AI生產力平臺Kindo獲700萬美元融資

英國MI6局長理查德・摩爾與美國CIA局長比爾・伯恩斯首次聯合發表文章,強調生成式人工智能在提升情報活動效率方面的作用。AI技術,包括大型語言模型,被用於信息快速總結、創意生成和數據篩選,特別是在處理互聯網上龐大極端內容時,幫助情報人員更好地理解和溝通。情報機構正迅速採納新興技術以適應複雜的安全環境和保持有效隱祕性。科技挑戰和其在現代衝突中的應用,如烏克蘭戰爭中的衛星圖像、無人機、網絡戰和社交媒體,顯示了科技如何改變戰爭的走向。這些都表明情報界在利用新技術應對犯罪和極端行爲方面的努力,同時面對國際秩序面臨的前所未有的威脅。
艾倫·圖靈於1950年提出的圖靈測試,旨在評估機器的智能,通過文字交流使人類難以區分機器與人類。近期,加州大學聖地亞哥分校科學家探索了在閱讀對話記錄而非直接交流情況下,AI與人類區分對方的能力。他們設計了倒置圖靈測試和移位圖靈測試,結果顯示,AI裁判的準確率低於直接參與交流的人類,且在某些情況下,AI甚至錯誤地將AI識別爲人類。這表明,在沒有直接交流的情況下,無論是AI還是人類,都難以準確判斷對話者的身份。這一發現對在線交流和假信息檢測具有重要意義,提示需要發展更精確的工具來區分AI生成內容與人類生成內容,以保障數據安全和網絡環境的真實性。
Getty Images發佈了一項重大舉措,向AI開發者提供包含3750張高質量照片的訓練數據集,覆蓋15個類別,旨在支持AI應用場景的開發。這些照片已上線Hugging Face平臺,用戶同意服務條款並提供聯繫方式後即可免費訪問。此舉旨在吸引企業和開發者,同時推廣其付費授權服務。Getty Images聲稱擁有超過5.72億張照片,其中2億多張可用於商業用途,每張照片附有詳盡元數據,包括關鍵詞和結構化信息,旨在降低侵權風險。這一戰略反映了圖庫服務向AI時代的積極轉型,爲圖像識別和生成技術的發展提供了重要資源。該行動對行業影響深遠,預示着AI與傳統圖庫服務的融合創新。
當前科技行業主要依賴人工智能(AI)的繁榮來掩蓋整體低迷狀況,許多公司仍在經濟衰退中掙扎。傳統科技領域,如軟件、IT諮詢和爲製造業、汽車行業提供電子設備的公司,面臨需求疲軟和庫存過剩的問題,難以復甦。AI雖然成爲唯一的增長點,但過度招聘和開支後遺症、經濟環境不確定性加大了復甦難度。大型科技公司增速放緩,小型企業科技行業收入增長尤其疲軟。雖然AI是當前亮點,但其掩蓋了其他核心領域的週期性下滑。投資者興趣逐漸轉向金融服務和工業等領域,市場期待經濟環境改善。儘管如此,AI領域的未來仍撲朔迷離,行業底部形成跡象顯現,但AI的持續性影響尚不確定。
AlphaFold3作爲生物科學與計算機科學的交匯點上的重要突破,由谷歌DeepMind發佈,但因未提供代碼或模型權重,引發科學界復現熱潮。Ligo初創公司成爲首個成功復現AlphaFold3的團隊,三位創始人均爲牛津大學本科生,僅用四個月便實現了這一壯舉,展現科學潛力。此成果被視爲生物科學領域裏程碑,尤其在蛋白質結構預測方面潛力巨大。然而,DeepMind的“閉門造車”策略受到批評,模型僅在特定服務器上供有限調用。面對此情況,Ligo團隊決定開源其復現模型,不僅遵循原有模型架構,還進行優化和創新,使用8個A100GPU高效訓練,展現了科研合作與創新的活力。除Ligo外,哥倫比亞大學OpenFold團隊和獨立開發者Phil Wang也參與了這一開源運動,形成了活躍的科研生態。
隨着全球人工智能市場的迅速發展,圖形單元(GPU)作爲核心動力,對大語言模型驅動的應用程序至關重要。未來幾年,GPU價格波動將顯著增加,影響企業成本管理。傳統上,能源密集型行業如礦業和物流業已習慣於成本波動,而金融和製藥等行業則需迅速適應。Nvidia作爲主要供應商,其GPU需求激增,估值飆升。GPU之所以受歡迎,是因其能夠並行處理大量計算,適合訓練和部署大型語言模型。由於需求激增,企業可能需採取策略以應對成本波動,如自行管理GPU服務器、提前採購或選擇合適的GPU類型。地理位置選擇也會影響成本,電力成本較低的地區可能成爲降低成本的關鍵。面對AI計算領域快速發展的趨勢,企業需制定策略以適應未來價格波動。