全部新闻
挪威初创公司 Factiverse 希望利用人工智能打击虚假信息 |TechCrunch
Factiverse 是一家为企业提供实时事实检查工具的初创公司，准备解决日益严重的在线虚假信息问题，特别是随着生成式人工智能的出现。该公司开发了一种企业对企业工具，能够跨文本、视频和音频格式进行实时事实核查，旨在减轻客户的声誉风险和法律责任。Factiverse 的模型接受了来自可靠来源的高质量数据的训练，在识别 114 种语言中值得进行事实检查的声明并确定声明的准确性方面，其性能优于大型语言模型。该初创公司已经与媒体机构和挪威一家主要银行建立了合作伙伴关系，并正在寻求进一步投资以在全球范围内扩张。
人工智能 (AI) 热潮尚未结束。立即买入 3 只人工智能股票。|杂七杂八的傻瓜
据麦肯锡预测，到 2030 年，人工智能将成为价值数万亿美元的产业。尽管一些股票因市场兴奋而被高估，但人工智能相关公司仍然存在有吸引力的投资机会。被确定具有增长潜力的三家公司是台积电 (TSM)、特斯拉 (TSLA) 和高通 (QCOM)。TSM 有望受益于 AI 芯片需求激增，其预期市盈率为 28 倍，预期盈利增长 31%。在自动驾驶技术投资的推动下，特斯拉的收入增长从汽车领域延伸到了发电、存储和服务领域。高通受益于人工智能驱动的智能手机销售上升周期，并正在向物联网/工业和汽车领域扩张，其市盈率约为 18，低于业内同行。
第 11 周 NFL 投注指南、赔率、道具：AI、模型、专家、连赢、DFS 和整个赛季的幻想精选揭晓
田纳西泰坦队本赛季表现不佳，在过去五场比赛中输掉了四场，并且在这场比赛中表现不佳。他们在第 11 周面对明尼苏达维京人队，以 39.5 分的胜率落后 6 分。SportsLine 提供 NFL 投注选择，包括连赢选项和 DFS 建议，重点介绍高价值选择，例如一场比赛的 +13000 赌注和五支球队的连赢赔率 25-1。该网站还为第 11 周的每场比赛提供高级模型预测，在近 70% 的模拟中，圣徒队更倾向于对阵布朗队。
认识 Memoripy：一个为 AI 应用程序带来真正内存功能的 Python 库
Memoripy 是一个 Python 库，旨在通过结构化记忆功能增强人工智能系统，使它们能够保留先前交互的上下文。它将记忆组织成短期和长期集群，以便高效存储和检索，优先考虑最近发生的事件，同时保留关键历史信息。Memoripy 支持语义聚类、记忆衰退和强化机制，符合人类认知原则。该库强调本地存储的隐私性和灵活性，使开发人员能够将其与各种语言模型和外部服务集成。初步评估表明，使用 Memoripy 的人工智能系统表现出更好的上下文保留和用户满意度，使它们在交互中更加个性化和连贯。
剧透警告：RAG 的魔力并非来自 AI
您的解释全面概述了检索增强生成 (RAG) 系统及其从概念验证 (POC) 到生产级解决方案的转变。以下是一些可能有帮助的关键点和其他见解：### 要点回顾：1. **重复处理**：使用指纹、文档 ID 或语义哈希来检测和删除重复项。2. **近重复管理**：采用余弦相似度和聚类技术（如 DBSCAN），通过保留每组的最新版本来有效管理近重复。3. **响应个性化**：通过将用户特定的上下文集成到检索过程中来定制响应，而不改变核心功能。### 其他见解：1. **查询细化**：- 确保查询足够详细和细致，以便进行有效的搜索。- 示例：“查找与项目‘XYZ’相关的所有文档，其中在 2022 年第四季度之后讨论了‘ABC 功能’。2. **上下文窗口管理**：- 较大的上下文窗口通常需要更精确的查询公式，确保时间范围、范围和主题的清晰度（例如，使用以下技术：根据相关性分数返回高质量文档。- 高级搜索过滤器：在将搜索结果呈现给模型之前实施过滤器来微调搜索结果。3. **用户交互**：- 使用户能够通过迭代交互来优化查询。4. **元数据处理**：- 标签或类别等元数据，支持更精细地访问和管理上下文大小- 确保高质量的数据，通常涉及权衡：如果没有更大的上下文量，最新的信息可能不太可靠。### 数据检索工作流程示例：1. **预处理**（散列重复项）：2. **指纹分析**：对新近度应用权重，给予最近的更高相关性。3. **相关性分数阈值** 将检索标准。5. **用户特定的过滤器**：- 用户特定的过滤器，随时间变化的数据个性化。＃＃＃ 结论RAG 系统可以按主题显着提高人工智能驱动解决方案的有效性，并呈现相关的最相关的来源），从而实现整体视图，平衡相关性。通过精心设计检索流程，RAG 变得强大，在维护上下文的同时确保相关性。如果您需要有关实施示例或特定技术的更多详细信息，请随时联系！---**反馈请求：**如果您对这些要点以及它们如何在实际场景中应用，或者本解释中是否有任何遗漏，我们将不胜感激！
为什么 API 优先在人工智能驱动的世界中很重要
关于在人工智能驱动的应用程序中采用 API 优先方法的讨论强调了对现代软件开发至关重要的几个关键点：### 核心概念1. **API 与数据仓库**：虽然公司经常投入巨资通过仓库、数据湖和工厂捕获和管理数据，但提供对这些存储库的直接访问可能会导致混乱和误解。API 封装了特定领域的知识和业务逻辑，使它们能够更可靠地交付安全且上下文相关的数据。2. **API 作为社会技术资产**：API 优先方法不仅将 API 视为技术接口，而且将其视为促进不同利益相关者群体之间协作的社会技术资产。这包括通过避免工具或供应商锁定来确保架构弹性，增强各个利益相关者的参与，以及确保数据以可使用的格式进行管理和呈现。3. **人工智能的 API 标准**：Arazzo 规范等新兴标准在 API 交互中实现了更丰富的语义和确定性，这对于人类开发人员和人工智能模型都至关重要。这些标准支持安全、领域一致的 API，可以有效地服务于特定目的。### 过渡到 API 优先方法1. **整体客户体验 (CX)**：将重点从以 UI 为中心的方法转移到 API 优先的策略，可确保更全面的客户体验。虽然 UI 对于直接用户交互很重要，但它们是瞬态的，并且会随着趋势而发展。API 提供多个接触点（例如 CLI 或系统集成），以确保一致且可扩展的集成。2. **嵌入式金融示例**：嵌入式金融的兴起展示了通过 API 驱动的集成而不是专有接口参与更大生态系统的重要性。这可能会导致市场显着增长，预计到 2030 年嵌入式金融解决方案市场将达到 7.2 万亿美元。### 解决问题1. **短期价值**：传统 UI 和命令行界面 (CLI) 可以有效地与 AI 结合使用，以增强人类工作流程，减少重复性任务并腾出时间进行更具战略性的活动。2. **成本和消费者选择**：与同类用户界面解决方案相比，好的 API 通常构建成本更低，并且提供更多消费者选择。这使得 API 优先策略成为一种经济高效且可扩展的解决方案。### 实际步骤1. **关注用例**：从特定用例开始，确保以符合这些特定目标的方式呈现数据。2. **明智地利用现有投资**：确保对现有 UI 框架的投资不会浪费，而是通过利用 API 驱动的策略有效地用于增强人类和人工智能工作流程。3. **采用新兴标准**：采用 Arazzo 规范、AI 模型叠加规范等新兴标准，因为它们能够实现更丰富的语义和确定性交互。4. **丰富的生态系统**：利用丰富的生态系统确保架构弹性并降低利益相关者的参与障碍。5. **关注质量**：确保 API 质量、交互中的确定性以及安全的数据传输。＃＃＃ 结论在人工智能驱动的上下文世界中采用 API 优先的方法不仅可以确保技术接口，还可以确保支持协作和治理的社会技术资产，从而确保丰富的语义和与业务目标保持一致的确定性交互。这将有助于公司为不可避免地转向 API 做好准备，API 扮演着安全可靠地交付价值的重要角色。要进一步贡献您的见解或分享有关此主题的专业知识，您可以填写表格或通过 mattburns@thenewstack.io 联系 Matt Burns，以了解有关提升质量和 API 丰富的生态系统的更多信息。通过采用这些原则和实践，组织可以有效地转向人工智能驱动的应用程序，确保其 API 随着技术的发展而保持价值。
在人工智能世界中创作人类音乐
斯坦福大学音乐与声学计算机研究中心副教授 Ge Wang 在 The Vergecast 上讨论了计算机音乐的未来。Wang 因创立 Smule 和创建编程语言 Chuck 而闻名，他探索计算机如何与音乐和人类互动。他强调教导学生创造性地参与技术而不是掌握技术，质疑人工智能工具在创造性过程中的作用以及人类创造力在日益高效的技术世界中的地位。王戈
/cdn.vox-cdn.com/uploads/chorus_asset/file/25736333/The_Vergecast_Laptop_Orchestra_Site.jpg)
一种提高人工智能效率的流行技术也有缺点TechCrunch
量化是一种通过减少比特使用来提高人工智能模型效率的技术，但随着模型变得更大、更复杂，量化可能会受到限制。哈佛大学、斯坦福大学、麻省理工学院、Databricks 和卡内基梅隆大学的一项研究发现，量化大型数据密集型模型可能会导致性能下降，这表明训练较小的模型可能比大量量化大型模型更好。这可能会影响依赖量化来降低大型模型服务成本的人工智能公司。该研究还表明，较低精度的训练可能有助于模型的鲁棒性，但警告不要精度过低，因为它会对质量产生负面影响。研究人员得出的结论是，没有简单的解决方案，并强调需要仔细管理数据，并可能需要为稳定的低精度训练而设计的新架构。
自学习 AI 揭示 NFL 2024 年第 11 周每场比赛的赔率、大小盘、输赢盘选秀权
NFL 第 11 周的赛程包含了可能影响季后赛格局的关键比赛，其中包括海鹰队和 49 人队在 NFC 西区的对决。基于 AI 的 SportsLine 模型为所有比赛提供了详细的预测，由于匹兹堡队在拉塞尔·威尔逊 (Russell Wilson) 的带领下强大的防守和改进的进攻，钢人队等出色的选秀球员在对阵乌鸦队的比赛中轻松地成为主场三分劣势。SportsLine 的 AI PickBot 为希望利用投注线差异的投注者提供高度评价的 A+ 选秀。
人工智能可能会导致对其情感持不同意见的人之间发生“社会破裂”
一位著名哲学家警告说，由于对人工智能系统是否有意识的分歧，“社会破裂”即将到来。伦敦经济学院的乔纳森·伯奇 (Jonathan Birch) 表示担心，对人工智能意识的不同看法可能会导致社会分裂和亚文化，对人工智能权利和福利持有相反的信念。随着各国政府开会解决与人工智能相关的严重风险，专家预测，到 2035 年，有关人工智能感知的争论可能会出现类似于围绕动物感知的争论。Birch 参与的一项研究表明，有感知的人工智能问题不再局限于科幻小说，而是需要紧急解决。开发人工智能系统的科技公司的关注。然而，主要科技公司拒绝就评估其意识模型发表评论。
