全部新闻
《影子学者》导演埃洛伊丝·金 (Eloise King) 深入探讨肯尼亚的论文写作行业并利用人工智能保护人们
根据采访，以下是导演龙加诺·尼奥尼 (Rungano Nyoni) 拍摄《影子学者》的一些要点和见解：1.真实再现：尼奥尼强调讲述来自非洲的细致入微的故事的重要性，让人们能够准确地认识自己。她与肯尼亚当地的制作团队密切合作，以确保真实性。2. 保护消息来源：对于论文写作等敏感话题，她利用人工智能技术模糊脸部，保护作者身份，同时仍让他们的声音和情感如实表达。3.更广泛的社会背景：这部电影旨在引发有关教育体系和精英管理的辩论，而不仅仅是关注影子写作行业本身。4. 与资料来源的合作：尼奥尼广泛咨询了论文作者、帕特里夏等学者和其他专家，以了解哪些观点是最重要的。5. 技术造福人类：她积极看待人工智能在道德使用时的潜力，指出它可以保护弱势群体，同时仍然讲述诚实的故事。6. 未来的项目：Nyoni 正在制作一部关于档案和音乐的新纪录片，该纪录片也将以不同的形式讲述一个不为人知的故事。7. 与时事的相关性：这部电影的拍摄时间恰逢肯尼亚年轻人质疑受过教育的青年的经济机会的大规模抗议活动，使其具有超越历史背景的当代意义。总体而言，尼奥尼采用深思熟虑、协作的方式来讲述故事，优先考虑真实性，并围绕影响边缘化社区的系统性问题引发社会对话。
比约克在巴黎新展览中使用人工智能重现灭绝动物的叫声
比约克和法国艺术家阿莱夫创作了一个名为“自然宣言”的沉浸式声音装置，使用人工智能软件重现了灭绝的动物叫声。该作品由 IRCAM 支持，由法国和冰岛环保人士策划，将于 11 月 20 日至 12 月 9 日在巴黎蓬皮杜中心展出，作为生物多样性论坛的一部分。
学术出版界在拥抱生成式人工智能方面进展缓慢
学术出版业正在见证生成式人工智能工具的快速采用，出版商在编辑和同行评审等领域进行了试验。Ithaka S+R 的一份报告预测，人工智能在整个研究生命周期中的使用呈指数级增长，但指出缺乏统一的指导。研究人员广泛采用这些技术的速度很慢，引发了人们对诚信和道德的担忧，尤其是同行评审自动化。虽然有些人认为效率不会发生根本性变化，但另一些人则预测会对学术实践产生变革性影响。人们还认识到，管理生成式人工智能需要利益相关者之间的协作以及跨机构的清晰沟通框架。
Tessl 以超过 5 亿美元的估值筹集了 1.25 亿美元，用于构建编写和维护代码的人工智能 |TechCrunch
由 Guy Podjarny 创立的伦敦初创公司 Tessl 为其人工智能原生平台推出了候补名单，旨在帮助开发人员在人工智能越来越多地参与编码的时代创建和维护软件。该公司最近在种子轮和 A 轮融资中筹集了 1.25 亿美元，导致投后估值超过 7.5 亿美元。Tessl 的平台将使团队能够通过自然语言或代码指定代码需求，在沙箱环境中进行测试，并根据这些规范自动进行维护。尽管具体应用的细节有限，但该公司计划在扩展其功能之前从更简单的软件项目开始。
员工向经理隐瞒了人工智能的使用情况。这就是为什么
Slack 的新研究表明，全球办公桌员工对人工智能 (AI) 的情绪正在降温，兴奋程度从 47% 下降至 41%。尽管高层管理人员有投资意愿，但出于社会和职业方面的考虑，48% 的员工对管理者了解他们的人工智能使用情况感到不安。该研究还显示，过去三个月全球人工智能采用率增长缓慢，其中法国和美国的增长幅度很小。Slack 建议领导者投资人工智能培训，并为其使用制定明确的指南，以解决员工的沉默寡言问题并提高采用率。
生成式人工智能与传统建筑在 Deepsee 的装置中相遇
2024 年伦敦设计节期间举办了一场名为“0&1”的展览，探索生成式人工智能与传统建筑的融合。该游击展览由 Deepsee Digital Creative 的 Boyoung Lee 创作，在伦敦贝都因人帐篷内的 86 英寸屏幕上播放数字视频投影，为期一天。该展览使用人工智能生成的视觉和音频，通过现代技术对社会影响的视角来反思孤立和人与人之间的联系。
据报道，小米正在开发一款 AI 眼镜，与 Meta 竞争
小米正在与苹果供应商歌尔合作开发支持人工智能的智能眼镜。该眼镜预计将具有与 Meta、Snap 和百度类似的功能，包括摄像头和音频模块。小米首席执行官雷军预计该设备的出货量将超过 30 万台，并可能于 2025 年第二季度在中国推出。该产品可能会与雷朋的 Meta 智能眼镜和百度的小度人工智能眼镜竞争，尽管国际供应情况仍不确定。小米
科技巨头正在投资“主权人工智能”，以帮助欧洲减少对美国的依赖
科技巨头正在投资“主权”人工智能模型，通过关注当地基础设施来提高竞争力，解决欧洲对数据主权和技术弹性的担忧。这一概念的出现是由于欧盟《通用数据保护条例》(GDPR) 等法规以及推动云服务本地化的政治发展。私营公司正在引领这一举措，在欧洲建立更多数据中心，旨在开发反映当地价值观和语言的人工智能产品。这一转变是由于人们认识到人工智能是一项战略技术，需要强大的国内技术生态系统和基础设施，特别是目前大多数大型语言模型都依赖于美国的数据中心。
OpenAI、谷歌和 Anthropic 遇到障碍，人工智能进展陷入停滞
领先的人工智能公司 OpenAI、Google 和 Anthropic 在开发更先进的模型时面临着意想不到的障碍，挑战包括高质量训练数据不足和成本过高等。彭博社报道称，尽管进行了大量投资，这些公司仍在努力满足其最新迭代的性能预期（例如 OpenAI 的 Orion 和 Google 的 Gemini），这引发了人们对人工智能进步中“规模法则”有效性的质疑。这些挫折也让人对很快实现通用人工智能 (AGI) 产生怀疑，促使人们转向探索替代数据源和现有模型的新用例。
使用机器学习、深度学习和时间序列模型预测喜马拉雅山西北部海拔梯度的降雨量
Owais Ali Wani 等人的文章“使用机器学习、深度学习和时间序列模型预测喜马拉雅山西北部海拔梯度的降雨量”。探索了几种预测喜马拉雅山特定地区不同海拔降雨模式的方法。该研究旨在评估各种预测建模技术（机器学习 (ML)、深度学习 (DL) 和时间序列分析）在预测降水方面的有效性。### 要点：1. **背景**：- 降雨预测对于山区的农业、水资源管理和防灾至关重要。- 喜马拉雅山西北部由于地形复杂和地面观测网络有限而面临挑战。2. **数据收集和预处理**：- 来自各种来源的数据（TRMM 卫星数据、气象站）用于降雨量估算。- 数据集涵盖多年，包括训练和测试阶段，以验证模型在不同海拔高度的性能。3. **使用的建模技术**：- **机器学习模型**：包括传统的 ML 算法，如随机森林 (RF)、支持向量机 (SVM) 和 k 最近邻 (kNN)。- **深度学习模型**：应用了卷积神经网络（CNN）和递归神经网络（RNN）。- **时间序列分析**：自回归综合移动平均 (ARIMA) 模型。4. **结果**：- 该研究评估了这些模型在不同海拔梯度下的预测能力。- 使用 RMSE、MAE 和 R 平方值等关键性能指标来评估不同海拔高度的模型准确性。5. **调查结果与讨论**：- 深度学习模型在准确性和对非线性模式的适应性方面通常优于传统的机器学习算法。- 时间序列分析提供了对时间趋势的宝贵见解，但可能无法像其他方法那样有效地捕获空间变化。- 不同模型的有效性随海拔高度的不同而变化，凸显了根据特定海拔区域进行模型调整的必要性。6. **结论**：- 该研究的结论是，深度学习和时间序列方法的结合为山区准确的降雨预测提供了广阔的前景。- 建议包括进一步研究集成多传感器数据并探索将深度学习与传统机器学习技术相结合的混合模型。### 影响：- 对于政策制定者来说，研究结果有助于更好的水资源管理和农业规划。- 研究人员可能会专注于开发针对山区环境的更强大的预测工具。- 从业者可以从实施这些先进的预测方法中受益，以增强早期预警系统和备灾能力。总体而言，该研究强调了在预测高海拔地区降雨模式时采用复杂的建模技术来解释地理复杂性的重要性。
