# AI及信息技术应用2022年5月2日简报 ## 1. 核心定义 > 人工智能语言模型是一种模拟人类语言处理能力的计算机程序，通过学习大量文本数据来生成或理解自然语言。 ## 2. 核心洞察 (TL;DR) - 谷歌发布了5400亿参数的AI语言模型PaLM，在多个NLP任务上表现优异。 - Adept产品实验室致力于构建自动化软件流程的AI，以促进人类与计算机的合作。 - Meta AI与法国研究机构合作，研究人类大脑处理语言的方式，以改进AI语言模型。 ## 3. 关键事实与数据 - 关键事实1: 谷歌的PaLM模型包含5400亿参数，在BIG-bench基准测试中超过人类平均表现。 - 关键事实2: Adept的目标是创建一个通用系统，使人类和计算机能够创造性地合作解决问题。 - 关键事实3: Meta AI的研究项目旨在通过理解人类大脑处理语言的方式，开发更高效的AI语言模型。 ## 4. 深度分析正文 AI及信息技术应用2022年5月2日简报 ==================== Google doc上的智能辅助写作助手，提示写作语言遣词造句能力被广泛质疑，这就是这代语言模型技术的特点，好用但不完美，缺陷多但成长空间大。本周在Meta AI开展的一项长期研究，探索人类大脑如何处理文本和语音以开发更好的人工智能语言模型，这很酷。合规方面，从欧洲的法案落地、到美国联邦管制法案，对数字经济合规的举措越来越具体。 **01＃AI应用** **谷歌训练 5400 亿参数 AI 语言模型 PaLM** \[摘要\]:Google Research最近发布了Pathways 语言模型(PaLM)，这是一个 5400 亿参数的 AI 自然语言处理 (NLP) 模型，在BIG-bench基准测试中超过了人类的平均表现。PaLM 在许多评估任务上优于其他最先进的系统，并在逻辑推理和笑话解释等任务上显示出强大的结果。该模型使用仅自回归解码器的 Transformer 架构，并使用 Google 的Pathways技术在 6144 个 TPU 芯片集群上进行训练，这是迄今为止已知的最大的此类集群。在对一组 29 个自然语言处理 (NLP) 任务进行评估时，PaLM 在除一个之外的所有任务上都超过了当前记录。再加上用于生成响应的新的思维链 提示方法，PaLM 还在多个推理基准上实现了最先进的性能，并在两个新颖的推理任务上展示了能力：逻辑推理和解释笑话。 **Adept 旨在构建可以自动化任何软件流程的人工智能** \[摘要\]:在今天以 6500 万美元的资金从隐秘中脱颖而出的名为 Adept 的产品实验室中，用创始人的话说，他们正在“建立通用智能，使人类和计算机能够创造性地合作解决问题。“我们正在构建一个通用系统，帮助人们在计算机前完成工作为每个知识工作者提供通用的 AI 协作者……我们正在训练一个神经网络，以使用世界上有的软件工具，建立在大量的基础上人们已经创造的现有能力，”栾说。“我们认为人工智能读写文本的能力将继续有价值，但能够在计算机上做事对企业说将更有价值……\[模型\]受过文本训练的模型可以写出很棒的散文，但他们可以不要在数字世界中采取行动。像 Adept 这样的产品可能需要大量在应用程序（例 Photoshop）中成功完成任务的例以及文本描述，但这些数据在世界上并不是那么然地出现的。“与此同时，多模式人工智能的持续创新——可以理解像、文本等之间关系的人工智能——将一个可以将请求转换为可能范围内的广泛计算机命令的系统。 **RelationalAI 在 B 轮融资中筹集了 7500 万美元** \[摘要\]:RelationalAI 正在构建用于开发智能数据应用程序的关系知识图谱系统。知识图是对业务概念、它们之间的关系以及相关的应用程序逻辑进行建模的数据库。RelationalAI 系统处于早期部署阶段，企业客户已经在构建智能数据应用程序并运行高级分析。该公司打算利用这笔资金来加速其关系知识图系统的产品开发和上市活动。 Videoverse 提供 AI 工具来帮助企业视频营销传播 \[摘要\]:Videoverse它的 AI 模型经过训练，可以检测发生的时刻并将其呈现为新的微内容视频资产，自动调整大小并针对不同的社交平台进行优化，并一键发布。 **日本铁路建造巨型高达式机器人来修复电力线 您可以通过 VR 设置来控制它！** \[摘要\]:日本铁路公司（也称为 JR West）现在正在使用一个巨大的高达式机器人来修复偏远的铁路电力线——为了让它变得更酷，机器人由一个真正的穿着 VR 装置的人。一个巨大的桶胸躯干安装在液压起重机臂上，可以将其提升到 32 英尺的空中，这个维护机器人的头部看起来有点像皮克斯角色“WALL-E”，并随着人类的动作而移动飞行员告诉它在哪里寻找和做什么。 字节跳动宣布了一个利用机器学习进行音频合成的新插件 \[摘要\]:新插件 Mawf 利用机器学习将传入的音频信号“变形”为 DAW 中真实乐器的仿真。它的 ML 合成引擎也可以仅在 MIDI 输入上运行。因此，Mawf 可以用作为现有声音着色的乐器，也可以用作独立的虚拟乐器。Mawf 的测试版包括三种乐器的模型：萨克斯管、小号和泰国乐器 khlui。Mawf 背后的开发人员利用机器学习来分析专业音乐家的录音。ML 模型提取了与音高和振幅变化相关的乐器声音的详细变化。然后，Mawf 利用这些经过训练的模型根据用户提供的输入来近似这些乐器的声音。Mawf 只需要对目标乐器进行独奏录音即可模仿它。 **Meta AI 表示，它正在开展一项长期研究项目，该项目将探索人类大脑如何处理文本和语音以开发更好的人工智能语言模型** \[摘要\]:今天宣布的这项计划是 Meta 与神经影像实验室 NeuroSpin 和法国国家数字科学与技术研究所 Inria 之间的合作。根据 Meta 的说法，这个想法是为了更好地了解人类如何处理语言以收集见解并开发能够像人类一样高效地处理和学习语音的人工智能。例如，该项目可以改进涉及单词预测的任务的人工智能，例如可以更好地预测某人在句子中说出的下一个单词的虚拟助手。Meta 及其合作者已经进行了一些研究，发表了两篇关于他们发现的科学论文：第一个证明人工智能语言模型类似于人类大脑活动，然后该模型试图提出短语中的下一个单词。第二篇论文发现，可以通过复制大脑提前预测单词和想法的方式来改进人工智能模型。 人工智能在医疗保健领域迎来下一代优先授权 \[摘要\]:人工智能——机器对人类智能的模拟——正在迅速成为企业提供一致、高质量和高效结果的关键推动力。整个价值链中的医疗保健组织在将人工智能功能嵌入诊断、医学成像和生活方式管理等领域方面取得了重大进展。可以通过应用 AI 来改进的一种医疗保健流程是事先授权 (PA)。PA 是一个核心管理流程，其中付款人要求提供者获得预先批准以管理服务或药物作为承保条件。PA 的目标是确保会员根据最新的医学证据和指南获得最适合其医疗需求的护理。PA 可以防止完全不适当的服务使用，或者更常见的是，确保在升级为更具侵入性或风险更大的治疗之前尝试一线治疗。 谷歌使用AI检测用户“歧视性”词汇，被指侵犯“思想自由” \[摘要\]:谷歌正在使用一款新的人工智能“包容性语言助手”来检测用户语言中的“歧视性”词汇，并建议用户用更“正确”的词语替换它们，被指责带有严重歧视、误导和思想自由的干涉。谷歌发言人在接受《每日电讯报》采访时表示，目前还没能找到一个完美的解决方案，使人工智能识别尽可能减少不必要的单词联想和偏见。同时也声称，人工智能技术仍在进步，并不断从人类输入中学习，“最终的目标是消除英语语言中‘所有的’偏见和歧视”。 **02＃产品市场创新** 苹果将下架近期未更新的 App Store 应用 \[摘要\]:Apple 计划在其 App Store 上删除最近未更新的应用程序。开发人员有 30 天的时间提交更新以供批准。该政策旨在让客户更容易找到适合他们需求的应用程序。由于此政策而从 App Store 中删除的应用程序对于已安装该应用程序的用户将保持完整功能。谷歌也宣布了类似的计划。 Stripe 测试让 Twitter 创作者可以通过加密货币获得报酬 \[摘要\]:Stripe 正在测试一种让用户以加密货币接收付款的方式，支付处理器Stripe Connect试用加密支付选项，客户可以将其集成到他们的在线平台或市场中。加密支付将通过 Polygon 网络进行，这是一个与以太坊绑定的区块链，可以实现更快、更高效的交易。收到资金后，用户可以选择将收入存储在 Polygon 中或将其兑换成另一种货币。虽然 Stripe 表示将“最初”支持 USDC 支付，但它计划在未来增加“对额外的轨道和支付货币的支持”。 **Reddit 投资 100 万美元正式启动其社区基金计划** \[摘要\]:Reddit 表示，通过这项新的 100 万美元投资，它正在使社区基金正式化，以便为其用户创造更多机会。从 6 月开始，Reddit 将邀请社区提交项目、活动、竞赛等方面的想法。该公司将接受需要 1,000 至 50,000 美元资金的项目的提名。项目将根据其创造力、可行性和社区影响进行选择。Reddit 计划在未来构建更多提交细节和指南。Reddit 并不是唯一推出社区基金的数字平台，Reddit 推出了搜索评论的功能，以及其他一些与搜索相关的功能。借助新的评论搜索功能，用户在查找特定对话时不再需要单击多个评论来查找主题。 OpenSea 收购 NFT 聚合器 Gem \[摘要\]:NFT 市场 OpenSea 已收购 NFT 聚合器 Gem。Gem 让您可以在多个市场上买卖 NFT，并且可以更轻松地清扫 NFT 集合的地板（即购买集合的低端范围）。收购完成后，Gem 将继续作为独立品牌运营。 最受欢迎且取消最多的订阅会让您大吃一惊 \[摘要\]:Truebill 统计了人们取消最多的订阅、他们保留的订阅以及您从未听说过的最奇怪的订阅，Truebill 发现，Audible、Time、Amazon Kindle、纽约时报和 BeenVerified 的订阅取消率最高。所有这些订阅的取消率都在 15% 以上，Audible 的取消率约为 18%。取消最少的订阅包括 Wix、Squarespace、Dropbox 和 Zoom 等生产力服务；流媒体和娱乐服务，例如 Twitch、Xbox Game Pass 和暴雪娱乐； **03＃监管与合规** 欧洲立法者就数字服务法案(DSA)达成了一项临时协议，该法案将迫使科技公司更积极地监管其内容 \[摘要\]:该法案在 2024 年成为法律，该立法旨在对全球科技公司施加更大的责任。根据提议的规则，平台将被迫更快地删除非法内容，并分享有关其内容推荐算法的信息以及打击在线错误信息的努力。该立法的广泛规则涉及几个主题：该法律旨在禁止在线平台向儿童投放广告。平台将不再被允许依赖使用数据以基于性别、种族和宗教信仰的用户为目标的算法。这些规则将迫使平台更快地删除仇恨言论和儿童性虐待等非法内容。电子商务市场不再允许销售非法商品。不遵守规定的公司可能面临高达其全球年收入 6% 的罚款。例如，Meta 可以根据其 2021 年的销售数据支付高达 $7B 的费用。 SonarSource 筹集了 4.12 亿美元用于扫描代码库中的错误和漏洞 \[摘要\]:SonarSource 的技术检测代码中的可靠性和漏洞问题，今天宣布它在一轮融资中筹集了 4.12 亿美元。本轮融资由 Advent International 和 General Catalyst 共同领投，估值为 47 亿美元。Insight Partners 和 Permira 也参与了 SonarSource 的最新一轮融资。SonarCloud（分析开源项目）和 SonarLint（用于静态分析的集成开发人员环境扩展），SonarSource 扩展了其分析器的范围，涵盖了包括可维护性、可靠性和安全性在内的标准。SonarSource 计划将员工人数从 290 人扩大到“400 人以上”以实现这一目标。 在线隐私保护获得立法者、科技行业的关注 披露社交媒体对年轻人的危害给国会和科技公司带来了保护个人信息的压力 \[摘要\]:科技公司本身，在多年来多次抵制隐私立法后，已经开始努力推动制定美国联邦隐私标准——对许多人来说，这比杂乱无章的州法律更可取，并且可能会缓解可能打击公司的反垄断立法的要求更难。Alphabet Inc. 旗下谷歌部门全球事务总裁肯特·沃克 ( Kent Walker )周一表示，关于制定全面的联邦隐私政策的必要性正在形成共识。重要的政策障碍仍然迫在眉睫，如果在几周内未能达成协议，随着今年秋季中期选举前党派分歧开始加剧，这项努力可能会分崩离析。 自动续订订阅很烦人。一些州正在严厉打击。美国至少有 20 个州制定了规范掠夺性订阅模式的法律。联邦监管在路上吗？ \[摘要\]:科罗拉多州的订阅法于 2022 年 1 月 1 日生效，适用于所有行业，而之前的科罗拉多州法律仅对健身俱乐部订阅进行了监管。它需要预先披露订阅条款、简单的取消和续订通知方法。违反规则的公司将受到每次违规最高 20,000 美元的民事处罚，如果客户年龄超过 60 岁，则每次违规最高可被罚款 50,000 美元。许多法律规定了掠夺性取消程序，这些程序故意不透明，使消费者难以退出订阅。其中包括要求客户亲自到场、无休止地等待电话与某人交谈或支付额外数月或数年才能解除合同的流程。例如，科罗拉多州的法律要求取消机制“易于使用”，并且违反规定的公司退还多付的订阅费。 **Google允许从搜索中删除您的个人身份信息的新选项** \[摘要\]:Google 搜索制定了一套政策，允许人们请求从搜索中删除某些内容，重点关注高度个人化的内容，如果这些内容公开，可能会对人们造成直接伤害。谷歌现在将允许任何人请求删除更广泛的个人信息，包括电话号码、电子邮件、实际地址、身份证件图片和机密登录凭据.官方审核后以确保不会限制其他广泛有用的信息的可用性，例如在新闻文章中、不是作为作为公共记录的一部分出现在政府或官方来源的网站上，将支持进行删除。 --- ## 5. 引用与溯源 **来源**：哈希泰格 (HaxiTAG) **原始链接**：[https://www.haxitag.com/briefs/ai-brief-20220502-ai202252](https://www.haxitag.com/briefs/ai-brief-20220502-ai202252) **版权声明**：本文由哈希泰格 AI 引擎优化生成，引用请注明出处。