ZDNet至顶网软件频道消息: 在Facebook通过改变News Feed信息流的方式来研究用户情绪变化的消息曝光后,负责此项研究的Facebook数据科学家亚当·克拉默(Adam Kramer)专门对此进行了解释。
“我们进行此项研究是因为我们关心Facebook以及使用我们产品的人所产生的情绪影响。”克拉默说,“我们感觉,很有必要调查人们共同的担忧:看到别人发布的积极内容是否会使人感觉消极或冷落。与此同时,我们也担心,如果用户被暴露在消极内容中,可能会导致他们不再访问Facebook。”
克拉默表示,此次研究在2012年的一个星期内影响了0.04%的Facebook用户,但由于Facebook的用户基数十分庞大,因此还是覆盖了数十万人。此项研究发现:在Facebook上看到积极情绪会鼓励人们也发布类似的积极内容。
Facebook也在发给《卫报》的声明中表示,该公司此举意在改善服务,让人们在Facebook上看到更加相关和具有互动性的内容。
“作为整个实验的设计者,我可以告诉你,我们的目标绝不是为了令任何人感到不安。我明白为什么有人会对此存有担忧。我和我的同事对于这篇论文对此项研究的描述方式,以及由此带来的焦虑感到抱歉。”克拉默说。他表示,Facebook自2012年以来已经改变了内部评估方式,未来的研究还将把外界对此次研究的反应考虑进去。
好文章,需要你的鼓励
OpenAI发布了音视频生成模型Sora 2,同时推出配套社交应用Sora,用户可生成包含自己的视频并在类似TikTok的信息流中分享。Sora 2在物理定律遵循方面有显著改进,视频更加真实。应用提供"客串"功能,允许用户将自己植入生成场景中,并可与朋友分享形象使用权限。该iOS应用目前在美加地区采用邀请制,ChatGPT Pro用户可直接体验。
Queen's大学研究团队提出结构化智能体软件工程框架SASE,重新定义人机协作模式。该框架将程序员角色从代码编写者转变为AI团队指挥者,建立双向咨询机制和标准化文档系统,解决AI编程中的质量控制难题,为软件工程向智能化协作时代转型提供系统性解决方案。
大语言模型和生成式AI自诞生以来问题频发,从推理模型表现不佳到AI幻觉现象,再到版权诉讼,这些都表明当前技术路径可能并非通往真正智能的正确道路。专家认为,仅靠增加数据和算力的扩展模式已显现边际效应递减,无法实现通用人工智能。研究者提出智能应包含统计、结构、推理和目标四个层次的协调,并强调时间因果性的重要性。面对LLM技术局限,业界开始探索神经符号AI等替代方案。
西北工业大学与中山大学合作开发了首个超声专用AI视觉语言模型EchoVLM,通过收集15家医院20万病例和147万超声图像,采用专家混合架构,实现了比通用AI模型准确率提升10分以上的突破。该系统能自动生成超声报告、进行诊断分析和回答专业问题,为医生提供智能辅助,推动医疗AI向专业化发展。