相信大多数人都会认同物联网和人工智能的进步将改变整个世界这一观点,但是关于相关的监管程度和道德实践却没有一致的看法。而这些都是必须要讨论的话题,为未知的未来做好准备,圣克拉拉大学哲学副教授Shannon Vallor这样表示。
圣克拉拉大学哲学副教授Shannon Vallor
“要准备就绪,就意味着现在就要开始谈论各种可能性,并创建可以应对意外的系统,”Vallor在IBM World of Watson大会上这样表示。
未来的就业
除了影响每个专业之外,这些方面的进步也将改变整个就业情况,Vallor说。很多人都在当前的经济形势下挣扎生活,人们担心机器开始取代白领工人时可能发生的情况。
现在,人类能做而机器无法做到的事情越来越少,实现人工智能还有很长一段路要走,未来一些特定领域都是有需求的。Vallor表示,“创造力、跨学科性、社交智能、道德智慧将是未来最重要的技能。”
教育改革
Vallor指出,“”我们的教育系统与这个未来前景是不一致的。它所要求的技术教育是我们没有能力提供的,中间部分是受影响最大的,这些新工作涉及一定水平的技能,我们还没有做好迎接的准备。”
然而,就在5年前,人们很难在硅谷听到有关道德的讨论。Vallor讲到,现在这个情况变了,企业意识到他们要建立信任,教育也可以做这些转变,但一定要快。
至于Watson,Vallor说:“我对Watson的了解是,这是一种强调如何‘放大’我们而不是取代我们的技术。它帮助我们更好地思考,想得更多,做得更多。”
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。