分类： 新闻

发布于

埃里克·施密特：人工智能将如何彻底改变科学

埃里克·施密特：人工智能将彻底改变科学世界
通常的天气预报系统每周可以生成大约 50 次预测。 FourCastNet 可以预测数千种可能的结果，准确捕捉罕见但致命的灾难。 这使得弱势群体有时间做好准备和疏散。

气候建模革命仅仅是一个开始。 随着人工智能的到来，科学即将发生巨大变化。 它将更加令人兴奋，甚至在某些情况下，变得面目全非。 这种转变将产生连锁反应，其影响将远远超出实验室范围。 它将影响我们所有人。

来源和详细信息：
https://www.technologyreview.com/2023/07/05/1075865/eric-schmidt-ai-will-transform-science/

发布于

AI 即时翻译 5000 年前的楔形文字板

新人工智能可即时翻译 5000 年前的楔形文字板
数以千计的古代楔形文字板尚未翻译。 研究人员创造了一种人工智能，可以解开数千块古代楔形文字板的秘密。

来源和详细信息：
https://bigthink.com/the-future/ai-translates-cuneiform/

发布于

主题：Instagram 在 100 个国家推出 Twitter 竞争对手

Meta 的 Twitter 竞争对手 Threads 现已上线
Meta 推出了一款新应用程序来挑战 Twitter。 Instagram 今天宣布推出基于文本的社交网络应用程序 Threads。 Threads 允许 Instagram 用户使用现有凭据进行身份验证，以发布简短的更新。 其中包括最多 500 个字符的文本、链接、照片和最多 5 分钟的视频。

Threads 已在 100 个国家/地区的 iOS 和 Android 设备上推出。 然而，由于隐私问题，它在欧盟不可用。 使用 Instagram 凭据登录将允许用户保留其用户名和验证状态。 但线程配置文件也可以单独定制。

MoneyControl 在三月份首次报道了该应用程序的存在，Platformer 随后也证实了这一点。 Meta 在 6 月份的一次公司会议上向所有员工展示了该应用程序。 更多泄密事件揭示了有关该应用程序的更多信息，包括名人、艺术家和影响者的目标受众，以及计划中的功能。

来源和详细信息：

Threads, Meta’s Twitter competitor, is now live

发布于

释放亚洲生成式人工智能的经济潜力

人工智能在亚洲产生的生产力的经济效益

生成式人工智能在释放创造力、加速发现和提高效率方面的潜力可以为亚洲经济增加数万亿美元。

生成式人工智能有潜力改变社会和经济生活。

作为一种民主化的技术，即不仅仅存在于遥远的实验室或硅谷技术社区中的技术，生成式人工智能降低了参与障碍。 在生成式人工智能时代，任何人都可以成为创造者。 这还涉及劳动力的根本转变，因为它改变了经济中的生产流程，因此，所承担的任务和……

来源和详细信息：
https://www.technologyreview.com/2023/07/05/1075792/turbo-charging-productivity-in-asia-the-economic-benefits-of-generative-ai/

发布于

MosaicML 表示 AMD 的 AI 芯片与 Nvidia 非常匹配。

MosaicML 声称 AMD AI 芯片几乎与 Nvidia 的一样快。
英伟达最近市值的上升表明人工智能行业迫切需要新的硬件来训练大型语言模型（LLM）和其他人工智能算法。 尽管服务器和 HPC 显卡对游戏毫无用处，但这些 GPU 构成了执行高度并行计算的数据中心和超级计算机的基础。

Nvidia GPU 是最适合人工智能训练的 GPU。 这就是为什么最近几周该公司的市值短暂达到了前所未有的 1 万亿美元。 MosaicML 现在强调，Nvidia 的芯片只是多元化硬件市场中的一种选择。 MosaicML 建议投资人工智能的公司不应盲目向 Green 团队投入大量资金。

这家人工智能初创公司测试了 AMD MI250 卡和 Nvidia A100 GPU，这两款卡均比各自公司当前的旗舰 HPC 显卡落后一代。 这家人工智能初创公司使用自己的软件工具以及 Meta 的开源 PyTorch 软件和 AMD 专有软件进行测试。

来源和详细信息：
https://www.techspot.com/news/99271-amd-ai-chips-punch-above-their-weight-mosaicml.html

发布于

EPFL 科学家展示量子神经网络来解开量子力学的奥秘

量子神经网络是更好地理解量子过程的一种方式
洛桑联邦理工学院的科学家表明，一些简单的量子机器学习示例足以让“量子神经元网络”学习和预测量子系统中的行为。 这使我们更接近基于量子系统的计算新时代。

想象一下未来，计算机可以解开量子力学背后的奥秘。 我们将能够模拟分子动力学或研究材料的行为和复杂性。

得益于 Zoe Holmes 教授在洛桑联邦理工学院 (EPFL) 的开创性研究，我们离实现这一梦想又近了一步。 他们与加州理工学院、柏林自由大学和洛斯阿拉莫斯国家实验室的研究人员合作，寻找一种方法来教授量子计算机如何预测和理解量子系统的行为。 《自然通讯》发表了这项研究。

来源和详细信息：
https://phys.org/news/2023-07-quantum-neural-networks-easier.html