全部新闻
使用 ChatGPT 的人数是去年的两倍。他们仍然对新闻中的人工智能持怀疑态度。
一份题为《2025 年生成式人工智能和新闻报道》的新报告显示，生成式人工智能工具的公众使用量激增，六个国家的每周使用率从 2024 年的 18% 增加到 2025 年的 34%。使用人工智能的主要原因已经从内容创建转向信息搜索，这对传统搜索引擎和新闻出版商产生了影响。虽然许多人相信人工智能生成的摘要，但与人类主导的新闻相比，完全由人工智能生成的新闻存在显着的舒适度差距。公众情绪表明，人工智能将主要使出版商受益，而不是公众，这引发了人们对其对媒体和机构的社会信任影响的担忧。
这家初创公司希望引发美国 DeepSeek 时刻
自一月份以来，中国开源人工智能模型的势头不断增强。Prime Intellect 正在开发 INTELLECT-3，这是一种经过分布式强化学习训练的大型语言模型，旨在通过在不依赖大型科技公司的情况下实现全球协作来实现人工智能的民主化。Prime Intellect 首席执行官 Vincent Weisser 强调了强化学习环境在改进当今前沿人工智能模型方面的重要性，并创建了一个针对特定任务定制的可定制 RL 环境的框架。
摩根士丹利对人工智能融资交易提出警告
摩根士丹利对超大规模人工智能领域的循环融资表示担忧，指出供应商和客户之间的相互依赖性日益增强。分析师托德·卡斯塔尼奥 (Todd Castagno) 呼吁对人工智能生态系统内的合作伙伴关系进行更透明的披露。英伟达对埃隆·马斯克 xAI 的投资以及与其他公司的供应协议凸显了复杂的关系，使得评估人工智能行业的需求和风险变得困难。分析师表示，人工智能基础设施股的持续增长取决于其产生可持续现金流的能力。
人工智能如何帮助企业在供应链风险发生之前发现它们
现代供应链由于复杂性和相互关联性而面临重大风险。Semantic Visions 的 Jan Balatka 强调，人工智能驱动的主动可见性是恢复力的关键。Semantic Visions 使用人工智能将整个供应链映射到原材料，分析全球数据点而无需翻译以获得准确的见解。他们的平台创建了一个“知识图”，以尽早识别潜在的中断，例如向汽车制造商发出关于洪水造成的铝供应商问题的警报。该公司将人工智能无缝集成到现有系统中，增强风险管理能力，并预测未来人工智能向主动中断预防的发展。Balatka 建议公司在采用之前严格评估人工智能提供商的预测成功率。
使用人工智能没有道德或负责任的方式。
本文讨论了人工智能对环境的严重影响，特别是在能源消耗和用水方面。目前的估计显示，人工智能已经消耗了美国约 5% 的电力和全球 2% 的电力，预测表明这些数字可能在五年内达到 20%。这种快速增长正在扭转可再生能源采用的努力，并加剧淡水短缺等问题。此外，人工智能数据中心造成的环境退化包括公共卫生成本和对生态系统的破坏，凸显出迫切需要重新考虑技术进步的可持续性。
杰夫邓纳姆将他的“人工智能”之旅带到普罗维登斯波士顿 - 以下是如何购买门票
口技表演者 Jeff Dunham 将于 2025 年 10 月 25 日开始他的北美“人工智能”巡演，截至 2026 年 4 月 25 日，将有 48 场演出，途经波士顿、普罗维登斯和波特兰。邓纳姆以其独特的喜剧和口技融合而闻名，他保持着单口喜剧巡演门票销售量最多的吉尼斯世界纪录。门票可在 Ticketmaster 和 StubHub、Vivid Seats 和 SeatGeek 等第三方卖家处购买。
所谓的泰勒·斯威夫特人工智能视频到底是怎么回事？
一些 TikTok 用户声称泰勒·斯威夫特或她的团队使用人工智能为她的新专辑《歌舞女郎的生活》制作宣传剪辑。这些说法源于带有二维码的预告视频中存在的不一致之处。鉴于斯威夫特过去对人工智能滥用的批评，斯威夫特的粉丝们对所谓的人工智能使用感到不安，理由是环境问题和虚伪。#SwiftiesAgainstAI 等标签已经出现，尽管泰勒·斯威夫特的代表没有官方证实或否认，但许多人都同意这些指控。
JavaScript 库在浏览器中运行机器学习模型
Julian Wilkison-Duran 开发了 AsterMind-ELM，这是一个 JavaScript 开源机器学习库，旨在将 ML 功能引入 Web 浏览器，而不需要大量资源。该项目在 devmio 国际 JavaScript 大会上推出，利用极限学习机 (ELM) 高效、快速地训练适合分类和回归等任务的模型。ELM 的工作原理是创建一个使用矩阵数学优化的随机隐藏层，使其变得轻量级，非常适合前端实时应用程序。Wilkison-Duran 的库使开发人员能够在浏览器中立即训练模型，从而为交互式工具、私有分类器、边缘分析等提供了可能性，而无需 GPU 或服务器。朱利安·威尔金森-杜兰
研究人员发现，人工智能使用得越多，它就越“乏味”
Wiley 的全球调查显示，尽管目前有 84% 的研究人员使用人工智能，但他们相信人工智能的性能优于人类，这一比例比前一年有所下降。对人工智能超越人类能力的信心急剧下降，从 53% 降至不到三分之一。尽管如此，许多研究人员仍然发现人工智能有助于提高效率和输出质量。尽管缺乏时间探索人工智能等一些障碍略有减少，但对不准确、安全和道德的担忧正在上升。研究人员预计到 2027 年人工智能将得到广泛应用，但机构支持差距是其采用的障碍。
利用生成式人工智能使机器人虚拟训练场多样化
麻省理工学院 CSAIL 和丰田研究院的研究人员开发了一种名为“可操纵场景生成”的方法，利用人工智能为机器人创建逼真的训练环境。这种方法涉及通过蒙特卡罗树搜索 (MCTS) 和强化学习等技术将现有资产细化为物理精确的设置，从而生成不同的 3D 场景，例如厨房和客厅。该系统还可以适应用户的特定视觉描述，并确保场景中的对象正确交互。目标是为机器人准确执行任务提供真实的训练数据，并在有效教授机器人实际技能方面具有潜在的应用。
