ZD至顶网软件频道消息: 一个曾正确预测过去三届美国总统选举的数字人工智能系统日前预测,唐纳德·特朗普(Donald Trump)将成为美国三军总司令。
据CNBC报导,MogIA人工智能系统对来自谷歌、Facebook、推特和YouTube等网站的2000万个数据点分析后做出了上述预测。
MogIA的分析数据表明,特朗普在社交媒体上的人气比2008年巴拉克•奥巴马(Barack Obama)的人气峰值还高25%。
MogIA由印度初创公司Genic.ai开发,其创始人是Sanjiv Rai。据他介绍,社交媒体人气之所以重要是因为在各界总统大选里在社交媒体人气上领先的候选人最终会胜出。
Rai告诉记者,“互联网12年前开始对网络人气开始有系统的分析统计,如果特朗普失败的话,其结果将与过去12年的分析数据相悖。”
但Rai也指出,社交媒体的网文数量超大,很难分析。有人在推特上发一条关于特朗普的微博,不一定说明这人就支持特朗普。
MogIA于2004年面世,数年来日趋智能,曾在今年的民主党初选和共和党初选时正确预测了胜出的候选人。
希拉里•克林顿(Hillary Clinton)在美国各主流民调中均领先,但Rai提出警告,希拉里仍应谨慎行事。
Rai表示,“以共和党初选为例,初选中许多涉及到特朗普的消息都是负面的。而在初选的最后几天里,这些消息的发力却给了特朗普入局的动力,他最终抛离对手赢了初选。”
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。