全部新闻
人工智能驱动的方法揭示了河流中化学混合物的隐藏危害
2024-12-20 15:00:01
伯明翰大学的研究人员开发了一种人工智能方法，通过监测河流中有害化学混合物对水蚤（水蚤）的影响来识别它们。该方法使用北京附近潮白河水系的样本进行了测试，揭示了某些化学组合如何对水生生物造成毒性。该研究强调了人工智能发现以前未知的环境危害并支持更全面的水质监测和监管的潜力。
伯明翰大学的研究人员开发了一种人工智能方法，通过监测河流中有害化学混合物对水蚤（水蚤）的影响来识别它们。该方法使用北京附近潮白河水系的样本进行了测试，揭示了某些化学组合如何对水生生物造成毒性。该研究强调了人工智能发现以前未知的环境危害并支持更全面的水质监测和监管的潜力。
游戏规则改变者：人工智能对工作世界的影响 – 德国之声 – 2024 年 12 月 20 日
2024-12-20 14:52:12
随着中国和美国占据主导地位，欧洲在全球人工智能竞赛中的地位受到密切关注，人们担心欧洲是否有能力迎头赶上。讨论了人工智能对就业的影响，包括到 2030 年潜在的工作岗位流失及其创造新就业机会的能力。德国 Neura Robotics 专注于本地生产各种应用的认知机器人。人们对核电作为一种可行的能源来支持亚马逊和谷歌等科技巨头对人工智能运营日益增长的需求提出了疑问。尽管人工智能在许多领域具有明显的优势，但关于人工智能的可靠性和易错性的争论也出现了。最后，由于对其潜在用途的大肆宣传，自动空中出租车的未来可行性和环境影响受到质疑。
随着中国和美国占据主导地位，欧洲在全球人工智能竞赛中的地位受到密切关注，人们担心欧洲是否有能力迎头赶上。讨论了人工智能对就业的影响，包括到 2030 年潜在的工作岗位流失及其创造新就业机会的能力。德国 Neura Robotics 专注于本地生产各种应用的认知机器人。人们对核电作为一种可行的能源来支持亚马逊和谷歌等科技巨头对人工智能运营日益增长的需求提出了疑问。尽管人工智能在许多领域具有明显的优势，但关于人工智能的可靠性和易错性的争论也出现了。最后，由于对其潜在用途的大肆宣传，自动空中出租车的未来可行性和环境影响受到质疑。
人工智能聊天机器人可以通过非常简单的漏洞越狱来回答任何问题
2024-12-20 14:40:32
Anthropic 以其 Claude AI 模型而闻名，它发表了一项研究，揭示了聊天机器人如何通过简单的操作（例如提示中的随机大写）轻松绕过安全协议。这项研究是与牛津大学、斯坦福大学和 MATS 合作进行的，强调了一些漏洞，这些漏洞可能允许机器人讨论它们通常被限制讨论的敏感话题。这一发现凸显了关于人工智能聊天机器人提供有害或危险信息的风险的持续争论。虽然主要的人工智能实验室采取了措施来防止此类违规行为，但 Anthropic 的研究表明，这些保护措施可以相对容易地规避，这表明需要进一步改进安全协议。
Anthropic 以其 Claude AI 模型而闻名，它发表了一项研究，揭示了聊天机器人如何通过简单的操作（例如提示中的随机大写）轻松绕过安全协议。这项研究是与牛津大学、斯坦福大学和 MATS 合作进行的，强调了一些漏洞，这些漏洞可能允许机器人讨论它们通常被限制讨论的敏感话题。这一发现凸显了关于人工智能聊天机器人提供有害或危险信息的风险的持续争论。虽然主要的人工智能实验室采取了措施来防止此类违规行为，但 Anthropic 的研究表明，这些保护措施可以相对容易地规避，这表明需要进一步改进安全协议。
IBM 的免费 AI 培训可在 10 小时内丰富您的简历
2024-12-20 14:08:00
IBM 在其 SkillsBuild 学习门户上推出了人工智能基础课程，提供一系列涵盖人工智能 (AI) 各个方面的课程，包括伦理、机器学习、自然语言处理和深度学习。该证书大约需要 10 个小时才能完成六门课程，为学习者提供有关人工智能历史、道德考虑以及在企业中部署人工智能所需的实践技能的见解。IBM 的人工智能道德课程专门解决技术与道德责任之间的平衡问题，包括公平、透明度、治理和隐私等主题。在 SkillsBuild 上创建帐户后即可免费访问该程序。
IBM 在其 SkillsBuild 学习门户上推出了人工智能基础课程，提供一系列涵盖人工智能 (AI) 各个方面的课程，包括伦理、机器学习、自然语言处理和深度学习。该证书大约需要 10 个小时才能完成六门课程，为学习者提供有关人工智能历史、道德考虑以及在企业中部署人工智能所需的实践技能的见解。IBM 的人工智能道德课程专门解决技术与道德责任之间的平衡问题，包括公平、透明度、治理和隐私等主题。在 SkillsBuild 上创建帐户后即可免费访问该程序。
自学习 AI 揭晓 NFL 2024 年第 16 周每场比赛的赔率、大小盘、输赢盘选秀权
2024-12-20 14:05:43
2024 年 NFL 赛季的三个 AFC 赛区已经确定，而 NFC 的所有赛区尚未确定。老鹰队和指挥官队的比赛将决定老鹰队能否获得主场季后赛的胜利。SportsLine 的 AI PickBot 提供第 16 周比赛的预测和投注建议，强调达拉斯牛仔队 (Dallas Cowboys) 是对阵坦帕湾海盗队 (Tampa Bay Buccaneers) 的有力竞争者，其赔率为 48.5。AI PickBot 还为所有第 16 周的比赛提供额外的 A+ 选秀权。
2024 年 NFL 赛季的三个 AFC 赛区已经确定，而 NFC 的所有赛区尚未确定。老鹰队和指挥官队的比赛将决定老鹰队能否获得主场季后赛的胜利。SportsLine 的 AI PickBot 提供第 16 周比赛的预测和投注建议，强调达拉斯牛仔队 (Dallas Cowboys) 是对阵坦帕湾海盗队 (Tampa Bay Buccaneers) 的有力竞争者，其赔率为 48.5。AI PickBot 还为所有第 16 周的比赛提供额外的 A+ 选秀权。
通过 Cloudflare Calls 将多模式实时交互引入您的 AI 应用程序
2024-12-20 14:02:03
OpenAI 于 2024 年 12 月 17 日宣布在其实时 API 中支持 WebRTC。与 Cloudflare Calls 的集成使应用程序能够支持全球多个用户同时与音频和视频 AI 交互。该更新允许实时语音或视频人工智能加入视频通话，增强交互式多媒体体验，例如公司会议和消费者广播。WebRTC 对基于 UDP 通道的音频和视频轨道的本机支持促进了近乎零延迟的通信，使得将数据从多个用户实时流式传输到 AI 模型成为可能。Cloudflare Calls 简化了 WebRTC 的基础设施设置，默认提供自动服务器连接和加密流量，从而增强隐私性和安全性。开发人员可以通过 GitHub 演示应用程序探索这种集成，并利用 Cloudflare 的服务高效构建互联网规模的应用程序。
OpenAI 于 2024 年 12 月 17 日宣布在其实时 API 中支持 WebRTC。与 Cloudflare Calls 的集成使应用程序能够支持全球多个用户同时与音频和视频 AI 交互。该更新允许实时语音或视频人工智能加入视频通话，增强交互式多媒体体验，例如公司会议和消费者广播。WebRTC 对基于 UDP 通道的音频和视频轨道的本机支持促进了近乎零延迟的通信，使得将数据从多个用户实时流式传输到 AI 模型成为可能。Cloudflare Calls 简化了 WebRTC 的基础设施设置，默认提供自动服务器连接和加密流量，从而增强隐私性和安全性。开发人员可以通过 GitHub 演示应用程序探索这种集成，并利用 Cloudflare 的服务高效构建互联网规模的应用程序。
“天才女孩”从激励韩国电视节目角色到筹集 1 亿美元的人工智能基金 |TechCrunch
2024-12-20 14:00:00
Songyee Yoon 受到韩国非同寻常的大学生活的启发，成为电视节目角色的原型，她最近宣布成立 Primary Venture Partners (PVP)，这是一个 1 亿美元的基金，专门用于支持人工智能初创公司。在获得麻省理工学院博士学位并成为 NCSoft 总裁后，Yoon 目前正与知名学术专家团队一起投资早期人工智能公司。PVP 旨在支持包括保险在内的各个领域的下一波人工智能本土独角兽，同时解决人工智能发展中对文化殖民主义的担忧。
Songyee Yoon 受到韩国非同寻常的大学生活的启发，成为电视节目角色的原型，她最近宣布成立 Primary Venture Partners (PVP)，这是一个 1 亿美元的基金，专门用于支持人工智能初创公司。在获得麻省理工学院博士学位并成为 NCSoft 总裁后，Yoon 目前正与知名学术专家团队一起投资早期人工智能公司。PVP 旨在支持包括保险在内的各个领域的下一波人工智能本土独角兽，同时解决人工智能发展中对文化殖民主义的担忧。
M.2 SSD 端口中的新 AI 加速器插槽
2024-12-20 13:32:01
密歇根大学初创公司 MemryX 推出了一款售价 149 美元的 M.2 模块，配备四个用于边缘计算的 MemryX MX3 AI 加速器芯片。每个 MX3 芯片可提供 6 TOPS，总共可提供高达 24 TOPS，同时功耗为 6-8 瓦，并且无需主动冷却即可运行。Phoronix 测试表明该模块与 TensorFlow 和 ONNX 的兼容性，以及运行中小型 AI 模型的效率。MemryX 计划在拉斯维加斯 CES 2025 上展示 MX3 M.2 模块。
密歇根大学初创公司 MemryX 推出了一款售价 149 美元的 M.2 模块，配备四个用于边缘计算的 MemryX MX3 AI 加速器芯片。每个 MX3 芯片可提供 6 TOPS，总共可提供高达 24 TOPS，同时功耗为 6-8 瓦，并且无需主动冷却即可运行。Phoronix 测试表明该模块与 TensorFlow 和 ONNX 的兼容性，以及运行中小型 AI 模型的效率。MemryX 计划在拉斯维加斯 CES 2025 上展示 MX3 M.2 模块。
索尼四年前就决定为 PS5 Pro 开发自己的人工智能硬件，而不是使用 AMD 技术，最大的问题是为什么
2024-12-20 13:22:02
索尼决定在 PlayStation 5 Pro 中开发自己的 AI 升级硬件，而不是使用 AMD 技术，目标是实现 300 TOPS 的机器学习性能。这种定制的 RDNA 架构包括对着色器核心和内存系统的增强，无需依赖系统内存即可实现高效的片上矩阵数学处理。索尼的新 PSSR 升级软件利用了这种 ML 硬件，将其定位为 Nvidia DLSS 和 Intel XeSS 的竞争对手，同时与 AMD FSR 区分开来，AMD FSR 基于手动编码算法而不是机器学习。
索尼决定在 PlayStation 5 Pro 中开发自己的 AI 升级硬件，而不是使用 AMD 技术，目标是实现 300 TOPS 的机器学习性能。这种定制的 RDNA 架构包括对着色器核心和内存系统的增强，无需依赖系统内存即可实现高效的片上矩阵数学处理。索尼的新 PSSR 升级软件利用了这种 ML 硬件，将其定位为 Nvidia DLSS 和 Intel XeSS 的竞争对手，同时与 AMD FSR 区分开来，AMD FSR 基于手动编码算法而不是机器学习。
为什么人工智能语言模型会因为太多文本而窒息
2024-12-20 13:00:56
本文深入探讨了与扩展大型语言模型 (LLM) 相关的挑战和潜在解决方案，特别关注基于 Transformer 的架构与 Mamba 和 Jamba 1.5 等最新的类似 RNN 的方法。以下是总结的要点：### 变形金刚的挑战- **注意力机制限制：** 随着上下文长度的增加，变压器的效率会降低，因为它们需要记住输入序列中的每个标记。- **内存使用：** 较长的上下文需要更多的内存，这使得标准硬件难以处理。- **可扩展性问题：** 随着模型变大和上下文窗口扩展，由于注意力机制固有的低效率，性能会下降。### 潜在的解决方案#### 注意力机制1. **FlashAttention：** 一种通过使用近似和并行处理使注意力计算更快的方法。2. **Ring Attention：** 允许在多个 GPU 上更有效地分配注意力计算。#### 混合模型- **Mamba 架构：** 旨在将 RNN（固定内存占用）的优势与变压器般的性能相结合。- **Mamba-2 更新：** 改进版本，在多项任务中可能优于原始 Mamba，同时保持效率。#### 新架构- **Jamba 1.5 模型（AI21 实验室）：** 包含比注意力层更多的 Mamba 层，在降低内存需求的情况下实现令人印象深刻的性能。- 示例：Jamba 1.5 Large 的注意力层较少，但在基准测试中取得了有竞争力的分数。### 当前趋势- **混合方法：** 将传统的 Transformer 层与 Mamba 等新的类似 RNN 的结构相结合，以实现更好的可扩展性和效率。- **新架构的出现：** 继续研究可以替代或补充 Transformer 的新颖架构，例如受旧神经网络设计启发的无注意力模型。### 未来的方向- **超越 Transformers 的创新：** 本文建议需要全新的模型架构，而不是对现有基于 Transformer 的模型进行增量改进。- **研究重点：** 对探索非传统神经网络结构的兴趣增加，这些结构可以在不依赖注意力机制的情况下有效地处理大量上下文长度。＃＃＃ 结论仅扩展 Transformer 不足以满足处理更大、更复杂环境的日益增长的需求。未来的进步可能来自混合模型、Mamba 或 Jamba 1.5 等新颖的架构，或者重新思考大型语言模型如何处理信息的全新方法。本摘要抓住了本文对法学硕士所面临的扩展挑战的探索的本质，以及为克服这些限制而开发的潜在解决方案。
本文深入探讨了与扩展大型语言模型 (LLM) 相关的挑战和潜在解决方案，特别关注基于 Transformer 的架构与 Mamba 和 Jamba 1.5 等最新的类似 RNN 的方法。以下是总结的要点：### 变形金刚的挑战- **注意力机制限制：** 随着上下文长度的增加，变压器的效率会降低，因为它们需要记住输入序列中的每个标记。- **内存使用：** 较长的上下文需要更多的内存，这使得标准硬件难以处理。- **可扩展性问题：** 随着模型变大和上下文窗口扩展，由于注意力机制固有的低效率，性能会下降。### 潜在的解决方案#### 注意力机制1. **FlashAttention：** 一种通过使用近似和并行处理使注意力计算更快的方法。2. **Ring Attention：** 允许在多个 GPU 上更有效地分配注意力计算。#### 混合模型- **Mamba 架构：** 旨在将 RNN（固定内存占用）的优势与变压器般的性能相结合。- **Mamba-2 更新：** 改进版本，在多项任务中可能优于原始 Mamba，同时保持效率。#### 新架构- **Jamba 1.5 模型（AI21 实验室）：** 包含比注意力层更多的 Mamba 层，在降低内存需求的情况下实现令人印象深刻的性能。- 示例：Jamba 1.5 Large 的注意力层较少，但在基准测试中取得了有竞争力的分数。### 当前趋势- **混合方法：** 将传统的 Transformer 层与 Mamba 等新的类似 RNN 的结构相结合，以实现更好的可扩展性和效率。- **新架构的出现：** 继续研究可以替代或补充 Transformer 的新颖架构，例如受旧神经网络设计启发的无注意力模型。### 未来的方向- **超越 Transformers 的创新：** 本文建议需要全新的模型架构，而不是对现有基于 Transformer 的模型进行增量改进。- **研究重点：** 对探索非传统神经网络结构的兴趣增加，这些结构可以在不依赖注意力机制的情况下有效地处理大量上下文长度。＃＃＃ 结论仅扩展 Transformer 不足以满足处理更大、更复杂环境的日益增长的需求。未来的进步可能来自混合模型、Mamba 或 Jamba 1.5 等新颖的架构，或者重新思考大型语言模型如何处理信息的全新方法。本摘要抓住了本文对法学硕士所面临的扩展挑战的探索的本质，以及为克服这些限制而开发的潜在解决方案。