先须挽取银河水，后方栽种太华山
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
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
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
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
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
在移动设备上驱动人工智能所需的数学是新的，而高通公司处于领先地位。
Stable Diffusion 是一种用于文本到图像渲染的 AI 模型，通常使用网络浏览器在云中运行，并由具有大量功率和硅马力的数据中心服务器驱动，生成上面的特征图像。 该图像是由 Stable Diffusion 在以飞行模式运行且未连接到云数据中心的智能手机上创建的。 渲染它的 AI 模型由 Qualcomm Snapdragon 8 Gen 2 提供支持，这是一种在功耗低于 7 瓦的设备上运行的移动芯片。
该图像仅使用几个短语就通过稳定扩散在 14.47 秒内渲染完成。
该图像是放大的 540p 输入分辨率，可带来更清晰的线条、更清晰的纹理和更好的整体体验。 高通今天提供了一种非算法变体，称为 Snapdragon GSR。 然而，未来移动爱好者游戏玩家将获得更好的图像质量，而无需牺牲电池和帧速率。
这只是使用预先训练的量化机器学习模型进行游戏或媒体增强的示例之一。 但您可以想到许多其他可以受益的应用程序，例如推荐引擎、位置感知导航、计算摄影技术等等。
高通似乎在智能手机和低功耗边缘设备上为这项人工智能繁重工作实施新数学方面处于领先地位。
来源和详细信息：
https://www.forbes.com/sites/davealtavilla/2023/05/15/powering-ai-on-mobile-devices-requires-new-math-and-qualcomm-is-pioneering-it/?sh=f45f61e1a16d
谷歌AI文件泄露：开源正在悄然摧毁谷歌和OpenAI
谷歌人工智能文件几周前被泄露。 该文件披露了一些令人震惊的内容，包括谷歌承认其在开源人工智能方面的发展速度已超过了这一事实。 该视频将带您了解详细信息，展示开源解决方案如何缩小质量差距，并变得更快、更强大、更私密。 它们也比谷歌和 OpenAI 等行业领导者开发的人工智能模型更强大。 我们探讨这对未来人工智能发展意味着什么，重点关注开源模型（低等级适应）、LoRA（低等级适应）以及公众参与日益增长的影响。
您可以在这里阅读全文：
https://natural20.com/google-ai-documents-leak/
来源和详细信息：
企业采用生成式人工智能需要了解什么
7 月 11 日至 12 日与旧金山高管一起，聆听领导者如何整合和优化人工智能投资以取得成功。 了解更多
人工智能技术正在爆炸式增长，各行业都在竞相尽快采用它。 在您的企业一头扎进令人困惑的机遇海洋之前，重要的是要探索生成式人工智能的工作原理、企业需要考虑哪些危险信号，以及如何发展成为人工智能就绪的企业。
生成式 AI 最常见、最强大的技术之一是大型语言模型 (LLM)，例如 GPT-4 或 Google 的 BARD。 这些神经网络接受来自各种来源（例如书籍、网站、社交媒体和新闻文章）的大量文本数据的训练。 他们通过猜测单词序列中的下一个单词来学习语言的模式和概率。 例如，给定输入“天空是”，模型可能会预测“蓝色”、“晴朗”、“多云”或“下落”。
来源和详细信息：
https://venturebeat.com/ai/what-enterprises-need-to-know-about-adopting-generative-ai/