全部新闻
Deepfake色情应用程序声称要捐款以帮助AI受害者
对BlothOff和ASU标签的调查揭示了有关其既定目标和实践的秘密和潜在矛盾的复杂网络：1。**布洛夫**： - **保密**：布洛夫对其所有权秘密，随着时间的流逝，其网站的页脚列出了多家公司。这些变化表明缺乏透明度。 - **法律问题**：由于针对非自愿性深层色情和儿童性虐待材料（CSAM）的法律，布洛夫产生的内容在几个国家可能是非法的。 - **关于AI法规的哲学**：尽管有潜在的法律后果，但布洛夫坚持试图监管或禁止AI是徒劳的。2。** ASU标签**： - **声称任务**：ASU标签声称可以帮助AI伤害和保护个人权利的受害者。 - **与布洛夫（Bloth）合作**：该组织与布洛夫（Bloth）进行研究的合作主张引起了布洛夫（Bloteforf）的实践的严重道德问题。 - ** AI生成的内容**：诸如Gptzero，Quillbot和Zerogpt之类的工具建议ASU标签的网站内容可能是AI生成的，从而提出了有关其主张的真实性和完整性的问题。3。**矛盾**： - **研究合作与受害者倡导**：帮助受害者与布洛夫的明显合作相矛盾的既定使命。 - ** AI用法警告与AI生成的文本**：ASU标签警告反对基于AI的欺骗，但其自己的网站内容似乎是由AI显着生成的。###关键问题和结论：1。**透明度和信誉**： - 两个组织对所有权和实践都缺乏透明度，从而破坏了他们的信誉。2。**道德问题**： - 鉴于布洛夫内容的有害性质，与布洛夫的合作提出了道德问题。3。**潜在滥用AI **： - ASU标签对AI生成的文本的依赖，因为其关键任务通信破坏了其为基于AI的错误信息和欺骗而努力。###建议： - **调查后续行动**：对布洛夫页脚列出的公司的进一步调查可以揭示有关该应用程序所有权结构的更多信息。 - **法律审查**：政府应考虑BlothOff等应用程序的法律含义，尤其是在非自愿的Deepfake内容和CSAM生成方面。 - **对受害者的支持**：应受到基于图像的性虐待影响的个人应针对提供支持的既定组织。这些实体之间的相互作用凸显了在利用AI技术时，需要更高的技术驱动行业透明度以及道德考虑的重要性。
NSF职业奖：通过人工智能支持建筑设计|宾夕法尼亚州立大学
宾夕法尼亚州立大学工程学院助理教授内森·布朗（Nathan Brown）获得了587,000美元的NSF职业奖，以开发数据驱动的AI，用于计划，模拟和建筑建模。该项目旨在创建计算设计工具，以预测建筑绩效并根据早期设计概念提出改进。布朗设想了这些工具在维护人类创造力的同时，提高了建筑设计的效率和可持续性。研究生将努力策划数据和培训模型，而本科生将通过旨在促进学生与执业工程师合作的案例研究和讲习班做出贡献。工程
明尼苏达州的学生因涉嫌使用AI而被开除的学生正在起诉学校
博士据称他在论文中使用AI，他否认这是对他的指控，声称这是对他的“阴谋”，因此被驳回了明尼苏达大学的学生Haishan Yang。他正在起诉大学的决定，导致失去学生签证。争端以初步考试为中心，杨在远程写了三篇论文。教授怀疑AI基于异常首字母缩写词和类似于ChatGpt输出的格式。杨认为Chatgpt访问了与他所做的相同材料的访问，并坚持认为他以前削减了他的财务支持的教职员工面临偏见。早些时候，他收到了使用AI检查英语但没有产生答案的警告。杨现在已针对他的教授和大学提起诉讼，指控操纵证据和缺乏正当程序。
人工智能如何激发信息技术
### Bill Vass采访的要点#### 1。**管理AI炒作和实际实现** - **炒作管理**：计划经理需要有效地管理围绕AI技术的炒作。 - **实际实施**：Booz Allen以模型的实际实现而闻名，这可以帮助需求定义和编程任务。#### 2。** AI可以帮助程序更有效的用例** - **需求定义**：使用AI可以通过基于数据提供见解和建议来加快需求定义。 - **基本编程任务**：AI可以自动化重复的编程任务，从而提高效率。 - **非结构化数据的大数据分析**：AI模型在分析大量非结构化数据方面特别有效。#### 3。**了解AI的正确应用** - **适当的用例**：确定可以有效地应用AI来改善过程和结果的区域。 - **避免误用**：在应用AI可能不会增加价值或可能损害效率的情况下要谨慎。#### 4。 - **核心和扩展功能**：展示如何有效地使用LAMA等模型的核心功能和扩展功能。 - **反馈循环**：实施反馈机制，以基于现实世界的用法不断提高模型的准确性。#### 5。**示例：空间中的AI ** - ** ISS上的变压器模型**：Booz Allen是第一家在国际空间站上部署变压器模型的公司，证明了压缩和高效模型的实际应用。 - **宇航员支持**：该模型通过根据手册和上下文信息提供上下文感知的答案来帮助宇航员快速诊断站系统的问题。#### 6。**技术创新** - **小语言模型（SLOM）**：为特定领域开发较小的专业语言模型可以更有效，并且根据政府计划的需求量身定制。 - ** Edge Computing **：在边缘（例如，在空间站）运行AI模型，即使它需要显着压缩，也可以是最小资源的。#### 7。**蒸馏技术** - **训练模型有效地**：蒸馏技术使较小的模型可以从较大的模型中学习，而无需相同的计算能力。 - **实际实施**：在NVIDIA ORIN JETSON卡等设备上运行这些蒸馏型，展示了现实世界中的适用性和性能优化。＃＃＃ 结论计划经理应专注于AI的实际应用，管理有关技术炒作的期望，并不断更新其知识以利用不断发展的AI功能。通过在要求定义，编程任务和数据分析等领域应用AI，程序可以变得更加有效。此外，利用较小的专业模型（例如SLOM）和实施反馈循环进行持续改进是有效采用AI的关键步骤。这种方法可确保计划经理可以利用AI的力量提高效率和有效性，同时避免与超炒作或误用技术相关的潜在陷阱。
微软的岩浆AI可以操纵和控制机器人
Microsoft引入了Magma，这是一种AI模型，旨在使机器人通过同时处理多种类型的数据来智能地观察，理解和行动。这是Microsoft朝着能够自动计划和执行任务的“代理AI”系统推动的一部分。经过视频，图像，机器人数据和界面交互的培训，岩浆的目标是比以前的型号更具用途，从而可以更好地操纵机器人和对用户界面的导航。该发展是与几所大学的合作，并且在像Google和OpenAI这样的科技巨头努力中开发了可以处理日常任务的AI代理商的努力。微软的主要研究人员强调了弥合多模式AI代理人的口头智能和现实世界动作能力之间差距的重要性。
“最终目标是制作更多电影，”詹姆斯·卡梅隆（James Cameron）担任董事会成员的科技公司稳定AI的CTO说。
稳定AI的首席技术官Hanno Basse在HPA Tech Retreat期间讨论了该公司在生成AI模型上的工作，强调了他们的目标，以促进更多的电影制作。他强调了传统的电影制作时间表中的挑战，并预测，高性能的开源基础模型可能会在两年内出现。稳定性AI使用用于图像，视频，3D，音频和语言生成的工具来支持以艺术家为中心和以任务为中心的方法。Basse还解决了数据出处问题以及当前生成AI在制作高价值电影中的局限性，并强调该公司的目标是在行业规则中进行协作。汉诺·巴斯（Hanno Basse）
Openai在这些国家 /地区推出了其运营商AI代理：检查完整列表|薄荷
OpenAI已将其AI代理商（运营商）的可用性扩展到澳大利亚，巴西，加拿大，印度，日本，新加坡，韩国和英国的用户，以前仅限于美国的Chatgpt Pro用户。推广是Openai努力增强全球AI驱动自动化的努力的一部分，但还不包括欧洲国家。操作员使用OpenAI的计算机使用代理（CUA）模型，并且可以自主与图形用户界面进行交互，从而接受文本和图像输入以进行多功能任务管理。
Grok 3 AI现在可以免费提供所有X用户 - 这是其工作原理
最初需要付费订阅后，X的新Grok 3 AI聊天机器人现在可以免费提供所有X用户。Grok 3包括用于详细的基于Web的研究报告和思考模式的深入搜索模式，以解决数学，科学和编码中的复杂问题。X Premium+和SuperGrok之类的付费订阅提供了高级功能，例如语音模式，这将使AI可以讲和转录音频，尽管成本很高，而X Premium+现在每月40美元。用户可以通过X平台或专用的网页和移动应用程序访问Grok 3。
Clearview AI的首席执行官（刮擦数十亿个在线面部图像的初创公司）辞职
Clearview AI的联合创始人兼前首席执行官Hoan Ton-辞职，早期的投资者Hal Lambert和联合创始人Richard Schwartz成为Coos。这一领导力的变化与Clearview在特朗普政府领导下确保合同的努力相吻合，尤其是在边境安全的生物识别监视方面。Ton-将继续登上董事会，但由于2024年创纪录的收入增长，他的执行职务下降了。新领导包括共和党的积极政治支持者，旨在扩大联邦机构的技术使用，以增强国家安全和公众安全。尽管面临法律挑战，但执法部门继续使用Clearview来解决犯罪，并从当地合同中获得了1600万美元的年收入，旨在通过联邦合作伙伴关系在2025年将这一数字三倍。
律师事务所如何在2025年如何成长，解决人工智能并应对其他挑战
来自Dykema的Lynn Tubalinal和UB Greensfelder的Julia Voss讨论了他们在诉讼支持和电子发现中的作用，应对报告中强调的行业挑战“在不断变化的法律市场中推动诉讼支持促进诉讼支持，”。他们解决了数据量和多样性，过时的技术，采用策略和生成AI的使用等问题。两者都强调了法律技术界不断学习和协作的必要性，以克服这些挑战并保持竞争力。
