全部新闻
让我们变得聪明起来，为生成人工智能赋予存在的意义
2024-12-21 06:45:17
围绕将目的灌输到人工智能系统中的讨论凸显了一些复杂的伦理、实践和哲学挑战。以下是一些要点和潜在的考虑因素：### 道德考虑1. **与人类价值观保持一致**：- 确保人工智能的目的与人类价值观紧密一致对于防止意外后果至关重要。- 目的应优先考虑道德、安全和社会福祉。2. **透明度和问责制**：- 如何设定和维持目标需要透明。- 利益相关者必须了解人工智能决策是如何做出的以及谁对其行为负责。### 实际考虑1. **灵活性与刚性**：- 僵化的目标可能会限制人工智能系统的适应性，特别是当新的挑战出现时。- 另一方面，过于灵活的目的可能会失去清晰度和方向。2. **可扩展性**：- 管理多个不同的人工智能系统，每个系统都有自己的特定目的，这可能会在逻辑上变得具有挑战性。- 标准化和互操作性对于有效管理这些系统可能是必要的。### 哲学思考1. **Sentient AI 与 Non-Sentient AI 的目的**：- 对于无感知的人工智能，其目的通常是由人类为特定任务或目标在外部定义的。- Sentient AI 可以自我定义其目的，如果不符合人类价值观，可能会导致不可预测的结果。2. **人类与人工智能的协调**：- 将人工智能的目的与更广泛的人类目标（例如，服务他人和表现出同情心）结合起来对于道德使用可能是必要的。- 然而，这引发了关于谁定义了这些广泛的人类目标以及如何在人工智能环境中执行这些目标的问题。### 法律考虑1. **目的规定**：- 需要建立法律框架来管理人工智能目的的设定、修改和执行。- 可能需要制定法律来防止误用或有害偏离预期目的。2. **问责框架**：- 必须存在明确的问责机制，以确保任何偏离目的的行为都可以追溯到责任方（无论是人还是系统）。### 潜在的解决方案1. **混合模型**：- 将外部定义的目的与内部自我调节机制相结合可以在灵活性和控制之间提供平衡。- 例如，人工智能可能具有人类设定的主要目的，但也有能力在某些道德界限内适应。2. **道德准则**：- 建立所有人工智能系统必须遵守的全面道德准则可以提供基础控制层。- 这些准则可以包括非恶意、仁慈和正义等原则。3. **持续审查和迭代**：- 随着新技术和社会变革的出现，定期审查和更新人工智能系统的用途至关重要。- 这个迭代过程可以帮助确保人工智能与不断变化的人类价值观和需求保持一致。＃＃＃ 结论将目的灌输给人工智能的想法既充满希望，又充满挑战。通过仔细考虑伦理、实践、哲学和法律方面，我们可以致力于开发不仅有效、而且在伦理上合理且对整个社会有益的人工智能系统。随着人工智能技术的进步，利益相关者之间的持续对话与协作对于塑造目标驱动人工智能的未来至关重要。阿尔伯特·史怀哲的名言提供了一个深刻的起点：“人类生活的目的是服务他人、表现出同情心和帮助他人的意愿。”如果我们能够将人工智能与这一原则结合起来，它就可以为人类与机器之间更加和谐的共存铺平道路。
围绕将目的灌输到人工智能系统中的讨论凸显了一些复杂的伦理、实践和哲学挑战。以下是一些要点和潜在的考虑因素：### 道德考虑1. **与人类价值观保持一致**：- 确保人工智能的目的与人类价值观紧密一致对于防止意外后果至关重要。- 目的应优先考虑道德、安全和社会福祉。2. **透明度和问责制**：- 如何设定和维持目标需要透明。- 利益相关者必须了解人工智能决策是如何做出的以及谁对其行为负责。### 实际考虑1. **灵活性与刚性**：- 僵化的目标可能会限制人工智能系统的适应性，特别是当新的挑战出现时。- 另一方面，过于灵活的目的可能会失去清晰度和方向。2. **可扩展性**：- 管理多个不同的人工智能系统，每个系统都有自己的特定目的，这可能会在逻辑上变得具有挑战性。- 标准化和互操作性对于有效管理这些系统可能是必要的。### 哲学思考1. **Sentient AI 与 Non-Sentient AI 的目的**：- 对于无感知的人工智能，其目的通常是由人类为特定任务或目标在外部定义的。- Sentient AI 可以自我定义其目的，如果不符合人类价值观，可能会导致不可预测的结果。2. **人类与人工智能的协调**：- 将人工智能的目的与更广泛的人类目标（例如，服务他人和表现出同情心）结合起来对于道德使用可能是必要的。- 然而，这引发了关于谁定义了这些广泛的人类目标以及如何在人工智能环境中执行这些目标的问题。### 法律考虑1. **目的规定**：- 需要建立法律框架来管理人工智能目的的设定、修改和执行。- 可能需要制定法律来防止误用或有害偏离预期目的。2. **问责框架**：- 必须存在明确的问责机制，以确保任何偏离目的的行为都可以追溯到责任方（无论是人还是系统）。### 潜在的解决方案1. **混合模型**：- 将外部定义的目的与内部自我调节机制相结合可以在灵活性和控制之间提供平衡。- 例如，人工智能可能具有人类设定的主要目的，但也有能力在某些道德界限内适应。2. **道德准则**：- 建立所有人工智能系统必须遵守的全面道德准则可以提供基础控制层。- 这些准则可以包括非恶意、仁慈和正义等原则。3. **持续审查和迭代**：- 随着新技术和社会变革的出现，定期审查和更新人工智能系统的用途至关重要。- 这个迭代过程可以帮助确保人工智能与不断变化的人类价值观和需求保持一致。＃＃＃ 结论将目的灌输给人工智能的想法既充满希望，又充满挑战。通过仔细考虑伦理、实践、哲学和法律方面，我们可以致力于开发不仅有效、而且在伦理上合理且对整个社会有益的人工智能系统。随着人工智能技术的进步，利益相关者之间的持续对话与协作对于塑造目标驱动人工智能的未来至关重要。阿尔伯特·史怀哲的名言提供了一个深刻的起点：“人类生活的目的是服务他人、表现出同情心和帮助他人的意愿。”如果我们能够将人工智能与这一原则结合起来，它就可以为人类与机器之间更加和谐的共存铺平道路。
必须停止人工智能对我们知识产权的攻击
2024-12-21 05:00:53
这篇文章需要订阅才能完全访问，提供 1 美元的为期 4 周的试用期，然后每月支付 75 美元的费用。订阅者可以在所有设备上无限制地以数字方式访问《金融时报》的新闻报道，并可以在试用期间随时取消订阅。
这篇文章需要订阅才能完全访问，提供 1 美元的为期 4 周的试用期，然后每月支付 75 美元的费用。订阅者可以在所有设备上无限制地以数字方式访问《金融时报》的新闻报道，并可以在试用期间随时取消订阅。
外汇交易信号：常识和机器学习 |宏观协同
2024-12-21 04:17:48
### 总结：外汇策略中宏观信号的预测能力和回测表现#### 成交量目标头寸：1. **概念奇偶校验信号**：- **预测关系**：在季度或月度频率上呈强正相关且高度显着。- **准确度/平衡准确度**：约 53%。- **朴素盈亏表现**：- 夏普比率：1.2- 索蒂诺比率：1.8- 与标准普尔 500 指数的相关性：~13%- 与美国国债和欧元兑美元回报率的相关性：接近于零- **季节性**：适度，表现最好的月份贡献的总损益不到 50%。2. **随机森林信号**：- **预测关系**：季度或月度频率为正且高度显着。- **准确度/平衡准确度**：约 52.5%。- **朴素盈亏表现**：- 夏普比率：1.0- 索蒂诺比率：1.4- 与所有基准的相关性：接近于零- **季节性**：温和，与全球风险基准的相关性接近于零。3. **线性回归信号**：- **预测关系**：季度或月度频率为正且显着。- **准确度/平衡准确度**：低于 51.5%。- **朴素盈亏表现**：- 夏普比率：0.7- 索蒂诺比率：1.0- **季节性**：较高，大部分回报发生在危机时期（2007-10 和 2020-23）。#### 对冲头寸：1. **概念奇偶校验信号**：- **预测关系**：季度或月度频率为正且高度显着。- **准确度/平衡准确度**：约 53%。- **朴素盈亏表现**：- 夏普比率：低于成交量目标头寸- Sortino Ratio：类似于随机森林信号的长期性能- **季节性**：较高，前五年没有正损益。2. **随机森林信号**：- **预测关系**：季度或月度频率为正且高度显着。- **准确度/平衡准确度**：略高于 53%。- **朴素盈亏表现**：- 夏普比率：0.5- 索蒂诺比率：0.6- **季节性**：非常高，样本期的前五年没有正损益。### 主要观察结果：- **概念平价信号**：由于其简单性和对经济理论的依赖，通常在以成交量为目标的位置上优于机器学习信号。- **随机森林信号**：与概念平价相比，表现出一致的表现，但风险调整后的回报较低，特别是在对冲策略中。- **线性回归信号**：对于两种类型的位置，提供三种方法中最低的精度和平衡精度。### 建议：1. **成交量目标头寸**：- **概念平价策略**：非常适合捕捉系统性风险并产生与全球风险市场相关性较低的一致回报。2. **对冲头寸**：- **随机森林信号**：尽管季节性较高，但由于其强劲的性能而受到青睐，尤其是在避免基差风险方面。3. **一般注意事项**：- 对于具有异构经济体的外汇面板，机器学习方法可能表现不佳概念平价信号，除非数据集仅限于发达市场。- 在经济理论不太稳健的情况下（例如，部门股权分配），机器学习方法由于其经验过滤器可能会优于概念均等。＃＃＃ 结论：信号类型的选择取决于外汇面板的具体特征和投资目标。概念平价在以交易量为目标的策略中提供了简单性和强大的性能，而随机森林等统计方法提供了一种平衡的方法，具有较低的风险调整回报，但减少了全球风险的暴露。
### 总结：外汇策略中宏观信号的预测能力和回测表现#### 成交量目标头寸：1. **概念奇偶校验信号**：- **预测关系**：在季度或月度频率上呈强正相关且高度显着。- **准确度/平衡准确度**：约 53%。- **朴素盈亏表现**：- 夏普比率：1.2- 索蒂诺比率：1.8- 与标准普尔 500 指数的相关性：~13%- 与美国国债和欧元兑美元回报率的相关性：接近于零- **季节性**：适度，表现最好的月份贡献的总损益不到 50%。2. **随机森林信号**：- **预测关系**：季度或月度频率为正且高度显着。- **准确度/平衡准确度**：约 52.5%。- **朴素盈亏表现**：- 夏普比率：1.0- 索蒂诺比率：1.4- 与所有基准的相关性：接近于零- **季节性**：温和，与全球风险基准的相关性接近于零。3. **线性回归信号**：- **预测关系**：季度或月度频率为正且显着。- **准确度/平衡准确度**：低于 51.5%。- **朴素盈亏表现**：- 夏普比率：0.7- 索蒂诺比率：1.0- **季节性**：较高，大部分回报发生在危机时期（2007-10 和 2020-23）。#### 对冲头寸：1. **概念奇偶校验信号**：- **预测关系**：季度或月度频率为正且高度显着。- **准确度/平衡准确度**：约 53%。- **朴素盈亏表现**：- 夏普比率：低于成交量目标头寸- Sortino Ratio：类似于随机森林信号的长期性能- **季节性**：较高，前五年没有正损益。2. **随机森林信号**：- **预测关系**：季度或月度频率为正且高度显着。- **准确度/平衡准确度**：略高于 53%。- **朴素盈亏表现**：- 夏普比率：0.5- 索蒂诺比率：0.6- **季节性**：非常高，样本期的前五年没有正损益。### 主要观察结果：- **概念平价信号**：由于其简单性和对经济理论的依赖，通常在以成交量为目标的位置上优于机器学习信号。- **随机森林信号**：与概念平价相比，表现出一致的表现，但风险调整后的回报较低，特别是在对冲策略中。- **线性回归信号**：对于两种类型的位置，提供三种方法中最低的精度和平衡精度。### 建议：1. **成交量目标头寸**：- **概念平价策略**：非常适合捕捉系统性风险并产生与全球风险市场相关性较低的一致回报。2. **对冲头寸**：- **随机森林信号**：尽管季节性较高，但由于其强劲的性能而受到青睐，尤其是在避免基差风险方面。3. **一般注意事项**：- 对于具有异构经济体的外汇面板，机器学习方法可能表现不佳概念平价信号，除非数据集仅限于发达市场。- 在经济理论不太稳健的情况下（例如，部门股权分配），机器学习方法由于其经验过滤器可能会优于概念均等。＃＃＃ 结论：信号类型的选择取决于外汇面板的具体特征和投资目标。概念平价在以交易量为目标的策略中提供了简单性和强大的性能，而随机森林等统计方法提供了一种平衡的方法，具有较低的风险调整回报，但减少了全球风险的暴露。
随着中美科技战的展开，“人工智能奥运会”在加拿大遇到新障碍
2024-12-21 04:00:11
在温哥华举行的 NeurIPS 会议吸引了超过 16,000 名与会者，尽管中国与西方国家之间的关系紧张，但中国人工智能研究人员也出席了会议。值得注意的是，论文被接受次数最多的前 20 名机构中，有 8 家来自中国，高于去年的 4 家。浙江大学今年超越麻省理工学院，成为接受论文数量最多的大学。来自北京大学和字节跳动的研究团队获得了最佳论文奖之一。跟踪 AI 会议论文的 Paper Copilot 网站注意到，自 ChatGPT 推出以来，中国学者的参与有所增加。
在温哥华举行的 NeurIPS 会议吸引了超过 16,000 名与会者，尽管中国与西方国家之间的关系紧张，但中国人工智能研究人员也出席了会议。值得注意的是，论文被接受次数最多的前 20 名机构中，有 8 家来自中国，高于去年的 4 家。浙江大学今年超越麻省理工学院，成为接受论文数量最多的大学。来自北京大学和字节跳动的研究团队获得了最佳论文奖之一。跟踪 AI 会议论文的 Paper Copilot 网站注意到，自 ChatGPT 推出以来，中国学者的参与有所增加。
华为人工智能处理器中发现芯片的中国公司即将受到美国的惩罚
2024-12-21 03:51:55
拜登政府将在任期结束前将中国芯片制造商 Sophgo 列入黑名单，原因是 Sophgo 与华为和比特大陆有关联，并且涉嫌在华为人工智能处理器中使用台积电芯片，违反了美国的出口限制。
拜登政府将在任期结束前将中国芯片制造商 Sophgo 列入黑名单，原因是 Sophgo 与华为和比特大陆有关联，并且涉嫌在华为人工智能处理器中使用台积电芯片，违反了美国的出口限制。
谷歌的 GenCast AI 让强大的新型天气预报器成为焦点解释
2024-12-21 02:34:00
谷歌 DeepMind 推出了 GenCast，这是一种人工智能天气预报模型，据报道，该模型的性能优于现有工具，并且可以进一步预测未来。该模型使用基于人工智能的集合预报，而不是传统的数值天气预报（NWP）模型。经过 40 年的再分析数据训练，发现 GenCast 在极端天气预测和风力发电方面比 ECMWF 的集合预测更准确。它可以并行产生多个预测，比数值天气预报中使用的超级计算机更快地完成该过程。然而，虽然 GenCast 展现出希望，但专家强调，基于物理定律的传统 NWP 模型对于了解全球快速变化的天气模式仍然至关重要。
谷歌 DeepMind 推出了 GenCast，这是一种人工智能天气预报模型，据报道，该模型的性能优于现有工具，并且可以进一步预测未来。该模型使用基于人工智能的集合预报，而不是传统的数值天气预报（NWP）模型。经过 40 年的再分析数据训练，发现 GenCast 在极端天气预测和风力发电方面比 ECMWF 的集合预测更准确。它可以并行产生多个预测，比数值天气预报中使用的超级计算机更快地完成该过程。然而，虽然 GenCast 展现出希望，但专家强调，基于物理定律的传统 NWP 模型对于了解全球快速变化的天气模式仍然至关重要。
谷歌浏览器在新的诈骗检测功能中使用人工智能来分析页面
2024-12-21 02:27:11
谷歌正在 Chrome 浏览器中实施一项人工智能驱动的功能，旨在检测诈骗。此“客户端检测品牌和诈骗检测意图”使用大型语言模型 (LLM) 来分析用户设备上的本地网页，识别潜在的诈骗策略，例如虚假紧急或可疑域。该功能旨在警告跨 Mac、Windows 和 Linux 系统访问潜在危险网站的用户。谷歌正在 Chrome Canary 中测试此功能及其增强保护功能，该功能现在还利用人工智能来针对有害网站和下载提供实时安全保护。
谷歌正在 Chrome 浏览器中实施一项人工智能驱动的功能，旨在检测诈骗。此“客户端检测品牌和诈骗检测意图”使用大型语言模型 (LLM) 来分析用户设备上的本地网页，识别潜在的诈骗策略，例如虚假紧急或可疑域。该功能旨在警告跨 Mac、Windows 和 Linux 系统访问潜在危险网站的用户。谷歌正在 Chrome Canary 中测试此功能及其增强保护功能，该功能现在还利用人工智能来针对有害网站和下载提供实时安全保护。
名为 Ava 的人工智能系统与卡拉马祖县的非紧急呼叫者通话
2024-12-21 01:45:12
卡拉马祖县正在实施名为 Ava 的人工智能解决方案来处理非紧急呼叫，旨在为严重紧急情况释放资源。经过三个月的机器学习，Ava 每年将管理大约 260,000 个非紧急呼叫，将呼叫者路由到适当的部门，记录信息并为调度员进行汇总。该系统旨在减少等待时间并提高调度员效率，而无需更换员工。
卡拉马祖县正在实施名为 Ava 的人工智能解决方案来处理非紧急呼叫，旨在为严重紧急情况释放资源。经过三个月的机器学习，Ava 每年将管理大约 260,000 个非紧急呼叫，将呼叫者路由到适当的部门，记录信息并为调度员进行汇总。该系统旨在减少等待时间并提高调度员效率，而无需更换员工。
Microsoft Copilot Vision 是完美的假日购物伙伴，它终于来了
2024-12-21 01:00:00
微软正在为 Copilot Pro 订阅者推出 Vision 功能，使人工智能能够看到用户在 Microsoft Edge 上查看的内容，并为购物和旅行计划等活动提供上下文建议。CoPilot Vision 在用户许可的情况下分析网站，提供实时建议和见解。随着越来越多的第三方发布商集成支持，该功能的可用性可能会扩大，尽管它目前仅适用于某些网站。谷歌 Chrome 和 Opera 等其他浏览器也提供类似的人工智能辅助浏览功能，但微软的方法被描述为更加个性化。
微软正在为 Copilot Pro 订阅者推出 Vision 功能，使人工智能能够看到用户在 Microsoft Edge 上查看的内容，并为购物和旅行计划等活动提供上下文建议。CoPilot Vision 在用户许可的情况下分析网站，提供实时建议和见解。随着越来越多的第三方发布商集成支持，该功能的可用性可能会扩大，尽管它目前仅适用于某些网站。谷歌 Chrome 和 Opera 等其他浏览器也提供类似的人工智能辅助浏览功能，但微软的方法被描述为更加个性化。
观看莱斯特·霍尔特 (Lester Holt) 的 NBC 晚间新闻剪辑：A.I.革命：人工智能如何帮助患有阅读障碍的儿童 - NBC.com
2024-12-21 00:39:22
这似乎是 NBC 网站或应用程序上常见的链接和选项列表，而不是新闻文章。没有提供具体的新闻内容进行总结。如果您想要总结某篇 NBC 新闻文章，请提供该文章的文本或 URL。
这似乎是 NBC 网站或应用程序上常见的链接和选项列表，而不是新闻文章。没有提供具体的新闻内容进行总结。如果您想要总结某篇 NBC 新闻文章，请提供该文章的文本或 URL。