木星链 木星链
Ctrl+D收藏木星链
首页 > BNB > 正文

ION:高中教师养出40亿美元超级独角兽 Stable Diffusion背后数据集创建者

作者:

时间:1900/1/1 0:00:00

他本是一位普普通通的高中教师,却活生生养出一个估值40亿美元独角兽。

而且方法也是非常的独特——

打造了世界最大的免费开源数据集,却从未从中收取过一分钱,也婉拒了各类工作的邀请。

他叫舒曼,在德国汉堡市的高中教物理和计算机科学。

两年前他创立了LAION,如今被用于各种生成模型,包括谷歌Imagen、Parti,以及惊艳全球的StableDiffusion。

就连StableDiffuision背后公司StabilityAI的创始人曾亲自来送钱时,他都表现出嗤之以鼻的样子,认定“这个人一定是疯了”。

或许他怎么也没想到,只不过两年前灵机一动,就带来了生成式AI的剧变。

受DALL-E启发

2021年新年之际,OpenAI重磅推出DALL-E,GPT-3首次成功实现跨界:

Solana生态DeFi项目Mercurial将更名为Meteora,并进行代币重置:12月28日消息,Solana生态DeFi项目Mercurial将更名为Meteora,并用Meteora代币进行重置,以取代其MER代币,MER持有者将获得Meteora的新代币产品。其中在1亿枚Meteora代币的供应中,20%将流通并完全流动,而80%将交给DAO管理,旨在激发用户兴趣,建立市场信心,与FTX/Alameda保持距离。[2022/12/28 22:12:06]

只需对着它说上一段话,就能生成对应图片。

一时间风光无两,吴恩达在内的科技大佬们都激动了,网友们都称其为甲方克星。

但在德国汉堡市郊区的一间房屋内,这位高中教师舒曼却产生了对数据私有化的担忧:

如果这一切都集中在一家、两家或三家公司,那将对社会产生非常糟糕的影响。

当时,OpenAI发表了背后关键模型CLIP的论文。论文中显示,CLIP在4亿个图像-文本对上进行了预训练,在没有精细调整的情况下,最终在各种多模态基准中实现高性能。

Voyager律师提交文件授权将Voyager资产出售给FTX US:金色财经报道,加密货币借贷平台Voyager律师提交了一份提议文件来授权将Voyager资产出售给FTX US,加速出售流程。Voyager之后将发布文件,为客户提供有关其资产分布的更多信息。

此前报道,FTX US以约14.22亿美元出价中标Voyager的资产拍卖竞标,该出价包括Voyager所有加密货币在未来某个日期的公允市场价值(按当前市场价格估计为13.11亿美元),加上估计约1.11亿美元增量价值的额外对价。[2022/9/30 6:03:59]

由此可见数据集对于CLIP的重要性,但OpenAI并没有进行公开,它只开源了CLIP的代码和模型权重。

于是乎,舒曼就开始在Discord网罗了一群同为AI爱好者的朋友,尝试复制OpenAI同等水平的「文本-图像对」数据集。

没想到这一搞就搞了大半年,直到2021年8月他们首次发布了LAION-400M数据集,里面包含了4.13亿图像-文本对。

回顾整个创建过程,舒曼对彭博社这样形容:

就像是用数百万张抽认卡来教一个人一门外语。

Ribbon Finance的无担保贷款产品帮助Folkvang和Wintermute借款超1000万美元:金色财经报道,DeFi平台Ribbon Finance的无担保借贷产品Ribbon's Lend让加密公司Folkvang和Wintermute借款超过1000万美元。该协议于周一上线,目前已允许用户存入价值约1500万美元的USDC。Ribbon 涉足无担保贷款可能表明由Maple Finance、Clearpool和TrueFi等公司主导的行业正在升温。(CoinDesk)[2022/10/6 18:40:55]

他们用一个非盈利组织CommonCrawl在2014年到2021年期间,抓取的随机HTML代码来定位网络上的图像,并将这些图像与描述性文本联系起来,最后还得根据一定规则来过滤掉不适合的样本。

比如,删除了所有文本长度少于五个字符;图像小于5KB的的样本;关键字带有NSFW的……几周之内,他们就拥有了300万对图文对。

数据集发布之后就收到了各种反响,被用于诸多论文和实验。其中最具代表性的,就是GoogleBrain去年发布的Imagen——文本生成图像的扩散模型。

数据:比特币地址活动下降13%,用户群增长骤降:金色财经报道,据区块链分析公司Glassnode数据显示,比特币网络用户的数量和活动都在下降,地址活动已经下降了13%,从11月的100多万个地址/天,到今天的87万个地址/天,这表明新用户的增长很少,甚至很难保留现有用户。另外,比特币用户群的增长率骤降,网络每天大约只有24.4万个活跃实体,每天只有约7千个净新实体,与2018年熊市和2019年的低点时期相似。[2022/7/11 2:04:32]

与此同时,更多机构开始关注到这个非盈利组织并给予资金支持。2021年他们就收到了HuggingFace的一次性捐赠。

但印象最深的一次,还要属一个对冲基金经理来到Discord聊天室。

当时他二话不说直接送钱,大概意思是:我给你们支付算力费用,没有任何附加条件。

舒曼团队对这个行为嗤之以鼻,甚至觉得他是个疯子:

一开始我们非常怀疑,但大概一个月后,我们获得了价值近1万美元的云计算服务。

后来,这个所谓的“疯子”创办了StabilityAI,使用LAION数据集推出了StableDiffusion,引领了生成式AI的浪潮,顺便还拐走了LAION组织的两个研究人员。

Galaxy Digital分析师:由于节点的问题,超过25%的网络参与者在The Merge启动后就被从共识中剔除:金色财经报道,Galaxy Digital分析师Christine Kim分享了以太坊最新 ACD 的详细信息以及通往 The Merge 的后续步骤。根据线程,由于节点同步问题,最后一个“影子分叉”并非全是和谐的。也就是说,由于Erigon和Hyperledger Besu节点的问题,超过25%的网络参与者在The Merge启动后就被从共识中剔除。

此外,还发现了一些关于 \"盆景树 \"数据存储设计和Nethermind-Teku客户端的问题。大体上,这些问题与The Merge的规格无关;相反,它们强调了参与团队还没有为即将到来的升级做好准备。(u.today)[2022/6/26 1:31:31]

如今StabilityAI正在寻求40亿美元估值,这主要归功于LAION提供的数据。

据彭博社消息,舒曼却并没有从LAION中获利,原因很简单:不感兴趣,希望保持这份工作的独立性。

因此他还婉拒了各类工作邀请,依旧选择在德国汉堡当一名普普通通的高中老师。

本人:数据集不应该被监控

即便如此,随着LAION知名度打响,他还是避免不了地卷入到各种纷扰之中。

目前,LAION已经发布了10项数据集,最具代表性的就是去年3月发布的LAION-5B,由58.5亿个图像文本组成,是当前最大的免费开源数据集。

作为LAION-400M的继任者,它收到了来自HuggingFace、StabilityAI以及Doodlebot资助。

结果一发布就遭到了不小的争议,网友们纷纷质疑其数据未经整理,导致充斥大量的非法内容,对此LAION工程师RomainBeaumont回应:

非标注数据集是自我监督学习的基础,这是机器学习的未来。没有人工标注的图像/文本是一项功能,而非错误。

早在Imagen发布时,也专门针对LAION-400M做出警示:因为依赖于这种未经整理的网络数据,集成了大模型的社会偏见和限制,因此不适合公开使用。

据彭博社消息,为了打造LAION,舒曼团队从亚马逊网络服务、Shopify等公司获取视觉数据,还有包括YouTube缩略图、各类新闻网站上的内容。

对此舒曼表示,任何在网上免费提供的东西都是公平竞争,欧盟也没有人工智能法规。

更何况,也没有人知道OpenAI实际上用什么样的数据集训练AI的。

目前,LAION被迫卷入两场诉讼之中,一起是StabilityAI与Midjourney等集体诉讼,被指使用艺术家的版权图片来训练他们的模型;

另一起是GettyImages起诉StabilityAI,称其1200万张照片被LAION取走,并用来训练StableDiffusion。

而舒曼将LAION比作大信息技术海啸之上一艘“小型研究船”,采取海下的样本向世界展示。

其实早在构建数据库时,他们就在运行一个自动化过滤工具,不过舒曼感兴趣的不是清理,而是从这些资产中学习。

我们本可以从公布的数据中过滤掉暴力,但我们决定不这样做,因为这将加快暴力检测软件的开发。

现在更多关于监管的建议在推动,各个科技大厂也在采取相应的措施,比如英伟达就开源了护栏工具,来防止大模型来胡说八道。

但在舒曼看来,数据集不应该被监控。这也正是当时创建LAION时候的初心。

他还警告,如果我们试图放慢速度、过度监管,就会有很大的危险,最终只有少数大公司能负担得起所有的正式要求。

前段时间,在LAION与全球志愿者的合力之下,他们完成了ChatGPT最大开源平替OpenAssistant的发布。

60万余条训练数据全部由人工生成,涵盖了广泛的话题和语言风格,一时间引发众人关注,HuggingFace也直接拿来用来构建它自己的聊天软件HuggingChat。

拿着德国铁饭碗

不可否认的是,他已经在用开源数据集,加剧了生成式AI的浪潮。

但在舒曼的个人网站上,看到的只是一位两个孩子的父亲,在德国当着终身制公务员,游走于中学校之间讲授物理和计算机科学。

舒曼拥有维也纳大学计算机科学与物理学学位。在学习这两个专业之前,他还学了心理学。。

除此之外,他还在学习表演,制作了一部关于孩子学习的纪录片「SchoolsofTrust」。

最近,这位高中教师也没闲着,他还将作为2023年智源大会嘉宾参与邀请报告与线上论坛环节。

参考链接:https://laion.ai/blog/laion-400-open-dataset/https://www.bloomberg.com/news/features/2023-04-24/a-high-school-teacher-s-free-image-database-powers-ai-unicornshttp://christoph-schuhmann.de/https://www.infoq.com/news/2022/05/laion-5b-image-text-dataset/https://laion.ai/projects/

来源:元宇宙之心

标签:IONLAIAIOAIONAIONMARS价格NEURALAI价格AIon Marsaion币最新消息

BNB热门资讯
区块链:盘点Sui即将上线的13款链游 Sui能否靠链游打响市场争夺战

Sui开发公司MystenLabs日前宣布,从5月15日起,其11个游戏合作伙伴的游戏将在Sui区块链陆续上线.

1900/1/1 0:00:00
虚拟币:利用虚拟币进行外汇兑换属于非法买卖外汇行为

日前,上海市人民检察院第二分院依法提起公诉的一起利用虚拟货币非法买卖外汇案件获得判决支持,法院以被告人王某构成非法经营罪判处其有期徒刑3年3个月,并处罚金人民币3万元.

1900/1/1 0:00:00
WEB:ChatGPT强势来袭,Web3生态系统中的AI应用前景

自从ChatGPT和GPT-4推出后,有很多关于人工智能如何革新一切,包括Web3的内容。多个行业的开发者报告称,通过利用ChatGPT作为共同驾驶员来自动化任务,如生成样板代码、进行单元测试、.

1900/1/1 0:00:00
比特币:2023年Q1市场回顾:寻找美元体系真正的对手盘

大家期待的反弹要退后至明年第一季度。当然,不要把预期建立在政策转向上,预期应建立在技术的创新上。我们可以预期的唯一一点在于,加息的全球溢出效应正在反噬那些脆弱的法币单位.

1900/1/1 0:00:00
NFT:L2网络推动NFT市场再次崛起?浅谈下一个NFT周期

原文作者:Ledger?团队成员?Kouk.eth、NFT投资者?Moritz原文编译:PANews在开始进入正题之前,首先需要明确一点,即:尽管市场出现暂时下跌,但?NFT?将继续存在.

1900/1/1 0:00:00
SUI:Sui上线币安,有望成为下一个Layer1破局者?

根据公告,币安已于2023年5月3日上线Sui并开放其6种货币对的交易。 随着Sui网络接近主网发布,它在加密社区中越来越受欢迎.

1900/1/1 0:00:00