全部新闻
当今的技术有些问题。这个人认为他知道如何解决。
2025-02-02 10:40:00
看来，您已经提供了对话或面试中的摘录，有人在讨论有关当前围绕人工智能（AI）和科技公司主张的当前炒作的怀疑。讨论围绕着质疑高管主张的真实性，平衡媒体的报道与现实的平衡，并将与足球教练等其他领域的相似之处吸引。这是一些蒸馏的关键点：1。**质疑高管的主张**：发言人怀疑技术首席执行官对AI的潜在影响和未来增长的诚意或准确性。2。**成功领导者背后缺乏复杂性**：经过广泛的研究，演讲者在成功的科技领导者之后没有隐藏的天才，例如萨蒂亚·纳德拉（Satya Nadella）（Microsoft）（Microsoft）或Sundar Pichai（Google）。这表明他们的成功可能更多是由于市场条件而不是独特的愿景。3。**与足球教练的比较**：演讲者使用足球教练作为类比。仅仅因为某人是获胜系统的一部分，并不意味着他们了解其运作方式的复杂性或可以独立复制其成功。这反映了对高管在不依赖过去条件的新企业中创新和领导的创新和领导能力的持怀疑态度。4。**市场操纵**：有一个暗示当前的市场状况是通过炒作而不是实质来维持的，而公司添加了AI功能不是因为它们增加了价值，而是因为没有其他方法可以增长或维持股票价格。5。**媒体报道挑战**：当每个人都意识到潜在的问题，但由于在维持市场乐观方面相互利益而必须保持外观，因此，涵盖技术行业变得很困难。6。**新领域的结束**：演讲者建议主要的科技公司可能已经耗尽了轻松的增长途径，尽管其不确定的好处或未来的影响，但现在仍依靠AI炒作。7。**垄断实践**：对科技公司对垄断策略的依赖而不是创新的产品开发以保持市场优势的批评。总体而言，讨论强调了关于当前技术行业领导者是否可以兑现有关AI等变革性技术的承诺的怀疑，并质疑面对这些挑战的当前商业模式的可持续性。
看来，您已经提供了对话或面试中的摘录，有人在讨论有关当前围绕人工智能（AI）和科技公司主张的当前炒作的怀疑。讨论围绕着质疑高管主张的真实性，平衡媒体的报道与现实的平衡，并将与足球教练等其他领域的相似之处吸引。这是一些蒸馏的关键点：1。**质疑高管的主张**：发言人怀疑技术首席执行官对AI的潜在影响和未来增长的诚意或准确性。2。**成功领导者背后缺乏复杂性**：经过广泛的研究，演讲者在成功的科技领导者之后没有隐藏的天才，例如萨蒂亚·纳德拉（Satya Nadella）（Microsoft）（Microsoft）或Sundar Pichai（Google）。这表明他们的成功可能更多是由于市场条件而不是独特的愿景。3。**与足球教练的比较**：演讲者使用足球教练作为类比。仅仅因为某人是获胜系统的一部分，并不意味着他们了解其运作方式的复杂性或可以独立复制其成功。这反映了对高管在不依赖过去条件的新企业中创新和领导的创新和领导能力的持怀疑态度。4。**市场操纵**：有一个暗示当前的市场状况是通过炒作而不是实质来维持的，而公司添加了AI功能不是因为它们增加了价值，而是因为没有其他方法可以增长或维持股票价格。5。**媒体报道挑战**：当每个人都意识到潜在的问题，但由于在维持市场乐观方面相互利益而必须保持外观，因此，涵盖技术行业变得很困难。6。**新领域的结束**：演讲者建议主要的科技公司可能已经耗尽了轻松的增长途径，尽管其不确定的好处或未来的影响，但现在仍依靠AI炒作。7。**垄断实践**：对科技公司对垄断策略的依赖而不是创新的产品开发以保持市场优势的批评。总体而言，讨论强调了关于当前技术行业领导者是否可以兑现有关AI等变革性技术的承诺的怀疑，并质疑面对这些挑战的当前商业模式的可持续性。
AI生成的儿童性虐待图像针对新法律
2025-02-02 10:12:31
英国宣布了四项新法律，以打击AI产生的儿童性虐待图像，成为第一个将最高五年监禁的AI工具犯罪，创建或分配此类AI工具的国家。使用AI进行儿童剥削的手册也将是非法的，可处以最高三年。其他措施包括使运营儿童性虐待内容的网站或提供有关修饰儿童的建议（可处以长达10年）的建议是犯罪。边境部队获得了检查可疑个人进入英国的数字设备的权力，并根据图像严重程度受到惩罚。专家欢迎这些变化，但要求对“裸体”应用程序和主流色情采取进一步行动，以使儿童性虐待标准化。AI生成的CSAM的报告在一年中飙升了380％，强调了新法规的紧迫性。
英国宣布了四项新法律，以打击AI产生的儿童性虐待图像，成为第一个将最高五年监禁的AI工具犯罪，创建或分配此类AI工具的国家。使用AI进行儿童剥削的手册也将是非法的，可处以最高三年。其他措施包括使运营儿童性虐待内容的网站或提供有关修饰儿童的建议（可处以长达10年）的建议是犯罪。边境部队获得了检查可疑个人进入英国的数字设备的权力，并根据图像严重程度受到惩罚。专家欢迎这些变化，但要求对“裸体”应用程序和主流色情采取进一步行动，以使儿童性虐待标准化。AI生成的CSAM的报告在一年中飙升了380％，强调了新法规的紧迫性。
马丁：我们需要一些智慧，人为或其他
2025-02-02 10:00:00
周一，由于中国人工智能公司DeepSeek的竞争，纳斯达克损失了10亿美元的市值。该事件突出了AI对科技巨头的影响，并提出了有关科罗拉多州阿斯彭市当地情报和发展策略的问题。批评家认为，技术和城市规划中都缺乏明智的决策，其中诸如停滞的伐木场项目和误导的建筑工作之类的例子。本文结论是，建议当地领导人可能需要外部，智能的投入来有效地应对他们的挑战。
周一，由于中国人工智能公司DeepSeek的竞争，纳斯达克损失了10亿美元的市值。该事件突出了AI对科技巨头的影响，并提出了有关科罗拉多州阿斯彭市当地情报和发展策略的问题。批评家认为，技术和城市规划中都缺乏明智的决策，其中诸如停滞的伐木场项目和误导的建筑工作之类的例子。本文结论是，建议当地领导人可能需要外部，智能的投入来有效地应对他们的挑战。
我添加了AI渲染到Krita - 这是我的新秘密武器
2025-02-02 10:00:00
Adobe的Firefly是现在直接在Web浏览器中可用于图像和动画创建的几种AI选项之一。但是，作者更喜欢使用基于浏览器的工具（例如Krita）和第三方AI插件（例如Krita）使用本地安装的软件。Graphlink Media的早期采用者和创意总监Lance Evans为本文做出了贡献。
Adobe的Firefly是现在直接在Web浏览器中可用于图像和动画创建的几种AI选项之一。但是，作者更喜欢使用基于浏览器的工具（例如Krita）和第三方AI插件（例如Krita）使用本地安装的软件。Graphlink Media的早期采用者和创意总监Lance Evans为本文做出了贡献。
意见：CT需要关于人工智能政策的真正情报
2025-02-02 09:38:30
自2023年以来，各州的立法者一直在激烈辩论，以解决如何解决与AI相关的固有风险。
自2023年以来，各州的立法者一直在激烈辩论，以解决如何解决与AI相关的固有风险。
更好的人工智能股票：AMD与NVIDIA
2025-02-02 09:15:00
一家中国初创企业DeepSeek以相对较低的成本开发了一种开源大型语言模型，可能破坏了AI芯片市场，并导致AMD和NVIDIA等公司的股票暴跌。尽管AMD的数据中心收入在2024年增长了大幅增长，这对其财务绩效做出了积极贡献，但NVIDIA在AI加速器市场中仍然占主导地位，其收入同比增长。尽管面临挑战，但AMD的股票似乎被低估了，这引发了有关在行业通量中投资哪种半导体股票的问题。
一家中国初创企业DeepSeek以相对较低的成本开发了一种开源大型语言模型，可能破坏了AI芯片市场，并导致AMD和NVIDIA等公司的股票暴跌。尽管AMD的数据中心收入在2024年增长了大幅增长，这对其财务绩效做出了积极贡献，但NVIDIA在AI加速器市场中仍然占主导地位，其收入同比增长。尽管面临挑战，但AMD的股票似乎被低估了，这引发了有关在行业通量中投资哪种半导体股票的问题。
我计划切换为AI创业创始人的3个原因
2025-02-02 08:45:00
Superpocus和密歇根州立大学教授联合创始人Steve Hsu强调了DeepSeek是一家有前途的AI初创公司，与GPT-4（如GPT-4）相比，与封闭式替代品相比，模型更便宜，更快，更私密。SuperFocus正在测试DeepSeek的V3模型，以集成其业务系统，以节省大量成本（比OpenAI模型少30倍），并提高了延迟和数据隐私等领域的性能。HSU预计由于这些好处，因此明年会在明年向开源AI模型转变。
Superpocus和密歇根州立大学教授联合创始人Steve Hsu强调了DeepSeek是一家有前途的AI初创公司，与GPT-4（如GPT-4）相比，与封闭式替代品相比，模型更便宜，更快，更私密。SuperFocus正在测试DeepSeek的V3模型，以集成其业务系统，以节省大量成本（比OpenAI模型少30倍），并提高了延迟和数据隐私等领域的性能。HSU预计由于这些好处，因此明年会在明年向开源AI模型转变。
DeepSeek 100％失败：中国的AI模型无法停止一个有害的提示
2025-02-02 08:17:00
宾夕法尼亚大学的思科和研究人员对一家中国初创公司的聊天机器人进行了DeepSeek R1的安全测试。该测试表明，DeepSeek R1具有巨大的安全缺陷，当旨在绕过安全协议的有害提示挑战时，表现出100％的攻击成功率。这与其他领先的模型形成鲜明对比，后者显示出一定程度的阻力。研究人员使用了“算法越狱”技术，发现与OpenAI这样的主要参与者相比，DeepSeek R1的开发成本有效，但其安全机制受到损害，使其非常容易受到恶意使用的影响。该报告强调了DeepSeek方法中效率和安全性之间的潜在权衡。
宾夕法尼亚大学的思科和研究人员对一家中国初创公司的聊天机器人进行了DeepSeek R1的安全测试。该测试表明，DeepSeek R1具有巨大的安全缺陷，当旨在绕过安全协议的有害提示挑战时，表现出100％的攻击成功率。这与其他领先的模型形成鲜明对比，后者显示出一定程度的阻力。研究人员使用了“算法越狱”技术，发现与OpenAI这样的主要参与者相比，DeepSeek R1的开发成本有效，但其安全机制受到损害，使其非常容易受到恶意使用的影响。该报告强调了DeepSeek方法中效率和安全性之间的潜在权衡。
Bill Gates评论的源代码 - 计算机极客的痛苦
2025-02-02 07:00:00
比尔·盖茨（Bill Gates）撰写的《源代码：我的开端》一书追溯了他从1955年出生到1975年成立微软的演变，强调了他的早期经历，使他成为了技术先驱。它详细介绍了盖茨的特权背景和湖畔学校的计算机访问如何影响他作为程序员的发展。尽管个人挑战，包括叛逆和社会困难，但大门利用了哈佛大学的计算机资源等机遇来编写软件，最终导致了与保罗·艾伦（Paul Allen）建立微软。这本书还涉及到关键时刻，例如辍学，并反思形成性的经历，包括失去他最好的朋友肯特·埃文斯（Kent Evans）。t
比尔·盖茨（Bill Gates）撰写的《源代码：我的开端》一书追溯了他从1955年出生到1975年成立微软的演变，强调了他的早期经历，使他成为了技术先驱。它详细介绍了盖茨的特权背景和湖畔学校的计算机访问如何影响他作为程序员的发展。尽管个人挑战，包括叛逆和社会困难，但大门利用了哈佛大学的计算机资源等机遇来编写软件，最终导致了与保罗·艾伦（Paul Allen）建立微软。这本书还涉及到关键时刻，例如辍学，并反思形成性的经历，包括失去他最好的朋友肯特·埃文斯（Kent Evans）。t
使用langgraph创建基于AI代理的系统：添加持久性和流（逐步指南）
2025-02-02 06:55:13
将持久性和流式功能添加到AI代理中可以显着提高其功能和可用性。以下是如何实现这些功能的详细细分：###持久性持久性可确保AI通过存储历史数据来维持不同交互的环境。当涉及多个用户或上下文时，这对于保持对话连续性至关重要。####实施步骤：1。**数据库设置**：使用SQLITE，PostgreSQL或任何其他数据库系统来存储交互历史记录。2。** CheckPointer配置**： - 初始化与数据库交互的检查台。 - 确保每个线程（对话）具有唯一的“线程_id”。``python来自langgraph.checkpoint.sqlite.aio导入asyncsqlitesaver＃初始化异步sqlite储蓄器以持续异步DEF INIT_CHECKPOINTER（）：返回等待asyncsqlitesaver.from_conn_string（“：memory：”）checkpointer = asyncio.run（init_checkpointer（））````````3。**存储和检索数据**： - 存储消息，上下文和结果中的数据库。 - 基于`thread_id'的数据检索数据以维护对话历史记录。``python＃存储消息的示例async def store_message（checkpointer，thread_id，消息）：等待checkpointer.store_event（{“事件”：“ on_chat_model”，“ data”：{“ thread_id”：thread_id，“ message”：message}}，，版本=“ V1”）＃检索特定线程消息的示例异步def retrieve_messages（checkpointer，thread_id）：返回等待checkpointer.retrieve_events（{“ filter”：{“ event”：“ on_chat_model”，“ data.thread_id”：thread_id}}）````````###流流媒体允许与AI代理的实时互动，从而提供有关其思维过程和行动发生时的见解。####实施步骤：1。**异步流动事件**： - 使用`satream_events'方法进行事件的异步流。``pythonASYNC DEF stream_chat（checkpointer，消息，thread_id）：Abot.graph.astream_events（{“ Message”：Message}，thread =“ configurable”，thread_id = thread_id）中的事件的异步kint = event [“ event”]如果bink ==“ on_chat_model_stream”：content = event [“ data”] [“块”]。内容打印（内容，end =“ |”）````````2。**令牌流**： - 流式传输令牌以实时观察AI的思维过程。``python＃用于特定对话的流式令牌的示例async def stream_tokens（checkpointer，消息，thread_id）：Abot.graph.astream_events（{“ Message”：Message}，thread =“ configurable”，thread_id = thread_id，版本=“ v1”）中的事件的异步kint = event [“ event”]如果bink ==“ on_chat_model_stream”：content = event [“ data”] [“块”]。内容打印（内容，end =“ |”）````````###示例用法让我们将所有内容放在一个示例中，在该示例中，AI代理保持上下文并流式令牌。``python导入异步来自langgraph.checkpoint.sqlite.aio导入asyncsqlitesaver＃初始化CheckPointercheckpointer = asyncio.run（asyncsqlitesaver.from_conn_string（“：memory：“）））异步def main（）：＃通过启用持久性初始化代理abot = agent（模型，[工具]，系统=提示，checkpointer = checkpointer）＃第一消息消息1 = [humanMessage（content =“ sf中的天气是什么？”）]]等待stream_chat（checkpointer，messages1，thread_id =“ 4”）＃带有不同上下文的第二个消息messages2 = [humanMessage（content =“哪一个温暖？”）]]等待stream_tokens（checkpointer，messages2，thread_id =“ 5”）＃优异运行主要功能asyncio.run（main（））````````＃＃＃ 结论通过实施持久性和流式功能，您可以显着增强AI代理的功能。持久性确保对话在多个交互之间进行维持，而流媒体允许与代理商的思维过程进行实时互动。这种设置对于构建强大的对话系统至关重要，在该系统中维护上下文和观察实时行为是必不可少的特征。
将持久性和流式功能添加到AI代理中可以显着提高其功能和可用性。以下是如何实现这些功能的详细细分：###持久性持久性可确保AI通过存储历史数据来维持不同交互的环境。当涉及多个用户或上下文时，这对于保持对话连续性至关重要。####实施步骤：1。**数据库设置**：使用SQLITE，PostgreSQL或任何其他数据库系统来存储交互历史记录。2。** CheckPointer配置**： - 初始化与数据库交互的检查台。 - 确保每个线程（对话）具有唯一的“线程_id”。``python来自langgraph.checkpoint.sqlite.aio导入asyncsqlitesaver＃初始化异步sqlite储蓄器以持续异步DEF INIT_CHECKPOINTER（）：返回等待asyncsqlitesaver.from_conn_string（“：memory：”）checkpointer = asyncio.run（init_checkpointer（））````````3。**存储和检索数据**： - 存储消息，上下文和结果中的数据库。 - 基于`thread_id'的数据检索数据以维护对话历史记录。``python＃存储消息的示例async def store_message（checkpointer，thread_id，消息）：等待checkpointer.store_event（{“事件”：“ on_chat_model”，“ data”：{“ thread_id”：thread_id，“ message”：message}}，，版本=“ V1”）＃检索特定线程消息的示例异步def retrieve_messages（checkpointer，thread_id）：返回等待checkpointer.retrieve_events（{“ filter”：{“ event”：“ on_chat_model”，“ data.thread_id”：thread_id}}）````````###流流媒体允许与AI代理的实时互动，从而提供有关其思维过程和行动发生时的见解。####实施步骤：1。**异步流动事件**： - 使用`satream_events'方法进行事件的异步流。``pythonASYNC DEF stream_chat（checkpointer，消息，thread_id）：Abot.graph.astream_events（{“ Message”：Message}，thread =“ configurable”，thread_id = thread_id）中的事件的异步kint = event [“ event”]如果bink ==“ on_chat_model_stream”：content = event [“ data”] [“块”]。内容打印（内容，end =“ |”）````````2。**令牌流**： - 流式传输令牌以实时观察AI的思维过程。``python＃用于特定对话的流式令牌的示例async def stream_tokens（checkpointer，消息，thread_id）：Abot.graph.astream_events（{“ Message”：Message}，thread =“ configurable”，thread_id = thread_id，版本=“ v1”）中的事件的异步kint = event [“ event”]如果bink ==“ on_chat_model_stream”：content = event [“ data”] [“块”]。内容打印（内容，end =“ |”）````````###示例用法让我们将所有内容放在一个示例中，在该示例中，AI代理保持上下文并流式令牌。``python导入异步来自langgraph.checkpoint.sqlite.aio导入asyncsqlitesaver＃初始化CheckPointercheckpointer = asyncio.run（asyncsqlitesaver.from_conn_string（“：memory：“）））异步def main（）：＃通过启用持久性初始化代理abot = agent（模型，[工具]，系统=提示，checkpointer = checkpointer）＃第一消息消息1 = [humanMessage（content =“ sf中的天气是什么？”）]]等待stream_chat（checkpointer，messages1，thread_id =“ 4”）＃带有不同上下文的第二个消息messages2 = [humanMessage（content =“哪一个温暖？”）]]等待stream_tokens（checkpointer，messages2，thread_id =“ 5”）＃优异运行主要功能asyncio.run（main（））````````＃＃＃ 结论通过实施持久性和流式功能，您可以显着增强AI代理的功能。持久性确保对话在多个交互之间进行维持，而流媒体允许与代理商的思维过程进行实时互动。这种设置对于构建强大的对话系统至关重要，在该系统中维护上下文和观察实时行为是必不可少的特征。