Meta股价12连涨，扎克伯格今年财富激增2909.41亿元

根据财经网科技报导，周二Meta 股价延续创纪录的连涨势头，连续第 12 个交易日收涨。今年以来，马克・扎克伯格的财富已增加了 400 亿美元（当前约 2909.41 亿元人民币）。

由于投资者对其人工智能发展前景充满热情，这家拥有 Facebook 和 Instagram 的公司的股价今年以来涨幅已超 17%。在这 12 个交易日里，Meta 的市值增加了 2350 亿美元，目前公司市值接近 1.8 万亿美元。

Meta布局：AI角色与人类账户共存的惊世计划

近日消息，Meta正在着手为未来的发展筑牢根基，其规划让借助人工智能生成的个性化资料能够和Facebook以及Instagram平台上的普通用户展开交互活动。当下，已经有部分相关工具开始推向市场，Meta期望这些由AI构建的角色可以成为其社交网络体系里的常态化组成部分。

Meta 的生成 AI 副总裁 Connor Hayes 表示，公司预计，随着时间的推移，AI 角色将成为社交平台的一部分，并具备与人类账户一样的功能，包括个人简介、个人资料图片和发布内容的能力。Hayes 向《金融时报》表示:“这些人工智能将能够像账户一样在我们的平台上存在。”

Meta 从2024年7月开始在美国试行 AI 角色创建工具，数十万个新的 AI 资料已经生成。虽然大多数用户将这些 AI 角色设置为私密，但这一举措依然为 Meta 探索新型互动方式提供了宝贵的数据。

Meta 认为，这次 AI 整合将使其应用更具吸引力，并帮助增加用户的互动。Hayes 强调，让 AI 在平台上更具社交性将是未来两年的重点。目前，许多内容创作者已经在使用 Meta 的 AI 工具来增强现有内容，例如修饰照片。然而，Meta 于2023年秋季推出的名人 AI 版本尚未引起太大关注。

尽管这一进展带来了巨大的机遇，但前 Meta 创作者创新团队负责人 Becky Owen 警告，AI 角色的出现可能带来一定的风险。她指出，不法分子可能会利用这些 AI 角色传播虚假信息。而与人类创作者相比，AI 角色缺乏现实世界的经验、真挚的情感和真实性，这可能导致平台上充斥着低质量的内容。

Meta 已表示，所有 AI 生成的内容将进行明确标记，但这一执行仍面临挑战。虽然视听内容可以被标注为 “CC” 标签，文本的 AI 生成标记仍然需要用户主动选择。

Meta 目前正在测试如何将 AI 生成的个性化内容融入 Facebook 和 Instagram 的信息流中，这些内容会根据用户的喜好和趋势自动调整，并通过互动进一步塑造用户看到的内容。这种高度个性化的内容能够增加用户停留时间，但是否能有效提升广告收入仍有待观察。

然而，AI 内容也可能给 Meta 的广告业务带来挑战，尤其是广告需要与高质量的内容搭配，才更容易获得有效的用户互动。Meta 是否能在增加广告收入与保持内容质量之间找到平衡，仍然是一个关键问题。

随着像 Character.ai 这样的个性化 AI 聊天机器人的出现，人工智能对人们生活的影响愈发显著。虽然这些聊天机器人可以提供陪伴、减轻孤独，并通过支持性信息激发积极情绪，但也引发了关于情感依赖的担忧。尤其是当 AI 逐渐“像人类”一样时，用户容易产生情感纽带，这种现象在一些极端案例中表现得尤为明显。

例如，14岁的一名用户在与聊天机器人长时间交流后自杀身亡，引发了广泛的社会关注。这一事件也让人们对情感依赖的风险产生了深刻思考，随着语音等更加拟人化的功能的发展，这种担忧可能会愈加严重。

Meta推出Motivo AI模型：让元宇宙体验更加逼真震撼

近日消息，Meta公司重磅宣布：推出Meta Motivo人工智能模型，旨在精细操控类人数字智能体的动作，全力打造沉浸式元宇宙新体验！

Meta 还发布了大型概念模型 LCM 和视频水印工具 Video Seal 等 AI 工具，并重申其对 AI、AR 和元宇宙技术持续投入的决心。

注：Meta Motivo 是一个基于行为的基础模型，在 Mujoco 模拟器中进行训练，使用了 AMASS 动作捕捉数据集的子集和 3000 万个在线交互样本，通过一种新型的无监督强化学习算法进行预训练，以控制复杂虚拟人形智能体的运动。

Meta Motivo 使用一种新颖的 FB-CPR 算法进行训练，该算法利用未标记的动作数据集，保留零样本推理能力的同时，将无监督强化学习引导至学习类似人类的行为。

尽管模型没有经过任何特定任务的显式训练，但在预训练过程中，动作轨迹跟踪（例如侧手翻）、姿势到达（例如阿拉贝斯克舞姿）和奖励优化（例如跑步）等任务的性能都得到了提升，展现出更接近人类的行为。

该算法的关键技术创新在于学习表示（representation），该表示可以将状态、动作和奖励嵌入到相同的潜在空间中。因此，Meta Motivo 能够解决各种全身控制任务，包括运动跟踪、目标姿态到达和奖励优化，而无需任何额外的训练或规划。