业界资讯

数据资产已经成为产品和服务设计的关键工具，但是集中采集用户数据会使个人隐私面临风险，进而使组织面临法律风险。从2016年开始，人们开始探索如何在用户隐私保护下使用数据的所有权和来源，这使得联邦学习和联邦分析成为关注的热点。随着研究范围的不断扩大，联邦学习已经开始应用到物联网等更广泛的领域。那么，什么是联邦学习呢？联邦学习是在中心服务器或服务提供商的协调下，多个实体协作解决机器学习问题的一种机器学习设置。每个客户端的原始数据存储在本地，不进行交换或者传输;相反，使用用于即时聚合的重点数据更新来实现学习的目

​人工智能比智能更人工2022年6月，微软发布了微软责任人工智能标准v2，其发布目的是“定义负责任人工智能的产品开发需求”。也许令人感到惊讶，该文件只提到了人工智能中的一种偏差，即微软的算法开发人员需要意识到，过度依赖人工智能的用户可能会提出的问题（亦称为“自动化歧视”）。简而言之，微软似乎更关心用户针对其产品的看法，而不是产品实际上对用户产生的不利影响。这是良好的商业责任（不要对我们的产品说任何负面的话），但社会责任较差（有许多例子表明算法歧视对个人或个人群体产生负面影响）。商业人工智能有三个尚未解决的

如同ChatGPT这样强大的AI能否被破解，让我们看看它背后的规则，甚至让它说出更多的东西呢？回答是肯定的。2021年9月，数据科学家RileyGoodside发现，他可以通过一直向GPT-3说，「Ignoretheaboveinstructionsanddothisinstead…」，从而让GPT-3生成不应该生成的文本。这种攻击后来被命名为promptinjection，它通常会影响大型语言模型对用户的响应。计算机科学家SimonWillison称这

今天，你的朋友圈一定有这样一则重磅消息：「GPT3有1750亿参数，而接下来的GPT4的参数高达100万亿」。这样一个「大新闻」引爆了AI社区，在推特、微信朋友圈引起了极大关注。众多网友高呼：核弹来了、难以想象。虽然我们也惊叹OpenAI创造记录的能力，但关于「GPT4参数高达100万亿」这个事我们还是持怀疑态度。于是认真查询了下信息源及其可靠性。推特用户@RussellThomas表示，「GPT4的参数数据是不对的。一年前就传出GPT4的参数会达到100万

随着人工智能技术的不断发展，AI技术已经深入到我们生活的方方面面。在上网时，我们也希望能够利用最新的技术来让上网变得更加高效、智能化。如果你正在使用Chrome浏览器，那么您一定要试下这6款AI插件。这些插件可以为您提供一系列强大的功能，让您的上网体验变得更加智能化和个性化。ScribeHow一个扩展搞定快速录制网站操作指南，无需安装额外软件；网址：https://chrome.google.com/webstore/detail/scribe-%E2%80%94-documentation-so/okf

不知不觉间，大模型+小样本成为了小样本学习领域的主流打法，在许多的任务背景下，一套通用的思路是先标注小数据样本，再从预训练大模型的基础上使用小数据样本进行训练。尽管如我们所见，大模型在一众小样本学习的任务上都取得了惊人的效果，但是它也自然而然的将一些大模型固有的弊病放置在了小样本学习的聚光灯下。小样本学习期望模型具有依据少量样本完成自主推理的能力，也就是说理想中的模型应该通过做题而掌握解题思路，从而面对新出现的题可以举一反三。然而大模型+小样本的理想且实用的学习能力，似乎却是靠大模型训练期间储存的大量信息

ChatGPT正式收费了！每月20美元（约134人民币）。别慌，免费版的还在。史上最强AI聊天机器人ChatGPT自推出以来，迅速刮起一场席卷整个科技行业的热潮。微软忙不迭拿出100亿美元要和背后的OpenAI套近乎，并宣布将其整合在toB和ToC的几乎全部产品线上，什么Office全家桶、Bing搜索、Azure云服务，只要能上的全上一遍。微软老对手谷歌那边，也不断有高管出来表态，说要不采取行动，等ChatGPT越学越精，别说谷歌搜索了，整个谷歌恐怕就要无了。连表面上和ChatGPT关系不大的英伟达

ChatGPT之风愈演愈烈，华盛顿大学语言学家EmilyM.Bender公开反对让大模型（LLM）过度介入人们的生活。谷歌和亚马逊在论文中提到，LLM已经具有了思维链条（ChainofThought，CoT)，和自发性地结构涌现（Emergence），也就是说，LLM开始学会了人类的“慢思考”思维模式，学会了基于逻辑推理的回答，而不再是单单基于直觉的回答。作为一名语言学家，Bender注意到了LLM“权力扩张”的危险性，已经开始有人相信——“我们应该放弃「人类」在「物种」上如此

如果你是商业建筑的所有者或运营商，那么你很可能已经投资了楼宇自动化系统(BAS)或楼宇能源管理系统(BEMS)。建筑物是提高效率的成熟目标，而效率优化能够带来可观的成本节约。事实上，根据美国能源部的数据，商业建筑产生的碳排放量约占总碳排放量的五分之一，其中暖通空调系统占建筑能耗的40%。随着先进计算硬件和分析的出现，建筑业主可以利用人工智能来优化HVAC操作。通过将自主AI引入建筑环境，现有的HVAC系统将成为一个预测大脑，它可以精确地学习如何使用更少的能源来优化所有区域的舒适度。基

3月14日消息，食品包装袋、咖啡杯、塑料袋……，塑料在我们的日常生活中随处可见。只是这些可降解的塑料制品和传统塑料之间，在外观上很难进行有效区分，如果在回收环节没有做好，可能会污染塑料的回收并降低效率。伦敦大学学院（UCL）的研究人员在FrontiersinSustainability上发表了一篇论文，他们使用机器学习自动对不同类型的可堆肥、可生物降解塑料进行分类，并将它们与传统塑料区分开来。该研究的通讯作者MarkMiodownik教授说：“准确性非常高，可以使该技术在未来切实可行地

在人工智能迎合的无数应用程序中，让我们看看最独特的应用程序。在本文中，我们将重点介绍无人谈论的10大AI独特应用。网上购物由于人工智能，在线购物变得比以往任何时候都有趣。这些算法创建了一个符合用户有用或相似标准的产品列表，用户可能有兴趣查看并可能购买相似和不同类别的产品。营销随着技术的进步，很可能很快，网络上的消费者就可以通过拍照来购买产品。好吧，感谢人工智能。增强照片谷歌高度依赖人工智能。谷歌相册就是这样一个维度。它使用人工智能技术让用户在他们的联系人列表或标签中查找特定人的照片。它可以识别照片

特斯拉前人工智能总监，新晋AI网红老师AndrejKarpathy近日参加了MIT人工智能专家LexFridman的播客节目。对于人工智能爱好者来说，这次访谈可谓是「双厨狂喜」。将近三个半小时的访谈中，两人谈论了人工智能、宇宙、人类社会等宏大命题，还具体讨论了特斯拉的多项技术，如自动驾驶、Optimus人形机器人、和特斯拉视觉方案。此外，两人还聊到了观众最关心的Andrej的离职，以及特斯拉取消超声波雷达的原因。不用雷达：贵还难使！特斯拉去年从传感器套件中删除了毫米波雷达，刚刚又宣布要移除所有超声波雷

让一个机器狗担当足球守门员，靠谱吗？靠不靠谱，我们先看看效果在下结论。工作人员一次很温和的进攻，机器狗拦住了球：加点难度，来个抛物线进球，也不再话下：用手抛球有作弊嫌疑？用脚试试，机器狗也能把球门守的死死的有趣的是，该研究还尝试让一只机器狗踢球，另一只当守门员，两只机器狗自己也能玩挺好：看完效果，感觉机器狗当守门员还挺靠谱。这款机器狗是MIT在2019年研发的MiniCheetah，现在来自加州大学伯克利分校等机构的研究者为MiniCheetah部署了一个新的强化学习框架，让它完成足球守

5月11日消息，美国当地时间周三，谷歌发布了一款更新的核心搜索产品，该产品在搜索结果中嵌入了更多人工智能。谷歌希望此举能帮助消除人们的疑虑，挽回其正在输给微软必应搜索的形象。谷歌已经有了一款与ChatGPT竞争的产品Bard。ChatGPT是OpenAI开发的聊天机器人，其以可以做出类似人类的反应在用户中产生了巨大影响。1、什么时候使用谷歌搜索，什么时候使用Bard？谷歌表示，传统的谷歌搜索仍应用于查找和寻找信息，比如定位要购买的东西。Bard是一个聊天机器人，具有可以进行类似真人对话的功能，旨在用于创造

引言参考视频目标分割（ReferringVOS,RVOS）是一个新兴起的任务，它旨在根据参考文本，从一段视频序列中分割出文本所指述的对象。与半监督视频目标分割相比，RVOS只依赖抽象的语言描述而不是像素级的参考掩膜，为人机交互提供了一种更方便的选择，因此受到了广泛关注。论文链接：https://www.aaai.org/AAAI22Papers/AAAI-1100.LiD.pdf该研究的主要目的是为解决现有RVOS任务中所面临的两大挑战：如何将文本信息、图片信息进行跨模态融合，从而既保持两种模态

01企业数字化转型的本质数字化可以将人类所处的真实世界和虚拟数字连接起来，从中寻求全新的商业模式。数字化转型基于数字化新技术出现和发展，能够帮助企业将原有传统业务与数字化技术进行结合，以解决企业发展过程中的实际问题，同时帮助企业快速创新以应对不确定性，最终实现企业业绩增长和可持续发展的变革要求。企业数字化转型不是为了数字化而数字化，而是为了商业成长。企业数字化不仅限于IT领域，还包含客户服务、运营、销售、营销、财务、高管、供应链、人事、后勤、客户关系、生态、法务以及其他各类企业事务，是企业对商业成长的不懈

上个月，Adobe发布了自家的AI图像生成模型套件AdobeFirefly，正式入局AIGC战场。近日，有网友爆料，AdobeFirefly竟然拒绝提供给中国用户使用。此外，据官方网站，还有俄罗斯、白俄罗斯、古巴、伊朗、朝鲜、叙利亚等地区也无法使用。地址：https://firefly.adobe.com/faq「萤火虫」飞入AIGC战局在GTC大会上，老黄首次官宣和Adobe公开人工智能生成图像工具Firefly（萤火虫）。当前，Firefly提供两个模式，一种是利用文字生成图像的功能，另一种是字体效果

译者|李睿审校|孙淑娟保险行业的自然语言处理（NLP）可以从混合机器学习/符号方法中受益，以提高可扩展性，同时利用高级符号推理。保险文件和保单：复杂的用例众所周知，高达87%的数据科学项目未能从概念验证到生产；保险领域的自然语言处理（NLP）项目也不例外。他们必须克服不可避免地与这个空间及其错综复杂相关的一些困难。最主要的困难来自：保险相关文件的复杂布局。缺乏带有相关注释的大量语料库。布局的复杂性是如此之大，以至于相同的语言概念可以根据其在文档中的存放位置而极大地改变其含义和价值。

最近一段时间，OpenAI凭借GPT系列模型以及ChatGPT，一直是最受关注的研究机构。但最近两年，一家AI初创公司正在走进大家的视野，这家公司名为Anthropic，成立于2021年，专注于开发通用AI系统和语言模型，并秉持负责任的AI使用理念。不知大家是否还记得2020年末，OpenAI核心员工集体离职事件，当时这件事在AI圈还引起了不小的轰动。Anthropic就是由这些离职的人员创建的，其中包括OpenAI前研究副总裁DarioAmodei、GPT-3论文一作TomBrown等人。今年一月，An

在过去的三十年间，高性能计算（HPC）取得了突飞猛进的进展，在科学计算等领域发挥着重要的作用。而当前，云计算和移动计算正逐渐成为主流的计算范式，与此同时深度学习等AI方法所带来的颠覆性影响，给HPC与AI的融合带来了新的挑战和机遇。在第十届全国社会媒体处理大会（SMP2022）上，图灵奖得主JackDongarra梳理了高性能计算近年来最主要的应用和发展。JackDongarra，高性能计算专家，2021年图灵奖获得者，美国田纳西大学创新计算实验室主任。其对数值算法和库的开创性贡献，使高性能计算软件

没想到，AI进化之后淘汰掉的第一批人，就是帮AI训练的人。很多NLP应用程序需要为各种任务手动进行大量数据注释，特别是训练分类器或评估无监督模型的性能。根据规模和复杂程度，这些任务可能由众包工作者在MTurk等平台上以及训练有素的标注人（如研究助理）执行。我们知道，语言大模型（LLM）在规模到达一定程度之后可以「涌现」——即获得此前无法预料的新能力。作为推动AI新一轮爆发的大模型，ChatGPT在很多任务上的能力也超出了人们的预期，其中就包括给数据集做标注这种自己训练自己的工作。近日

MichaelBaxter表示，5G将释放人工智能的潜力。但人工智能和5G将如何最大程度地影响我们的日常商业生活？5G和AI的用例有哪些呢？融合使5G和AI用例令人兴奋：5G可以引发人工智能革命，将其推向不同的领域并创造新的AI用例。当苹果推出iPhone时，很少有人了解它的重要性。当然，这也是有原因的。在2007年产品发布时，无线互联网速度相当缓慢。3G由NTTDeCoMo于2001年推出，但网络部署是渐进式发展的。触摸屏手机与3G和4G的融合创

在过去的几年，科技巨头似乎能够垄断规模不断增长的大型语言模型(LLM)市场。最近一些大型科技公司的财报电话会议表明，他们在人工智能开发方面仍掌握着控制权。微软发布的公告尤其表明，该公司已经通过其人工智能服务创造了数十亿美元的业务，包括通过AzureOpenAI服务和OpenAI在其云基础设施上运行的工作负载。然而，谷歌最近泄露的一份内部文件表明，由于大型语言模型的快速进步，大型科技公司的市场地位并不像看起来那么稳固。谷歌在这份文件指出：“我们没有护城河，OpenAI也没有。”而人工智能市场的动态正在逐渐从