全部新闻
“创造力之死”？AI工作担心茎广告行业
人工智能（AI）正在通过使用运动捕获技术和机器人手臂重写经典文学的创新来改变全球广告行业。WPP等主要参与者正在大力投资AI以保持竞争力，首席执行官Mark Read承认AI将重塑劳动力动力。随着像Google和Meta这样的科技巨头将AI集成到他们的平台中，传统的广告代理商面临重大破坏，促使对AI工具的投资和业务模型的重组。尽管担心裁员和某些角色的潜在过时，但行业领导者看到了朝着更高效，更具创造力的技术使用，而不是完全替代人类创造力。
英格兰和威尔士的所有公务员都需要接受AI培训
英格兰和威尔士的公务员将在今年秋天接受AI培训，这是提高生产力和大修公务员的动力的一部分。该倡议旨在为40万官员提供有关使用AI简化其工作的实践知识。涉及汉弗莱（Humphrey）的AI工具的试点项目正在进行中，这表明了诸如分析咨询响应和收益接收者的处理通信等任务中的潜在节省时间。但是，人们对AI偏见以及对人类监督的需求也得到了提高。
Google Cloud的CTO为AI时代的求职者提供了一些建议
Google Cloud CTO Will Grannis建议，尽管现代工具至关重要，但基本的计算机科学技能在AI时代仍然至关重要。他强调了理解核心原则的重要性，例如计算机和数据存储如何设计高效系统。格兰尼斯（Grannis）建议将传统教育与超越正规课程的学习新工具相结合，以保持最新，并引用了诸如使用AI生成的代码在黑客马拉松上进行“ Vibe编码”的例子。他还强调了对上下文工程的需求，这不仅涉及了解提示，而且还要了解AI功能的必要数据和系统。该建议与其他技术高管的同伴一致，他们强调基础技能以及现代实践的持久重要性。
专家说，AI应该解锁临床试验数据。
临床试验的外包专家东海岸2025会议讨论了人工智能（AI）在临床试验中的潜力。Prasanna Rao强调了使Chatgpt等人工智能工具访问协议数据以支持患者决策的重要性。科尔·埃斯巴赫（Cole Eshbach）警告说，AI可能不适合每个试验场景，强调需要适当的基础架构和特定于上下文的评估。布莱恩·克莱顿（Bryan Clayton）鼓励通过日常对话尝试AI，以释放其潜力。展望未来，预计Agesic AI将在临床试验中自动化复杂的任务，从而节省大量时间和成本。
iOS 26 AI电池管理功能可能会使用iPhone 17 Air启动
苹果可能不会在WWDC的iOS 26期间推出其AI驱动的电池管理功能；取而代之的是，它可以在9月与iPhone 17 Air一起发布。彭博社的马克·古尔曼（Mark Gurman）报告说，该AI工具旨在通过分析用户行为和相应调整设置来优化电池使用情况。该功能是Apple Intelligence Suite的一部分，并将使用Ultra-Thin iPhone型号首次亮相，旨在提高其电池寿命，尽管有空间限制。
它领导AI成功的前5个障碍
CIO的目的是通过AI面临挑战，例如数据质量，技能差距和员工破坏，旨在提高生产力。数据质量问题是AI成功的主要抑制剂，而缺乏内部专业知识阻碍了有效的AI集成。竞争优先级还使AI项目的资源分配复杂化。过时的遗产系统构成了另一个障碍，需要现代化努力来促进AI实施。员工抵抗会破坏AI计划，强调需要组织支持和教育以促进AI技术的接受和利用。
AI泡泡即将破裂？
亚伦·贝纳纳夫（Aaron Benanav）在博客文章中指出，最近对生成人工智能（AI）的热情被误导了。尽管萨姆·奥特曼（Sam Altman）和埃隆·马斯克（Elon Musk）等科技领导者声称AI的变革潜力，但贝纳纳夫（Benanav）认为这些预测与过去的自动化预测相呼应。他强调了大规模技术失业率的早期警告未实现，而是由于结构性经济因素而指出生产率增长有所放缓。当前的生成AI的进步面临类似的怀疑：虽然被吹捧为停滞服务部门生产力的解决方案，但对其对经济动态和劳动条件的实际影响持续存在怀疑。Benanav警告说，AI并没有消除工作，而是可能会进一步努力工作并加强监视，除非受到强大的社会法规来抵制，否则工作条件会加剧工作条件。
机器学习可以“减少染色织物浪费”
北卡罗来纳州立大学威尔逊纺织学院的一项新研究表明，机器学习可以通过更准确地预测染色过程中的颜色变化来减少纺织品制造废物。该研究发表在《纤维杂志》上。
嵌入机器人手的高分辨率触摸可实现自适应的人类抓握
Zihang Zhao及其同事介绍了F-TAC手，这是一种新型的机器人手，旨在通过先进的触觉感应能力模仿人手的适应性。以下是扩展数据图中的要点的摘要，提供了其他详细信息：###扩展数据图1：F-TAC手的机电设计 - **图详细信息**： - ** a **：爆炸的视图展示了集成到远端phalanx（指尖）中的基于视觉的触觉传感器的内部组件。 - ** b **：图表说明电气组件和系统体系结构。 - ** c **：整个手动机构的组装示意图，包括用于柔性运动的电缆驱动系统。 - ** d＆e **：单个手指和拇指的详细机械组件布局。###扩展数据图2：运动模型 - 描述了用于使用修改的DeNavit-Hartenberg（DH）约定在F-TAC手中定义坐标转换的运动学模型。这提供了关节运动和位置的精确数学描述。###扩展数据图3：多对象握把景观- **描述**： - 可视化景观根据脱节性图绘制在各种对象上的不同类型的绘制。 - 该空间分为79个盆地，根据反映人类定义的分类的三种主要掌握类型（功率，中级，精度）进行分类。###扩展数据图4：Grasp Generation算法结果 - **可视化**： - 使用T-SNE（T-SNE的随机邻居嵌入）来可视化算法中生成的grasps。 - 证明了功率和精确抓物的清晰聚类，中间的抓地力如预期的。###扩展数据图5：具有残疾手指的自适应行为 - 展示F-TAC在某些手指被禁用或不可用时如何适应其抓地力，从而模仿人类伤害补偿策略。###扩展数据图6：对不同手部拓扑的概括- **插图**： - 证明Grasp Generation算法在各种手动配置中起作用（Ezgripeer56，Barrett Gripper57，Allegro Hand58，Shadow Hand11）。 - 测试包括八个不同的对象。###扩展数据图7：两阶段抓握策略 - 解释F-TAC手用于有效多对象运输的策略： - 第一阶段调整手以容纳对象扰动。 - 第二阶段动态适应以防止碰撞并优化运输效率。###其他信息和道德声明本文以重要的感谢，竞争利益的声明，同行评审细节和出版信息结束。这项工作得到了北京大学和国家科学技术大项目等机构的各种赠款的支持。这项研究展示了机器人触觉传感和掌握生成算法的重大进步，使我们更加接近开发高度适应性和多才多艺的机器人手，这些手可以用类似人类的灵活性执行复杂的任务。
联想和欧洲肿瘤学研究所：预防和治疗研究的AI超级计算机-Lenovo StoryHub
联想将为米兰的IEO Monzino集团提供高性能计算系统（HPC）系统，由Lenovo ThinkSystem Servers的475个Tflops Computing Power和Nvidia H200 GPU的计算能力组成。该基础设施旨在通过基于临床数据启用高级分子模拟和AI驱动的预测模型来加速肿瘤学和心脏病学研究。该合作伙伴关系将促进定制的实现个性化医学的解决方案，并提高医疗保健活动的效率。
