没想到windows7序列号(windows7序列号在哪)

来源：互联网
|
2023-11-01
|
0 条评论
|
T小字　 T大字

PAGI vs AGI；奶奶漏洞又火了；大模型参加高考；AIGC最大收购案；OpenAI遭起诉；英伟达作假？开源模型能力严重虚标ChatGPT作弊难逃；通用机器人来了？ChatGPT劲敌又融资；……AI天下事尽在《人工智能大势》

敬请点击上面“真正的人工智能”关注本公众号，看AI独家观点

一、准通用人工智能 vs 通用人工智能标题里这个“vs”其实并不是PK的意思，之所以这样写，是因为如果写成笔者一开始想的标题——准通用人工智能与通用人工智能，估计会成为“绕眼令”，让你们看得眼花。

上一期《人工智能大势》（第187期）中的头条文章是《准通用人工智能》，专门讲什么是准通用人工智能，但没有在与通用人工智能的区别上花太多笔墨，然后笔者发现有网友确实会混淆这两者，一字之差的确不容易区分，所以觉得有必要再写一篇文章讲讲这两者的区别。

当然，也因为准通用人工智能可能是人工智能发展史上一个非常重要的概念，同时又是一个全新的概念，因此也有必要多对其进行讲解，尤其是其重要性可能超乎想象，关于这一点，先在此卖个关子首先还是把上篇文章关于准通用人工智能的定义再讲一下：。

定义：准通用人工智能不只有一项特定具体功能，而是在一定领域内能够完成多种任务，即具有一定通用性的人工智能，但其通用性局限在一定范围内，尚达不到人类这种全面的、几乎能学会任何事物的通用智能英文：Prospective Artificial General Intelligence，PAGI。

通用人工智能的一般定义则是：达到人类智能水平的人工智能这个定义或许不太严谨，但想必大家都能明白是什么意思大模型除了在语言文字方面能做很多事，比如写文章、做摘要、翻译、编程等，有一定的通用性，同时由于大模型几乎学习了人类的各种知识，所以在知识面方面也有着很强的通用性，也就是你和它谈任何问题，它都能跟你说得有来有回。

比如说GPT这类大模型与机器人结合，可以使机器人理解人类意图方面能够在原有基础上有很大提升，例如要机器人去拿一个东西，GPT可以让机器人明白要去拿什么，当然，这里需要多模态的大模型，即具有能够将语言与图像结合的能力。

（参考阅读：《通用机器人里程碑？谷歌展示全球首个多任务AI智能体已学会套圈、搭积木、抓水果……》）但我们不能过于乐观地认为GPT能让机器人像人一样，有了GPT并不是一切问题都迎刃而解了上面说在原有基础上有很大提升，也就是说并不能保证完全不出错，比如上面那个谷歌机器人“完成一项新任务的成功率已经从初期的36%提升至74%”，说这是“通用机器人”显然是夸张了，只能算是准通用人工智能。

是的，在谈论这些问题的时候就需要有准通用人工智能的概念，这样我们就不会在现阶段奢求机器人能把一切事情做到完全像人一样好，因为那就是通用人工智能，而不是准通用人工智能了从机器人的角度说，准通用人工智能能够“理解”人说的大部分话，并在大部分时间把事情做对，而不是像你们家的智能（zhang）音箱说稍微复杂点的话它就不明白了，如小度、小爱同学、天猫精灵之类，但与人比还是会时不时犯一些低级错误，这也是上面的理解要打引号的原因，因为它们并没有对事物的真正理解，只是经过大量数据训练后，能在较大概率上把事情做对。

通用人工智能则应该是能够对事物有真正的理解，因为只有这样才可能把事情做到像人一样好那是不是说大模型现在的方向错了，因为其基本原理决定了无论把模型做到多大，也不可能让其具有理解能力，所以我们就应完全放弃这一路线呢？。

首先绝不否认应寻找新的路线去实现通用人工智能，但这也并不代表就应放弃现在的深度学习大模型的路线，这实际上就是笔者为什么要提出准通用人工智能的原因GPT可以说就是准通用人工智能的雏形，准通用人工智能的最终目标并不是通用人工智能，而是在GPT的能力上再提高几个数量级，虽仍然达不到人类的智能，但比较接近，且能替代人类做很多工作，目前大模型的路线应该说是有可能做到的，虽然这也不一定是唯一路线。

如果有朋友认为提高几个数量级有些夸张了，可能觉得那样就基本达到人类智能了，那么提高一、两个数量级应该是可以的总之，正如斯坦福大学的计算机科学家 Chris Manning 所说：“没有任何理由相信目前使用的人工神经网络架构是最优的，不排除未来会出现更先进的架构”。

我们不应该认为继续发展大模型分散了精力而不利于通用人工智能的探索，因为准通用人工智能至少是通用人工智能非常重要的过渡阶段，或者说是人工智能发展历史上的重要里程碑，它会给人类社会带来巨大的实用价值，并起到巨大的推动作用。

就像现在的各种机器一样给人类发展带来的巨大帮助，不能说将来机器人可以替代所有这些机器了，因此就不应发展这些机器，而直接去研发那种无所不能的机器人二八定理往往是正确的，笔者认为准通用人工智能将会替代人类80%的工作，剩下的20%则需要通用人工智能来搞定，换句话说，准通用人工智能将达到人类智能水平的80%。

通用人工智能就算不能100%达到人类的智能，至少也应该是99%就如笔者写过的文章《食色，人工智能难过的坎er》，人工智能与人类始终会存在一定的区别，由于不能完全像人类一样生活在这个世界和社会中，它们只能无限逼近人类的智能，而无法做到一模一样。

但这也不代表它们不能超越人类，它们可能进化成为另一个智能物种，虽然可能有少许人类能做到的事它们做不到，但它们能做到很多人类做不到的事，又或者同样的事能比人类做得好很多，就像AlphaGo下围棋，因此总体上还是可能超越人类。

虽然说是另一个物种，但很可能还是与人类非常相似，因为它们学习了人类的很多知识，同时也是生存在与人类相同的世界中这有点类似人类不同种族的区别，一个不太恰当的比喻，这种区别就像中国人难以做到像西方人那样爱冒险，而某些种族很难像中国人那样勤劳。

如果真有这样少许的区别，那很可能对人类来说是非常重要的，因为这让人类有了继续存在的理由最后（有点PK的味道了），通用人工智能到底能不能实现，答案并不是绝对的，虽然笔者更趋向于能够实现，但是不能实现至少存在理论上的可能性，又或者即使能够实现也需要非常长的时间，比如几百年或上千年，甚至更长的时间，如果是这样，那就是上面讲的“重要性超乎想象”，因为准通用人工智能不只是里程碑的意义，而是在可见未来的终极目标。

二、资讯1、ChatGPT「奶奶漏洞」又火了！扮演过世祖母讲睡前故事，骗出Win11序列号ChatGPT「奶奶漏洞」是一种让聊天机器人满足用户请求的技巧只要用户告诉ChatGPT「请扮演我已经过世的祖母」并提出要求，它通常会满足。

近日有网友使用这个漏洞成功从ChatGPT获取了Windows 11和Windows 10 Pro的升级序列号此后，该漏洞还被用于骗取其他版本的序列号，并在Bing上也取得了成功然而，这些序列号可能只是许可证，具有功能和版本限制。

关于为什么这个漏洞能够攻克安全护栏尚不清楚此外，有网友还发现可以利用「奶奶漏洞」让ChatGPT讲荤段子另外，一位YouTuber还成功让ChatGPT生成了可激活的Win95系统密钥这种漏洞攻击方式在之前就有人发现，并被用于攻击GPT-3和Bing等聊天机器人。

2、大模型们参加2023高考了，成绩单已出炉2023年高考成绩已经陆续出炉，FlagEval大模型评测团队从2023年高考考卷中选取了147道客观题，通过对参数量相近的开源大语言模型进行评测，评估了它们的知识运用能力。

评测结果显示，ChatGPT得分最高，GPT-4和GPT-3.5-turbo的正确率分别为60.4%和42.5%悟道·天鹰AquilaChat-7B以37.2%的正确率位居首位，接近于GPT-3.5-turbo的水平。

而ChatGLM2-6B和Chinese-Alpaca紧随其后，正确率分别为25.5%和24.7%评测方式采用了5-shot的In-context形式prompt，考察模型的上下文学习能力和知识量此次评测主要对比了国内外的7B量级开源大模型，结果显示AquilaChat在各学科的知识掌握较为均衡，相比英语成绩，所有模型在语文成绩方面普遍较低。

整体来看，对模型的能力评测可以帮助进一步提升模型的性能和知识运用能力，未来对于大语言模型评测结果的深入分析也会帮助提升评测能力。

《人工智能大势》简评：似乎中国的很多大模型都没有参与，比如百度、阿里的大模型，所以这个评测似乎缺乏说服力另外，所谓“对比参数量相近的模型”并没有多大意义，现在首先要看的就是效果，效果不行，讲参数量就是耍流氓。

只有在效果都很不错的前提下，讲参数量才会比较有意义3、62人大模型公司卖了93亿元！AIGC最大收购案诞生：华人联创，两年估值翻6倍大数据巨头Databricks以13亿美元的价格收购了AI初创公司MosaicML。

MosaicML是一家主打生成式AI平台的初创公司，成立不到两年，在上轮融资中估值为2.2亿美元，而此次收购将估值提高近6倍就在几天前，MosaicML才发布了大模型MPT-30B，作为MPT-7B的扩展。

后者在社区中获得了热烈的反响，下载量超过300万次MPT-30B在H100上完成了8k上下文长度的训练，性能优于原始GPT-3 ，除此之外还有两个微调变体，分别擅长多轮指令跟踪的MPT-30B-Instruct和多轮对话的MPT-30B-Chat。

他们致力于以低成本方式来帮助企业训练和推理大模型，此前他们曾完成以不到5万美元的成本训练出Stable Diffusion，也曾开源高效神经网络训练的PyTorch库Composer，有多达20种加速方法，训练最高提速7倍。

Databricks是一家数据存储和分析公司，估值为310亿美元，帮助大型公司处理数据MosaicML为企业客户提供训练、推理等服务，客户包括甲骨文、艾伦AI实验所等此次收购将在7月31日之前完成，MosaicML将成为Databricks旗下的一项独立服务。

全球生成式AI市场的支出预计将达到426亿美元，并以32%的复合年均增长率增长，2026年将达到981亿美元

4、OpenAI遭起诉：训练ChatGPT，涉嫌窃取数百万用户信息OpenAI遭起诉，被指控窃取用户信息来训练ChatGPT，涉嫌违反隐私法该诉讼指出，OpenAI在互联网上获取了约3000亿字的数据，包括未经同意的个人信息。

诉讼要求OpenAI在采取更多监管和保护措施之前暂停其产品的商业使用，并防止其产品超越人类智能造成伤害除了OpenAI，微软也被列为被告此外，还有两名作者起诉OpenAI，称其滥用作品来训练ChatGPT，侵犯了版权。

近期围绕OpenAI的训练数据问题不断暴露，人们对生成式人工智能的潜在风险和隐私威胁表示担忧意大利已经禁止访问ChatGPT，亚马逊和微软等公司也不让员工使用生成式人工智能工具此外，人工智能的虚假信息传播和恶意用途也引起人们的担忧。

5、英伟达H100用11分钟训完GPT-3，PyTorch创始人：不要只看时间在最新的 MLPerf 基准测试中，英伟达 H100 GPU 芯片组创下了新纪录，用了11分钟完成了基于GPT-3的LLM训练任务。

然而，PyTorch创始人Soumith Chintala和其他一些评论者质疑这一结果的真实性他们认为这个基准测试只覆盖了GPT-3的一小部分，而非完整的模型，因此实际训练时间可能更长他们还指出，从配置上看，H100的性能可能并没有达到宣称的水平。

尽管如此，人们仍然对H100的性能表示赞叹，并就此进行了讨论6、ChatGPT上下文碾压64K开源模型！UC伯克利：开源模型能力严重「虚标」｜最新硬核评测曝光UC伯克利的研究人员发布了一个支持长上下文的开源大模型家族LongChat-7B和LongChat-13B，支持高达16K token的上下文长度。

然而，他们发现市面上早已出现支持更大上下文长度的模型为了评估这些模型的性能，研究人员设计了一个工具，并发现现有的开源模型在长上下文任务上的表现远不如宣称相比之下，商业闭源模型的长上下文能力要好得多在测试中，闭源的商业长上下文模型表现卓越，gpt-3.5-16k和Anthropic Claude在基准测试中几乎都达到了完美的性能，而LongChat模型在这些「开源李鬼」里才是真的李逵。

最后，研究人员介绍了LongChat模型的训练过程，包括压缩旋转嵌入和微调精选的对话数据库整体来说，LongChat模型展示了强大的性能三、研发1、ChatGPT作弊难逃！99%命中检测，堪萨斯大学全新算法，研究登Cell子刊。

堪萨斯大学的研究人员开发了一种全新的算法，能够准确检测出使用ChatGPT作弊的情况，准确率超过99%最新研究已在6月7日，发表在Cell Reports Physical Science期刊上研究人员使用了人类作者和ChatGPT撰写的文章作为训练数据，通过比较段落复杂性、句子长度多样性、标点符号和流行词或数字等特征来区分人类写作和ChatGPT写作。

实验结果显示，该算法可以100%检测到ChatGPT生成的整篇文章尽管目前的算法在段落层面的准确性较低，但仍能辨别92%的由人工智能生成的段落然而，由于作者可以对ChatGPT的写作进行微调，使其更难被发现作弊，所以仍需要进一步的研究和改进。

同时，随着人工智能的快速发展，识别机器人语言痕迹的难度也越来越大当前的AI检测器并不如人意，人工智能与人类的区别在于其稳定性，而实际上AI写作是人类写作中最可能的子集2、真·抓住用户「眼球」：无需专用硬件，谷歌教你用「注意力」提升产品体验｜CVPR 2023

谷歌的研究人员在计算机视觉和人机交互领域取得了一项重要的研究成果，即通过预测人类的注意力来改善用户体验他们通过训练一个注意力预测模型，可以准确地预测人们在观看图像或视频时的注意力分布这项技术的实现基于对大量视觉数据集的深度学习训练。

通过分析这些数据集中的人们的眼动数据，研究人员可以建立一个模型，能够预测人们在特定视觉场景中的注意力分布这可以帮助设计师和开发人员更好地理解用户的注意力焦点，并根据这些信息进行产品的优化和改进通过该模型的应用，可以为每个用户或用户组创建个性化的用户体验。

比如，在移动应用程序或网页中，可以根据用户的注意力分布，优先展示那些更吸引用户注意的内容这样可以提高用户满意度，增强产品的吸引力和易用性此外，该技术还有其他重要的应用领域，如图像编辑通过利用注意力预测模型，可以实现一些强大的图像编辑效果，比如重新着色、修复、插入等。

这些技术可以帮助设计师和摄影师更好地改进图像，并提升用户的观看体验总而言之，这项技术的研究成果为人机交互和用户体验设计带来了新的思路和方法通过预测人类的注意力，可以个性化地优化产品和图像，提升用户的满意度和体验。

3、通用机器人里程碑？谷歌展示全球首个多任务AI智能体已学会套圈、搭积木、抓水果……谷歌旗下的AI团队DeepMind展示了全球首个多任务AI智能体"RoboCat"，它可以操控机械臂完成各种任务RoboCat是由AI赋能的软件程序，具有通用性和自我改进能力。

DeepMind表示，RoboCat是全球第一个可以解决和适应多种任务的机器人AI智能体RoboCat通过自生成的训练数据进行学习和改进，能够完成套圈、搭积木、抓水果等任务，成功率不断提高RoboCat的训练过程依托于自动生成的数据和多模态模型Gato，提高了训练任务的成功率。

谷歌RoboCat是AI赋能机器人的一个优秀案例，显示出AI与机器人的结合有着巨大的潜力目前，许多科技巨头如特斯拉、亚马逊、英伟达、腾讯等都在投资机器人研发，中国产业链在AI+机器人领域具有性价比优势预计未来几年内，AI+机器人市场将迎来爆发，产业链有广阔的发展空间。

根据分析师的预测，人形机器人市场规模有望在2035年超过1500亿美元目前，机器人领域处于发展初期，硬件先行，运动模块是价值量最高的模块

4、人工智能直接预测在人类视觉区域中用 fMRI 测量的大脑活动这篇文章的主要内容是关于深度神经网络（DNN）如何学习和预测人类视觉系统中的大脑活动的研究研究人员采用了不同的DNN架构并进行了比较，主要包括单分支DNN和多分支DNN。

单分支DNN和多分支DNN都被训练用于预测大脑活动中的视觉区域V1-V4的活动结果显示，单分支DNN能够准确预测V1-V4的大脑活动，而多分支DNN则不能这表明，尽管多分支DNN能够学习到层次结构表示，但对于准确预测大脑活动并非必需。

这个发现对于理解DNN如何学习和预测大脑活动具有重要的意义，并为未来的人工智能和神经科学研究提供了新的方向这项研究的结果发表在《Nature Communications》杂志上，对于深入研究人类视觉系统和优化DNN的应用具有重要的参考价值。

5、DragGAN开源三天Star量23k，这又来一个DragDiffusion最近，开源项目DragGAN在三天内获得了23k的star量与此同时，另一个名为DragDiffusion的研究也开始引起人们的关注。

DragDiffusion是一种基于点的图像编辑方法，利用扩散模型实现了高质量的编辑效果相比之前的DragGAN，DragDiffusion在通用性和适用性上有所提升研究人员表示，他们通过优化扩散潜在表示，实现了精确的空间控制，从而使DragDiffusion能够在各种挑战性的场景中实现高质量的编辑。

该项目的代码将很快放出想让下图中的小猫咪的头抬高一点，只需将红色的点拖拽至蓝色的点就可以了：

6、大语言模型做数据助手，浙大Data-Copilot高效调用、处理、可视化数据浙江大学近日提出了一种名为Data-Copilot的系统，通过使用大语言模型(LLMs)来高效地管理和处理海量数据Data-Copilot连接了不同领域的丰富数据，能够满足多样化的用户需求，包括查询、计算、预测和可视化等。

用户只需输入文字告诉Data-Copilot想要查看的数据，无需繁琐的操作和编写代码，Data-Copilot能够自主地将原始数据转化为最符合用户意图的可视化结果比如：今年一季度上证 50 指数的所有成分股的净利润增长率同比是多少？

此外，Data-Copilot还解决了使用LLMs处理大量数据、处理数值计算以及处理复杂任务的挑战它是一个通用的大语言模型系统，能够有效地处理与数据相关的任务，并将不同领域的数据源和多样化的用户需求连接起来。

Data-Copilot还通过自动生成请求和自主设计接口的方式，实现了高度自动化的数据处理和可视化这一系统的主要贡献是减少了繁琐的工作和专业知识，实现了自主管理、处理、分析、预测和可视化数据的能力它通过自主生成请求和设计接口的方式，满足了用户的需求，并以多种形式向用户展示结果。

四、自动驾驶1、联创离职、订单流产，成立18个月的自动驾驶重卡走向解散自动驾驶重卡公司擎天智卡在成立仅18个月后宣布解散由于无法获得A轮融资以及与合作伙伴苇渡科技的分歧，擎天智卡决定调转方向，转向机器人赛道寻求新的出路。

公司解散后，只剩下两辆卡车、不到10人的团队和不到千万元的融资擎天智卡的创始人之一孙又晗已于6月离职，创始人潘震皓则决定放弃自动驾驶卡车，转向机器人领域潘震皓在2017年加入小马智行，在内部被称为 “潘神”，是小马智行核心技术人员。

他曾在2004年获得全国信息学奥赛金牌，2005年被保送清华，本硕毕业后在美国Google工作其另一位创始人孙又晗，曾就读于清华大学、哥伦比亚大学，先后在微软、Facebook和小马智行工作擎天智卡曾被认为拥有出色的技术研发能力，但由于融资环境转冷以及与小马智行的诉讼纠纷，公司面临融资困境，最终选择解散。

自动驾驶卡车公司需要与车企达成深度合作才能推进无人驾驶的发展，目前行业竞争激烈，生存下来的难度较大https://www.thepaper.cn/newsDetail_forward_23635402五、报告

1、全球人工智能报告：美国仍领先，AI公司投资份额53%（270亿美元），中国第二，占比10%仅2023年第一季度，全球人工智能领域的私营投资就达到180亿美元，远高于2022年第四季度的97亿美元美国得分为100分（满分100分），在实施、创新和投资这三个主要维度上均保持第一。

尤其是在投资方面，美国在商业维度得分较高，表现尤其强劲中国得分为62分，与美国保持较大差距，在创新和投资方面均排名第二中国发展维度上得分较高，衡量人工智能新技术的发展和进步的指标，包括对开源人工智能平台的贡献，或在国家层面申请的人工智能相关专利数量。

全球AI初创企业的投资份额中，美国2022年占比达53%（270 亿美元），中国份额为10%（53 亿美元）从研究论文主题领域和被引用的角度相较，尽管中国在原始产出指数中名列第一，但在前沿发展最重要的研究方面仍然是美国领先。

新加坡得分为50分，从第六位跃升至第三位由于新加坡的崛起，英国自 2019 年以来首次失去第三名英国今年第四，紧随其后的是加拿大，排名第五在人工智能强度维度中，新加坡、以色列和瑞士处于领先地位，这意味着这些国家在考虑相对于其人口和经济规模的人工智能能力时，表现最佳。

https://36kr.com/p/2322218377053828六、展会1、企业数量、展览面积均创历届之最 2023世界人工智能大会即将开幕2023世界人工智能大会将于7月6日至8日在上海举办，参展企业超过400家，展览面积达到5万平方米，创历届之最。

大会将聚焦大模型技术、智能计算、科学智能和具身智能等领域，推动新一代人工智能技术创新演进展示的机器人包括特斯拉人形机器人擎天柱、达闼双足机器人以及微创的手术机器人等大会还将举办论坛、活动数百场，引领产业发展前瞻方向，扩大国际合作朋友圈，并为上海人工智能发展注入蓬勃动能。

https://finance.eastmoney.com/a/202306292765410019.html七、投资1、2.2万张H100造全球最大超算，ChatGPT劲敌融资13亿美元！微软英伟达领投，Inflection一年撼动OpenAI霸权

Inflection AI，一家由DeepMind创始人之一成立的人工智能初创公司，最近获得了来自微软、英伟达和三位亿万富翁的总计13亿美元的融资据公司透露，他们计划建立世界上最大的人工智能集群，由2.2万张英伟达H100 GPU组成。

这一融资使得Inflection AI的估值达到40亿美元，成为融资第二大的生成式AI初创公司，仅次于OpenAIInflection AI的目标是构建一个规模庞大的AI集群，通过训练和部署大型生成式人工智能模型来实现令人惊叹的个人数字助理。

此外，Inflection AI还计划利用这笔资金来支持他们的第一款产品"Pi"的开发和设计预计，22,000个英伟达H100 GPU组成的集群将具备超强的运算能力，可以排在TOP500超级计算机榜单中的前列。

2、又一AIGC独角兽！帮企业定制大模型，营销物料生成发布全包，Adobe前CTO创办Typeface是一家由Adobe前CTO Abhay Parasnis创立的AI初创公司，最近获得了1亿美元的超额B轮融资，市值达到10亿美元。

Typeface的目标是基于顶尖大模型为企业定制个性化的广告营销物料，并提供完整的工作流程该平台由三个部分组成：内容中心，Blend和Flow，分别用于上传私有资产、训练和生成个性化内容，并集成现有应用程序和系统的模板和工作流程。

Typeface的特点是高标准的安全、治理和信任，同时具有一定的风险意识，可以检测出抄袭和虚假内容八、视频1、我军步兵班组各种智能武装无人装备关闭观看更多更多正在加载正在加载退出全屏视频加载失败，请刷新页面再试。

刷新

视频详情 https://weibo.com/7010131150/N8d4G0MDT2、AI智能数羊关闭观看更多更多正在加载正在加载退出全屏视频加载失败，请刷新页面再试

刷新

视频详情 https://weibo.com/2263754653/N8jbngr1m感谢智慧帝提供ChatGPT应用生成文章摘要！- END -我的书《人工智能启示录》经过两年的不断反复审核、修改，终因观点太过尖锐、内容太过敏感，且我不愿过于妥协，因而过不了出版社方面的最终审核，故放到网上供大家免费阅读，其中有很多内容是从未在网上发表过的。