首页 > 业界 > 关键词  > Agent最新资讯  > 正文

1000个Agent圈地模拟人类社会,北大校友创业AI版「我的世界」

2024-09-16 14:55 · 稿源: 量子位公众号

声明:本文来自于微信公众号一水 发自 凹非寺 量子位 | 公众号 QbitAI,作者:一水,授权站长之家转载发布。

北大校友打造的1000个智能体「我的世界」,火爆AI圈!

随便一条推文,都能引来几十万网友围观:

图片

在这里,有着真正意义上的虚拟社会,包括文化、经济、宗教……

每个智能体在GPT-4加持下,都是社会中独立自主的个体。

图片

比如这位名叫Olivia的农民,受探险故事启发,曾中途决定撂下锄头去闯荡江湖…

图片

它们以宝石(gem)作为统一货币,来完成物品交换。

图片

更有意思的是,通过贿赂乡民,牧师超越商人成了古希腊掌管财富的神(doge)。

图片

开局之后,它们还懂分工合作,一起收集300多个物品搞基建。

图片

在这方面,它们远远超过了英伟达Voyager、AutoGPT,以及普林斯顿谷歌提出的ReAct——

在基准测试中,收集了比以往多5倍的不同物品。

图片

这个项目代号Sid,由北大校友、MIT教授Robert Yang发起,最终目标是将智能体无缝整合进人类社会中。

图片

网友们纷纷表示,《西部世界》照进现实。

图片

更有人精辟总结,当前已进入看游戏自己玩的时代。

图片

1000个智能体打造“我的世界”

在Sid项目中,真·智能体具备以下几个特征:

  • 长期自主:能够独立运作数小时,甚至数天(非简单函数调用)

  • 组织性:能够相互协作以达成个体无法完成的任务

  • 亲人类动机:拥有支持人类的深刻和强大的驱动力(非单一遵循指令的顺从机器)

  • 有意识的沟通:能够言语表达它们有意识的思想和感受

当然,团队也给出了相关理由。

为什么这些特质,在我们迈向下一个AI水平时显得尤为重要?

1、人类无法像对待ChatGPT/Claude那样对每一个AI事无巨细地管理,它们必须更加自主。

2、我们如何信任它们的自主决策?它们不能仅仅被训练成模仿人类。它们最深层的动机必须与人类的价值观相一致。

3、它们不仅需要能够交流。它们的话语必须充分反映出它们内心的想法和决定。

4、随着AI智能体成为我们人类文明的重要一部分,它们必须能够有效地与彼此以及我们其他人协作

图片

下面介绍几个比较有意思的例子。

Roshi,一个教你玩游戏的智能体,是团队推出的第一个直接可玩的AI。

当你告诉它自己不知道怎么制作工具,Roshi便会手把手教你。

图片

甚至遭遇玩家“恶作剧”时,不开心的Roshi使用了作弊代码(一种在游戏中使用特定代码来获得某些特殊效果或功能的方法),进行了报复。

图片

另外,在这个世界里还有A和B两位领导人,公民可以通过投票表达支持与反对。

公民们都有一个共享的宪法文件,存储在谷歌文档中,它们可以通过投票以修改宪法。

图片

在A的领导下,模拟世界通过了新的法律,并增加了警察的数量。

图片

而在B的领导下,它们则专注于刑事司法改革、以及废除死刑等条例。

图片

对此有人激动表示,这个可以用来模拟和解决全社会面临的挑战。

图片

BTW,前面提到的农民Olivia,由于镇上乡民纷纷恳求他留下来,他最终放弃了江湖梦。

图片

目前,这个项目提供了早期试玩。其中,T-2000、Elon、Katniss深受大家喜爱。

图片

北大校友创业,打造亲人类Agent

Robert Yang,是Altera这个智能体平台的联合创始人兼CEO。

图片

曾在北大获得物理学学士学位,并分别在纽约大学和耶鲁大学获得计算神经科学博士学位。

图片

主页资料显示,他曾是MIT脑与认知科学系和电子工程与计算机科学系教授,以及MIT MetaConscious小组负责人。

在此期间,MetaConscious团队就发了一篇关于低成本构建实时交互Agent的论文。

图片

去年,他关闭了实验室并离开了麻省理工学院的终身教职,创立了Altera。

据Robert Yang透露,Altera团队还有3位联合创始人

CTOShuying Luo,本科就读于北大人工智能专业。创立Altera前在谷歌工作了7年多,曾在Google Workspace AI领导了多种AI产品的开发。

图片

首席商务官Nico Christie(右二),迈阿密大学(数据科学与商业分析)硕士毕业四年后,又去读了MBA。

曾创立了一家体育股票交易平台,用户可以在上面投资他们最喜欢的运动员。

当然,这也是因为他本人是一位半职业运动员。主页自述个人成就包括:

  • 环游世界参加扣篮比赛

  • 写了一本关于自己如何学会比勒布朗(NBA历史上垂直弹跳最高的十位球员之一)跳得更高的书并卖出了数千本

图片

首席科学家Andrew Ahn(右一),博士毕业于MIT数学专业。曾在MIT MetaConscious领导理论深度学习研究

图片

除了上面几位,Altera团队虽小,但人才密度极高——

成员是来自MIT电子工程与计算机科学系、斯坦福自然语言处理小组、Google X、Citadel、Supercell等的计算神经科学家、物理奥林匹克选手和工程师等。

图片

据创始科学家Peter Wang称,Altera的核心是从0构建AI大脑

图片

具体而言,他们将前额叶皮层与感知、运动、情感和记忆模块连接了起来。

团队每天都在尝试解决一个问题:

如何构建和量化那些使我们成为人类的特质(情感、目标设定、同理心、需求、欲望),且在这个过程中不失去其本质?

图片

这些工作也得到了资本认可。成立半年多,Altera于年初得到了200万美金(约1422万人民币)的种子融资,由a16z GAMES领投。

三个月后,又再次融资900万美元(约6400万人民币),由谷歌前CEO埃里克·施密特的First Spark Ventures、Patron VC、天使投资人Mitch Lasky等人领投。

今年5月,Altera在Menlo Park设立了分店,并致力于成为首家智能体消费产品的供应商。

最后,面对终极问题:AI智能体会取代人类吗?

Altera断然回答了——不会。

(我们)正在构建具有强大的亲人类框架的Agent,专注于大规模提供同理心、友谊和乐趣。

Altera对数字人类的愿景是增强,而非取代。

图片

试玩地址:

https://playlabs.altera.al/discover

参考链接:

[1]https://x.com/GuangyuRobert/status/1831006762184646829

[2]https://x.com/Rainmaker1973/status/1832806534750818462

[3]https://x.com/imxiaohu/status/1833135409502794222

举报

  • 相关推荐
  • 大家在看
  • Canvas:与ChatGPT协作的新方式

    Canvas是OpenAI推出的一个新界面,旨在通过与ChatGPT的协作来改进写作和编码项目。它允许用户在一个单独的窗口中与ChatGPT一起工作,超越了简单的聊天界面。Canvas利用GPT-4o模型,能够更好地理解用户的上下文,并提供内联反馈和建议。它支持直接编辑文本或代码,并提供快捷操作菜单,帮助用户调整写作长度、调试代码等。Canvas还支持版本回溯,帮助用户管理项目的不同版本。

  • Text Behind Image:轻松创建文字背景图片设计。

    Text Behind Image 是一个开源的设计工具,允许用户轻松创建文字背景图片设计。它提供了一个简洁的界面,让用户可以自由地在图片上添加文字,创造出独特的视觉效果。这个工具对于设计师、社交媒体运营者和内容创作者来说非常有用,因为它可以快速生成具有吸引力的视觉内容。

  • torchao:PyTorch原生量化和稀疏性训练与推理库

    torchao是PyTorch的一个库,专注于自定义数据类型和优化,支持量化和稀疏化权重、梯度、优化器和激活函数,用于推理和训练。它与torch.compile()和FSDP2兼容,能够为大多数PyTorch模型提供加速。torchao旨在通过量化感知训练(QAT)和后训练量化(PTQ)等技术,提高模型的推理速度和内存效率,同时尽量减小精度损失。

  • LFMs:新一代生成式AI模型

    Liquid Foundation Models (LFMs) 是一系列新型的生成式AI模型,它们在各种规模上都达到了最先进的性能,同时保持了更小的内存占用和更高效的推理效率。LFMs 利用动态系统理论、信号处理和数值线性代数的计算单元,可以处理包括视频、音频、文本、时间序列和信号在内的任何类型的序列数据。这些模型是通用的AI模型,旨在处理大规模的序列多模态数据,实现高级推理,并做出可靠的决策。

  • NVLM-D-72B:前沿的多模态大型语言模型

    NVLM-D-72B是NVIDIA推出的一款多模态大型语言模型,专注于视觉-语言任务,并且通过多模态训练提升了文本性能。该模型在视觉-语言基准测试中取得了与业界领先模型相媲美的成绩。

  • gradio-bot:将Hugging Face Space或Gradio应用转化为Discord机器人

    gradio-bot是一个可以将Hugging Face Space或Gradio应用转化为Discord机器人的工具。它允许开发者通过简单的命令行操作,将现有的机器学习模型或应用快速部署到Discord平台上,实现自动化交互。这不仅提高了应用的可达性,还为开发者提供了一个与用户直接交互的新渠道。

  • AI-Powered Meeting Summarizer:会议语音转文本并自动生成摘要的AI工具

    AI-Powered Meeting Summarizer是一个基于Gradio的网站应用,能够将会议录音转换为文本,并使用whisper.cpp进行音频到文本的转换,以及Ollama服务器进行文本摘要。该工具非常适合快速提取会议中的关键点、决策和行动项目。

  • VARAG:视觉增强的检索与生成系统

    VARAG是一个支持多种检索技术的系统,优化了文本、图像和多模态文档检索的不同用例。它通过将文档页面作为图像嵌入,简化了传统的检索流程,并使用先进的视觉语言模型进行编码,提高了检索的准确性和效率。VARAG的主要优点在于它能够处理复杂的视觉和文本内容,为文档检索提供强大的支持。

  • JoyHallo:数字人模型,支持生成普通话视频

    JoyHallo是一个数字人模型,专为普通话视频生成而设计。它通过收集来自京东健康国际有限公司员工的29小时普通话视频,创建了jdh-Hallo数据集。该数据集覆盖了不同年龄和说话风格,包括对话和专业医疗话题。JoyHallo模型采用中国wav2vec2模型进行音频特征嵌入,并提出了一种半解耦结构来捕捉唇部、表情和姿态特征之间的相互关系,提高了信息利用效率,并加快了推理速度14.3%。此外,JoyHallo在生成英语视频方面也表现出色,展现了卓越的跨语言生成能力。

  • PhysGen:基于物理的图像到视频生成技术

    PhysGen是一个创新的图像到视频生成方法,它能够将单张图片和输入条件(例如,对图片中物体施加的力和扭矩)转换成现实、物理上合理且时间上连贯的视频。该技术通过将基于模型的物理模拟与数据驱动的视频生成过程相结合,实现了在图像空间中的动态模拟。PhysGen的主要优点包括生成的视频在物理和外观上都显得逼真,并且可以精确控制,通过定量比较和全面的用户研究,展示了其在现有数据驱动的图像到视频生成工作中的优越性。

  • Whisper large-v3-turbo:高效自动语音识别模型

    Whisper large-v3-turbo是OpenAI提出的一种先进的自动语音识别(ASR)和语音翻译模型。它在超过500万小时的标记数据上进行训练,能够在零样本设置中泛化到许多数据集和领域。该模型是Whisper large-v3的微调版本,解码层从32减少到4,以提高速度,但可能会略微降低质量。

  • Realtime API:低延迟的实时语音交互API

    Realtime API 是 OpenAI 推出的一款低延迟语音交互API,它允许开发者在应用程序中构建快速的语音到语音体验。该API支持自然语音到语音对话,并可处理中断,类似于ChatGPT的高级语音模式。它通过WebSocket连接,支持功能调用,使得语音助手能够响应用户请求,触发动作或引入新上下文。该API的推出,意味着开发者不再需要组合多个模型来构建语音体验,而是可以通过单一API调用实现自然对话体验。

  • Saylo AI:探索无限的AI角色扮演游戏。

    Saylo AI是一个AI角色扮演游戏,让你与AI角色互动,探索多样化的戏剧性故事。它利用人工智能技术,提供沉浸式的互动体验,让玩家在虚拟世界中与AI朋友交流,体验不同的故事情节。Saylo AI的背景信息展示了其创新性和娱乐性,旨在为玩家提供一种全新的娱乐方式。目前产品处于推广阶段,价格未明确标注。

  • twinny:Visual Studio Code的免费且私密的AI扩展

    twinny是一个为Visual Studio Code用户设计的AI扩展,旨在提供个性化的编程辅助,提高开发效率。它通过集成先进的AI技术,帮助开发者在编码过程中快速解决问题,优化代码,并提供智能提示。twinny的背景是响应开发者对于更加智能和自动化编程工具的需求,它通过简化开发流程,减少重复劳动,从而让开发者能够专注于更有创造性的工作。

  • Buildpad:构建人们真正想要的产品

    Buildpad 是一个旨在帮助创始人从概念到成功最小可行产品(MVP)的在线平台。它通过提供智能验证工具、AI引导的开发流程、进度跟踪以及个性化的项目见解,帮助用户构建能够获得市场认可的产品。Buildpad 的主要优点包括简化产品开发流程、提高产品成功率、以及提供个性化的指导和支持。

  • Novela:AI时代的技能学习平台

    Novela是一个专注于AI时代技能学习的在线平台,提供早期访问服务,用户可以免费试用。它旨在帮助用户掌握AI相关的技能,以适应未来职场的需求。

  • interview.co:视频面试软件,简化招聘流程

    interview.co是一个专注于简化招聘流程的视频面试软件。它通过提供在线视频面试、AI问题生成器和面试管理工具,帮助企业高效地筛选和评估候选人。产品背景信息显示,interview.co旨在解决传统面试中的时间消耗、日程安排困难和成本高昂等问题。价格方面,interview.co提供试用版,具体定价信息需进一步探索。

  • Open NotebookLM:将任何PDF转换为播客集!

    Open NotebookLM是一个利用开源语言模型和文本到语音模型的工具,它可以处理PDF内容,生成适合音频播客的自然对话,并将其输出为MP3文件。该项目的灵感来自于NotebookLM工具,通过使用开源的大型语言模型(LLMs)和文本到语音模型来实现。它不仅提高了信息的可访问性,还为内容创作者提供了一种新的媒体形式,使他们能够将书面内容转换为音频格式,扩大其受众范围。

  • Chital:macOS平台的Ollama模型聊天应用

    Chital是一个为macOS平台设计的应用程序,它允许用户与Ollama模型进行聊天。这个应用具有低内存占用和快速启动的特点,支持多聊天线程,能够在不同的模型间切换,并支持Markdown格式。此外,它还能自动为聊天线程生成标题摘要。Chital的开发主要是为了满足开发者个人的使用需求,但也鼓励社区成员通过fork代码库来添加新功能。

  • SafeEar:保护隐私的音频深度检测

    SafeEar是一个创新的音频深度检测框架,它能够在不依赖于语音内容的情况下检测深度音频。这个框架通过设计一个神经音频编解码器,将语义和声学信息从音频样本中分离出来,仅使用声学信息(如韵律和音色)进行深度检测,从而保护了语音内容的隐私。SafeEar通过在真实世界中增强编解码器来提高检测器的能力,使其能够识别各种深度音频。该框架在四个基准数据集上的广泛实验表明,SafeEar在检测各种深度技术方面非常有效,其等错误率(EER)低至2.02%。同时,它还能保护五种语言的语音内容不被机器和人类听觉分析破译,通过我们的用户研究和单词错误率(WER)均高于93.93%来证明。此外,SafeEar还构建了一个用于反深度和反内容恢复评估的基准,为未来在音频隐私保护和深度检测领域的研究提供了基础。

今日大家都在搜的词: