这一期主要唠唠最近跟AI相关的一些大事，以及发现的几个AI项目，希望对大家有所帮助！
一、模型篇
01 谷歌推出生物AI模型 AlphaFold3
如果是学生物的朋友，相信已经听说过这个模型，简单来说，这个模型是由Google DeepMind 和 Isomorphic Labs 开发的新 AI 模型，这是一个强大的蛋白质折叠预测模型，可准确预测生物分子相互作用的结构。
为什么要研究生物分子相互作用呢？这是因为每个植物、动物和人类细胞内都有数十亿个分子机器，它们由蛋白质、DNA 和其他分子组成，**但没有一个单独的部分可以单独发挥作用，**只有了解它们如何在数百万种组合中相互作用，我们才能开始真正理解生命的过程。
据Google发表的文章，AlphaFold3可以以前所未有的精度预测所有生命分子的结构和相互作用，并且与现有的预测方法相比至少有 50% 的改进，也几乎完美预测了冠状病毒OC43（普通感冒病毒）上刺突蛋白的折叠结构。
原文链接：blog.google/technology/...
02 Apple 推出M4 AI芯片
Apple 宣布推出下一代 Apple Silicon 芯片 M4，这是该公司首款专为 AI 设计的芯片。
新芯片采用 3 纳米架构，在 2024 年 iPad Pro 中首次亮相，拥有比 M2 快 50% 的 10 核 CPU，以及每秒能够处理 38 万亿次运算的新神经引擎。它增强了利用人工智能的应用程序，不过目前 iPadOS 的特定人工智能功能尚未详细说明。
原文链接：9to5mac.com/2024/05/07/...
03 Stack Overflow与OpenAI宣布合作
Stack Overflow是一个面向程序员和计算机科技专业人员的问答平台，在程序员中知名度非常高。
他们这次合作主要是Stack Overflow将向OpenAI提供一个API，从而能为OpenAI提供更准确的，经过验证 的一个问题解决方案，从而提高模型的精确度。并且OpenAI还将直接用Stack Overflow中的经过验证的技术知识呈现到ChatGPT中，使用户能够轻松访问由数百万开发者支持的、可信的、归因的、准确和高度技术性的知识代码。
原文链接：stackoverflow.co/company/pre...
04 微软据悉正在研发新的内部AI模型
据悉，微软正在研发一种新的内部人工智能模型，该模型可以与谷歌、OpenAI、Anthropic 等公司创建的模型竞争。
该模型在内部被称为 MAI-1，预计比微软开源的其他模型"大得多"，大约有500B个参数。
该模型由 Mustafa Suleyman领导的团队负责开发，他于 3 月份被微软聘用，帮助运营其新的消费者人工智能部门。 Suleyman 之前创立了 DeepMind，后来被谷歌收购，最近担任人工智能初创公司 Inflection AI 的首席执行官。
原文链接：www.pymnts.com/artificial-...
05 OpenAI据悉将进入AI搜索赛道
目前科技届的猜测表明，OpenAI正在准备发布一项重大公告，可能会推出一款可能挑战谷歌的新搜索引擎。该引擎可能会使用 Microsoft Bing 的基础设施，并且符合 OpenAI 首席执行官 Sam Altman 的愿景：即超越当前 Google 模式，彻底改变信息发现。
目前AI搜索这个赛道其实也有不少玩家，比如我们之前提过的秘塔AI搜索，以及国外比较知名的
Perplexity AI，如果这个消息属实的话，不知道又会不会是一个降维打击。
原文链接：timesofindia.indiatimes.com/technology/...
二、项目篇
01 LeRobot
这是Hugging Face 团队发布了一个新项目，旨在为现实世界的机器人提供PyTorch中的模型、数据集和工具。该项目的目标是降低进入机器人领域的门槛，以便每个人都能共享数据集和预训练模型并从中受益。
LeRobot包含一些已证明可转移到现实世界的前沿方法，主要关注模仿学习和强化学习。该项目已经提供了一系列预训练模型、包含人类收集演示的数据集和仿真环境，以便在没有组装机器人的情况下开始工作。在未来几周内，计划增加对最经济和能力最强的机器人的支持 。
项目地址：github.com/huggingface...
02 Flowise
Flowise是一个旨在通过拖放界面轻松构建定制的LLM（大型语言模型）应用程序。该项目允许用户通过简单的拖放操作来构建复杂的应用程序，从而降低了使用LLM的门槛。
这个项目大部分由Typescript编写，如果你是前端开发人员，应该会很容易上手！
项目地址：github.com/FlowiseAI/F...
03 Penzai（盆栽）
Penzai是一个基于JAX的库，由Google的Deepmind团队发布，用于将模型编写为可读的、功能性的pytree数据结构，并提供了用于可视化、修改和分析它们的工具。
它专注于使模型训练后的工作变得更加容易，非常适合涉及反向工程或移除模型组件、检查和探测内部激活、进行模型手术、调试架构等研究。Penzai的结构是一系列模块化工具，设计在一起但各自独立使用。
使用Penzai后，你的神经网络可能变成这样
