全部新闻
META拒绝布鲁塞尔根据AI规则
- 欧盟在X中呼吁讨论反犹太事件之后的Grok；欧洲国家的要求增加了对该平台的审查。 - 欧盟为国家社交媒体禁令铺平了道路，因为政府对社交媒体对未成年人的健康造成伤害发出警报。 - 法国根据对立法者和高级公务员的算法操纵的投诉，对马斯克的X进行了刑事调查。
Salesforce使用AI将支持负载降低了5％，但真正的胜利是教机器人说“对不起”
Salesforce在推出AgentForce后仅九个月就在其帮助门户上实现了100万个自治代理对话的里程碑，将84％的客户查询问题和支持案例量减少了5％。关键见解包括分阶段部署的重要性，将人类同理心融入AI设计，有效管理内容以及在组织结构中的灵活性。Salesforce还强调，从小开始，以尽早确定问题，并强调需要人类和机器之间对成功的企业AI部署进行持续学习和集成。
AI泡沫比消除了数万亿美元的互联网崩溃更糟，经济学家警告说，过度估价可能导致灾难性后果
阿波罗全球管理公司（Apollo Global Management）的首席经济学家托斯滕·斯洛克（TorstenSløk）警告说，AI公司比Dot-Com公司在2000年代初期更高估，预测可能会发生更大的市场崩溃。他确定了表现最佳的AI公司，并认为他们目前的估值与他们的收入潜力不符，这表明与以前的技术繁荣相比，由于投资水平的提高，即将到来的萧条可能会更糟。该警告在主要科技公司对AI技术的大量投资中发表，引起了人们对可持续性和潜在高估的担忧。
AI生成的医疗播客甚至欺骗了专家
研究人员使用Google的笔记本电脑来生成基于欧洲心血管护理杂志（EJCN）的同行评审科学文章的播客。研究发现，一半的作者无法分辨播客主持人是真实的人还是AI生成的人，这表明很高的现实主义。参与者称赞了清晰而简单的语言，但指出了不自然的顺利交付和一些事实错误。尽管不完美，但研究人员得出的结论是，AI可以有效地总结有关患者和公众引人入胜的关键发现，尽管未来版本应清楚地揭示AI的参与并为科学受众采用更学术的基调。
AI来到加利福尼亚的电网
加利福尼亚独立系统运营商（CAISO）已同意使用Open Access Technology International Inc. Genie的AI软件启动试点计划。该计划旨在提高加利福尼亚电网的中断管理和运营效率。使用生成和代理AI技术的Genie系统将有助于更有效地分析计划中的停电，从而有可能减少手动工作量并提高电网操作员的情境意识。如果成功的话，该飞行员可以为AI的更广泛应用铺平道路，以提高CAISO服务领域的网格可靠性和效率。
一位华尔街分析师称Motley傻瓜
AMD的股票可能会看到巨大的收益，因为它缩小了AI加速器市场中NVIDIA的差距。汇丰银行分析师弗兰克·李（Frank Lee）将AMD的价格目标提高到200美元，表明目前水平的增长37％。AMD的新型MI350X和MI355X GPU的功能是以前的型号的三倍，并且优于Nvidia的Blackwell GPU。通过与大型AI公司和竞争价格的合作伙伴关系，预计到2026年，AMD将获得150亿美元的AI GPU收入，而估计到2024年底的50亿美元，其收益增长可能会导致AMD股价的进一步上涨。
您可能会得到不可思议的富裕建筑AI。应该吗？
据报道，梅塔（Meta）提供了价值超过1亿美元的AI工程师包，以吸引Openai等竞争对手的人才。这种高的薪酬反映了对AI专业知识的不断增长的价值，并提出了有关顶级技术公司责任确保AI开发的责任的道德问题。人工智能专业人员面临的困境涉及平衡实质性的财务激励措施与潜在的社会风险，尤其是随着AI技术朝着更加自主和强大的系统发展，如果滥用或不负责任地发展，可能会构成威胁。
Netflix首次在其中一种节目中使用生成AI
Netflix首次将人工智能整合到电视节目“ El Eternauta”中，旨在提高质量，同时降低成本。首席执行官泰德·萨兰多斯（Ted Sarandos）宣布，与传统方法相比，AI被用来更快，更有效地创造视觉效果。尽管由于AI的实施而担心该行业的裁员，但萨兰多斯强调，AI是增强创作者能力而不是更换创作者的工具。该公司报告第二季度的收入为110亿美元，标志着同比增长16％，这在很大程度上是由“鱿鱼游戏”驱动的。Netflix还期望其广告业务今年的规模几乎翻了一番。
通过实验和计算数据开发用于异质催化的机器学习
提供的参考清单包括各种文章和论文，重点介绍了人工智能，机器学习和数据驱动方法在材料科学和化学工程中的应用。以下是从这些参考文献中得出的一些关键见解：###关键主题1。**催化的机器学习：** - 诸如“异质催化中知识产生的可解释的机器学习”（Esterhuizen等，2022）的文章强调使用机器学习来理解和预测催化过程。 - 采用钢筋学习等技术来发现新的催化反应机制，如“使用第一原则的深钢筋学习发现催化反应网络”（Lan＆An，2021）。2。**自动实验室系统：** - Szymanski等人（2023年）的论文讨论了加速材料合成和探索的自主实验室。 - 自动化技术还适用于在“通过机器人技能学习来加速实验室自动化来进行样品刮擦”中所述的高通量筛选中的样品刮擦（Pizzuto等，2024）。3。**高通量筛选：** - 类似组合库和虚拟筛选之类的方法，包括Farrusseng等人（2005年）的作品，包括基于QSAR模型的材料设计的示例。 - 高通量筛选通常与机器学习结合在一起，以预测合成之前的材料特性。4。**域知识与机器学习：** - 诸如“机器学习材料属性所需的领域知识？”之类的论文？（Murdock等，2020）探讨领域专业知识在开发有效模型中的作用和必要性。 - 将域知识纳入模型鲁棒性的影响是一个反复出现的主题，如Chen等人所示。（2024）。5。**材料发现：** - 机器学习技术用于加速材料发现，例如通过Mamun等人（2020）的深度学习方法来预测双金属合金催化剂的吸附能。 - 新材料家族（如高凝集钙钛矿）的高通量合成和表征是最近研究的重点。6。**反应动力学和机制：** - 如Veeramani等人（2024）所述，使用机器学习来预测光谱数据中的反应动力学和机制。 - 在Kollenz等人中还探索了用于预测瞬时动力学行为和通过深度学习的光化学反应的技术。（2020）。###技术进步1。**软件和库：** - 提到Pytorch和Julia是实施机器学习模型的关键工具。 - XGBoost用于可扩展的树木增强系统，从而提高了预测分析的效率。2。**数据处理和建模技术：** - 在Fare等人（2022年）等研究中探索了处理不同质量和准确性数据的多保真建模技术。 - 描述了增强多保真数据集的实用性的denoisis方法，例如Liu等人。（2022）。###更广泛的上下文1。**观点和评论：** - 文章提供了有关AI驱动材料科学的广泛含义和潜在影响的见解。 - 关于无机材料的高通量预测和合成中挑战的讨论突出显示了进一步研究的领域。总体而言，这些参考文献共同说明了利用机器学习的快速发展，以加速催化，材料科学和化学工程中的发现和优化过程。自动化，领域知识和复杂建模技术的整合对于克服这些领域的传统障碍越来越重要。
AI有助于儿童稀有骨折检测吗？
在成骨的患者中，AI辅助将放射科医生的骨折检测准确性从83.4％提高到90.7％，尽管独立的AI性能较低，为74.8％。使用AI支持的放射科医生的人均准确性提高了7.0％，每裂缝精度提高了3.7％，而AI降低了真实和假阳性/负面因素。该研究表明，AI可以提高放射科医生的性能，但由于其独立性较低，强调了自主使用的风险。
