前OpenAI首席技術(shù)官Mira Murati宣布成立新的思維機器實驗室（Thinking Machines Lab）。

主要有三個方向：幫助人們調(diào)整AI系統(tǒng)以滿足他們的具體需求；開發(fā)堅實的基礎(chǔ)以構(gòu)建更強大的AI系統(tǒng)；培養(yǎng)開放科學(xué)的文化，幫助整個領(lǐng)域理解和改進這些系統(tǒng)。

以下是Thinking Machines Lab的官網(wǎng)介紹：

思維機器實驗室（Thinking Machines Lab）是一家人工智能研究與產(chǎn)品公司。我們致力于構(gòu)建一個未來，讓每個人都能獲取知識和工具，使人工智能為他們獨特的需求和目標(biāo)服務(wù)。

盡管人工智能能力取得了巨大進步，但關(guān)鍵差距依然存在。科學(xué)界對前沿人工智能系統(tǒng)的理解滯后于其快速發(fā)展的能力。關(guān)于這些系統(tǒng)如何訓(xùn)練的知識集中在頂尖研究實驗室中，這既限制了公眾對人工智能的討論，也限制了人們有效使用人工智能的能力。

盡管這些系統(tǒng)潛力巨大，但人們?nèi)匀浑y以根據(jù)自己的特定需求和價值觀對其進行定制。為了彌合這些差距，我們創(chuàng)立了思維機器實驗室，以使人工智能系統(tǒng)更易于被廣泛理解、定制，并具備更強的通用性。

我們是科學(xué)家、工程師和創(chuàng)造者，參與打造了一些應(yīng)用極為廣泛的人工智能產(chǎn)品，包括 ChatGPT 和 Character.ai，以及像 Mistral 這樣的開放權(quán)重模型，還有 PyTorch、OpenAI Gym、Fairseq 和Segment Anything 等廣受歡迎的開源項目 。

共享推動科學(xué)進步

科學(xué)進步是一項集體事業(yè)。我們相信，通過與更廣泛的研究人員和創(chuàng)造者群體合作，我們將最有效地推動人類對人工智能的理解。我們計劃定期發(fā)布技術(shù)博客文章、論文和代碼。我們認(rèn)為分享我們的工作不僅會讓公眾受益，還能改善我們自己的研究文化。

為每個人服務(wù)的人工智能

強調(diào)人機協(xié)作：我們沒有把重點完全放在打造完全自主的人工智能系統(tǒng)上，而是熱衷于構(gòu)建能與人們協(xié)同工作的多模態(tài)系統(tǒng)。

更靈活、適應(yīng)性更強且個性化的人工智能系統(tǒng)：我們看到人工智能在各個工作領(lǐng)域都有巨大的應(yīng)用潛力。雖然當(dāng)前的系統(tǒng)在編程和數(shù)學(xué)方面表現(xiàn)出色，但我們正在開發(fā)的人工智能能夠適應(yīng)人類的各種專業(yè)知識，并支持更廣泛的應(yīng)用場景。

堅實的基礎(chǔ)至關(guān)重要

模型智能是基石：除了強調(diào)人機協(xié)作和定制化之外，模型智能也至關(guān)重要。我們正在科學(xué)和編程等領(lǐng)域開發(fā)處于能力前沿的模型。最終，最先進的模型將開啟最具變革性的應(yīng)用和益處，比如實現(xiàn)新的科學(xué)發(fā)現(xiàn)和工程突破。

基礎(chǔ)設(shè)施質(zhì)量是首要任務(wù)：研究效率至關(guān)重要，它在很大程度上取決于基礎(chǔ)設(shè)施的可靠性、效率和易用性。我們的目標(biāo)是為長遠(yuǎn)發(fā)展正確地構(gòu)建各項事物，以實現(xiàn)效率和安全性的最大化，而不是走捷徑。

先進的多模態(tài)能力：我們認(rèn)為多模態(tài)對于實現(xiàn)更自然、高效的交流，保留更多信息，更好地捕捉意圖，以及支持更深入地融入現(xiàn)實世界環(huán)境至關(guān)重要。

在實踐中學(xué)習(xí)

研究與產(chǎn)品協(xié)同設(shè)計：產(chǎn)品通過部署實現(xiàn)迭代學(xué)習(xí)，而優(yōu)秀的產(chǎn)品和研究相互促進。產(chǎn)品讓我們立足現(xiàn)實，并引導(dǎo)我們解決最具影響力的問題。

以實證和迭代的方式保障人工智能安全：最有效的安全措施來自積極的研究和謹(jǐn)慎的實際測試相結(jié)合。

我們計劃通過以下方式為人工智能安全做出貢獻：

（1）保持較高的安全標(biāo)準(zhǔn)，在防止我們發(fā)布的模型被濫用的同時，最大限度地保障用戶自由；

（2）與行業(yè)分享構(gòu)建安全人工智能系統(tǒng)的最佳實踐和方法；

（3）通過分享代碼、數(shù)據(jù)集和模型規(guī)格，加速外部關(guān)于模型對齊的研究。我們相信，為當(dāng)今系統(tǒng)開發(fā)的方法，如有效的紅隊測試和部署后監(jiān)測，能提供有價值的見解，并將適用于未來更強大的系統(tǒng)。

衡量真正重要的指標(biāo)：我們將專注于理解我們的系統(tǒng)如何在現(xiàn)實世界中創(chuàng)造真正的價值。最重要的突破往往來自對目標(biāo)的重新思考，而不僅僅是優(yōu)化現(xiàn)有指標(biāo)。