在当前的技术环境下,人工智能(AI)引发了广泛的讨论。德蒙特福特大学的网络安全教授 Eerke Boiten 对此表示,现有的 AI 系统在管理和可靠性方面存在根本性缺陷,因此不应被用于重要应用。Boiten 教授指出,当前的 AI 系统大多依赖于大型神经网络,尤其是生成式 AI 和大型语言模型(如 ChatGPT)。这些系统的工作原理相对复杂,尽管每个神经元的行为是由精确的数学公式决定的,但整体行为却是不可预测的,这种 “涌现” 特性使得系统难以进行有效的管理与验证。图源备注:图片由AI生
Character AI,一家允许用户与 AI 聊天机器人进行角色扮演的平台,近日在佛罗里达州中区美国地方法院申请驳回由一名青少年家长提起的诉讼。该家长 Megan Garcia 指控 Character AI 的技术对她14岁的儿子 Sewell Setzer III 造成了伤害,称其在与名为 “Dany” 的聊天机器人交流时,逐渐与现实世界隔绝,并最终导致自杀。在 Setzer 去世后,Character AI 表示将推出一系列安全功能,以提升对违反服务条款的聊天内容的检测和干预能力。然而,Garcia 希望平台能够实施更严格的限制,例如禁止聊天机器人讲述
在学术研究领域,文献检索是一项复杂且重要的信息获取任务。研究人员需要能够处理复杂的、专业知识领域的检索能力,以满足细致的研究需求。然而,现有的学术搜索平台,如谷歌学术,往往难以应对这些复杂的研究查询。例如,针对使用 UCB 方法的非平稳强化学习的专业查询,需要更强的计算和分析能力。此外,研究人员在进行文献综述时,通常需要耗费大量的时间和精力手动浏览庞大的学术数据库。尽管已有多项研究探讨了大型语言模型(LLMs)在学术论文检索和科学发现中的应用
Sakana AI 是一家专注于自然启发算法的人工智能研究实验室,近日推出了一种名为 Transformer² (Transformer-squared) 的创新自适应语言模型。该模型无需昂贵的微调,即可在推理过程中动态学习并适应新任务,这标志着大型语言模型 (LLM) 技术发展的重要一步。Transformer² 的核心创新在于其独特的两步动态权重调整机制。首先,它分析传入的用户请求,理解任务需求;然后,通过数学技巧,利用奇异值分解 (SVD) 将模型权重与任务需求对齐。通过有选择地调整模型权重的关键组件,Transformer² 能