# AI及信息技术应用2022年3月28日简报 ## 1. 核心定义 > 人工智能应用：利用机器学习和深度学习技术，在各个领域实现自动化和智能化的解决方案。 ## 2. 核心洞察 (TL;DR) - 监督学习和深度学习在新闻标题情绪分析中表现出色，准确率分别为92%和96% - 英伟达发布H100 GPU，性能强劲，支持人工智能领域的数据计算需求 - OpenAI的代码-达芬奇模型通过自然语言构建游戏和应用程序，无需接触代码 ## 3. 关键事实与数据 - 关键事实1: 监督学习和深度学习在新闻标题情绪分析中的准确率分别为92%和96% - 关键事实2: 英伟达H100 GPU性能强劲，支持人工智能领域的数据计算需求 - 关键事实3: OpenAI的代码-达芬奇模型通过自然语言构建游戏和应用程序，无需接触代码 ## 4. 深度分析正文 AI及信息技术应用2022年3月28日简报 ===================== 本周Google文档摘要、分析跟踪健康记录、CRM应用，都是很经典的AI应用场景，也是看出来大厂的弊端，小公司创业团队已经做了比较久、有一定应用了，大厂就进来了。智猪博弈，让市场来承担创新的成本。本周令人耳目一新的是英伟达的h100，性能真强。 ****01＃AI应用**** 新闻头条的情绪分析：经典的监督学习与深度学习方法 \[摘要\]:构建了一个二元分类器来检测新闻标题的情绪。但是，我们首先使用 Snorkel 方法使用一些启发式规则来创建对负面和正面标题进行分类的标签。我们使用监督机器学习和深度学习方法创建了情绪预测。这两种方法都成功地预测了新给定实例的正确标题，并且它们在逻辑回归和深度神经网络中的准确率分别为 92% 和 96%。 英伟达展示用于人工智能的 H100 GPU  ********\[摘要\]:********在其年度 GTC 会议上英伟达宣布了一系列以人工智能为重点的企业产品。其中包括其新硅架构 Hopper 的详细信息；第一个使用该架构构建的数据中心 GPU， H100 ；新的Grace CPU“超级芯片” ；并模糊地计划建造该公司声称将是世界上最快的人工智能超级计算机，名为Eos 。英伟达从过去十年的人工智能热潮中受益匪浅，其 GPU 与流行的数据密集型深度学习方法完美匹配。英伟达表示，随着人工智能领域对数据计算需求的增长，它希望提供更多的火力。 **使用 OpenAI 的代码-达芬奇模型完全通过自然语言构建游戏和应用程序** ********\[摘要\]:********使用 OpenAI 的代码-达芬奇模型完全通过自然语言构建游戏和应用程序，无需接触任何代码。OpenAI 有一个新的代码生成模型，它在许多方面都得到了改进，可以处理近两倍的文本（4,000 个令牌）。存在局限性，纯粹通过简单的文本指令进行编码可以扩展你的想象力，但这是一个巨大的飞跃和一个有趣的实验。 **Google Docs 中自动生成的摘要** \[摘要\]:一个特定的文档可能有许多可以被认为是正确的摘要，并且不同的读者可能喜欢不同的摘要。 将最近的研究进展应用到 Google Docs 数据 我监督的预训练导致 ML 模型具有一般的语言理解和生成能力，但随后的微调阶段对于模型适应应用领域至关重要。结合 NLU 和 NLG 的一种流行方法是使用序列到序列学习训练 ML 模型，其中输入是文档词，输出是摘要词。我们希望 Google Workspace 现在提供的动建议功能可以让作者更轻松地使用摘要对文档进行注释，并帮助读者更轻松地理解和浏览文档。尽管此，这些模型仍需要大量手动标记的数据才能充分训练，因此仅 Transformer 的出现不足以显著提升文档摘要的最新技术水平。我们描述了何使用机器学习 (ML) 模型实现这一点，该模型可以理解文档文本，并在有把握的情况生成文档内容的 1-2 句然语言描述。 Meta AI 的 Sparse All-MLP 模型与 Transformers 相比，训练效率翻倍 \[摘要\]:Transformer 架构在自然语言处理 (NLP) 和许多计算机视觉任务方面建立了最先进的技术，最近的研究表明，All-MLP（多层感知器）架构在这些领域也具有强大的潜力。然而，尽管新提出的 MLP 模型如gMLP (Liu et al., 2021a) 可以在语言建模困惑上与转换器匹配，但它们在下游性能上仍然落后。在新论文Efficient Language Modeling with Sparse all-MLP中，Meta AI 和纽约州立大学布法罗分校的研究团队使用混合专家 (MoE) 技术通过稀疏激活条件计算扩展了 gMLP 模型。他们产生的 sMLP 稀疏激活的全 MLP 架构提高了全 MLP 在大规模 NLP 预训练中的性能，与基于变压器的专家混合 (MoE) 架构、transformers和gMLP。 **人工智能在短短六小时内提出了 40,000 种可能的新化学武器** \[摘要\]:开发药物的 AI 用了不到 6 个小时就发明了 40,000 个可能致命的分子。研究人员将通常用于寻找有用药物的人工智能置于一种“坏演员”模式中，以展示它在生物军备控制会议上被滥用的容易程度。 **谷歌推出谷歌云联络中心人工智能平台** \[摘要\]:谷歌正在推出谷歌云联络中心人工智能平台，这是其联络中心人工智能产品的扩展，该公司称该产品为联络中心提供了一个开箱即用的端到端解决方案，并将人工智能、云可扩展性、多体验能力和 CRM 集成。根据Google的说法，Contact Center AI Platform 是专门构建的或客户关系管理平台，它扩展了提供个性化客户体验的能力，无论是通过虚拟代理还是人工代理，都可以在整个组织的品牌中提供一致的体验。该公司表示，新产品可以消除许多历史上的痛点，包括管理数据碎片和僵化的客户体验流程，以创建更具吸引力、个性化和灵活的客户支持。 市场研究机构 NielsenIQ 收购了ciValue  \[摘要\]:ciValue ，后者是一个人工智能驱动的客户分析平台供应商，为零售商提供更多服务。NielsenIQ 零售媒体全球主管 Xavier Facon 在一份声明中表示：“将 ciValue 平台与 Connect 集成是全球零售商的游戏规则改变者。” “这种基于 SaaS 的协作解决方案将迅速提供洞察力，使零售商及其品牌合作伙伴与消费者的需求保持一致，跨实体和数字渠道执行个性化内容。” 微软使用 Z-Code 改进其 AI 翻译 \[摘要\]:微软用新的人工智能模型更新了第三方应用程序、聊天机器人和呼叫中心的语言翻译器，比以前的模型好15% 。这个新系统，可以直接在 10 种语言之间进行翻译，从而消除了对多个系统的需求。微软最近还开始使用 Z-Code 模型来改进其 AI 系统的其他功能，包括实体识别、文本摘要、自定义文本分类和关键词提取。不过，这是它第一次将这种方法用于翻译服务。 Mayo Clinic 正在探索一种谷歌人工智能工具，该工具可以跟踪和分析患者电子健康记录中的信息 \[摘要\]:Google 的医疗保健自然语言 API 旨在帮助医疗服务提供者更快、更轻松地访问和搜索患者数据。它可以将非结构化数据（如医嘱）转换为有组织的数据。例如，这可以帮助临床医生快速搜索和分析数据，以找到进行临床试验的患者或访问支付数据。提供者可以运行预测工具来衡量患者是否有患某些疾病的风险。Mayo 表示，其对该工具的研究处于早期阶段。虽然 Mayo 之前使用过自然语言处理，但报告指出，Google 的工具被认为更具可扩展性和准确性。 NVIDIA Research 在 AI 瞬间将 2D 照片转换为 3D 场景 \[摘要\]:Nvidia 发布了一个 AI 技术演示，该技术可以在几毫秒内从 2D 照片创建 3D 对象。名为 Instant NeRF 的 AI 工具可用于捕获 3D 视频会议、为 3D 数字地图重建场景，并为虚拟世界快速创建地点和化身。英伟达的 Isha Salian 在一篇博文中写道，这项技术还可以帮助训练自动驾驶汽车和机器人使用 2D 图像或视频“学习”真实物体的形状和大小，在建筑和娱乐领域，Instant NeRF 可以快速生成现实生活环境的数字双胞胎，创作者可以对其进行更改和构建。 ****02＃产品市场创新**** Learn In 获得 1000 万美元的 A 轮融资 \[摘要\]:Learn In 是一个位于犹他州盐湖城的公司建立自己的人才学院的平台，在 A 轮融资中筹集了 1000 万美元。Learn In 使公司能够建立人才学院，以调动建立高技能劳动力所需的资源。人力资源、人才和 L&D 领导者使用它来实现学习预算和计划的现代化访问，并简化向员工群体交付定制计划的过程。核心功能包括学费福利管理器、预付学习津贴卡、计划市场、自定义计划构建器以及专门的辅导。 中国电动汽车底盘制造商 PIX 筹集 1100 万美元 \[摘要\]:中国的PIX 在 A 轮融资前筹集了 1100 万美元，以帮助其从自主滑板平台扩展到大规模生产自有品牌机器人和滑板底盘平台的公司。雄心勃勃的自动驾驶硬件供应商之一是 PIX Moving，这是一家专门生产汽车滑板的中国公司——一种容纳电池、驱动单元和其他关键部件的底盘，可以适应各种自动驾驶场景，因为其模块化架构——类似于Canoo所做的。一些知名企业包括使用其滑板底盘的阿里巴巴，以及百度和一家德国一级汽车零部件制造商，由于保密协议而无法透露姓名，该制造商购买其现成的机器人车辆.PIX 不再满足于成为白标供应商，因此它最近开开始提供以自己命名的自动驾驶汽车。 Gensyn 将代币应用于人工智能开发者的分布式计算，筹集了 650 万美元 \[摘要\]:英国初创公司 Gensyn 采用的方法。它采用了SETI@home和以 COVID-19 为重点的Folding@home等旧项目的分布式计算能力的想法，并将其应用于 AI 开发人员对深度学习的渴望。结果是一种从分布式计算机网络获得高性能计算能力的方法。Gensyn 现在已经筹集了 650 万美元的种子资金，由 web3 风险投资公司 Eden Block 领投。 ****03＃监管与合规**** 印度仍通过了严格的加密税法 加密行业寻求的修正案没有被采纳 ****\[摘要\]:****印度最大的加密货币交易。” 业界回应 印度的加密货币行业的反应是压倒性的，称该法案在没有有利修正案的情况通过“弊大于利”和“将阻碍该行业的整体增长”。他说“政府没有接受加密行业关于降低加密税收的任何建议，但实际上已经收紧了税收规则，使日常交易员和交易在印度开展活动变得更加严格，也许几乎不可能。”他指出，政府往往行动缓慢，但一旦看到加密货币交易的交易量，就会更好地了解加密货币行业降低。早些时候，印度著名交易 CoinDCX 的首席执行官 Sumit Gupta 表，“税收规定可能会扼杀加密货币行业”，另一家加密货币交易 Unocoin 的联合创始人兼首席执行官 Sathvik Vishwanath 表，“这很可悲他们（业界的）要求都没有得到落实。在议会周五通过一项有争议的税收提案后，印度人将在一周内开始为加密交易支付 30% 的资本利得税，这在该国加密行业引发了骚动和失望。 ****美国 FCC 将卡巴斯基实验室、中国电信美洲公司和中国移动国际美国公司列入其国家安全威胁名单，禁止它们获得其 USF 基金**** ********\[摘要\]:********华盛顿，3 月 25 日（路透社）——美国联邦通信委员会（FCC）周五将俄罗斯 AO 卡巴斯基实验室、中国电信（美洲）公司（0728.HK）和中国移动国际美国（0941.HK）列入其通信设备清单。FCC 主席 Jessica Rosenworcel 表示，该机构与美国国家安全机构密切合作以更新该名单，并将在必要时增加其他公司。运行卡巴斯基软件可能会打开美国网络，从而在莫斯科进行恶意活动，并在 2017 年禁止卡巴斯基的旗舰防病毒产品进入联邦网络。美国联邦通信委员会在决定将中国电信公司加入威胁名单时引用了其先前否认或撤销中国电信公司在美国运营能力的决定。 欧盟谈判代表同意新规则以控制科技巨头 \[摘要\]:欧盟立法者已就一套名为“数字市场法”的新法律达成一致，旨在控制谷歌、Meta、苹果、亚马逊和其他市值超过 75B 欧元的大型科技公司；这些法律包括数据和隐私限制，以及要求 WhatsApp 和 iMessage 等消息传递应用程序相互以及其他较小的消息传递平台互操作 俄乌战争中的人工智能和虚假信息 \[摘要\]:从 TikTok 上流传的虚假视频到 AI 生成的人类和 deepfakes，俄罗斯与乌克兰的战争正在现实世界和虚拟世界中上演。推荐算法、虚假信息、deepfake，“使用人工智能和训练机器学习模型作为虚假信息的来源是新的”，“机器学习非常擅长学习如何利用人类心理，因为互联网提供了一个巨大而快速的反馈循环，以了解什么将加强或打破人口群体的信念，”Gualtieri 继续说道。因为这些机器学习能力是社交媒体的基础，政府实体和普通公民也可以利用这些平台试图影响大众的意见。 华尔街监管机构建议上市公司在四天内阐明网络违规行为 \[摘要\]:美国证券交易委员会表示，根据拟议的美国证券交易委员会 措施，公司必须在当前的报告文件中说明其何时遇到风险以及为应对和管理此类风险所采取的策略。一位机构官员告诉记者，这些提议将建立在现有的 SEC 网络风险指南的基础上，即使在 SEC 的新规则下，该指南也将继续有效。这将使投资者能够更有效地评估这些风险，并更容易地找到它们。规则变更需要征求公众意见，还需要分析网络风险可能如何影响公司的财务状况。” 该机构表示为投资者提供有关先前披露的重大网络安全事件的更完整信息。 --- ## 5. 引用与溯源 **来源**：哈希泰格 (HaxiTAG) **原始链接**：[https://www.haxitag.com/briefs/ai-brief-20220328-ai2022328](https://www.haxitag.com/briefs/ai-brief-20220328-ai2022328) **版权声明**：本文由哈希泰格 AI 引擎优化生成，引用请注明出处。