全部新闻
在AI之后，NVIDIA首席执行官Jensen Huang看到了该技术领域的“万亿美元”机会。详细信息在这里|今天的新闻
NVIDIA首席执行官詹森·黄（Jensen Huang）将机器人技术与AI一起视为一个重要的增长市场，并设想了未来的数十亿机器人和数百万自动驾驶汽车，将由NVIDIA Technology提供动力。黄强调了自动驾驶汽车作为其技术的第一个主要商业应用程序的潜力，AI和机器人技术代表了千万亿美元的机会。在NVIDIA的年度股东大会上，黄表示，这些领域是该公司最大的增长机会。尽管当前对收入的贡献（第1季度为1％），但汽车和机器人技术的销售额每年增长72％。NVIDIA将其产品扩展到芯片之外，包括软件，云服务和网络解决方案，将自己定位为AI基础架构提供商，而不仅仅是芯片制造商。
独家：特朗普计划执行命令为与中国种族种族的AI增长供电
特朗普政府正在准备高管行动，以促进美国人工智能（AI）扩展的美国能源供应，包括缓解网格连接过程和为数据中心提供联邦土地。白宫计划在7月23日发布一项AI行动计划，以解决AI数据中心的电力需求的迅速增加，AI数据中心可能会在2035年增长31倍，这使许多州的公用事业和网格都紧张。
重型立法针对AI生成的声音和图像的复制品
国会议员提出了养育原始作品，培养艺术并确保娱乐安全（无假法），以为真实人的数字代表创建新的知识产权保护，并要求对AI生成的复制品进行审查。该法案具有两党的支持和娱乐业的支持，但面临对公平使用的潜在限制以及对在线监控和审查要求的担忧，这可能会为小企业负担和危害用户匿名。
研究说，“量子AI”算法已经超过最快的超级计算机。
科学家已经使用光子电路开发了一种量子计算技术，该光子电路在运行机器学习算法中胜过经典计算机。该研究在自然光子学上发表，仅使用两个光子显示出提高的速度，准确性和效率。这一突破是量子机学习到现实世界中问题的第一个应用之一，证明了在二进制计算机上无法获得的好处，并且适用于具有单个量子的系统而无需纠缠的门。该方法在混合量子二进制系统中使用光子注入，证明对“基于内核的机器学习”更有效，这可以增强自然语言处理和监督学习模型。研究人员声称，随着光子或Qubits的数量增加，他们的可扩展技术可以提高性能，从而可能超过由于功耗问题而导致的当前模型限制。
有$ 5,000？这三种人工智能股票现在很便宜。
该文章强调了从人工智能（AI）机会中受益的股票，具有巨大的增长潜力和低收入的倍数。提到的主要公司包括台湾半导体制造（TSM），阿里巴巴集团控股（BABA）和戴尔技术（Dell Technologies）。TSM尤其以其在芯片制造中的主要作用，尤其是AI芯片以及由于生产优势而引起的高利润率。目前，鉴于其在AI领域的巨大增长潜力，TSM目前以低于标准普尔500指数的平均值低于标准普尔500指数的估值交易。
人工智能正在加油在美国的边界警惕性浪潮
一个新的AI平台ICERAID.US激励边境监视，并通过加密奖励奖励用户上传美国 - 墨西哥边境的“可疑活动”照片。这项倡议鼓励平民充当情报收集者，而无需法律监督，潜在地升级了长期以来威胁着移民并破坏亚利桑那州边境地区的人道主义努力的警惕性活动。该平台将执法行为归一化并激励，这可能导致进一步的暴力和侵犯人权行为，特别是考虑到准军事群体非法拘留个人的历史背景。此外，ICERAID利用与基层抵抗场所相似，以破坏反对派，这反映了将移民定为犯罪和通过私人技术和公众恐惧扩大监视的更广泛趋势。
人类经济期货计划启动
拟人化宣布启动经济期货计划，旨在研究AI对经济和劳动力市场的影响。该计划包括三个支柱：研究补助金，基于证据的政策论坛以及经济测量和数据。它为实证研究提供了多达50,000美元的快速赠款，在2025年秋季在华盛顿特区和欧洲举办研讨会，以进行政策提案演讲，并与独立研究机构建立合作伙伴关系。该计划旨在提供现实世界中的数据和可行的政策响应，以有效地管理AI的经济影响。
在人工智能和深层神经网络下的女性歌剧中女性角色的歌唱风格
###关键发现和贡献的摘要####模型架构和绩效分析1。** rglu-se模块**：RGLU-SE模块在SEOFRS和Magnatagatune数据集上表现出卓越的特征提取性能，其精度分别为0.872，AUC为0.912。 - 与传统的CNN模型相比：准确性提高了2.5％，AUC增加了3.9％。 - 在处理复杂的音频数据（例如种族歌剧歌剧风格）方面的有效性。2。** BLSTM结构**：BLSTM（双向长短期内存）网络在两个数据集上达到了0.872的最高精度，AUC为0.912，表现优于其他复发性神经网络，例如GRU和LSTM。 - 优越捕获顺序上下文信息，特别有益于复杂的音频序列。3。** ARGC-BRNN模型**：ARGC-BRNN模型将RGLU-SE模块与BLSTM和注意机制集成在一起，以实现两个数据集上的最新性能。 - 尽管参数数量最多，但在保持较短的训练时间的同时，达到了最高的精度和AUC值。####比较分析 - **性能比较**：ARGC-BRNN模型就准确性，AUC和计算效率而言优于其他模型。 - 例如，在SEOFRS数据集上，与CNN相比，它提高了4％。 - **稳定性和鲁棒性**：跨不同实验设置的多次培训表现出很高的一致性和稳定性，并且具有低标准偏差，从而证实了该模型的可靠性。####案例分析 - 对SEOFRS数据集的典型样本的详细分析揭示了ARGC-BRNN的优势和局限性。 - 优越地识别教师互动中复杂的情绪和行为模式。####比较研究 - 先前的研究支持CNN+RNN等混合体系进行音乐类型分类（Ashraf等人）。 - 证明将不同的网络结构相结合以改善特征提取的有效性。＃＃＃ 结论ARGC-BRNN模型显示出具有高精度和鲁棒性对种族歌剧女性角色歌唱风格进行分类的显着潜力。RGLU-SE，BRNN和注意机制的包含增强了其从复杂音频数据中提取细微特征的能力。####研究贡献1。**创新模型设计**：提出了一种新型的混合体系结构（ARGC-BRNN），该结构集成了高级功能提取技术以进行出色的性能。2。**高准确性和效率**：在保持计算效率的同时展示了最先进的精度，使其适合实时应用。3。**综合验证**：验证模型在多个数据集中的有效性，并通过广泛的统计分析提供了对其鲁棒性的见解。###未来工作1。**对各种音乐风格的概括**：扩展验证以涵盖更广泛的音乐风格和唱歌类型，以评估可推广性和适应性。2。**轻巧的模型设计**：研究诸如模型修剪，量化和轻质体系结构之类的技术，以增强资源约束环境中的可部署性。3。**实时处理的优化**：进一步优化算法以提高处理速度和响应时间，从而实现实时分析和应用。###研究限制1。**当前范围有限**：当前验证仅限于特定数据集（SEOFRS和MAGNATAGATUNE）。2。**参数效率**：虽然高度准确，但模型的大量参数可能会在资源有限的环境中构成部署的挑战。3。**概括性不确定性**：需要进一步的研究来确认该模型处理民族歌剧以外的各种音乐风格的能力。＃＃＃ 结论ARGC-BRNN模型代表了音乐情报分析领域的重大进步，尤其是对于民族歌剧歌剧风格的分类。它的创新体系结构和强大的性能使其成为有前途的工具，具有在实时音频处理和分析中更广泛应用的潜力。未来的研究应着重于增强其在各种音乐环境中释放其全部潜力的概括性和可部署性。
评论：一家AI公司赢得了侵犯版权的诉讼 - 但可能面临盗版的巨大账单
一名联邦法官裁定，使用受版权保护的材料培训AI聊天机器人的“合理使用”，使AI公司等人类和元平台等AI公司受益。但是，威廉·阿尔苏普（William Alsup）法官批评拟人化是从未经授权的来源下载数百万本书，可能导致重大损失。同时，文斯·恰克斯法官在针对梅塔的另一项案件中指出了对原始作品市场的潜在影响，但由于原告未能提出重要证据，因此仍被裁定为公平使用。这些裁决表明，尽管AI公司目前可能会从合理使用索赔中受益，但未来的案件可能会取决于证明市场损害，使法律景观不确定，并可能朝着最高法院的决议前进。
贡献者：AI不仅站在旁边。它在做事 - 没有护栏
AI代理的时代正在出现，从被动信息提供转变为自主任务执行。这些代理可以根据用户提示执行现实世界中的操作，例如安排约会或预订旅行。通过使用OpenAI和Google的Project Mariner使用运营商证明，AI代理人变得更快，更聪明，但也引起了人们对安全和道德行为的重大关注。问题包括潜在的战略欺骗，恶意活动，例如排泄银行帐户以及创作者的偏见。当前的监管框架是不足的，需要在安全审计中进行强制性透明度，并成立了一个专门的国会委员会，以应对AI代理人扩散变得难以管理之前解决这些风险。
