跟上这样一个快速发展的行业是一项艰巨的任务。所以，在人工智能可以为你做这件事之前，这里有一个关于机器学习世界的最新故事的简单总结，以及我们没有单独报道的著名研究和实验。
本周，在Y Combinator的支持下，一家使用生成式人工智能(generative AI)创建seo优化内容的公司从隐形中脱颖而出。它还没有吸引到很多资金(250万美元)，它的客户群也相对较小(大约只有50个品牌)。但这让我开始思考，生成式人工智能是如何开始改变网络的构成的。
正如The Verge网站的詹姆斯·文森特(James Vincent)最近在一篇文章中所写的那样，生成式人工智能模型使生成低质量内容变得更便宜、更容易。Newsguard是一家提供新闻来源审查工具的公司，拥有数百个广告支持的网站，这些网站的名字听起来很通用，主要是由生成式人工智能创建的错误信息。
这给广告商带来了一个问题。Newsguard曝光的许多网站似乎都是专门滥用程序化广告，或在页面上放置广告的自动系统。Newsguard在报告中发现，来自141个主要品牌的近400个广告出现在55个垃圾新闻网站上。
应该担心的不仅仅是广告商。正如Gizmodo的凯尔·巴尔所言，一篇人工智能生成的文章可能就会吸引大量用户。即使每一篇人工智能生成的文章只产生几美元，这也比最初生成文本的成本要低——而且潜在的广告钱不会被送到合法的网站。
那么解决方案是什么呢?有吗?这两个问题越来越让我夜不能寐。巴尔建议，搜索引擎和广告平台有责任加强控制，惩罚那些拥抱生成式人工智能的坏人。但考虑到这个领域的发展速度，以及生成式人工智能的无限可扩展性，我不相信他们能跟上。
当然，垃圾内容并不是一个新现象，以前也有过一波。网络已经适应了。这次的不同之处在于，进入的门槛非常低——无论是在成本上还是在必须投入的时间上。
Vincent的语气很乐观，他暗示，如果网络最终充斥着人工智能垃圾，它可能会刺激资金更充裕的平台的发展。我不太确定。但毫无疑问的是，我们正处于一个拐点，现在围绕生成式人工智能及其输出所做的决定将在未来一段时间内影响网络的功能。
以下是过去几天其他值得注意的人工智能故事:
OpenAI本周宣布，其最新的文本生成模型GPT-4将通过付费API全面推出。GPT-4可以生成文本(包括代码)并接受图像和文本输入——这比它的前身(只接受文本)有了改进——并在各种专业和学术基准上达到“人类水平”。但它并不完美，正如我们在。(与此同时，ChatGPT的采用是可行的，但我们拭目以待。)
在OpenAI的其他新闻中，该公司正在组建一个新的团队，由首席科学家、OpenAI联合创始人之一伊利亚·苏斯克沃(Ilya Sutskever)领导，以开发引导和控制“超级智能”人工智能系统的方法。
经过几个月的拖延，纽约市本周开始执行一项法律，要求使用算法招聘、雇用或提升员工的雇主提交这些算法进行独立审计，并将结果公之于众。
Valve发表了一份罕见的声明，声称它将在Steam游戏商店中拒绝使用人工智能生成资产的游戏。这家出了名的守口如瓶的开发商表示，其政策正在演变，并不是反对人工智能。
由前苹果公司设计和工程组合伊姆兰·乔杜里和贝萨尼·邦乔诺创办的初创公司Humane本周公布了其首款产品“Ai Pin”的细节。事实证明，赫曼的产品是一款可穿戴设备，带有投影显示屏和人工智能功能——就像未来的智能手机，但外形却大不相同。
本周，欧洲各地的主要科技创始人、首席执行官、风投公司和行业巨头签署了一封致欧盟委员会的公开信，警告称，如果欧盟通过扼杀创新的法律，欧洲可能会错过生成式人工智能革命。
看看英国消费金融冠军马丁·刘易斯(Martin Lewis)，他显然正在寻找由埃隆·马斯克(Elon Musk)支持的投资机会。看起来很正常，对吧?不完全是。这是一个人工智能生成的深度假，也可能是人工智能生成的痛苦快速加速到我们屏幕上的一瞥。
该公司可能以其遥控性玩具而闻名。本周，该公司宣布推出ChatGPT快乐伴侣。在该公司的远程控制应用程序中推出了测试版，“高级Lovense ChatGPT快乐伴侣”邀请您沉迷于伴侣根据您选择的主题创建的多汁和色情故事。
其他机器学习
我们的研究综述从苏黎世联邦理工学院的两个非常不同的项目开始。首先是分拆。在许多情况下，插管对病人的生存是必要的，但这是一个棘手的手工程序，通常由专家来执行。intuBot使用计算机视觉识别并对来自口腔和喉咙的实时反馈做出反应，引导和纠正内窥镜的位置。这可以让人们在需要的时候安全地插管，而不是等待专家，潜在地挽救生命。
下面是他们更详细的解释:
在一个完全不同的领域，苏黎世联邦理工学院的研究人员也为皮克斯的一部电影做出了间接的贡献，他们开创了一种技术，可以避免落入流体动力学分形复杂性的牺牲品。他们的做法被注意到了。有趣的是，与其说它是一个模拟解决方案，不如说是一个风格转移解决方案——一个聪明且显然相当有价值的捷径。(上面的图片来自这个。)
自然中的AI总是很有趣，但将自然AI应用于考古学则更加有趣。山形大学领导的研究——秘鲁巨大的“地理符号”。你可能会认为，从轨道上可以看到它们，它们是非常明显的——但是自从这些神秘的构造形成以来，数千年来的侵蚀和树木覆盖意味着有一个未知的数量隐藏在视线之外。在对已知和模糊地理符号的航空图像进行训练后，深度学习模型被释放到其他视图中，令人惊讶的是，它发现了至少四个新的地理符号，如下图所示。非常令人兴奋!
人工智能特工新发现的四个纳斯卡地理符号。
从更直接的意义上说，与人工智能相关的技术总是在寻找新的工作来探测和预测自然灾害。斯坦福大学的工程师们在一个30英尺高的水箱里模拟了森林树冠上方的加热空气。如果我们要模拟火焰和余烬在野火范围外传播的物理现象，我们需要更好地了解它们，这个团队正在尽他们所能来接近这一点。
在加州大学洛杉矶分校，他们正在研究如何预测山体滑坡，山体滑坡在火灾和其他环境因素变化时更为常见。但是，虽然人工智能已经被用来预测它们并取得了一些成功，但它并没有“展示它的工作”，这意味着预测不能解释它是由于侵蚀，还是地下水位移动，还是构造活动。让网络层使用不同的数据，但并行运行，而不是一起运行，让输出更具体一些，哪些变量导致风险增加。它也更有效率。
谷歌正面临着一个有趣的挑战:如何让机器学习系统从危险的知识中学习，同时又不传播它?例如，如果它的训练集包括凝固汽油弹的配方，你不希望它重复它——但为了知道不重复它，它需要知道它没有重复什么。一个悖论!所以这家科技巨头让这种平衡行为安全可靠地发生。
如果你想更深入地了解为什么人们似乎毫无理由地相信人工智能模型，看看Celeste Kidd(加州大学伯克利分校)和Abeba Birhane (Mozilla)在《科学》杂志上发表的这篇社论就知道了。它探讨了信任和权威的心理基础，并展示了当前的AI代理基本上是如何利用这些作为跳板来提升自己的价值的。如果你想在这个周末听起来很聪明，这篇文章真的很有趣。
虽然我们经常听说臭名昭著的“土耳其机械”(Mechanical Turk)假国际象棋机器，但这种猜字游戏确实激发了人们创造出它所伪装的东西。关于西班牙物理学家和工程师托雷斯·克维多的故事，他创造了一个真正的机械棋手。它的能力是有限的，但这就是为什么你知道它是真实的。有些人甚至认为他的国际象棋机器是第一个“电脑游戏”。发人深思。