杭州8月3日電(林波)「騎自行車送外賣3周,一共瘦了5千克,特別有成就感。」夜幕降臨,浙江杭州「上班族」李然沒有像往常一樣鑽進地鐵,而是換下職業裝,穿上運動服,戴上頭盔,推出自行車,開啟了「兼職」送外賣,「晚上一般接2單至3單,一天大概能消耗1000大卡熱量。」 自「體重管理年」活動實施以來,「減重」成為年輕人的熱議話題。下班騎自行車送外賣,正成為「Z世代」「上班族」中流行的減重方式。 「一開始是看到社交平臺上有人分享了送外賣減肥的經歷,覺得很新奇,門檻也不高,就加入了這一波的『兼職』隊伍,沒想到後來越送越『上頭』。」李然表示,工作這幾年,因為久坐,他的體重上漲了15千克。為了減重,他也曾在健身房辦卡鍛鍊,但最後都沒有成功,「送單時,覺得自己很快樂,我還喜歡爬樓梯,這樣減重效果更好。」 李然的經歷並非個案。作者注意到,在社交平臺上,「送外賣減重」「帶薪減肥」等相關筆記引發了廣泛關注,眾多用戶對其進行收藏,以獲取減重經驗與靈感。 8月2日,一款送單APP上的交通工具選擇內容。 (陳雨桐供圖) 與此同時,不少年輕人藉助Vlog這一新媒體形式,分享自己騎自行車送外賣減重的日常生活,為這一現象提供了豐富的實踐案例與直觀的視覺呈現。 「我們建了『騎手減重群』,每天分享騎行數據,互相監督。」在寧波工作的陳雨桐於近日加入了「送外賣減重」的隊伍,她向作者展示了一款她用的「秒送」APP。在這裡進行實名註冊和理論學習後,便可成為騎手。 在該APP頁面上的「配送工具」一欄,作者注意到有自行車、電動車、大踏板電動車等交通工具。 「我們減重人一般會選擇自行車,並且設置自己的常駐區域,太遠的單子一般不接。」陳雨桐說,群裡還會組織「周末騎行局」,把送外賣變成社交活動。 而今,年輕人正用獨特的方式重新定義「工作」與「生活」,他們騎著自行車穿梭在樓宇之間,既是為他人傳遞美味,也是在為自己雕刻健康。 「這本質是數字時代『零工經濟』與健康需求的結合。」業內專家指出,「Z世代」成長於網際網路時代,他們更擅長利用碎片化時間,通過技術工具實現自我管理,「送外賣減重」現象折射出健康消費平民化、職業選擇多元化、技術重塑生活方式的三大趨勢。(完)
當前,人工智慧已深度融入經濟社會發展的方方面面,在深刻改變人類生產生活方式的同時,也成為關乎高質量發展和高水平安全的關鍵領域。然而,人工智慧的訓練數據存在良莠不齊的問題,其中不乏虛假信息、虛構內容和偏見性觀點,造成數據源汙染,給人工智慧安全帶來新的挑戰。 數據是人工智慧的基礎 人工智慧的三大核心要素是算法、算力和數據,其中數據是訓練AI模型的基礎要素,也是AI應用的核心資源。 ——提供AI模型的原料。海量數據為AI模型提供了充足的訓練素材,使其得以學習數據的內在規律和模式,實現語義理解、智能決策和內容生成。同時,數據也驅動人工智慧不斷優化性能和精度,實現模型的迭代升級,以適應新需求。 ——影響AI模型的性能。AI模型對數據的數量、質量及多樣性要求極高。充足的數據量是充分訓練大規模模型的前提;高準確性、完整性和一致性的數據能有效避免誤導模型;覆蓋多個領域的多樣化數據,則能提升模型應對實際複雜場景的能力。 ——促進AI模型的應用。數據資源的日益豐富,加速了「人工智慧+」行動的落地,有力促進了人工智慧與經濟社會各領域的深度融合。這不僅培育和發展了新質生產力,更推動我國科技跨越式發展、產業優化升級、生產力整體躍升。 數據汙染衝擊安全防線 高質量的數據能夠顯著提升模型的準確性和可靠性,但數據一旦受到汙染,則可能導致模型決策失誤甚至AI系統失效,存在一定的安全隱患。 ——投放有害內容。通過篡改、虛構和重複等「數據投毒」行為產生的汙染數據,將幹擾模型在訓練階段的參數調整,削弱模型性能、降低其準確性,甚至誘發有害輸出。研究顯示,當訓練數據集中僅有0.01%的虛假文本時,模型輸出的有害內容會增加11.2%;即使是0.001%的虛假文本,其有害輸出也會相應上升7.2%。 ——造成遞歸汙染。受到數據汙染的人工智慧生成的虛假內容,可能成為後續模型訓練的數據源,形成具有延續性的「汙染遺留效應」。當前,網際網路AI生成內容在數量上已遠超人類生產的真實內容,大量低質量及非客觀數據充斥其中,導致AI訓練數據集中的錯誤信息逐代累積,最終扭曲模型本身的認知能力。 ——引發現實風險。數據汙染還可能引發一系列現實風險,尤其在金融市場、公共安全和醫療健康等領域。在金融領域,不法分子利用AI炮製虛假信息,造成數據汙染,可能引發股價異常波動,構成新型市場操縱風險;在公共安全領域,數據汙染容易擾動公眾認知、誤導社會輿論,誘發社會恐慌情緒;在醫療健康領域,數據汙染則可能致使模型生成錯誤診療建議,不僅危及患者生命安全,也加劇偽科學的傳播。 築牢人工智慧數據底座 ——加強源頭監管,防範汙染生成。以《網絡安全法》《數據安全法》《個人信息保護法》等法律法規為依據,建立AI數據分類分級保護制度,從根本上防範汙染數據的產生,助力有效防範AI數據安全威脅。 ——強化風險評估,保障數據流通。加強對人工智慧數據安全風險的整體評估,確保數據在採集、存儲、傳輸、使用、交換和備份等全生命周期環節安全。同步加快構建人工智慧安全風險分類管理體系,不斷提高數據安全綜合保障能力。 ——末端清洗修復,構建治理框架。定期依據法規標準清洗修復受汙數據。依據相關法律法規及行業標準,制定數據清洗的具體規則。逐步構建模塊化、可監測、可擴展的數據治理框架,實現持續管理與質量把控。 國家安全機關將在以習近平同志為核心的黨中央堅強領導下,全面貫徹總體國家安全觀,與有關部門一道防範針對我人工智慧領域的數據汙染風險,依法維護人工智慧安全和數據安全,不斷築牢國家安全屏障。 來源:國家安全部微信公眾號
免责声明:本文内容与数据仅供参考,不构成投资建议,使用前请核实。据此操作,风险自担。
百丽直播 | 春雨直播 |
小妲己直播 |
美女直播app | 阴桃直播 |
春雨直播安装包 |
零七直播 | 橘子直播 |
榴莲视频 |
魅影视频 | 私密直播全婐app |
橙色直播 |
tvn直播 | 私密直播全婐app |
曼城直播 |
9.1樱花ppt网站大片 | 蜜桃app |
杏爱直播 |
春雨直播安装包 | 绿茵直播 |
花瓣直播 |
橘子直播 | 莲花直播 |
奇秀直播 |
绿茵直播 | 荔枝直播 |
夜月直播www成人 |
伊人直播网站 | 春雨直播 |
韩国直播 |