人工智能将无声语音转化为书面文字
摘要：一种新的人工智能系统可以将大脑活动转化为连续的文本。 该系统可以彻底改变那些因中风等情况而无法沟通的人的沟通方式。
这种非侵入性方法使用功能磁共振成像扫描数据将思想转换为文本，无需任何手术植入。 这个人工智能系统并不完美，但它确实能一半时间捕捉到某人思想的精髓。
来源和详细信息：
From Thought to Text: AI Converts Silent Speech into Written Words
人工智能将大脑活动转化为书面文字
Ben Goertzel 对通用人工智能通用理论的探索
Ben Goertzel – 通用人工智能通用理论的方法
通用智能的通用理论：务实的模式主义视角——Ben Goertzel 的论文：https://arxiv.org/abs/2103.15100 摘要：“对人工和自然通用智能的理论基础进行了数十年的探索， 已在一系列书籍和论文中表达，并用于指导一系列实用和研究原型软件系统，以中等程度的细节进行了审查。审查包括潜在的哲学基础（模式主义哲学、基础本体论和现象学逻辑） ），智能概念的形式化和高级架构，部分由形式化和这些哲学驱动。在这篇评论中，我们讨论了高级架构背景下逻辑推理和程序学习等认知过程的实现 ，以及所使用的语言。我们还考虑使用标准的重要性（例如，基于类型化元图的知识表示对于实现流程之间的认知协同作用非常重要。 在这种情况下，类人认知结构的细节被作为表现形式进行讨论。 还包括机器伦理和意识的关键方面。 “在 OpenCog Hyperon 等框架中简要讨论了高级 AGI 实际实施的经验教训。”
在 AGI17 上举行的演讲 – http://agi-conference.org/2017/#AGI17 #AGI #ArtificialIntelligence #Understanding #MachineUnderstanding #CommonSence #ArtificialGeneralIntelligence #PhilMind https://en.wikipedia.org/wiki/Artificial_general_intelligence非常感谢您的调整 在！
您对人们采访有什么建议吗？ 您想了解未来的事件和新闻吗？ 您对STF系列电影有什么意见吗？
请填写此表格：https://docs.google.com/forms/d/1mr9PIfq2ZYlQsXRIn5BcLH2onbiSI7g79mOH_AFCdIk/
支持科学未来：
a) 订阅 SciFuture YouTube 频道：http://youtube.com/subscription_center?add_user=TheRationalFuture b) 捐赠。
– 比特币：1BxusYmpynJsH4i8681aBuw9ZTxbKoUi22
– 以太坊：0xd46a6e88c4fe179d04464caf42626d0c9cab1c6b。
– Patreon：https://www.patreon.com/scifuture c) 分享 SciFuture 创建的媒体。
请接受我最诚挚的问候。
亚当·福特
– 科学、技术与未来 – #SciFuture – http://scifuture.org
来源和详细信息：
https://youtube.com/watch?v=3LzI-UB-3YU&feature=share
AI 在纽伦堡圣保罗教堂向数百名新教徒发表讲话
数百名新教徒参加了在纽伦堡举行的布道
人工智能聊天机器人要求巴伐利亚菲尔特市拥挤的圣保罗教堂的信徒从长椅上站起来赞美上帝。
ChatGPT 在祭坛上方的大屏幕上化身为一个留着胡须的黑人头像，它于周五早上开始布道，当时有 300 多人到达参加几乎完全由人工智能生成的实验性路德教会服务。
虚拟角色面无表情，声音单调。
来源和详细信息：
https://www.newsbreak.com/news/3054381014425-hundreds-of-protestants-attended-a-sermon-in-nuremberg-given-by-chatgpt-which-told-them-not-to-fear-death?_f=app_share&s=a1&share_destination_id=MjAzODk4OTQ4LTE2ODY1MDcxNjIyMTg%3D&pd=0DnXQiJs&hl=en_US&send_time=1686507162&actBtn=fb&trans_data=%7B%22platform%22%3A1%2C%22cv%22%3A%2222.50.2%22%2C%22languages%22%3A%22en%22%7D
对人工智能的恐惧和不信任：理解为什么一半美国人认为它对人类构成威胁
超过一半的美国人认为人工智能对人类构成威胁
人工智能的定义是一个模糊的问题，民意调查和我们定期阅读的许多有关人工智能的头条新闻都反映了这一点。 当我们使用“人工智能”这个术语时，我们的意思是什么？ “人工智能”一词涵盖了广泛的技术，从在 YouTube 或 Netflix 上推荐内容的算法，到 ChatGPT 等大规模语言模型，再到能够为 Siri（内置的 Siri 助手）设计复杂蛋白质结构的模型。 大多数iPhone。
IBM 将人工智能定义为“将计算机科学与强大数据集相结合以解决问题的领域。”而谷歌则将其描述为“一组技术”，允许计算机执行高级功能，例如 能够阅读、理解和翻译书面和口头语言，分析数据并提出建议。
人们对人工智能的恐惧和不信任可能源于缺乏理解以及关注负面例子而不是正面例子。 能够设计复杂蛋白质的人工智能或许能够帮助科学家在加速的时间内找到更强的疫苗和药物。
来源和详细信息：
More Than Half of Americans Think AI Poses a Threat to Humanity
乘着人工智能热潮：英伟达如何改变硅谷格局
硅谷和英伟达的人工智能热潮
《硅谷商业杂志》高级记者 Max A. Cherney 在 KQED 论坛上谈论了 Nvidia 的 AI 热潮。
来源和详细信息：
https://www.bizjournals.com/sanjose/news/2023/06/06/what-nvidia-and-the-ai-boom-mean-for-sv.html?csrc=6398&utm_campaign=trueAnthemTrendingContent&utm_medium=trueAnthem
ByteFormer 是一种人工智能模型，可以消除输入模态预处理并增强用户隐私。
苹果研究人员推出 ByteFormer，这是一种仅消耗字节且不显式模拟输入模式的 AI 模型
深度学习推理通常基于输入模态的显式建模。 例如，视觉变换器 (ViT) 通过将图像块编码为向量来直接对图像的 2D 空间组织进行建模。 音频推断通常基于计算频谱属性（如 MFCC），然后将其传输到网络中。 如图 1 所示，用户必须首先将文件解码为模态特定表示形式（例如 RGB 张量或 MFCC），然后再推断保存的文件（例如 JPEG 音频或图像文件）。 将输入解码为特定于模态的表示有两个主要缺点。
首先，您必须为每种输入模式手动创建输入表示形式。 Transformer 主干已在 PerceiverIO、UnifiedIO 等最近的项目中使用。 然而，这些技术需要特定于模态的预处理。 例如，PerceiverIO 在将图片文件发送到网络之前对其进行解码。 PerceiverIO 将其他输入模式转换为不同的形式。 作者假设，通过直接在文件字节上执行推理，可以消除特定于模态的预处理。 将输入解码为特定于模态的表示有第二个缺点，即所分析的材料会被暴露。
想象一下您家中有一个智能小工具，它依靠 RGB 照片进行推理。 如果敌人可以访问模型输入，则可能会损害用户的隐私。 他们认为可以对保护隐私的投入进行扣除。 为了解决这些问题，他们指出许多输入模式可以保存为文件字节。 他们在推理过程中将文件字节直接输入到模型中（图 1b），无需解码。 他们采用修改后的 Transformer 模型来适应各种输入和模式。
来源和详细信息：
李嘉诚资助可与人工智能匹敌的“生物计算机”
它还活着？ 这位亿万富翁资助了一家将脑细胞培养成“生物计算机”的初创公司
DishBrain 是亿万富翁李嘉诚资助的一项技术，它将脑细胞与计算机结合起来，创造出一种可以与人工智能相媲美的技术。
彼得·泰尔（Peter Thiel）和马克·库班（Mark Cuban）投资了早期初创公司，并赚了数百万美元。 投资初创企业并不需要成为拥有大量人脉的亿万富翁。 单击此处开始投资有前途的初创公司。
澳大利亚生物技术公司 Cortical Labs 是这项听起来像科幻小说的技术的幕后黑手。 该公司由维港投资领投了 1000 万美元的融资，领投者是香港首富嘉诚（94 岁）。 其他投资者包括 Blackbird Ventures（澳大利亚风险投资基金）、In-Q-Tel（中央情报局投资部门）、美国公司 LifeX Ventures 等。
来源和详细信息：
https://www.benzinga.com/money/its-alive-this-billionaire-funds-startup-growing-brain-cell-biocomputers
人工智能是首席信息官必须采用的打击金融欺诈的强大工具
为技术而技术是 CIO 的垮台
人工智能可用于加强交易监控，以打击金融欺诈。 传统的基于规则的反洗钱 (AML) 方法使用静态阈值，仅捕获交易的一个要素。 这会导致大量误报。 这不仅效率低下，而且还会降低员工的积极性。 人工智能允许同时分析多个因素，以制定风险评分，并更好地理解风险行为。 反馈循环基于高级分析，这意味着收集的数据越多，解决方案就会变得越智能。 识别金融犯罪的过程变得更加高效，员工有更多时间投入到战略和业务发展等其他重要领域。
监管机构和金融机构不能忽视人工智能的巨大潜力。 它有能力彻底改变整个金融体系。 它提供了减少人为错误的独特机会，而人为错误每年使高度监管的行业损失数百万美元。
显然，随着时间的推移，某些技术将变得不可忽视。 我们通过云计算的采用和使用看到了这一点。 未能采用创新技术的组织将被抛在后面。 云计算曾经被认为是一个白日梦，但现在它已成为业务运营的重要组成部分。 企业已经实施或正在实施大规模数字化转型项目，以将业务流程迁移到云。 同样，新的业务也将在云端启动。 技术人员保持警惕并关注新的解决方案非常重要。
来源和详细信息：
https://www.forbes.com/sites/forbestechcouncil/2023/06/08/technology-for-technologys-sake-is-the-downfall-of-the-cio/