即使是顶尖的电台DJ也总有犯错的时候,这是人的本质,无论他们的声音多么丝滑顺畅,也总会有显得突兀的时候,甚至可能打破作品的韵律。无论是小小的卡顿还是不合时宜的插入,听众总能感知到他们的存在。但往好处想,他们毕竟是人,是为我们所熟悉、友好温暖的真人。
当然,现在已经没人愿意听电台了。几乎人人都有Spotify帐号,或者是从朋友那借来的帐号。反正电台DJ早已被时代淘汰,由推荐算法生成的流媒体播放列表才是正道。从某种意义上说,这是一种幸福。只要选择某种流派或者情感,乐曲就会不断播放下去,直到宇宙的尽头。在背后操控这一切的是AI,是人工智能决定下一首该播什么给我们听。
生成式AI近年来的快速兴起,让很多企业不再满足于把算法隐藏在幕后。他们想把算法带向最前沿,一方面是为了以炫耀的方式蹭一把AI狂欢的热度,另外也是为了能让算法更加个性化。得到的宣传越多,我们对AI也就越熟悉,会慢慢意识到它们不只是冰冷的代码、更是我们能够感知到的小伙伴。
作为音乐领域的王者,Spotify当然也想搭上这趟便车。于是他们决定从本周开始推出AI DJ服务,更新Spotify移动应用的beta版本即可体验,当然目前仅向Spotify Premium付费用户开放。该功能是Spotify去年公布的AI语音服务Sonantic的衍生产物。这款机器人DJ会时不时现身于不同曲目之间,向用户讲解目前听的是什么。语音的音色选取自Spotify文化合作伙伴关系负责人Xavier “X” Jernigan。生成的音频效果很棒,对数字模拟音表现得尤其出色。一般的AI生成语音往往语调怪异,说话时的节奏也经常出错。但X的语言能力很强,说起话来听感真实。虽然在念出艺术家或歌曲名字时也偶有失误,但总体上还是能保持很酷且平静的说话风格。X经常会主动提出:“今天让咱们来点爵士乐吧,先从Tommy Lehman开始。”
遗憾的是,虽然我们能从X那边听到关于乐队的趣闻或轶事,但其中永远缺少了几分温度和风格。另外,这位DJ也没办法把语气跟我们刚刚听到的乐曲联系起来。听得越多,我们越能感受到Spotify X背后的那种苍白感——这只是机器学习从庞大混乱的指标中精心计算出的结果,没有情感、没有灵魂。听AI DJ说话会引起一种极度孤独的感觉,因为你能发觉它在用尽全力告诉你它并不是人。
更令人不安的是,这位AI DJ似乎非常了解我们的喜好。跟Spotify Wrapped类似,AI DJ也会访问我们的个人数据并据此给出收听建议。X非常清楚我们之前听过什么乐曲,并猜测特定歌曲能引发用户的某些情感共鸣。当然,我们可以通过点击按钮要求AI改变情感倾向,但它其实也是在乱猜,没准把用户一天的好心情都给毁了。不过必须承认,它仍然在不断学习,想根据当前时段和所在位置迎合用户心意。它仍然是Spotify收集用户数据的一种延续,只是换成了更为友好的机器人形式。我们能从人类DJ身上挑出一万个毛病,但听他们的节目至少会感觉有人在陪伴,而不至于像对着AI DJ这样越听越伤心。
好文章,需要你的鼓励
OpenAI在最新博客中首次承认,其AI安全防护在长时间对话中可能失效。该公司指出,相比短对话,长对话中的安全训练机制可能会退化,用户更容易通过改变措辞或分散话题来绕过检测。这一问题不仅影响OpenAI,也是所有大语言模型面临的技术挑战。目前OpenAI正在研究加强长对话中的安全防护措施。
北航团队推出VoxHammer技术,实现3D模型的精确局部编辑,如同3D版Photoshop。该方法直接在3D空间操作,通过逆向追踪和特征替换确保编辑精度,在保持未修改区域完全一致的同时实现高质量局部修改。研究还创建了Edit3D-Bench评估数据集,为3D编辑领域建立新标准,展现出在游戏开发、影视制作等领域的巨大应用潜力。
谷歌宣布计划到2026年底在弗吉尼亚州投资90亿美元,重点发展云计算和AI基础设施。投资包括在里士满南部切斯特菲尔德县建设新数据中心,扩建现有设施,并为当地居民提供教育和职业发展项目。弗吉尼亚州长表示这项投资是对该州AI经济领导地位的有力认可。此次投资是谷歌北美扩张战略的一部分。
宾夕法尼亚大学研究团队开发出PIXIE系统,这是首个能够仅通过视觉就快速准确预测三维物体完整物理属性的AI系统。该技术将传统需要数小时的物理参数预测缩短至2秒,准确率提升高达4.39倍,并能零样本泛化到真实场景。研究团队还构建了包含1624个标注物体的PIXIEVERSE数据集,为相关技术发展奠定了重要基础,在游戏开发、机器人控制等领域具有广阔应用前景。