Eliezer Yudkowsky 的 TED 演讲:探索超级智能人工智能的危险

超级智能人工智能会终结世界吗? 埃利泽·尤德科夫斯基
决策理论家埃利泽·尤德科夫斯基(Eliezer Yudkowsky)传达了一个明确的信息:超级智能的人工智能可能会杀死我们所有人。 问题是:我们能否建造出功能强大、听话甚至仁慈的人造大脑? 尤德科斯基在一场激烈的演讲中探讨了为什么我们必须立即采取行动,防止比我们更聪明的人工智能系统导致人类灭绝。

如果您喜欢观看这样的 TED 演讲,请成为 TED 会员来支持我们传播思想的使命:https://ted.com/membership。

在 Twitter 上关注 TED!
推特:https://twitter.com/TEDTalks。
Instagram:https://www.instagram.com/ted。
脸书:https://facebook.com/TED
领英:https://www.linkedin.com/company/ted-conferences。
TikTok:https://www.tiktok.com/@tedtoks。

TED 演讲频道提供一些世界上最有影响力的思想家和演员的原创系列、演讲和表演。 订阅我们的频道并观看有关技术、娱乐和设计以及科学、商业、国际问题、艺术等的视频。 请访问 https://TED.com 了解我们完整的 TED 演讲库。

观看更多:https://go.ted.com/eliezeryudkowsky。

来源和详细信息:

推出全球首款量产人形机器人 GR-1,以应对人口老龄化带来的劳动力短缺问题

人形机器人“全球首次量产”,以应对人口老龄化造成的劳动力短缺

视频 – GR-1 背后的公司计划在 2023 年底之前发布 100 台,主要针对机器人研发实验室。 GR-1 可以帮助患者从床上转移到轮椅上,以及捡起物体。

来源和详细信息:
https://www.euronews.com/video/2023/07/12/worlds-first-mass-produced-humanoid-robot-to-tackle-labour-shortages-amid-ageing-populatio

革命性的人工智能工具 FrameDiff 为生物医学和其他应用生成新颖的蛋白质结构

麻省理工学院的 FrameDiff——生成人工智能想象可以改变医学的新蛋白质结构

麻省理工学院 CSAIL 的研究人员开发了“FrameDiff”作为创建超越自然产生的新蛋白质结构的工具。 机器学习方法创建了与蛋白质结构的内在特性相一致的“框架”,使其能够构建独立于预先存在的设计的新蛋白质。

在自然界中,蛋白质的设计是一个长期的过程,可能需要数百万年。 麻省理工学院 CSAIL 博士说:“我们的技术旨在为人类制造的问题提供答案,这些问题的发展速度远远快于自然的速度。” 学生杰森·严。 与生成合成蛋白质结构的新能力相关的目标开启了广泛的增强功能,例如更好的结合剂。 这意味着创造出能够以更高的效率和选择性附着在其他分子上的蛋白质。 这对靶向药物输送、生物技术和生物传感器的开发具有影响。 这可能会对生物医学及其他领域产生影响。 例如,它可能提供开发更有效的光合作用的可能性。

当植物和某些微生物利用阳光从水和二氧化碳合成碳水化合物时,就会发生光合作用。

来源和详细信息:

MIT’s “FrameDiff” – Generative AI Imagines New Protein Structures That Could Transform Medicine

流行病欺诈——历史上最严重的欺诈——2000亿美元的奢侈品被盗

PPP 欺诈是“有史以来最严重的”:$200B 被盗并花在兰博基尼和海滨别墅上。

如果人们声称没有钱用于先进的人工智能、机器人、能源研究等……仔细看看资金滚滚而来以及谁购买了以下物品。

这种欺诈行为很容易实施。 LexisNexis Risk Solutions 的 Haywood Talcove 告诉《华盛顿邮报》,所有信息都是自我报告的。

塔尔科夫解释说,在疫情高峰期,很难购买劳斯莱斯或梅赛德斯高端车等奢侈品,因为人们带着现金走进经销商,支付经销商想要收取的任何费用。

SBA 报告称,正义可能最终会逮捕一些欺诈者。 截至 2023 年 5 月 20 日,共有 803 人因流行病诈骗被捕。

来源和详细信息:
https://nypost.com/2023/07/14/ppp-fraud-is-worst-in-history-200b-stolen-splurged-on-lamborghinis-and-bling/

人工智能发展:未解答的问题

人工智能是如此复杂,即使是创造它的科学家也无法解释它是如何工作的

我们建造了它,训练了它,但并不真正知道它的作用。

来源和详细信息:
https://www.vox.com/unexplainable/2023/7/15/23793840/chat-gpt-ai-science-mystery-unexplainable-podcast

解锁犯罪文本的机器学习方法

基于机器学习的文本罪恶感检测

我们引入了一种新的自然语言处理(NLP),称为犯罪检测的任务。 此任务的重点是检测文本中有罪。 我们认识到内疚是一种重要的情绪,以前从未在 NLP 中研究过。 我们的目标是提供更细粒度的分析。 我们创建 VIC 是为了解决缺乏适合犯罪检测的公开语料库的问题。 该数据集包含来自现有情绪检测数据集的 4,622 条文本,我们将其分为有罪和无罪类别进行二值化。 使用传统机器学习技术,性能最高的模型获得了 72% 的 F1 分数。 我们使用词袋和词频-逆文档频率特征。 我们的研究是理解文本中的内疚感的第一步,并为未来的研究开辟了可能性。

来源和详细信息:
https://www.nature.com/articles/s41598-023-38171-0