-
自去年 11 月 30 日发布以来，OpenAI 的 ChatGPT 已经在短短的三个月内席卷了各个社会领域：普通人用它当搜索引擎；办公室文员用它来写文案、做会议纪要，程序员用它来写代码。但是，令人担忧
-
现代对话式人工智能背后的想法是，人工智能主要通过语音或文本帮助人类完成各种任务，从在线订购产品到计划远程旅行。科技巨头们正在对对话人工智能进行大量投资，但仍存在大量挑战。
-
前言最近这段时间，如果要问什么是市场上最火的话题，ChatGPT说第二，没人敢说第一，作为足以颠覆整个市场的人工智能创新，ChatGPT已经牢牢占据各大媒体的头条，这次对于世界的冲击远比
-
ChatGPT大火之后，人们对于AI模型的能力又有了更深一层的认识。弱智吧就曾经搞出一个「谁是卧底」游戏，让人类模仿AI的方式回答问题。这个游戏中，会给出八个问题的答案，两个来自人类，
-
苹果造车的计划，又要活过来了？刚刚，堪称苹果「首席爆料人」的郭明錤发推表示，根据他的最新调查，苹果「很可能」重建Apple Car团队，时间大概率就在今年年底前。说来也巧，大概半年前
-
企业第一次部署人工智能和构建机器学习项目的时候，往往把重点放在理论上。那么有没有一种模型，可以提供必要的结果？如果有，我们又该如何构建和训练这种模型呢？根据IDC的数据显示，
-
作为 OpenAI 的重要投资者，微软在 ChatGPT 技术上落地的进度很快，兵家必争的搜索引擎上现在也有了消息。上周，the Verge 等媒体报道了使用人工智能 ChatGPT 的「新版必应」界面。在 2 月 3 日
-
随着科技和建筑世界的发展，我们越来越接近想象中的未来科幻小说。我们可能还没有在气垫船上滑翔，但如果建筑业有什么可借鉴的话，那么就有一些令人惊叹的创新出现了。智能技术，即“
-
在 9 月举行的 GTC 大会上，NVIDIA 产品经理 Gautham Sholingar 以《合成数据生成：加速自动驾驶汽车的开发和验证》为题，完整地介绍了 NVIDIA 过去一年在长尾场景训练的最新进展和相关经验，特别是
-
4月13日消息，周四，一群知名人工智能专家发表政策简报，呼吁欧洲官员在“欧盟AI法案”中扩大人工智能监管范围。超过50位专家和机构在这份简报中主张，欧洲应该将通用人工智能（GPAI
-
一直以来，人类梦想着机器人能够辅助人类处理生活和工作的事情。“请帮我调低空调的温度”，甚至“请帮我写一个商城网站”都在近年来的家居助手和OpenAI发布的Copilot上得以实现。GPT-4的出现，进一步为我们展示了多模态大模型在视觉理解上的潜力。开源中小模型方面，LLAVA、minigpt-4表现不俗，可以看图聊天，还可以为人类猜测美食图片中的菜谱。然而，这些模型在实际落地中仍然面临重要的挑战：没有精准的定位能力，不能给出某物体在图片中的具体位置，也不能理解人类的复杂指令来检测具体物体，因此很多时候无法
-
据报道，高考首日，在济南中学考点采用了最新科技——磁弹枪，只见安保人员手持磁弹枪驻守考点，十分引人注目。磁弹枪是一种防止新型科技作弊的黑科技，是用电磁力发射金属弹丸，具有精度高、噪音小等优点。该设备可以狙击黑飞无人机传递作弊器材或信息，可以有效地打击作弊行为，是理想防作弊工具，可以维护考场秩序，保障高考公平。高考作为中国教育界的最重要事件之一，安保方面一直十分重视，每年高考都会有考生，耍小聪明想方设法作弊。为了解决这一问题，保障高考的公平公正，高考防作弊工具就应运而生。此次，考试管理部门采用了磁弹枪这样的
-
6月8日消息，美国当地时间周三，微软公司宣布将向其AzureGovernment云计算服务客户开放OpenAI的人工智能模型。这些客户包括多家美国政府机构，它们将能够访问GPT-3和GPT-4等大语言模型。微软是OpenAI的最大投资者，并使用后者的技术为其必应聊天机器人提供支持。微软计划于周三宣布，AzureGovernment的客户现在可以使用OpenAI的两个大语言模型：该公司最新、最强大的模型GPT-4，以及通过微软的AzureOpenAI服务推出的早期模型GPT-3。微软计划于周三发布一篇关于该
-
VR或许是仅次于车以外的科技创新方向。都2023年了，VR（虚拟现实）、AR（增强现实）、MR（混合现实）、XR（扩展现实）早已不是一个新概念了，但鲜有公司能够将VR玩转，甚至大家的目光都在向AI转移了。但随着苹果混合现实头显AppleVisionPro的推出，VR产业或许会迎来新的春天。6月6日，苹果在自己举办的WWDC开发者大会正式发布了Visionpro，台上的库克激动的说到：“VisionPro标志着人类正式进入空间计算时代。”AppleVisionPro是在VR（虚拟现实）里实现AR（增强现实）
-
生成对抗网络(GAN)已经成为人工智能领域的一个强大工具,引发了一波创新和研究浪潮。GAN由IanGoodfellow和其同事在2014年开发，通过训练两个神经网络互相竞争,能够生成逼真的图像、视频和其他形式的媒体，因此获得了极大的关注。因此,GAN有可能彻底改变从娱乐和广告到医疗保健和科学研究的各个行业。GAN的核心是两个神经网络:生成器和鉴别器。生成器创建新的数据实例,而鉴别器评估其真实性。生成器的目标是生成与真实数据无法区分的数据，而鉴别器的目标是正确识别数据是真实的还是生成的。这种对抗过程会一直持
