马斯克支持加州SB1047法案，要求大型AI模型开发公司需记录防止模型造成严重危害的安全措施。他强调过去一直倡导AI监管，认为应如同监管有风险的产品和技术。马斯克的公司xAI将受此法案约束，尽管他计划离开加州。与之形成对比，OpenAI公开反对SB1047，支持替代法案。Adobe和微软则支持加州另项新法案AB3211，要求标记AI生成内容。这些动态凸显了科技行业在AI监管方面的分歧，马斯克与OpenAI的立场对立成为焦点。
学术界近期面临了一场关于数据使用权的争议，随着许多学术出版商开始将研究论文数据打包出售给科技公司用于训练AI模型，这一行动引发了广泛讨论。泰勒与弗朗西斯出版商与微软、威利出版商与某家公司之间的交易，使得学术成果被用于提升AI系统能力，这一做法在科研界引起了波澜。专家指出，一旦论文被用于训练，很难在后续移除，且数据集的广泛获取使得AI模型能够学习并生成高质量文本。华盛顿大学研究员Lucy Lu Wang表示，学术论文作为信息密度高、篇幅长的数据源，对大型语言模型训练极为宝贵。购买高质量数据集的趋势上升，使得媒体、平台与AI开发者合作，销售内容成为可能。然而，对于如何证明论文是否在训练集中，以及如何分配信用和使用权限，目前缺乏明确机制。这引发了对AI使用版权内容的法律与伦理争议，部分学者对此表示欢迎，认为AI能提升研究准确性，但也有人对此表示担忧，认为自身工作受到威胁。未来，如何平衡AI发展与学术诚信，将是科研领域面临的重要挑战。
根据PARAT数据库的最新报告，全球人工智能(AI)行业的竞争格局正在形成，美国的Alphabet(谷歌母公司)和微软凭借在AI论文引用量上的优势领先，中国百度和腾讯则在专利申请数量上表现出强劲的后劲。这份报告颠覆了人们对AI领域的固有认知，强调了尖端研究在工业界的蓬勃发展，尤其是中国企业的研究质量。《Attention Is All You Need》论文是AI研究中被引用次数最多的论文，展示了谷歌在AI领域的领导地位。中国机构如腾讯、阿里巴巴和华为在高被引AI论文和预印本数量上排名全球前十。在专利申请方面，AI专利申请数量最多的前十家公司中，美国公司仅占三席，中国、德国和韩国的公司占主导地位。此外，报告还揭示了许多不以AI创新闻名的公司实际上在AI领域也表现出活跃度。亚马逊以1.4万个AI岗位独占鳌头，显示了其在AI人才争夺上的投入和野心。整体而言，美国和中国在AI领域的竞争尤为激烈，而其他国家和企业也积极参与，预示着AI未来发展的广阔前景和深远影响。
本文探讨近期《自然·机器智能》杂志上发表的一篇论文，介绍了一种令人瞩目的新方法——视觉预测编码（visual predictive coding）。此技术向我们展示了如何让人工智能构建认知地图，模仿人类大脑中的神经结构来处理视觉信息及理解周围环境。研究的核心思想则通过对未来的感官输入进行预测，帮助机器从过往经验中学习并构建环境地图。通过构建神经网络模型模拟人类大脑中的预测过程，论文展现出机器能够自动从单张图片中构建出高精度的认知地图。团队进一步在模拟环境中对这一方法进行了验证，结果显示机器人不仅能够精确构建环境地图且支持有效导航。 此项研究标志着人工智能领域的一次重大进展，预示未来AI可能具备更高度的智能理解与感知力，适应更多人类生活和工作的场景，为自动驾驶、家庭助手、医疗诊断、教育辅导等领域带来革命性变化。借助视觉预测编码技术，人工智能正逐渐接近人类的认知水平，为这一领域带来无限可能性与潜力。
