PulseAugur
实时 00:39:46
实体 404media

404media

PulseAugur coverage of 404media — every cluster mentioning 404media across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
14
90 天内 26
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

9 天有情绪数据

最近 · 第 1/2 页 · 共 29 条
  1. TOOL · CL_256361 ·

    AI Agent Platform 重塑垃圾邮件,淹没全球收件箱

    一个新开发的AI Agent Platform据称能够以前所未有的规模生成垃圾邮件,淹没全球的收件箱。这一发展引发了对AI技术被恶意使用的担忧。该平台淹没收件箱的能力表明其在自动化内容生成方面取得了重大进展,对网络安全和数字通信产生了影响。

  2. COMMENTARY · CL_254006 ·

    OpenAI的‘Project Lily’涉及人工审查ChatGPT对话,引发隐私担忧 · 追踪4个来源

    一份报告揭露了OpenAI的一项内部计划‘Project Lily’,该计划涉及人工承包商审查用户与ChatGPT的对话。这些审查旨在改进AI模型的性能和安全性。该项目引发了用户的隐私担忧,因为用户可能并未完全意识到他们的数据可能被人工访问。

  3. MEME · CL_253915 ·

    警方使用无意义的词语搜索 Flock 摄像头;Steam Frame 发布

    执法机构一直在使用包括“LMAO”、“IDK”和“Asdfg”在内的搜索词在 Flock Safety 摄像头的数据中进行搜索。这种做法引发了对监控技术使用及其搜索原因的担忧。另外,Valve 发布了 Steam Frame,一款起价 1059 美元的新硬件产品。

  4. RESEARCH · CL_253304 ·

    纽约查封12个名人深度伪造网站 · 跟踪2个来源

    纽约当局已对创建和分发名人深度伪造色情内容的网站采取行动。该州总检察长办公室查封了十二个此类网站,这是打击使用人工智能生成的未经同意的露骨图像的重要举措。此举是解决人工智能技术被滥用于有害目的的更广泛努力的一部分。

  5. RESEARCH · CL_252879 ·

    国土安全部部门使用人工智能分析财务习惯进行预测性警务

    据报道,国土安全部(DHS)内的一个秘密部门正在分析美国人的财务习惯,以预测潜在的犯罪活动。这种‘预测性警务’方法引发了对可能原因的生成以及系统中缺乏透明度的担忧。批评者认为,如果没有能力审查和评估这些由人工智能驱动的系统,就无法建立公众信任。

  6. COMMENTARY · CL_246946 ·

    媒体难以批判性报道人工智能,加剧了公众的恐惧和错误信息

    作者认为,当前的媒体环境难以批判性地报道技术,特别是人工智能,因为人们倾向于将进步等同于创新,并且缺乏严谨的新闻分析。这导致公众信息不足且过度恐惧,这种情绪受到寻求资金的“AI”实验室和寻求关注的“专家”有利可图叙事的驱动。文章强调,围绕人工智能能力的讨论常常夸大潜在威胁,例如大型语言模型被用于攻击,而没有对其实际局限性和技术进步的更广泛影响进行细致的理解。

  7. COMMENTARY · CL_242633 ·

    研究发现三分之一的新网站现已由AI生成

    一项最新研究表明,目前约有三分之一的新创建网站是使用人工智能生成的。这一趋势表明网页开发实践发生了重大转变,AI工具已成为内容创作的主导力量。

  8. RESEARCH · CL_241793 ·

    国土安全部部门分析财务数据用于“预测性警务”交通拦截 · 跟踪4个来源

    国土安全部内一个名为预测情报目标小组(PITT)的秘密部门正在分析美国人的财务习惯和其他数据,以识别交通拦截对象。这些拦截通常以交通违规等借口进行,而非基于对特定犯罪的怀疑。这种做法引发了对隐私和正当程序的担忧,涉及将PITT收集的情报提供给地方执法机构。

  9. TOOL · CL_230457 ·

    艺术家设计的“数字迷彩”衬衫能让AI监控摄像头“眼盲”

    艺术家Simon Weckert设计了一款旨在迷惑AI监控摄像头的“数字迷彩”衬衫。当穿着者出现在摄像头前时,衬衫的图案会导致AI无法识别出穿着者是人。这项创新是对日益普及的、用于检测各种物体的AI监控系统的回应。

  10. COMMENTARY · CL_226296 ·

    非洲AI数据工作者组织起来争取更高薪酬和更好条件

    在非洲训练AI模型的工人正在组织起来,要求更高的薪酬和更好的工作条件,挑战AI仅由西方智能驱动的观念。这些数据标注员,经常以低工资从事繁琐的任务,正在组建工会并倡导公平的报酬和道德待遇。他们的努力突显了AI开发的全球性和劳动密集型性质。

  11. TOOL · CL_206744 ·

    专家证人使用ChatGPT为3M公司在爆炸案中辩护

    据报道,一位专家证人使用ChatGPT协助起草了一份旨在证明3M公司在一宗与致命爆炸相关的诉讼中无责的报告。该证人被要求展示该公司如何能被判定为承担0%的责任。此案凸显了人工智能工具在法律诉讼中的潜在应用,即使是在涉及责任辩护等敏感事项时。

  12. SIGNIFICANT · CL_204754 ·

    亚马逊为AI训练销毁珍本书籍,引发保护担忧 · 追踪10个来源

    亚马逊被发现正在扫描并销毁珍本书籍以训练其AI模型,这种做法因其对社会知识的潜在影响而受到批评。这种方法与合理使用的论点有关,正如在涉及Anthropic的一起诉讼中所见,扫描后销毁书籍被认为是允许的。这种情况促使人们呼吁版权法应优先考虑知识保护而非主动销毁。

  13. COMMENTARY · CL_204669 ·

    深度伪造专家Hany Farid与404 Media讨论现实的衰落

    深度伪造和合成媒体领域的顶尖专家Hany Farid讨论了人工智能生成图像的演变及其对我们感知现实的影响。Farid是GetReal Security的联合创始人,也是PhotoDNA算法的开发者,自2017年以来一直是深度伪造技术的常客评论员。他和404 Media回顾了过去几年,并推测了合成媒体的未来趋势。

  14. COMMENTARY · CL_204468 ·

    AI公司收购稀有书籍,引发对其动机的质疑

    404Media的一份报告披露,一家重要的AI公司正在大量收购稀有书籍。此次收购的确切目的尚不清楚,但涉及一家积极参与AI行业的公司。其中一条帖子还提到了Anthropic的Claude模型和AI代理的概念,暗示了围绕AI能力和潜在风险的更广泛讨论。

  15. TOOL · CL_197272 ·

    据报道,Twitch 使用用户直播来训练亚马逊 AI

    据报道,Twitch 正在使用用户直播来训练亚马逊的 AI 模型,引发用户不满。404media 的一份报告指出,Twitch 正在收集直播数据用于 AI 训练。这一做法已导致一些用户表示打算停止使用该平台。

  16. TOOL · CL_194368 ·

    ICE将支付数百万美元获取数据以供Palantir使用

    美国移民和海关执法局(ICE)将向LexisNexis支付数百万美元,以获取将提供给Palantir的数据。此次数据收购旨在增强ICE在追踪和管理个人方面的能力。合同的具体细节以及交换数据的确切性质仍未披露。

  17. COMMENTARY · CL_192245 ·

    Mark Zuckerberg 发布人工智能超级智能愿景文章 · 跟踪 4 个来源

    Mark Zuckerberg 最近发表了一篇长篇大论,概述了他对人工智能超级智能的愿景,他认为应该让每个人都能获得。这篇题为“未来属于每个人”的文章旨在解决公众对 AI 和 Meta 实践的担忧。Zuckerberg 讨论了 Meta Glasses、AI 代理和开放权重 AI 开发的潜在应用,同时也为数据中心辩护。批评者认为,他的乐观前景忽视了当前 AI 的滥用,例如垃圾邮件和黑客攻击,并且未能考虑个人对 AI 集成到个人生活中的偏好。

  18. TOOL · CL_176874 ·

    谷歌地球的人工智能可伪造卫星图像

    谷歌地球推出了一项新的人工智能功能,允许用户生成伪造的卫星图像。此功能引发了对滥用和制造虚假信息的担忧。该工具使任何人都能创建完全虚假的卫星图像,模糊了现实与虚构之间的界限。

  19. COMMENTARY · CL_176234 ·

    AI公司据称扫描ISBNdb图书用于训练数据

    据报道,一家AI公司正在从ISBNdb.com数据库扫描图书以训练其模型。该公司尚未公开身份,据称正在利用该数据库的图书元数据集合来构建其AI系统。这种做法引发了关于AI训练数据背景下的版权和合理使用的问题。

  20. COMMENTARY · CL_164402 ·

    AI公司囤积旧书以避免训练数据被AI生成文本污染

    据报道,AI公司正在大量收购旧书,特别是2022年之前出版的书籍。这一策略的理由是获取不含现代AI生成文本(常被称为“垃圾”)“污染”的训练数据。这种方法旨在利用LLM时代之前的实体书固有的纯净性,作为训练AI模型的宝贵数据来源。