AI趋势周报第247期：OpenAI开源内部专用LLM分析工具

Google台湾揭露今年三大AI落地战略

Google日前在台湾春酒记者会中，揭露了三大AI战略方向，包括培植各领域人才、强化开发者社群和协助各产业等面向，来协助台湾掌握AI机会。进一步来说，AI是Google台湾今年的重要在地发展目标，在培植各领域人才上，进一步会细分成三个策略，AI普及、AI应用和AI创新。

就AI普及来说，Google将在台设立Gemini学院，来提升社会大众的AI识读能力，预计在2024年培育1,000名中小学老师接受训练，并提供3套线上训练，包括AI基本素养、安全负责任的使用AI、使用AI帮助教学。就AI专业人才的AI应用能力上，Google将继续透过数位人才探索计划，从今年第二季开始，在原本的两大课程「数位行销和网站分析」和「云端技术」新增AI基础介绍和新工具知识，如生成式AI、LLM、负责任AI等。最后一项人才培育则是要强化学研界的AI创新能力，将持续举办第七届的AI创新研究营。

微软释出GPT Builder工具，可打造客制版GPT

微软最近宣布对付费的Copilot Pro方案用户，释出Copilot GPT Builder工具，来让使用者打造Copilot GPT客制版。Copilot GPT Builder和OpenAI去年底推出的GPT Builder开发工具很像，可让中小企业或个人用户以文字输入指令，打造具有专门用途的AI聊天机器人，像是在购物网站建一个根据用餐计划建议购物清单的Copilot GPT。

DeepMind开发通用AI，可接收指令玩游戏

几年来，DeepMind一直专攻AI代理人玩游戏研究，最近开发一套新AI代理Scalable Instructable Multiworld Agent（SIMA），是第一个能理解广泛游戏世界的AI代理，可像人类一样遵循自然语言指令、执行任务。

就技术架构来说，SIMA由两个模型组成，一个专门处理图像和语言映射的模型，另一个则是预测萤幕接下来会发生什么事件的模型。团队表示，SIMA不需存取游戏原始码，也不需要客制的API，只需两个输入值，即萤幕画面和用户所提供的简单自然语言指令，并使用键盘和滑鼠来控制游戏角色。

Google用社会学习优化模型知识转移能力

Google最近发表一项大型语言模型创新研究，提出社会学习（Social Learning）框架，为模型间的知识传递，找出新方法。社会学习能让语言模型透过自然语言文字交流知识，而且，因为不需直接交换敏感资料或模型权重，还能保有资料隐私。社会学习的概念是，模仿人类在社交环境中，透过口头指示向其他人学习。在Google提出的社会学习框架中，学生大型语言模型会向多个特定任务解法的教师模型学习，团队也会评估学生模型在各种任务的表现，来衡量社会学习成效。