全部新闻
泄露的文件显示 OpenAI 对“AGI”有非常清晰的定义
2024-12-26 19:50:40
OpenAI和微软秘密将“AGI”定义为开发至少能产生1000亿美元利润的AI系统。这一定义是他们合同协议的一部分，一旦实现 AGI，微软将失去 OpenAI 技术的使用权，旨在防止权力过度集中。然而，OpenAI 从非营利组织向营利组织的转变使这种安排变得复杂，并可能导致有关云托管和利润分享条款的谈判。当前的合作伙伴关系面临挑战，因为两家公司都有可能成为人工智能市场的竞争对手。
OpenAI和微软秘密将“AGI”定义为开发至少能产生1000亿美元利润的AI系统。这一定义是他们合同协议的一部分，一旦实现 AGI，微软将失去 OpenAI 技术的使用权，旨在防止权力过度集中。然而，OpenAI 从非营利组织向营利组织的转变使这种安排变得复杂，并可能导致有关云托管和利润分享条款的谈判。当前的合作伙伴关系面临挑战，因为两家公司都有可能成为人工智能市场的竞争对手。
DeepSeek 的新人工智能模型似乎是迄今为止最好的“开放”挑战者之一TechCrunch
2024-12-26 19:44:50
中国一家实验室在许可下发布了 DeepSeek V3，这是迄今为止最强大的开放人工智能模型之一。该模型由 DeepSeek 开发，在各种基准测试中都超越了开放可用和封闭的人工智能模型，包括 Codeforces 上的编码任务。它在 14.8 万亿个代币上训练了 6710 亿个参数，其性能优于 Meta 的 Llama 3.1 405B 和 OpenAI 的 GPT-4o 等竞争对手。DeepSeek V3 在两个月内使用大约 2,048 个 GPU 进行了训练，成本约为 600 万美元，只是此类模型通常相关成本的一小部分。然而，该模型遵守中国有关内容和政治观点的规定。
中国一家实验室在许可下发布了 DeepSeek V3，这是迄今为止最强大的开放人工智能模型之一。该模型由 DeepSeek 开发，在各种基准测试中都超越了开放可用和封闭的人工智能模型，包括 Codeforces 上的编码任务。它在 14.8 万亿个代币上训练了 6710 亿个参数，其性能优于 Meta 的 Llama 3.1 405B 和 OpenAI 的 GPT-4o 等竞争对手。DeepSeek V3 在两个月内使用大约 2,048 个 GPU 进行了训练，成本约为 600 万美元，只是此类模型通常相关成本的一小部分。然而，该模型遵守中国有关内容和政治观点的规定。
人工智能改变了残疾学生的游戏规则
2024-12-26 19:27:44
人工智能技术通过提供聊天机器人和单词预测程序等工具，帮助像马克肯兹·吉尔基森（Makenzie Gilkison）这样患有阅读障碍的学生跟上同龄人的步伐。美国教育部和司法部正在推动残疾学生更好地利用这些技术。尽管人们担心过度依赖人工智能和潜在的道德问题，但许多人将其视为公平教育竞争环境的一种手段。学校不仅将人工智能融入特殊教育，而且还提供一般学术支持，通过个性化辅导计划解决阅读能力等挑战。然而，需要平衡利益与风险（例如作弊或不当披露残疾情况），并确保这些工具用户友好且易于使用。
人工智能技术通过提供聊天机器人和单词预测程序等工具，帮助像马克肯兹·吉尔基森（Makenzie Gilkison）这样患有阅读障碍的学生跟上同龄人的步伐。美国教育部和司法部正在推动残疾学生更好地利用这些技术。尽管人们担心过度依赖人工智能和潜在的道德问题，但许多人将其视为公平教育竞争环境的一种手段。学校不仅将人工智能融入特殊教育，而且还提供一般学术支持，通过个性化辅导计划解决阅读能力等挑战。然而，需要平衡利益与风险（例如作弊或不当披露残疾情况），并确保这些工具用户友好且易于使用。
美国劳工部的人工智能招聘框架为雇主提供了如何降低在就业决策中使用人工智能相关的法律风险的有用指导
2024-12-26 18:54:37
美国劳工部 (DOL) 于 2024 年 10 月 16 日发布了一份综合指南，标题为“人工智能和工人福祉：开发商和雇主的原则和最佳实践”。该指南旨在通过提供原则和最佳实践来降低在就业决策中使用人工智能相关的法律风险。主要建议包括以工人赋权为中心、以合乎道德的方式开发人工智能系统、建立健全的治理、确保透明度、保护劳工权利、通过人工智能为工人提供支持、支持失业员工以及负责任地处理数据。劳工部强调，虽然本指南不具有约束力，但遵循这些原则可以帮助雇主遵守有关平等就业机会的现行法律和其他法规。
美国劳工部 (DOL) 于 2024 年 10 月 16 日发布了一份综合指南，标题为“人工智能和工人福祉：开发商和雇主的原则和最佳实践”。该指南旨在通过提供原则和最佳实践来降低在就业决策中使用人工智能相关的法律风险。主要建议包括以工人赋权为中心、以合乎道德的方式开发人工智能系统、建立健全的治理、确保透明度、保护劳工权利、通过人工智能为工人提供支持、支持失业员工以及负责任地处理数据。劳工部强调，虽然本指南不具有约束力，但遵循这些原则可以帮助雇主遵守有关平等就业机会的现行法律和其他法规。
超大型开源人工智能 DeepSeek-V3 发布后性能优于 Llama 和 Qwen
2024-12-26 18:46:47
中国人工智能初创公司DeepSeek发布了DeepSeek-V3，这是一个采用混合专家架构、具有671B参数的超大型模型。它可在 Hugging Face 上使用，其性能优于 Meta 的 Llama 3.1-405B 等领先的开源模型，几乎与 Anthropic 和 OpenAI 的封闭模型相匹配。创新包括辅助无损负载平衡和多令牌预测，提高效率和性能，同时将培训成本降低至约 557 万美元。DeepSeek-V3 在中文和数学基准方面处于领先地位，可通过 GitHub 根据 MIT 许可和 API 访问以具有竞争力的价格获取商业用途。
中国人工智能初创公司DeepSeek发布了DeepSeek-V3，这是一个采用混合专家架构、具有671B参数的超大型模型。它可在 Hugging Face 上使用，其性能优于 Meta 的 Llama 3.1-405B 等领先的开源模型，几乎与 Anthropic 和 OpenAI 的封闭模型相匹配。创新包括辅助无损负载平衡和多令牌预测，提高效率和性能，同时将培训成本降低至约 557 万美元。DeepSeek-V3 在中文和数学基准方面处于领先地位，可通过 GitHub 根据 MIT 许可和 API 访问以具有竞争力的价格获取商业用途。
2025 年每个人都会问的求职面试问题
2024-12-26 17:30:04
2025 年最重要的求职面试问题以人工智能 (AI) 为中心，特别询问应聘者对人工智能的熟悉程度以及如何使用它。回答这个问题的最佳方法是讲述一个故事，突出候选人使用人工智能解决的问题，展示实际应用而不是仅仅熟悉。这种方法展示了解决问题的能力，并将个人经验与潜在的公司挑战联系起来。讨论在使用人工智能时遇到的冲突或挑战也增加了响应的深度，展示了克服障碍的专业知识。最终，将人工智能使用的故事融入到求职叙述中可以提高就业能力和解决这一关键面试问题的能力。
2025 年最重要的求职面试问题以人工智能 (AI) 为中心，特别询问应聘者对人工智能的熟悉程度以及如何使用它。回答这个问题的最佳方法是讲述一个故事，突出候选人使用人工智能解决的问题，展示实际应用而不是仅仅熟悉。这种方法展示了解决问题的能力，并将个人经验与潜在的公司挑战联系起来。讨论在使用人工智能时遇到的冲突或挑战也增加了响应的深度，展示了克服障碍的专业知识。最终，将人工智能使用的故事融入到求职叙述中可以提高就业能力和解决这一关键面试问题的能力。
人工智能可以彻底改变心理健康护理
2024-12-26 16:43:31
人工智能与精神卫生保健的整合正在通过诊断支持、预测分析、个性化治疗计划、聊天机器人和虚拟现实疗法等应用改变服务提供和体验。尽管全球精神健康疾病有所增加（估计有 8 亿人患有抑郁症），但人工智能提供了可扩展且具有成本效益的解决方案，以解决由于耻辱和专业人员短缺而导致的护理缺口。虽然人工智能增强了可访问性，为更好的临床决策提供客观数据，并实现个性化治疗，但它也面临着数据隐私问题、算法偏差和过度依赖技术风险等挑战。未来的进步将集中于完善人工智能算法、与可穿戴设备集成以及开发混合人工智能增强治疗模型，以确保道德使用，同时保留护理的人性元素。
人工智能与精神卫生保健的整合正在通过诊断支持、预测分析、个性化治疗计划、聊天机器人和虚拟现实疗法等应用改变服务提供和体验。尽管全球精神健康疾病有所增加（估计有 8 亿人患有抑郁症），但人工智能提供了可扩展且具有成本效益的解决方案，以解决由于耻辱和专业人员短缺而导致的护理缺口。虽然人工智能增强了可访问性，为更好的临床决策提供客观数据，并实现个性化治疗，但它也面临着数据隐私问题、算法偏差和过度依赖技术风险等挑战。未来的进步将集中于完善人工智能算法、与可穿戴设备集成以及开发混合人工智能增强治疗模型，以确保道德使用，同时保留护理的人性元素。
实现员工对人工智能的敬业度 - Engineering.com
2024-12-26 16:40:38
强调了员工在人工智能 (AI) 实施中的中心地位的重要性，并强调人工智能的成功采用在很大程度上取决于员工的支持和参与。提供自我评估工具来帮助组织评估他们在积极激励员工采用人工智能方面所做的努力。涵盖的关键领域包括采用设计、管理变革、培训、健康和人工智能影响。该评估有助于识别当前战略中的弱点，并指导有效实施人工智能所需的改进，旨在提高员工生产力和组织成功。
强调了员工在人工智能 (AI) 实施中的中心地位的重要性，并强调人工智能的成功采用在很大程度上取决于员工的支持和参与。提供自我评估工具来帮助组织评估他们在积极激励员工采用人工智能方面所做的努力。涵盖的关键领域包括采用设计、管理变革、培训、健康和人工智能影响。该评估有助于识别当前战略中的弱点，并指导有效实施人工智能所需的改进，旨在提高员工生产力和组织成功。
2024-12-26 16:10:57
Palantir, Salesforce lead charge in monetizing AI in 2025: Wedbush Palantir (PLTR) and Salesforce (CRM) are poised to lead in monetizing AI applications among software firms heading into 2025, according to Wedbush. Enterprise AI spending is projected to占据IT预算的更大份额。 注意：上述摘要的最后一部分可能没有准确地反映原文的意思，因为提供的信息片段并不完整。正确的处理方式是仅基于给出的内容生成摘要：“Palantir (PLTR) and Salesforce (CRM) are poised to lead in monetizing AI applications among software firms heading into 2025, according to Wedbush.” Tech , Khanchit Khirisutchalual Palantir ( NASDAQ: PLTR ) and Salesforce ( NYSE: CRM ) appear well positioned to take the lead among software firms in monetizing artificial intelligence applications headed into 2025, according to Wedbush. AI spending among enterprises is expected to take up a larger share of IT Recommended For You
Palantir, Salesforce lead charge in monetizing AI in 2025: Wedbush Palantir (PLTR) and Salesforce (CRM) are poised to lead in monetizing AI applications among software firms heading into 2025, according to Wedbush. Enterprise AI spending is projected to占据IT预算的更大份额。 注意：上述摘要的最后一部分可能没有准确地反映原文的意思，因为提供的信息片段并不完整。正确的处理方式是仅基于给出的内容生成摘要：“Palantir (PLTR) and Salesforce (CRM) are poised to lead in monetizing AI applications among software firms heading into 2025, according to Wedbush.” Tech , Khanchit Khirisutchalual Palantir ( NASDAQ: PLTR ) and Salesforce ( NYSE: CRM ) appear well positioned to take the lead among software firms in monetizing artificial intelligence applications headed into 2025, according to Wedbush. AI spending among enterprises is expected to take up a larger share of IT Recommended For You
优化 AWS 上生成式 AI 应用程序的成本 |亚马逊网络服务
2024-12-26 16:04:26
本文详细分析了可能影响使用 Amazon Web Services (AWS) 构建的生成式 AI 应用程序成本的因素。以下是要点总结：### 影响成本的关键因素1. **嵌入生成：**- 成本取决于数据量和标记化。- 具有更多令牌的更大数据集会显着增加成本。2. **分块策略：**- **标准分块：** 默认或固定大小的分块（例如，300 个令牌）。- **分层分块：** 较小的块聚合为更大的上下文，可能会增加输入令牌的大小和成本。- **语义分块：** 基于语义而不是标记计数的分块，提高了准确性，但提高了嵌入生成成本。- **高级解析：** 识别复杂文档（例如表格、图像）中的块边界，从而导致更高的推理成本。3. **分块策略成本：**- 相对推理成本：- 标准分块：低- 语义分块：中- 分层分块：高4. **护栏和过滤器（亚马逊基岩护栏）：**- 用于检测或编辑 PII 等敏感信息。- 全面应用所有过滤器会增加成本，因此需要仔细评估在何处应用哪些过滤器。5. **推理成本：**- 取决于提示和响应中的标记大小。- 由于输入/输出令牌的增加，更大的上下文（更多令牌）会导致更高的成本。### 详细示例- 对于每月 200 万个带有 PII 检测/编辑的问题：- LLM 回复过滤的大约每月费用：200 美元- 包括用户问题过滤器在内的总成本：400 美元### 建议和最佳实践1. **标记化和数据量：** 通过尽可能减少标记数量来进行优化，尤其是在较大的数据集中。2. **分块策略选择：** 选择平衡准确性和成本效率的策略。- 语义分块对于需要语义相关性的数据可能是有益的，但成本较高。- 分层分块提供了更广泛的上下文，但可以显着增加输入令牌的大小和成本。3. **过滤器的选择性应用：** 仔细评估哪些过滤器是必要的，重点关注安全性至关重要的领域，同时最大限度地减少总体成本影响。＃＃＃ 结论生成式人工智能和相关云服务的格局正在迅速发展；因此，成本可能会随着时间的推移而变化。所提供的成本估算作为基于特定假设的特定时间点的快照，应被视为方向性准确的指导，而不是精确的数字。在下一部分中，第 2 部分将介绍使用 AWS 服务构建的生成式 AI 应用程序的业务价值计算以及影响业务价值的因素。### 关于作者- **Vinnie Saini：** 加拿大多伦多 AWS 的高级生成式 AI 专家解决方案架构师。在设计基于云的解决方案方面拥有丰富的经验。- **Chandra Reddy：** 德克萨斯州奥斯汀 AWS 解决方案架构师团队高级经理。AIML 和生成式 AI 用例方面的专业知识。本综合指南旨在帮助企业了解在 AWS 上部署生成式 AI 应用程序的财务影响和优化策略。
本文详细分析了可能影响使用 Amazon Web Services (AWS) 构建的生成式 AI 应用程序成本的因素。以下是要点总结：### 影响成本的关键因素1. **嵌入生成：**- 成本取决于数据量和标记化。- 具有更多令牌的更大数据集会显着增加成本。2. **分块策略：**- **标准分块：** 默认或固定大小的分块（例如，300 个令牌）。- **分层分块：** 较小的块聚合为更大的上下文，可能会增加输入令牌的大小和成本。- **语义分块：** 基于语义而不是标记计数的分块，提高了准确性，但提高了嵌入生成成本。- **高级解析：** 识别复杂文档（例如表格、图像）中的块边界，从而导致更高的推理成本。3. **分块策略成本：**- 相对推理成本：- 标准分块：低- 语义分块：中- 分层分块：高4. **护栏和过滤器（亚马逊基岩护栏）：**- 用于检测或编辑 PII 等敏感信息。- 全面应用所有过滤器会增加成本，因此需要仔细评估在何处应用哪些过滤器。5. **推理成本：**- 取决于提示和响应中的标记大小。- 由于输入/输出令牌的增加，更大的上下文（更多令牌）会导致更高的成本。### 详细示例- 对于每月 200 万个带有 PII 检测/编辑的问题：- LLM 回复过滤的大约每月费用：200 美元- 包括用户问题过滤器在内的总成本：400 美元### 建议和最佳实践1. **标记化和数据量：** 通过尽可能减少标记数量来进行优化，尤其是在较大的数据集中。2. **分块策略选择：** 选择平衡准确性和成本效率的策略。- 语义分块对于需要语义相关性的数据可能是有益的，但成本较高。- 分层分块提供了更广泛的上下文，但可以显着增加输入令牌的大小和成本。3. **过滤器的选择性应用：** 仔细评估哪些过滤器是必要的，重点关注安全性至关重要的领域，同时最大限度地减少总体成本影响。＃＃＃ 结论生成式人工智能和相关云服务的格局正在迅速发展；因此，成本可能会随着时间的推移而变化。所提供的成本估算作为基于特定假设的特定时间点的快照，应被视为方向性准确的指导，而不是精确的数字。在下一部分中，第 2 部分将介绍使用 AWS 服务构建的生成式 AI 应用程序的业务价值计算以及影响业务价值的因素。### 关于作者- **Vinnie Saini：** 加拿大多伦多 AWS 的高级生成式 AI 专家解决方案架构师。在设计基于云的解决方案方面拥有丰富的经验。- **Chandra Reddy：** 德克萨斯州奥斯汀 AWS 解决方案架构师团队高级经理。AIML 和生成式 AI 用例方面的专业知识。本综合指南旨在帮助企业了解在 AWS 上部署生成式 AI 应用程序的财务影响和优化策略。