未来科技
-
言必AI的手机厂商们,找对路了吗?
不难看出,市场上大部分厂商的战略操作让人觉得似乎把大模型技术装到手机上,并提供生成式AI服务就能称之为AI手机。
在他看来,在手机上集成AI的技术和体验,手机提供的是平台和算法,这属于手机AI的应用。
前面提到过,AI在手机终端的应用尚处于探索阶段,一些厂商通过集成多种独立的生成式AI能力,如智能翻译、修图等,实现了对特定场景的快速优化,但应用场景有限,仍处于“我们告诉手机要怎么做”的阶段。 -
为何你总是迷路?
”
佛罗里达大学工作的认知神经科学家韦斯伯格(Weisberg)说,不出所料,那些更优秀的导航者也可能更擅长在不同的导航模式之间进行切换,根据所处的具体情况选择最合适的导航策略。
三年后对13名志愿者的后续研究揭示,那些在此期间使用GPS最多的人,其导航能力下降更多,这表明过度依赖GPS会导致导航能力的衰减,而不是导航能力不佳导致了对GPS的过度依赖。
-
远程办公,会降低我们的创造力吗?
但远距离合作面对的各种挑战,以及这对网络技术而不是面对面交流的依赖,与各机构和公司在摸索混合办公模式过程中遇到的问题是一样的,美国西北大学研究远程办公影响的交流与计算机科学研究员Ágnes。
永久性远程
虽然这类后疫情时代的研究提供了很多实用数据,但研究人员表示,他们需要更长期的研究才能全面掌握远程办公的趋势。
在2022年的一篇工作论文中[8](尚未经过同行评审和发表),Frey和他在牛津大学的同事分析了1961至2020年的远程合作和科学创新,发现了一个有意思的转变。
-
Sora大佬专访:AI视频模型仍处在GPT-1时代
Sora团队举了两个例子,首先是一个短篇故事airhead:
区别于传统形式的内容创作(特效、剪辑等),Sora帮助创作者解锁了一种很酷的方式,为故事的讲述和经验的分享提供一个新的维度。
另一个例子是Bill本人使用Sora制作的,纽约动物园的多镜头场景:
作为一个喜欢生成创意内容,但没有足够技能去实现的人,使用Sora这样的模型可以很容易做出引人注目的作品。
-
“大城市沉降”上热搜,这事儿到底有多严重?
按照论文里“中国主要城市中有 45% 的地区每年沉降速度超过 3 毫米, 16% 的地区沉降速度超过 10 毫米”的结论,其实只有三十多个城市中招。
况且根据城市规模划分标准,城区常住人口在。
另外,由于降雨、干旱引起的地下水位变化,也有可能引起地面沉降。
另外,咱国内不少大城市的地面沉降问题,也得到了一定控制,像是上海全市的地面沉降量,已经由。
-
旅行者1号“复活”:世界最慢的电脑,被成功修复了
图/NASA
本周一,美国宇航局。图/NASA
当时,工程师们发出了一个新的指令来“戳一下”旅行者。图/NASA
该团队首先挑选出负责打包航天器工程数据的代码。
旅行者。
旅行者。
旅行者。
您目前设备暂不支持播放
视频来自:NASA一旦电池耗尽,旅行者。//www.scientificamerican.com/article/after-months-of-gibberish-voyager-1-is-communicating-well-again/
本文来自微信公众号:机器之心。
-
AI大模型的“混合专家”,底层原理是什么?
这种技术出现的原因有三个主要方面:
神经网络的稀疏性: 在特定层中,神经网络可能会变得非常稀疏,即某些神经元的激活频率远低于其他神经元。换句话说,很多神经元并非每次都会被使用到,这和人类大脑中的神经元是类似的。
神经元的多语义性: 神经元的设计使其具有多语义性,这意味着它们可以同时处理多个主题或概念。比如,一个神经元可能对“苹果”、“香蕉”和“橙子”都有反应,这些词代表着不同的实体。
计算资源的有限性:模型规模是提升模型性能的关键因素之一。
-
谷歌员工爆料Python基础团队原地解散
这种做法,应该是出于成本考虑:
谷歌按地区向员工支付工资。
也有人指出:“人们不明白的是,他们所做的工作是否真的能为谷歌带来每年。”
问题是,该团队似乎完成了大量对谷歌内部也至关重要的工作:
但这一次的事,有人认为,裁撤基础团队是谷歌采取的一种策略:
Meta。(ID:almosthuman2014),蛋酱
。
-
Altman斯坦福闭门演讲:“我们欠自己和未来的人们一个更美好的世界”
没有必要害怕超级人工智能,因为与未来的模型相比,每个新模型其实都会被认为是有不足的,但这也推动了持续的改进。
创新与创业机会
仅仅专注于解决当前的人工智能局限性可能是徒劳的,因为未来的模型的出现,如。
Altman。
“我认为赚钱是件好事,我也认为资本主义是件好事”,Altman。”
Altman。”
他也不担心人类的创新会被扼杀,Altman。
Altman。
-
谷歌、微软和Meta,还要花多少钱投入AI?
一、海外财报逐步披露,总体都上修了AI的资本开支
总的来看,AI基建需求非常旺盛:
META:全年资本开支从300亿~370亿美元上调到350亿~400亿美元,以建设数据中心来支持AI业务。
微软:表示算力卡需大于供,决定扩大AI投资规模,本季度资本支出140亿美元(预期131.4亿美元),预计下个季度资本支出环比大幅增长。