正文

openai與谷歌什么關(guān)系（谷歌nano和pico的區(qū)別）

發(fā)布時(shí)間：2023-03-13 09:14:06 稿源：創(chuàng)意嶺閱讀： 131 問(wèn)大家

大家好！今天讓創(chuàng)意嶺的小編來(lái)大家介紹下關(guān)于openai與谷歌什么關(guān)系的問(wèn)題，以下是小編對(duì)此問(wèn)題的歸納整理，讓我們一起來(lái)看看吧。

ChatGPT國(guó)內(nèi)免費(fèi)在線使用，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對(duì)話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫(xiě)出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁(yè)版、PC客戶端

官網(wǎng)：https://ai.de1919.com

本文目錄:

1、互聯(lián)網(wǎng)與谷歌的關(guān)系
2、2022年值得關(guān)注的5個(gè)AI趨勢(shì) – thenewstack
3、程序員們說(shuō)說(shuō)看：TensorFlow到底難不難學(xué)？
4、告別面向Google編程，Copilot測(cè)試版本體驗(yàn)

openai與谷歌什么關(guān)系（谷歌nano和pico的區(qū)別）

一、互聯(lián)網(wǎng)與谷歌的關(guān)系

互聯(lián)網(wǎng)與谷歌的關(guān)系：Google成立于1998年，是全球最富影響力的互聯(lián)網(wǎng)公司之一，為Alphabet的子公司，業(yè)務(wù)范圍涵蓋互聯(lián)網(wǎng)廣告、互聯(lián)網(wǎng)搜索、云計(jì)算等領(lǐng)域，開(kāi)發(fā)并提供大量基于互聯(lián)網(wǎng)的產(chǎn)品與服務(wù)，其主要利潤(rùn)來(lái)自廣告服務(wù)。

二、2022年值得關(guān)注的5個(gè)AI趨勢(shì) – thenewstack

COVID-19 大流行加速了 2021 年人工智能或機(jī)器學(xué)習(xí)的采用。企業(yè)對(duì)自動(dòng)化的需求以及人工智能硬件和軟件的進(jìn)步正在將應(yīng)用人工智能變?yōu)楝F(xiàn)實(shí)。

以下是 2022 年的五種人工智能趨勢(shì)：

趨勢(shì) 1：大型語(yǔ)言模型 (LLM) 定義下一波對(duì)話式 AI

語(yǔ)言模型是基于自然語(yǔ)言處理技術(shù)和算法來(lái)確定給定單詞序列在句子中出現(xiàn)的概率，這些模型可以預(yù)測(cè)句子中的下一個(gè)單詞，總結(jié)文本信息，甚至可以從純文本創(chuàng)建可視化圖表。

大型語(yǔ)言模型 (LLM) 在包含大量數(shù)據(jù)的海量數(shù)據(jù)集上進(jìn)行訓(xùn)練。Google 的BERT和 OpenAI 的GPT-2和GPT-3是 LLM 的一些例子。眾所周知，GPT-3 在 570 GB 的文本上訓(xùn)練了 1750 億個(gè)參數(shù)。這些模型可以生成從簡(jiǎn)單的論文到復(fù)雜的金融模型的任何東西。

包括OpenAI、Hugging Face、Cohere、AI21 Labs在內(nèi)的AI 初創(chuàng)公司正在通過(guò)訓(xùn)練具有數(shù)十億參數(shù)的模型來(lái)突破 LLM 的界限。

華為的PanGu-Alpha和百度的Ernie 3.0 Titan接受了包括電子書(shū)、百科全書(shū)和社交媒體在內(nèi)的 TB 級(jí)中文數(shù)據(jù)集的訓(xùn)練。

2022 年，我們將看到大型語(yǔ)言模型成為下一代對(duì)話式 AI 工具的基礎(chǔ)。

趨勢(shì)二：多模態(tài)人工智能的興起

深度學(xué)習(xí)算法傳統(tǒng)上專注于從一種數(shù)據(jù)源訓(xùn)練模型。例如，

這種類型的機(jī)器學(xué)習(xí)與單模態(tài) AI 相關(guān)聯(lián)，其中結(jié)果被映射到數(shù)據(jù)類型的單一來(lái)源——圖像、文本、語(yǔ)音。

多模態(tài) AI 是計(jì)算機(jī)視覺(jué)和對(duì)話式 AI 模型的終極融合，可提供更接近人類感知的強(qiáng)大場(chǎng)景。它將視覺(jué)和語(yǔ)音模式結(jié)合起來(lái)，將人工智能推理提升到一個(gè)新的水平。

多模式 AI 的最新示例是來(lái)自 OpenAI 的DALL-E，它可以從文本描述中生成圖像。

谷歌的多任務(wù)統(tǒng)一模型 ( MUM ) 是多模式 AI 的另一個(gè)例子。它承諾通過(guò)基于從 75 種不同語(yǔ)言中挖掘的上下文信息對(duì)結(jié)果進(jìn)行優(yōu)先排序，從而增強(qiáng)用戶的搜索體驗(yàn)。MUM 使用 T5 文本到文本框架，比 BERT（流行的基于轉(zhuǎn)換器的自然語(yǔ)言處理模型）強(qiáng)大 1000 倍。

NVIDIA 的GauGAN2模型將根據(jù)簡(jiǎn)單的文本輸入生成照片般逼真的圖像。

趨勢(shì) 3：簡(jiǎn)化和流線型 MLOps

機(jī)器學(xué)習(xí)操作 (MLOps) 或?qū)C(jī)器學(xué)習(xí)應(yīng)用于工業(yè)生產(chǎn)的實(shí)踐非常復(fù)雜！

MLOps 是已納入基于云的 ML 平臺(tái)的概念之一，例如Amazon Web Services的Amazon SageMaker、Azure ML和Google Vertex AI。但是，這些功能不能用于混合和邊緣計(jì)算環(huán)境。因此，邊緣的監(jiān)控模型被證明是企業(yè)面臨的重大挑戰(zhàn)。在處理計(jì)算機(jī)視覺(jué)系統(tǒng)和對(duì)話式 AI 系統(tǒng)時(shí)，邊緣監(jiān)控模型變得更具挑戰(zhàn)性。

由于Kubeflow和MLflow等開(kāi)源項(xiàng)目的成熟，MLOps 變得相當(dāng)容易獲得。未來(lái)幾年，將出現(xiàn)一種流線型和簡(jiǎn)化的 MLOps 方法，涵蓋云和邊緣計(jì)算環(huán)境。

趨勢(shì) 4：AI 驅(qū)動(dòng)的低代碼開(kāi)發(fā)

人工智能將影響 IT 的編程和開(kāi)發(fā)。

大型語(yǔ)言模型 (LLM) 的興起和更廣泛的開(kāi)源代碼可用性使 IDE 供應(yīng)商能夠構(gòu)建智能代碼生成和分析。

望未來(lái)，期待看到可以從內(nèi)聯(lián)注釋生成高質(zhì)量和緊湊代碼的工具。他們甚至能夠?qū)⒂靡环N語(yǔ)言編寫(xiě)的代碼翻譯成另一種語(yǔ)言，通過(guò)將遺留代碼轉(zhuǎn)換為現(xiàn)代語(yǔ)言來(lái)實(shí)現(xiàn)應(yīng)用程序現(xiàn)代化。

趨勢(shì)五：新型垂直化人工智能解決方案

Amazon Connect和Google Contact Center AI是垂直整合的經(jīng)典例子。兩者都利用機(jī)器學(xué)習(xí)功能來(lái)執(zhí)行智能路由、由機(jī)器人驅(qū)動(dòng)的對(duì)話以及對(duì)聯(lián)絡(luò)中心代理的自動(dòng)協(xié)助。

這些服務(wù)是為零售和制造垂直行業(yè)高度定制的。

三、程序員們說(shuō)說(shuō)看：TensorFlow到底難不難學(xué)？

強(qiáng)化學(xué)習(xí)的進(jìn)展速度遠(yuǎn)遠(yuǎn)低于深度學(xué)習(xí)。雖然OpenAI Five和谷歌的AlphaGo等有值得注意的新聞突破，但實(shí)際情況下的強(qiáng)化學(xué)習(xí)實(shí)踐并未發(fā)生。

正如谷歌AI的團(tuán)隊(duì)在這篇博文中提到的那樣，開(kāi)發(fā)這類算法需要大量的實(shí)驗(yàn)而沒(méi)有任何明確的方向。不幸的是，大多數(shù)現(xiàn)有的框架都沒(méi)有這種靈活性。如果你在這個(gè)領(lǐng)域工作或研究過(guò)，你就知道重現(xiàn)現(xiàn)有方法有多困難（如果不是不可能的話）。

因此，為了幫助加速研究，并希望讓社區(qū)更多地參與強(qiáng)化學(xué)習(xí)，Google AI團(tuán)隊(duì)開(kāi)放了一個(gè)名為Dopamine的TensorFlow框架，旨在通過(guò)使其更靈活和可重復(fù)性來(lái)創(chuàng)建研究。根據(jù)團(tuán)隊(duì)的官方文檔，他們的設(shè)計(jì)原則是：

簡(jiǎn)單的實(shí)驗(yàn)：幫助新用戶運(yùn)行基準(zhǔn)實(shí)驗(yàn)

靈活的開(kāi)發(fā)：為新用戶提供新的創(chuàng)新想法

緊湊和可靠：為一些較舊和更流行的算法提供實(shí)現(xiàn)

可重復(fù)：確保結(jié)果可重復(fù)

意識(shí)到新人們根據(jù)基準(zhǔn)檢查結(jié)果的重要性，研究人員還發(fā)布了整個(gè)培訓(xùn)數(shù)據(jù)。它可用作Python pickle文件，JSON文件和用戶可以可視化每個(gè)訓(xùn)練迭代的網(wǎng)站。

我們對(duì)此有所了解

請(qǐng)注意，DeepMind對(duì)多巴胺的研究與Google AI的這項(xiàng)工作無(wú)關(guān)。雖然兩者都在很大程度上植根于強(qiáng)化學(xué)習(xí)，但Google AI通過(guò)公開(kāi)采購(gòu)的方式參與了整個(gè)社區(qū)。它肯定有助于它以TensorFlow為基礎(chǔ)，這是深度學(xué)習(xí)社區(qū)中每個(gè)人都熟悉的框架。

強(qiáng)化學(xué)習(xí)可能是一個(gè)令人生畏的主題，但我鼓勵(lì)大家嘗試一下。這個(gè)領(lǐng)域仍然具有潛力，并將在未來(lái)幾年取得很大進(jìn)展。這是一個(gè)很好的入門資源，您也可以參考我們的文章了解初學(xué)者。

如果你想更加了解TensorFlow，或者說(shuō)想實(shí)踐一下人工智能項(xiàng)目，谷歌的另一款工具或許可以幫到你，也就是谷歌的AIY Projects 項(xiàng)目。

在2017 年上半年，谷歌宣布了一個(gè)新的開(kāi)源計(jì)劃--AIY Projects（AIY計(jì)劃），其目標(biāo)是讓每個(gè)Maker（創(chuàng)客）都能DIY自己的 AI 人工智能產(chǎn)品，讓更多人能學(xué)習(xí)、探索并體驗(yàn)人工智能。 AIY 全稱是 Artificial Intelligence Yourself ，顧名思義就是利用 AI 來(lái)進(jìn)行的 DIY 功能套件。借助 AIY 項(xiàng)目，創(chuàng)客可以利用人工智能來(lái)實(shí)現(xiàn)更像人與人交流的人機(jī)交互。谷歌目前為 AIY Projects 推出了兩款硬件產(chǎn)品--AIY Voice Kit 和 AIY Vision Kit。

AIY Vision Kit（視覺(jué)套件）是一套簡(jiǎn)單的計(jì)算機(jī)視覺(jué)系統(tǒng)，可運(yùn)行 3 種基于 TensorFlow 的類神經(jīng)網(wǎng)路模型應(yīng)用程序。

這次 AIY 計(jì)劃推出兩款新品，Edge TPU 是谷歌專用的 ASIC 芯片，專為在 Edge 運(yùn)行 TensorFlow Lite ML 模型而設(shè)計(jì), 用來(lái)處理 AI 預(yù)測(cè)部分。它的特點(diǎn)是比訓(xùn)練模型的計(jì)算強(qiáng)度要小。而且 Edge TPU 還可以自己運(yùn)行計(jì)算，不需要與多臺(tái)強(qiáng)大計(jì)算機(jī)相連，因此應(yīng)用程序可以更快、更可靠地工作。它們可以在傳感器或網(wǎng)關(guān)設(shè)備中與標(biāo)準(zhǔn)芯片或微控制器共同處理 AI 工作。針對(duì)Edge TPU的新設(shè)備是：AIY Edge TPU Dev 開(kāi)發(fā)板和 AIY Edge TPU 加速器，二者皆采用 Google 的 Edge TPU 芯片。

四、告別面向Google編程，Copilot測(cè)試版本體驗(yàn)

最近OpenAI和GitHub聯(lián)合發(fā)布了一個(gè)名為Copilot代碼生成工具。這個(gè)工具基于GPT-3自然語(yǔ)言處理模型開(kāi)發(fā)，并使用GitHub上的數(shù)十億行代碼作為訓(xùn)練數(shù)據(jù)，實(shí)現(xiàn)在寫(xiě)代碼時(shí)自動(dòng)提供代碼建議的功能。

目前該產(chǎn)品已經(jīng)在Vscode extenison中上線。作為長(zhǎng)期面向Google編程的小白，當(dāng)然是偷懶等不了明天，早早在官網(wǎng)排隊(duì)等待試用名額，幸運(yùn)地在一兩周前獲得了試用機(jī)會(huì)。

一周的體驗(yàn)下來(lái)，我認(rèn)為Copilot的功能相較于其他代碼補(bǔ)齊工具而言更加強(qiáng)大，更加靈活，甚至有時(shí)讓我有種仿佛Copilot真的能讀懂我的想法和代碼，并且將其實(shí)現(xiàn)的感覺(jué)。顯著提高了寫(xiě)碼效率。

大家對(duì)GPT-3并不陌生 - 或許是2020年最火的自然語(yǔ)言處理模型，訓(xùn)練成本接近500萬(wàn)元，模型參數(shù)超過(guò)1750億個(gè)。他是一個(gè)自回歸模型，通俗理解就是輸入一段文本的前一部分，預(yù)測(cè)接下來(lái)的文本的概率分布。GTP-3 自問(wèn)世以來(lái)就被開(kāi)發(fā)成幾十個(gè)大大小小的不同應(yīng)用，例如進(jìn)行一些創(chuàng)作性寫(xiě)作（詩(shī)歌，小說(shuō)等），編寫(xiě)前端代碼（debuild.co）等等。

魯迅曾經(jīng)說(shuō)過(guò)，XXX是最好的語(yǔ)言，既然GTP-3在語(yǔ)言方面如此有天賦，那么在寫(xiě)代碼方面應(yīng)該也會(huì)有所建樹(shù)吧。果然CodeX - 基于GTP-3微調(diào)后的編程語(yǔ)言版本也在不久后問(wèn)世，而Copilot正是CodeX的第一個(gè)商業(yè)化應(yīng)用。

Copilot官網(wǎng)中列舉了Copilot的四個(gè)使用方向：

可以說(shuō)，如果真的能實(shí)現(xiàn)上述所說(shuō)的四點(diǎn)，那么真的是可以極大地提高代碼編寫(xiě)效率，在拿到試用資格后，我就如上幾點(diǎn)進(jìn)行了體驗(yàn)和測(cè)試，究竟能不能達(dá)到官網(wǎng)上所說(shuō)的神奇效果呢？

首先我創(chuàng)建了一個(gè)新的項(xiàng)目，正巧當(dāng)時(shí)打算瞄一眼比特幣的價(jià)格，對(duì)了，要不讓Copilot幫我寫(xiě)一個(gè)吧！我在注釋中定義了想要的函數(shù)，看看Copilot能不能讀懂我的意思呢？

第一次運(yùn)行的時(shí)候我實(shí)實(shí)在在地被“驚嚇”到了，Copilot似乎是理解了我的注釋，剛開(kāi)始定義函數(shù)，Copilot就迫不及待給我推薦了傳入的參數(shù)，緊接著又推薦了完整的函數(shù)代碼。雖然之前也存在類似語(yǔ)言轉(zhuǎn)代碼生成工具，但是使用的絲滑程度和生成代碼的準(zhǔn)確度上，個(gè)人感覺(jué)Copilot都遙遙領(lǐng)先于其他工具。

更多時(shí)候，我們需要在已有代碼上進(jìn)行添加或者修改，其中不乏需要寫(xiě)一些功能，格式較為相似的函數(shù)。有時(shí)我會(huì)選擇直接復(fù)制粘貼函數(shù)然后進(jìn)行修改，但是一旦需要修改的變量較多，往往會(huì)遺漏導(dǎo)致測(cè)試時(shí)報(bào)錯(cuò)。那么在類似場(chǎng)景下，Copilot是否能給我們提供一個(gè)更合適的“參考答案”呢？

我用以下代碼進(jìn)行了一個(gè)簡(jiǎn)單測(cè)試，在DeepaiImageApi模塊中，我想要通過(guò)兩個(gè)不同函數(shù)分別實(shí)現(xiàn)將圖片數(shù)據(jù)和圖片url傳給DeepAI提供的API接口。在我定義了第一個(gè)函數(shù)方法之后，來(lái)看看Copilot是否能根據(jù)我的注釋直接生成我想要的代碼吧:

結(jié)果是非常Amazing啊，可以看出Copilot不僅提供了符合范式的函數(shù)名，代碼以及符合項(xiàng)目代碼的參數(shù)調(diào)用，并且對(duì)函數(shù)內(nèi)容也有相對(duì)應(yīng)的改動(dòng)(request.post中傳入的files參數(shù)由image變成了url）。說(shuō)明copilot的確將本地文件中的代碼作為了模型的輸入值，并且很好地“理解”了代碼中的重要特征，如格式，規(guī)范，結(jié)構(gòu)等等。

總體而言，雖然Copilot生成的代碼在多數(shù)情況下還需要檢查和調(diào)整，但是他革命性的代碼生成效果還是把初步接觸Copilot的我驚艷到了，有時(shí)就算程序已經(jīng)寫(xiě)好，我還是會(huì)特意按下Ctrl+Enter查看copilot提供的不同思路和方法。

最后夾帶一點(diǎn)點(diǎn)個(gè)人觀點(diǎn)，有人質(zhì)疑Copilot成熟以后或許會(huì)搶走部分程序員的飯碗，或者讓程序員自主思考的能力逐漸退化，作為一個(gè)入門碼農(nóng)來(lái)說(shuō)我目前覺(jué)得并不需要擔(dān)心。Copilot給我的感覺(jué)像是一個(gè)專門提供給程序員的Google，或是一套整理齊全，索引完備的代碼答案庫(kù)，在面對(duì)多數(shù)人遇到過(guò)的類似問(wèn)題的時(shí)候，可以提高編程效率，減少面向Google編程時(shí)搜索合適答案的時(shí)間。

而另一方面，GTP-3本質(zhì)上是一個(gè)自回歸模型，我們無(wú)法依賴其提供給我們更加創(chuàng)新的算法或代碼方案，當(dāng)大多數(shù)程序員從重復(fù)且枯燥的代碼中解放出來(lái)的時(shí)候，或許會(huì)就有更多的人類智慧被利用在創(chuàng)新性的工作中，從而加速行業(yè)的進(jìn)步。

以上就是關(guān)于openai與谷歌什么關(guān)系相關(guān)問(wèn)題的回答。希望能幫到你，如有更多相關(guān)問(wèn)題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會(huì)為您講解更多精彩的知識(shí)和內(nèi)容。