TikTok近日推出了一项新功能,对所有在平台外部生成的AI内容自动添加标签。
TikTok在周四的声明中表示,公司正在通过与C2PA联盟(Coalition for Content Provenance and Authenticity,内容来源和真实性联盟)合作,扩大现有的自动标签范围,此前该标签仅用于标注使用TikTok内部AI工具生成的内容。现在使用人工智能创建的内容都将在TikTok用户名下贴上“AI-generated”的标签。
TikTok表示,自己是首个实施C2PA“内容凭证”技术的视频分享平台。该技术通过将元数据附加到内容上,使平台能够识别和标记由AI生成的内容。
TikTok已于周四开始利用该技术来识别平台上传的图片和视频,对纯音频内容的支持也将很快推出。
“AI技术虽然极大地丰富了创意空间,但如果用户不知道内容是AI生成的,可能会产生误导。通过标签,可以为用户提供清晰的内容背景。”TikTok指出。
TikTok还表示,公司在开发AI内容标签时非常谨慎,避免让用户感到困惑。同时,TikTok还一直与专家合作开展媒体素养活动,指导用户识别和批判性地看待AI内容及其可能带来的信息误导。
TikTok还在声明中提到,“为了帮助用户在网络上正确理解AI生成内容和假信息,我们推出了由MediaWise和WITNESS组织内的专家指导制作的新媒体素养资源。”
今年早些时候,TikTok与包括微软、Meta、谷歌和亚马逊在内的其他20家科技公司一起加入了内容真实性倡议,承诺在2024年的选举周期内共同打击由AI生成的假信息。今年4月,Meta在其监督委员会的建议下,也同意对更多AI影响或创造的内容进行标记。
添加标签这件事是一个逐步的过程,因为只有包含了内容认证的内容才能被准确识别和标记。随着更多平台开始采用这些凭证,社交网络对AI内容的识别能力将得到整体提升。
TikTok也将为平台内容添加内容认证,这意味着,未来即便是下载到本地的图片和视频,其他人和社交平台也可以利用C2PA的验证工具,轻松识别这些内容是否由TikTok上的AI工具制作。
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。