Meta推动全球AI助手革命:Llama 3引领技术前沿,Meta AI助手全面融入社交媒体平台

每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领域的领跑者。点击订阅,与未来同行! 订阅:https://rengongzhineng.io/

ChatGPT引领了AI聊天机器人的浪潮,而Meta则决心在这场竞赛中胜出。

尝试:https://www.meta.ai/

为此,去年9月推出的Meta AI助手现已整合进Instagram、Facebook、WhatsApp和Messenger的搜索栏,并将直接出现在Facebook主要信息流中。你仍然可以在Meta应用的消息收件箱中与它聊天。现在,首次通过独立网站Meta.ai进行访问也成为可能。

为了使Meta的助手有希望成为真正的ChatGPT竞争对手,其底层模型必须同样优秀,甚至更胜一筹。这也是为什么Meta同时宣布推出Llama 3,其下一代基础开源模型。Meta表示,Llama 3在关键基准测试中胜过同类竞争模型,在诸如编码等任务上表现更佳。今天发布的两个较小的Llama 3模型已经整合在Meta AI助手中,并向外部开发者开放,而一个更大、多模态的版本将在未来几个月推出。

Meta的目标是让Meta AI成为"全球人们可以自由使用的最智能AI助手",CEO马克·扎克伯格告诉我。"有了Llama 3,我们基本上认为我们已经实现了这一目标。"

在美国和其他几个国家,你将开始在更多地方看到Meta AI,包括Instagram的搜索栏。Meta AI助手是我所知的唯一一个集成了来自Bing和Google的实时搜索结果的聊天机器人------Meta将决定何时使用哪个搜索引擎来回答问题。其图像生成能力也已升级,能够在你输入时即时生成动画(本质上是GIF)和高分辨率图像。此外,当你首次打开聊天窗口时,一个受Perplexity启发的提示建议面板旨在"揭示通用聊天机器人能做什么",Meta的生成AI负责人Ahmad Al-Dahle说。

虽然到目前为止它只在美国可用,但Meta AI现在正在向澳大利亚、加拿大、加纳、牙买加、马拉维、新西兰、尼日利亚、巴基斯坦、新加坡、南非、乌干达、赞比亚和津巴布韦等国的英语用户推出,未来还将覆盖更多国家和语言。这与扎克伯格提出的真正全球AI助手的设想还有距离,但这一更广泛的发布使Meta AI离最终触及公司超过30亿的日活跃用户又近了一步。

有人可能会说这是无耻的抄袭。但很明显,扎克伯格认为Meta庞大的规模加上其快速适应新趋势的能力,是其竞争优势。他正用同样的策略在Meta AI上进行投资,将其推广到各处。

"我不认为今天有很多人在谈论主要AI助手时会想到Meta AI,"他承认。"但我认为这是我们真正开始向很多人介绍它的时刻,我预计它将成为一个相当重要的产品。"

今天,Meta正在向外部开发者推出两个开源的Llama 3模型,有一个80亿参数模型和一个700亿参数模型,这两个模型都将在所有主要的云提供商上可用。(从非常高的层次来

看,参数决定了模型的复杂性及其从训练数据中学习的能力。)

Llama 3是一个展示AI模型快速扩展的好例子。去年发布的Llama 2最大版本有700亿参数,而即将推出的大版本Llama 3将有超过4000亿参数,扎克伯格说。Llama 2在2万亿标记上训练,而大版本的Llama 3则有超过15万亿标记。(OpenAI尚未公开确认GPT-4的参数数量或标记。)

Llama 3的一个关键焦点是显著减少其错误拒绝,即模型声称无法回答实际上是无害的提示的次数。扎克伯格举的一个例子是要求它制作一杯"杀手玛格丽塔"。另一个例子是我在去年的一次采访中给他的,当时Meta AI的最早版本不会告诉我如何分手。

Meta还没有最终决定是否将4000亿参数版本的Llama 3开源,因为它仍在训练中。扎克伯格对于出于安全原因不开源的可能性并不看重。

"我不认为我们或其他领域的人在明年工作的任何东西真的处于那种风险的水平,"他说。"所以我相信我们能够开源。"

相关推荐
小鸡吃米…28 分钟前
机器学习 - K - 中心聚类
人工智能·机器学习·聚类
好奇龙猫1 小时前
【AI学习-comfyUI学习-第三十节-第三十一节-FLUX-SD放大工作流+FLUX图生图工作流-各个部分学习】
人工智能·学习
沈浩(种子思维作者)1 小时前
真的能精准医疗吗?癌症能提前发现吗?
人工智能·python·网络安全·健康医疗·量子计算
minhuan1 小时前
大模型应用:大模型越大越好?模型参数量与效果的边际效益分析.51
人工智能·大模型参数评估·边际效益分析·大模型参数选择
Cherry的跨界思维1 小时前
28、AI测试环境搭建与全栈工具实战:从本地到云平台的完整指南
java·人工智能·vue3·ai测试·ai全栈·测试全栈·ai测试全栈
MM_MS1 小时前
Halcon变量控制类型、数据类型转换、字符串格式化、元组操作
开发语言·人工智能·深度学习·算法·目标检测·计算机视觉·视觉检测
ASF1231415sd2 小时前
【基于YOLOv10n-CSP-PTB的大豆花朵检测与识别系统详解】
人工智能·yolo·目标跟踪
水如烟2 小时前
孤能子视角:“意识“的阶段性回顾,“感质“假说
人工智能
Carl_奕然2 小时前
【数据挖掘】数据挖掘必会技能之:A/B测试
人工智能·python·数据挖掘·数据分析
旅途中的宽~2 小时前
《European Radiology》:2024血管瘤分割—基于MRI T1序列的分割算法
人工智能·计算机视觉·mri·sci一区top·血管瘤·t1