FX168财经网_全球视野外汇黄金加密货币NFT资讯网

银轮股份：目前芯片散热系统已获全球头部车企量产配套，数据中心冷却系统研发已取得重要进展

02126.SZ)在互动平台表示，当前人工智能AI正处快速发展期，底层数据处理中心算力大幅提升，带来芯片发热量几何倍数提高，散热需求增加热管理系统是影响数据中心PUE的关键因素，液冷技术是目前解决数据中心散热难题的有效方案。公司在芯片散热和大型数据中心冷却系统方面研发已持续数年，目前芯片散热系统已获得全球头部车企量产配套，数据中心冷却系统研发已取得重要进展。浙江银轮机械股份有限公司是一家专业研发、制造和销售各种热管理和尾气后处理产品的民营股份制上市公司，现在全球拥有全资、控股子公司40多家。（来源:界面AI）声明：本条内容由界面AI生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。

有连云2023-04-10

ChatGPT概念下挫，海天瑞声跌超8%，经济日报刊文《热捧人工智能需防泡沫》，中信等多家券商提示风险

3年TMT第一浪较为接近。短期需要承认人工智能AI+数字经济（TMT）行情存在热度偏高的迹象，出现高位调整的可能性在上升。　　天风证券亦认为，考虑TMT板块短期交易拥挤度抬升过快、且4月财报季在即，纯粹超预期的主题行情可能暂告一段落，年报一季报的指引性将明显提升。　　此前，华创证券指出，AIGC胜率、赔率都不高，接近拔估值尾声，半年内预计无超额收益。　　研报中提及：AIGC和人工智能指数均创历史新高；行业成交热度看，计算机、传媒、通信均接近历史峰值，其中计算机、通信均处2010年以来98％分位，传媒已处100％分位。　　而从历史上主题行情中，相对成交热度短期触顶后，相关板块通常需要时间消化估值，半年内可能无超额收益，典型如2022年4月~6月的新能源、2021年10月~2022年1月的元宇宙、2020年7月~2021年2月的茅指数。　　基于此，华创证券指出：　　历史上大的主题行情，通常经历“拔估值-回调-冲高”三个阶段。假设当前的人工智能行情能演绎成类似国产替代、双碳的大主题行情，当前仍处拔估值第一阶段。　　对比历史上大的主题行情第一阶段，AIGC目前赔率不高，接近拔估值尾声，AIGC指数后续或存在0~15％的上涨空间，最大回撤点位对应当前指数跌幅可能在8％~30％左右。　　不过华安策略则认为，通信、传媒、电子尚有较大空间。　　该机构指出，计算机拔估值行情已接近历史可比分位数“天花板”位置。截至4月5日，计算机估值68.1X，分位数82.5％，已经显著高于2018年3月下旬和2022年1月中旬。往上空间考虑到“天花板”整体随时间而下降的规律，以及其他“天花板”限制，假如计算机估值能修复到90％分位，对应估值将为75.4X，还有10.7％的提升空间。　　通信当前估值和分位数远低于此前“天花板”。当前估值32.2X，分位10.6％。假如参考此前最低“天花板”分位数47.6％，估值将达到39.5X，相比当前还有22.7％提升空间。　　传媒当前估值和分位远低于此前“天花板”。当前估值44X，分位55.9％。按照“天花板”下移趋势，假如分位数能提升到80％，估值将能提升到57X，还有29.5％的空间。　　电子当前估值和分位同样远低于历史“天花板”。当前估值37X，分位27.8％。按照“天花板”下移趋势，假如分位数能提升到70％，估值将能提升到56.1X，还有51.6％的空间。　　此外需要重点补充说明的是，估值提升空间≠指数上涨空间，尤其是在当前4月份正处于年报和一季报集中披露期，随着业绩的披露，行业估值可能出现较大幅度的计算性偏移。

金融界2023-04-10

人工智能来了，人类怎么办？调查显示80%HR愿使用ChatGPT替代人工

根据ResumeBuilder今年2月的研究，有一半的企业领导者表示自己正在使用ChatGPT，30%的人表示他们计划使用。ResumeBuilder的首席职业顾问Stacie Haller说，这些数据可能只是冰山一角。自调查完成以来，越来越多的专业人士开始使用生成式人工智能。

迪星妮2023-04-09

狗狗币 (DOGE)、柴犬 (SHIB)和 RenQ Finance (RENQ) 是准备在2023年让你致富的3种代币

包括收益农业、质押和流动性提供，并利用人工智能 (AI) 技术改进投资策略和资产管理。 RenQ Finance的人工智能算法分析数据和市场趋势，以优化投资组合并最大限度地降低风险，为用户提供更高效和有效的投资机会。此外，通过利用区块链技术，RenQ Finance 消除了对中介机构和中央机构的需求，让所有人都能更轻松地获得金融服务。 RenQ Finance 还提供去中心化交易所 (DEX)，使用户能够以无需信任且安全的方式交易其加密货币。该平台的 DEX 设计为用户友好且直观，为用户提供易于使用的界面来访问流动性矿池并进行交易。 RenQ Finance 因其高回报潜力而受到投资者的极大关注。 2022 年，RenQ Finance 的价格飙升超过 1,500%，该代币在 2023 年继续表现出令人瞩目的增长，近期飙升超过 75%。专家预测，该代币可能在未来几个月继续表现良好，潜在涨幅高达 5,000%。与 Dogecoin 和 Shiba Inu 不同，RenQ Finance 的价值不受价格突然波动的影响，使其成为更稳定的投资选择。结论到 2023 年，狗狗币、柴犬和 RenQ Finance 是三种可能跑赢其他代币的代币。虽然 Dogecoin 和 Shiba Inu 是基于 meme 的代币，具有高度波动的价值，但 RenQ Finance 是一种更稳定的投资选择，在 DeFi 领域拥有坚实的基础。然而，投资者在投资加密货币时应始终进行研究并谨慎行事，因为市场高度不可预测且容易发生突然变化。来源：金色财经

金色财经2023-04-08

美国议员组团赴硅谷与好莱坞讨论中国问题！苹果、迪士尼、谷歌、微软高管说了些什么？

微软总裁布拉德·史密斯周四在硅谷发表了人工智能(AI)相关演讲，并警告称，在ChatGPT等工具普及的生成式人工智能(AI)方面，美国和中国的差距很小。他还讨论了稀土矿物的开采和加工，稀土是某些科技设备的关键部件。史密斯和谷歌、Palantir和ScaleAI的高管一起参加了与委员会成员的午宴。据斯坦福大学国家安全创新中心创始成员史蒂夫·布兰克说，议员们还会见了来自斯坦福大学的专家，包括来自国家安全创新Gordian Knot中心的专家。布兰克在周四讨论结束后的电话中说，他传达了一种国防战略的必要性，即需要在不同行业建立更多的公私合作伙伴关系，以使美国跟上中国的步伐。布兰克说，与会议员的两党合作和兴趣给他留下了深刻的印象。布兰克说:“总的来说，他们问的问题，你会非常自豪地成为坐在那个房间里的美国人。”“他们是两党合作的，他们说到点子上了，他们非常聪明。这些人了解这些问题，他们正在努力帮助这个国家变得更好。” 加州民主党众议员罗·康纳周二出行前，他在接受CNBC电话采访时表示，他对同事们访问他的家乡感到兴奋。康纳说，对立法者来说，花时间学习人工智能、量子计算和气候技术等前沿技术，以更好地理解如何监管和培育它，总是很有价值的。 “我认为，让每位国会议员都在硅谷呆上一周是明智的，”康纳说。“从经济到国家安全，再到我们的公民身份问题，技术将定义如此多的领域，我们需要人们沉浸在其中，至少理解它。” 康纳和其他人说，这次旅行的主要目的是调查事实。虽然这些对话可能会为未来的政策制定和听证会提供信息，但议员们参加会议的目的是向实地的行业高管学习。该集团还计划于周四与风险投资家会面，包括安德森·霍洛维茨基金(Andreessen Horowitz)、科斯拉风投(Khosla Ventures)和SV Angel。康纳预计，风投们将讨论政府如何“更好地与私营部门合作”，以在新兴技术的关键领域保持领先于中国。据熟悉该委员会计划的消息人士透露，周五，议员们将与斯坦福大学的专家讨论加密货币问题，然后前往库比蒂诺，在苹果总部与库克会面。康纳表示，他预计商界领袖将向政策制定者通报他们在中国以外的供应链多元化方面取得的任何进展，以及他们如何利用中国的出口收入在美国投资。在与苹果首席执行官的会面中，康纳表示，他预计库克将“坦率地谈论供应链问题”，包括在中国以外实现生产多元化的复杂性和进展。周四，在行程进行到一半的时候，密歇根州民主党众议员海利·史蒂文斯接受了电话采访。她说，她看到了科技和媒体行业在中国面临的挑战与她所在州的汽车行业面临的挑战之间的共同主题。史蒂文斯说:“在我看来，我们参加的每一次会议都与密歇根州的经济和我们作为一个国家的制造业能力有关。”“作为一个制造业冠军，作为一个了解制造业和技术之间相互关系的人，我进入委员会的主题之一是:我们还需要做些什么来激励和发展美利坚合众国的产业政策?”史蒂文斯说。她指出，《芯片与科学法案》(Chips and Science Act)的通过是激励国内半导体制造业的一个例子。史蒂文斯说:“现在，我们正在研究特定于供应链漏洞和弱点的其他领域，这些领域将影响我们的经济，除了芯片之外，我们希望在量子和人工智能方面具有竞争力。”

财经风云2023-04-08

零知识机器学习 (ZKML) ：ZK与AI将会碰撞出怎样的火花？

会更加容易使用。机器学习机器学习是人工智能（「AI」）领域的一个研究方向，使得计算机可以自动从经验中学习和改进，无需明确地进行编程。它利用算法和统计模型来分析和识别数据中的模式，然后基于这些模式进行预测或决策。机器学习的最终目标是开发出能够自适应学习、不需要人类干预以及在医疗保健、金融和交通等各个领域解决复杂问题的智能系统。最近，您可能已经看到了大型语言模型（如 chatGPT 和 Bard）以及文本到图像的模型（如 DALL-E 2、Midjourney 或 Stable Diffusion）的进展。随着这些模型变得越来越好，并且能够执行更广泛的任务，了解是哪个模型执行了这些操作就变得非常重要，还是操作由人类执行。在接下来的部分中，我们将探讨这个思路。 ZKML 的动机和当前努力我们生活在一个世界上，AI/ML 生成的内容越来越难以与人类生成的内容区分开来。零知识密码学将使我们能够做出这样的声明：「给定一段内容 C，它是由模型 M 应用于一些输入 X 生成的。」我们将能够验证某个输出是否是由大型语言模型（如 chatGPT）或文本到图像模型（如 DALL-E 2）等任何其他我们为其创建了零知识电路表示的模型所生成的。这些证明的零知识属性将使我们能够根据需要也隐藏输入或模型的某些部分。一个很好的例子是在一些敏感数据上应用机器学习模型，在不透露输入到第三方的情况下，用户可以知道他们的数据在模型推理后的结果（例如，在医疗行业）。注：当我们谈论 ZKML 时，我们是指创建 ML 模型推理步骤的零知识证明，而不是关于 ML 模型训练（它本身已经非常计算密集）。目前，现有技术水平的零知识系统加上高性能硬件仍然相差几个数量级，无法证明当前可用的大型语言模型（LLMs）等庞大的模型，但是在创建较小模型的证明方面已经取得了一些进展。我们对零知识密码学在为 ML 模型创建证明的上下文中的现有技术水平进行了一些研究，并创建了一个聚合相关研究、文章、应用程序和代码库的文章集。ZKML 的资源可以在 GitHub 上的 ZKML 社区的 awesome-zkml 存储库中找到。 Modulus Labs 团队最近发布了一篇名为「智能的成本」的论文，其中对现有的 ZK 证明系统进行了基准测试，并列举了不同大小的多个模型。目前，使用像 plonky2 这样的证明系统，在强大的 AWS 机器上运行 50 秒左右，可以为约 1800 万个参数的模型创建证明。以下是该论文中的一张图表：另一个旨在改进 ZKML 系统技术水平的倡议是 Zkonduit 的 ezkl 库，它允许您创建对使用 ONNX 导出的 ML 模型的 ZK 证明。这使得任何 ML 工程师都能够为他们的模型的推理步骤创建 ZK 证明，并向任何正确实现的验证器证明输出。有几个团队正在改进 ZK 技术，为 ZK 证明内部发生的操作创建优化硬件，并针对特定用例构建这些协议的优化实现。随着技术的成熟，更大的模型将在较不强大的机器上短时间内进行 ZK 证明。我们希望这些进展将使新的 ZKML 应用程序和用例得以出现。潜在的使用案例为了确定 ZKML 是否适用于特定的应用，我们可以考虑 ZK 密码学的特性将如何解决与机器学习相关的问题。这可以用一个 Venn 图来说明：定义： 1.Heuristic optimization—一种问题解决方法，它使用经验法则或「启发式」来找到艰难的问题的好解决方案，而不是使用传统的优化方法。启发式优化方法旨在在相对的重要性和优化难度下，在合理的时间内找到好的或「足够好」的解决方案，而不是尝试找到最优解决方案。 2.FHE ML—完全同态加密 ML 允许开发人员以保护隐私的方式训练和评估模型；然而，与 ZK 证明不同，没有办法通过密码学方式证明所执行的计算的正确性。像 Zama.ai 这样的团队正在从事这个领域的工作。 3.ZK vs Validity—在行业中，这些术语通常被互换使用，因为有效性证明是 ZK 证明，不会隐藏计算或其结果的某些部分。在 ZKML 的上下文中，大多数当前的应用程序都利用了 ZK 证明的有效性证明方面。 4.Validity ML—ZK 证明 ML 模型，在其中没有计算或结果被保密。它们证明计算的正确性。以下是一些潜在的 ZKML 用例示例： 1. 计算完整性（有效性 ML） Modulus Labs 基于链上可验证的 ML 交易机器人 - RockyBot 自我改进视觉区块链（示例）：增强 Lyra 金融期权协议 AMM 的智能特性为 Astraly 创建透明的基于 AI 的声誉系统（ZK oracle）使用 ML for Aztec Protocol（具有隐私功能的 zk-rollup）致力于合同级合规工具所需的技术突破。 2. 机器学习即服务 (MLaaS) 透明； 3.ZK 异常/欺诈检测：这种应用场景使得可创建针对可利用性/欺诈的 ZK 证明成为可能。异常检测模型可以在智能合约数据上进行训练，并由 DAOs 同意作为有趣的度量标准，以便能够自动化安全程序，如更主动、预防性地暂停合约。已有初创企业正在研究在智能合约环境中使用 ML 模型进行安全目的的方法，因此 ZK 异常检测证明似乎是自然的下一步。 4.ML 推理的通用有效性证明：能够轻松证明和验证输出是给定模型和输入对的乘积。 5. 隐私 (ZKML) 6. 去中心化的 Kaggle：证明模型在某些测试数据上的准确率大于 x%，而不会显示权重。 7. 隐私保护推理：将对私人患者数据的医疗诊断输入模型，并将敏感的推理（例如，癌症测试结果）发送给患者。 8.Worldcoin： IrisCode 的可升级性：World ID 用户将能够在他们的移动设备的加密存储中自我保管其生物特征，下载用于生成 IrisCode 的 ML 模型并在本地创建零知识证明，以证明其 IrisCode 已成功创建。这个 IrisCode 可以被无需许可地插入注册的 Worldcoin 用户之一，因为接收的智能合约可以验证零知识证明，从而验证 IrisCode 的创建。这意味着，如果 Worldcoin 将来升级机器学习模型以一种破坏与其之前版本兼容性的方式创建 IrisCode，用户就不必再次去 Orb，而可以在设备上本地创建这个零知识证明。 Orb 安全性：目前，Orb 在其受信任的环境中执行几个欺诈和篡改检测机制。然而，我们可以创建一个零知识证明，表明这些机制在拍摄图像和生成 IrisCode 时是活动的，以便为 Worldcoin 协议提供更好的活体保证，因为我们可以完全确定这些机制在整个 IrisCode 生成过程中都将运行。总之，ZKML 技术有着广泛的应用前景，并且正在快速发展。随着越来越多的团队和个人加入到这个领域，我们相信 ZKML 的应用场景将会更加多样化和广泛化。来源：金色财经

金色财经2023-04-07

颠覆20年互联网传统！谷歌重磅宣布：搜索引擎加入聊天AI 挑战突破ChatGPT机器人

谷歌将在搜索引擎中加入聊天AI，应对来自ChatGPT等聊天机器人的压力，并将增强谷歌回答一系列搜索查询的能力。谷歌搜索引擎占据90%以上的市场份额，此举将颠覆20年互联网的传统体验。

小萧2023-04-07

中颖电子：公司暂未涉及人工智能Ai芯片

7.SZ)在互动平台表示，公司暂未涉及人工智能Ai芯片。中颖电子股份有限公司创立于1994年，是一家专注于MCU及锂电池管理芯片领域的芯片设计公司，是上海市企业技术中心、高新技术企业、国家认定的重点集成电路设计企业。（来源:界面AI）声明：本条内容由界面AI生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。

有连云2023-04-07

密码学新趋势：零知识机器学习是什么？

会更加容易使用。机器学习机器学习是人工智能（“AI”）领域的一个研究方向，使得计算机可以自动从经验中学习和改进，无需明确地进行编程。它利用算法和统计模型来分析和识别数据中的模式，然后基于这些模式进行预测或决策。机器学习的最终目标是开发出能够自适应学习、不需要人类干预以及在医疗保健、金融和交通等各个领域解决复杂问题的智能系统。最近，您可能已经看到了大型语言模型（如 chatGPT 和 Bard）以及文本到图像的模型（如 DALL-E 2、Midjourney 或 Stable Diffusion）的进展。随着这些模型变得越来越好，并且能够执行更广泛的任务，了解是哪个模型执行了这些操作就变得非常重要，还是操作由人类执行。在接下来的部分中，我们将探讨这个思路。 ZKML 的动机和当前努力我们生活在一个世界上，AI/ML 生成的内容越来越难以与人类生成的内容区分开来。零知识密码学将使我们能够做出这样的声明：“给定一段内容 C，它是由模型 M 应用于一些输入 X 生成的。”我们将能够验证某个输出是否是由大型语言模型（如 chatGPT）或文本到图像模型（如 DALL-E 2）等任何其他我们为其创建了零知识电路表示的模型所生成的。这些证明的零知识属性将使我们能够根据需要也隐藏输入或模型的某些部分。一个很好的例子是在一些敏感数据上应用机器学习模型，在不透露输入到第三方的情况下，用户可以知道他们的数据在模型推理后的结果（例如，在医疗行业）。注：当我们谈论 ZKML 时，我们是指创建 ML 模型推理步骤的零知识证明，而不是关于 ML 模型训练（它本身已经非常计算密集）。目前，现有技术水平的零知识系统加上高性能硬件仍然相差几个数量级，无法证明当前可用的大型语言模型（LLMs）等庞大的模型，但是在创建较小模型的证明方面已经取得了一些进展。我们对零知识密码学在为 ML 模型创建证明的上下文中的现有技术水平进行了一些研究，并创建了一个聚合相关研究、文章、应用程序和代码库的文章集。ZKML 的资源可以在 GitHub 上的 ZKML 社区的 awesome-zkml 存储库中找到。 Modulus Labs 团队最近发布了一篇名为“智能的成本”的论文，其中对现有的 ZK 证明系统进行了基准测试，并列举了不同大小的多个模型。目前，使用像 plonky2 这样的证明系统，在强大的 AWS 机器上运行 50 秒左右，可以为约 1800 万个参数的模型创建证明。以下是该论文中的一张图表：另一个旨在改进 ZKML 系统技术水平的倡议是 Zkonduit 的 ezkl 库，它允许您创建对使用 ONNX 导出的 ML 模型的 ZK 证明。这使得任何 ML 工程师都能够为他们的模型的推理步骤创建 ZK 证明，并向任何正确实现的验证器证明输出。有几个团队正在改进 ZK 技术，为 ZK 证明内部发生的操作创建优化硬件，并针对特定用例构建这些协议的优化实现。随着技术的成熟，更大的模型将在较不强大的机器上短时间内进行 ZK 证明。我们希望这些进展将使新的 ZKML 应用程序和用例得以出现。潜在的使用案例为了确定 ZKML 是否适用于特定的应用，我们可以考虑 ZK 密码学的特性将如何解决与机器学习相关的问题。这可以用一个 Venn 图来说明：定义： 1.Heuristic optimization—— 一种问题解决方法，它使用经验法则或“启发式”来找到艰难的问题的好解决方案，而不是使用传统的优化方法。启发式优化方法旨在在相对的重要性和优化难度下，在合理的时间内找到好的或“足够好”的解决方案，而不是尝试找到最优解决方案。 2.FHE ML —— 完全同态加密ML允许开发人员以保护隐私的方式训练和评估模型；然而，与ZK证明不同，没有办法通过密码学方式证明所执行的计算的正确性。像 Zama.ai 这样的团队正在从事这个领域的工作。 3.ZK vs Validity —— 在行业中，这些术语通常被互换使用，因为有效性证明是ZK证明，不会隐藏计算或其结果的某些部分。在ZKML的上下文中，大多数当前的应用程序都利用了ZK证明的有效性证明方面。 4.Validity ML —— ZK证明ML模型，在其中没有计算或结果被保密。它们证明计算的正确性。以下是一些潜在的 ZKML 用例示例： 1.计算完整性（有效性 ML） Modulus Labs 基于链上可验证的 ML 交易机器人 - RockyBot 自我改进视觉区块链（示例）：增强 Lyra 金融期权协议 AMM 的智能特性为 Astraly 创建透明的基于 AI 的声誉系统（ZK oracle）使用 ML for Aztec Protocol（具有隐私功能的 zk-rollup）致力于合同级合规工具所需的技术突破。 2.机器学习即服务(MLaaS) 透明； 3.ZK 异常/欺诈检测：这种应用场景使得可创建针对可利用性/欺诈的 ZK 证明成为可能。异常检测模型可以在智能合约数据上进行训练，并由 DAOs 同意作为有趣的度量标准，以便能够自动化安全程序，如更主动、预防性地暂停合约。已有初创企业正在研究在智能合约环境中使用 ML 模型进行安全目的的方法，因此 ZK 异常检测证明似乎是自然的下一步。 4.ML 推理的通用有效性证明：能够轻松证明和验证输出是给定模型和输入对的乘积。 5.隐私 (ZKML)。 6.去中心化的 Kaggle：证明模型在某些测试数据上的准确率大于 x%，而不会显示权重。 7.隐私保护推理：将对私人患者数据的医疗诊断输入模型，并将敏感的推理（例如，癌症测试结果）发送给患者。 8.Worldcoin： IrisCode 的可升级性：World ID 用户将能够在他们的移动设备的加密存储中自我保管其生物特征，下载用于生成 IrisCode 的 ML 模型并在本地创建零知识证明，以证明其 IrisCode 已成功创建。这个 IrisCode 可以被无需许可地插入注册的 Worldcoin 用户之一，因为接收的智能合约可以验证零知识证明，从而验证 IrisCode 的创建。这意味着，如果 Worldcoin 将来升级机器学习模型以一种破坏与其之前版本兼容性的方式创建 IrisCode，用户就不必再次去 Orb，而可以在设备上本地创建这个零知识证明。 Orb 安全性：目前，Orb 在其受信任的环境中执行几个欺诈和篡改检测机制。然而，我们可以创建一个零知识证明，表明这些机制在拍摄图像和生成 IrisCode 时是活动的，以便为 Worldcoin 协议提供更好的活体保证，因为我们可以完全确定这些机制在整个 IrisCode 生成过程中都将运行。总之，ZKML 技术有着广泛的应用前景，并且正在快速发展。随着越来越多的团队和个人加入到这个领域，我们相信 ZKML 的应用场景将会更加多样化和广泛化。来源：金色财经

金色财经2023-04-07

ChatGPT惨遭围剿？多国封杀近万人联名抵制

爱尔兰、西班牙和瑞典等国家也开始考虑对人工智能(AI)采取更严格的监管。不仅如此，多国企业和机构也开始调查或采取措施限制使用该软件。3月末，韩国三星半导体部门发生了3起因员工在ChatGPT上输入设备信息及重要会议摘要，导致公司机密外泄风险陡增的事件。出于对信息泄露的担忧，包括软银、日立、富士通、三菱日联银行和三井住友银行在内的日本公司已开始限制在业务运营中使用ChatGPT等交互式人工智能服务。与此同时，另一个引发关注的焦点是，如今GPT-4可能具备“自我进化”的能力。前谷歌大脑研究工程师Eric Jang发现，GPT-4能够以合理的方式批评自己的成果，“AI是否能够超越人类”这个终极难题再度浮现。 4月4日，美国总统拜登会见了白宫科技顾问委员会，讨论了人工智能发展的快速进步对个人用户和国家安全构成的风险和机遇。拜登表示，科技公司有责任确保其产品在公开之前是安全的。 4月5日，OpenAI在其官网中发布了题为《Our approach to AI safety》（《我们保障 AI 安全的方法》）的文章，介绍了该公司确保 AI 模型安全性的部署。文章称，“AI 工具为当今人类提供了许多好处。OpenAI 同样意识到，与任何技术一样，这些工具带来了实际风险，因此该公司正努力确保在系统的各个层面都建立安全保障。” 作为人工智能坚定的拥护者，比尔•盖茨表示暂停AI研发无法解决问题，应当把注意力放在如何最好地利用人工智能的发展上。盖茨称，“我不认为命令一个特定的群体暂停（发展）能够解决所有的问题，很显然AI进步有着巨大的益处，我们需要做的是找出那些棘手的领域。” 不仅如此，据全球会计师事务所毕马威（KPMG）的一项研究，新兴国家特别是金砖国家集团，对人工智能技术接受程度较高，如巴西、印度和南非等国。此外，我国各大厂对AI赛道的争夺已呈现白热化趋势。由此可见，人工智能禁令可能并不现实，因为有许多人工智能模型已在使用中和开发中。虽然有人在敲响警钟，但也有人表示AI并不是问题所在，而是社会预测使用它产生的潜在影响。如果AI是提升人类认知水平和科技水平的一种工具，我们应该用AI来提高认知，应对其他潜在风险，而不是去猜测可能性。总结自ChatGPT发布，全球竞逐AI赛道，人工智能发展的速度已超乎我们的想象。但不可不认，科技的潘多拉魔盒一旦被打开，就很难再把它缩回去。 “鱼和熊掌不可兼得”，众多选择已摆在人类面前：AI研发是创新在前还是伦理优先？政府该放任还是监管？人工智能已经走到十字路口，想让人工智能变得更聪明，同时对人类做有益的贡献，这还有很长的路要走。来源：金色财经

金色财经2023-04-06

24小时热点