亚马逊被曝秘密研发新家用机器人,具备类似ChatGPT功能
5月10日消息,据泄露的内部文件显示,零售巨头亚马逊正秘密研发其家用机器人Astro的升级版,以使它能更好地理解其所观察到的东西,并更智能化地对事物做出反应。
文件显示,该项目的内部代号为“Burnham”,该项目为Astro增加了一层“智能和对话语音界面”。文件中称,亚马逊将这项名为“情景理解”的新技术描述为“我们最新、最先进的人工智能技术,旨在让机器人更智能化、更有用、更善于对话”。
在与Burnham有关的文件中,亚马逊描述了一款售价995美元的Astro产品。根据该文件,拥有标准家庭监控功能的“Burnham Plus”每月收费24.99美元,而配备亚马逊Ring门铃摄像头的Burnham Plus每月收费34.99美元。
Burnham的用途相当广,可以支持一系列其他产品。文件中称,这项技术“可以记住它看到和理解的东西”,并从这些互动中理解更深层次的意义。它还可以使用ChatGPT等应用中常见的、基于大型语言模型(LLM)的技术,就其看到和理解的内容进行对话,并在此基础上采取适当的行动。
例如,如果Burnham发现炉火未熄灭或水龙头在无人看管的情况下放水,它会找到主人并提请他们注意。如果一位老人在厨房滑倒,Burnham可以帮助检查以确保他没事,并打电话给其他人来帮忙。如果是紧急情况,Burnham会自动拨打相应的紧急电话求助。
主人可以询问Burnham自己把钥匙放在哪里了。它还可以检查厨房的窗户昨晚是否开着,监控孩子们放学后是否有朋友过来。
一份内部文件写道:“简单地说,我们的机器人已经拥有强壮的身体,下一步需要的是大脑。拥有Burnham的机器人可以像人类那样理解家中每天发生的各种琐事,而不必为每件事都进行编码,因为‘常识’知识隐含在语言模型所依据的数据中。”
此举代表着Astro的下一个成长阶段。Astro是一款亚马逊投入巨资、由智能助手Alexa驱动的家庭监控机器人,但到目前为止,它似乎没有实现亚马逊的远大期望。尽管经过了多年的投资和数百人的努力,Astro的能力依然平庸,仍然很难购买,因为它仍然只接受邀请,即使在推出18个月后也是如此。
随着微软和谷歌等竞争对手在人工智能聊天机器人市场上遥遥领先,这也是亚马逊将生成式人工智能(AIGC)和LLM技术整合到其现有产品和服务中的最新例子。据报道,亚马逊正计划升级其Alexa语音技术,使其具有类似ChatGPT的功能,同时它还希望构建人工智能工具,为广告商自动生成图片和视频。
亚马逊首席财务官布莱恩·奥尔萨夫斯基(Brian Olsavsky)上个月表示,更多的投资正在从其核心物流业务转向此类人工智能和LLM技术。
在一封电子邮件中,亚马逊发言人称Astro“有一个前景光明的开端”,申请获得邀请的请求“仍然很强劲”,但他没有提供具体数字。这位发言人补充说:“我们对人工智能技术的潜力感到兴奋,并期待着利用这些技术为Astro创造新的体验,这将取悦客户,让他们的未来生活变得更加轻松。”
亚马逊研发Burnham的灵感来自一篇大型语言模型领域的研究论文。亚马逊在文件中称,随着LLM规模的扩大,它们开始展示“推理和解决问题的新技能”。当人工智能模型根据新数据做出预测时,就会进行推理。
例如,亚马逊发现,有了LLM,家用机器人不但可以执行简单的任务,例如发现灯是否没有关闭或门是否开着。取而代之的是,它们现在可以处理更复杂的任务,比如检测地板上的碎玻璃,它们知道玻璃碎片很危险,需要在有人踩到它之前清理干净。
亚马逊进行了一次概念演示,以测试其新型家用机器人演示推理和解决问题的能力。测试取得了成功。该公司的内部文件写道:“当我们了解这对我们的机器人意味着什么时,你可以想象我们的兴奋之情。我们知道,在Burnham集成到产品中之前,我们还有很长的路要走,但我们已经学到了足够多的东西,相信它会成功。”
据知情人士透露,与亚马逊的其他团队一样,Astro部门在过去一年里面临着巨大的成本压力。该团队去年取消了发布低成本模型的内部计划,转而宣布将新的重点放在小企业安全上。
Burnham项目的未来
Burnham可能并不局限于一种产品。在一份内部文件中,亚马逊将它定义为一系列核心技术,而不是产品本身,并表示预计Burnham将“出现在一系列未来的机器人中”。
随着亚马逊试图将人工智能技术从数字领域转移到现实生活的物理环境中,比如进入家庭中心,Burnham可能会测试大型语言模型的局限性。
根据文件所示,亚马逊似乎相信,Burnham是家庭监控机器人的一个显著改进版本,“能让家人安心,觉得家里一切都很好”。
文件还说:“Burnham友好的个性、社交意识和流利的会话使它非常有用,在任何家庭中都将受到欢迎。”
以上是亚马逊被曝秘密研发新家用机器人,具备类似ChatGPT功能的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

本站8月1日消息,SK海力士今天(8月1日)发布博文,宣布将出席8月6日至8日,在美国加利福尼亚州圣克拉拉举行的全球半导体存储器峰会FMS2024,展示诸多新一代产品。未来存储器和存储峰会(FutureMemoryandStorage)简介前身是主要面向NAND供应商的闪存峰会(FlashMemorySummit),在人工智能技术日益受到关注的背景下,今年重新命名为未来存储器和存储峰会(FutureMemoryandStorage),以邀请DRAM和存储供应商等更多参与者。新产品SK海力士去年在

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S
