Lee Se-dol
PulseAugur coverage of Lee Se-dol — every cluster mentioning Lee Se-dol across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
OpenAI 报告数据泄露；前 DeepMind 研究员批评大型语言模型推理能力 · 跟踪 1 个来源
OpenAI 报告称，未经授权的访问可能影响了 100 多个组织，并已展开数据搜查并解雇了三名员工。与此同时，前 Google DeepMind 研究员 Thore Graepel 认为，当前的大型语言模型缺乏真正的推理能力，并主张回归类似 AlphaGo 的架构。此外，一场旨在逆转生物年龄的竞赛正在进行中，参赛者将在六个月内展示可衡量的年轻化效果，并且还开发了一款新的 AI 工具，通过声音分析来评估生物年龄。
-
大型语言模型（LLM）缺乏AlphaGo的推理能力，依赖模式补全
尽管2016年AlphaGo战胜李世石被视为机器直觉的展示，但作者认为这实际上是一种复杂的推理形式，结合了用于直观落子的策略网络和用于评估未来后果的搜索机制。这种双重系统与当前的大型语言模型（LLM）形成对比，后者主要依赖于类似系统1的下一个词元预测过程。尽管链式思考（chain-of-thought）提示等技术提高了LLM的性能，但它们仍然缺乏独立的推理引擎，依赖于迭代的模式补全而非真正的审议。作者认为，未来的AI系统需要真正的推理…
-
AI攻克“战争棋”，以低成本训练击败顶尖玩家 · 追踪6个来源
来自卡内基梅隆大学、麻省理工学院、纽约大学和斯坦福大学的研究人员开发出了一款名为Ataraxos的人工智能，该AI能够击败“战争棋”领域的顶尖人类玩家。与国际象棋或扑克不同，“战争棋”由于其海量隐藏信息和漫长的游戏时长，带来了巨大的挑战。Ataraxos以相对较低的训练成本（16个GPU和数千美元）战胜了顶尖“战争棋”玩家Pim Niemeijer，取得了决定性胜利。
-
谷歌 DeepMind 聘请哲学家以应对通用人工智能伦理挑战
政治哲学家 Iason Gabriel 于 2017 年加入谷歌 DeepMind，最初是前沿人工智能实验室中唯一的哲学家。他拥有道德哲学和政治理论的背景，为公司追求通用人工智能（AGI）提供了独特的视角。Gabriel 的工作在预测和应对大型语言模型快速发展带来的伦理挑战方面发挥了重要作用。
-
AI 设计出革命性无线电芯片，大幅缩短设计时间
普林斯顿大学的研究人员开发了一个人工智能系统，能够设计出在性能和速度上超越人类设计的射频集成电路（RFIC）。这种利用强化学习和扩散模型的人工智能方法，极大地缩短了复杂RFIC的设计时间，而RFIC对于5G和6G等无线技术的发展至关重要。该人工智能能够生成新颖但有时抽象的电路布局，这表明芯片设计可能正在从一种专业艺术转变为一种更具算法性的科学，预示着一个范式转变。
-
AlphaGo 周年纪念、离线 AI 进展和 Claude Mythos 性能
Demis Hassabis 回顾了 AlphaGo 发布十周年，强调了它对围棋比赛的影响以及强化学习在人工智能领域的更广泛意义。另外，一条推文称赞了完全离线本地 AI 模型令人印象深刻的推理和长期记忆能力。另一篇帖子指出，Claude Mythos 在人类可在三小时内完成的软件任务上表现出近乎完美的性能，在一小时内的任务失败率接近于零。
-
围棋选手应对AI作弊及其对围棋文化的影响
2016年，Google DeepMind的AlphaGo击败了世界冠军李世石，这是AI对围棋产生影响的一个里程碑事件。虽然最初认为对围棋的文化影响甚微，但到2018年初，在线比赛中开始出现使用AI的指控。一个引人注目的案例涉及选手Carlo Metta，他的比赛成绩被取消，并被禁止参加欧洲锦标赛，因为他的棋风与开源AI引擎相似。
-
Google AI 推出研究代理；OpenAI 详解网络训练和非线性计算
Google AI 推出了测试时扩散深度研究员 (TTD-DR)，这是一个模仿人类研究过程的新颖框架，通过迭代起草和修改报告来利用检索到的信息。该方法将报告撰写建模为一个扩散过程，通过搜索驱动的去噪机制来完善初稿。OpenAI 还发表了几篇论文，详细介绍了训练大型神经网络的技术，包括数据、流水线和张量并行，以及探索由于浮点运算导致的深度线性网络的非线性计算特性。此外，OpenAI 还讨论了深度学习的基础设施考虑因素以及一种称为权重归一…