智平方打通具身智能核心痛点:将AGI拓展到物理世界

近日,清华大学五道口金融学院“金融PLUS系列产业峰会2024·人工智能赋能千行百业”盛大举办。智平方(深圳)科技有限公司(以下简称智平方)创始人兼CEO郭彦东博士受邀出席,并与工信部原副部长杨学山,中国科学院院士、清华大学人工智能研究院名誉院长张钹,百川智能创始人兼CEO王小川,易显智能创始人兼董事长马宏等参会嘉宾一道,同探讨人工智能赋能实体经济、推动实体经济高质量发展之路。


第三代人工智能的发展趋势是从数字世界AGI到物理世界AGI

大语言模型问世标志着第三代人工智能时代大幕开启,人工智能从特定领域、特定算法、完成特定任务,迈向了在开放领域内完成多种任务、不受领域限制的新范式。具身智能是人工智能领域继大语言模型后的下一个需求爆发点,已经成为行业共识。

郭彦东博士领先行业敏锐预判出大模型的范式会从语言拓展到更多模态,并通过智能硬件在物理世界中完成感知与交互。基于这一判断,郭博士创立智平方之初就构建了四大技术底座:基于大模型的通用感知,基于生成式模型的端到端泛化操作,多源数据融合,以及软硬垂直整合。

郭彦东博士拥有硬核AI研发与智能硬件行业的复合背景,产业经验横跨中美。作为国家级创新领军专家(未来智能终端方向),郭彦东博士毕业于美国普渡大学,曾担任美国微软总部研究员,早期的AI研发为微软AIaaS,必应搜索,互联互通车等产品提供了重要支持。此后,郭博士在国内顶尖智能硬件企业担任AI首席科学家与高级研发管理。他主导了大规模量产智能汽车、数亿台智能移动终端的AI研发。

在本次产业峰会上,张钹院士就第三代人工智能进行了精彩分享。在上一个人工智能时代,人工智能取得快速发展,但也遭遇了通用性不足、泛化性不够的巨大挑战。

图:张钹院士演讲

张钹院士在产业峰会上演讲

全新品类通用智能机器人Alpha Bot助力新质生产力高效落地

在会上,张钹院士呼吁,具身智能不应将发展重点放在硬件形态上,比如现在市场讨论热度很高的双足还是某种硬件形态。具身智能的关键是“智能的通用性”,而不是“硬件的通用性”。这是由于,不同类型市场对于硬件的个性化需求非常明显,多样性的硬件种类才能满足市场。在硬件和使用场景各不相同的情况下,通用的智能才能实现跨行业、跨任务、跨硬件的精准执行。

这与智平方打造全新品类的通用智能机器人Alpha Bot的逻辑不谋而合。在AI2R Brain驱动下,智平方以场景定义硬件的思维,设计选用行业领先的硬件,根据场景搭载不同形态的移动底盘、夹具等模组,推出全新品类的通用智能机器人Alpha Bot。Alpha Bot能够在高度灵活、柔性、多样的场景中精准感知世界,仿人自然交互,完成多种任务执行,为千行百业、千家万户提供全场景、高可靠的服务。

全新品类通用智能机器人Alpha Bot

全新品类通用智能机器人Alpha Bot

在“人工智能未来展望”的圆桌对话环节,郭彦东博士表示,目前具身智能的主要应用场景分为三类,以物流为中心的应用场景、以工厂为中心的应用场景、以家庭为中心的应用场景。特别地,以工厂为中心的应用场景是我国新质生产力实现的最主要的方向。

据媒体报道,工信部公布的数据显示,我国目前已经培育了421家国家级智能制造示范工厂,万余家省级数字化车间和智能工厂,人工智能企业数量超过4500家。同时,经过人工智能改造的工厂研发周期缩短了约20.7%、生产效率提升了约34.8%。

郭彦东博士补充表示,通用智能机器人在工业场景能够完成以往工业机器人做不到的高柔性、更灵活多样的任务,比如总装场景的产线预加载、产线融合、总体装配,特种场景带操作的复杂检视等,这些任务繁琐、枯燥,更重要的是,部分严酷的物理环境(如高温、潮湿等)会对人的健康产生…

图2:“人工智能未来展望”的圆桌对话环节

“人工智能未来展望”的圆桌对话

从+AI到AI+,我国人工智能领域已经得到快速发展。放眼未来,AI+作为一种泛在性技术,可以实现人工智能与各行各业的深度融合,创造新的发展生态。在“人工智能未来展望”的圆桌论坛上,百川智能创始人兼CEO王小川分享了AI+在医疗领域的创新与未来空间,易显智能创始人兼董事长马宏也详细介绍了AI+在智能驾培领域的应用和产业化实践。工信部原副部长杨学山展望提出,人工智能可以赋能千行百业,我们要通过不断的探索创新和快速的落地实践,为走向智能时代努力。在问答环节,清华大学五道口金融学院学生、现场观众与参会嘉宾互动热烈,就人工智能领域的产品、投资以及落地等内容进行了充分讨论。

作为一家成立仅一年的AGI创业公司,智平方的产品与技术已经获得行业的广泛认可,荣获BEYOND Awards 2024 “消费科技创新大奖”,极客公园2024年中国最具价值AGI创新机构TOP50等奖项。郭彦东博士表示:“非常感谢各界朋友对于智平方的认可。未来,智平方致力于打造全球领先的通用具身智能系统和多形态终端产品,将AGI从数字世界拓展到物理世界。”



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

「机器学习之父」Mitchell 撰文:AI 如何加速科学发展,美国如何抓住机遇

近日,卡内基梅隆大学(Carnegie Mellon University)教授,有着「机器学习之父」之称的 Tom M. Mitchell 撰写了新的 AI for Science 白皮书,重点讨论了「人工智能如何加速科学发展?美国政府如何帮助实现这一目标?」这一主题。

ScienceAI 对白皮书原文进行了不改变原意的全文编译,内容如下。


人工智能领域最近取得了显著进展,包括 GPT、Claude 和 Gemini 等大型语言模型,因此提出了这样一种可能性:人工智能的一个非常积极的影响,也许是大大加速从细胞生物学到材料科学、天气和气候建模到神经科学等各种科学领域的研究进展。这里我们简要总结一下这个人工智能科学机遇,以及美国政府可以做些什么来抓住这个机遇。

人工智能与科学的机遇

当今几乎所有领域的绝大多数科学研究都可以归为「独行侠」科学。

换句话说,科学家和他们的十几名研究人员组成的研究团队提出一个想法,进行实验来测试它,撰写并发表结果,也许在互联网上分享他们的实验数据,然后重复这个过程。

其他科学家可以通过阅读已发表的论文来巩固这些成果,但由于以下几个原因,这一过程容易出错且效率极低:

(1)个别科学家不可能读到其领域内已发表的所有文章,因此对其他相关研究部分视而不见;
(2)期刊出版物中描述的实验必然会省略许多细节,这使得其他人很难复制其结果并在结果基础上进行研究;
(3)单个实验数据集的分析通常是孤立进行的,未能纳入其他科学家进行的其他相关实验的数据(因此也没有纳入有价值的信息)。

在未来十年,人工智能可以帮助科学家克服上述三个问题

AI 可以将这种「独行侠」式的科学研究模式转变为「社区科学发现」模式。特别是,人工智能可以用来创造一种新型的计算机研究助手,帮助人类科学家克服这些问题,方法是:

  • 发现复杂数据集(包括由多个实验室进行的许多实验建立的数据集)中的规律,而不是对单个、规模小得多且代表性较差的数据集进行孤立的分析。通过基于超出人类能力的更大数量级的数据集进行分析,可以实现更全面、更准确的分析。
  • 使用 GPT 等人工智能大型语言模型阅读和消化该领域的每一篇相关出版物,从而帮助科学家不仅根据自己实验室和其他实验室的实验数据形成新的假设,还可以根据已发表的研究文献中的假设和论据形成新的假设,从而得出比没有这种自然语言人工智能工具时可能得出的更为明智的假设。
  • 创建「基础模型」,通过利用实验室和科学家收集的多种不同类型的实验数据来训练这些模型,从而将领域内不断增长的知识集中到一个地方,并提供这些知识的计算机可执行模型。这些可执行的「基础模型」可以发挥与方程(例如 f = ma)相同的作用,即它们根据其他观察到的量对某些量进行预测。并且,与经典的方程不同,这些基础模型可以捕捉数十万个不同变量之间的经验关系,而不是少数几个变量。
  • 实现新实验设计和机器人执行的自动化或半自动化,从而加快新相关实验的速度,提高科学实验的可重复性。

这种科学实践范式的转变可能带来哪些科学突破?

以下是几个例子:

  • 将针对新疾病爆发的新疫苗的开发时间和成本减少 10 倍。
  • 加快材料科学研究,可能带来诸如室温超导体、将热量转化为电能且不产生排放的热电材料等突破性产品。
  • 将以前从未尝试过的大量和多样性的细胞生物学实验数据结合起来,形成人类细胞功能的「基础模型」,从而能够在实验室中进行体内实验这一更昂贵的步骤之前,快速模拟许多潜在实验的结果。
  • 结合神经科学的实验数据(从单个神经元行为数据到全脑 fMRI 成像),在多个细节层面构建人类大脑的「基础模型」,以前所未有的规模和多样性整合数据,并建立一个模型,该模型可以预测大脑用来编码不同类型的思想和情感的神经活动,这些思想和情感如何被不同的刺激所引起,药物对神经活动的影响,以及不同疗法治疗精神障碍的有效性。
  • 提高我们预测天气的能力,既可以针对高度本地化的区域(例如,单个农场)定制预测,也可以扩展我们预测未来天气的能力。

美国政府可以做些什么来抓住这个机会?

将这一机遇转化为现实需要几个要素:

大量实验数据

基于文本的基础模型的一个教训是,它们训练的数据越多,其能力就越强。有经验的科学家也非常清楚,更多、更多样化的实验数据的价值。要实现科学的多个数量级的进步,并训练我们想要的基础模型类型,我们需要在共享和联合分析整个科学界贡献的各种数据集的能力方面取得非常显著的进步。

获取科学出版物和用计算机阅读它们的能力

这里机遇的一个关键部分是改变现在的状态:科学家不太可能阅读其领域中 1% 的相关出版物,计算机通过阅读 100% 的出版物、总结它们及其与当前科学问题的相关性,并提供对话界面来讨论其内容和含义。这不仅需要访问在线文献,还需要 AI 研究构建这样一个「文学助手」。

计算和网络资源

GPT 和 Gemini 等基于文本的基础模型,因其开发过程中耗费的大量处理资源而闻名,开发不同科学领域的基础模型也需要大量计算资源。然而,许多 AI 科学工作中的计算需求可能比训练 GPT 等 LLM 所需的计算要小得多,因此可以通过与政府研究实验室正在进行的类似投资来实现。

例如,AlphaFold 是一种已经彻底改变了药物设计蛋白质分析的 AI 模型,它使用的训练计算量比 GPT 和 Gemini 等基于文本的基础模型要少得多。为了支持数据共享,我们需要大量的计算机网络,但当前的互联网已经为传输大型实验数据集提供了足够的起点。因此,与潜在收益相比,支持 AI 驱动的科学进步的硬件成本可能相当低。

新的机器学习和 AI 方法

当前的机器学习方法对于发现人类无法检查的庞大数据集中的统计规律极为有用(例如,AlphaFold 是在大量蛋白质序列及其精心测量的 3D 结构上进行训练的)。新机遇的关键部分是将当前的机器学习方法(发现数据中的统计相关性)扩展到两个重要方向:(1)从发现相关性转向发现数据中的因果关系,(2)从仅从大型结构化数据集学习转向从大型结构化数据集和大量研究文献中学习;也就是说,像人类科学家一样从实验数据和其他人用自然语言表达的已发表假设和论点中学习。最近出现的 LLM 具有消化、总结和推理大型文本集合的高级能力,可以为这种新的机器学习算法奠定基础。

政府应该做什么?关键是支持上述四部分,并团结科学界探索基于人工智能的新方法,以促进他们的研究进展。因此,政府应该考虑采取以下几种行动:

探索特定科学领域的特定机会

资助许多科学领域的多机构研究团队,提出愿景和初步结果,展示如何使用人工智能来显著加速其领域的进步,以及扩大该方法所需的条件。这项工作不应以拨款的形式资助给个别机构,因为最大的进步可能来自于整合许多机构的许多科学家的数据和研究。相反,如果由许多机构的科学家团队来执行,这可能是最有效的,他们提出的机会和方法可以激励他们参与整个科学界。

加速创建新的实验数据集以训练新的基础模型,并向整个科学家社区提供数据

  • 创建数据共享标准,使一位科学家能够方便使用由不同科学家创建的实验数据,并为每个相关科学领域的国家数据资源奠基。请注意,在制定和使用此类标准方面,之前已有成功案例,可以为标准工作提供起始模板(例如,人类基因组计划中数据共享的成功)。
  • 为每个相关领域创建和支持数据共享网站。正如 GitHub 已成为软件开发人员贡献、共享和重用软件代码的首选网站一样,为科学数据集创建一个 GitHub,它既可用作数据存储库,又可用作搜索引擎,用于发现与特定主题、假设或计划实验最相关的数据集。
  • 研究如何构建激励机制以实现数据共享最大化。

在适当的情况下,资助开发自动化实验室

例如,用于化学、生物等实验的机器人实验室,可通过互联网供众多科学家使用,并以标准格式生成数据。创建此类实验室的一个主要好处是,它们还将推动制定标准,以精确说明要遵循的实验程序,从而提高实验结果的可重复性。正如我们可以从数据集的 GitHub 中受益一样,我们也可以从相关的 GitHub 中受益,以共享、修改和重复使用实验协议的组件。

要创建新一代人工智能工具,需要

  • 资助专门开发适用于科学研究方法的相关基础 AI 研究。
  • 特别支持阅读研究文献的研究,对陈述的输入假设进行批评和提出改进建议,并帮助科学家以与他们当前问题直接相关的方式从科学文献中获取结果。
  • 特别支持将机器学习从发现相关性扩展到发现因果关系的研究。
  • 特别支持对机器学习算法的扩展研究。

相关内容:



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

刚刚,OpenAI正式进军搜索!发布SearchGPT:专挑谷歌不会的问题演示

刚刚,OpenAI正式进军搜索,发布SearchGPT原型。
奥特曼直言:我们认为今天的搜索还有改进空间。


图片来源:由GPTNB生成

官方演示中的问题比较有特色,并不是搜索一些泛泛的知识,而是与具体的时空有关联。

这周末什么时间可以在半月湾(旧金山附近)看到海兔?

图片

SearchGPT的回答也不是干巴巴的信息呈现,而是延续了对话形式:

想看的话,你应该在退潮时去,因为海兔经常出现在潮间带和岩石海岸,以下是这周的退潮时间段……

同时辅以图片展示,和参考链接。

图片

最后还提醒用户去查询本地潮汐预测网站,以应对可能的变化。

图片

在追问模式中,OpenAI演示了一个口语化的简短提问“会很热吗?”
SearchGPT这次也没有废话,直接给出一张未来一周当地天气表格。
如宣传文案所说,“通过清晰且相关的来源为您提供快速及时的答案”。

图片

OpenAI表示,现在SearchGPT还处于原型阶段,收集反馈改进后将集成到ChatGPT。
注意了,这次想加入试用的话,要手动点击加入排队。
这种复古玩法也是很久没见了,上一次还是上一次。(报名地址在文末获取)

图片

SearchGPT与谷歌对比如何?

根据提问中首字母和“i”不大写,合理怀疑这就是奥特曼自己搜的。(doge)

图片

OpenAI挑这样一个问题来演示,除了展示SearchGPT自身能力特点之外,很难说不是专挑谷歌回答不好的例子。
同样的问题在谷歌搜索,并没有触发AI总结,且搜索结果第一页的链接时效性都不强。
排第一的页面也是2个多月前了,“本周末”这个信息点是一点不看。

图片

AI搜索领域另一大竞争者,Perplexity表现如何呢?
也没能像SearchGPT一样给出具体时间段,只是推荐在退潮期,倒是在其他相关注意事项上补充的很全。
有最佳观赏打卡点,应该携带什么物品,安全、环保须知,以及可能看到的物种……

图片

其他AI搜索引擎表现与Perlexity大致相同。
这波你更青睐哪种搜索结果?
另外把问题换成中文,在百度倒是能搜出用户撰写的实用攻略,而且是我们自己的山东威海半月湾了,倒是也很合理。
(用英文原问题搜索百度,会触发翻译)

图片

一步得到答案

说回到SearchGPT本身,主打的就是更快、更轻松地找到正在寻找的内容。
打破过去在网络上获取答案可能需要付出很多努力,通常需要多次尝试才能获得相关结果。
另一项演示中也是与时间地点相关:“北卡Boone八月的音乐节”。
这里也可以看到可以看到整个界面的布局,点击“展开链接”后,AI总结会出现在右边,而更多链接出现在左边。

图片

不过这一页的搜索结果,被眼尖的网友挑出几处错误。

图片

喔吼,当初谷歌就是因为在发布会上演示Bard错误回答,股价大跌,不过OpenAI没有股价可跌。
左侧边栏中看起来像图库的按钮,这次并未展示具体功能。

图片

此外一些鼠标指向AI总结中的参考链接,可以预览页面标题。

图片

初始提问和后续追问共享上下文。演示例子是“最好种的番茄品种”→”这里哪些是现在可以种的?”

图片

最后,OpenAI还强调了和版权方、内容创作者的合作关系。
与SearchGPT一起,还推出了一种让提供方管理内容在SearchGPT中的显示方式的方法。
此外搜索索引和大模型训练数据是分开的,即使一家网站选择不允许把数据用于AI训练,也可以选择在搜索结果中展示页面。
那么SearchGPT究竟什么时候能大规模开放使用呢?
鉴于年初的Sora,五月的《Her》都还没有影,悲观的网友预测明年能用就不错了……

图片

总之先排个队吧。
排队地址:
https://chatgpt.com/search
参考链接:
[1]https://openai.com/index/searchgpt-prototype/
[2]https://x.com/sama/status/1816551657158877187



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

日均tokens使用量超5000亿,AI生图玩法猛猛上新:豆包大模型为什么越来越「香」了?

2024 年的 AI 图像生成 技术,又提升到了一个新高度。

技术的飞速迭代,让这一领域的商业化落地进入加速阶段。


前有 Midjourney v6 史诗级更新,后有开源巨头 Stable Diffusion 3 独领风骚,而 DALL・E 3 背靠 ChatGPT 这棵「大树」,也收获了众多用户的关注。

当然了,在这条赛道上,来自国内的选手毫不逊色。

近日,国产大模型「顶流」—— 字节跳动 豆包大模型,迎来一场集中放送:

在 2024 火山引擎 AI 创新巡展成都站活动上,豆包大模型团队公布了豆包大模型的最新进展,以及文生图模型、语音模型等垂直模型的新升级。

与此同时,豆包大模型家族的最新成员 —— 「豆包・图生图模型」正式面世,一口气上新了 50 多项玩法。

作为国产大模型中的实力之作,豆包大模型在今年 5 月通过火山引擎正式对外提供服务。尽管入场时间不是最早,但今天的豆包大模型已经是国内使用量最大、应用场景最丰富的大模型之一。

这场活动中,火山引擎还透露了一个数字:截至 2024 年 7 月,豆包大模型的日均 tokens 使用量已经超过 5000 亿。

与此同时,豆包大模型的技术实力在短时间内也经历了多次迭代。在多个公开评测集以及专业的第三方评测中,豆包通用模型 pro 均表现出众,是得分最高的国产大模型。

至于豆包大模型的「功力」究竟练到了哪一层?我们不妨体验一把再下结论。

国产 AI 猛猛上新
豆包大模型为什么能俘获用户的心?

我们就从刚刚更新的图像生成 方面来考验一下豆包大模型。对 AIGC 应用接触比较多的用户可能都有一个感受:AI 图像生成类产品越来越卷,彼此之间也越来越难拉开差距。

这种直观感受的变化,几乎能完全对应上底层技术的演进节点。与一些早期 GAN 模型的生成水准相比,如今的图像生成质量已经让大部分人觉得「真假难辨」。在这个过程中,学界和业界对图像生成质量的评估维度也发生了巨大变化:像 FID Score 这样的指标已经不足以全面反映模型能力,人类评估成为了评估图像生成质量的黄金标准。尽管经济和时间成本更高,但这种方式可以提供更加细微且可解释的感知反馈。

以「文生图」方向为例,现阶段的目标可以总结为对综合维度的全面提升,具体可拆分为图像美感、图文一致性、内容创造、复杂度适应性四个维度。在这几方面,豆包・文生图都达到了业界较高水准。

在用户感受最强烈的「图文匹配」维度上,豆包・文生图模型不断进化,比如很好地理解多数量主体、主客体关系、人物构造和空间构造等信息:

Prompt:古代日本鬼机甲、中国朋克、太空歌剧、科幻小说、古代未来主义、神秘、明亮、不对称密集构图、32k 超高清、电影光、气氛光、电影、柔和的调色板、超现实、自由度、自然体积光。

而在「画面效果美感」层面,豆包・文生图模型非常善于从光影明暗、氛围色彩和人物美感方面进行画面质感提升:

Prompt:OC 渲染,3D 设计,长发小女孩,人脸朝着镜头,中心构图,帽子上长满鲜花,轮廓清晰,面部细节放大,帽子细节放大,画质高清,超清画质,深景深,背景是花海

而在下方的任务中,用户想要实现自然的局部消除,豆包・图生图模型生成结果也做到了平滑过渡:

Prompt:国风水墨绘画,点彩、肌理磨砂、陈家泠、大面留白的构图,高清16k故宫远景,雪景、流畅建筑结构,层次,白色主色,淡雅

基于双语大模型文本编码器,豆包・文生图模型对英文 Pormpt 的理解同样精准:

Prompt:butterfly candle, in the style of y2k aesthetic, pop-culture-infused, jewelry by painters and sculptors, text and emoji installations, money themed, playful animation, humble charm

不久之后,豆包・文生图模型还将升级到 2.0 版本。豆包视觉团队表示,新版本将比当前模型的生成效果有 40% 的提升,对比当前版本,图文一致性和美感会有大幅提升。

与文生图略有不同,在图像美感和结构等因素之外,图生图更算是一种应用模型,质量评估更加关注「一致性」和「相似度」两个维度。豆包・图生图模型的能力涵盖「AI 写真」「图像风格化」「扩图 / 局部重绘」三个主要方向,共提供了 50 余种风格玩法。

「AI 写真」算是以图生图方向中使用频率非常高的一种玩法,豆包・图生图模型的一大亮点是高度还原人物特征,能够精准捕捉轮廓、表情、姿态等多维特征,轻松生成定制化写真:

豆包・图生图模型还能具备优秀的图片扩展、局部重绘和涂抹能力,在逻辑合理的前提下,还能充满想象力。

比如在下方的任务中,用户想要实现自然的局部消除,豆包・图生图模型生成结果也做到了平滑过渡:

对于只想局部进行重绘的需求,豆包・图生图模型能够精准修改图像局部内容,无缝融合原有画面。…


。注意:Title、Date、Body 三个部分的内容,放入到对应的位置。最后只需要按照格式标准输出为Makedown源文件格式内容。

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

埃隆·马斯克被指传播篡改卡马拉·哈里斯视频中的谎言

卡马拉·哈里斯的竞选团队指责特斯拉首席执行官埃隆·马斯克传播“篡改谎言”,理由是他在X账号上发布了一则篡改视频,视频中出现了副总统哈里斯的虚假配音,声称:“我被选中是因为我是最终的多元化聘请”,并且任何批评她的人都是“既性别主义者又种族主义者”。


在周五晚间,马斯克转发了一则篡改的哈里斯竞选视频,视频中一段虚假的哈里斯配音说道:“我被选中是因为我是最终的多元化聘请”,并且任何批评她的人都是“既性别主义者又种族主义者”。这则视频在马斯克的帐号上观看次数达到了1.28亿次,这位世界上最富有的人在视频下方写道:“这太神奇了”,后面跟着一个笑脸表情符号。马斯克拥有X,他去年将其从Twitter改名。
民主党参议员艾米·克洛布彻指责马斯克违反了该平台的准则。根据X的合成和篡改媒体政策,用户不得分享“合成、篡改或断章取义的可能会误导或混淆人们并造成危害的媒体”,尽管允许讽刺,前提是不会“对媒体的真实性造成重大混淆”。
哈里斯总统竞选团队的发言人表示:“美国人民希望的是副总统哈里斯所提供的真正自由、机会和安全,而不是埃隆·马斯克和唐纳德·特朗普的虚假、篡改谎言。”
一些共和党人使用的“多元化聘请”攻击线路在政治界的两端都受到了批评,共和党前众议院议长凯文·麦卡锡称这些攻击“愚蠢”,民主党参议员拉斐尔·沃诺克将其描述为“不符合美国人民在此时应得的言辞”。
这则虚假的哈里斯视频最初是由与保守派YouTuber播客克里斯·科尔斯有联系的@MrReaganUSA帐号发布在X上,并被标记为一个模仿作品。
卡玛拉·哈里斯竞选广告PARODY pic.twitter.com/5lBxvyTZ3o
— Mr Reagan 🇺🇸 (@MrReaganUSA) 2024年7月26日
然而,支持唐纳德·特朗普竞选的马斯克在发布视频时并没有将其标记为模仿作品。
加利福尼亚州民主党州长加文·纽森周日晚间在X上发帖表示,这个篡改的哈里斯视频应该被“视为违法”,他很快将签署一项禁止此类媒体的法案,这显然是指加利福尼亚议员支持的禁止“实质欺骗性”选举深度伪造的提案。
马斯克在X上回应称,“讽刺在美国是合法的”,并在其下方贴出了原始@MrReaganUSA视频。
一家名为Center for Countering Digital Hate的机构的首席执行官伊姆兰·艾哈迈德对X在其新所有者的内容政策表示批评,称马斯克向其在X上超过1.9亿粉丝发出信号,即“这种AI生成的恶毒言论是受欢迎的”。他还补充说:“马斯克不适合也不应该控制X公司。”
深度伪造专家称,哈里斯视频展现了生成式人工智能和深度伪造技术的强大力量。
加州伯克利大学教授汉尼·费里德表示:“这个AI生成的声音非常好”,“即使大多数人不会认为这是哈里斯副总统的声音,但视频中的文字在她的声音里会更有影响力,我不确定AI生成的标签会对减轻这种效果有多大影响。这个例子展示了生成式人工智能和深度伪造技术的广泛潜力。”
费里德补充称,鉴于哈里斯作为民主党总统候选人的地位,他预计美国“将会看到越来越多这种荒谬行为”。
已联系X就此事发表评论。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

MONITORAPP进军中东和非洲安全市场

MONITORAPP Inc.,一家专注于云安全的网络安全公司,最近宣布通过与土耳其ALRIFAI咨询集团和毛里求斯LITHE SD的新合作伙伴关系,战略性拓展到中东和非洲市场。图片{ width=60% }


这些协议标志着MONITORAPP在其全球扩张计划中首次进入新地区。

凭借在国际安全解决方案交付方面的丰富经验,MONITORAPP通过物理和虚拟设备以及其全面的基于云的平台AIONCLOUD提供多功能安全解决方案。这些解决方案旨在满足全球现代企业不断发展的安全需求。

总部位于土耳其伊斯坦布尔的ALRIFAI咨询集团拥有在AI驱动业务和数据分析、初创企业评估、业务策略规划和知识产权法律咨询服务等领域的专门知识。随着ALRIFAI在沙特阿拉伯的业务扩展,这一合作伙伴关系预计将促进MONITORAPP进入中东安全市场。

另一方面,成立于2014年,总部位于毛里求斯夸特尔博恩的LITHE SD是一家知名的解决方案分销公司,在阿联酋迪拜和肯尼亚内罗毕设有分支机构。这种战略合作伙伴关系有望增强MONITORAPP的全球影响力,为非洲和中东新市场提供强大的安全解决方案。

根据这些协议,新合作伙伴将为MONITORAPP的各种安全解决方案提供本地销售和技术支持。这些解决方案包括硬件产品,如AIWAF(Web应用防火墙)、AISWG(安全网关)和AISVA(SSL/TLS可见性设备),以及软件解决方案(虚拟版本)如AIWAF-VE和AISWG-VE。此外,LITHE SD还将支持AIONCLOUD的分发,这是MONITORAPP全面安全平台的一部分。这一扩张凸显了MONITORAPP致力于提供先进安全解决方案并加强其在全球市场的存在。

MONITORAPP首席执行官Kyle Lee强调了进入迅速增长的中东和非洲安全市场的战略重要性。他表示:“我们一直在中东和非洲市场积极参与各种展会。我们对进展感到满意,并致力于通过提供彻底的本地维护和维修服务来确保客户满意度。这些合作将为MONITORAPP打开向当地用户提供其最佳安全产品的新机会,并增强我们的共同专业知识。”



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Trio Mobil获得由NewSpring领导的2,650万美元增长融资

Trio Mobil,一家领先的提供AI和物联网解决方案以提高工作场所安全性和效率的公司,并是许多财富500强公司的信任合作伙伴,已获得由NewSpring领导的2,650万美元增长融资,NewSpring通过旗下专注于向快速增长的科技公司提供运营资金的增长股权策略NewSpring Growth领投。图片{ width=60% }


现有投资者212和TIBAS Ventures也参与了此轮融资。此次投资标志着Trio Mobil致力于改变各行业工作场所安全性和运营效率的里程碑。

Trio Mobil处于创新的最前沿,开创性地提供增强工业环境安全性和效率的先进解决方案。该公司提供一套强大的解决方案,满足设施和仓库内部物流以及公路运营领域的安全和效率要求。

与可口可乐、联合利华、圣戈班、百事可乐、奔驰、福特和贝柯等知名全球企业合作,Trio Mobil利用其尖端的AI和物联网技术,改变工作环境。这些解决方案增强了安全性并促进了操作流程的进展,为全球更具生产力的产业做出贡献。Trio Mobil在65个国家展开业务,深刻影响工作场所安全性,保护超过100万员工,并激发全球向更安全的工作环境转变。

解决未解决的工作场所安全挑战

来自权威来源的令人震惊的统计数据凸显了改善工作场所安全性的迫切性和影响。国际劳工组织报告称,全球每年有近300万人死于与工作相关的事故和疾病,近4亿人每年遭受非致命工作相关伤害。这些数据突显了像Trio Mobil提供的创新解决方案在减少风险和增强工作场所安全协议方面的重要性。

按照Trio Mobil自己的行业标准,其切边科技平台可提供端到端供应链解决方案。该强大平台通过一系列基于AI的边缘设备加强,包括为工人提供的先进安全摄像头和可穿戴设备,确保各行业的操作效率和安全性。

Trio Mobil的边缘AI计算技术经过数百万个来自各领域数据集的训练,能够实时快速识别最复杂的安全场景,并在毫秒内主动启动相应的行动,利用其物联网能力。这一先进软件使Trio Mobil的解决方案脱颖而出,建立了一个卓越的安全网络。此系统旨在帮助客户实现全球零事故的目标,从而保护生命并预防受伤。

加强全球影响力和拓展创新

新获得的资金对Trio Mobil来说是一个重要的里程碑。它增强了公司支持全球客户、加速增长举措并在美国和国际市场加强运营的能力。Trio Mobil将在全球范围内彻底改变工作场所的安全性和效率。通过此次投资,Trio Mobil将继续领导行业,以其独特的创新解决方案确保无与伦比的效力和安全标准,巩固其作为人工智能和物联网技术先驱的地位。

Trio Mobil的CEO Nevzat Atakli和投资者就里程碑式融资回合分享见解

Trio Mobil的首席执行官兼联合创始人Nevzat Atakli对增长融资表示兴奋:“此次融资标志着Trio Mobil的一个重要时刻。它凸显了我们的AI和物联网解决方案在提高工作场所安全性和运营效率方面的变革潜力。通过此项投资,我们很高兴推进我们的创新,更好地支持全球客户在全球业务中的所有操作。我们的使命是确保每个工人都安全返回家园,而此次融资使我们在更广泛的范围内实现这一愿景更加接近。”

NewSpring合伙人Hart Callahan对此次投资发表了评论:“Trio Mobil的开创性AI和物联网技术提供了一个全面的安全网络,确保在各行业中实现无与伦比的保护。这种独特的方法与NewSpring Growth支持远见卓识的创始人和企业家的承诺完美契合。Trio Mobil在建立新标准和推动其领域的发展方面的潜力是巨大的。我们很高兴与这支团队合作,因为他们扩大全球影响力,并在工作场所安全性和效率方面进行革命。”

212的合伙人Numan Numan分享了公司的增长见解:“从Trio Mobil作为初期风投者的早期阶段开始,我们看着他们从有前途的初创公司迅速崛起为行业先驱。他们尖端的技术和有远见的团队不仅仅是在开拓工作安全市场——他们打算在全球范围内颠覆它,重新定义全球物联网行业的未来。我们很高兴欢迎NewSpring的加入,一同开启这段非凡旅程的下一个篇章。」



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Galileo发布新的幻觉指数

今年的指数新增了11个模型到框架中,代表了过去8个月内开源和闭源LLM的快速增长。图片{ width=60% }


随着品牌竞相创建更大、更快、更准确的模型,幻觉仍然是部署可投入生产的Gen AI产品的主要障碍。

指数通过Galileo的专有评估指标“上下文依从性”测试开源和闭源模型,旨在检查输出的不准确性,并帮助企业做出关于平衡价格和性能的明智决策。模型在输入范围从1,000到100,000个标记的情况下进行测试,以了解在短(少于5k标记)、中(5k到25k标记)和长上下文(40k到100k标记)长度下的性能。

最佳整体表现模型:Anthropic的Claude 3.5 Sonnet。这个闭源模型在短、中和长上下文场景中超越了竞争模型。Anthropic的Claude 3.5 Sonnet和Claude 3 Opus在各类别中保持接近完美的得分,击败了去年的获胜者GPT-4o和GPT-3.5,尤其是在较短的上下文场景中。

成本最佳表现模型:Google的Gemini 1.5 Flash。由于在所有任务中表现出色,谷歌模型在成本方面排名最佳。

最佳开源模型:阿里巴巴的Qwen2-72B-Instruct。这个开源模型在短和中上下文中表现最佳。

“在今天快速发展的AI领域中,开发人员和企业面临着一个关键挑战:如何在平衡成本、准确性和可靠性的前提下利用生成式AI的力量。当前的基准往往基于学术用例,而不是真实应用。我们的新指数旨在通过测试需要LLM检索数据的真实世界用例来解决这个问题,这在企业AI实施中是一个常见实践。”Galileo的首席执行官兼联合创始人Vikram Chatterji说。”由于在原始训练数据方面表现出色,闭源模型如Claude-3.5 Sonnet和Gemini 1.5 Flash仍然是表现最佳的模型,但开源模型,如Qwen1.5-32B-Chat和Llama-3-70b-chat,正在迅速缩小差距,改善了对幻觉表现和低成本的障碍。”

  • 开源正在缩小差距:闭源模型如Claude-3.5 Sonnet和Gemini 1.5 Flash由于专有训练数据而保持着领先地位,但开源模型,如Qwen1.5-32B-Chat和Llama-3-70b-chat,正在迅速缩小差距,改善了对幻觉表现和低成本的障碍。
  • 长上下文长度整体改善:当前的RAG LLM,如Claude 3.5 Sonnet、Claude-3-opus和Gemini 1.5pro001在扩展上下文长度方面表现尤为出色,而不失质量或准确性,反映出在模型训练和架构方面正在取得进展。
  • 较大的模型并非总是更好:在某些情况下,较小的模型表现优于较大的模型。例如,Gemini-1.5-flash-001胜过了较大的模型,这表明在模型设计的效率有时会超过规模。
  • 从国家到全球的关注:像Mistral-large和Alibaba的qwen2-72b-instruct等国外LLM正在成为该领域的新兴玩家,并继续增长至,代表了全球推动创建有效语言模型的努力。
  • 仍有提升的空间:谷歌的开源Gemma-7b表现最差,但他们的闭源Gemini 1.5 Flash模型始终位列前茅。

查看Galileo的幻觉指数结果的详细分析。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Trellix被评为电子邮件安全创新领导者

Trellix的威胁情报和威胁检测创新在Frost&Sullivan 2024年度电子邮件安全雷达报告中脱颖而出。图片{ width=60% }


Trellix是一家提供未来扩展检测和响应(XDR)的网络安全公司,今天宣布其在Frost&Sullivan 2024年度电子邮件安全雷达报告中被认可为创新领导者。Trellix电子邮件安全通过由Trellix Wise人工智能(AI)驱动的多层检测,提供跨电子邮件、协作平台和企业应用的全面保护,以阻止高级威胁。

“威胁行为者采用生成式人工智能的方式,保证我们将看到社会工程和网络钓鱼攻击频率和复杂性的增加,”Trellix网络与协作安全总经理Gareth Maclachlan表示。“积累了十多年的电子邮件安全经验,Trellix不断创新我们的产品,以保护客户免受最先进的威胁。我们跨电子邮件、协作平台和企业应用的增强威胁检测和威胁情报能力确保组织可以在整个企业范围内安全工作。”

Frost&Sullivan 2024年度电子邮件安全雷达报告确定了最能够利用未来增长机会的公司,评估了持续的创新以及将创新转化为持续增长的能力。Trellix凭借独特的威胁情报能力和以将电子邮件安全整合到Trellix XDR平台为中心的增长策略而脱颖而出,成为创新领导者。

电子邮件继续是网络犯罪分子的主要攻击向量,网络钓鱼活动日益利用政府事件(如选举)来欺骗受害者。为了确保组织使用创新的电子邮件安全解决方案保持受保护状态,Trellix每天处理20亿封电子邮件样本和9300万个电子邮件附件,观察攻击者利用的新技术。Trellix的综合解决方案通过结合AI驱动的检测和来自部署Trellix电子邮件、端点和网络安全产品的全球客户获取的威胁情报,阻止已知和新兴威胁。

“对于其电子邮件安全检测能力,Trellix在创新和增长方面表现出色,”Frost&Sullivan行业首席分析师Sarah Pavlak表示。“与Trellix XDR平台紧密集成,简化跨产品的威胁交叉关联并提供对攻击链的广泛可见性,是Trellix的关键差异化因素,超越市场上其他竞争对手。”

在此处了解更多关于 Trellix 电子邮件安全的信息。


注意:Title、Date、Body 三个部分的内容,放入到对应的位置。最后只需要输出为Makedown源文件格式内容。

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Brooks PathFinder™ System被Lifeblood选中用于样本管理

Brooks Automation,全球领先的实验室机器人自动化设计、制造和商业化的公司,自豪地宣布其成功成为澳大利亚红十字会Lifeblood的官方供应商。图片{ width=60% }


Lifeblood是一家致力于供应血液和血液制品的全球知名组织。

这一成就强调了Brooks致力于为全球血库和实验室提供高质量、可靠和先进解决方案的承诺。我们的PathFinder™系统旨在为实验室工作人员提供对样本管理的更大控制,并可部署在隐秘、高价值的位置,以最大化效率。

Brooks全面的样本管理自动化范围包括:

  • PathFinder™ 350D和D Plus:台式预分析解盖和分拣
  • PathFinder™ 350A:台式后分析分拣、封口和归档
  • PathFinder™ 450S:台式分拣,用于预分析和后分析管理
  • PathFinder™ 900:落地式全能解决方案,适用于分装、解盖、次级管生成、分拣、封口和存档高容量应用
  • PathFinder™ TSM和PathFinder™ TDM:OEM模块,可整合到分析平台和跟踪自动化中
  • AIM Autosamplers:液体样本处理和引入

这些解决方案在世界各地的实验室得到应用,不仅在血库中使用,而且在任何需要管管理的地方都使用,体现了它们在该领域的广泛适用性和有效性。

要了解有关Brooks Automation及其实验室自动化系统范围的更多信息,请访问www.brooks.com或发送电子邮件至globalcommunications@brooks.com。要一睹未来,请访问www.hybridlaboratoryautomation.com。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB