近期，Deepfake技术滥用事件在韩国引起广泛关注，近22万人通过Telegram传播AI生成的色情图片，对女性权益造成严重伤害。这一事件与"N号房事件"相呼应，凸显了AI技术滥用的社会危害。中国女工程师张欣怡及其团队针对这一问题，宣布将参加外滩大会AI创新赛的Deepfake模型向全球开源，旨在为对抗Deepfake技术滥用提供技术手段。该举动在社交媒体上获得广泛关注，视频播放量超过151万次。张欣怡表示，团队受到韩国事件启发，旨在通过技术手段为受害者提供保护。开源模型旨在降低使用门槛，让更多人能便捷地对抗Deepfake。此外，赛事设立奖金池鼓励技术人才，推动AI向善发展。尽管技术对抗是重要一环，还需从法律、教育等多层面构建全面防御体系，包括加强法律法规、提高公众媒体素养、培养负责任的技术使用文化等。张欣怡的行动为解决Deepfake问题提供范例，但解决这一问题需要社会各界共同努力。

中国科学院自动化研究所与清华大学、北京大学等机构合作，提出了一种基于内生复杂性的类脑神经元模型构建方法。该方法展示了脉冲神经网络中LIF模型与HH模型的动力学特性等效性，并通过设计微架构提升了计算单元的内生复杂性，使得HH网络模型能够模拟更大规模的LIF网络模型特性。研究团队还简化了模型为s-LIF2HH模型，并通过仿真实验验证了其在捕捉复杂动力学行为方面的有效性。实验结果显示，HH网络模型在表示能力和鲁棒性上与s-LIF2HH模型相似，但在计算资源消耗方面更为高效。这项研究为将人工智能融入神经科学复杂动力学特性提供了新方法，加速了AI模型的优化与实际应用。研究团队计划进一步研究更大规模的HH网络及更复杂神经元，以提升大模型的计算效率与任务处理能力。

["中科院物理研究所发布材料合成 AI 大语言模型 MatChat","通过使用来自 400 多万篇论文中提取的 35675 个无机材料固相反应合成过程，将数据处理为 13878 条高可信度的合成路径描述数据","该模型基本具备材料合成领域知识的生成和推理能力","经实验验证，该模型在预测合成复杂的无机材料时，具备超过 ChatGPT 的性能表现","该成果展现出大模型在材料领域的创新潜力和应用空间，为材料研究和创新带来了新的启发和思路"]

["OBIA收录了来自301医院的937例患者、193万张医学影像,涵盖9种模态、30个解剖部位。","OBIA实现了影像数据的去标识化、管理、质量控制,为用户提供浏览、检索、下载服务。","OBIA填补了国内生物医学影像数据开放共享的空白,有助推动医学影像AI的发展。"]