近日,Nature 刊登了纽约大学等机构的研究人员在人工智能领域最新突破,证明神经网络具有类似人类语言的泛化性能,再一次印证了 AI 发展的无限潜力!研究人员提出了一种新的神经网络训练方法——MLC(Meta-Learning for Compositionality),在变化的任务环境中训练模型,使模型逐步获得组合词汇含义的系统性推理能力。
10 月 29 日消息,三位图灵奖得主 Hinton、Bengio、姚期智,联名发文《在快速发展的时代管理 AI 风险》。这是一篇共识论文(consensus paper),除 AI 研究者外,还有公共治理方面的学者,如清华大学人工智能国际治理研究院薛澜,以及诺贝尔经济学奖得主丹尼尔卡尼曼等。
Hinton 认为,公司们正计划在 18 个月内把 AI 模型计算规模扩大 100 倍,没人知道这些模型会有多强大,也没有关于他们如何使用这些模型的规定。(18 个月 100 倍的计划来自 InflectionAI)「考虑到 AI 研发的持续投入和自我进化的趋势,通用 AI 在未来十到二十年内超越人类的可能性不容忽视。若被正确和公正地应用,先进的 AI 可以为人类解决长久以来的问题,如疾病、贫困和环境问题。但与此同时,强大的 AI 也带来了巨大的风险,这些风险我们还远未准备好应对。」论文写道。(@量子位)
2、前开发部负责人:微软放弃 Windows Phone 重要原因是运营商缺乏兴趣
微软前高管布兰登・沃森从另一个视角揭示了 Windows Phone 失败的原因。他认为主要原因是运营商缺乏兴趣,美国和欧洲的手机销售模式依赖于运营商推广,但微软手机在这场营销活动中注定了失败。此外,另一原因是应用生态的误解。(@IT之家)