全部新闻
萨姆·奥尔特曼支持唐纳德·特朗普帮助美国在人工智能竞赛中击败中国
2024-12-03 11:31:00
萨姆·奥尔特曼乐观地认为，当选总统特朗普将以民主价值观支持美国在人工智能发展方面的领导地位。奥尔特曼认为，强大的美国基础设施对于保持人工智能技术的领先地位至关重要，并期待在这方面与特朗普政府合作。然而，由于与埃隆·马斯克 (Elon Musk) 关系紧张，以及当选副总统 JD 万斯 (JD Vance) 对监管对创新的潜在影响表示担忧，奥特曼面临着挑战。
萨姆·奥尔特曼乐观地认为，当选总统特朗普将以民主价值观支持美国在人工智能发展方面的领导地位。奥尔特曼认为，强大的美国基础设施对于保持人工智能技术的领先地位至关重要，并期待在这方面与特朗普政府合作。然而，由于与埃隆·马斯克 (Elon Musk) 关系紧张，以及当选副总统 JD 万斯 (JD Vance) 对监管对创新的潜在影响表示担忧，奥特曼面临着挑战。
BMG 母公司贝塔斯曼与 ElevenLabs 合作，计划人工智能生成音乐功能 - Music Business Worldwide
2024-12-03 11:22:02
BMG 的母公司贝塔斯曼与人工智能初创公司 ElevenLabs 合作，将人工智能语音和音乐技术集成到贝塔斯曼的媒体制作流程中。至少 36 家贝塔斯曼公司已经在各种环境中使用 ElevenLabs 的工具，包括 RTL Technology 使用人工智能进行配音。此次合作旨在增强媒体叙事并最终融入人工智能生成的音乐。ElevenLabs 强调，这些工具将通过节省时间而不取代创作者来为创作者提供支持。ElevenLabs 首席执行官 Mati Staniszewski 强调，此次合作的重点是更丰富的音频制作、更快的内容创建和多语言可访问性。贝塔斯曼
BMG 的母公司贝塔斯曼与人工智能初创公司 ElevenLabs 合作，将人工智能语音和音乐技术集成到贝塔斯曼的媒体制作流程中。至少 36 家贝塔斯曼公司已经在各种环境中使用 ElevenLabs 的工具，包括 RTL Technology 使用人工智能进行配音。此次合作旨在增强媒体叙事并最终融入人工智能生成的音乐。ElevenLabs 强调，这些工具将通过节省时间而不取代创作者来为创作者提供支持。ElevenLabs 首席执行官 Mati Staniszewski 强调，此次合作的重点是更丰富的音频制作、更快的内容创建和多语言可访问性。贝塔斯曼
人工智能与人类智能水平有多接近？
2024-12-03 11:07:46
像 o1（也称为 Claude-2）这样的大型语言模型 (LLM) 是否能够提供通用人工智能 (AGI) 的问题是人工智能研究领域中一个复杂且不断发展的话题。以下是总结当前理解状态的一些要点：### 法学硕士的局限性1. **规划和解决问题**：- Kambhampati 的团队发现，虽然 o1 在需要最多 16 个规划步骤的任务上表现良好，但在处理更复杂的任务（20-40 个步骤）时，其性能急剧下降。- Chollet 使用旨在测量抽象推理和概括的视觉谜题测试了 o1。该模型在使知识适应新环境方面遇到了困难，这表明灵活重组所学信息存在局限性。2. **令牌预测限制**：- Hadsell 认为，目前对预测下一个代币的关注对于 AGI 来说是不够的。她建议模型需要一次性或批量生成解决方案，而不是增量生成。3. **数据耗尽**：- 用于培训法学硕士的公开文本数据的供应可能会在 2026-2032 年耗尽，这可能会限制进一步的改进。### 潜在优势1. **变压器架构和低柯尔莫哥洛夫复杂度**：- Wilson 的研究表明 Transformer 非常适合学习低 Kolmogorov 复杂性数据（如图像、文本、音频）中的模式，使其具有多种用途。- 更大的模型具有更高的表现力，增加了发现适当解决方案的潜力。2. **泛化性和适应性**：- 虽然法学硕士可以概括广泛的任务，但他们很难以新颖的方式（抽象推理）重新组合学到的信息。### AGI 的要求1. **世界模型表示**：- 神经科学家认为，人类智力依赖于构建世界模型来有效预测结果和计划。- 这表明未来的人工智能模型需要模拟不同的场景并泛化跨领域的技能。2. **新架构和算法**：- 集成 DALL-E 等系统的算法，以更大的块而不是增量方式生成解决方案，对于 AGI 可能是必要的。- 研究支持代币预测之外更广泛认知能力的新架构至关重要。＃＃＃ 结论虽然法学硕士在各个领域取得了显着的进展，并拥有类似 AGI 行为的一些关键特性，但它们目前由于无法灵活地重新组合知识并在复杂任务中有效地泛化而受到限制。当前对预测下一个代币的关注可能不足以实现真正的 AGI。未来的进步可能需要新的架构和训练方法来支持类似于人类智能的更广泛的认知能力。在寻求通用人工智能的过程中，研究开发能够构建全面的世界表征、模拟场景和泛化跨领域技能的模型仍然至关重要。
像 o1（也称为 Claude-2）这样的大型语言模型 (LLM) 是否能够提供通用人工智能 (AGI) 的问题是人工智能研究领域中一个复杂且不断发展的话题。以下是总结当前理解状态的一些要点：### 法学硕士的局限性1. **规划和解决问题**：- Kambhampati 的团队发现，虽然 o1 在需要最多 16 个规划步骤的任务上表现良好，但在处理更复杂的任务（20-40 个步骤）时，其性能急剧下降。- Chollet 使用旨在测量抽象推理和概括的视觉谜题测试了 o1。该模型在使知识适应新环境方面遇到了困难，这表明灵活重组所学信息存在局限性。2. **令牌预测限制**：- Hadsell 认为，目前对预测下一个代币的关注对于 AGI 来说是不够的。她建议模型需要一次性或批量生成解决方案，而不是增量生成。3. **数据耗尽**：- 用于培训法学硕士的公开文本数据的供应可能会在 2026-2032 年耗尽，这可能会限制进一步的改进。### 潜在优势1. **变压器架构和低柯尔莫哥洛夫复杂度**：- Wilson 的研究表明 Transformer 非常适合学习低 Kolmogorov 复杂性数据（如图像、文本、音频）中的模式，使其具有多种用途。- 更大的模型具有更高的表现力，增加了发现适当解决方案的潜力。2. **泛化性和适应性**：- 虽然法学硕士可以概括广泛的任务，但他们很难以新颖的方式（抽象推理）重新组合学到的信息。### AGI 的要求1. **世界模型表示**：- 神经科学家认为，人类智力依赖于构建世界模型来有效预测结果和计划。- 这表明未来的人工智能模型需要模拟不同的场景并泛化跨领域的技能。2. **新架构和算法**：- 集成 DALL-E 等系统的算法，以更大的块而不是增量方式生成解决方案，对于 AGI 可能是必要的。- 研究支持代币预测之外更广泛认知能力的新架构至关重要。＃＃＃ 结论虽然法学硕士在各个领域取得了显着的进展，并拥有类似 AGI 行为的一些关键特性，但它们目前由于无法灵活地重新组合知识并在复杂任务中有效地泛化而受到限制。当前对预测下一个代币的关注可能不足以实现真正的 AGI。未来的进步可能需要新的架构和训练方法来支持类似于人类智能的更广泛的认知能力。在寻求通用人工智能的过程中，研究开发能够构建全面的世界表征、模拟场景和泛化跨领域技能的模型仍然至关重要。
报告发现，生成式人工智能正在影响各行业的就业 - Marketplace
2024-12-03 11:06:49
伦敦帝国理工学院的最新研究表明，由于生成式人工智能的出现，2021 年 7 月至 2023 年 7 月期间，写作、编码和视觉艺术的自由职业职位减少了约 20%。这种转变比以前的技术颠覆发生得更快。虽然人工智能正在取代写作等容易自动化的领域的工作，但它也为可以将这些工具整合到他们的技能中的工人提供了新的机会，从而导致专业角色的竞争加剧和更高的工资。该研究表明，通过提高技能来适应对于工人在不断变化的就业市场中蓬勃发展至关重要。
伦敦帝国理工学院的最新研究表明，由于生成式人工智能的出现，2021 年 7 月至 2023 年 7 月期间，写作、编码和视觉艺术的自由职业职位减少了约 20%。这种转变比以前的技术颠覆发生得更快。虽然人工智能正在取代写作等容易自动化的领域的工作，但它也为可以将这些工具整合到他们的技能中的工人提供了新的机会，从而导致专业角色的竞争加剧和更高的工资。该研究表明，通过提高技能来适应对于工人在不断变化的就业市场中蓬勃发展至关重要。
风险投资家表示，企业正在为如何利用 Gen AI 而苦苦挣扎
2024-12-03 11:02:00
Menlo Ventures 的调查显示，尽管今年企业在人工智能 (AI) 方面的投资达到 140 亿美元，但超过三分之一的公司缺乏实施生成式 AI 的明确愿景。该报告强调了基础模型和人工智能应用支出的显着增长，总支出从去年的 23 亿美元增至 138 亿美元。虽然 OpenAI 的市场份额已下降至 34%，但 Anthropic 的 Claude 模型正在获得企业的青睐。该调查预测，人工智能代理将扰乱企业软件市场，老牌公司可能面临人工智能本土竞争对手的挑战，人工智能专业人才将出现短缺。
Menlo Ventures 的调查显示，尽管今年企业在人工智能 (AI) 方面的投资达到 140 亿美元，但超过三分之一的公司缺乏实施生成式 AI 的明确愿景。该报告强调了基础模型和人工智能应用支出的显着增长，总支出从去年的 23 亿美元增至 138 亿美元。虽然 OpenAI 的市场份额已下降至 34%，但 Anthropic 的 Claude 模型正在获得企业的青睐。该调查预测，人工智能代理将扰乱企业软件市场，老牌公司可能面临人工智能本土竞争对手的挑战，人工智能专业人才将出现短缺。
2025 年 30 岁以下 30 岁以下教育：人工智能辅导、教育非营利组织、学校董事会等领域值得关注的领域
2024-12-03 11:00:00
《福布斯》发布了 2025 年 30 位 30 岁以下教育精英榜单，其中包括给专家评委留下深刻印象的年轻企业家和变革者。29 岁的 Zoe Bentley 与他人共同创建了 OctoStudio，这是一款向视障儿童教授编码的应用程序。其他著名人物包括 Julia Dixon 和她的人工智能写作导师 ESAI、Arman Jaffer 的 Brisk AI 助教，以及 Michael Giardino、Sidhant Bendre 和 Achraf Golli 的作业助手 Quizard AI。该名单还强调了创新方法，例如MathDash和King of the Curve的游戏化学习，以社区为中心的举措，例如Natalie Tung的HomeWorks Trenton，以及纽约大学的Krystal McLeod和帕萨迪纳城市学院董事会的Ryan Liu担任的传统学术领导角色。
《福布斯》发布了 2025 年 30 位 30 岁以下教育精英榜单，其中包括给专家评委留下深刻印象的年轻企业家和变革者。29 岁的 Zoe Bentley 与他人共同创建了 OctoStudio，这是一款向视障儿童教授编码的应用程序。其他著名人物包括 Julia Dixon 和她的人工智能写作导师 ESAI、Arman Jaffer 的 Brisk AI 助教，以及 Michael Giardino、Sidhant Bendre 和 Achraf Golli 的作业助手 Quizard AI。该名单还强调了创新方法，例如MathDash和King of the Curve的游戏化学习，以社区为中心的举措，例如Natalie Tung的HomeWorks Trenton，以及纽约大学的Krystal McLeod和帕萨迪纳城市学院董事会的Ryan Liu担任的传统学术领导角色。
30 Under 30 医疗保健 2025：推进人工智能、提供护理和创造新疗法
2024-12-03 11:00:00
30 岁以下的企业家和研究人员正在通过创新技术应对重大医疗保健挑战，例如用于诊断癌症的人工智能、用于医疗的可穿戴设备以及用于改善患者护理的软件。著名的公司包括 Valar Labs，该公司使用人工智能来分析膀胱癌的肿瘤图像；Dannce.ai，利用深度学习进行神经系统状况评估；Carenostics，利用人工智能识别高危慢性病患者。其他创新侧重于通过基于价值的护理计划和可重复使用的医院服来改善医疗保健运营。今年的福布斯 30 岁以下 30 岁以下医疗保健榜单重点关注了各个健康技术领域的年轻创新者。
30 岁以下的企业家和研究人员正在通过创新技术应对重大医疗保健挑战，例如用于诊断癌症的人工智能、用于医疗的可穿戴设备以及用于改善患者护理的软件。著名的公司包括 Valar Labs，该公司使用人工智能来分析膀胱癌的肿瘤图像；Dannce.ai，利用深度学习进行神经系统状况评估；Carenostics，利用人工智能识别高危慢性病患者。其他创新侧重于通过基于价值的护理计划和可重复使用的医院服来改善医疗保健运营。今年的福布斯 30 岁以下 30 岁以下医疗保健榜单重点关注了各个健康技术领域的年轻创新者。
阿里云全面改革人工智能合作伙伴计划
2024-12-03 10:42:11
阿里云宣布“合作伙伴雨林计划”，通过人工智能合作伙伴加速器计划、强化激励、全球战略更新等新举措，重振人工智能合作伙伴生态。该公司的目标是到 2025 年建立 100 个人工智能合作伙伴关系，并加强了在亚洲的区域联系，同时致力于与德勤和埃森哲等公司进行全球战略合作。
阿里云宣布“合作伙伴雨林计划”，通过人工智能合作伙伴加速器计划、强化激励、全球战略更新等新举措，重振人工智能合作伙伴生态。该公司的目标是到 2025 年建立 100 个人工智能合作伙伴关系，并加强了在亚洲的区域联系，同时致力于与德勤和埃森哲等公司进行全球战略合作。
蔡国强AI模型首次登陆澳门个展cAI™：灵魂扫描
2024-12-03 10:32:18
- 蔡国强的互动装置cAI™占卜室吸引参观者。- DesignBoom 重点介绍 2024 年迈阿密艺术与设计周（12 月 1 日至 8 日）期间的重要活动。- 多哈 MANZAR 展览展示了 20 世纪 40 年代以来巴基斯坦的创意演变。- Alex Chinneck 在布里斯托尔安装了扭曲的雕塑，包括路灯和电话亭。- Aziza Kadyri 在威尼斯双年展上讨论了利用人工智能实现乌兹别克斯坦苏扎尼刺绣的现代化。
- 蔡国强的互动装置cAI™占卜室吸引参观者。- DesignBoom 重点介绍 2024 年迈阿密艺术与设计周（12 月 1 日至 8 日）期间的重要活动。- 多哈 MANZAR 展览展示了 20 世纪 40 年代以来巴基斯坦的创意演变。- Alex Chinneck 在布里斯托尔安装了扭曲的雕塑，包括路灯和电话亭。- Aziza Kadyri 在威尼斯双年展上讨论了利用人工智能实现乌兹别克斯坦苏扎尼刺绣的现代化。
通过可解释的人工智能平台 AgeXtend 发现老年保护剂
2024-12-03 10:19:06
Arora 等人发表在 *Nature Aging* 上的题为“通过可解释的基于人工智能的平台 AgeXtend 发现老年保护剂”的文章介绍了一种创新方法来识别可以延缓衰老和与年龄相关的疾病的潜在化合物。本研究的主要内容总结如下：### AgeXtend 平台概述AgeXtend 是一种人工智能驱动的计算框架，旨在预测老年保护剂（具有减缓或逆转衰老过程潜力的化合物）。该平台集成了多个模块：1. **老年预测模块**：预测给定化合物是否可以充当老年保护剂。2. **可解释性模块**：通过识别所涉及的特定生物途径，深入了解某些化合物如何以及为何被预测为有效。3. **毒性模块**：评估预测的老年保护剂的潜在毒性作用，在进一步测试之前确保其安全性。### 关键组件#### 地理预测模块：- 使用包含已知老年保护剂和非老年保护剂的综合数据集进行训练。- 利用 Signaturizer 中基于生物活性的描述符进行特征选择。- 通过类平衡技术和最佳超参数调整实现高精度。#### 可解释性模块：- 识别与衰老相关的关键生物过程（抑制剂或激活剂）。- 通过突出显示受老年保护剂影响的特定途径，提供预测过程的透明度。#### 毒性模块：- 利用与已知毒素的结构相似性和机器学习模型来评估预测化合物的潜在毒性作用。- 确保只有安全且无毒的候选者才能进行进一步验证。### 申请和验证作者通过多种方法验证了 AgeXtend 的预测：1. **独立数据集测试**：使用训练集中未包含的数据集进行外部验证，确认模型的稳健性。2. **人类肠道微生物组分析（ELDERMET 队列）**：研究预测的老年保护剂与肠道微生物群之间的关联，提供额外的生物学相关性。3. **实验验证**：- 在*秀丽隐杆线虫*长寿测定中：证实了 AgeXtend 预测中选定化合物的延长寿命效果。- FDA/PI 检测和 MTT 检测：评估各种条件下人体细胞的细胞活力和细胞毒性。### 发现内源性老年保护剂该研究还探索了内源性代谢物作为潜在的老年保护剂：- 利用 BioTransformer 3.0 进行生物转化预测。- 进行实验来评估这些代谢物的功效和安全性，确定几种具有良好抗衰老特性的新型候选物。＃＃＃ 结论AgeXtend 提供了一个强大的工具，通过利用人工智能驱动的预测模型来加速新的老年保护剂的发现，同时确保可解释性和安全性。该平台在药物开发、个性化医疗和衰老研究方面具有潜在的应用前景。这项工作代表了计算生物学和衰老科学领域的重大进步，为研究人员提供了一个全面的框架来识别有助于健康衰老的新型化合物。＃＃＃ 参考- Arora, S.、Mittal, A.、Duari, S. 等人。通过基于人工智能的可解释平台 AgeXtend 发现老年保护剂。*自然老化*（2024）。https://doi.org/10.1038/s43587-024-00763-4
Arora 等人发表在 *Nature Aging* 上的题为“通过可解释的基于人工智能的平台 AgeXtend 发现老年保护剂”的文章介绍了一种创新方法来识别可以延缓衰老和与年龄相关的疾病的潜在化合物。本研究的主要内容总结如下：### AgeXtend 平台概述AgeXtend 是一种人工智能驱动的计算框架，旨在预测老年保护剂（具有减缓或逆转衰老过程潜力的化合物）。该平台集成了多个模块：1. **老年预测模块**：预测给定化合物是否可以充当老年保护剂。2. **可解释性模块**：通过识别所涉及的特定生物途径，深入了解某些化合物如何以及为何被预测为有效。3. **毒性模块**：评估预测的老年保护剂的潜在毒性作用，在进一步测试之前确保其安全性。### 关键组件#### 地理预测模块：- 使用包含已知老年保护剂和非老年保护剂的综合数据集进行训练。- 利用 Signaturizer 中基于生物活性的描述符进行特征选择。- 通过类平衡技术和最佳超参数调整实现高精度。#### 可解释性模块：- 识别与衰老相关的关键生物过程（抑制剂或激活剂）。- 通过突出显示受老年保护剂影响的特定途径，提供预测过程的透明度。#### 毒性模块：- 利用与已知毒素的结构相似性和机器学习模型来评估预测化合物的潜在毒性作用。- 确保只有安全且无毒的候选者才能进行进一步验证。### 申请和验证作者通过多种方法验证了 AgeXtend 的预测：1. **独立数据集测试**：使用训练集中未包含的数据集进行外部验证，确认模型的稳健性。2. **人类肠道微生物组分析（ELDERMET 队列）**：研究预测的老年保护剂与肠道微生物群之间的关联，提供额外的生物学相关性。3. **实验验证**：- 在*秀丽隐杆线虫*长寿测定中：证实了 AgeXtend 预测中选定化合物的延长寿命效果。- FDA/PI 检测和 MTT 检测：评估各种条件下人体细胞的细胞活力和细胞毒性。### 发现内源性老年保护剂该研究还探索了内源性代谢物作为潜在的老年保护剂：- 利用 BioTransformer 3.0 进行生物转化预测。- 进行实验来评估这些代谢物的功效和安全性，确定几种具有良好抗衰老特性的新型候选物。＃＃＃ 结论AgeXtend 提供了一个强大的工具，通过利用人工智能驱动的预测模型来加速新的老年保护剂的发现，同时确保可解释性和安全性。该平台在药物开发、个性化医疗和衰老研究方面具有潜在的应用前景。这项工作代表了计算生物学和衰老科学领域的重大进步，为研究人员提供了一个全面的框架来识别有助于健康衰老的新型化合物。＃＃＃ 参考- Arora, S.、Mittal, A.、Duari, S. 等人。通过基于人工智能的可解释平台 AgeXtend 发现老年保护剂。*自然老化*（2024）。https://doi.org/10.1038/s43587-024-00763-4