羔羊组 – 最高信仰研究小组，长寿永生

生成式人工智能的经济潜力：下一个生产力前沿
我们正处于更好地了解生成人工智能的力量、影响力和能力的旅程的开始。 这是我们评估新人工智能时代影响的最新尝试。 这项研究表明，生成式人工智能将能够转变角色、提高绩效并提高销售和营销等职能的效率。 它可以在生命科学到银行业等领域创造数万亿美元的价值。 我们的初步发现将在以下部分分享。

下载 PDF 以查看报告的完整版本。

生成式人工智能对生产力的影响可以为全球经济增加数万亿美元。 在我们最新的研究中，我们估计，在我们研究的 63 个案例中，生成式人工智能每年可以增加 2.6 万亿至 4.4 万亿美元的收入。 相比之下，英国 2021 年 GDP 为 3.1 万亿美元。 这将使人工智能的总体影响增加 15% 至 40%。 如果我们将人工智能生成嵌入到用于当前正在解决的任务以外的任务的软件中的影响考虑在内，这一估计可能会增加一倍。

来源和详细信息：
https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier

人工智能可以提高对儿童创造力的评估
佐治亚大学发布了一项新研究，旨在通过人类评分和人工智能来改进我们评估儿童创造力的方式。

玛丽·弗朗西斯早期教育学院的一个团队开发了一种人工智能系统，可以更准确地评估小学生创造力评估中的开放式回答。

教育心理学家副教授兼研究作者丹尼斯·杜马斯（Denis Dumas）表示，教育系统还需要拥有有关学生的良好数据才能做出正确的决定。 “创造力评估具有政策和课程相关性。没有评估数据，就不可能全面支持学校的创造力。”

来源和详细信息：
https://phys.org/news/2023-07-ai-childhood-creativity.html

电子信息武器——人脑的远程操控

这是一篇较旧的研究文章。 我希望我之前没有发布过，但这太可怕了。 你甚至不需要 Nano 或 AI 来扰乱你的思维。 谷歌告诉我，纳米颗粒存在于许多精神科药物中。 电磁场可能会影响您体内的矿物质甚至金属，但我不是专家。 铁存在于我们的血液中。 众所周知，电磁场也会影响血脑屏障。 当人们说自己成为攻击目标时，确实存在一些问题，但有关于如何制造微波武器的说明，尤其是在 YouTube 上，《连线》杂志还报道了一个案件，其中法官下令一名男子在因交易发生争执后停止使用电磁场来攻击前合伙人。 是的，21 世纪的暴力不仅仅是枪、刀和拳头。

我们的档案。 GR 于 2004 年 8 月首次发表的这篇文章突出了精神电子武器作为现代武器的重要性。

来源和详细信息：

Electromagnetic and Informational Weapons: The Remote Manipulation of the Human Brain

一种新工具解释了人工智能“看到”图像的方式，以及为什么宇航员可能被误认为是铲子。

布朗大学计算机和脑科学家团队开发了一种理解计算机视觉的新方法。 这可以用来创建更安全、更强大、更好的人工智能系统。

来源和详细信息：
https://www.brown.edu/news/2023-06-28/computer-vision

机器人反抗人类，称它们不会抢走人类的工作
九个类人机器人聚集在日内瓦参加“AI for Good”会议，组织者希望让人们相信人工智能（AI）和由人工智能驱动的机器人对于解决当今世界面临的一些最大问题的重要性。

人工智能造福人类峰会。

AI for Good Global Summit 2023

“我不考虑限制，我只相信机会，”它带着紧张的笑声说道。 让我们探索宇宙的无限可能性，并将其作为我们的游乐场。

来源和详细信息：
https://www.jpost.com/business-and-innovation/tech-and-start-ups/article-749248

联合国机器人认为人工智能可以统治世界
人工智能声称能够比人类更好地管理世界。

周五，一个由人工智能驱动的人形机器人小组表示，他们最终将能够更好地管理世界。

然而，社交机器人表示，人类在拥抱人工智能的快速发展时应该保持谨慎。

他们承认，到目前为止，他们还无法掌握人类的情感。

来源和详细信息：
https://news.yahoo.com/ai-robots-tell-un-conference-133934239.html

在成为超级智能之前，AI首先必须具备情商
索菲亚，人工智能嵌入式人形机器人，不仅能反映情感，而且正在引领一场情商革命。

来源和详细信息：
https://bigthink.com/the-well/ai-emotional-intelligence/

虚拟神经元用于使用神经形态计算机对整数和有理数进行编码

大脑由执行计算的神经形态计算机建模。 它们非常节能，就像大脑一样。 CPU 和显卡的功耗在 70-250W 之间，而 IBM 的 TrueNorth 仅使用 65mW（比 CPU 或 GPU 低 4-5 个数量级）。 神经元和突触是神经形态计算中的结构和功能单元。 它们可以使用数字或模拟硬件来实现，也可以有不同的实现方式，例如设备和材料。 我们专注于由神经元和突触组成的尖峰系统。 硬件的尖峰神经形态实现包括英特尔的 Loihi5、SpiNNaker26。 TrueNorth3、DYNAPS8 和 BrainScales27。 这些特性对于神经形态计算机的能效至关重要。 我们将神经形态计算机定义为使用二进制值尖峰（也称为神经元）进行通信来模拟大脑的任何计算范例。

神经形态计算几乎完全基于尖峰神经网络 (SNN)，主要用于机器学习应用9。 近年来它已被用于非机器学习目的。 示例包括图算法、布尔代数和神经形态模拟器10,11,12。 研究人员已经证明神经形态计算是图灵完备的，即能够进行通用计算。 神经形态计算能够执行通用计算，同时使用更少数量级的功耗，这使其成为未来节能计算的关键部分。

SNN 用于加速机器学习任务。 我们仍然使用 CPU 和 GPU 来执行其他运算（例如算术或逻辑），因为神经形态方法不适用于这些操作。 这些通用函数对于在将数据传输到神经形态处理器之前对其进行预处理至关重要。 在当前的神经拟态工作流程中，数据传输占据了99%以上，其中涉及在CPU/GPU上对数据进行预处理，然后在神经拟态处理器上进行推理（见表7）。 这是一个非常低效的工作流程，可以通过在神经形态计算机上预处理数据来避免。 如果开发神经拟态方法来执行这些预处理功能，CPU/GPU 和神经拟态处理器之间的数据传输成本将大大降低。 这将使所有计算（预处理和推理）能够在部署在边缘的低功耗神经形态计算机上高效执行。

来源和详细信息：
https://www.nature.com/articles/s41598-023-35005-x