马斯克谈openai面目全非 马斯克为何被openai踢出局
淘宝搜：【天降红包222】领超级红包，京东搜：【天降红包222】
淘宝互助，淘宝双11微信互助群关注公众号 【淘姐妹】
OpenAI联合创始人阿尔特曼和马斯克之间的相互攻击越来越多，正如见闻君此前提及的，他们之间的恩怨可以追溯到8年前。
现在看来，他俩之间恐怕“好戏才刚刚上演”。
据媒体报道，OpenAI正在进军特斯拉的机器人领域，已经投资了挪威人形机器人公司1X。
当地时间3月23日，挪威人形机器人公司1X Technologies宣布完成了2350万美元的A2轮融资，由OpenAI创业基金领投，一同参与投资的还有全球知名资管机构老虎环球基金，以及一个由Sandwater、Alliance 【【微信】】和Skagerak Capital等挪威投资者组成的财团。
据悉，1X打算利用这笔资金来加大其即将推出的双足机器人模型NEO的研发力度，以及在挪威和北美大规模生产其首款商用机器人EVE。
消息一出，便引发了外界对于GPT模型和机器人结合的无限遐想。
据官网介绍，1X原名为Halodi Robotics，成立于2014年，生产能够模仿人类动作和行为的机器人，公司共有60多人。1X称其宗旨是创造具有实际应用价值的机器人，以增加全球劳动力。
问题来了，如果你是马斯克，在看到这个消息的时候，你会是什么感想？
如果把ChatGPT和机器人分别比作人类的大脑和身体，那么OpenAI已经拥有了最强AI大脑，现在它又要进军机器人领域……马斯克要被挑战了。
马斯克去年12月曾在推特上说，OpenAI开发的ChatGPT“好得吓人，我们离强大到危险的人工智能不远了。”
而就在一个月前，据报道，因为不满意OpenAI，马斯克打算另起炉灶研发ChatGPT替代品。
其实，马斯克很早就开始投资AI：
2013年，马斯克个人投资了DeepMind；
2015年他还参与了OpenAI的众筹发起和【【微信】】的B轮融资；
2016年，马斯克又创办了脑机接口公司NeuraLink。
特斯拉也很早就开始布局人工智能。2013年特斯拉凭借Model S的热售，市值突破100亿美元后，马上就开始筹划进军自动驾驶。
一直到2021年8月19日举行的特斯拉AI Day上，特斯拉对自动驾驶“四要素”的全链条掌控已经基本成型：
采用“纯视觉方案”，核心算法基于深度神经网络，在云端由自己研发的Dojo超级计算机进行训练，终端上自研的FSD芯片实时处理周围环境数据，识别对象，预测行为，作出判断，最后控制车辆动作，实现自动或半自动的“智能驾驶”。
为了加快自动驾驶的成熟速度，特斯拉在2020年10月启动了FSD Beta的内测。在2022年的AI Day上，特斯拉给出了一组数据：采集了480万段数据，训练了75778个神经网络模型，其中有281个模型被实际用到特斯拉车上，推动FSD迭代了35个版本。
在披露这些数据前，马斯克在开场白中讲了一句话：基本上我认为，我们是人工智能在现实世界应用的无可争议的领导者。
然而，在ChatGPT火爆全球之后，这句话的可信度显然打了不小的折扣。甚至去年10月发布的特斯拉人形机器人Optimus，近期也彻底成为了全球AI狂欢的背景板。
马斯克最近一直在Twitter上抨击OpenAI。
先是多次公开批评OpenAI的一些限制性安全措施，到了2月17日，他在推文中写道：
“OpenAI是作为一个开源(这就是我为什么把它命名为‘开放’AI)的非营利公司创建的，旨在与谷歌抗衡，但现在它已经成为一个由微软实际上控制的闭源、利润最大化公司。这根本不是我想要的。”
接着在3月15日，他又在推特上写道：
“我仍然很困惑，一个我捐赠了1亿美元左右的非营利组织，是如何变成一个估值300亿美元的营利性组织的。如果这是合法的，为什么不让其他人这样做？”
字里行间，马斯克好气。
马斯克曾是OpenAI的创始人之一。回顾这段历史：
在大约8年前，OpenAI以非营利组织的形式高调成立，得到了马斯克和里德・霍夫曼(Reid Hoffman)等亿万富翁科技名人的支持，他们承诺组团投资10亿美元。ps：非营利组织不是不盈利，但是不分红。
但2018年，马斯克离开了OpenAI董事会，当时声称的原因是避免与特斯拉产生任何利益冲突。但根据上周媒体的报道，马斯克离开的真实原因是夺权失败。
2018年初，马斯克告诉OpenAI的另一位创始人阿尔特曼，他认为OpenAI已经严重落后于谷歌，并提议他来掌控OpenAI并亲自运营。但阿尔特曼和OpenAI的其他创始人拒绝了马斯克的提议。
阿尔特曼当时运营着强大的创业孵化器YCombinator。税务文件显示，除了担任OpenAI董事外，他在2018年还在头衔上增加了总裁一职。
想当老板没成功，后来马斯克干脆钱也不出了，原先承诺将在随后几年内陆续捐赠的约10亿美元（已经捐赠了1亿美元），在他离开之后就停止了付款。
这场冲突也导致了马斯克和阿尔特曼之间的公开决裂。
再后来，OpenAI很快投入微软的怀抱，获得了微软10亿美元投资（现在达到约130亿美元），以支付所有在超级计算机上训练人工智能模型的天文数字费用。
实际上，马斯克和OpenAI之间的纠纷与其是否非营利实体的地位无关，而是OpenAI已经是别人家的AI，要和别人家的机器人结合…似乎有那么点“痛失真爱的遗失感”…
回看2018年，马斯克当时还面临着其他令人头疼的事情：特斯拉当时还很难实现Model 3轿车的生产目标，股价正在下跌，公司甚至濒临破产。
如今OpenAI成为当红明星公司，甚至将谷歌甩在了身后，无疑深深刺痛了当年离开的马斯克，如今科技界最热闹的事情竟和他毫无关系。
最重要的是，马斯克或许还曾坚信，只有他能真正安全开创人工智能时代。
还有一件事，马斯克的爱将安德烈・卡帕斯（Andrej Karpathy），原特斯拉AI高级主管，Autopilot、FSD等等项目的前负责人，在离开特斯拉7个月后，宣布了自己的下一份工作：加入OpenAI（又一次）。
话说回来，ChatGPT告诉我们：人工智能的发展总是呈现非线性的，一旦“奇点”临近，爆发就会以难以想象的速度来临。
谁都不敢妄言特斯拉测试两年多的FSD Beta不会在不远的未来取得突破，这台装了FSD芯片的机器人，也是一样。
据上周媒体报道，马斯克旗下脑机接口公司Neuralink的运营总监Shi【【微信】】已经卸任了OpenAI董事。Zilis为马斯克生了一对双胞胎。
上周五，马斯克话锋一转，在推特上写道：“我相信一切都会好起来的。”
他还发了一个儿童电视节目《芝麻街》中卡通人物艾蒙(Elmo)的表情包，上面写着：
“我意识到，人工智能这个人类有史以来创造的最强大工具，现在掌握在一个无情的垄断企业手中。”
最新，马斯克在回应推特网友推文时称，微软联合创始人比尔・盖茨(Bill Gates)对人工智能的理解依然“有限”。
本文来自微信公众号“华尔街见闻”（ID:wallstreetcn），作者：王眉，36氪经授权发布。
GPT-4比ChatGPT有何进步？黄仁勋与OpenAI联合创始人进行了一次“炉边谈话”
gpt4比gpt3.5,gpt4比gpt3,gpt4比gpt3.5回复慢,gpt-4比上一代大数据文摘出品作者：Caleb英伟达碰上OpenAI会擦出怎样的火花？就在刚刚，英伟达创始人兼首席执行官黄仁勋在GTC的炉边谈话中与OpenAI共同创办人Ilya Sutskever进行了一次深入交流。视频链接：
https://www.nvidia.cn/【【微信】】/【【微信】】-catalog/?tab.catalogall【【微信】】stab=16566177511100015Kus#/【【微信】】/1669748941314001t6Nv
前两天，OpenAI推出了迄今为止最强大的人工智能模型GPT-4。OpenAI在官网上称GPT-4是“OpenAI最先进的系统”，“能够产生更安全、更有用的响应”。Sutskever在谈话中也表示，与ChatGPT相比，GPT-4在许多方面标志着“相当大的改进”，并指出新模型可以读取图像和文本。他说，“在未来的某个版本中，[用户]可能会得到一张图表”以回应提问和查询。毫无疑问，随着ChatGPT与GPT-4在全球范围内的爆火，这也成为了这次谈话的关注焦点，而除了GPT-4及其前身包括ChatGPT相关话题外，黄仁勋与Sutskever也聊到了深度神经网络的能力、局限性和内部运作方式，以及对未来AI发展的预测。接下来就和文摘菌一起深入这场对话看看吧~从网络规模和计算规模还无人在意时做起可能不少人一听到Sutskever的名字最先想到的就是OpenAI及其相关的AI产品，但要知道，Sutskever的履历可以追溯到吴恩达的博士后、Google Brain的研究科学家，以及Seq2Seq模型的合作开发者。可以说，从一开始，深度学习就与Sutskever绑定在了一起。在谈及对深度学习的认识时，Sutskever表示，从现在来看，深度学习确实改变了世界。不过他个人的出发点更多是在于对AI存在的巨大影响潜力的直觉，对意识与人类体验的浓厚兴趣，以及认为AI的发展会帮助解答这些问题。2002-03年期间，人们普遍认为学习是一件只有人类才能做到的事，计算机是无法学习的。而如果能让计算机具有学习的能力，那将是AI领域一次重大的突破。这也成了Sutskever正式进军AI领域的契机。于是Sutskever找到了同一所大学的Jeff Hinton。在他看来，Hinton所从事的神经网络正是突破口，因为神经网络的特性就在于能够学习，可以自动编程的并行计算机。而彼时并没有人在意网络规模和计算规模的重要性，人们训练的神经网络只有50个或100个，数百个的规模已经算大的了，一百万的参数也被视为很庞大。除此之外，他们还只能在没有优化过的CPU代码上跑程序，因为没人懂BLAS，多用优化后的Matlab做一些实验，比如用什么样的问题来提问比较好。但问题是，这些都是很零散的实验，无法真正推动技术进步。构建面向计算机视觉的神经网络当时，Sutskever就察觉到，有监督学习才是未来前进的方向。这不仅是一种直觉，也是无需争辩的事实。在神经网络足够深且足够大的基础上，那么它就有能力去解决一些有难度的任务。但人们还没有专注在深且大的神经网络上，甚至人们根本没有把目光放在神经网络上。
