Google 最近发布了最新的 Gemini 1.5 语言模型,震惊了世界。这是目前功能最强大的模型,拥有 100 万个上下文窗口,是所有大型基础模型中最大的。 OpenAI 的 GPT-4 才具有 128K
上下文窗口。
最近,谷歌最接近的竞争对手之一 Anthropic 发布了下一个版本的人工智能聊天机器人 Claude 3.0。
什么是 Claude 3.0
Claude 3.0 是继去年发布 Claude 2.0 之后,Anthropic 主要语言模型的最新版本。这是一次重大升级,具有三种不同大小的新 model :
- Claude 3.0 Opus 最大
- Claude 3.0 Sonic
- Claude 3.0 HiQ
Opus 模型声称甚至比 OpenAI 的 GPT-4 更好,通过改进许多不同任务的能力以及对理解图像的新支持,此版本标志着 Anthropic 向前迈出了一大步。
Claude 3.0 有什么新功能?
Claude 3.0 中最大的新增功能是支持理解图像、图表、手写等以及文本。以下是视觉功能的一些用例:
- 从图像中读取文本(OCR)
- 分析图像内容
- 解释数据可视化
根据 Anthropic 的基准测试,Claude 3.0 的视觉性能与其他具有视觉理解能力的领先语言模型相当,有时甚至更好。
Claude 3.0 的另一个重大改进是减少了不必要的 refusals
,这是之前的 Claude 2.0 中最烦人的功能之一。
3个新的Models
Claude 3.0 版本的一项新功能是,它针对不同的用例和预算提供了三种不同大小的模型:
Claude 3.0 Opus
:最大、最强大的 model,适用于最苛刻的应用。 Opus 是拉丁语,意思是伟大的作品或杰作。Claude 3.0 Sonic
:中型 model,非常适合大多数一般商业和消费者需求。Claude 3.0 HiQ
:紧凑型 model,用于更简单的任务并在移动设备上使用。 HiQ 取自 “高品质”。
在下图中,Claude 3.0 Opus
在各种语言、推理和编码任务上似乎都优于 OpenAI 的 GPT-4。
Anthropic 的 Claude 3.0 基准测试
然而,基准测试显示了 Claude 3.0 仍然存在问题的领域,例如图表和图形等数据可视化的高级数学推理。目前还不清楚哪种模型总体上更适合通用智能。
Claude 3 最令人兴奋的功能之一是它能够处理极长的输入,同时保持对细节的精确记忆,主要体现在以下三点。
- Claude 3 提供了
200,000
个 Token 的上下文窗口 - 这些模型实际上可以处理超过
100 万
个 Token - Anthropic 可以为某些高需求用途启用此
1M
上下文
Claude 3.0 的局限性
Claude 3 非常令人印象深刻,但根据早期测试,它仍然面临几个关键限制。
- 它难以进行高级数学推理,尤其是图表和图形等数据可视化
- 与以前的语言模型类似,某些输出存在种族偏见和不一致
- 缺乏现实世界传感器和数据的基础,因此可能会产生训练领域之外的难以置信的信息
- 尽管加强了安全控制以限制不道德/非法输出,但滥用的可能性仍然存在
总结
从现在开始,人们可以期望越来越多的模型支持极长的上下文窗口,扩展到数百万个 Token ,那么这将是一种革命性的能力。为构建强大的应用程序提供了巨大的潜力,这些应用程序利用这些语言人工智能增强的多模式和推理能力。
最后
为了帮助大家更好的学习人工智能,这里给大家准备了一份人工智能入门/进阶学习资料,里面的内容都是适合学习的笔记和资料,不懂编程也能听懂、看懂,所有资料朋友们如果有需要全套人工智能入门+进阶学习资源包,可以在评论区或扫.码领取哦)~
在线教程
- 麻省理工学院人工智能视频教程 – 麻省理工人工智能课程
- 人工智能入门 – 人工智能基础学习。Peter Norvig举办的课程
- EdX 人工智能 – 此课程讲授人工智能计算机系统设计的基本概念和技术。
- 人工智能中的计划 – 计划是人工智能系统的基础部分之一。在这个课程中,你将会学习到让机器人执行一系列动作所需要的基本算法。
- 机器人人工智能 – 这个课程将会教授你实现人工智能的基本方法,包括:概率推算,计划和搜索,本地化,跟踪和控制,全部都是围绕有关机器人设计。
- 机器学习 – 有指导和无指导情况下的基本机器学习算法
- 机器学习中的神经网络 – 智能神经网络上的算法和实践经验
- 斯坦福统计学习
😝有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
人工智能书籍
- OpenCV(中文版).(布拉德斯基等)
- OpenCV+3计算机视觉++Python语言实现+第二版
- OpenCV3编程入门 毛星云编著
- 数字图像处理_第三版
- 人工智能:一种现代的方法
- 深度学习面试宝典
- 深度学习之PyTorch物体检测实战
- 吴恩达DeepLearning.ai中文版笔记
- 计算机视觉中的多视图几何
- PyTorch-官方推荐教程-英文版
- 《神经网络与深度学习》(邱锡鹏-20191121)
- …
😝有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
第一阶段:零基础入门(3-6个月)
新手应首先通过少而精的学习,看到全景图,建立大局观。 通过完成小实验,建立信心,才能避免“从入门到放弃”的尴尬。因此,第一阶段只推荐4本最必要的书(而且这些书到了第二、三阶段也能继续用),入门以后,在后续学习中再“哪里不会补哪里”即可。
第二阶段:基础进阶(3-6个月)
熟读《机器学习算法的数学解析与Python实现》并动手实践后,你已经对机器学习有了基本的了解,不再是小白了。这时可以开始触类旁通,学习热门技术,加强实践水平。在深入学习的同时,也可以探索自己感兴趣的方向,为求职面试打好基础。
第三阶段:工作应用
这一阶段你已经不再需要引导,只需要一些推荐书目。如果你从入门时就确认了未来的工作方向,可以在第二阶段就提前阅读相关入门书籍(对应“商业落地五大方向”中的前两本),然后再“哪里不会补哪里”。
😝有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓