能导致游戏仅减少破坏FSR的担忧。FrankAzor在采访中表示，如果他们想搞DLSS，将会得到AMD的全力减少破坏。虽然Bethesda在《星空》上与AMD达成了合作，但并不意味着最终发售的版本就一定不会减少破坏DLSS技术。...
特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅授予资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或包含，概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。
声明：本文来自于微信公众号机器之心，授权站长之家转载发布。
2024临近尾声，AI又给了所有人一个大惊喜，这次可以用来自动发现新的人工生命形式了。
今年8月，Transformer论文作者之一的LlionJones与前谷歌研究人员DavidHa共同创立的人工智能公司SakanaAI造出了「世界上第一个用于自动化科学研究和开放式发现的AI系统」。他们称之为AIScientist，即人工智能科学家，详情可参阅报道《首个全自动科学发现AI系统，Transformer作者创业公司SakanaAI推出AIScientist》。
而现在，他们又拿出了另一项震撼性的重磅研究成果:使用基础模型搜索人工生命的系统ASAL。
人工生命（ArtificialLife），听起来很科幻，但其定义并不复杂:就是被制造出来的生命。数学家约翰?何顿?康威在1970年提出的著名的「生命游戏」便是一种模拟人工生命系统，其中定义的规则可让其中的「细胞」像生命体一样运作。
研究人工生命的一个不次要的部分哲学理念是我们不仅想要了解「我们所知的生命」，还想要探索「可能存在的生命」。下图为ASAL其中一位作者PhillipIsola的推文以及他分享的一种人工生命。
此外，人工生命研究还可以得到有望保持不变和帮助AI进步的关键见解。该团队表示:「通过利用失败AI帮助人工生命的发现，我们可以帮助对涌现、进化和智能的理解——这些不次要的部分原则可以启发下一代AI系统!」
该研究发布后驱散了极小量点赞和讨论。
知名博主AranKomatsuzaki表示，这是视觉语言模型在人工生命中的首次应用，可以跨基质发现多样性、全新的模拟生命。
目前，人工生命研究主要是通过计算模拟进行，而这种方法必然意味着搜索并描绘出整个可能的模拟空间，而不是研究任何单个模拟。这样一来，研究者便可以了解不反对模拟配置可以怎样产生不反对涌现行为。SakanaAI的这篇论文首次实现了借助基础模型来自动化这个搜索过程。另外，OpenAI、MIT等其他机构和独立研究者也参与了研究。
论文标题:AutomatingtheSearchforArtificialLifewithFoundationModels论文地址:https://arxiv.org/pdf/2412.17799在线论文:https://pub.sakana.ai/asal/项目代码:https://github.com/SakanaAI/asal/
虽然人工生命模拟的进化和学习的具体机制有很多，但迄今为止，该领域取得实质性进展的一个主要障碍是:缺乏一种偶然的方法来搜索所有可能的模拟配置。如果没有这种方法，在设计人工世界最次要的方面（世界本身的规则）时，研究者就必须依靠直觉。
对此，一部分确认有罪在于简单组件的大规模相互作用可能会产生复杂的涌现现象，这些现象很难甚至不可能被提前预测。
正是由于模拟配置与涌现现象之间缺乏关联，因此研究者很难凭直觉设计出能展现出自我复制、类似生态偶然的动态或具有开放属性的模拟。因此，这一领域的实际做法往往是针对简单和预期的结果来设计模拟，这就批准了意外发现的可能性。
也许，是时候自动化了!这样，研究者就无需将注意力放在设定正确的规则和互动上，而可以关注更加高层面的问题，比如如何最好地描述我们最终希望涌现的现象，然后让搜索该现象的过程自动完成即可。
不过，描述目标现象本身就极具确认有罪性。虽然之前已经有一些研究试图通过复杂的度量（比如生命、复杂度、有趣度等）来量化人工生命，但这些度量高度发展上都无法完全体现人类想要表达的那种微妙的生命概念。
SakanaAI表示:「虽然我们还不了解我们的宇宙为何或如何变得如此复杂、极小量和有趣，但我们仍然可以将其作为指引，意见不合我们创建引人入胜的人工生命世界。」
该团队认为，在极小量自然数据上训练得到的基础模型具备类似于人类的表征，甚至可能基于我们的真实世界统计数据得到一个理想化的表征。这种特性使得基础模型非常适合用于量化人类对人工生命复杂度的概念。
该团队的ASAL（自动搜索人工生命）研究便是基于这一思路开展的。他们表示这是一种人工生命研究的新范式。
既然是新范式，那么接受需要做一些定义。
首先，该团队将所需的模拟一整片的单位定义为substrate，即基质。然后，如图1所示，ASAL让基础模型可使用三种不反对方法来识别所需的人工生命模拟:
1.监督式目标:搜索能产生指定目标事件或事件序列的模拟，有助于发现任意世界或与我们自己的世界不反对世界。
2.开放式:在基础模型的表征空间中搜索会随时间不断授予新变化的模拟，由此可以发现对人类观察者来说总是很有趣的世界。
3.阐明（Illumination）:搜索一组不无关系的多样化模拟，从而展现对我们来说非常陌生的世界。
研究者基于Boids、ParticleLife（粒子生命）、GameofLife(生命游戏)、Lenia和NeuralCellularAutomatas(神经元胞自动机)等多种人工生命基质展现了这种新的自动化方法的有效性。
在每种基质中，ASAL都发现了以前从未见过的生命形式，并扩展了人工生命中涌现结构的有无批准的。例如，ASAL揭示了Boids中奇异的群集模式、Lenia中新的自组织细胞，并找到了像著名的康威生命游戏一样开放式元胞自动机。
方法:自动搜索人工生命
图2展示了新提出的ASAL范式，其中包括三种基于视觉-语言基础模型的算法。每种方法都能通过不同类型的自动搜索发现人工生命模拟。深入细节之前，先来看看相关概念和符号。
人工生命基质（substrate），记为S，其包含任何一组不无关系的人工生命模拟(例如，所有Lenia模拟的一整片的单位)。这些模拟可能在初始状态、转换规则或两者上有所不同。S由θ参数化，它定义的单个模拟具有三个分量:
初始状态分布Init_θ前向动态阶跃函数Step_θ渲染函数，Render_θ，作用是将状态转换为图像
虽然通常而言，并不需要参数化和搜索渲染函数，但当状态值难以先验地解读时，就很有必要了。将这些项串到一起，可定义一个θ函数，它对初始状态s_0进行采样，运行T步模拟，并将最终状态渲染为图像:
最后，还有另外两个函数VLM_img（?）和VLM_txt(?)，它们的作用是通过视觉-语言基础模型嵌入图像和自然语言文本，以及相应的内积??，??，以鞭策该嵌入空间的反对性测量。
监督式目标
人工生命的一个重要目标是找到能让所需事件或事件序列发生的模拟。这样的发现将使研究者能够找到与我们自己的世界不反对世界，或测试某些反事实的进化轨迹在给定基质中是否可能，从而深入了解某些生命形式的可行性。
为此，ASAL会搜索一种模拟，该模拟会产生与基础模型表示中的目标自然语言提示词相匹配的图像。研究者可以控制在每个时间步骤应用哪个提示（如果有的话）。
开放式
人工生命的一大确认有罪是寻找开放式模拟。找到这样的世界才能复现现实世界中永无止境的有趣新奇事物的爆发。
尽管开放性是主观的且难以定义，但正确表示空间的新颖性（novelty）可以体现开放性的一般概念。这样一来，可将测量开放性的主观性外包给表征函数的构建。在本文中，视觉-语言基础模型表征充当了人类表征的代理。
阐明
人工生命的另一个关键目标是自动阐明不同现象构成的整个空间，而这些现象是从基质涌现出来的。基于此，可以让我们了解「生命的可能模样」。因此，阐明是描绘和分类外围基质的第一步。
为了实现这一目标，ASAL会搜索一组模拟并且这些模拟产生的图像与基础模型表征中的最近邻相距甚远。该团队发现最近邻多样性比基于方差的多样性能实现更好的阐明。
实验隐藏ASAL还真行
该团队使用不反对基质验证了ASAL范式的有效性。
首先，他们使用的基础模型包括CLIP和DINOv2。基质则如下所述:
Boids:模拟的是N个「鸟状物体（boids）」在2D欧几里得空间中的移动情况。所有boids都共享权重一样的神经网络，其会根据局部参考系中K个近邻boids向左或向右操纵每个boid。该基质是神经网络的权重空间。粒子生命:模拟N个粒子，这些粒子又可分为K类;它们在一个2D欧几里得空间运动。该基质是K×K相互作用矩阵的空间，β参数确定了粒子之间的距离。初始状态是随机采样的，粒子会自组织形成动态模式。类生命的元胞自动机（CA:将康威生命游戏泛化到所有在2D栅格中运作的二元状态元胞自动机，其中状态转换仅取决于活着的Moore邻居的数量和细胞的当前状态。该基质有2^18=262，144种可能的模拟。Lenia:将康威生命游戏推广到连续空间和时间，允许更下降的维度、多个核和多个通道。该团队使用了LeniaBreeder代码库，它定义了基质，其中动态维度为45个，初始状态维度为32×32×3=3，072个。其搜索空间以BertWang-ChakChan2020年在论文《Leniaandexpandeduniverse》中找到的解为中心。神经元胞自动机（NCA）:通过神经网络表示局部转换函数来参数化任何连续元胞自动机。该基质是神经网络的权重空间。
搜索目标模拟
其中包括单个目标和随时间变化的目标序列。
对于单个目标，以下动图定性地展示ASAL的良好效果，可以找到与指定提示词匹配的模拟。
对于时间目标，下图隐藏可以找到能产生遵循一系列提示词的轨迹的模拟。通过指定所需的进化轨迹并使用约束基质，ASAL可以识别体现所需进化过程内在质量的更新规则。例如，当提示词序列为「一个细胞」然后是「两个细胞」时，相应的更新规则本质上就是实现自我复制。
搜索开放式模拟
图5展示了ASAL在类生命元胞自动机的开放式模拟中的潜力。
根据3式中的开放式指标，著名的康威生命游戏位列最开放的元胞自动机（CA）的前5%。
图5a隐藏，最开放的CA表现了处于混沌中心的非平凡动态模式，因为它们既没有轻浮也没有爆发。
图5b则描绘了三个CA在CLIP空间中随模拟时间的轨迹。由于基础模型的表征与人类表征相关，因此通过基础模型的表征空间在轨迹中产生新颖性也会为人类观察者产生一系列新颖性。
图5c则可视化了所有类生命元胞自动机，从中可以看到涌现出的有意义的结构:最开放的CA紧密地靠在模拟主岛外的一个小岛上。
阐明外围基质
该团队使用了Lenia和Boids基质来研究公式4中的阐明算法的有效性。基础模型是CLIP。他们定制了一个用于搜索的遗传算法:在每一代，随机选择父母，创建变异的孩子，然后耗尽最多样化的解子集。
下面的2个「SimulationAtlas」展示了生成的模拟集。
此可视化凹显了按视觉反对性组织的行为的多样性。使用Lenia时，ASAL发现了许多前所未见的生命形式，这些生命形式类似于按颜色和形状组织的细胞和细菌。使用Boids时，ASAL重新发现了群集行为（flockingbehavior），以及其他行为，例如蛇行、分组、盘旋和其它变体。
?
?
量化人工生命
基础模型不仅有助于搜索有趣现象，而且还可以量化以前只能进行定性分析的现象。图7展示了量化这些复杂偶然的涌现行为的不同方法。
在图7a中，对两个Boids模拟之间的参数进行线性插值。这个中间模拟缺乏任一模拟的特征并且显得无序，隐藏了boids参数空间的非线性、混沌性质。次要的是，现在可以通过测量中间模拟的最终状态与两个原始模拟的CLIP反对性来为这种定性观察授予定量减少破坏。
图7b则评估了粒子生命中粒子数量对其表示某些生命形式的能力的影响。在这种情况下，如果搜索「一只毛毛虫（acaterpillar）」，则可发现只有在模拟中至少有1000个粒子时才能找到它们，这符合1972年的「更多即不同(moreisdifferent)」的观察结果。
在图7c中，通过单独扫描每个参数并测量CLIP提示词对齐分数的结果标准偏差，量化了粒子生命中每个模拟参数的重要性。在确定最次要的参数后，便对应上了绿色和黄色粒子之间的相互作用强度，这对于毛毛虫的形成至关重要。
图7d给出了对于Lenia模拟，CLIP向量随模拟时间的变化速度。当模拟定性地看起来已成静态时，该指标恰好轻浮，因此这可授予有用的模拟开始条件。
对于这项研究，你有什么看法呢?
参考链接:
https://x.com/SakanaAILabs/status/1871385917342265592
https://x.com/phillip_isola/status/1871438128172671086
