文章来源：机器之能

提示词：perfectly styled alfresco painted English cottage outdoor pink country style kitchen with rustic elements. House and garden magazine photoshoot

通通免费！AI功能「大杂烩」Viva，抢了美图秀秀的饭碗。

国内的美图秀秀有 AI 视觉设计「大杂烩」之称，只要是市面上比较火的图片处理功能，都能在美图秀秀上找到身影。

---

而 Viva 堪称国外版「美图秀秀」，除了视频生成功能外，还有文生图、图生文、智能抠图、AI 扩图等，而且是把免费进行到底！

Viva 野心不小，既想和 Sora 一较高下，又要抢 Midjourney 和 Stable Diffusion 的地盘。众所周知，Midjourney 需要付费使用，每月至少 20 美元，而且还需要在 Discord 中一遍遍召唤机器人。Stable Diffusion 虽然免费，但需要部署，对于小白用户很不友好。而 Viva 打出来的招牌就是「免费且简单」。Viva 官网链接：https://vivago.ai/

打开 Viva 官网，选择「Text to image」，然后输入提示词即可。为了呈现效果更好，我们还可以设置长宽比、Negative prompt （否定提示词）以及类型标签。Viva 提供颜色、艺术家、风格、发型、环境、照明等 13 种类型标签。

我们从 Midjourney 官网上扒下来几个 prompt，然后丢给 Viva，看它能整出什么花。（左为 Viva，右为 Midjourney）

Prompt 1： Soul band with brass instruments, warm and intimate atmosphere,2:3。中文提示词 1: 灵魂乐队用铜管乐器演奏，气氛温馨，2:3。

Prompt 2： perfectly styled alfresco painted English cottage outdoor pink country style kitchen with rustic elements. House and garden magazine photoshoot，9:16。中文提示词 2: 完美风格的露天彩绘，英式小屋，户外粉红色，乡村风格厨房，带有质朴的元素，房屋和花园，杂志拍摄，9:16。

Prompt 3： a photo of a bunch of orange,surrounded by drops of rain water, in the style of orange abundant symbolism, sparklecore, unpolished authenticity, humor meets heart, leaf patterns, folk/naive,3:4。中文提示词 3: 一堆橙子的照片，被雨滴包围，强调了橙子的丰富象征意义，风格上是 sparklecore，未经打磨的真实感，融合了幽默和温情，采用民间 / 朴素艺术风格的叶纹图案，3:4。

Prompt 4： Recreate the iconic painting’Girl with a Pearl Earring’…（略）

图生文：再也不愁写提示词了

对于很多小白用户来说，撰写提示词是最头疼的事情。Viva 上线了「Image to Text」功能，只要上传一张图片，就能吐出相应的提示词。例如，我们上传一张「猫咪玩手机」的图片。

眨眼工夫，Viva 就输出了这张图片的「咒语」。

…（略）

图像处理功能：通通免费

进入 Viva 官网，找到「Explore our Other Tools…」栏目，其下有 AI 修图、AI 扩图、AI 画质增强和 AI 消除等一系列功能。

AI 修图（Repainting）

点击「Repainting」，…（略）

…（略）

AI 扩图（Magic Expand）

上传一张图片，然后调整放大倍数即可。

…（略）

AI 画质增强（Image Enhance）

老照片的渣画质也有救了！

…（略）

AI 消除（Magic Eraser）

旅行照中总有路人出镜、喜欢的图片中带有水印…… 我们在日常 P 图中总遇到类似的问题。Viva 的「AI 消除」功能可解决这一烦恼。

…（略）

…（略）

本文链接：https://www.aixinzhijie.com/article/6845878

---

---

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。

近日，豆包大模型在火山引擎原动力大会上正式发布。以超低价格掀起大模型降价潮的同时，豆包的模型能力也引发行业关注。

---

在火山引擎的一份产品资料中，豆包模型团队公布了一期内部测试结果：在 MMLU、BBH、GSM8K、HumanEval等11个业界主流的公开评测集上，Doubao-pro-4k 的总分为76.8分，相比上一代模型云雀Skylark2 的64.5分提升了19%，也优于同期测试的其他国产模型。

此次评测在今年5月完成，主要包括豆包通用模型-pro、云雀Skylark2 在内的九款国产大语言模型。除了云雀Skylark2 以外，其他模型均为各家厂商最新发布的高级版本，通过API调用进行测试。

评测结果显示，在评估代码能力的两个评测集 HumanEval 和 MBPP 上，豆包相比上一代模型提升了50%左右；在专业知识和指令遵循的评测集上，豆包分别获得33%和24%的性能提升，同时也是得分最高的国产模型。

此外，豆包模型在数学能力、语言理解能力，以及综合评测集 CMMLU 和 CEval 的评测上也有不错的表现，得分排在前三。综合11个公开评测集上的测试成绩，豆包通用模型-pro的总分为76.8分。根据OpenAI公布的测试成绩，GPT-4在这些评测集上的总分为80.1分，相比国产模型仍有一定领先优势。

据悉，豆包模型在5月15日刚刚推出，尚未加入到第三方机构测试中。预计未来一到两个月内，很多第三方评测机构将会陆续披露该模型的评测结果。与模型同名的AI对话助手“豆包”，官方公布的月活用户数已经达到2600万，用户可以自由体验测试。

此前，智源研究院公布了覆盖全球91个语言模型的评测报告。在偏重考察中文能力的主观评测中，云雀Skylark2 排名第一，中文能力超过 GPT-4。

---

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。

文章来源：钛媒体
作者｜林志佳
编辑｜胡润峰

钛媒体App 5月24日消息，今天凌晨，特斯拉CEO马斯克（Elon Musk）通过视频连线参加在法国巴黎举办的“欧洲科技创新展览会”（VivaTech 2024），主要谈 AI、电动车、创业相关话题。

马斯克表示，AI 技术是他最大的恐惧。

---

他引用了伊恩·班克斯（Ian Banks）的“文化丛书”（Culture Book Series），这是对一个由先进技术驱动的社会的乌托邦式虚构，是最现实的，也是“对未来人工智能的最佳设想”。

马斯克强调，AI 将取代我们所有的工作，这不一定是一件坏事。“可能（未来）我们都不会有工作，”马斯克称，“如果计算机和机器人能比你做得更好，那么……你的生活还有意义吗？这才是良性情景下真正的问题。”

马斯克认为，AI 和机器人将提供你想要的任何商品和服务。“我确实认为人类可能仍然在这方面发挥作用，因为我们可能会赋予 AI 意义。”

据悉，随着ChatGPT爆发，AI 技术能力在过去几年中激增，速度之快足以让监管机构、公司和消费者仍在研究如何负责任地使用这项技术。而且，人们对各行业和工作将如何变化的担忧也越来越大。

今年1月，麻省理工学院计算机科学和 AI 实验室的研究人员发现，工作场所采用 AI 的速度比一些人预期和担心的要慢得多。该报告还表示，以前被确定为容易受到人工智能影响的大多数工作在当时对雇主的自动化在经济上并不有利。

近期，知名咨询机构波士顿咨询公司（BCG）发布的一份报告称，来自中国、美国、印度、阿根廷等21个国家的21000名消费者中，最后发现，有55%的受访者认为他的工作不会被 AI 取代。但另一方面，有60%的受访者认为AI有助于学习和教育，55%的受访者预期AI可提升工作效率。

专家们还普遍认为，在新一轮 AI 时代下，许多需要高情商和人际交往的工作不需要更换，例如心理健康专业人员、创意人员和教师。比如，近期随着公司转向 AI，Duolingo解雇了几名翻译。

“所以，如果你思考一下我们大脑的工作方式，就会发现我们有边缘系统，也就是我们的本能和感觉，然后我们有大脑皮层，负责思考和计划，”马斯克继续说道。“但大脑皮层一直在努力让边缘系统高兴，所以也许 AI 也会这样。AI 试图让我们的大脑皮层高兴，而大脑皮层又试图让我们的边缘系统高兴，也许我们赋予了AI 意义或目的，或者是（其他）这样。”

马斯克称，要使人类比 AI 和机器人更能发挥作用，就需要有“全民高收入”——不要与全民基本收入混淆，尽管他没有分享它可能是什么样子。（UBI是指政府向每个人提供一定数量的钱，无论他们赚多少钱）。

马斯克称，他对人工智能最大的担忧，即 OpenAI、谷歌和 Meta 的系统“没有最大限度地寻求真相”，他指的是它们在政治上是正确的。马斯克不久前签署了一封信，要求为了更大的利益暂停人工智能开发，现在他带着他的 xAI 初创公司和聊天机器人 Grok 加入了快速的 AI 竞赛。

马斯克称，xAI 现在是一家新公司，它还有很多工作要做，希望与谷歌的DeepMind和微软的OpenAI相竞争。也许到今年年底，公司会有这样的机会，市场需要有一个有竞争力的 AI 技术。

这次会议的其他时间，马斯克对记者提出的仅有的两个问题不屑一顾——一个来自 CNBC，另一个来自 Business Insider。马斯克打断了 Business Insider 记者的提问，并说：“我们现在可以停止提问了，因为我认为 Business Insider（商业内幕）并不是一份真正的出版物。”

马斯克强调，他的初创公司xAI 是唯一一家将拯救人类免于所有其他 AI 公司之手的 AI 公司。

除了人工智能，马斯克还谈到中国电动车市场、SpaceX资本化等。

本月，拜登政府对包括电动汽车在内的一系列中国进口商品征收新关税，其中对中国进口电动汽车征收的关税从25%提高到100%。

马斯克5月23日表示，他不赞成扭曲市场的措施，并反对美国对中国电动汽车征收关税。“特斯拉公司和我都没有要求征收这些关税，事实上，当他们宣布时，我感到惊讶。”马斯克通过视频连线表示，“限制交易自由或扭曲市场的事情都是不好的。”他还称，在没有关税等因素的情况下，“特斯拉在中国市场的竞争力相当强”，“我支持不征收关税”。

对于xAI、SpaceX何时登陆资本市场话题，马斯克没有正面回应。

但根据彭博报道，xAI接近完成一轮近60亿美元融资，使该公司估值达到180亿美元，投资方包括安德里森·霍罗威茨、光速创投、红杉资本和Tribe Capital等机构。

另一篇彭博报道称，SpaceX 已开始讨论以某种价格出售现有股份，公司最新估值达到约 2000 亿美元。知情人士表示，SpaceX 正在讨论一项要约收购，即一项允许员工和投资者等内部人士出售股票的交易，该交易可能于 6 月启动。由于信息属于机密，这些知情人士表示。即将启动的要约收购的价格尚未确定，但 SpaceX 正在考虑以每股 108 美元至 110 美元的价格出售股票。

马斯克在 X 上发帖称：“我们每 6 个月左右为员工和投资者进行一次流动性融资。”他指的是定期的招标要约。他说SpaceX不需要额外资本，并将回购股票。

马斯克在对话结尾谈到，他最大的希望是“火星”，因为火星将确保意识存活很长时间，最大的恐惧则是 AI 技术。

---

---

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。

机器之能报道
编辑：Sia

越来越多的生成AI公司考虑加入出售的行列。
据 Theinformation 消息，近几个月，AI 独角兽 Adept 领导层与科技巨头公司就出售或战略合作可能性进行了谈判。

---

Adept 是一家由前 OpenAI 和谷歌 AI 开发人员创立的 AI 公司，专注于 AI Agent ，成立仅两年。
Adept 去年 3 月完成新一轮融资后，估值已超 10 亿美元。
消息人士称，Adept 曾与 Meta 接触，尽管收购的可能性不大。
越来越多的生成 AI 公司在考虑出售可能性。
AI 硬件公司 Humane 也在寻求买家。Stability AI 、Reka AI 也被爆出讨论出售可能性。
Adept 的创始团队非常豪华。
包括谷歌 Transformer 架构的提出者、《Attention Is All You Need》论文作者中的 Ashish Vaswani 和 Niki Parmar。
还有一位华人技术大佬 David Luan。他曾是 OpenAI 工程副总裁，后来离职到谷歌领导大模型的工作。
除了创始人团队，公司汇聚不少来自谷歌、DeepMind 和 OpenAI 的顶级人才 。
凭借深厚的技术背景，2022 年 1 月成立后不久，Adept 就获得来自 LinkedIn 创始人 Reid Hoffman、特斯拉自动驾驶负责人 Andrej Karpathy 等行业大佬、知名 VC 的投资。
2022 年底，Parmar 和 Vaswani 离开 Adept，成立另一家初创公司。
不过，核心创始人员的离开并没有影响 Adept 的步伐。
2023 年 3 月，Adept 又筹集了两轮总计 4.15 亿美元的资金，投资人包括英伟达和微软，并快速跻身独角兽行列。
和 OpenAI 打造的 ChatGPT、 DALL-E 不太一样，Adept 想要打造 AI Agent （AI 智能体、AI 代理）：
它能够像人类一样使用各种电脑软件完成工作，比如跳转、点击、输入数字；
它能像人类一样使用 PhotoShop 画设计图、用 Airtable 做数据分析和报告；
它能像工程师一样选择合适软件、输入指令代码，一步步完成新零件的设计工作；
……
真正的通用智能要求模型不仅能读能写，还能以一种对用户有帮助的方式采取行动。这也是他们创立 Adept 的初衷。
底层驱动 AI Agent 的是他们自研的大模型 Action Transformer（ ACT-1 ），用以深刻了解人类如何操作计算机。
刚开始，ACT-1 可以执行类似 ChatGPT 的任务，回答简单的问题。
几个月后，已经能够执行一些比较复杂的功能。比如，将 LinkedIn URL 导入招聘软件。
今年 1 月，Adept 还发布了 Fuyu-Heavy，这是一个多模态大型语言模型，可以回答问题并分析文本和图像。
据媒体报道，他们还计划今年夏天推出一款 AI Agent。不过，自 1 月发布 Fuyu-Heavy 后，公司 X 平台再无更新。
越来越多的初创公司在这一赛道面临着巨大压力，那些迅速筹集了数亿美元的明星公司也不例外。
一方面是烧钱的速度。
类似 ACT-1 这样的模型明显不如语言模型成熟。「训练这样的模型并不便宜。」福布斯去年在一篇报道中提到。
「我们还没有进入优化阶段，」David Luan 当时回应说。
「我们真正想做的是训练真正强大的模型，可以做很多事情，然后随着时间的推移，我们将弄清楚如何使它们更便宜、更小。」
Adept 也面临巨大的竞争压力。
无论是初创企业还是谷歌、微软、OpenAI 也在抢占这个赛道，开发能自动完成日常电脑任务的 AI 助手。
Meta 首席科学家 LeCun 最近也透露，他们正在研究 AI Agent。
例如，从巴黎办公室到纽约的办公室，它可以规划和预订旅程的每一步，包括前往机场。
Adept 的产品应该是首先考虑面向企业用户。不过，商业变现也是一大难题。
即使 Open AI 自己做产品，到目前为止也谈不上成功，除了 ChatGPT。
参考链接

https://www.theinformation.com/articles/ai-agent-startup-adept-has-talked-to-potential-buyers-including-meta?utm_campaign=Editorial&utm_content=Article&utm_medium=organic_social&utm_source=twitter

https://www.forbes.com/sites/kenrickcai/2023/03/14/adept-ai-startup-raises-350-million-series-b/

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。

归根结底，大模型的方向还是走错了？

「空间智能是人工智能拼图中的关键一环。」知名「AI 教母」李飞飞曾这样表示。

---

近段时间，李飞飞开始把目光瞄准到这一领域，并为此创建了一家初创公司。她曾表示，「大自然创造了一个以空间智能为动力的观察和行动的良性循环。」她所在的斯坦福大学实验室正在尝试教计算机「如何在三维世界中行动」，例如，使用大型语言模型让一个机械臂根据口头指令执行开门、做三明治等任务。

我们不难看出，李飞飞口中的空间智能也有大模型的参与。

如今，随着技术的发展，LLM 在多个方面表现出超人类智能。然而关于 LLM 的争议也在不断增加，其中，LLM 到底有没有感觉能力，大家意见不一而论。

近日，李飞飞连同斯坦福大学以人为本人工智能研究所 HAI 联合主任 John Etchemendy 教授联合撰写了一篇文章，文章对 AI 到底有没有感觉能力（sentient）进行了深入探讨。

本文中，我们把 sentient 一词翻译成感觉，因为 AI 领域感知一词通常对应 perception，也不适合翻译成意识。读者们有合适的翻译可以留言讨论。

文中驳斥了 LLM 有感觉的说法，李飞飞列举了大量示例来证明这一观点。

在提到超级计算机深蓝时，李飞飞表示，虽然这款下棋程序可以击败世界冠军，但如果房间突发意外情况如着火，深蓝不会有停止游戏的意识，而人类会有。

同样的，当人类产生饥饿说出「我饿了」时，人类和 LLM 背后所隐藏的行为链条是完全不同的。LLM 只是产生「我饿了」这个字符串的事实，它没有身体，甚至不可能有饥饿那种感觉。

更进一步的，李飞飞认为人类饥饿时，伴随一系列生理反应，如低血糖、肚子叫等，而 LLM 无法拥有这些状态的主观经验，即无法有感觉能力，只是在概率性地完成任务而已。

人类有物理躯体，可以感觉一切，但 LLM 没有，当 LLM 说出类似的「自己脚趾痛」时，大家都不会相信，因为它根本就没有脚趾，它只是一个编码在硅片上的数学模型。

李飞飞驳斥 LLM 具有感觉能力

通用人工智能（AGI）是用来描述一种至少与人类在各种方面表现出相同智能的人工智能体的术语，涵盖人类所展示（或能够展示）的所有智能方式。这是我们曾经称之为人工智能的概念，直到我们开始创建在有限领域表现出智能的程序和设备 —— 如下棋、语言翻译、清洁客厅等。

增加「G」这个字母的必要性来自于由人工智能驱动的系统的普及，但这些系统只专注于单一或极少数任务。

IBM 的深蓝是一款令人印象深刻的早期下棋程序，它可以击败世界冠军 Garry Kasparov，但如果房间着火了，它却不会有停止游戏的意识。

智能的基本特征之一是「感觉」，即拥有主观经验的能力 —— 比如感受饥饿、品尝苹果或看到红色是什么样的。

感觉是通往智能的关键步骤之一。

于 2022 年 11 月发布的 ChatGPT，标志着大型语言模型（LLMs）时代的开始。

这立即引发了一场激烈的争论，所有人都在讨论这些算法是否实际上具有感觉能力。以 LLM 为基础的人工智能具有感觉能力的可能性引发了媒体狂热，也深刻影响了全球一些政策制定的转向，以规范人工智能。

最突出的观点是，「有感觉的人工智能」的出现可能对人类非常危险，可能带来「灭绝级」的影响或至少是「存在危机」的…

扩展阅读

扩展阅读

扩展阅读

---

---

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。

编辑 | 紫罗
药物-靶点相互作用（DTI）预测在药物发现中发挥着重要作用。尽管药物靶点预测的智能计算方法受到了广泛关注，并取得了许多进展，但仍然是一项具有挑战性的任务，需要进一步的研究。

---

为了解决上述挑战，江南大学研究团队提出了一种集成深度学习和图学习的多视图集成学习网络（MINDG）。

MINDG 结合图学习和深度学习来提取药物和蛋白质的内在结构信息，以及它们之间的外在关系信息。因此，与之前的方法相比，MINDG 提高了模型预测的性能。

相关研究以《MINDG: a drug–target interaction prediction method based on an integrated learning algorithm》为题，于 2024 年 3 月 14 日发布在《Bioinformatics》上。

GitHub 地址：https://github.com/jnuaipr/MINDG

论文链接：https://doi.org/10.1093/bioinformatics/btae147

---

四种 DTI 预测方法

DTI 预测指预测给定的药物分子是否会与特定靶点结合，从而发挥靶向治疗作用。

目前 DTI 预测方法主要有四类：基于相似性的方法、机器学习方法、深度学习方法和图学习方法。

基于相似性的方法，例如，阿卜杜拉国王科技大学 (KAUST) Thafar 团队提出的 DTi2Vec 方法可以预测药物和蛋白质之间的联系，而无需挖掘药物和蛋白质的额外内部信息。

机器学习方法利用蛋白质结构和序列信息来预测目标。例如，使用化学结构、药物质谱和氨基酸序列来表示蛋白质以预测药物-靶标相互作用。

深度学习方法将特征、模型和生物信息学网络与其他方法相结合，以获得更好的预测结果。

目前，在 DTI 预测的可用方法中，基于图卷积网络（GCN）的方法最有前景。

药物靶标预测的智能计算方法受到了广泛关注并取得了重大进展。然而，这仍然是一项具有挑战性的任务。

主要挑战表现为：（i）大多数基于图神经网络（GNN）的方法只考虑图中一阶相邻节点（药物和靶标）的信息，而没有从高阶相邻节点中学习更深入、更丰富的结构特征。（ii）现有方法没有同时考虑药物和靶标的序列和结构特征，各方法相互独立，无法结合序列和结构特征的优点来提高交互式学习效果。

---

MINDG 提高了 DIT 预测性能

为了应对这一挑战，该研究提出了一种集成深度学习和图学习的多视图集成学习网络（MINDG）。

图示：MINDG 模型的总体架构。（来源：论文）

该网络由以下部分…

---

实验研究

为了验证 MINDG 的有效性，在以下方面进行了实验分析：（i）与当前性能较好的药物-靶点相互作用预测方法的性能比较；(ii) 进行了消融实验；(iii) 进行了预测结果的应用研究。

在两个数据集上（BindingDB 和 DAVIS）…

…

---

不足和改进方向

MINDG 与一些最先进的方法进行了各种比较，结果表明所提出的方法性能更佳。

然而，MINDG 只是以顺序的方式学习药物和蛋白质的内在结构信息，并没有充分利用所有可用的内在结构信息。

未来，图学习方法可能会被用来学习药物和蛋白质的内在结构。此外，由于研究有限，研究人员还没有进行湿实验阶段。计划将来进行进一步的湿实验，包括药物 panel 测试。

---

【推荐阅读】

• 药物分子设计新策略，微软条件扩散模型DiffLinker登Nature子刊

• 可发现药物靶点，哈佛、Hopkins、中国科学院等机构基于Transformer开发了一种可对蛋白翻译动态变化建模的深度学习方法

• 100%化学有效，高度类似药物，川大开发数据和知识双驱动的AI分子生成框架

• 进行药物靶标亲和力预测，浙大&华科大团队开发扩展图学习卷积网络方法

• 中科大团队提出 SDGAE，一种基于图卷积自编码器的 DTI 预测方法

---

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。

新的AI解决方案正在被诸如生物炼制厂uisa等公司使用，并将API管理、治理和集成彻底改变。{ width=60% }

---

全球API和集成解决方案领导者Sensedia今日宣布推出Sensedia AI Copilot，这是一款突破性的AI助手，旨在促进API管理、治理和应用集成的所有步骤。
该解决方案嵌入了Sensedia 17年设计API策略和最佳实践的专业知识。Sensedia AI Copilot可以调整以理解每个客户的业务背景，并将API管理和治理最佳实践结合起来，以建议改进、从零开始设计API、检测安全漏洞并提高文档准确性。该解决方案能够评估跨多个网关发布的API，确保全面的API管理。
在APIX 2024全球客户大会上推出，AI Copilot支持客户将其API和集成策略与业务目标对齐，转变数字渠道和集成生态系统。
“Sensedia的AI Copilot充分利用生成式AI的优势 - 为开发人员和平台工程师提供最佳实践协助，通过定制的旅程提升API设计，但更重要的是，该解决方案将影响他们API之旅的每一步。此解决方案利用多年的API设计经验，提供简单、定制和道德驱动的AI API体验，以改善企业的创新方式，” Sensedia美国总监兼全球CMO Lisa Arthur表示。
工作原理
Sensedia AI Copilot简化了整个API创建旅程 - 从规划和设计到实施、测试和验证、文档编制、部署和管理步骤 - 现在可以通过人工智能的辅助以简单、快速和直观地导航。
通过应用多年的行业最佳实践，AI助手提高了生产效率和结果，产生了易于定制、调整、发布和管理的强大有效的API。
用户可以安全地上传其数据以创建自定义API，AI会建议符合市场最佳实践的旅程和访问点，以便于使用和安全。然后，该解决方案会自动生成API，可随时进行定制并与Sensedia的API管理器集成，实现灵活的文档管理和自动合同创建。
“Sensedia AI Copilot是专门设计为确保负责任的AI。我们的实践遵循严格的道德准则，以确保透明度、公平性和安全性。我们在整个过程的所有关键阶段都保持人工监督，以避免错误并确保质量，” Sensedia的首席执行官Kleber Bacili解释说。
Bacili还指出了该解决方案设计和创建符合每家公司战略的API的其他主要能力。“解决方案的另一个重要的差异化功能是将文档安全上传到私人数据库。这一新功能允许用户根据最好支持他们的业务、战略和规划过程来定制API。Sensedia客户还将看到响应过程得以改善，因为所有捕获到的数据都经过认证和加密，实现了最高的安全和风险缓解。”
Gartner®“2023年人工智能炒作周期”显示，“人工智能工程使组织能够建立并增长高价值的人工智能解决方案组合。大多数人工智能开发目前受到重大的运营瓶颈的限制。借助人工智能工程方法 - 数据操作、模型操作和开发运营 - 可以在结构化、可重复的工厂模型框架中将模型部署到生产中，以实现显著价值。”

经过验证的好处
巴西最大的生物炼制厂之一uisa的Sensedia客户成功测试了Sensedia AI Copilot，展示了几个优势。该解决方案加速了uisa的创建和发布API的开发过程。Sensedia AI Copilot简化了对行业最佳实践的遵循，产生了更加稳健高效的API，减少了人为错误和自动化重复过程，易于定制和调整旅程和端点，易于与Sensedia的API管理器（完整的API管理平台）集成。
根据uisa的技术与创新总监Rodrigo Gonçalves的说法，Sensedia AI Copilot不仅仅是一种API创建工具；它创造了商业机会。“该解决方案帮助我们简化了开发和创建流程。每个人都可以创建一个API。换句话说，我们正在实现民主化，增加流程中的治理。”
Gonçalves补充说，有了这个解决方案，uisa的技术团队有更多时间考虑业务。“过去需要五六天的事情现在可以在一两个小时内完成，节约时间。将智能投入到我们的流程中，为公司提供了巨大的节省和效率。”
Sensedia AI Copilot是一个提高交付结果效率的工具，Gonçalves评论说，“在uisa，我们的董事会不仅关注技术和创新，还关注效率和增加公司的盈利能力。Sensedia AI Copilot让人力资源有更多时间考虑操作效率点，并自动化通常复杂的流程。该解决方案简化了业务转型。”
下一步
Sensedia期待通过自主学习进一步增强Sensedia AI Copilot的功能和用户体验。产品可以采用最新的改进，提供更准确和具有情境感的预测和建议，与AI模型的持续演进保持一致。
“Sensedia AI Copilot不取代人类工作，而是通过自动化重复和容易出错的任务，使开发人员和架构师能够专注于API管理和治理倡议的更战略和创新的方面。使用该解决方案可提升用户体验并为业务增添价值，” Bacili强调。

Gartner，《人工智能炒作周期》，2023年，作者：Afraz Jaffri，2023年7月19日。GARTNER是Gartner的注册商标和服务标记，Magic Quadrant是Gartner公司及/或其附属公司在美国和国际上的注册商标，并在此被使用并获得许可。保留所有权利。
```

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。

Lumina AI，作为人工智能解决方案领域的领先创新者，自豪地宣布其获准加入英特尔®起飞计划。{ width=60% }

---

这个全球科技初创企业网络将Lumina AI与英特尔领先的资源联系在一起，加快了其在人工智能行业内的增长和知名度。

作为英特尔起飞计划的成员，Lumina AI将利用英特尔开发者云和先进的人工智能工具来增强其软件开发能力。这种合作关系促进了技术生态系统内的独特联系，提供了专家见解的获取途径，并为与其他以人工智能为中心的组织合作的机会创造了条件。

“我们很高兴与英特尔团队合作，以在规模上实现 Lumina RCL 的能力。” Lumina AI首席执行官 Allan Martin表示。

Lumina AI 的专有算法 Random Contrast Learning (Lumina RCL) 处于这一创新的最前沿。 Lumina RCL 是一个强大的用于分类问题的工具，集成到 PrismRCL 中，这是我们基于 Windows 的应用程序，旨在在 CPU 上高效运行。这项技术体现了 Lumina AI 提供易于访问且高性能的人工智能解决方案的承诺。

英特尔起飞计划为 Lumina AI 提供了无与伦比的支持和网络机会，强化了其致力于推动人工智能创新的承诺。通过这个计划，Lumina AI 的目标是提供符合客户和更广泛技术领域不断发展需求的尖端解决方案。

有关 Lumina AI 及其参与英特尔起飞计划的更多信息，请访问 www.lumina247.com。如需进一步咨询，请联系 Daniella Diaz。

探索 AITechPark，了解人工智能、物联网、网络安全、AITech 新闻以及来自行业专家的独到见解！
```

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。

高密度系统为电子商务仓库、零售和杂货履行提供速度和集成灵活性 Urbx (urbx.com) 推出其机器人库存存储和检索系统，能以空前的速度履行复杂的多SKU订单。{ width=60% }

---

该系统基于传统的自动存储和检索系统（AS/RS）原理，利用机器人、软件和存储货架的组合，在货物到人的订单履行工作流中提供速度、高度、密度和可伸缩性方面的关键优势。

该系统使用一系列由人工智能驱动的专有 Urbx TowerBots，通过密集的存储网格找到最短的三维路径，检索容器并将它们带到拣选站。TowerBots 在货架顶部移动，并通过战略位置的列快速下降，以访问库存。这种存储网格设计无需导航通道或挖掘以访问顶层以下的容器，使得可以在几秒钟内访问所有层次的库存 – 高达75个容器高度。然后，TowerBots 将容器移动到内置的输送瓦片，以运送至订单履行和整合。在实践中，Urbx 系统实现了卓越的履行速度，能够在不到2.5分钟内完成一个50条线的订单。

“我们创立 Urbx 是为了满足零售订单履行中对速度的需求，这是现有解决方案无法满足的。我们对系统进行概念构思、测试和迭代，真正突破了自动化的极限，从而也推动了履行操作能够达到的极限，” Urbx 创始人兼首席执行官 Lincoln Cavalieri 说。“这不仅仅是革命性地改变了仓库环境。以如此高的速度交付库存还具有满足杂货履行甚至面向消费者的零售应用需求的近期潜力。”

Urbx 系统提供双层存储，建造至行业领先的高度，以获得最大可能的密度和容量，同时保持较小的水平占地面积。这种空间效率特别适合希望将分销点靠近消费者的供应链，而在这些城市中，来自高昂房地产成本的压力促使建筑向上扩展，而不是向外扩展。系统每个容器可处理高达100磅的库存，能够容纳各种库存，包括沉重、密集的物品。

Urbx 系统考虑到集成商的需求，无需刚性软件要求和专门的硬件组件，并由全球材料处理自动化系统集成商网络进行销售和支持。该公司使用Beckoff的标准控制器，并从Utz采购容器。

探索 AITechPark，获取人工智能、物联网、网络安全、AITech 新闻的最新进展，以及来自行业专家的见解！

---

---

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。

Eviden在世界最大的网络防御演习中获得第二名
波兰团队连续第二年跻身领奖台
Eviden是Atos集团在数字化、云、大数据和安全领域领先的业务，在今天宣布，该公司位于波兰的四名网络安全专家和罗马尼亚的两名专家参加了由北约合作网络防御中心（CCDCOE）组织的最大国际网络防御演习“Locked Shields 2024”。{ width=60% }

---

由于公司的能力和员工的专业知识，来自波兰的Eviden代表贡献给了波兰-芬兰团队，该团队获得了第二名，继续自去年波兰获得第三名的成绩。今年也标志着罗马尼亚第二次连续参加了演习，并与其他国家的网络安全专家组成团队。
这次演习于4月22日至26日举行，汇聚了来自40多个国家的近4000名军事和民用网络防御专业人员。Locked Shields作为一个平台，让各国交流最佳实践，创新战略，并共同提高其网络事件响应能力。

Eviden的专家们通过参与Locked Shields展示了在复杂网络战场中航行的卓越能力，展示了在捍卫数字堡垒中的韧性和战略头脑。他们的集体专业知识在加固网络防御和促进持续学习和创新的文化方面起到了关键作用。
Eviden的全球网络安全服务负责人Chris Moret表示：“Eviden为我们团队在Locked Shields 2024中展示的成就感到自豪。参与如此重要的项目突显了我们公司内部专业知识的水平，并重申我们致力于在全球范围内加固网络防御的承诺。”
Locked Shields 2024主任Urmet Tomp中校表示：“每年，Locked Shields的目标是推动网络防御培训所能取得的边界，2024年也不例外。在这里训练的技能直接转化为更强大的国家防御，以抵御现实世界中的网络威胁，增强我们的集体安全。”

北约CCDCOE主任Mart Noorma博士表示：“该演习的目的是帮助我们的国家发展作为联盟面对网络威胁的能力。我们周围有真实的威胁，大多数参与者来自真实网络战争的阵地，参加Locked Shields。我相信他们将更加强壮地回去保卫自己的国家。”
罗马尼亚国防部网络防御指挥部指挥官、少将工程师Gheorghe Iordache表示：“我们需要加强与私营部门的联系，以更轻松地面对某些挑战，这些挑战在某一时刻可能会超出我们的反应能力。毫无秘密，北约也在试图将军事和民用专业机构汇聚在一起，以实现一种共同的反应，并对来自网络空间的威胁具有一些共同的兼容性。”

与其他国家的同事一起，所有Eviden专家证明了一个虚构国家的防御结构对针对关键基础设施的网络攻击的准备就绪。除了保护复杂的IT和运营系统之外，参与团队必须在广泛的学科领域内效果显著，包括事件报告和解决法医、法律、媒体运营以及信息战挑战。

---

---

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。