近日，谷歌DeepMind的研究人员推出了，首个无需数据标记、无监督训练的生成交互模型——Generative Interactive Environments，简称“Genie”。
Genie是一个具有110亿参数的模型，它能够根据图像、真实照片甚至草图生成可控制动作的视频游戏。这个模型的特点是无需数据标记和无监督训练，它通过3万小时、6800万段游戏视频进行了大规模训练，而且训练过程中没有使用任何真实动作标签或其他特定提示。
Genie的核心架构使用了ST-Transformer（时空变换器），这是一种结合了Transformer模型的自注意力机制与时空数据的特性，有效处理视频、多传感器时间序列、交通流量等时空数据的方法。ST-Transformer通过捕捉数据在时间和空间上的复杂依赖关系，提高了对时空序列的理解和预测能力。
Genie的架构主要由三大模块组成： 1. 视频分词器：基于VQ-VAE的模块，将原始视频帧压缩成离散的记号表示，以降低维度并提高视频生成质量。 2. 潜在动作模型：无监督学习模块，从原始视频中推断出状态变化对应的潜在动作，并实现对每一帧的控制。 3. 动力学模型：基于潜在动作模型学习到的动作关系，预测下一帧的视频。
除了视频游戏，你觉得 Genie 模型还能在哪些其他领域发挥作用？
就在刚刚，马斯克将 OpenAI CEO&联合创始人 Sam Altman 告上法庭。马斯克指控OpenAI违反了其创立协议，该协议旨在开发对全人类有益的非营利性AI技术。
诉讼文件中提到，马斯克和其他原告认为OpenAI的管理层在2023年背离了其非营利的使命，转而与微软建立了独家合作关系，并将先进的AI技术GPT-4的秘密化，以服务于微软的商业利益。
马斯克之前也表达了对AGI的担忧，他与DeepMind联合创始人Demis Hassabis的会面，以及他对AI可能带来的社会威胁的担忧。马斯克和Altman共同创立OpenAI的初衷是确保AI技术的发展能够惠及全人类。然而，随着OpenAI在AI领域的领先地位日益巩固，尤其是在开发出GPT-4模型后，公司的方向发生了根本性转变。
在这场法律风暴中，在AI技术可能带来的潜在风险和利益之间，你更倾向于哪一方？
感兴趣的小伙伴可以戳链接详细了解：https://new.qq.com/rain/a/20240301A06PR600 1.2万字指控细节：https://www.courthousenews.com/wp-content/uploads/2024/02/musk-v-altman-openai-complaint-sf.pdf
近期，阿里巴巴智能计算研究所提出了一种新的生成式框架 EMO，是一种富有表现力的音频驱动的肖像视频生成框架，用户只需提供一张照片和一段音频文件，EMO就能生成会说话唱歌的AI视频，实现无缝对接的动态小视频，最长时间可达1分30秒左右。这项技术的应用场景非常广泛，从电视剧角色的语音合成到音乐视频中的虚拟表演者，都有可能被AI技术所取代。
EMO框架使用Audio2Video扩散模型，通过三个阶段的技术处理，包括帧编码、音频编码和去噪操作，以及参考注意力和音频注意力机制，来生成富有表现力的人像视频。
目前，EMO 框架上线到 GitHub 中，相关论文也在 arxiv 上公开。
GitHub：https://github.com/HumanAIGC/EMO
论文：https://arxiv.org/abs/2402.17485
太疯狂了，还没有从 Sora 和 Pika 的 Lip Sync 的震惊中走出来，今天又发现一个 AI 驱动的电影生成和视频剪辑平台：LTX Studio。
LTX Studio 提供的可视化专业视频控制台，可以帮助用户进一步优化视频的细节达到商业级视频，并且附带语音解读而Sora目前无法提供。
核心功能： ⚡支持通过文字直接生成复杂的剧情视频，包含语音、音效以及视频画面，支持编辑画面内容。 ⚡支持通过故事板组织和剪辑生成的视频，你可以自定义演员场景和造型。
加入等待列表：https://ltx.studio
今天，全球最大开源平台之一GitHub在官网宣布——GitHub Copilot Enterprise正式全面发布。
GitHub Copilot Enterprise核心模块之一GitHub Copilot，是一款基于OpenAI的GPT-4模型，并结合自身积累十多年真实、安全可靠的代码数据开发而成，开发人员通过文本提示就能获取、审核、扩展代码等功能。 其核心功能及亮点如下：
1. 基于OpenAI的GPT-4模型：GitHub Copilot Enterprise利用了先进的语言模型，结合了GitHub的大量代码数据，为开发人员提供智能的代码辅助。 2. 文本提示代码生成：开发人员可以通过简单的文本提示，让GitHub Copilot Enterprise帮助生成、审核和扩展代码。 3. 减少重复性工作：根据调查，大多数开发人员表示使用GitHub Copilot可以减少在重复性编码任务上的精力。 4. 节省搜索时间：GitHub Copilot Enterprise可以帮助开发人员减少在搜索信息上的时间，提高工作效率。 5. 深度了解企业代码库：GitHub Copilot Enterprise能够简化代码导航和理解，加速代码部署、问题解决和代码现代化。 6. 集成ChatGPT聊天功能：开发人员可以通过自然语言与GitHub Copilot Enterprise交流，提出关于代码的问题，并获取帮助。 7. 个性化代码建议：GitHub Copilot Enterprise可以根据企业的特定代码库和标准提供个性化的帮助和建议。 8. 快速审核拉取请求：通过分析拉取请求的差异，GitHub Copilot Enterprise可以帮助审核人员快速了解变更，节省时间并提供有价值的反馈。 9. Bing搜索引擎集成：为了帮助开发人员减少信息搜索时间，GitHub Copilot Enterprise集成了Bing搜索引擎，提供大规模的专业数据搜索。 10. 微调功能：GitHub Copilot Enterprise将推出基于用户个人代码库的微调功能，使得生成的代码更加个性化，进一步帮助开发者提高效率。 11. 价格和订阅：GitHub Copilot Enterprise的月费为39美元，提供了个人和商务版，包括无限的消息、交互、历史记录以及基于存储库的语义搜索等功能。
使用地址：https://github.com/features/copilot/plans
