OpenAI 在本月推出了全新推理模型 o1，將人類的 AI 發展階段帶往下一個層次，而根據外媒報導，另一大科技龍頭 Google 也正在開發具「推理」能力的 AI 模型！

文章說到，Google 希望利用 chain-of-thought prompting 的技術，讓自家的模型像 o1 一樣，能在輸出結果之前，先模仿人類進行推理以及思考的行為，進而強化準確度。

更有趣的是，Google 宣稱了自己使用比 OpenAI 更加嚴謹的方式來進行訓練，可見兩家科技大廠之間的濃濃火藥味啊！

Gamma 是一款 AI 驅動的簡報工具，只需要不到一分鐘的時間，就能自動完成一份簡報、文件甚至是網頁！

我自己也很常使用 Gamma，除了 AI 功能外，它能在簡報嵌入各種的內容真的非常方便，推薦還沒使用過 Gamma 的讀者，可以嘗試看看！

《Brief AI 電子報》是繁體中文圈最具影響力且成長速度最快的「AI 電子報」。讀者多為企業家、經理人、投資人、高階主管、工程師、分析師、創作者…等專業知識工作者。協助企業品牌推廣產品、服務、活動、工作職缺...等等 👉 了解更多

相信不少開發者們都對 Copilot 這項工具不陌生，而本次的更新則帶來了 Copilot Voice，以及 Copilot Vision 兩種全新功能，一起來看看吧！

前者讓使用者能夠用語音直接和 AI 對話，類似於 OpenAI 推出的語音功能，而後者則能理解使用者的 Web 內容，能直接在 Microsoft 的 Edge 瀏覽器上使用。

擔任 Microsoft AI CEO 的 Mustafa Suleyman 更強調了 Copilot 不只是完善所有代碼，還能模仿，甚至適應使用者的個人偏好，藉此進行更細部的調整。

去年才成立的科技新創 Liquid AI，在上週發表了 3 個 Liquid 基礎模型（Liquid Foundation Models），希望藉此挑戰當前主流的 Transformer 模型架構。

在上圖中，可以看到在 MMLU 測試中，這些 LFM 模型超越了 Meta 的 Llama 3.2 和 Microsoft 的 Phi-3.5 等基於 Transformer 架構的競爭者。

目前的 LFM 分別有 1.3B、3B 和 40B 的參數規格，只可惜是閉源的，使用者只能透過 Lambda 和 Perplexity AI 取得，歡迎大家去試試看吧！

近期，有研究團隊提出名為 LEOPARD 的全新模型，旨在處裡多張圖像，以及文本量豐富的分析需求，同時指出大型多模態模型（MLLM）所面臨的發展困境。

在困境上，MLLM 模型不只缺乏多圖量的訓練集，還需要面臨圖片解析度與輸入大小的兩難，缺少解析度的圖片不利模型判讀，但過清晰的圖片也會造成輸入上的負擔。

團隊為此設計名為 LEOPARD-INSTRUCT 的數據集，當中包含了大約 92.5 萬個樣本，內容涵蓋了多頁文件、幻燈片、網頁軌跡等多個真實應用場景。

最後的實驗結果顯示，LEOPARD 在 5 個多圖像的基準測試上表現優異，平均表現甚至優於目前最好的開源模型，提升了 9.61 分。

接著來分享上期的投票結果，本次的投票共有 51 位讀者參與，認同與反對的人數也相當接近，代表 AI 機器人是否能在兩三年內進入人類日常，仍需要更多的討論！

除此之外，也有讀者從能源以及應力的層面著手，即使 AI 的發展能加速機器人開發，但硬體設備上的限制，依然是難以克服的重大問題！

我對人型機器人的未來抱持著保守態度，因為真正限制人形機器人的是材料問題。這個材料問題可以分成兩個層面分析:能源與應力。能源方面是指這個人型機器人要使用多少電、它得儲存多少電、它得用甚麼材料來儲存電、它哪邊可以儲存電？在現階段電池技術沒有巨大突破的狀況下，真的要在這兩三年有可以協助日常家用的機器人，感覺難度很高；應力則是材料力學的問題，換言之:所以這個機器人有多耐用？它多久需要更換一個零組件?更換這些領組件的方便程度?上述這些材料上的研究基本上很難在短時間有巨大突破，在這種前提底下我並不覺得人型機器人是有這麼容易可以進入到民用市場。

--- kil595

AI 在機器人的部署上最大的助益莫過於，不用再消耗大量工程師的時間去一步一步的去設計動作了。例如要拿起杯子這一個簡單動作，人類大腦裡想的其實只有"拿起來"的簡單念頭，剩下的就交給小腦負責了，可是人形機器人的工程師就得負責寫出你小腦所做的一切細節，要動那幾條肌肉纖維、用多少力、多少時間，當然實際上有很多方式達成，但所需要耗的功還是非常的巨大，在之前 Figure01 或是 Optimus 的展演，不管是摺衣服或是收拾廚房，都是餵影片給 AI 去學習的，真的是拯救了不少機器人工程師的肝，不過這一切在控制環境下進行便已經極具挑戰了，舉例在台灣相信應該已經有不少人上館子時，看到貓型的送餐機器人了，但很多時候都還是需要服務生來解救它；接著以一般消費性電子的開發周期來說，除非像手機一樣已經是非常成熟的商品了，不然光是從原型到初代可能就得花上2數年了，更何況是人型機器人這麼複雜又新穎的產品；然後商品賣出去後的保固維修也是一大問題，這麼大一尊黑貓恐怕不會收喔；而我認為現在最致命的一點應該就是價格了，連伊隆馬這種生產線狂人操刀下 Optimus 的造價仍高達 2萬5到3萬美元，其他家更不用談了。綜合以上理由，雖然我個人也很期待人型機器人的普及，但2-3年內普及到一般人的日常生活中，還是太困難了，因此這次我選 “D 不太可能”

--- 下班提督

被 Google 挖角走的前 OpenAI 大將 Logan Kilpatrick 近期接受採訪，針對新推出的 Gemini-1.5-Pro-002 和 Flash-002 進行討論，讓我們一起來看看吧！

根據 Logan 的說法，新的 Gemini-1.5-Pro-002 在數理能力的表現上十分優秀，在相關的基準測試，例如 AMC + AIME 24 和 MATH 上都具有不錯的成果。

除此之外，Google 也調整了 Gemini-1.5-Pro 的價格，在金額上降低了 50%，同時將速率限制提高 3 倍，延遲降低 3 倍，希望藉此壓低模型的發展門檻。

*延伸討論：如何看待這一策略？這樣的價格調整和性能提升是否會讓 AI 模型更普及？還是說會引發對品質或其他方面的擔憂？壓低發展門檻是否是推動技術發展的有效途徑？歡迎分享您的看法，讓我們一起討論 Google 這一策略的長遠影響！