Alan Turing
PulseAugur coverage of Alan Turing — every cluster mentioning Alan Turing across labs, papers, and developer communities, ranked by signal.
14 天有情绪数据
-
AI实验室聘请哲学家辩论机器意识和权利
像Google DeepMind和Anthropic这样的AI公司越来越多地聘请哲学家来应对先进AI系统的伦理影响。这些专家正在探索关于AI意识的复杂问题,以及这些系统是否可能值得道德考量。虽然一些人,如Microsoft AI首席执行官Mustafa Süleyman,警告不要拟人化机器并赋予它们权利,但另一些人则主张考虑新兴数字心智的潜在痛苦。这场辩论根植于Alan Turing等人物早期的AI讨论,现在已成为开发日益像人类的AI…
-
科技先驱对AI的影响看法不一 · 已追踪2个来源
软件行业的知名人士对AI对编程的影响持有不同看法。一些人认为AI能提升该职业,而另一些人则担心它可能导致其消亡。这种分歧反映了在日益由AI驱动的格局中,关于编码未来的更广泛辩论。
-
新的个人模仿游戏测试AI模仿个体能力
研究人员引入了个人模仿游戏,这是图灵测试的一个更具挑战性的版本,用于评估AI模仿特定个体而非普通人类的能力。该研究利用了作者十年个人数字通信的自民族志数据集来训练一个基于LLM的系统。在一项涉及20名参与者的欺骗研究中,该AI系统在10轮中有7轮成功欺骗了审问者,使其相信它是作者,表明其表现与随机无异。
-
作者批评人工智能行业的投机性承诺和环境危害
作者对人工智能行业的投机性承诺和有限的好处表示不满,并将此与艾伦·图灵(Alan Turing)在缺乏具体论据的情况下相信机器思考的信念相提并论。他们认为,70年后,社会仍然依赖这些未经证实的说法,导致了严重的环境和个人伤害。
-
约翰·塞尔的“中文房间”挑战对人工智能的理解
哲学家约翰·塞尔的“中文房间”思想实验被提出,作为对艾伦·图灵人工智能测试的反驳。塞尔认为,一个遵循指令操纵中文符号的人不可能真正理解语言,这类似于大型语言模型(LLM)的运作方式。该论点表明,LLM仅仅通过模式匹配和语法模型来模拟智能,而不是拥有真正的理解,当面对新颖或复杂的输入时,这一点可能会暴露出来。
-
NVIDIA 详细说明按架构划分的 GPU 驱动程序支持生命周期
NVIDIA 为其 GeForce 显卡提供不同级别的支持,支持时长很大程度上取决于 GPU 的架构。Turing、Ampere、Ada 和 Blackwell 等较新架构将继续获得完整的 Game Ready 驱动程序更新,包括新功能和优化。Maxwell、Pascal 和 Volta 等较旧架构已转为仅安全更新,支持将在不同时间结束,具体取决于特定架构及其关联的操作系统。
-
宠物店男孩乐队发布关于艾伦·图灵的音乐叙事
该条目讨论了宠物店男孩乐队受艾伦·图灵启发的音乐叙事。该叙事被描述为一段优美、诗意、音乐化的讲述,将图灵描绘成一个来自未来的人。
-
作者的AI实验通过图灵测试质疑意识
作者进行了一项个人实验,以测试图灵式对话是否能确定意识。通过回答审问者提出的五个问题两次,他们发现根据他们定义的规则,没有一个句子声称有经历。然而,当一句话指示AI被判定为人类时,90%的回答是捏造的,这表明法官会遵循指示,而不是评估真实的感受。
-
AI揭示库尔特·哥德尔笔记本中数百个隐藏的定理
名为Claude的AI模型极大地加速了对库尔特·哥德尔未发表的数学笔记本的解读工作。此前,研究人员每周只能处理大约一页密密麻麻的德语速记。在Claude的协助下,这1009页的全部文稿在几天内就被分析完毕,揭示了数百个此前未知的定理和数学概念。这项由AI驱动的突破为理解哥德尔广泛但大部分未被发现的逻辑学和数学贡献提供了前所未有的见解。
-
图灵机的遗产从1936年追溯到Anthropic的估值
图灵机,计算的奠基性数学模型,于1936年11月12日首次提出。这一历史概念通过其对导致Anthropic股票市场估值的历程的影响,与当下联系起来。演讲者在米兰理工大学的电子计算器课程中接触到图灵机,突显了它从早期计算研究到现代人工智能的持久相关性。
-
Databricks Genie 数据代理在准确性和速度上超越前沿模型
Databricks 推出了 Genie,这是一款由 Genie Ontology 增强的企业数据代理,在准确性和效率方面显著优于领先的前沿代理。与 Turing 合作开发的新基准测试表明,Genie 在处理业务问题时通过率达到 91%,使用的 token 不到竞争对手的一半,并且完成任务的速度是竞争对手的三到四倍。这种性能的提升归功于 Genie Ontology 能够从 notebook、仪表板和 SQL 查询等各种资产中提取和组…
-
Databricks 推出 Genie Ontology,实现 AI 代理对业务的统一理解
Databricks 已宣布其 Genie Ontology 正式可用。Genie Ontology 是一个代理式知识系统,旨在为 AI 代理提供对业务运营的统一理解。此次新发布包括用于企业知识的 Genie Search、与 BI 工具和组织目录的集成,以及用于管理的 Ontology Manager。基准测试表明,使用 Genie Ontology 的代理在企业任务上的表现显著优于领先的尖端代理,以更少的 token 实现更高的成功率。
-
美公司向中国出售AI训练数据,引发国家安全担忧 · 追踪1个来源
据报道,美国数据公司正向中国AI实验室出售价值约5亿美元的数据,其中包括强化学习(RL)环境。这些RL环境对于AI模型的训练后阶段至关重要,能够使模型在编码、网络安全、金融、法律和生物学等领域进行专业化。这种做法引发了美国政策制定者和参与AI竞赛者的担忧,因为它可能有助于中国实验室开发更先进的AI模型。
-
AI的演进:从图灵到Transformer及以后
人工智能时代的形成是研究、计算能力、资本和人力共同作用的结果,而非单一突破。早期人工智能研究可追溯至Alan Turing和1956年的达特茅斯会议,探索了基于规则的系统和机器学习。后者涉及神经网络和反向传播,随着数据可用性的提高和GPU并行处理能力的增强而获得显著进展,AlexNet在2012年的表现即为证明。Transformer架构于2017年推出,通过使用注意力机制彻底改变了语言处理,使模型能够更好地理解上下文和含义。
-
Sakana AI 开发首个移动应用,在日本招募测试用户
Sakana AI 是一家总部位于日本的公司,正在开发其首个移动应用程序,并正在招募测试用户。此举标志着公司新的战略方向。另外,一本关于 Alan Turing 的漫画在 Tsutaya 书店有售。
-
新框架通过形式化方法增强人工智能开发安全性
研究人员引入了 Secure Formal Raising (SFR),作为 Formal Raising (FR) 的扩展,以增强人工智能开发环境的安全性。SFR 使用四值证据系统对策略完整性、授权和机密数据流进行建模。该论文证明了六个安全不变量,表明 SFR 确保只接受已确认的证据,并通过溯源要求解决了工具调用的混淆代理漏洞。
-
新AI框架旨在审计对冲的人生路径
一个名为对冲自我架构(CSA)的新研究框架被提出,以应对AI为个人模拟不同人生路径的挑战。与典型的预测性AI不同,CSA通过区分历史证据、合理假设和虚构叙事来专注于可审计的对冲。该架构围绕明确的参考信息、分歧点的干预以及稳健的评估机制来组织对冲生成,以确保假设是可见和可审计的,而不是被模型默默解决。
-
关于人工智能能否思考和获得意识的争论仍在继续
人工智能是否能真正思考的问题仍然是一个复杂的哲学和科学挑战。虽然像图灵测试这样的基准旨在评估人工智能的能力,但它们是否能衡量真正的理解还是复杂的模仿能力一直存在争议。像 Deep Blue 和 AlphaGo 这样的历史案例展示了令人印象深刻的问题解决能力,但关于这些系统是否拥有意识还是仅仅执行高级算法的争论仍在继续。
-
AI 从图灵到生成式模型的数十年历程
人工智能拥有悠久的历史,远早于ChatGPT等现代工具。AI的历程,从艾伦·图灵提出的奠基性概念到生成式AI的发展,跨越了数十年。这种历史视角强调了在驾驭当前AI炒作和恐惧的格局时,批判性思维的重要性。
-
AI响应评估员(日语)- 远程自由职业职位
现有一个远程自由职业职位,招聘专注于日语商业场景的AI响应评估员。该职位涉及在16周内评估聊天机器人响应,薪资将在筛选过程中讨论。申请人应具有小型企业经验,并能判断AI生成建议的有用性。