全部新闻
如何在不实际破解任何东西的情况下窃取人工智能模型
2024-12-28 12:00:30
北卡罗来纳州立大学的研究人员展示了一种通过分析人工智能芯片的电磁辐射来窃取人工智能模型的方法。使用电磁探针和开源人工智能模型，他们能够在 Google 张量处理单元 (TPU) 上运行时确定神经网络的架构，准确率达到 99.91%。该技术凸显了边缘设备的安全漏洞，引发了人们对人工智能行业知识产权盗窃的担忧。
北卡罗来纳州立大学的研究人员展示了一种通过分析人工智能芯片的电磁辐射来窃取人工智能模型的方法。使用电磁探针和开源人工智能模型，他们能够在 Google 张量处理单元 (TPU) 上运行时确定神经网络的架构，准确率达到 99.91%。该技术凸显了边缘设备的安全漏洞，引发了人们对人工智能行业知识产权盗窃的担忧。
随着 RTO、人工智能威胁的逼近，科技工人运动不断增长
2024-12-28 12:00:00
这篇文章强调了科技工作者组织工会和运动的趋势日益明显，以应对不受欢迎的工作场所政策，例如强制返回办公室（RTO）要求和加强监控，以及尽管公司利润强劲但仍进行裁员。以下是文章中的一些要点：1. **返回办公室的要求：**- 研究人员的一项研究发现，实施严格RTO政策的公司在留住高技能工人方面面临困难。- 尽管宣布五天重返办公室强制要求的公司数量没有显着增加（2024 年只有八家主要科技和金融公司这样做），但那些真正成为头条新闻的公司往往会引起公众的强烈反对。2. **混合工作模式：**- 许多公司继续采用混合工作模式，让员工在办公室出勤方面更加灵活。- 调查一致表明，灵活的工作安排受到科技高管的高度重视，并被视为在竞争激烈的市场中吸引技术工人的关键。3. **工会运动：**- 由于对 RTO 指令和人工智能驱动的工作场所监控等政策不满，越来越多的工人加入工会。- 工会组织者看到了利用科技工人日益增长的政治意识，围绕工作与生活平衡和工作保障问题动员心怀不满的员工的机会。4. **工作场所组织与投票：**- 一些工人认为，在工作场所内组织起来比通过选举投票来反对他们不同意的公司行动更有效。- 这种转变反映了一种更广泛的观念，即工作场所条件直接影响员工实现个人价值观和改善工作条件的能力。5. **利润中的裁员：**- 微软和亚马逊等公司解雇了大量员工，同时公布创纪录的利润，导致员工不满和被背叛的感觉。- 裁员和利润增加的并存使不同公司和行业的工人团结起来。6. **未来展望：**- 文章表明，工会化和工作场所激进主义的趋势可能会在 2025 年持续下去，工人们要求更好的工作保障、公平待遇和改善工作与生活的平衡。- 随着公司越来越依赖人工智能和自动化，对监视和工作岗位流失的担忧可能会进一步激发组织努力。整体叙述强调了科技行业的重大转变，即优先考虑员工权利和满意度，而不是严格的公司控制和传统的基于办公室的模式。
这篇文章强调了科技工作者组织工会和运动的趋势日益明显，以应对不受欢迎的工作场所政策，例如强制返回办公室（RTO）要求和加强监控，以及尽管公司利润强劲但仍进行裁员。以下是文章中的一些要点：1. **返回办公室的要求：**- 研究人员的一项研究发现，实施严格RTO政策的公司在留住高技能工人方面面临困难。- 尽管宣布五天重返办公室强制要求的公司数量没有显着增加（2024 年只有八家主要科技和金融公司这样做），但那些真正成为头条新闻的公司往往会引起公众的强烈反对。2. **混合工作模式：**- 许多公司继续采用混合工作模式，让员工在办公室出勤方面更加灵活。- 调查一致表明，灵活的工作安排受到科技高管的高度重视，并被视为在竞争激烈的市场中吸引技术工人的关键。3. **工会运动：**- 由于对 RTO 指令和人工智能驱动的工作场所监控等政策不满，越来越多的工人加入工会。- 工会组织者看到了利用科技工人日益增长的政治意识，围绕工作与生活平衡和工作保障问题动员心怀不满的员工的机会。4. **工作场所组织与投票：**- 一些工人认为，在工作场所内组织起来比通过选举投票来反对他们不同意的公司行动更有效。- 这种转变反映了一种更广泛的观念，即工作场所条件直接影响员工实现个人价值观和改善工作条件的能力。5. **利润中的裁员：**- 微软和亚马逊等公司解雇了大量员工，同时公布创纪录的利润，导致员工不满和被背叛的感觉。- 裁员和利润增加的并存使不同公司和行业的工人团结起来。6. **未来展望：**- 文章表明，工会化和工作场所激进主义的趋势可能会在 2025 年持续下去，工人们要求更好的工作保障、公平待遇和改善工作与生活的平衡。- 随着公司越来越依赖人工智能和自动化，对监视和工作岗位流失的担忧可能会进一步激发组织努力。整体叙述强调了科技行业的重大转变，即优先考虑员工权利和满意度，而不是严格的公司控制和传统的基于办公室的模式。
灰度超声图像的深度学习放射组学有助于诊断 BI-RADS 4 病变的良性和恶性
2024-12-28 11:36:08
这篇题为“Deep Learning Radimics on Grayscale Ultrasound Images Assists in Diagnosing良性和恶性的 BI-RADS 4 病变”的文章于 2024 年 12 月发表在《Scientific Reports》（Sci Rep）杂志上。该研究由该部门的研究人员进行山东第一医科大学第一附属医院、山东省千佛山医院超声医学科。### 要点：1. **目标**：评估深度学习放射组学在灰度超声图像上诊断分类为 BI-RADS 4 的良性和恶性病变的效用。2. **方法**：- 该研究利用了 BI-RADS 4 乳腺病变患者的灰度超声图像。- 开发了深度学习模型来分析这些图像并将病变分类为良性或恶性。3. **作者的贡献**：- **刘洋**：概念、方法论开发、写作、评论、数据分析。- **张乃文和贾俊英**：数据采集。- **马哲**：学习督导。4. **道德考虑**：- 该研究得到了山东第一医科大学第一附属医院和山东省千佛山医院机构审查委员会的批准（YXLL-KY-2023（045））。- 由于回顾性和使用匿名临床数据，患者同意被放弃。5. **资金**：- 该研究得到了中国山东省重点研究发展基金的支持（批准号：2016GSF201141）。###意义：该研究旨在利用深度学习放射组学提高区分良性和恶性 BI-RADS 4 乳腺病变的诊断准确性。这种方法可以通过对可疑的超声检查结果提供更准确的初步评估来增强临床决策和患者管理。### 参考资料和附加信息：- 该文章根据知识共享署名-非商业性-禁止衍生品 (CC BY-NC-ND) 许可发布，允许在正确归属的情况下进行非商业使用。- 如需更多详细信息或补充材料，读者可访问 Springer Nature 提供的电子增刊。这项研究对肿瘤学医学成像和机器学习领域做出了重大贡献，有可能为乳腺癌评估提供更可靠的诊断工具。
这篇题为“Deep Learning Radimics on Grayscale Ultrasound Images Assists in Diagnosing良性和恶性的 BI-RADS 4 病变”的文章于 2024 年 12 月发表在《Scientific Reports》（Sci Rep）杂志上。该研究由该部门的研究人员进行山东第一医科大学第一附属医院、山东省千佛山医院超声医学科。### 要点：1. **目标**：评估深度学习放射组学在灰度超声图像上诊断分类为 BI-RADS 4 的良性和恶性病变的效用。2. **方法**：- 该研究利用了 BI-RADS 4 乳腺病变患者的灰度超声图像。- 开发了深度学习模型来分析这些图像并将病变分类为良性或恶性。3. **作者的贡献**：- **刘洋**：概念、方法论开发、写作、评论、数据分析。- **张乃文和贾俊英**：数据采集。- **马哲**：学习督导。4. **道德考虑**：- 该研究得到了山东第一医科大学第一附属医院和山东省千佛山医院机构审查委员会的批准（YXLL-KY-2023（045））。- 由于回顾性和使用匿名临床数据，患者同意被放弃。5. **资金**：- 该研究得到了中国山东省重点研究发展基金的支持（批准号：2016GSF201141）。###意义：该研究旨在利用深度学习放射组学提高区分良性和恶性 BI-RADS 4 乳腺病变的诊断准确性。这种方法可以通过对可疑的超声检查结果提供更准确的初步评估来增强临床决策和患者管理。### 参考资料和附加信息：- 该文章根据知识共享署名-非商业性-禁止衍生品 (CC BY-NC-ND) 许可发布，允许在正确归属的情况下进行非商业使用。- 如需更多详细信息或补充材料，读者可访问 Springer Nature 提供的电子增刊。这项研究对肿瘤学医学成像和机器学习领域做出了重大贡献，有可能为乳腺癌评估提供更可靠的诊断工具。
探索生成式人工智能在骨科教育和培训中的前景、障碍和前进道路
2024-12-28 11:33:09
Nikhil Gupta 等人在 BMC Medical Education 上发表的文章“探索骨科教育和培训中的生成式人工智能的前景、障碍和前进道路”深入探讨了生成式人工智能 (GenAI) 在加强骨科教育和培训方面的潜力。以下是该文章的要点摘要：### 前景：1. **增强学习资源**：GenAI 可以生成高质量的教育内容，例如交互式教程、患者案例研究和模拟。2. **个性化学习**：人工智能可以根据个别学生的需求、进度和偏好定制学习体验。3. **模拟训练**：由 GenAI 支持的虚拟现实和增强现实应用程序提供逼真的手术模拟训练，没有与现场手术相关的风险。4. **技能评估**：自动化评估工具可以比传统方法更客观地评估技术技能。### 障碍：1. **道德问题**：需要仔细考虑数据隐私、人工智能生成内容的知情同意以及潜在的患者数据滥用等问题。2. **数据质量和偏差**：确保训练数据集的质量和代表性对于避免有偏差或不准确的学习结果至关重要。3. **监管合规性**：驾驭医学教育技术的法律框架可能具有挑战性。4. **抵制变革**：教育工作者和受训者都可能因不熟悉或怀疑而抵制采用新技术。### 前进之路：1. **课程整合**：制定将 GenAI 工具整合到现有课程中的策略需要技术专家、教育工作者和政策制定者之间的合作。2. **研究和开发**：需要继续研究以改进人工智能算法并解决当前骨科应用的局限性。3. **道德准则**：建立在医学教育中使用 GenAI 的明确道德准则和最佳实践至关重要。4. **协作努力**：机构、行业和政府之间的合作可以加速有效的 GenAI 解决方案的开发和部署。### 影响：1. **医学教育改革**：研究表明，骨科医学教育需要不断发展，以利用人工智能技术的潜在优势，同时降低风险。2. **跨学科合作**：成功实施需要各利益相关者的投入，包括临床医生、教育工作者、技术专家、伦理学家和政策制定者。＃＃＃ 结论：该论文最后强调，虽然 GenAI 在改善骨科教育和培训方面具有重大前景，但通过协作努力解决相关挑战对于充分发挥其潜力至关重要。
Nikhil Gupta 等人在 BMC Medical Education 上发表的文章“探索骨科教育和培训中的生成式人工智能的前景、障碍和前进道路”深入探讨了生成式人工智能 (GenAI) 在加强骨科教育和培训方面的潜力。以下是该文章的要点摘要：### 前景：1. **增强学习资源**：GenAI 可以生成高质量的教育内容，例如交互式教程、患者案例研究和模拟。2. **个性化学习**：人工智能可以根据个别学生的需求、进度和偏好定制学习体验。3. **模拟训练**：由 GenAI 支持的虚拟现实和增强现实应用程序提供逼真的手术模拟训练，没有与现场手术相关的风险。4. **技能评估**：自动化评估工具可以比传统方法更客观地评估技术技能。### 障碍：1. **道德问题**：需要仔细考虑数据隐私、人工智能生成内容的知情同意以及潜在的患者数据滥用等问题。2. **数据质量和偏差**：确保训练数据集的质量和代表性对于避免有偏差或不准确的学习结果至关重要。3. **监管合规性**：驾驭医学教育技术的法律框架可能具有挑战性。4. **抵制变革**：教育工作者和受训者都可能因不熟悉或怀疑而抵制采用新技术。### 前进之路：1. **课程整合**：制定将 GenAI 工具整合到现有课程中的策略需要技术专家、教育工作者和政策制定者之间的合作。2. **研究和开发**：需要继续研究以改进人工智能算法并解决当前骨科应用的局限性。3. **道德准则**：建立在医学教育中使用 GenAI 的明确道德准则和最佳实践至关重要。4. **协作努力**：机构、行业和政府之间的合作可以加速有效的 GenAI 解决方案的开发和部署。### 影响：1. **医学教育改革**：研究表明，骨科医学教育需要不断发展，以利用人工智能技术的潜在优势，同时降低风险。2. **跨学科合作**：成功实施需要各利益相关者的投入，包括临床医生、教育工作者、技术专家、伦理学家和政策制定者。＃＃＃ 结论：该论文最后强调，虽然 GenAI 在改善骨科教育和培训方面具有重大前景，但通过协作努力解决相关挑战对于充分发挥其潜力至关重要。
人工智能驱动的研究揭示了小动物恐惧症背后的大脑模式
2024-12-28 11:08:24
发表在《心理生理学》上的一项新研究利用机器学习来识别与小动物恐惧症相关的大脑结构和网络，揭示了独特的灰质特征和宏观网络，将受影响的个体与没有这种情况的个体区分开来。该研究强调了小脑、杏仁核、颞叶、额叶皮层和丘脑等特定大脑区域在情绪处理和恐惧反应中的作用。研究发现，默认模式网络能够高度预测小动物恐惧症，准确率超过 80%。这项研究旨在提供一种用于诊断该疾病的神经预测模型，并为未来的干预措施提供潜在的途径。然而，其局限性包括样本量相对较小，并且仅关注灰质特征。
发表在《心理生理学》上的一项新研究利用机器学习来识别与小动物恐惧症相关的大脑结构和网络，揭示了独特的灰质特征和宏观网络，将受影响的个体与没有这种情况的个体区分开来。该研究强调了小脑、杏仁核、颞叶、额叶皮层和丘脑等特定大脑区域在情绪处理和恐惧反应中的作用。研究发现，默认模式网络能够高度预测小动物恐惧症，准确率超过 80%。这项研究旨在提供一种用于诊断该疾病的神经预测模型，并为未来的干预措施提供潜在的途径。然而，其局限性包括样本量相对较小，并且仅关注灰质特征。
到 2024 年，这只 AI 股票迄今为止已上涨 360%。这就是为什么它可能会在 2025 年崩盘。杂七杂八的傻瓜
2024-12-28 10:50:00
Palantir Technologies 的股价在 2024 年飙升了 360%，让人想起微软在 20 世纪 90 年代末的表现。尽管 Palantir 受益于人工智能的增长，但其基本面并未与其天价估值相匹配，其市销率甚至超过了微软在互联网泡沫期间的峰值。这引发了人们的担忧，即 Palantir 可能会面临类似于微软在达到不可持续估值后所经历的严重衰退，从而可能使其成为 2025 年最令人失望的市场之一。
Palantir Technologies 的股价在 2024 年飙升了 360%，让人想起微软在 20 世纪 90 年代末的表现。尽管 Palantir 受益于人工智能的增长，但其基本面并未与其天价估值相匹配，其市销率甚至超过了微软在互联网泡沫期间的峰值。这引发了人们的担忧，即 Palantir 可能会面临类似于微软在达到不可持续估值后所经历的严重衰退，从而可能使其成为 2025 年最令人失望的市场之一。
人工智能的未来不应只看其表面价值
2024-12-28 10:00:10
与开发人工智能公司相关的成本，特别是与训练 ChatGPT 等大型语言模型 (LLM) 相关的成本已经飙升。培训高级法学硕士的成本越来越高，但创建功能模型的效率也更高。然而，由于新的“推理”技术增强了人工智能的适应性，但在训练和推理阶段成本高昂，部署这些模型的成本有所上升。这种发展使人工智能行业的业务战略和财务预期变得复杂，因为尽管技术取得了进步，但它仍然是资本密集型的。OpenAI 是这一领域的关键参与者，它与微软的关系面临着独特的挑战，包括对利润分配和如果实现 AGI 到 2030 年之后获得技术的担忧。这些复杂性凸显出，虽然人工智能的未来有望带来重大创新，但人工智能企业当前的经济格局仍然极其昂贵且不确定。
与开发人工智能公司相关的成本，特别是与训练 ChatGPT 等大型语言模型 (LLM) 相关的成本已经飙升。培训高级法学硕士的成本越来越高，但创建功能模型的效率也更高。然而，由于新的“推理”技术增强了人工智能的适应性，但在训练和推理阶段成本高昂，部署这些模型的成本有所上升。这种发展使人工智能行业的业务战略和财务预期变得复杂，因为尽管技术取得了进步，但它仍然是资本密集型的。OpenAI 是这一领域的关键参与者，它与微软的关系面临着独特的挑战，包括对利润分配和如果实现 AGI 到 2030 年之后获得技术的担忧。这些复杂性凸显出，虽然人工智能的未来有望带来重大创新，但人工智能企业当前的经济格局仍然极其昂贵且不确定。
1 月份值得买入的 2 只顶级人工智能股票
2024-12-28 09:50:00
在最近的市场繁荣中寻找顶级人工智能股票具有挑战性，Nvidia 和 Palantir 都取得了显着的涨幅。尽管如此，作为智能手机芯片组领导者的高通，正遭受 5G 周期疲劳和 2026 年后可能失去苹果供应协议的困扰，该公司已将先进的人工智能功能集成到其芯片组中，推动未来可能的升级周期。高通在物联网、汽车和个人电脑领域的多元化业务，加上 2024 财年收入增长（9%）和净利润增长（40%），使其有望实现潜在的上行惊喜，因为投资者可能对其增速放缓反应过度，因为投资者可能对其增速放缓反应过度。与 AMD 和苹果等同行相比的市盈率。寻找顶部
在最近的市场繁荣中寻找顶级人工智能股票具有挑战性，Nvidia 和 Palantir 都取得了显着的涨幅。尽管如此，作为智能手机芯片组领导者的高通，正遭受 5G 周期疲劳和 2026 年后可能失去苹果供应协议的困扰，该公司已将先进的人工智能功能集成到其芯片组中，推动未来可能的升级周期。高通在物联网、汽车和个人电脑领域的多元化业务，加上 2024 财年收入增长（9%）和净利润增长（40%），使其有望实现潜在的上行惊喜，因为投资者可能对其增速放缓反应过度，因为投资者可能对其增速放缓反应过度。与 AMD 和苹果等同行相比的市盈率。寻找顶部
这里有 20 个新年决心……在我们的人工智能朋友的帮助下 |PYMNTS.com
2024-12-28 09:01:55
由于对陈词滥调的年终决议感到沮丧，本文转向人工智能模型来制定创新的财务新年决议。建议包括避免不必要的信用卡积分支出、了解条款和条件、安全管理密码以及抵制冲动的加密货币投资等。这篇文章探讨了常见的金融习惯，并提供了 20 条实用且幽默的建议，旨在提高人工智能时代消费者的金融素养和行为。
由于对陈词滥调的年终决议感到沮丧，本文转向人工智能模型来制定创新的财务新年决议。建议包括避免不必要的信用卡积分支出、了解条款和条件、安全管理密码以及抵制冲动的加密货币投资等。这篇文章探讨了常见的金融习惯，并提供了 20 条实用且幽默的建议，旨在提高人工智能时代消费者的金融素养和行为。
人工智能——好的、有偏见的和不道德的
2024-12-28 08:55:07
人工智能的兴起带来了重大进步，但也带来了道德挑战，例如深度造假带来的错误信息、有偏见的算法以及滥用于犯罪活动。本文探讨了人工智能的不道德用途，包括编程中的有害错误、黑客颠覆和偏见。它重点介绍了现实世界的例子，例如选举期间的深度伪造滥用以及 ChatGPT 捏造的法律案例。强调了人工智能扩大不平等和延续不公平做法的潜力，以及问责制和道德准则的必要性。
人工智能的兴起带来了重大进步，但也带来了道德挑战，例如深度造假带来的错误信息、有偏见的算法以及滥用于犯罪活动。本文探讨了人工智能的不道德用途，包括编程中的有害错误、黑客颠覆和偏见。它重点介绍了现实世界的例子，例如选举期间的深度伪造滥用以及 ChatGPT 捏造的法律案例。强调了人工智能扩大不平等和延续不公平做法的潜力，以及问责制和道德准则的必要性。