这里记录每周值得分享的AI科技内容，周末发布。
本杂志开源（GitHub: aitobox/newsweekly），欢迎提交 issue，投稿或推荐你的项目。
AI资讯
1. OpenAI宣布ChatGPT的一项重要更新：增加了记忆功能和新的用户控制选项
GPT现在可以在与用户的交互中跨聊天记住你们互动的所有信息，并在后续对话中利用这些信息来提供更相关和个性化的回答。
之前测试的内容是GPT可以利用你们之间的对话来自我进化和学习，但是这一次没有提及这些功能！只说了改进聊天回答！
主要特点和功能：
• 记忆功能： ChatGPT可以跨所有聊天记住用户讨论的事情，减少用户重复提供信息的需要，让未来的对话更加有用。
• 用户控制： 用户可以显式地告诉ChatGPT记住某些内容，询问它记住了什么，通过对话或设置告诉它忘记某些信息，甚至可以完全关闭记忆功能。
• 如何工作： 用户与ChatGPT聊天时，可以要求它记住特定的信息或让它自行捕捉细节。ChatGPT的记忆功能会随着使用的增加而改善，并且用户会逐渐注意到这种改进。
• 隐私和安全标准： 记忆功能带来了额外的隐私和安全考虑，OpenAI采取措施评估和减轻偏见，并避免ChatGPT主动记住敏感信息，除非用户明确要求。
• 企业和团队用户： 对于企业和团队用户，记忆功能可以在使用ChatGPT进行工作时提供帮助，学习用户的风格和偏好，并在过去的互动上建立，节省时间并提供更相关和深刻的响应。
• GPTs也将拥有记忆： GPTs将拥有自己独特的记忆。构建者将有选项为他们的GPTs启用记忆功能。与用户的聊天一样，记忆不会与构建者共享。
- 资讯地址:
https://openai.com/blog/memory-and-new-controls-for-chatgpt
2. 谷歌Bard正式改名！同时宣布上线“有史以来最强大模型”Ultra 1.0″
2月8日，谷歌宣布，将旗下AI聊天机器人Bard正式更名为Gemini。同时宣布推出新的订阅计划，允许用户访问其“最强大模型”Gemini Ultra 1.0，与竞争对手OpenAI的GPT-4直接竞争。
Bard全新升级后，参数较低的版本将继续免费供用户使用，但愿意每月支付19.99美元的用户可以使用谷歌Gemini的最强版本。安卓用户可以下载一个新的专用安卓应用程序来使用Gemini，而iPhone用户可以在iOS上的谷歌应用中使用Gemini。用户通过谷歌One（该公司的付费存储服务）访问的费用为每月19.99美元，对于现有的谷歌One订阅者，还提供两个月的免费试用期。
谷歌表示，这是其迄今为止最大、功能最强的AI模型，在第三方评测员进行的盲测中，与其他主要聊天机器人相比，配备Ultra 1.0 的 Gemini Advanced 是最受欢迎的AI聊天机器人。谷歌副总裁兼谷歌助手及Bard的总经理Sissie Hsiao表示，Gemini的改变是“构建一个真正的AI助手”的第一步。
谷歌还表示，Gemini Advanced还在不断改进，后续会上线附带扩展的多模态功能、更多的交互式编码功能、更深入的数据分析功能等。
支付AI订阅费用的谷歌One订阅者还将能够在Gmail、Docs、Sheets、Slides和Meet等Google Workspace平台中使用Gemini的助手功能，原来在Google Workspace中的AI助手Duet AI被终止，新AI助手将统称为Gemini for Workspace。谷歌云中使用的Duet AI也将更名为Gemini for Google Cloud。
谷歌希望能够将更多来自用户在Gmail、Docs和Drive中的内容的上下文融入Gemini。例如，如果你正在回复一个长邮件串，建议的回复将考虑到邮件串中较早消息的上下文，以及Google Drive中可能相关的文件。
- 资讯地址:
https://blog.google/products/gemini/bard-gemini-advanced-app/
AI服务和工具
1. MetaVoice-1B：高度真实和自然的文本到语音（TTS）转换模型
开源支持商用的语音模型：模型有1.2亿个参数，经过了10万小时的语音数据训练。
- 专注英语情感演讲
- 跨语言语音克隆
- 支持美国和英国声音的零样本克隆
- 支持长篇内容语音合成
功能特点
1、情感语音节奏和音调：MetaVoice-1B专注于英语语音的情感表达，提供流畅、自然的语音输出，无幻觉现象。
2、跨语言语音克隆：支持通过微调实现跨语言的声音克隆。例如，对于印度说话者，仅需1分钟的训练数据即可实现成功克隆。
3、零样本克隆：对于美国和英国的声音，MetaVoice能够实现零样本克隆，只需30秒的参考音频即可。
4、长篇朗读支持：适用于长文本内容的语音合成。
体验地址:
模型下载：https://huggingface.co/metavoiceio/metavoice-1B-v0.1
GitHub：https://github.com/metavoiceio/metavoice-src
在线体验：https://ttsdemo.themetavoice.xyz
2. Nvidia推出了Chat with RTX
Nvidia推出了Chat with RTX，一款AI聊天机器人，能够在配备至少8GB VRAM的RTX 30或40系列显卡的任何PC上运行。
另外还支持检索、摘要本地文档或者YouTube视频。
Nvidia发布了其Chat with RTX的早期版本——一款演示应用程序，让你能在个人电脑上运行自己的AI聊天机器人。无论是YouTube视频还是个人文档，都能用来生成摘要或获取基于个人数据的相关答案。整个过程完全在本地电脑上进行，你只需要一张拥有至少8GB VRAM的RTX 30或40系列显卡即可。
我在过去一天简单试用了Chat with RTX，尽管应用尚显粗糙，我已经能看到其成为数据研究的有价值工具的潜力，无论是对记者还是需要分析众多文档的任何用户而言。
Chat with RTX支持处理YouTube视频，你只需输入视频URL，它便能让你搜索特定字幕或总结整个视频。这对我搜索视频播客特别有用，尤其是在寻找最近一周有关Microsoft新Xbox战略转变传闻中的特定内容时。
然而，在搜索YouTube视频方面并非完美无缺。尝试搜索一段_Verge_的YouTube视频字幕时，Chat with RTX却下载了一个完全不同视频的字幕，这显然是早期版本中的一个漏洞。
- Chat with RTX擅长于搜索本地文档。
当其正常工作时，我能够在几秒内找到视频中的相关内容。我还使用Chat with RTX分析了_FTC对Microsoft_的案件文档集。去年在报道此案件时，迅速浏览大量
文档是一大挑战，但Chat with RTX使我能够几乎瞬间完成查询。
例如，该聊天机器人能够从审判公开的内部文件中，精准总结出Microsoft的Xbox Game Pass策略：
根据提供的背景信息，Xbox Game Pass是一个游戏内容订阅服务，通过支付单一月费即可访问游戏库。它旨在成为一个平台，使玩家能够在任何地方游玩自己的游戏，同时让发行商能够触及全球玩家。该服务得到了Project xCloud和Xbox Series X的支持，目标是为发行商提供一个他们的游戏能够实现变现的良好环境。游戏CSA的核心战略目标是扩大Xbox Game Pass的规模，全球有着高达7.5亿的潜在订阅者市场。该服务面临三个主要的内容挑战：需求有差异化的内容、扩展到控制台之外的平台、以及内容供应有限。
我还发现这个工具能够帮助快速扫描PDF文档和核实数据。尽管Microsoft自家的Copilot系统处理Word内的PDF文件并不理想，但Nvidia的Chat with RTX能够轻松提取所有关键信息，并且反应速度快到几乎无感知延迟，这与使用基于云的ChatGPT或Copilot聊天机器人时的体验截然不同。
Chat with RTX的主要缺陷在于它真的给人一种初期开发者演示版的感觉。实际上，Chat with RTX在你的PC上安装了一个Web服务器和Python实例，通过Mistral或Llama 2模型处理输入的数据，再利用Nvidia的Tensor核心通过RTX GPU加速查询过程。
- Chat with RTX的准确性有时会有所偏差。
在我的PC上，配备Intel Core i9-14900K处理器和RTX 4090 GPU，安装Chat with RTX大约需要30分钟。应用程序体积近40GB，Python实例占用大约3GB的RAM，而我的系统共有64GB RAM。一旦运行起来，你可以通过浏览器访问Chat with RTX，后台则通过命令提示符显示处理过程和任何错误代码。
Nvidia并未将其作为所有RTX用户都应立即下载并安装的成熟应用程序推出。该应用存在一些已知的问题和局限性，包括源头归因可能不总是准确。我最初尝试让它索引25,000份文档，但这导致应用崩溃，必须清除偏好设置才能重新启动。
此外，Chat with RTX不会记住之前的上下文，因此后续问题不能基于先前问题的上下文进行。它还会在索引文件夹内创建JSON文件，因此我不建议在Windows的Documents文件夹中全盘使用此功能。
尽管如此，我仍然对这样的技术演示抱有极大兴趣，Nvidia在这方面确实展现了潜力。这预示了未来AI聊天机器人在个人电脑上本地运行的可能性，特别是对于那些不愿订阅像Copilot Pro或ChatGPT Plus这类服务来分析个人文件的用户而言。
下载地址: 一共有35GB；需要有Nvidia > 8GB的显卡才可以运行；
https://www.nvidia.com/en-us/ai-on-rtx/chat-with-rtx-generative-ai/
3. 谷歌发布开源大模型Gemma
Gemma 采用了和Gemini一样技术的开源LLM，同时质量也比同规模的模型要强。
两种尺寸的模型权重：Gemma 2B和Gemma 7B。每种尺寸都有预训练和指导调整的变体。
一个生成式人工智能工具包，为使用Gemma创建更安全的人工智能应用提供指导和必要工具。
通过原生Keras 3.0为所有主要框架（JAX、PyTorch和TensorFlow）提供推理和监督微调（SFT）的工具链。
准备好的Colab和Kaggle笔记本，以及与Hugging Face、MaxText、NVIDIA NeMo和TensorRT等流行工具的集成，使得开始使用Gemma变得非常容易。
预先训练和经过调整的Gemma模型可以在您的笔记本电脑、工作站或Google Cloud上运行，并可以轻松部署到Vertex AI和Google Kubernetes Engine（GKE）。
跨多个人工智能硬件平台的优化确保了行业领先的性能，包括NVIDIA GPU和Google Cloud TPU。
允许所有组织进行负责任的商业使用和分发，无论规模大小。
未来还会发布Gemma更大模型变体。
更多信息请参考官方blog:
https://blog.google/technology/developers/gemma-open-models/
体验地址,您可以采用Ollama工具自己本地部署体验：
https://ollama.com/library/gemma
也可以采用第三方搭建好的Demo体验 (右下角切换模型为Gemma-7B即可)：
AI文章推荐
1. 大淘宝设计部2023年度AI设计实践报告
这篇文档非常详细展示了淘宝设计部对于 AI 的各类应用，非常全面且细致;
AI 可以帮助设计师完成想都不敢想的设计，实现任何创意，短时间内呈现无限可能。设计概念也不再以单纯设计方案的面貌出现，更多的是完整的用户产品。
本报告总结了“大淘宝设计团队”在过去一年中对AI技术在不同设计项目中的实践心得，展现了我们如何在现有场景和技术条件下，融合AI技术以优化设计流程和提升设计效果。
文章地址:
https://waytoagi.feishu.cn/wiki/FsjBwYEISiINn7kjPuOceD2SnGc
2. ChatGPT的System Prompt
有国外的Geek自称破解了ChatGPT4的System Prompt，并公布出来，发现了一些很有意思的事情;
- 详细内容:
有一些有趣的地方:
OpenAI为了节省资源，人为限制了ChatGPT的能力:
“当被要求写超过100字的摘要时，请写80字的摘要。”
“请勿在生成图像之前或之后列出或参考描述。”
“不要创建超过1个图像，即使用户要求更多。”
Prompt地址:
3. 视频生成模型：构建虚拟世界的模拟器
OpenAI推出Sora；能自动从文字描述生成短视频；效果吊打现有所有模型；宝玉老师翻译了OpenAI关于Sora相关的技术报告：《Video generation models as world simulators | 视频生成模型：构建虚拟世界的模拟器》
详细内容:
这篇技术报告主要介绍了两方面内容：(1) OpenAI如何将各种类型的视觉数据转化为统一的表示形式，从而实现生成模型的大规模训练；(2) 对 Sora 模型能力和局限性的定性评价。
报告中没有包含模型和实施的详细信息。
Sora 属于扩散型 Transformer（diffusion transformer）。
我们知道，传统的 Transformer，主要有Encoder和Decoder，Encoder是将文本编码成 Token，从而可以将自然语言变成可以统一处理的数字或代码。而 Decoder 则是将 Token 反向解码成文本。
文章地址:
https://baoyu.io/translations/openai/video-generation-models-as-world-simulators
(完)
