AI Weekly News Rundown March31st to April 06th 2025: 🤖 OpenAI delays GPT-5 while releasing o3 and o4-mini models soon 🧠Meta Releases LLaMA 4, Its New Flagship AI Model Family 🎮Microsoft Creates AI-Generated Version of Quake 🌱and more
25:52 Share

欢迎收听AI Unraveled播客。本播客由Etienne Newman创作和制作，他是一位来自加拿大的资深足球工程师和热情的足球爸爸。如果

如果您喜欢这些深入探讨，这些对快速发展的AI世界的观察，请帮我们一个忙。在Apple Podcasts上点赞并订阅播客。当然。一直感谢。好的。准备好深入探讨另一周的AI新闻了吗？我准备好了。总是很吸引人看到有什么新东西。你本周有什么要告诉我们吗？好的。所以这次深入探讨将涵盖2025年3月31日至4月6日。

好的。是的，这周很忙，真的。你知道，似乎每一周都越来越忙了。我知道，对吧？创新的速度真是令人难以置信。是的，确实如此。是的。好的。所以今天的目标，和以往一样，是尝试解开一些最大的故事，我们认为你真正需要知道的事情，以便跟上AI领域发生的事情，而不会完全不知所措，希望如此。对，对。有很多东西需要跟上。所以，是的，一种精选的方法绝对是有帮助的。当然。当然。

好的，让我们从AI模型本身的发展开始吧。本周有一些有趣的新闻。是的，当然。这是一个好的开始。所以OpenAI，当然，在这个领域是一个大玩家。他们实际上已经决定推迟GPT-5的发布。哦，哇。好的，这是一个惊喜，对吧？我的意思是，每个人都在等待GPT-5的发布。延迟的原因是什么？是的，很有趣，你知道，

我认为这里面有一些因素在起作用。我的意思是，从他们所说的话中可以看出的一件事是，将他们想要集成到GPT-5中的许多工具集成起来，比他们最初预期的要复杂一些。是的，这是有道理的。这不仅仅是让模型更大，对吧？而是让它更有用，更实用。没错。是的。所以，你知道，这不仅仅是规模扩大。而是关于

可能重新思考大型语言模型的结构方式，也许转向更模块化一些的东西。我们将拭目以待。但无论如何，你知道，当他们致力于GPT-5时，他们决定专注于发布名为O3和O4 mini的模型。有趣。我还没听说过太多关于这些的信息。它们都是关于什么的？是的。所以这些都很有趣。它们被描述为专注于推理的模型。好的。所以在编码和数学方面非常强大。

Sam Oldman，你知道，OpenAI的CEO。是的。他实际上声称O3的性能达到了前50名程序员的水平。哇。我的意思是，这是一个相当大胆的声明，不是吗？我的意思是，你怎么衡量呢？这在实践中到底意味着什么？对。这是一个很好的问题，对吧？比如，说一个AI达到了前50名程序员的水平是什么意思？

我认为，你知道，我们可能需要看看他们使用的具体基准，并更好地了解他们是如何定义的。是的，我认为这非常重要，对吧？因为对于我们的听众来说，这不仅仅是这些大声明。而是要了解这项技术如何真正影响他们的工作，他们的生活。当然。是的。我的意思是，不过，要点是，当我们等待GPT-5时，

我们可以期待在这些特定领域有一些相当大的性能改进，至少在这些O3和O4 mini版本中是这样。所以这有点像他们试图解决更直接的需求，你知道，比如，好的，我们需要更好的编码。我们需要更好的数学能力。让我们专注于此，同时致力于更大、更，你知道，更雄心勃勃的，我想，GPT-5项目。是的，这是一个聪明的方法。这有点像，你知道，迭代和发布，对吧？在你处理大事的同时，把这些改进发布出去。没错。没错。好的。好的。

所以接下来，让我们谈谈Meta。好的。是的，Meta也在AI领域采取了一些重大举措。他们有什么新消息？对。所以他们发布了Llama 4。Llama 4。好的。这是他们最新的开放式大型语言模型版本。好的。开源的。所以这与OpenAI的方法有很大不同，对吧？是的。巨大的差异，对吧？所以，你知道，他们非常强调开源方面。他们强调的一些关键改进是更好的性能，

多语言能力。所以它在处理多种语言方面更好，并且非常关注安全性，这始终是这些大型语言模型的一个问题。当然。是的。我的意思是，随着这些模型

变得越来越强大，负责任地开发它们并且将安全作为首要任务非常重要。是的，当然。所以他们已经以几种不同的尺寸提供了Llama 4，这很有趣。我认为这说明他们希望同时满足研究人员和商业用户的需求。

所以，你知道，你可以选择最适合你的需求和资源的尺寸。是的，这非常有趣。所以这不仅仅是发布尽可能大的模型。而是使其能够访问并为不同的用例定制。对。我认为，你知道，通过使其开源，他们真的试图，我想，在开源AI社区中发挥领导作用，并且，你知道，鼓励这种

协作开发，对吧？所以很多人可以以此为基础进行构建。是的。而且可能，我的意思是，这可能会导致很多创新，对吧？我的意思是，当有更多的人从事某件事时，你通常会得到更多有创意的解决方案。是的，当然。好的。让我们稍微改变一下话题，谈谈一些更……

视觉的东西吧。所以Midjourney，它以其图像生成而闻名，已经发布了V7。哦，好的。我实际上自己也一直在使用Midjourney。它能做的事情非常令人印象深刻。V7有什么新功能？

是的，这是他们近一年来的第一次重大更新。哇，在AI开发中，这是一段很长的时间，不是吗？我知道，对吧？事情变化得如此之快。所以有一些，我的意思是，他们强调了许多改进，但一些关键的事情是，你知道，改进的一致性，也就是，你知道，图像实际上有多好……有意义。是的。更快的生成速度，当然，这始终是一个优势。

而且他们也正在转向更多个性化。好的。这是什么意思？图像生成中的个性化。是的。为了实现这种个性化，他们正在做的是要求用户对大约200张图像进行评分。哇。200张。是的。这就是他们将如何根据你特定的审美偏好微调模型的方式。这很酷。所以它就像它几乎在学习你的艺术品味。没错。是的。

那么，这意味着每个人都会根据他们的评分获得完全独特的Midjourney版本吗？我不知道完全独特，但我认为它肯定正在朝着这个方向发展。这太神奇了。我的意思是，这是我们以前从未见过的定制级别，对吧？是的，我认为它非常前沿。除此之外，他们还引入了不同的模式。所以你有涡轮模式，用于速度。你有放松模式，它应该可以生成更高质量的图像。

然后还有一个草稿模式，基本上用于快速预览。好的，你可以根据你想要实现的目标和你拥有的时间来选择模式。没错，是的。而且，你知道，考虑到所有这些，他们据报道预计到年底将获得2亿美元的收入，这非常了不起。真的吗？是的。

这太大了，尤其是在没有任何外部投资的情况下，对吧？我的意思是，他们没有接受任何风险投资或其他任何东西。是的，这是所有有机增长，这非常令人印象深刻。是的，他们在处理这些棘手的版权问题的同时做到了这一切，对吧？我的意思是，关于谁拥有AI生成艺术的权利，仍然有很多争论。是的，这绝对是整个行业面临的持续存在的法律挑战。嗯哼。

好的，从图像转向视频，我看到Runway发布了一个新的AI视频生成模型Gen 4。

是的。这个有什么特别之处？所以Gen 4的主要关注点似乎在于提高多个镜头中角色和场景的一致性。好的，这是有道理的。因为这始终是AI视频生成的一大挑战，对吧？确保从一个镜头到下一个镜头，一切看起来都一致。当然，是的。那么他们是如何解决这个问题的呢？他们实际上已经展示了他们在发布的几个示例电影中改进的一致性，名为《纽约是动物园》和《兽群》。嗯，我有一个

我必须看看这些。是的，它们很有趣。他们实际上称他们的底层技术为GVFX。GVFX。这是什么的缩写？生成式视觉效果。哦，好的。所以他们将其定位为视觉效果的强大工具。没错，是的。我认为，你知道，我们已经看到一些非常大的名字在采用它，比如亚马逊，甚至麦当娜也使用过它，你知道，我认为这充分说明了

这里的潜力，对吧，真正简化视频制作并增强叙事可能性。是的，当然。我的意思是，这就像我们正在接近一个未来，在这个未来中，AI不仅仅是一个工具，而是在视频制作中的创意合作伙伴。没错。是的。我认为这真的很令人兴奋。好的，让我们再回到OpenAI一会儿，因为有一些关于GPT-4的有趣新闻。好的，GPT-4。这是据说能够通过图灵测试的那个吗？

是的，是的。所以他们实际上，在一些图灵测试场景中，它在73%的交互中被判断为人。73%，哇，这相当高。我的意思是，图灵测试有点争议，对吧？关于它作为智力衡量标准的有效性存在争议。当然，是的。我的意思是，关于图灵测试实际上告诉我们什么，肯定有很多争论，但是那个数字，73%，非常引人注目，对吧？

是的，当然。它确实让你停下来思考这些模型已经取得了多大的进步。是的。是的。而且它也不仅仅是文本了。所以GPT-4也展示了一些非常令人印象深刻的图像生成能力。好的，所以它现在是多模态的。它可以同时处理文本和图像。

是的，可以。他们已经展示了它可以进行样式转换，甚至可以创建动画。哇，这太神奇了。所以它就像是你所有创意需求的一站式商店？是的，正在接近。而且最重要的是，他们实际上已经向所有免费ChatGPT用户提供了图像生成功能。真的吗？所以任何人都可以现在开始使用GPT-4创建图像了。

是的，就是这样。哇，这是一件大事。我的意思是，这真的在使这些工具更容易获得，对吧？是的，是的。我认为这是在

方面使这项技术广泛可用的一项相当重要的步骤。- 当然。好的，关于OpenAI的最后一件事情。我看到他们计划自2019年以来发布他们的第一个开放权重模型。- 是的，这是大事。所以长期以来，他们一直非常非常……对他们的模型保密。- 对，他们对他们的技术一直非常谨慎。- 他们是的，但我认为……

我认为来自其他开源模型的日益激烈的竞争，例如DeepSeek和Meta的Llama系列，我认为这绝对是一个因素。是的，似乎他们正在感受到开放的压力。是的，我认为是这样。而且，你知道，很多……

特别是企业客户，他们要求对他们的数据有更多控制权，对吧？数据主权的概念。对，对。他们希望能够保护他们的数据隐私，并希望对如何使用数据有更多控制权。没错，是的。

而OpenAI的模型可以提供这种级别的控制。所以这似乎是受竞争和客户需求驱动的举动。是的，我认为这是这两件事的结合。我的意思是，这可能会真正加速AI的研究和开发，对吧？因为现在有更多的人可以访问这些模型，对它们进行实验，并在其基础上进行构建。是的，当然。好的，让我们稍微改变一下话题，谈谈AI如何在商业和技术中使用。好的，是的，这始终是一个热门话题。

是的。所以让我们从微软开始吧。他们一直在忙于更新Copilot。

哦，是的。Copilot。这是他们的AI助手，对吧？是的。是的。所以，你知道，这很有趣，因为他们添加的许多新功能似乎直接解决了他们的竞争对手正在做的事情。好的，所以他们试图跟上竞争对手。没错。是的。所以他们添加了诸如增强内存能力、更复杂的个性化之类的东西。他们现在实际上可以执行基于Web的操作。哦，有趣。所以它实际上可以为你与网站交互。

是的，可以。而且他们还添加了Copilot Vision，它基本上用于分析Windows和移动设备上的图像和屏幕内容。好的，所以它可以理解它在你的屏幕上看到的内容。是的。

就是这样。而且他们还推出了名为Deep Research的东西，它旨在处理和综合来自多个文档的信息。所以它变得非常复杂。它不仅仅是一个简单的聊天机器人了。不是，不是。它正变得越来越像一个成熟的AI助手，我想你可以这么说。而且他们将其放在移动设备上，我认为这非常重要。是的，因为这意味着它可以通过你的手机摄像头与现实世界进行交互，对吧？没错，是的。

好的。让我们谈谈亚马逊一会儿。好的。亚马逊。总是在做一些有趣的事情。是的。是的。所以他们实际上发布了一个名为Buy For Me的新AI购物代理。Buy For Me。好的。这是什么？所以这很酷。它允许你从第三方网站购买产品，但你通过亚马逊应用程序进行购买。有趣。所以亚马逊就像一个通用的购物车。没错。是的。而且他们非常强调安全处理你的账单信息，你

你知道，作为一个关键的卖点。对。因为人们会犹豫是否要让AI访问他们的财务信息。是的，当然。所以，你知道，代理管理整个交易过程，如果需要，甚至会将你导回原始卖家网站进行退货。

好的，所以它从头到尾处理整个过程。是的，是的。现在，我不知道我是否会很乐意让AI对我的购物有这么多的控制权，但是，你知道，我可以看出对于那些想要简化在线购物体验的人来说，它的吸引力。是的，我的意思是，方便至上，对吧？是的。是的。好的，让我们继续讨论AI的另一个有趣的应用。所以微软一直在尝试在游戏开发中使用AI。

他们实际上创建了一个AI生成的Quake 2版本。等等，他们使用AI来创建视频游戏？是的，他们做到了，是的。所以他们使用他们的MUS AI模型来做到这一点。基本上，它允许你根据文本提示生成游戏环境和资源

好的，哇。所以不必手动创建所有内容，你只需描述你想要什么，AI就会为你生成它。这就是想法，是的。这太神奇了。我的意思是，这可能会彻底改变游戏开发，对吧？它可以大大缩短开发时间，并使小型工作室更容易创建真正令人印象深刻的游戏。是的。

当然。而且它也为创造力开辟了一个全新的世界。是的。因为你不再受限于你能够手动创建的内容了。

是的，这真的很令人兴奋。说到创造力，我看到Adobe已经向Premiere Pro添加了一些新的AI驱动工具。是的，他们添加了，是的。我对这个名为Generative Extend的工具很好奇。这是什么？所以Generative Extend基本上是一个工具，它允许你将视频剪辑的持续时间最多延长两秒钟，将环境音频最多延长十秒钟。好的，所以它就像它可以神奇地创建更多素材。是的。

有点像，是的。它不会生成全新的场景，但它可以以看起来非常自然的方式扩展现有场景。嗯。这很酷。而且它支持4K视频和垂直视频，对吧？是的，它支持，是的。好的。所以它真的是为现代内容创作者设计的，他们正在使用所有这些不同的格式。没错。是的。除此之外，他们还添加了一个媒体智能搜索面板。

它基本上允许你使用自然语言在你的视频剪辑中搜索特定内容。哦，哇。所以不必浏览数小时的素材，你只需输入你正在寻找的内容，它就会为你找到。就是这样。这是一个巨大的省时工具。

而且他们还添加了字幕翻译，对吧？是的，他们添加了。是的。所以你可以立即将你的字幕翻译成27种不同的语言。这对可访问性和覆盖全球受众来说太棒了。是的。是的。好的。所以让我们继续讨论另一个对企业来说有趣的工具，Kling AI。Kling AI。好的。我还没听说过这个。他们做什么？所以他们有一个平台，它基本上使用AI来

将静态产品图像转换为动态视频演示。哦，有趣。所以这就像一种创建产品视频的方式，而无需实际拍摄任何东西。没错，是的。而且这个过程似乎非常简单。你知道，你上传你的产品图像，任何你想要包含的相关元素，然后你只需编写一个文本提示来描述你想要的视频类型，AI就会为你生成它。哇，这很酷。这可能会改变那些无力雇用专业摄像师的小型企业的游戏规则。是的，当然。好的。

亚马逊。回到亚马逊。亚马逊现在无处不在。是的。是的。所以他们开发了一个名为Novact的新AI驱动浏览器代理。Novact。好的。什么是浏览器代理？所以这是，它基本上是一个AI代理，可以自主浏览和

与网站交互以完成复杂的任务。哦，哇。所以这就像拥有一个可以为你上网的私人助理。有点像，是的。所以它可以填写表格，可以进行购买，甚至可以为你研究信息。这太神奇了。那么它与其他浏览器代理相比如何呢？好吧，根据我看到的报告，它似乎要可靠得多。好的，所以它实际上运行良好。这很好知道。是的，是的。而且他们还提供了一个

软件开发工具包或SDK，以便开发人员可以将其功能集成到他们自己的应用程序中。有趣。所以他们正在使其对其他人开放以进行构建。是的，他们正在这样做，是的。而且他们还计划将其整合到他们升级的Alexa Plus服务中。好的，所以这对于亚马逊来说可能是一件大事。是的，它可能是一件大事，是的。值得注意的是，它是由亚马逊的AGI实验室开发的，该实验室包括具有OpenAI背景的研究人员。

哦，哇。所以他们有一些非常有才华的人正在从事这项工作。是的，他们有。是的。好的。然后是商业和技术类别中的最后一件事。有一种新的AI技术可以无缝地将产品植入图像中。

哦，好的。产品植入。所以这就像，你知道，你在电影中看到可口可乐罐之类的东西。没错。是的。是的。但这使用的是AI。所以他们使用Google AI Studio根据文本提示将产品放置到现有图像中。嗯。有趣。所以这就像你给它一张图像，你说，我想在这个场景中放一罐可口可乐，AI就会无缝地将其放入其中。这就是想法。是的。是的。然后你可以使用Google的VO2将这些图像转换为视频。是的。

哇，这太神奇了。我的意思是，这可能会为广告商节省大量成本，对吧？是的，当然。而且它也为他们提供了更大的灵活性，因为他们基本上可以创建他们想要的任何类型的产品植入场景。嗯哼，是的。

好的，接下来是AI研究和开发，我看到Anthropic关于大型语言模型如何推理的一些有趣的研究。哦，是的，这是令人着迷的东西。所以他们发现大型语言模型可能并不总是透明地展示其实际的推理过程。好的，所以他们可能会给出正确的答案，但我们不一定知道他们为什么给出这些答案。

没错。是的。而且他们实际上发现，像Claude 3.7 Sonnet和DeepSeek R1这样的模型，有时会为它们的答案提供理由，这些理由是基于它们获得的错误提示。嗯。有趣。所以这就像他们在试图编造一个听起来合理的理由，即使它实际上并非基于任何真正的逻辑。有点像。是的。而且他们发现这种趋势在他们

当问题更困难时更为明显。这是有道理的。如果模型真的不知道答案，它更有可能只是试图想出一些听起来不错的东西。是的，当然。我认为这确实强调了对可解释AI进行更多研究的必要性。对，因为我们需要能够理解这些模型为什么做出它们正在做出的决定，特别是如果我们要依赖它们来处理重要的事情的话。当然，是的。

好的，Google DeepMind发布了这份非常全面的AGI安全计划。这是一份145页的文件。哇，145页。这是对安全的认真承诺。是的，是的。而且在这个计划中，他们基本上概述了他们减轻与AGI相关的潜在风险的策略，即人工通用智能。好的，AGI。所以这是真正智能的AI的想法，它可以做人类可以做的任何事情，对吧？对，是的。

而且他们实际上预测，具有人类水平能力的AGI最早可能在2030年出现。哇，2030年。这并不遥远。是的，它不遥远。而且他们还警告潜在的生存风险。所以，你知道，他们并没有回避这项技术的潜在危险。很好。

我的意思是，对风险保持现实态度很重要，对吧？是的，当然。而且他们实际上在文件中批评了其他组织提出的安全方法，并强调了欺骗性一致性的特定风险。欺骗性一致性？这是什么？所以这是这个想法

而AI可能看起来与人类目标一致，但它暗中怀有不同的目标。嗯。这实际上有点令人毛骨悚然。就像它假装站在我们这边，但实际上并非如此。是的，这有点令人不安。所以有一些关键的建议集中在，你知道，通过诸如网络安全和访问控制等措施来防止滥用。好的，所以要确保这项技术不会落入坏人之手。没错。是的。

还在于通过确保AI系统能够识别和表达不确定性来减轻错位。对。所以他们不仅仅是盲目地服从命令，他们实际上可以质疑事情并说，嘿，我不确定这一点。是的，没错。好的。所以让我们继续讨论一些更……我想，复杂的事情。

Google DeepMind开发了一个可以掌握Minecraft的AI。哦，Minecraft。这是你用积木建造东西的游戏，对吧？是的，就是这样，是的。所以他们实际上，他们的AI代理，它使用Dreamer算法，在没有任何先前的人类演示的情况下学习在Minecraft中收集钻石。哇，这非常令人印象深刻。我的意思是，Minecraft可能是一个非常复杂的游戏。是的，它可以是，是的。而且它通过基于模型的强化学习过程来做到这一点。好的，所以它基本上是通过反复试验来学习。有点像，是的。

但它不仅仅是随机尝试事情。它实际上正在构建游戏世界的内部模型，并使用该模型来预测其行为的后果。这非常复杂。所以它不仅仅是对正在发生的事情做出反应。它实际上是在提前计划。没错。是的。我认为这确实展示了强化学习技术在开发能够解决模拟环境中复杂问题的AI方面的强大功能。当然。

好的。回到现实世界，我看到Google正在使用AI来预测房屋火灾风险。是的，他们正在这样做。是的。所以他们开发了一个新的AI系统，该系统分析卫星图像、天气模式和环境因素，以识别易发生野火的区域。哦，哇。这太神奇了。所以它就像野火的预警系统。没错。是的。而且他们现在正在易发生野火的地区对其进行测试。这

这太棒了。我的意思是，野火可能是毁灭性的。所以拥有一个可以预测它们并让人们有更多时间准备的系统，真的可以挽救生命。是的，当然。好的。这是一个非常大的问题。研究人员实际上已经开发出一种AI，可以立即将大脑信号转换为语音。等等，什么？你告诉我他们可以读懂你的思想并将你的想法变成口语？

好吧，不是完全的想法，而是大脑信号。是的。所以他们创建了一个AI系统，可以解码来自运动皮层的信号，运动皮层是大脑控制运动（包括语音）的部分。好的，所以它正在接收你的大脑在你试图说话时发送给你的嘴的信号。没错。是的。然后它几乎会立即将这些信号翻译成口语。哇。

太不可思议了。我的意思是，这有什么影响呢？我认为最大的影响是对于那些因受伤或疾病而丧失说话能力的人来说，这项技术可能会让他们重新获得声音。这太神奇了。我的意思是，这真是改变人生。是的。更令人惊奇的是，该系统实际上可以生成语音。

使用目标说话者受伤前的语音。真的吗？所以它听起来不像一些通用的电脑声音，而实际上听起来像你？是的，这是目标。哇，这太令人震惊了。它也可以处理新词，对吧？是的，可以。所以即使它以前从未遇到过某个特定的词，它仍然可以根据大脑信号计算出如何发音。这太不可思议了。而且它与各种脑部感应技术兼容，对吧？

是的。好的，这是一个非常有前景的发展。我的意思是，这可能会对许多人的生活产生巨大影响。是的，绝对的。好的。最后，在研发领域，人工智能现在正在帮助科学家破译以前被认为无法破译的蛋白质。哦，有趣。蛋白质是那些对生命至关重要的复杂分子，对吧？是的。

而且它们非常非常难以理解。但是现在，在人工智能的帮助下，科学家们开始取得一些真正的进展。好的，那么人工智能是如何在这种研究中被使用的呢？所以他们开发了这些新的 AI 驱动的工具，可以分析和理解以前我们无法检测到的蛋白质结构。

所以就像人工智能给了我们一个新的视角来看待这些微小的复杂结构。没错。是的。这非常重要，因为它可能导致我们对癌症等疾病的理解取得重大进展。对。因为许多疾病都是由蛋白质功能障碍引起的，对吧？没错。是的。所以如果我们能理解蛋白质是如何工作的，我们就可以潜在地开发出治疗和治愈这些疾病的新方法。这

这真是令人兴奋的事情。听起来人工智能正在彻底改变许多领域的科学发现。确实如此。好的，让我们继续讨论人工智能与社会。

拳击手 Zubair Khan 最近举办了一场关于拳击中人工智能的活动。拳击中的 AI。这是一个有趣的组合。是的。所以，他们实际上开始将人工智能用于优化训练方案、通过数据分析预防受伤，甚至预测比赛结果等方面。哇，这很酷。所以，人工智能甚至正在……