大数据文摘出品
最近，国外几家久负盛名的科技巨头展示了他们的ai雄心。
例如苹果举办wwdc 23，微软召开build 23，就连谷歌也在2月份举办了搜索业务大会。
这些巨头们的动作，无疑彰显了生成式人工智能（aigc）的崛起，也带动了一批此前对人工智能不感兴趣的团队、机构。
现在这些大型科技公司全力押注人工智能，值得注意的几个标志是：google ai、microsoft copilot、apple 机器学习以及openai追求通用人工智能。
苹果的机器学习
苹果公司似乎对人工智能这个词“不感冒”。
在今年的wwdc 上，只字未提“人工智能”，以及“chatgpt”等当前科技界内的一些更为流行的词汇。苹果所做的，只是简单地提及了 7 次“机器学习（ml）”。
即使是在介绍他们准备了 7 年的 ar 眼镜 vision pro 时，也只是表述为“使用了先进的编码-解码神经网络”。
实际上，苹果对人工智能的理解可能更加准确。他们在机器学习研究方面投入了大量资金，组建了一支由优秀的研究人员和工程师组成的团队。他们将机器学习应用于各种项目，包括siri、照片、健康和carplay，提升了用户体验。
今年，苹果也更新了基于机器学习的新功能，如live text、visual look up和safety check，这些功能都运行在ios 16系统上。显然，苹果对人工智能（机器学习）的重点：是改变用户交互方式。
唯一有点的遗憾的事情，可能就是苹果在数据方面不甚有竞争力，毕竟，库克不止一次说过：我们是对用户数据不感兴趣的公司。
换句话说，虽然苹果的移动设备令人着迷，但它们可能难以与谷歌、meta这些布局云计算的公司竞争。
googleai
最出名的当属谷歌brain技术，在人才培养方面也有“人工智能留才计划（google ai residency program）”。
谷歌在人工智能算法和系统方面有突破性的进展，推动了谷歌搜索、谷歌翻译和谷歌照片等基于人工智能的产品和服务的创建。
谷歌i/o活动中重点强调了bard，一个与openai的chatgpt竞争的聊天机器人。
面对谷歌的做法，一些行业人士认为：谷歌调整人工智能运营，优先考虑快速推出产品的做法是“应对性”的，与其过去以创新为导向的做法有所偏离。
谷歌的母公司alphabet多年来一直在投资人工智能，并于2014年收购了deepmind。最近，alphabet将其谷歌研究团队与deepmind合并，整合人工智能工作。然而，一些专家认为，这种整合应该早些进行，因为谷歌在其领先的人工智能产品上没有充分利用其优势，导致在2022年落后于微软。
meta和自监督学习
meta从2017年的时候，就非常看好自监督学习。这几年，他们也给业界提供了非常多的自监督学习算法、框架。
例如，在在图像分类和目标检测等任务中取得了sota结果的simclr、swav和dino。
meta在2021年建立了megatron，一个用于自监督学习算法训练的计算集群。在2022年，他们发表了data2vec论文，介绍了一个跨语音、视觉和文本模态的ssl算法。
正如meta的yann lecunn多次强调的，他不相信rlhf。
“我认为rlhf是没有希望的，因为错误答案的空间非常大，而棘手问题一般都是长尾分布，rlhf无法解决。任何不经历世界并自己学习的系统都将受制于它所学习的数据。”
微软和copilot
微软近年来大力投资人工智能，其copilot项目是这种投资最具雄心的例证之一。它是一个功能强大的语言模型，能够生成文本、翻译语言，并辅助完成各种创意任务。
copilot的目标是通过提升效率、激发创造力和增强包容性，改变人们的工作和创造方式。微软计划为微软365的用户免费提供copilot服务，并作为一个独立的产品。这个工具有可能引领人工智能对世界的影响，带来诸如提高生产力、改善质量和拓展创造力等好处。
微软还将copilot的应用扩展到了crm和erp领域，推出了dynamics 365 copilot，并且github也发布了github copilot for business，这是一个面向公众的人工智能编程助手。
openagi
openai的首席执行官sam altman和其他创始人在多个平台上谈论了人工通用智能（agi），对其可能带来的利益和风险既感兴趣又担忧。altman在接受lex fridman的采访时说，他认为agi“大概还有10到20年就能出现”，并且有望对人类产生“正面的影响”，同时强调了保证其负责任使用的重要性。
altman也承认agi存在一些风险，比如被滥用或导致大量失业。altman强调了及时考虑agi的利弊的必要性。他致力于制定安全指南，并建立一个专家社区，以促进agi的负责任使用。altman的访问反映了全球对agi日益增长的关注。在agi变得越来越现实之际，思考其可能带来的利益和风险是非常重要的。在altman的领导下，openai专注于安全和道德的agi开发。
在一篇博客文章中，altman和其他创始人描述了他们对agi的期待，认为它可以“解决世界上一些最迫切的问题”，如气候变化、贫困和疾病，同时也能激发人类的创造力和智慧。
然而，他们也意识到了agi的潜在风险，包括被用于制造自主武器或通过替代人类工作而引发大规模失业。
亚马逊和云服务
亚马逊在人工智能研究方面投入了大量资金，其云服务是人工智能开发和部署的重要平台。
他们还致力于为人工智能开发者提供工具和资源。例如基于云的平台sagemaker使得构建、训练和部署ml模型变得更加容易，这些模型可以用于各种应用，如欺诈检测、客户流失预测和产品推荐。
最近发布的falcon 40b，是一个大型的语言模型，它是在亚马逊网络服务（aws）上开发的。falcon 40b是一个多功能且稳健的工具，可以用于翻译、问答、摘要和图像识别，并且可以通过aws上的amazon sagemaker jumpstart访问。
参考来源：
https://analyticsindiamag.com/from-ai-to-ml-big-techs-and-their-obsessions/
