以下是一些与 AGI 机器人相关的新闻：
随着最近OpenAI聊天机器人ChatGPT的热潮仍在持续，我们决定探究一下这个著名聊天机器人如何帮助您创建用户体验调查问卷——或者任何其他调查问卷。[heading2][生成代理人：人类行为的交互式模拟](https://arxiv.org/pdf/2304.0344[content]它给了25个AI代理人动机和记忆，并将它们放在一个模拟的城镇中。它们不仅参与了复杂的行为（包括举办情人节派对），而且这些行为被评价为比人类角色扮演更加“人类化”。[heading2][ChemCrow：使用大型语言模型增强化学工具](https://arxiv.org/abs/23[content]ChemCrow是一个LLM化学代理，可以在合成、药物发现和材料设计等领域执行任务；它集成了13个专家设计的工具，以增强化学领域中LLM的性能，并证明在自动化化学任务方面的有效性。[heading2][对话式生成AI的一小步，AGI的一大步：AIGC时代ChatGPT的完整调查](https://a[content]OpenAI最近发布了GPT-4（即ChatGPT plus），这被证明是生成AI（GAI）的一小步，但对于人工通用智能（AGI）而言是一大步。自2022年11月正式发布以来，ChatGPT迅速吸引了众多用户，并得到了广泛的媒体关注。这样前所未有的关注也激发了众多研究人员从各个方面对ChatGPT进行调查。根据Google学术搜索，有500多篇文章的标题中包含ChatGPT，或在摘要中提到了它。考虑到这一点，紧急需要一份综述，而我们的工作填补了这一空白。总的来说，这项工作是第一次对ChatGPT进行全面审查，包括对其基础技术、应用和挑战的综述。此外，我们展望了ChatGPT如何发展以实现通用的AI生成内容（AIGC），这将是AGI发展的重要里程碑。
[John](https://twitter.com/zhanglu)装上了AutoGPT，让它查找最近一个月的开源相关新闻，并汇总成一个word文件：[https://twitter.com/zhanglu/status/1646548322176598016?s=20](https://twitter.com/zhanglu/status/1646548322176598016?s=20)还有一些人在上面三个项目的基础上做了一些改进和增强的新项目比如：[DSNR](https://twitter.com/dsnrAI)在BabyAGI的基础上构建的TeenageAGI，它具有无限的记忆，先思考后说话，关机后也不会不丢失记忆：[https://github.com/seanpixel/Teenage-AGI](https://github.com/seanpixel/Teenage-AGI)[Bruno de Oliveira](https://twitter.com/LatentLich)构建的BabyAGI-asi，它可以自动编写和执行python代码来帮助完成任务：[https://github.com/oliveirabruno01/babyagi-asi](https://github.com/oliveirabruno01/babyagi-asi)[eumem/acc](https://twitter.com/dysmemic)构建的TypeScript版本的AutoGPT：[https://github.com/eumemic/ai-legion](https://github.com/eumemic/ai-legion)当然AutoGPT的也不像媒体报道出来的那样乐观，[Jim Fan](https://twitter.com/DrJimFan/status/1647616587199815684?s=20)就发表了他的看法：
另一项机器人学发展——这次来自特斯拉（2023年5月16日）。他们训练了他们的机器人“Optimus”去抓取物体——而且“没有进行特定任务的编程”。一切都是通过人类示范学习的。“这意味着我们现在可以快速扩展到许多任务。”再次强调：如果人类示范是先进机器人学性能所需的一切，那么一个在互联网上所有视频上训练的100万亿参数模型肯定能够实现惊人的机器人学性能...左边的图片展示了1万亿参数的GPT-4在图像识别方面的能力。其回应已经比许多人类所能想出的更加清晰和写得更好。那么，当你在互联网上所有可用数据的基础上训练一个比GPT-4大100倍、与人类大脑大小相当的模型时，会发生什么呢？重要：注意AI模型能够生成同一场景的多个角度，具有物理上准确的光线，甚至在某些情况下还能生成物理上准确的流体和雨水。如果你能生成具有准确、常识性物理的图像和视频，你就拥有了常识推理能力。如果你能生成常识，你就理解了常识。目前公开可用的视频和图像生成AI模型的质量水平示例。这些模型的大小不到100亿参数。当你在互联网上所有可用数据的基础上训练一个比这大10,000倍的模型，并赋予它生成图像和视频的能力时，会发生什么？（答案：图像和视频与真实事物完全无法区分，100%的时间，没有任何例外，没有任何解决方法，无论人们怎么努力，都无法分辨出区别）。-（更新：SORA来自GPT-5 Q* 2023模型）