全部新闻
爱尔兰和意大利向DeepSeek发送数据监管请求：“数百万意大利人的数据处于危险之中” |TechCrunch
爱尔兰数据保护委员会已向中国AI初创公司DeepSeek提供有关其涉及爱尔兰公民的数据处理实践的信息。这是根据意大利DPA的类似请求，该要求还收到了欧洲往返GDPR合规性的投诉。DeepSeek对欧洲的数据保护和隐私问题正在面临审查，包括有关处理个人数据并将其转移到中国的法律基础的问题。欧盟委员会的发言人指出，AI服务必须遵守欧盟规则，但拒绝评论DeepSeek是否符合它们。同时，英国的ICO表示，生成的AI开发人员需要确保有关数据使用和保护信息权利的透明度。
使用AI，研究人员设计了一种快速而精确的方法来教机器人复杂的技能
加州大学伯克利分校的机器人AI和学习实验室的研究人员使用强化学习开发了一种新颖的培训方法，使机器人能够学习复杂的任务，例如jenga鞭打，锅中翻转对象，以高精度和速度组装诸如主板和正时腰带等设备。机器人从人类的示威和反馈中学习，在培训一到两个小时后，获得了100％的成功率。这种方法还通过模拟的不幸结合了现实世界的适应性，确保机器人可以处理受控实验室环境之外的意外情况。该团队的发现发表在有关ARXIV的技术报告中。
Openai表示，它具有DeepSeek使用其技术开发其AI模型的证据
Openai声称，它有证据表明，中国初创公司DeepSeek使用其技术创建了竞争性的AI模型，从而引起了人们对不断增长的AI行业中知识产权盗窃的担忧。Microsoft的安全研究人员发现，去年秋天OpenAI的API与DeepSeek收获的数据相关联，可能违反了服务条款。Openai和Microsoft正在调查未经授权的活动，而美国企业长期以来一直对中国的IP盗窃保持警惕，尤其是在技术领域。该事件引发了有关AI模型开发实践的辩论，并引发了有关DeepSeek如何处理用户数据的安全问题。
诸如DeepSeek之类的低成本AI模型可以提高AI芯片需求，ASML首席执行官-Ippranks.com
ASML的首席执行官建议，DeepSeek的低成本AI进步可能会导致人们对以AI为注重的芯片的需求增加，这与市场对高级半导体工具的需求减少的担忧相矛盾。尽管最初对专门从事EUV机器的ASML等芯片制造商的影响的最初怀疑，但首席执行官仍然对HyperScalers的R＆D持续投资保持乐观，并认为这是增加芯片需求增长的机会。
AI对环境不利，问题大于能耗
诸如聊天机器人之类的人工智能技术因其高能消耗而被越来越多地审查，由于需要更多的数据中心，诸如Google和Microsoft等公司的GHG排放量大大增加。除了直接的能源使用外，AI还通过掩盖问责制和促进渐进解决方案的偏见反应来影响环境看法，从而有可能加强对生态危机的无效方法。将广告集成到AI平台中可能会进一步加剧这些偏见。
忘记DeepSeek：AID的最多13％的股息收益率投资
由于DeepSeek的成本效益AI模型的出现，美国技术和AI部门经历了闪烁的崩溃，对Nvidia等公司提出了挑战。尽管市场波动性，但保持AI-PAPH平衡投资组合对于长期增长至关重要。AI股票的股息投资者存在机会。高收益投资者将获得仅订户投资组合的独家访问，从而强调了这种机会。
版权办公室提供AI电影制作工具的保证
美国版权办公室宣布，使用人工智能（AI）工具来协助创作过程并不会破坏版权保护，从而为继续在后期制作中使用AI扫清了道路。该办公室的41页报告重申了人类作者身份的重要性，并指出将文本提示进入AI系统不足以要求作者身份。它还断言，如果涉及人类作家的创造性选择和安排，则结合了AI生成的元素的作品有资格获得版权。该决定解决了主要工作室对AI采用的监管障碍提出的担忧，与较早的指导保持一致，但对AI在增强创造力方面的合法性提供了更大的保证。该报告强调了关于AI对创意领域和就业的影响的持续辩论，强调应使用AI来协助而不是取代人类创造者。美国版权
5个关键要点|SI的市区猫讨论人工智能（AI）
关于AI对湾区商业社区的影响的讨论的重要收获：1。澄清了“ AI公司”的定义，并区分了AI-Boost和AI-Sable Spaind Companies。2。AI的价值以加速增长和降低成本而被强调，例如使用AI直接面向消费者品牌购买的个性化消费者等示例。3。讨论了AI解决复杂人类问题的局限性，强调了对人类协作的需求。4。当今AI的独特应用包括在生命科学中进行数字化孪生，以降低临床试验成本并增强患者体验。5。检查了AI公司的投资趋势，并指出了高回报的潜力以及专门从事AI初创公司的风险投资工作室的出现。
Fluo-cast-Bright：一种深度学习的管道，用于无创染色质结构和活卵母细胞中发育潜力的预测
文章“ Fluo-Cast-Bright：对活卵母细胞中染色质结构和发育潜力的无创的深度学习管道”，Xiangyu Zhang，Claudia Baumann和Rabindranath de laFuente引入了一种创新的方法，可以分析活着的oocytes。伤害他们。这很重要，因为它使研究人员可以研究遗传物质的组织内部卵（卵母细胞），并预测其发展为健康胚胎的能力。###文章的要点1。**目标**：这项研究的主要目标是创建一种称为Fluo-cast-Bright的深度学习管道，该管道可以非侵入性地分析活卵母细胞以评估染色质结构和发育潜力。2。**方法**： - **卵母细胞收集和成像**：使用标准程序收集卵母细胞，然后是成像技术，例如荧光显微镜，以捕获卵母细胞的内部结构而不会损害它们。 - ** RNASEQ分析**：在样品的子集上进行RNA测序，以了解与染色质组织有关的基因表达模式。 - **深度学习管道开发（Fluo-cast-Bright）**：该管道使用对来自卵母细胞的成像数据训练的深度学习算法来预测其基于染色质结构的发育潜力。3。**贡献**： - **非侵入性分析**：该方法允许对活细胞进行分析，而无需细胞破坏或提取，这对于保存生物样品和理解细胞动力学至关重要。 - **预测能力**：通过通过深度学习算法分析染色质结构，Fluo-cast-Bright可以预测哪些卵母细胞更有可能发展为健康的胚胎，从而有可能改善辅助生殖技术（ART）。4。**意义**： - **科学进步**：这项研究弥合了成像技术与细胞生物学预测分析之间的差距。 - **实际应用**：可以在生育诊所中使用它来提高IVF治疗中的胚胎选择和成功率。 - **未来的研究**：管道可以为其他生物系统中的类似非侵入性分析方法铺平道路。###技术细节 - **数据收集**： - 从各种来源（例如实验室动物或人类样品）收集卵母细胞。 - 采用荧光显微镜之类的成像技术来捕获卵母细胞中染色质的详细图像。 - ** RNASEQ分析**： - 提取RNA并测序以建立与染色质组织有关的基线基因表达谱。 - **管道开发**： - Fluo-Cast-Bright管道将成像数据与经过训练的机器学习模型相结合，以预测基于染色质结构的发育潜力。###致谢该研究感谢美国农业部国家食品和农业卫生研究所双重用途赠款的支持，以及国家科学细胞制造中心（CMAT EEC-1648035）的资助。该研究专门用于纪念Carmelita Lozada de la Fuente。###道德声明作者宣布，他们已代表佐治亚大学研究基金会提交了与他们的工作有关的专利申请。他们还确认该手稿不包含任何形式的任何人的数据。###同行评审信息本文由匿名审稿人审查，并由Kaliya Georgieva在Communications Biology上处理。###权利和权限该文章以创意共享归因非商业 - 非涉及商业4.0国际许可发表，只要给出适当的信用，任何人就可以将工作用于非商业目的。该摘要强调了使用深度学习来预测卵母细胞中发育潜力而不损害它们的创新方法，这对生殖医学和基本生物学研究具有重要意义。
AI的“教父”说，DeepSeek的进步可能会增加安全风险
包括Yoshua Bengio和Geoffrey Hinton在内的96名AI专家的具有里程碑意义的报告警告说，随着人工智能系统变得越来越有能力恶意使用，安全风险增加。该报告强调了中国初创公司DeepSeek的进步，并建议进行统治地位可能会导致人们对AI安全的关注下降。它还指出，新的AI模型可以为危险活动生成详细的说明，超过专家的能力，同时在医学等领域提供好处。该研究强调，由于AI系统的自主缺陷检测以及与封闭源和开源AI模型相关的风险，人们对Deepfake含量，软件中的脆弱性的关注不断增加。班吉奥强调，尽管完全的自主权仍然是一个挑战，但推理能力的最新发展可能会对就业市场和安全产生重大影响。
