月度归档： 2023 年 7 月

发布于

探索液体神经网络以探索未知世界

无人机可以使用液体神经网络在未探索的环境中导航

在一系列四旋翼闭环控制实验中，无人机进行了航程测试、压力测试、目标旋转和障碍、与对手徒步旅行、三角形物体循环和动态跟踪。 这些无人机跟踪移动目标并在前所未见的环境中执行多步循环，表现优于其他尖端竞争对手。

该团队认为，在理解任务的同时从专家数据中学习和概括的能力可以使自主无人机部署更具成本效益和可靠。 他们指出，液体神经网络可用于实现自主空中机动无人机的环境监测和包裹递送。

麻省理工学院 CSAIL 附属研究人员 Ramin Hasani 表示，我们工作中的实验装置测试了各种深度学习系统在受控和简单情况下的推理能力。 未来，能够处理自主导航中复杂推理问题的人工智能系统还有更大的研发空间。 在将它们安全地部署到社会之前，必须首先对其进行测试。

来源和详细信息：
https://news.mit.edu/2023/drones-navigate-unseen-environments-liquid-neural-networks-0419

发布于

利基人工智能：生成式人工智能的未来是专业化而非通用化

生成式人工智能的未来将是小众而非普遍化

在过去的几个月里，围绕生成人工智能的无情炒作伴随着对所谓危险的同样强烈的焦虑——只要看看那封要求暂停人工智能实验的信就可以了。 这场动荡可能会让我们忽视更直接的风险——想想偏见和可持续性——并影响我们理解这些系统真正价值的能力。

这并不奇怪。 12 家公司创建了 ChatGPT 插件，这并不奇怪。 “通用”机器人无法完成所有事情，但能够为您的客户提供一种简单的方式来组织旅行计划将为您带来市场竞争优势。

来源和详细信息：
https://www.technologyreview.com/2023/04/27/1072102/the-future-of-generative-ai-is-niche-not-generalized/

发布于

人工智能采用对人类工人的影响：对现实世界公司的分析

以下是采用人工智能后人类员工所发生的情况。 这家公司的人类工人被人工智能取代了。

一群经济学家在真实的公司中进行了世界上第一个关于“生成人工智能”的实证研究。 他们发现这产生了很大的影响。

来源和详细信息：
https://www.npr.org/sections/money/2023/05/02/1172791281/this-company-adopted-ai-heres-what-happened-to-its-human-workers

发布于

埃里克·施密特对人工智能行业的信任——自我监管是前进的方向

谷歌前CEO：我们应该相信AI行业能够自我监管

埃里克·施密特可能不再担任谷歌首席执行官，但他仍然是一名科技高管。

当被问及人工智能是否需要“护栏”时，施密特在接受美国全国广播公司（NBC）“会见媒体”节目时透露了他的技术自由主义观点，因为它有撒谎、闲聊和有点疯狂的倾向。

谷歌前高管雅各布·沃德 (Jacob Ward) 告诉雅各布·沃德 (Jacob Ward)，当该技术变得更广泛可用时，问题会变得更严重。 这很快就会发生。 “我更希望现有的公司能够界定合理的界限。”

来源和详细信息：
https://futurism.com/the-byte/eric-schmidt-ai-regulate-itself

发布于

释放人工智能潜力：从人工智能中受益所需的技能

人工智能只会对拥有适当技能的公司有利。

这似乎是显而易见的，但对于组织来说，重要的是要超越炒作来确定人工智能的真正好处。 这将使他们能够确定获得回报所需的技能。

来源和详细信息：
https://www.zdnet.com/article/companies-have-to-figure-out-the-skills-they-need-to-reap-ai-benefits/?ftag=COS-05-10aaa0h&utm_campaign=trueAnthem:+Trending+Content&utm_medium=trueAnthem

发布于

探索谷歌和微软的生成式人工智能创新的风险

谷歌和微软推广生成式人工智能创新有何风险？

谷歌首席执行官桑达尔·皮查伊 (Sundar Pichai) 昨天在 I/O 大会上宣布，生成式人工智能将支撑谷歌的搜索、Gmail 和其他产品。 自 2023 年 1 月以来，微软和 OpenAI 发布重大公告后，谷歌正忙于定位其生成式 AI 产品和市场。 继 2 月初谷歌宣布推出与 OpenAI 的 ChatGPT 竞争的 AI 聊天机器人 Bard 后，这一声明受到了欢迎。

该博客将谷歌宣布的生成式人工智能与微软的 OpenAI 进行了比较。 该博客还强调了数据偏差、对社会的影响以及公民隐私问题等关键问题，以确保人工智能立法在 2023 年加速。

来源和详细信息：
https://www.forbes.com/sites/cindygordon/2023/05/11/google-strikes-back-on-microsoft/?sh=74e6644d463d

发布于

GenAI 数据中心基础设施预计到 2028 年将飙升至超过 760 亿美元

到 2028 年，数据中心基础设施和运营成本预计将增加超过 760 亿美元

更新图片：ChatGPT 3.5 与 vicuna-13B 之间的比较已得到改进，以便于阅读。

生成人工智能大型语言模型（GenAI）的推出吸引了全世界，并让人们更加意识到人工智能的潜力。 GenAI 能够实现许多壮举，包括进行对话、编写软件代码和通过测试的能力。 但这些仅仅是开始。 这种创新能力是有代价的，无论是在功耗还是处理性能方面。 虽然人工智能的潜力是无限的，但成本和物理因素最终可能会带来限制。

Tirias Research 预测，如果目前的路径继续下去，到 2028 年，生成式 AI 服务器基础设施和运营成本合计将超过 760 亿美元。这种增长将对搜索和内容创建以及业务自动化等新兴服务的商业模式和盈利能力提出挑战。 纳入 GenAI。 这一成本大约是亚马逊 AWS 云服务预计年度成本的两倍，根据 Tirias Research 的数据，亚马逊 AWS 占据了云基础设施服务市场的三分之一。 该预测包括计算硬件性能提高 4 倍。 然而，处理工作负载 50 倍的增长抵消了这一影响。 尽管推理算法快速创新，但情况仍然如此。 设计用于大规模运行的神经网络（NN）将随着时间的推移变得更加优化并不断改进。 这将增加每台服务器的容量。 这种改进被使用量的增加、更苛刻的场景以及具有更多数量级参数的复杂模型所抵消。 GenAI 的成本和规模将需要创新来优化神经网络，并且数据中心的计算负载很可能会转移到 PC 和智能手机等客户端设备。

来源和详细信息：
https://www.forbes.com/sites/tiriasresearch/2023/05/12/generative-ai-breaks-the-data-center-data-center-infrastructure-and-operating-costs-projected-to-increase-to-over-76-billion-by-2028/?sh=36164d4b7c15

发布于

IBM Watsonx：释放企业 AI 采用潜力

Chan Chao Exhibition Hall. Taipei Int’l Fluid Power Exhibition 2023. Recommended Exhibitions.

来源和详细信息：
https://www.forbes.com/sites/danielnewman/2023/05/15/ibm-launches-watsonx-paving-a-path-to-faster-enterprise-ai-adoption/?sh=13160d517732