全部新闻
AI最终会取代人工工人还是增加他们？|pymnts.com
- 麻省理工学院的经济学家戴维·奥索（David Autor）认为，人工智能可能会增加而不是取代人类工人。 - AI在工作场所的有效性取决于其设计和集成，而不仅仅是功能。例如，如果未经培训用户可以与AI进行有效协作的培训，那么Chexpert等工具可能会失败。 - 新技术通常会创建新的作业类别；随着全球劳动力短缺的迫在眉睫，人类工人将仍然是必不可少的，尤其是在协作和实践角色中。
Darknet的Xanthorox AI为黑客提供可定制的工具
Xanthorox AI是一种用于进攻性网络运营的独立系统，出现在DarkNet论坛上。它在第1季度晚些时候推出，具有一个自主的模块化结构，专为大规模的自适应攻击而设计，其中包括五个专业语言模型和离线功能。Xanthorox编码器脚本并开发恶意软件，而推理器的高级模仿人类进行操纵。专家警告说，不断发展的威胁格局是AI驱动的攻击变得更加适应性和挑战性。
中国的DeepSeek与Tsinghua University建立了AI栏，增强了推理能力
中国的DeepSeek与Tsinghua University的研究人员合作，使用生成奖励建模（GRM）和自我计划的批评调整开发了一种增强大语模型（LLM）的技术。这种双重方法旨在提高LLMS在一般查询上的性能。根据SCMP，DeepSeek-Grm模型的表现优于现有方法。DeepSeek还计划发布其GRM型号的开源版本，并通过增强的推理功能升级了其V3模型。该公司的举措在国内AI市场引发了一场价格战，并影响了像阿里巴巴这样的其他科技巨头，以发布负担得起的AI服务。Meta Platforms Inc.宣布推出Advanced Llama 4 AI模型。
实现可持续增长需要重新思考经济
自2015年以来，已在联合国可持续发展目标下投资了可持续性工作，但由于财富不平等和资源过度领取，进步滞后。当前的经济模式使21世纪的世界失败了，因此需要一个称为“可持续性”的新范式，该范式将创造财富与可持续发展之间的发展平衡。这涉及将人工智能（AI）整合到AI-Human生态系统中，从而通过安全和教育进行创新来促进人力资本。此外，通过在基础设施必需品，波动，下降的部门和下一代解决方案围绕行业建立韧性，可确保经济稳定和增长。释放中产阶级在发展中国家的潜力至关重要，这是至关重要的，需要在所有经济水平上进行协作，以推动更广泛的经济扩张。过渡到“可持续性”涉及市场进化和组织转型，以实现富有弹性的，包容性的经济，专注于可持续性。s
什么是强化学习？AI研究人员解释了一种关键的教学机器，以及与训练狗的关系
了解智能和创造智能机器是巨大的科学挑战。艾伦·图灵（Alan Turing）1948年的报告奠定了加强学习的基础，这是人工智能的关键领域，训练代理商通过与环境的互动来最大程度地提高奖励。2024 ACM图灵奖颁发给了RL先驱者安德鲁·巴托（Andrew Barto）和理查德·萨顿（Richard Sutton）。RL受动物训练方法的启发，教授计算代理（例如软件程序或机器人），以基于对环境中的感知和行动来实现目标。奖励假设认为，所有目标都可以通过优化数值奖励信号来实现。著名的成功包括DeepMind的GO中的Alphago和Chatgpt等聊天机器人的改进。Barto和Sutton的基础工作，包括有影响力的教科书“强化学习：介绍”，推动了RL研究和应用，同时也影响了神经科学。了解情报和创建智能机器是
人工智能不是我们应该担心的 - 是人类控制它
斯蒂芬·霍金（Stephen Hawking）在2014年警告说，人工智能（AI）超越人类智力并变得无法控制的风险。他的关注与行业领导者和科学家的关注一致，他们担心AI发起全球冲突或取代劳动力中的人的潜力。虽然流行文化经常戏剧性地描绘这些威胁，但关于恐惧是否受到小说的影响，存在哲学上的辩论。在早期的机器人文学中，人类对技术滥用的叙述是普遍的，例如Karelčapek的“ R.U.R.”弗里茨·朗（Fritz Lang）的“大都市”（Metropolis）反映了对AI治理和道德规范的持续关注。现代问题，例如未经授权的数据使用，隐私入侵和企业控制，突显了对AI受益社会而不是利用它的监督的需求。威廉·吉布森（William Gibson）的“神经法”表明，构成最大的威胁是人类的行为和贪婪，而不是AI本身。艾萨克·阿西莫夫（Isaac Asimov）的三个机器人定律强调了人类的讽刺意味，他们没有遵守类似的道德原则本身，提出了有关人类负责任地管理技术能力的问题。
简街的Python先驱者离开跳跃交易
机器学习工程师Loren Puchalla Fiore离开Jane Street加入伦敦的竞争对手高频交易公司Jump Trading。Fiore在Jane Street的Python采用中发挥了重要作用，并在OCAML上工作了实时数据处理系统。尽管Fiore离开了，Jane Street旨在扩大其在香港的存在，并可能在伦敦进行双重办公空间。
AI教育是新的太空竞赛。这是美国必须回应的方式
中国最近宣布对所有北京学生进行强制性AI培训的消息，强调了我们对美国技术优势的挑战，这与苏联发起的Sputnik发射引起了过去的担忧。随着AI的快速发展，美国必须紧急增强和扩大其对AI教育的方法，以保持全球竞争力。新加坡，韩国，芬兰和加拿大等其他国家也正在将AI培训纳入其教育系统中。美国需要联邦认可AI素养作为经济安全的优先事项，并应鼓励国有主导的举措并与非营利组织合作有效地整合AI教育。历史示例表明，基于社区的方法可以催化创新，但是需要立即采取行动以避免在全球竞赛中落后于AI主导地位。
AI研究：选择合适工具的最终指南
人工智能（AI）工具融入学术研究中的整合正在改变学生和研究人员对数据分析，编码，实验设计和文档的方式。以下是您摘要中的一些关键见解和实际应用：### 1。**实验设计和假设测试** - **双子座深度研究**：可以生成个性化的多点研究计划，并建议实验以检验给定假设。 - **引起和scite **：作为虚拟助手，以根据提供的文献或假设制定实验计划。### 2。**编码和数据分析工具** - ** GitHub Copilot，Amazon Codewhisperer（Amazon Q Developer），Anysphere的光标**： - 这些工具通过建议代码段，提高可读性并促进调试来帮助初学者编码任务。 - 他们简化了编写分析管道，生成可视化和执行描述性统计的过程。### 3。**可视化工具** - ** Claude **：使研究人员能够以最小的努力产生复杂的交互式图。 - **代码编辑器**：光标之类的工具通过自动化日常任务并启用更深层次的数据分析而无需花费时间在繁琐的编码琐事上来更有效地探索数据集。### 4。**开源代码存储库** - ** Catalyzex **： - 提供一个平台，以与研究论文一起发布，定位和共享开源代码。 - 有助于找到针对特定应用程序的预先存在的代码（例如，用于癌症检测的机器学习管道），而不是从头开始。### 5。**高级实验工具** - ** Crest（Zhichu Ren的AI系统）**： - 运行最少用户干预的实验，建议根据初始结果调整后续测试并调整实验参数。 - 不断发展以满足不断变化的研究需求。###实用应用####博士生1。**假设检验**：在提交您的委员会审查提议之前，请使用双子座进行深入研究或引起全面的实验计划。2。**编码挑战**：利用Github副驾驶或Anysphere的光标来撰写清洁程序，更有效的代码和调试问题。3。**数据可视化**：采用Claude创建引人注目的可视化，以有效地传达复杂的数据洞察。####为研究人员1。**可重复性**：利用Catalyzex来找到与您的项目相关的现有开源代码，以确保可重现的研究实践。2。**动态实验**：将像CREST这样的先进的AI系统集成到实验室工作流中，以简化实验设计和执行。###道德考虑尽管这些工具提供了巨大的好处，但在使用代码或Github Copilot等平台的建议或建议时，保持使用AI生成的内容的透明度至关重要，尤其是在作者身份和确认方面。此外，确保对基本数据和方法的基本理解保持完整至关重要。通过将这种AI驱动的工具集成到其研究工作流程中，学生和研究人员可以提高生产力，促进创新并保持严格的学术标准。
三星与双子座实时更新有关Galaxy S25系列的实时视觉AI
Samsung Electronics正在将Gemini Live推出，这是一项AI功能，可以从4月7日开始在Galaxy S25系列上进行实时视觉对话。用户可以通过按下侧面按钮来获得AI帮助，从而可以通过相机和屏幕共享功能获得个性化的样式建议和组织帮助，这一切都没有额外的费用。
