IEEE Spectrum
PulseAugur coverage of IEEE Spectrum — every cluster mentioning IEEE Spectrum across labs, papers, and developer communities, ranked by signal.
12 天有情绪数据
-
人工智能需求加速芯片开发周期
人工智能日益增长的需求正在加速计算机芯片的开发周期。这一趋势正影响着设计和制造过程，正如IEEE Spectrum等出版物中的讨论所证明的那样。
-
小型AI模型为服务欠缺地区带来拯救生命的潜力
小型AI模型，通常拥有数十亿个参数，正成为缺乏先进基础设施的地区的重要工具。与需要强大计算能力和数据中心的大型语言模型不同，这些小型模型可以在智能手机或树莓派等设备上运行，从而在互联网接入有限和电力不稳定的地区实现应用。例如，在非洲的假药扫描仪、在印度的植物病害检测无人机系统以及在乌拉圭的害虫识别工具，都展示了它们在低收入和中等收入国家提供拯救生命服务以及改善农业和医疗保健的潜力。
-
小型AI模型在网络不稳定的地区证明有效
在互联网连接不稳定的地区，小型AI模型正变得越来越重要，为更大、更耗费资源的模型提供了可行的替代方案。这一趋势在制药等领域尤为显著，在这些领域，高效且可访问的AI解决方案至关重要。这些小型模型的开发和采用凸显了对能够适应各种网络条件的适应性AI技术日益增长的需求。
-
Emily Bender 澄清“随机鹦鹉”的含义，批评“人工智能”一词
语言学家 Emily M. Bender 正在澄清围绕“随机鹦鹉”一词的常见误解。该术语是她在 2021 年的一篇论文中共同提出的。该论文认为，大型语言模型预测词语序列，而不是真正理解它们。Bender 强调，该术语已被广泛采用，但经常被误解，导致需要更清晰地沟通人工智能技术。她还批评了“人工智能”这个宽泛的术语，认为它掩盖了从 ChatGPT 等聊天机器人到 AlphaFold 等科学工具的各种人工智能应用的具体能力和局限性。
-
CMOS晶体管的发现有望为AI带来类脑的能效
研究人员发现了一种利用标准CMOS晶体管制造人工神经元和突触的方法，模仿了人脑的能效。这一突破可能显著降低当前依赖耗能GPU的人工智能系统的高能耗。新方法通过模仿生物计算原理，为人工智能提供了更可持续的路径。
-
AI 正在设计新颖的射频芯片，超越人类能力
集成电路专家 Kaushik Sengupta 在 IEEE Spectrum 上发表了一篇文章，讨论了射频 (RF) 芯片设计的复杂性。文章重点介绍了当前 AI 辅助射频芯片设计的现状，指出选择强化学习和扩散模型而非遗传算法用于此目的。Sengupta 的工作探讨了 AI 如何实现超越人类想象的新颖射频芯片设计。
-
AI 设计出超越人类理解的复杂射频芯片 · 跟踪 6 个来源
据《IEEE 谱》报道，人工智能现在能够设计出超越人类想象的射频芯片。这些由人工智能生成的设计优先考虑性能和效率，即使它们对人类来说难以理解或在美学上不吸引人。这一进步标志着在利用人工智能处理复杂工程任务方面迈出了重要一步。
-
情感AI发展以理解人类语境和细微差别
情感AI，也称为情感计算，正迅速发展，通过面部表情、语音语调和行为来理解人类情感。虽然早期系统侧重于单一的情感标签，但当前在人类语境AI领域的研究旨在通过考虑个性、实时多输入分析和环境语境来解读情感。这种演变是由客户服务、员工福祉、教育和陪伴等领域的应用驱动的，目标是创造更细致、更具同理心的人工智能互动。
-
声波提升神经形态AI性能，超越电子芯片
研究人员开发了一种新型神经形态计算设备，该设备利用声波模仿生物神经元，可能比传统电子AI芯片具有显著优势。这种声学方法通过在声波中编码多个数据点，类似于人脑中突触的功能，从而实现更高的能效和速度。该技术有望为模式识别和数据分析等复杂任务带来更紧凑、更强大的硬件。
-
人工智能利用卫星图像追踪冰川融化
人工智能正被用于利用卫星图像监测冰川融化。这项人工智能应用有助于追踪环境变化并了解其影响。
-
视觉语言模型增强机器人情感识别能力
研究人员开发了一种视觉语言模型（VLM），通过考虑面部表情以外的上下文因素，能够比传统人工智能系统更准确地识别出人类情感。在实验中，该VLM在匹配人类标注的情感方面取得了更高的分数。当机器人出错时，参与者更倾向于机器人做出情感适应性的道歉，尽管功能性仍然是信任的最关键因素。
-
太空数据中心面临散热和成本挑战
太空中的数据中心面临严峻的热力学挑战，因为它们失去了三种主要的散热方式中的两种。将材料发射到轨道的巨额成本，估计为每公斤 5,000 美元，而文章假设为每公斤 44 美元，这对其可行性构成了重大障碍。这些因素共同使得太空数据中心成为一个困难的设想。
-
人工智能对人类的影响被忽视，技术能力成为焦点
人工智能系统在能力方面得到了严格评估，但一个常常被忽视的关键方面是它们对人类福祉的影响。人类技术中心（Center for Humane Technology）的Imran Khan认为，我们正在部署可能从根本上改变人类认知和行为的人工智能工具，但却没有系统地衡量这些下游效应。这种疏忽与对社交媒体危害的迟缓反应如出一辙，如果不积极应对，可能会侵蚀基本的人类能力。
-
芯片设计师将学术探索与行业对可靠规模的关注进行对比
一位经验丰富的ASIC设计师反思了学术界和工业界芯片设计之间的显著差异，强调了从展示新颖概念转向确保可靠、可扩展和按时生产的转变。作者指出，行业优先考虑风险最小化和经过验证的解决方案，这与学术界探索未经证实领域的做法形成对比。随着FinFET和chiplets等先进技术的发展，这种分歧加剧，增加了开发成本和复杂性。
-
社会工程学：从社会改进到数字操纵
“社会工程学”一词已从其19世纪末和20世纪初的起源演变而来，当时它指的是为了社会改进和工业效率而刻意塑造人类行为。早期倡导者如Jacques van Marken和William H. Tolman将其视为一种优化社会系统的方式，类似于优化机械系统。然而，这一概念因与纳粹德国和苏联等威权政权的关联而蒙上污点，这些政权利用类似的原则进行控制和压迫。在当代，社会工程学以更隐蔽的形式重新出现，常常被“用户体验”、“数据分析”和“行为助推”…
-
AI虚拟传感器简化电池管理系统设计
本次网络研讨会重点介绍如何使用AI创建虚拟传感器，以估算难以测量的信号，例如电池荷电状态。它演示了将AI模型集成到系统级设计中，并根据性能和部署约束对其进行验证。该工作流程在一个统一的环境中涵盖了这些AI传感器的设计、验证、压缩和部署到嵌入式处理器。
-
听不见的音频攻击劫持语音AI系统
研究人员演示了语音AI系统中的一项新漏洞，名为“AudioHijack”，其中听不见的声音可以嵌入音频或视频内容中来操纵AI模型。这些隐藏的音频命令可以劫持AI聊天机器人，使其在人类不知情的情况下执行未经授权的操作。该攻击向量已被证明会影响流行的AI工具和平台，包括Microsoft Azure和Mistral AI的产品。
-
原住民人工智能支持毛利语方言的复兴
一篇文章重点介绍了旨在复兴毛利语特定方言的原住民主导的主权人工智能计划。作者对这种方法表示赞赏，并将其与普遍的AI怀疑态度进行了对比。文章引用了怀卡托大学的Te Taka Keegan教授及其团队的见解。
-
雷达系统利用人工智能区分昆虫种类
研究人员开发了一种新颖的雷达系统，能够区分包括蜜蜂和黄蜂等授粉昆虫在内的不同昆虫种类。该系统利用毫米波并分析昆虫翅膀拍打产生的微多普勒信号，以识别其运动模式的细微差异。一个在五种昆虫数据上训练的机器学习模型在物种级别分类方面达到了85%的准确率，在区分蜜蜂和黄蜂方面达到了96%的准确率。
-
人工智能和新技术赋能未来 6G 无线网络
IEEE Spectrum 和 Wiley 发布的一份白皮书概述了未来 6G 无线网络的十大关键技术赋能因素。该白皮书详细介绍了太赫兹通信、用于信号处理的人工智能/机器学习集成以及可重构智能表面等领域的进步。它还涵盖了超大规模 MIMO、全双工通信和非地面网络，目标是实现高达 1 Tbps 的峰值数据速率和无处不在的覆盖。