千脑智能

美国国家工程院院士Jeff Hawkins的《A Thousand Brains》从神经科学角度解释了人如何通过看到、移动和感知三维空间来学习和识别物体。比尔盖茨推荐了该书。

🔠 千脑理论中，每个大脑皮质柱都有完整物体的模型，因此知道在物体的每个位置应该感应到什么。

🔠 可以把运行 Transformer 训练的神经网络的电脑想象成一个简陋的人工皮质柱，给它灌输数据，它输出预测数据。

🔠 但大脑新皮层有 20 多万个这样的小电脑在分布式计算，他们连接着各种感知器官输入的数据。

🔠 最关键的是大脑无需预训练，神经元自己生长就完成了学习，预测是皮质柱测试和更新其模型的方法。如果结果和预测不同，错误的答案就会让大脑完成一次修正，这种方式就是自我监督，皮质柱相当于把用于训练的超级电脑和预测数据的电脑整合了。

🔝 YouTube #推荐阅读

#AI工程 苹果官方项目:
Apple Sillicon芯片上的Stable Diffusion

🖥 github.com/apple/ml-stable-diffusion

⭐️ 官方针对苹果M1/M2 等优化的版本
⭐️ iPad Pro M1 上 29 秒出一张图
⭐️ M1 Macbook Pro 16G 上24秒
⭐️ M2 Macbook Air 8G上18秒

#AI工具
一个AI垂类资讯聚合站点

用过一阵子感觉挺不错
⚜️https://www.emergentmind.com/

#AI资料分享
【阿里AI专家交流纪要 2023-4-1】:

🔠阿里的LLM模型，一个叫m6，一个叫 plug。下半年云栖大会发布或者是公布进展，大概在GPT2.5左右的水平；

🔠文心一言至少可以达到GPT-2.5水平，基于Bert。阿里大模型架构基于Transformer；

🔠阿里云现在云上至少有上万片A100 ，整体至少能达到10万片，集团应该会是阿里云5倍。阿里国内AI算力储备最多，然后依次为：字节、百度、腾讯。

🔠腾讯大模型是混元模型继续迭代，有100人左右做GPT复现以及自我模型迭代。

🔠阿里目前对于AI大模型是稳扎稳打。大规模应用起来成本很高，冲击也很大。

-- 来源

#AI论文
用一种新的方式对LLMs 性能比较和评估

⚜️ arxiv.org/abs/2304.00457

论文对 BLOOM, GPT-3, ChatGPT, LLaMa-13B 在物理、化学、生物、天文学、地球科学以及子领域上的评分。

ChatGPT稳居第一，LLaMa-13B 也不错。目前ChatGPT简中使用有一定门槛，然而LLaMa可算是近期最活跃的开源项目了，单机部署运行门槛越来越低，而且有不同参数规模版本。
-- 来源

英伟达正在“垄断”AI产业

⭐️ NVIDIA市值 = 2个AMD + 3个INTEL

⭐️ 英伟达的 GPU 在超算中心的市场份额这几年稳居 90% 左右，在独立GPU市场份额一度超80%。

⭐️ AI 发展的数十年间，英伟达对 CUDA 开发和社区持续投入， CUDA 和各类 AI 框架深度绑定。当今使用排名靠前的AI 框架，没有不支持 CUDA 的，也就是说你想要让你的深度学习跑的快？买张支持 CUDA 的高性能卡是最好的选择，说人话就是——买 N 卡吧。

-- 展开阅读

#AI应用
Smarty: AI键盘也来了

因为Smarty是输入法，所以可以在各种app内调用。主要功能:
⭐️网站摘要
⭐️Youtube视频摘要（需带CC字幕）
⭐️ 翻译
⭐️ 写作

⚜️https://t.co/YLJfG1FUwS