先须挽取银河水，后方栽种太华山
网络安全和人工智能
SaaS公司已经开始拥抱数字时代的人工智能和云计算等变革性技术。 据市场研究公司称，人工智能（AI）目前的价值接近1000亿美元，预计到2030年将增长20倍，达到2万亿美元。
虽然人工智能和云计算有望带来革命性的进步，并实现高效存储和处理海量数据，但它们的快速采用引起了人们对网络安全的担忧。 据估计，到 2021 年，网络犯罪在全球造成的损失将达到 6 万亿美元。
来源和详细信息：
https://www.crn.in/columns/leveraging-cyber-security-for-artificial-intelligence/?feed_id=25945&_unique_id=64884f552715b
Nvidia 的平台可将文本转换为人工智能。 生成的头像将估值提升至 10 亿美元
CNBC 独家报道，基于人工智能和 Nvidia 投资者的视频生成平台 Synthesia 已从这些投资者那里筹集了 9000 万美元。
来源和详细信息：
https://www.cnbc.com/2023/06/13/ai-firm-synthesia-hits-1-billion-valuation-in-nvidia-backed-series-c.html
NVIDIA 的 AI 芯片突破改变了一切（Supercut）。
台积电所在地 Computex 的 #nvidia 主题演讲亮点。 台湾是半导体制造之都。 主题包括 @NVIDIA 用于数据中心的疯狂 H100 GPU、Grace Hopper 超级芯片、GH200 AI 超级计算机，以及这些芯片将如何为 #openai 的 #chatgpt 等生成式 AI 技术提供动力，并重塑我们所知的计算行业。
想要我的人工智能股票研究和精选吗？ 让我知道：https://tickersymbolyou.com/survey/
通过 Moomoo 获取最多 17 只免费股票：https://tickersymbolyou.com/moomoo。
Simply Wall Street 的 Nvidia（NVDA 股票）估值：https://simplywall.st/stocks/us/semiconductors/nasdaq-nvda/nvidia?via=tsyou。
台积电（TSM 股票）估值：https://simplywall.st/stocks/us/semiconductors/nyse-tsm/taiw…?via=tsyou。
Nvidia Keynote supercut 的时间戳：
适用于 AI 的 Nvidia GPU H100——概述。
02:36 人工智能加速计算
Nvidia 如何构建人工智能工厂。
08:31 为什么人工智能将成为下一个计算时代。
10:54 Nvidia Grace Hopper 人工智能超级芯片。
12:28 Nvidia GH 200 AI 超级计算机。
15:34 Nvidia MGX – 下一代人工智能服务器
18:32 魔鬼在细节中 – 人工智能网络
21:53 结束了！ 人工智能将由 GPU 而不是 CPU 提供支持。
来源和详细信息：
保罗·麦卡特尼表示披头士乐队使用人工智能来制作“最后一张唱片”
保罗·麦卡特尼 (Paul McCartney) 声称使用人工智能来创作“披头士乐队最后一张唱片”，其中由约翰·列侬 (John Lennon) 演唱，约翰·列侬于 1980 年去世。
人工智能现在将你们聚集在一起。
保罗·麦卡特尼 (Paul McCartney) 声称，在披头士乐队发行最后一张录音室唱片 50 多年后，他使用人工智能创作了“最后一张专辑”。
来源和详细信息：
https://www.wsj.com/articles/the-last-beatles-record-to-be-released-this-year-using-ai-paul-mccartney-says-45a950d6?mod=e2fb
在不久的将来，人工智能会变得更聪明，或者像人类一样聪明吗？
科技界对于“人工智能通用”以及我们是否应该担心存在分歧。
来源和详细信息：
https://news.yahoo.com/will-ai-soon-be-as-smart-as–or-smarter-than–humans-183906177.html
黑客正在使用生成人工智能来武器化他们的攻击
虽然我发誓不会在博客文章中使用研究成果，但 Vulcan Cyber 的 Voyager18 团队最近发布了一份公告，确认 ChatGPT 等生成式人工智能将很快变成一种武器，准备瞄准您所在地区的基于云的系统。 云计算专家们一直在观望这一点。
新的攻击方式
攻击者正在使用 OpenAI ChatGPT 语言模型传播恶意包。 专家观察到 ChatGPT 会生成 URL、对代码库的引用、函数以及更多不存在的内容。 报告认为，这些“幻觉”可能是旧训练数据的结果。ChatGPT 的代码生成能力允许攻击者利用恶意分布的代码库。
来源和详细信息：
https://www.infoworld.com/article/3699256/malicious-hackers-are-weaponizing-generative-ai.html
语言学专家解释人类和人工智能如何回收语言
从某种意义上说，这无疑是新的。 ChatGPT 互动可以是前所未有的。 例如，一名科技记者无法阻止聊天机器人向他表达爱意。 我认为人类和机器之间的界限比人们愿意承认的更加模糊。 这种模糊性是围绕 ChatGPT 的大部分讨论的原因。
当被要求勾选复选框以确认我不是机器人时，我没有多想。 当然，我不是机器人。 当我的电子邮件客户端建议单词或短语来完成我的句子，或者我的手机猜测我接下来要发短信的内容时，我开始怀疑自己。 这就是我想说的吗？ 如果应用程序没有建议我，我会想到它吗？ 我是机器人吗？ 这些大型语言模型是使用大量“自然人类”语言进行训练的。 机器人有人类成分吗？
来源和详细信息：
https://www.fastcompany.com/90908458/a-linguistics-experts-explains-why-humans-and-ai-both-recycle-language
Microsoft AI 推出了 Orca，这是一个拥有 130 亿个参数的模型，可以学习模仿 LFM 的推理过程。
这些模型卓越的零样本能力引发了一个问题。 他们可以在没有人工干预的情况下监督自己或其他模型吗？ 微软研究人员开发了 Orca，这是一个拥有 130 亿个参数的模型，可以学习复杂的解释痕迹以及逐步的思维过程。 与现有最先进的指令调整模型相比，这种创新方法显着提高了性能，同时解决了任务多样性、查询复杂性和数据可扩展性等挑战。
研究人员承认，GPT-4 查询和响应对可以为学生模型提供有价值的指导。 他们通过详细的回答来增强这些配对，以帮助更好地理解教师在生成答案时使用的推理过程。 Orca 的解释痕迹通过弥合教师和学生模型之间存在的差距，帮助学生提高推理和理解能力。
该团队使用 Flan 2022 系列进一步增强 Orca 的学习能力。 为了确保挑战是多样化的，团队从广泛的集合中抽取任务样本。 该团队对这些任务进行子采样，以创建复杂的提示，作为 LFM 的问题。 这为 Orca 创建了丰富多样的训练集，使其能够学习各种任务。
来源和详细信息：