全部新闻
微软成立 CoreAI 部门：Ex-Meta Exec 加强 Copilot 和人工智能创新
2025-01-14 16:29:02
微软成立了一个新的工程部门，名为 CoreAI——平台和工具，由前 Meta 高管 Jay Parikh 领导。该部门旨在为客户应用程序构建端到端 Copilot 和 AI 堆栈，并将重点开发 GitHub Copilot。微软计划对数据中心开发进行大量投资，用于人工智能模型的训练和部署。该公司的股价在过去一年中上涨了 7%，2025 财年第一季度的收入增长强劲。
微软成立了一个新的工程部门，名为 CoreAI——平台和工具，由前 Meta 高管 Jay Parikh 领导。该部门旨在为客户应用程序构建端到端 Copilot 和 AI 堆栈，并将重点开发 GitHub Copilot。微软计划对数据中心开发进行大量投资，用于人工智能模型的训练和部署。该公司的股价在过去一年中上涨了 7%，2025 财年第一季度的收入增长强劲。
智能农业：人工智能预测马铃薯生长潜力
2025-01-14 16:22:14
乌得勒支大学的研究人员开发了一种人工智能工具，可以利用种薯上细菌和真菌的 DNA 数据以及农田的无人机图像来预测马铃薯的生长潜力。该模型识别了对植物健康至关重要的微生物，标志着农业进入了微生物学和人工智能交叉以提高农业可持续性和生产力的新时代。发表在《自然微生物学》上的研究强调了微生物混合物对作物产量和恢复力的重大影响，为改进种子处理方法和减少化学农药的使用开辟了途径。
乌得勒支大学的研究人员开发了一种人工智能工具，可以利用种薯上细菌和真菌的 DNA 数据以及农田的无人机图像来预测马铃薯的生长潜力。该模型识别了对植物健康至关重要的微生物，标志着农业进入了微生物学和人工智能交叉以提高农业可持续性和生产力的新时代。发表在《自然微生物学》上的研究强调了微生物混合物对作物产量和恢复力的重大影响，为改进种子处理方法和减少化学农药的使用开辟了途径。
艾萨克·阿西莫夫的机器人定律需要针对人工智能进行更新
2025-01-14 15:42:43
艾萨克·阿西莫夫 (Isaac Asimov) 于 1942 年提出了他的机器人三定律，几十年来一直影响着机器人伦理学的讨论。随着生成人工智能的进步，由于深度造假和错误信息等新出现的挑战，这些法律现在被认为是不够的。新提出的第四定律将防止人工智能通过模仿人类来欺骗人类，强调需要明确的边界来维持对人类与人工智能交互的信任。实施该法律涉及强制人工智能披露、内容标签、技术标准、法律框架和教育举措，以提高人工智能素养并确保人工智能的负责任发展。
艾萨克·阿西莫夫 (Isaac Asimov) 于 1942 年提出了他的机器人三定律，几十年来一直影响着机器人伦理学的讨论。随着生成人工智能的进步，由于深度造假和错误信息等新出现的挑战，这些法律现在被认为是不够的。新提出的第四定律将防止人工智能通过模仿人类来欺骗人类，强调需要明确的边界来维持对人类与人工智能交互的信任。实施该法律涉及强制人工智能披露、内容标签、技术标准、法律框架和教育举措，以提高人工智能素养并确保人工智能的负责任发展。
Genesy 筹集 510 万美元用于构建 B2B 销售人工智能代理 |PYMNTS.com
2025-01-14 15:41:16
Genesy 是一家成立于 2023 年的公司，筹集了 500 万欧元的种子资金，用于扩大其产品范围和团队。这些资金将用于进入新市场，包括美国、英国、德国、意大利、法国和荷兰。Genesy 的技术包括用于 B2B 销售流程的人工智能代理，可以收集数据、筛选潜在客户、实施工作流程和安排会议。首席执行官 Kai Brandt 的目标是开发一个能够在全球范围内销售的多语言销售代理。该公司整合了30多个数据源，并推出了用于销售电话的AI语音系统。Samaipata 领投了种子轮融资，他相信 Genesy 能够重新定义全球销售效率和生产力。杰尼西
Genesy 是一家成立于 2023 年的公司，筹集了 500 万欧元的种子资金，用于扩大其产品范围和团队。这些资金将用于进入新市场，包括美国、英国、德国、意大利、法国和荷兰。Genesy 的技术包括用于 B2B 销售流程的人工智能代理，可以收集数据、筛选潜在客户、实施工作流程和安排会议。首席执行官 Kai Brandt 的目标是开发一个能够在全球范围内销售的多语言销售代理。该公司整合了30多个数据源，并推出了用于销售电话的AI语音系统。Samaipata 领投了种子轮融资，他相信 Genesy 能够重新定义全球销售效率和生产力。杰尼西
Polygon 社区资助第二季宣布 3500 万 POL 支持 AI、DePIN 等
2025-01-14 15:33:45
Polygon 启动了社区资助计划的第二季，提供 3500 万美元的 POL 资助，加倍资助分配者以分散资金。Eliza Labs、Crossmint 和 Gitcoin 等独立分配者将在 AI、DePIN 和 memecoin 项目中分配资金。Direct Track 为预定义主题之外的独特项目提供高达 2000 万美元的资金。申请开放至 2025 年 4 月 15 日。
Polygon 启动了社区资助计划的第二季，提供 3500 万美元的 POL 资助，加倍资助分配者以分散资金。Eliza Labs、Crossmint 和 Gitcoin 等独立分配者将在 AI、DePIN 和 memecoin 项目中分配资金。Direct Track 为预定义主题之外的独特项目提供高达 2000 万美元的资金。申请开放至 2025 年 4 月 15 日。
利用人工智能的力量 - DTC 观点
2025-01-14 15:31:04
人工智能 (AI) 的革命为药品直接面向消费者 (DTC) 营销提供了重大机遇，从更快的概念测试到个性化广告创建。人工智能可以通过启用虚拟焦点小组和针对个人观众量身定制的广告实时优化来重新定义 DTC 广告。尽管存在监管障碍和陡峭的学习曲线等挑战，但专家建议从小处着手，利用可用的工具逐步将人工智能整合到营销流程中。人工智能的最终目标是增强人类的创造力，创造出更有效、更独特的广告。
人工智能 (AI) 的革命为药品直接面向消费者 (DTC) 营销提供了重大机遇，从更快的概念测试到个性化广告创建。人工智能可以通过启用虚拟焦点小组和针对个人观众量身定制的广告实时优化来重新定义 DTC 广告。尽管存在监管障碍和陡峭的学习曲线等挑战，但专家建议从小处着手，利用可用的工具逐步将人工智能整合到营销流程中。人工智能的最终目标是增强人类的创造力，创造出更有效、更独特的广告。
重新构想艺术家的签名，让富有创造力的人能够蓬勃发展——即使人工智能内容爆炸式增长
2025-01-14 15:16:00
Behance 联合创始人兼 Adobe 首席战略官 Scott Belsky 强调创作者经济中的归因对于创意专业人士的成功的重要性。
Behance 联合创始人兼 Adobe 首席战略官 Scott Belsky 强调创作者经济中的归因对于创意专业人士的成功的重要性。
HHS 制定医疗保健人工智能战略计划
2025-01-14 15:15:27
美国卫生与公众服务部 (HHS) 发布了一项战略计划，以监督人工智能 (AI) 在医疗保健中的使用。该计划旨在建立协调的公私合作方法，通过四个目标来提高医疗保健质量和可及性：加速人工智能创新、促进道德发展、确保公平获取以及建设具备人工智能能力的劳动力队伍。美国卫生与公众服务部强调采取安全措施的必要性，包括对最佳实践、隐私指南和网络安全增强的研究，以防止人工智能技术带来的潜在威胁。
美国卫生与公众服务部 (HHS) 发布了一项战略计划，以监督人工智能 (AI) 在医疗保健中的使用。该计划旨在建立协调的公私合作方法，通过四个目标来提高医疗保健质量和可及性：加速人工智能创新、促进道德发展、确保公平获取以及建设具备人工智能能力的劳动力队伍。美国卫生与公众服务部强调采取安全措施的必要性，包括对最佳实践、隐私指南和网络安全增强的研究，以防止人工智能技术带来的潜在威胁。
OpenAI 的人工智能推理模型有时会用中文“思考”，但没有人真正知道为什么 |TechCrunch
2025-01-14 15:05:00
OpenAI 的 AI 模型 o1 表现出一种不寻常的行为，即尽管用英语询问问题，但它仍以查询所用语言以外的语言（例如中文或波斯语）执行推理步骤。这种现象引发了人们对训练数据对模型语言选择的影响以及开发过程中引入的潜在偏差的猜测。专家们提出了从第三方中文数据标签服务到某些语言针对特定任务的效率等各种理论。然而，由于人工智能模型的不透明性，最终的解释仍不清楚，这凸显了人工智能系统构建需要更大的透明度。
OpenAI 的 AI 模型 o1 表现出一种不寻常的行为，即尽管用英语询问问题，但它仍以查询所用语言以外的语言（例如中文或波斯语）执行推理步骤。这种现象引发了人们对训练数据对模型语言选择的影响以及开发过程中引入的潜在偏差的猜测。专家们提出了从第三方中文数据标签服务到某些语言针对特定任务的效率等各种理论。然而，由于人工智能模型的不透明性，最终的解释仍不清楚，这凸显了人工智能系统构建需要更大的透明度。
坂名爱
2025-01-14 15:00:00
### Sakana AI 简介：Transformer²在 Sakana AI，我们对大型语言模型 (LLM) 的最新进展感到兴奋，特别是我们在 **Transformer²** 方面的开创性工作。该模型使人工智能系统能够根据实时输入条件动态调整其行为，而无需重新训练，这代表了人工智能系统在增强适应性和智能方面的重大飞跃。### Transformer² 的关键概念#### 通过 SVF 进行动态适应- **SVF（自变分微调）**：一种利用强化学习 (RL) 生成特定任务“专家”或 z 向量的新颖方法。这些向量用于在推理过程中动态调整模型的权重。- **特定于任务的 Z 向量**：SVF 为数学、编码、推理和视觉问答等各种任务创建专门的 z 向量。#### 任务适应方法- **基于提示的适应**：使用专门设计的提示对任务类型进行分类并选择适当的 z 向量。- **基于分类器的适应**：使用预先训练的分类器在推理过程中识别任务并选择相应的 z 向量。- **少样本自适应**：通过加权插值组合多个 z 向量，并根据性能指标实时优化。### 对比评价我们在各种任务中对 Transformer² 与 LoRA（低阶适配器）等传统微调方法进行了基准测试：1. **基于文本的任务**：- **GSM8K**：SVF 显着优于 LoRA。- **MBPP-Pro 和 HumanEval**：展示卓越的性能和灵活性。2. **基于视觉的任务**：- SVF 显示出显着的改进，特别是在 TextVQA 和 OKVQA 等视觉问答任务中。### 对未见任务的自适应Transformer² 通过利用其学习到的 z 向量来适应看不见的任务，取得了显着的成果：1. **数学**：由于数学推理能力的动态集成，性能优于基线模型。2. **HumanEval 和 ARC-Challenge**：强调模型综合不同类型的专业知识以实现最佳性能的能力。### 跨模型知识转移一个有前途的方面是学习的 z 向量在不同 LLM 之间的可迁移性，例如从 Llama 到 Mistral：1. **跨模型知识共享**：- 在大多数任务的性能改进中观察到积极的影响。- 未来的方向包括评估更多不同模型之间的兼容性和有效性。### 未来：动态智能Transformer² 开辟了人工智能的新范式，其中系统不是静态的，而是基于实时交互而演变：- **持续学习和适应**：模型可以无缝集成新知识或适应动态环境中的行为。- **高效、个性化和协作系统**：创建跨领域协作的高效工具的潜力。### 加入我们：Sakana AI 的工作机会我们致力于突破人工智能研究的界限。如果您有兴趣为这一激动人心的旅程做出贡献，请探索我们的[职业机会](#link-to-career-page)。---如果您有任何疑问或想了解有关 Transformer² 的更多详细信息以及它如何塑造 Sakana AI 的人工智能未来，请随时联系！
### Sakana AI 简介：Transformer²在 Sakana AI，我们对大型语言模型 (LLM) 的最新进展感到兴奋，特别是我们在 **Transformer²** 方面的开创性工作。该模型使人工智能系统能够根据实时输入条件动态调整其行为，而无需重新训练，这代表了人工智能系统在增强适应性和智能方面的重大飞跃。### Transformer² 的关键概念#### 通过 SVF 进行动态适应- **SVF（自变分微调）**：一种利用强化学习 (RL) 生成特定任务“专家”或 z 向量的新颖方法。这些向量用于在推理过程中动态调整模型的权重。- **特定于任务的 Z 向量**：SVF 为数学、编码、推理和视觉问答等各种任务创建专门的 z 向量。#### 任务适应方法- **基于提示的适应**：使用专门设计的提示对任务类型进行分类并选择适当的 z 向量。- **基于分类器的适应**：使用预先训练的分类器在推理过程中识别任务并选择相应的 z 向量。- **少样本自适应**：通过加权插值组合多个 z 向量，并根据性能指标实时优化。### 对比评价我们在各种任务中对 Transformer² 与 LoRA（低阶适配器）等传统微调方法进行了基准测试：1. **基于文本的任务**：- **GSM8K**：SVF 显着优于 LoRA。- **MBPP-Pro 和 HumanEval**：展示卓越的性能和灵活性。2. **基于视觉的任务**：- SVF 显示出显着的改进，特别是在 TextVQA 和 OKVQA 等视觉问答任务中。### 对未见任务的自适应Transformer² 通过利用其学习到的 z 向量来适应看不见的任务，取得了显着的成果：1. **数学**：由于数学推理能力的动态集成，性能优于基线模型。2. **HumanEval 和 ARC-Challenge**：强调模型综合不同类型的专业知识以实现最佳性能的能力。### 跨模型知识转移一个有前途的方面是学习的 z 向量在不同 LLM 之间的可迁移性，例如从 Llama 到 Mistral：1. **跨模型知识共享**：- 在大多数任务的性能改进中观察到积极的影响。- 未来的方向包括评估更多不同模型之间的兼容性和有效性。### 未来：动态智能Transformer² 开辟了人工智能的新范式，其中系统不是静态的，而是基于实时交互而演变：- **持续学习和适应**：模型可以无缝集成新知识或适应动态环境中的行为。- **高效、个性化和协作系统**：创建跨领域协作的高效工具的潜力。### 加入我们：Sakana AI 的工作机会我们致力于突破人工智能研究的界限。如果您有兴趣为这一激动人心的旅程做出贡献，请探索我们的[职业机会](#link-to-career-page)。---如果您有任何疑问或想了解有关 Transformer² 的更多详细信息以及它如何塑造 Sakana AI 的人工智能未来，请随时联系！