全部新闻
自学习 AI 使 NFL 在 2024 年第 11 周的每场比赛中都能对抗让分、大小盘、输赢盘选择
NFL 第 11 周赛程中，不败的堪萨斯城酋长队和布法罗比尔队之间有一场关键对决，帕特里克·马霍姆斯对阵乔什·艾伦，比尔队领先 2.5 分。此外，人工智能支持的 SportsLine 预测匹兹堡钢人队将获得 A+ 选秀权，以 28-20 的最终比分在主场迎战巴尔的摩乌鸦队，以三分优势弥补劣势。AI 模型还提供 9 个 NFL 第 11 周比赛的高评价选秀权。
百度发布了自己的AI智能眼镜
百度在上海举行的世界大会上推出了人工智能智能眼镜，采用 ERNIE 技术进行语音交互、环境查询、媒体播放和健康跟踪。该眼镜明年推出时可能会与 Meta 和 Snap 的设备竞争。百度还在活动期间宣布了人工智能图像生成和无代码软件创建工具的新进展，而根据 Sensor Tower 的数据，字节跳动的豆宝聊天机器人在中国月度活跃用户中处于领先地位。
通过视频训练的机器人：自主手术的飞跃 - Neuroscience News
通过视频模仿专家外科医生训练的机器人首次以与人类医生相当的技能执行外科手术。“模仿学习”的这一突破使机器人能够自主学习复杂的任务，而无需为每个动作单独编程。该技术使用与 ChatGPT 类似的机器学习，但适应机器人运动学，有可能加速训练并提高精度，减少医疗错误，并为完全自主手术铺平道路。约翰·霍普金斯大学的研究人员在基本手术任务中展示了达芬奇手术系统的这种能力，展示了在现实世界场景中的适应性和自我纠正能力。
Palantir vs. SoundHound：哪只人工智能股票更有上涨潜力？
用户可以将他们喜欢的图表设置保存为模板，通过选择国家/地区切换市场数据，通过右键单击访问更多图表选项，并使用箭头键导航符号。
/AI%20(artificial%20intelligence)/businessman%20using%20technology%20AI%20for%20working%20tools%20by%20Deemerwha%20studio%20via%20Shutterstock.jpg)
生成式人工智能初创公司 Writer 以 1.9B 估值筹集 2 亿美元 |TechCrunch
Writer 以 19 亿美元的估值筹集了 2 亿美元，用于扩展其以企业为中心的生成式 AI 平台。此轮融资由 Premji Invest、Radical Ventures 和 ICONIQ Growth 共同领投，其他投资者包括 Salesforce Ventures 和 IBM Ventures。首席执行官 May Habib 计划将这笔资金用于产品开发，并巩固公司在企业生成人工智能市场的地位。Writer 开发了像 Palmyra 这样的模型，并且最近推出了一种基于合成数据训练的模型，其成本比同类模型更低。该公司的目标是专注于人工智能代理、可定制护栏和无代码开发工具，拥有包括 Mars、Ally Bank 和 Salesforce 在内的数百家客户。作家有
Snowflake 添加了一系列用于 AI 开发和托管 Polaris 目录的功能 - SiliconANGLE
Snowflake的最新更新侧重于增强AI能力、数据共享和平台集成，以支持各行业更高效、更安全的数据管理。以下是主要功能的细分：### 人工智能增强1. **皮质游乐场**：- 一个集成的聊天界面，用于生成和比较不同法学硕士的响应。2. **定制选项**：- 用于大规模自然语言处理的定制大批量文本处理。- 支持更多预训练模型、嵌入大小、上下文窗口和语言（例如 Voyage AI 的多语言模型、Meta 的多模式 Llama 3.x）。3. **Cortex Serverless 微调**：- 使用专有数据定制模型以生成准确的输出。4. **配置吞吐量**：- 确保以有保证的吞吐量处理大型推理作业。5. **法学硕士申请的人工智能可观察性**：- 评估和监控生成式人工智能应用程序，提供有关相关性、基础性、刻板印象和延迟的指标。### 数据共享和市场1. **雪花内部市场**：- 使用户能够发现组织内其他团队的数据、应用程序和人工智能产品。- 针对特定用例的任务安全共享经过微调的大型语言模型。2. **列表副驾驶**：- 允许使用自然语言查询评估列出的数据产品的新功能。### 平台增强功能1. **带有容器运行时的 Snowflake ML**：- 使用任何 Python 框架或语言模型在 GPU 上启用分布式机器学习训练作业。2. **容器中的模型服务**：- 将 Snowflake 模型注册表中的内部和外部训练的模型部署到容器化服务中，支持 CPU 或 GPU。3. **存储生命周期策略**：- 根据新策略（私人预览版）归档或删除数据，降低存储成本并增强合规性。4. **Snowpark 容器服务集成**：- 允许使用首选编程语言轻松构建应用程序，并提供可定制的用户体验和在 GPU/CPU 上的部署。5. **安全模型共享功能**：- 促进使用 Snowflake 的 ML 建模 API 开发的模型的安全分发和货币化。### 数据迁移和转换1. **SnowConvert 工具**：- 通过添加额外的视图支持，增强对从 RDBMS 进行数据迁移的支持。这些更新反映了集成人工智能、通过数据共享平台改善组织内部协作以及增强平台功能以实现更高效的数据处理和模型训练的综合方法。
Box 通过代理驱动的企业 AI 工作室和无代码应用程序继续扩展到数据共享之外
Box 是著名的文件共享和数据协作应用程序，在 BoxWorks 活动中介绍了其 AI 功能的重大进步。该公司推出了 Box AI Studio，使企业能够在其环境中创建自定义人工智能代理，并推出了 Box Apps，允许直接在平台内进行智能应用程序的无代码开发。这些创新将 Box 从安全共享平台转变为智能内容管理解决方案提供商，解决了数据可用性和高级工作流程方面的企业挑战。
宏碁 Swift 14 AI 评测：一款不起眼的笔记本电脑，电池寿命长
### 宏碁 Swift 14 AI 评测：中档表现，电池续航能力强＃＃＃＃ 概述Acer Swift 14 AI 是一款功能全面的笔记本电脑，采用英特尔 Core Ultra 7 258V 处理器，以实惠的价格提供稳定的性能和电池寿命。虽然它可能不是最具视觉吸引力或以娱乐为中心的设备，但它在家庭办公、旅行和要求不高的内容创建等任务中表现出色。＃＃＃＃ 设计Acer Swift 14 AI 的设计有些实用，但外形纤薄，结构轻巧。然而，与华硕 Zenbook S 14 或联想 Yoga Slim 7i Aura Edition 等更高端的笔记本电脑相比，它的美观程度有所不足。尽管缺乏高端型号的高级感，但这款笔记本电脑的耐用性和制造质量令人满意。＃＃＃＃ 展示显示屏是 Swift 14 AI 的薄弱环节之一。虽然它为日常任务提供了良好的观看体验，但其色彩准确性和清晰度对于优先考虑娱乐或高质量视觉内容创建的用户来说还有很多不足之处。平庸的屏幕质量可能会让那些寻求更身临其境的多媒体体验的人感到失望。＃＃＃＃ 表现得益于英特尔酷睿 Ultra 7 258V 处理器的强大功能及其高效的冷却系统，宏碁 Swift 14 AI 在单线程任务中表现出色。然而，与 HP OmniBook Ultra 14（配备 AMD Ryzen AI 9 HX 375）等笔记本电脑相比，它在 Handbrake 和 Cinebench R23 等大量多线程 CPU 基准测试中表现不佳。尽管如此，集成的 Intel Arc 140V GPU 在 3DMark Fire Strike 和 Night Raid 基准测试中提供了令人印象深刻的性能，优于许多类似测试的设备。#### 电池寿命Acer Swift 14 AI 的突出特点之一是其超长的电池寿命。它拥有 63 瓦时电池，在我们的标准电池测试（循环播放 4K 文件）中可提供近 19 小时的续航时间。这可与 HP OmniBook Ultra 14 和联想 Yoga Slim 7i Aura Edition 等竞争对手相媲美或超越，使其成为旅行和长期使用的绝佳选择。＃＃＃＃ 结论Acer Swift 14 AI 是一款可靠的中端笔记本电脑，在日常任务中表现出色，电池续航时间长，性能稳定。虽然它的显示质量可能不会给那些优先考虑娱乐或高分辨率内容创作的人留下深刻的印象，但它仍然是家庭办公、旅行和要求不高的创意项目的一个不错的选择。如果您正在寻找一款平衡的设备而又不想花太多钱，那么宏碁 Swift 14 AI 值得考虑。### 优点：- 电池续航时间长（长达近 19 小时）- 在单线程任务中表现稳定- 其价位具有良好的价值主张### 缺点：- 显示质量平庸- 多线程 CPU 基准测试中表现不佳- 设计和建造质量有些不起眼
红帽开发者中心添加 AI 模板
红帽开发者中心推出了五个以人工智能为中心的软件模板，供平台工程团队构建音频转文本、聊天机器人、代码生成、对象检测和检索增强生成方面的应用程序。这些预先构建的模板旨在通过减少对详细技术知识的需求并解决资源限制来简化开发。这些增强功能支持常见用例，并使开发人员能够有效集成 LLM 和 API 等资产。
以色列在全球人工智能排名中下降，缺乏国家战略和领导力——国家审计长
以色列国家审计长马塔尼亚胡·恩格尔曼(Matanyahu Englman)发布了一份报告，批评政府缺乏长期的人工智能战略，并且未能按照专业委员会的建议分配足够的预算。这一失败导致以色列的国际排名下降。该报告还强调了人工智能监管不足和计算基础设施不足，称这些因素是推动人工智能技术发展的障碍。
