全部新闻
AI 模型仅需 10 秒即可识别被忽视的脑肿瘤
来自密歇根大学和加州大学旧金山分校的研究人员创建了 FastGlioma，这是一种人工智能模型，可以在短短 10 秒内高精度地检测手术过程中残留的脑肿瘤组织。这项技术可以预防癫痫和感染等术后并发症，为当前的肿瘤检测方法提供更快、更准确的替代方案。该系统使用超过 11,000 个手术标本进行了预训练，旨在通过减少术后昂贵的矫正程序的需要来改善患者的治疗效果。它具有脑肿瘤以外的潜在应用，包括其他类型的癌症。
Snyk 创始人的新公司 Tessl 筹集了 1.25 亿美元用于 AI 原生软件开发
由 Snyk 的 Guy Podjarny 联合创立的 AI 原生软件开发平台 Tessl 已筹集 1.25 亿美元。本轮融资包括由 Index Ventures 领投的 1 亿美元 A 轮融资和 2500 万美元种子轮融资。Tessl 旨在通过“以规范为中心”的模型彻底改变软件创建，从而增强可访问性、生产力、可维护性和安全性。通过减少对编码的依赖，该平台力求使软件更具适应性和个性化，同时以最少的人为干预进行改进。该公司计划为 AI 原生开发者构建一个开放平台，并将于今天推出候补名单，目标是 2025 年发布。AI原生软件开发平台泰斯尔
十亿美元初创公司将人工智能带入现实世界的内部
本文讨论了机器人初创公司 Physical Intelligence 的努力，该公司致力于开发更先进、适应性更强的机器人，能够通过广泛的数据收集和复杂的算法处理复杂的家务任务。该公司的方法是将大型语言模型 (LLM) 与借鉴人工智能图像生成的方法相结合，训练机械臂和移动机器人进行各种活动，例如卸载烘干机、清洁厨房桌子和折叠衣服。要点包括：1. **数据驱动方法**：物理智能旨在通过与将机器人用于不同目的的公司合作，收集有关各种任务的大量数据。这包括与机器人已经扮演多种角色的电子商务和制造公司合作。2. **算法创新**：该公司开发了一种结合了法学硕士和图像生成模型的算法，他们认为这对于实现更通用的机器人能力至关重要。3. **任务多样性**：折叠衣服或卸载烘干机等任务对于训练特别有用，因为它们需要处理各种状态的物体（例如，皱巴巴的衣服）并且涉及广泛的动作。4. **当前成就**：物理智能已经取得了重大进展，展示了机器人执行以下任务：- 卸载烘干机- 清理凌乱的厨房桌子- 以相对人类的精度折叠衣服5. **挑战和后续步骤**：虽然公司对其最初的成功感到兴奋，但它承认在提高效率和通用性方面仍然存在挑战需要克服。6. **道德考虑**：本文还谈到了对人工智能驱动的机器人技术实现劳动密集型工作自动化的潜力的更广泛担忧，这可能会产生经济影响并引发有关工作岗位流失的社会问题。总体而言，物理智能的方法代表了机器人研究的一个有前途的方向，旨在创建能够跨各种环境处理复杂任务的多功能机器人。
谷歌 DeepMind 有一种新方法来观察人工智能的“思维”
人工智能 (AI) 背景下的机制可解释性涉及理解和解释人工智能模型的内部机制或“思维过程”，例如大型语言模型 (LLM)。这项研究旨在揭开这些复杂系统如何工作的神秘面纱，并为其决策过程提供透明度。根据所提供的信息，以下是有关机械可解释性的一些要点：1. **了解内部机制：**- 机械可解释性使用稀疏自动编码器等技术来识别和隔离人工智能模型中的特定特征或概念。- 通过放大或停用某些激活（讨论特定主题时“点亮”的模型部分），研究人员可以探索这些激活如何影响模型的输出。2. **减少偏差的应用：**- 研究人员使用稀疏自动编码器来识别模型将某些职业与特定性别相关联的特征。- 通过调低或消除此类特征，模型的输出可以减少偏见并更加公平。3. **错误分析及修正：**- 机械可解释性有助于识别人工智能系统内的错误来源。- 例如，当人工智能错误地断言 9.11 大于 9.8 时，研究人员发现这是由于模型将这些数字解释为日期或宗教文本中的参考文献。通过调低与圣经经文和 9 月 11 日相关的激活，可以纠正错误。4. **防止有害输出：**- 机械可解释性可以帮助定位模型中有害活动的知识（例如炸弹制造）并永久停用这些部分。- 这种方法旨在确保人工智能系统即使在恶意用户的提示下也不会生成有害内容。5. **实施中的挑战：**- 当前的限制包括难以精确控制或“引导”模型激活而不引起意外的副作用（例如，破坏与目标特征无关的知识）。- 例如，删除炸弹制造知识可能会无意中损害人工智能对化学的理解。6. **协调的潜力：**- DeepMind 和其他人认为，机械可解释性为实现人工智能系统和人类意图之间的一致性提供了一条有前途的道路。- 通过更深入地了解模型的内部工作原理，研究人员可以制定更好的策略，以确保人工智能按预期运行并避免有害结果。7. **研究示例：**- Anthropic 在其模型 Claude 上使用稀疏自动编码器来识别与金门大桥相关的激活，凸显了此类技术揭示意外行为模式的潜力。- Transluce 进行的类似研究证明了对模型激活的洞察如何能够纠正特定类型的错误。总体而言，机械可解释性旨在提供对人工智能系统操作的详细理解，使研究人员和开发人员能够在公平性、安全性和与人类价值观的整体一致性方面改进这些模型。
独家：亚马逊的人工智能聊天机器人 Q 正在通过与微软 Office 365 集成进入敌人的地盘
亚马逊计划将其人工智能聊天机器人 Q 与微软的 Office 365 服务集成，旨在利用 Office 365 在商业用户中的受欢迎程度来扩大 Q 的用户群。该集成将允许 Office 365 用户通过插件直接在 Word、PowerPoint 和 Excel 等应用程序中访问 Q。亚马逊还在开发浏览器扩展，作为 Q 新功能的一部分。
马克·安德森 (Marc Andreessen) 表示，人工智能招聘热潮并没有导致失业，反而出现了奇怪的现象
风险投资家马克·安德森 (Marc Andreessen) 认为，生成式人工智能非但没有造成失业，反而推动了科技公司的招聘热潮。这些公司正在招募数千名受过高等教育的专业人士，以解决由于缺乏新鲜、高质量的人类数据而导致开发新人工智能模型的瓶颈。尽管有大量的互联网数据抓取和昂贵的 GPU 集群，但 OpenAI 和 Google 等主要参与者仍在努力改进模型，这凸显了对原始人类生成内容的需求。为了克服这一限制，公司正在聘请各个领域的专家来手动生成培训数据，这与之前对人工智能导致失业的担忧相反。
利用人工智能技术进行未来资产管理 - AI News
由于手动库存报告或缺乏手动库存报告，有效的资产管理对 43% 的小型企业构成挑战。人工智能正在改变公司管理有形和无形资产的方式，通过自动化提高准确性、降低成本并提高合规性。主要优势包括实时跟踪、通过预测分析节省成本、更好地遵守法规以及基于数据分析改进决策。案例研究强调人工智能驱动的系统使投资组合回报增加了 20%。资产管理的未来趋势包括通过自动化增强决策、提高运营效率以及人工智能技术驱动的个性化客户体验。
谷歌母公司 Alphabet 出售了其 79% 的 Snowflake 股份，转而买入这支人工智能 (AI) 股票 |杂七杂八的傻瓜
Alphabet 在第三季度大幅减持了云数据仓储公司 Snowflake 的股份 79%，同时将人工智能驱动的 CRM 软件提供商 Freshworks 的股份增加了 302%。尽管人工智能在各个行业中的重要性日益增加，并且潜在的全球经济问题影响了 Snowflake 等成长型股票，但 Alphabet 的投资转变凸显了公司的战略调整，这些公司受益于对人工智能技术增强的 CRM 解决方案不断增长的需求。
更好的人工智能股票：Nvidia vs. AMD
Nvidia 和 Advanced Micro Devices 是人工智能处理半导体市场的领先厂商。Nvidia 占据主导地位，约 70% 至 95% 的 AI 数据中心使用其 GPU，由于其强势地位，收入显着增长。AMD 还看到了大幅增长，特别是在包括人工智能处理器销售在内的数据中心领域，这反映出科技公司对人工智能基础设施的投资不断增加。预计未来几年，两家公司都将从人工智能数据中心预计 1 万亿美元的支出中受益。
报告：OpenAI 提议以美国为首的全球联盟建设人工智能基础设施 |PYMNTS.com
OpenAI于11月13日提议，美国及其盟国在人工智能领域进行合作，以重振针对中国的经济竞争力。此次合作将重点关注人工智能的人才、融资和供应链，还将涉及支持能源基础设施项目，以满足人工智能发展的能源需求。该计划旨在先从邻国开始，然后再扩展到全球，解决芯片稀缺等问题，并需要对数据中心和半导体制造进行大量投资。开放人工智能
