猪年回归工作的第一周
一场属于创新者、思考者的科技界盛会
在春雨绵绵的旧金山
盛大开幕!
这里群贤汇聚、脑力激扬、充满无限可能!
做好准备,让我们一路通关
Think 2019!
Let's Go!
在太平洋时间2月11日的傍晚,一场别开生面的人机辩论大战在旧金山Yerba Buena Center举行。
自古希腊时代以来,辩论始终激发着我们的想象力。在Think 2019的大会现场,曾在去年6月完胜以色列辩论冠军的AI辩手——IBM Project Debater再次来袭,对战2016年世界辩论决赛选手Harish Natarajan。
本场辩题
政府是否应该资助学前教育?
Whether goverment should subsidize pre-schools?
辩论规则
本场辩论采用传统美式辩论规则,即双方在开场15分钟前得知辩题,辩论分为三回合,前两回合每人4分钟,第三回合2分钟结辩陈词。最终结果由现场800位观众投票决定。开场时,观众会根据辩题进行第一轮的投票,在辩论结束后会再次进行投票,跑票数少的一方为获胜者。
在辩论前的投票中,79%的观众同意政府应资助学前教育,即Project Debater所持正方论点,13%的观众选择不同意。
辩论结果
在辩论过程中,尽管风格和方法不尽相同,Project Debater和Natarajan都进行了富有价值并且有趣的讨论。Project Debater提供了支持其观点的数据,而Natarajan利用其出色的技巧重新构建了关于政府资金最适合用于确保社会平等的论点。
最终的投票结果显示,62%的观众支持正方,30% 的观众支持反方,因为反方的跑票数更少,Natarajan为人类摘下了辩论界人机大战第二战的桂冠。
尽管有17%的观众在辩论的过程中,认为人类辩手的阐述更有道理,但是近60%的观众都认为Project Debater的辩论过程,让自己收获了更多知识。
那么,作为全球首个能够与人类辩手就复杂主题进行辩论的人工智能系统,只需几分钟准备时间就可以“上场发言”的Project Debater,它的工作原理是怎样的呢?一起来看下方视频——
IBM宣布开启人工智能新篇章,从实验阶段进入到大规模部署及推动行业转型的全新旅程。IBM Watson将可应用到任意云平台,从而使企业能够突破云提供商的限制,在数据存储的任何地方灵活地部署AI。
IBM发布内容的核心是为ICP for Data构建的一系列全新Watson微服务,这些服务基于开放的源代码技术,可以轻松实现跨云环境扩展。新的Watson微服务基于开源的Kubernetes技术,可以在IBM云以及其他公共云、混合云或多云环境中运行。
在去年的Think大会上,IBM研究院预测了将会改变人类社会的五大科技——量子计算、AI偏见、密码锚定、黑客和浮游生物,引发了全球热议。
在Think 2019, 我们关心粮食和蔬菜,关心脚下的每一方土地。面对着全球巨大的人口压力,这一年,IBM聚焦于从种子到货架,利用创新技术在未来五年内改变食品供应链的每个环节:
• 农业领域的“数字孪生子”将有助于用更少的资源,养活不断增加的人口;
• 信息透明预警:区块链技术将有助于减少食品浪费;
• 绘制微生物组基因图谱:保护我们免受有害细菌的侵害;
• 餐盘侦探:AI传感器将能够检测家中的食源性病原体;
• 对塑料“动手术”:一种彻底的新型回收利用工艺,将让旧塑料焕发新生。
IBM宣布名为“代码响应(Code and Response)”的新部署计划,即在四年时间里投入2500万美元,把在IBM“代码行动(Call for Code)”大赛中开发的部分开源技术部署到最有需要的社区当中。
“代码响应”计划汇集大规模构建、强化、测试及实施相关解决方案所需的资源,同时也将获得IBM企业全球志愿服务队(IBM Corporate Service Corps)的数百名IBM员工,以及政府和多个非政府组织合作伙伴的大力支持,共同将技术应用于生命救援。不仅如此,IBM还与克林顿全球倡议大学计划(Clinton Global Initiative University)建立了合作关系,为在校开发人员提供所需的技能和资源,助力其将创意转化为实践。
在第一年中,“代码响应”计划将在波多黎各、北卡罗来纳州、大阪及喀拉拉邦等受灾地区部署实施“代码行动2018”的获胜解决方案——“Project Owl”。
“代码行动2018”获胜团队
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。