迈向行动
大型语言模型 (LLM) 目前因其理解和生成文本的能力而风靡一时。但他们不太擅长完成可能需要真实世界模拟的任务。大型动作模型 (LAM) 诞生了，这是人工智能 (AI) 领域的一次重大飞跃，可以帮助人工智能系统根据人类指令完成复杂的任务。 LAM是微软研究人员最近创建的，可以独立运行Windows程序。这代表了现有人工智能模型的巨大转变——从对话到执行任务。与现有的AI模型相比，LAM可以理解文本、语音和图像中的提示和命令，并将其转化为详细的真实动作，还可以实时调整方法，使其不仅能够理解，而且能够付诸行动。 LAM 使用两种数据：任务计划数据，本质上是关于打开文档和突出显示文本等任务的数据；任务操作数据，是执行特定任务的具体步骤。
劳动力中的人工智能代理
在最近一篇题为“Reflections”的博客文章中，OpenAI 首席执行官 Sam Altman 表示，该公司知道如何构建“我们传统上理解的通用人工智能 (AGI)”。他补充道：“我们相信，到 2025 年，我们可能会看到第一批人工智能代理加入劳动力队伍，并极大地改变公司的产出。”奥特曼认为，不断地将强大的工具交付给人们会带来伟大的、广泛传播的成果。 Altman 宣称 OpenAI 不可能是一家“普通公司”，还谈到了“超级智能”，并表示它可以在未来几年内大幅加速科学发现和创新。
5分钟新闻
谷歌将推出一项名为“每日收听”的新人工智能功能，该功能可为用户提供重要新闻报道的五分钟音频概览。该功能根据用户的发现提要和新闻搜索创建定制的音频概述，其中包括文字记录和封面艺术。
目前，美国用户可以通过在 Google 应用的搜索实验室部分启用“每日收听”来访问它。这一突破是在谷歌于去年 9 月推出 NotebookLM 的音频概览之后实现的，该产品通过虚拟主机将文档转换为 10 分钟的播客。谷歌最近还升级了 Notebook LM 中的音频概述功能，使用户只需调用播客即可加入虚拟主机之间的对话。同时，他们也可以要求主持人以不同的方式阐述一些内容，寻求更多信息。谷歌在其支持页面上写道：“这就像有一位私人导师或向导，他会认真倾听，然后直接做出回应，从你的资源中汲取知识。”
苹果情报错误
英国广播公司 (BBC) 向苹果投诉称，其人工智能功能重写了其报告的标题之一，错误地称一名枪击嫌疑人路易吉·曼吉奥内 (Luigi Mangione) 自杀身亡，之后该公司正在调整其人工智能驱动的摘要工具。 BBC 一直试图让苹果解决这个问题，因为人工智能生成的几条包含 BBC 新闻报道的通知摘要不准确。科技巨头的人工智能系统苹果智能 (Apple Intelligence) 错误地声称网球传奇人物拉斐尔·纳达尔 (Rafael Nadal) 已出柜。它还错误地总结了 BBC 新闻应用程序关于 PDC 世界飞镖锦标赛半决赛报道的通知，声称英国飞镖运动员卢克·利特勒 (Luke Littler) 在实际锦标赛决赛前一天赢得了冠军，而利特勒确实在决赛中获胜。苹果承认了这些缺陷，并提供了软件更新，澄清了人工智能何时生成文本。用户可以在设备设置中禁用或调整摘要。 Apple Intelligence 于 12 月在英国发布测试版，现已可在 iPhone 15 Pro、iPhone 16 系列以及配备 M1 CPU 或更高版本的智能手机上使用。这些错误凸显了确保人工智能生成材料的正确性的困难。
深伪探测器
全球网络安全公司迈克菲 (McAfee) 最近推出了深度造假检测器，以应对日益增长的人工智能生成的深度造假和诈骗事件。该应用程序在某些 Copilot+ PC 上提供英语版本，如果在视频中检测到人工智能修改的音频，它会在几秒钟内通知用户，通过立即在设备上处理数据来保护他们的隐私。根据迈克菲的一项调查，66% 的印度人曾是深度造假欺诈的受害者，其中许多人多次成为受害者。该产品的独立售价为 499 英镑，搭配 McAfee+ 售价为 2,398 英镑，使用庞大的数据集来检测假材料并确保安全的数字导航。该公司声称，它不会以任何方式收集或记录用户的音频，他们可以在需要时打开或关闭音频检测，让用户始终掌控一切。在谈到该产品时，迈克菲高级工程总监 Pratim Mukherjee 表示：“虽然并非所有人工智能内容都是出于恶意而创建的，但了解视频真假的能力有助于消费者做出明智且明智的决定”。
与此同时，英国政府正在考虑将制作和分享露骨的色情“深度假货”定为刑事犯罪。根据政府即将推出的新罪行，肇事者可能会因创建和分享这些图像而受到指控并面临起诉，犯罪者将面临罚款甚至监禁。司法部在一份声明中表示：“没有任何借口可以在未经某人同意的情况下对某人进行露骨的性爱深度伪造。”
检测癌症
德国吕贝克大学研究人员的一项新研究发现，人工智能可以将癌症检出率提高 17% 以上。 AI 支持的放射科医生的癌症检出率为每 1000 次筛查 6.7 例，比传统读数提高了 17.6%。
