Character.AI：AI Agents 平台下的大模型“民主化”梦想
输入“/”快速插入内容
Character.AI：AI Agents 平台下的大模型“民主化”梦想
Character.AI：AI Agents 平台下的大模型“民主化”梦想
2023年7月20日修改
来源： 海外独角兽| 拾象
编译：haina
编辑：Siqi
排版：Mengxi
Character.AI 是 AGI 时代备受瞩目的公司之一，海外独角兽曾对其有过深度分析：作为聊天机器人，它有着比 ChatGPT 更丰富的使用场景，呈现了一个 AI-Native 时代的全民应用的愿景。它允许用户设计自己的个性化 AI Chatbot 并与之互动，用户可以通过 Chatbot 和名人进行互动，也可以虚构形象进行角色扮演，甚至也有人通过 Character.AI 进行心理疗愈。
Character.AI 同时也是目前个性化 AI 聊天机器人赛道技术能力最强的团队：创始人 Noam Shazeer 是 Google 的前 200 号员工，在 Google 工作的 17 年中，他参与了 Google 的一系列 AI 项目和研究，是 Attention is All You Need 的核心作者以及 Google LaMDA 项目的核心成员。Noman 的联合创始人 Daniel de Freitas 则参与领导了 Meena 和 LaMDA 的开发。Character.AI 是这两位 LLM OG 技术主张的产品实践。
本篇文章是对 Noam Shazeer 一系列深度访谈的编译总结。相较于应用，Noam 更愿意将 Character.AI 定义为一家通用模型公司，在 Noam 看来，幻觉（hallucinations）是模型需要解决的问题，这是模型的特点，并且相当有趣。对于 Character.AI，目前最主要的是提高模型的记忆能力。当前的产品形态和用例更多来自用户自己的探索，这种情感互动让 Character.AI 的用户粘性很强，现阶段，Character.AI 上核心用户的平均活跃时长大约为 2 小时/天（所有用户的平均活跃时长为 24 分钟/天），因为在 Noam 看来，Chatbot 和人类用户之间搭建情感链接和模型能力之间并不形成正向关系，这种巧妙的切口也许是 Character.AI 能在早期快速转动数据飞轮的秘密。
在商业化上，Noam 提到 Character.AI 的 to C 产品接下来会推出增值功能订阅，当时机成熟后，Character.AI 的模型的能力还可以向 to B 场景输出，成为特定行业、公司业务的 Chatbot 解决方案。
以下为本文目录，建议结合要点进行针对性阅读。
👇
01 技术主张：幻觉不是问题，提高模型记忆能力是更高优先级
02 Character.AI：并非取代 Google，而是大模型的“民主化”
03 超级智能：AGI 是一个自然而然的结果
01.
技术主张：幻觉不是问题，提高模型记忆能力是更高优先级
Q：在 Google 17 年的工作经历是如何影响你参与 AI 实践的？
我参与 AI 是一个自然而然的过程。在思考怎么用计算机做一些更有趣的项目时，AI 是 Top 1 的选择。也因为这个原因，我在 2000 年底进入到 Google，并在 Google 工作了 17 年。在加入时，我参与了那个时期 Google 在 AI 领域的一系列尝试，包括第一版的查询拼写校正工具、无监督主题聚类的系统（后来变成了 AdSense 的第一个定位功能）、以及其他 ML 领域的项目。
当二三十年前我最初接触人工智能的时候，几乎每个人都在研究贝叶斯网络和概率论。我之所以选择人工智能也是因为很喜欢概率论。在杜克大学读研究生的时候，教授 Mike Litman 让全班同学一起合作，建立一个能解决填字游戏的系统。其中一位同学 Greg Keim（目前在 Character.AI 担任 Research Engineer）收集了大量的填字游戏，并形成了一个数据库，我们用它作为线索数据库的起点，并发明算法来填充空白网格。
其实很多今天认为理所当然的事情都是当时打下的基础，例如在当时，Paul Graham 就已经发明了著名的垃圾邮件解决方案，产品形态是一个 Outlook 插件，帮助用户用贝叶斯推断的逻辑过滤掉垃圾邮件。
2002年，Paul Graham 提出使用“贝叶斯推断”过滤垃圾邮件。
正确识别垃圾邮件的技术难度非常大。传统的垃圾邮件过滤方法，主要有“关键词法”和“校验码法”等。前者的过滤依据是特定的词语；后者则是计算邮件文本的校验码，再与已知的垃圾邮件进行对比。它们的识别效果都不理想，而且很容易规避。