苹果和机器学习

苹果在机器学习研究方面进行了重大投资，组建了一支才华横溢的研究人员和工程师团队。他们将机器学习应用于各种项目，包括Siri、照片、健康和CarPlay，增强了用户体验。苹果对机器学习的长期承诺体现在其机器学习研究实习计划上，该计划为早期研究人员提供培训。

在最近的WWDC 2023活动中，苹果展现了对机器学习的热爱，与其竞争对手谷歌等所有不同，避免了“人工智能”这个术语。

在2023年，苹果推出了基于机器学习的新功能，如iOS 16中的Live Text、Visual Look Up和Safety Check。这些举措展示了苹果致力于利用机器学习来改变用户交互方式、改进其产品和服务的决心。预计苹果将继续投资于机器学习研究，并在未来开发新的机器学习驱动的产品。

苹果CEO蒂姆•库克还将公司定位为不感兴趣收集用户数据，他认为这使得苹果不同于谷歌和Facebook等公司。然而，这种对云计算的厌恶对苹果在开发新的机器学习和人工智能功能方面提出了挑战。构建和运行机器学习服务需要计算能力和数据，这两者在云端更容易得到。尽管苹果的移动设备功能强大，但它们可能难以与服务器竞争，尤其是搭载谷歌定制机器学习芯片的服务器。

谷歌一直是人工智能研究和开发的重要参与者，拥有Google Brain等倡议和Google AI Residency Program等项目。该公司在人工智能算法和系统方面取得了突破性的进展，从而创建了以人工智能为动力的产品和服务，如谷歌搜索、谷歌翻译和谷歌照片。谷歌积极开展和发布人工智能研究成果，并投资于人工智能应对全球挑战的潜力。

然而，谷歌现在在生成式人工智能领域面临着来自OpenAI和微软的竞争。在Google I/O上，焦点是Bard，一个旨在与OpenAI的ChatGPT竞争的聊天机器人。一些专家认为，谷歌最近的方法已经变得反应性，并且与其过去注重创新的方式不同。该公司已将其人工智能业务转向优先快速产品发布，这引起了人们对忽视其人工智能历史并有可能在市场上落后的担忧。

谷歌的母公司Alphabet多年来一直在投资人工智能，并于2014年收购了DeepMind。最近，Alphabet将其Google Research团队与DeepMind合并，以整合人工智能工作。然而，一些专家认为，这种整合应该更早地完成，因为谷歌错过了利用其领先的人工智能产品的“柯达时刻”，在2022年落后于微软。

为了加强其人工智能重心，谷歌已经投资于Anthropic等公司，表明其致力于推进人工智能技术。尽管谷歌以前的投资和强大的人工智能技术仍然很重要，但该公司正在努力赶上竞争对手，并更快地将人工智能引入其产品中，类似于微软所做出的努力。

微软和Copilot

近年来，微软在人工智能方面进行了大量投资，其Copilot项目是这种投资最雄心勃勃的例子之一。它是一个功能强大的语言模型，可以生成文本、翻译语言，以及协助各种创意任务。Copilot旨在通过增强生产力、促进创意和推动包容性，改变人们的工作和创造方式。微软计划将Copilot免费提供给Microsoft 365订阅者和作为独立产品。这个工具有潜力革命性地改变人工智能对世界的影响，带来的好处包括提高生产力、提高质量和扩大创造力。微软还扩展了Copilot在CRM和ERP中的应用，推出了Dynamics 365 Copilot，GitHub也推出了面向公众使用的人工智能编码助手Github Copilot for Business。

OpenAGI

OpenAI的CEO Sam Altman和其他创始人在各个平台上讨论了人工智能通用智能（AGI），表达了对其潜在益处的乐观态度和对其风险的担忧。Altman在接受Lex Fridman采访时表示，他认为AGI“可能在10到20年内实现”，并可能对人类产生“积极的影响”，强调确保其负责任的使用的必要性。

Altman在访问印度期间，也在讨论AGI。他认为AGI可能在10到20年内实现，具有解决全球问题的潜力。Altman承认AGI的风险，包括滥用和工作岗位被替代。他认为印度的人才和人口使其成为潜在的AGI领导者。Altman强调现在考虑AGI的风险和好处的重要性。他正在制定安全准则并建立专家社区以负责任地使用AGI。Altman的访问反映了全球对AGI越来越浓厚的兴趣。随着AGI变得更加现实，考虑其潜在好处和风险是至关重要的。在Altman的领导下，OpenAI专注于安全和道德的AGI发展。

在一篇博客文章中，Altman和其他创始人阐述了他们对AGI的愿景，称它可以“解决全球一些最迫切的问题”，例如气候变化、贫困和疾病，同时促进人类的创造力和才华。

然而，他们承认AGI存在潜在的风险，包括将其用于制造自主武器或通过替代人工岗位导致大规模失业。

亚马逊和云服务

Amazon一直在人工智能研究方面进行大量投资，他们的云服务作为人工智能开发和部署的重要平台。他们的人工智能研究团队专注于通过开发新的人工智能技术来提高云服务的性能。

研究领域包括机器学习（ML），重点是训练和部署ML模型的算法和模型。这项研究改进了Amazon的云服务（如SageMaker、Forecast和Personalise）的性能。此外，Amazon的人工智能研究团队致力于开发为人工智能开发人员提供的工具和资源，这些资源可以通过他们的人工智能研究网站获取。

基于云的平台SageMaker使得可以建立、训练和部署用于各种应用的ML模型，例如欺诈检测、客户流失预测和产品推荐。 Amazon的人工智能研究工作正在推进其云的功能和多功能性，为企业和开发人员在其运营和产品中利用人工智能开辟

最近发布的大型语言模型Falcon 40B是在Amazon Web Services (AWS)上开发的。Falcon 40B是一个多功能和强大的语言模型，可用于翻译、问题回答、摘要和图像识别，可以通过Amazon SageMaker JumpStart在AWS上访问。

Meta和自监督学习

Meta于2017年开始了他们的SSL之旅，探索其改进机器学习性能的潜力。他们开发了SimCLR、SwAV和DINO等SSL方法，在图像分类和目标检测等任务中取得了最新成果。Meta投资于大规模计算集群，使他们能够训练更大规模的SSL模型。这一进展对人工智能产生了重大影响，SSL被广泛使用并被视为一种有前途的方法。关键的里程碑包括2018年SimCLR的推出，2019年SwAV的推出以及2020年DINO的推出。在2021年，Meta建造了用于SSL训练的计算集群Megatron。在2022年，他们发表了Data2vec论文，介绍了一种跨语音、视觉和文本模态的SSL算法。Meta在SSL研究方面的持续投资将带来进一步的进步。

来源：https://analyticsindiamag.com/from-ai-to-ml-big-techs-and-their-obsessions/