山海之約，臺灣自媒體人邂逅「有溫度」的彩雲之南
2025-11-21 12:04 3,286次浏览自2023年起，被外界譽為「人工智慧教父」的傑弗裡·辛頓每年都會在公開場合發出關於AI的警告。 那一年，他提醒人們，AI的發展將帶來越來越大的風險。 2024年，他聲稱，AI將操控人類。 2025年，他在上海舉辦的世界人工智慧大會上，將人類與AI的關係形容為「把小老虎當寵物」——當幼虎長大後，很可能傷人。 近日，2025世界機器人大會在北京亦莊舉行，各類機器人颳起運動旋風。圖/記者 賈天勇 攝 如今，在AI帶來的蓬勃機遇面前，越來越多的人並非害怕技術本身，而是擔心自己無法掌握方向盤。 人工智慧的發展正以難以預測的速度推進，而治理機制和國際共識仍然滯後。 面對這場技術變革，中國正在給出自己的方案——不僅考慮如何發展，更著眼於如何在發展中確保安全、在競爭中尋求合作。 其一是保證人工智慧健康有序發展。 「不發展是最大的不安全。」幾周前的中國網際網路大會上，清華大學智能法治研究院院長申衛星的這句話，引起了業內共鳴。 他認為，當前在人工智慧領域，不能因為治理或立法，扼殺掉產業發展的機會。「但人工智慧也確實必須保證健康有序發展，這個底線是應該明確的。」 業內普遍認為，人工智慧領域的治理，應在設定明確底線的前提下，為發展留出充足的空間。而鼓勵創新應該作為人工智慧治理的第一原則。 近期召開的國務院常務會議明確指出，當前人工智慧技術加速迭代演進，要深入實施「人工智慧+」行動，大力推進人工智慧規模化商業化應用，推動人工智慧在經濟社會發展各領域加快普及、深度融合，形成以創新帶應用、以應用促創新的良性循環。 其二是加快形成多元協同治理格局。 治理的目標不僅是防範風險，更要讓技術在可控範圍內釋放最大價值。國務院常務會議提出，要提升安全能力水平，加快形成動態敏捷、多元協同的人工智慧治理格局。 中國社會科學院法學研究所網絡與信息法研究室副主任周輝對三裡河表示，人工智慧技術屬於顛覆性技術，在治理過程中，需要將一致性評估、合規性審查等引入人工智慧監管機制。同時，考慮到人工智慧發展速度不斷加快，應適應性地構建敏捷治理機制。 此外，由於人工智慧技術在全球各領域都會產生深遠影響，其發展和應用帶來的風險與挑戰往往是跨越國界的，治理更需國際合作。對此，中國是倡導者也是積極實踐者。 中國工程院院士鄔賀銓在2025網際網路安全大會上指出，數字空間是人類共同的新家園，人工智慧與數字安全的挑戰是全球性的，單打獨鬥無法應對。 復旦大學中國研究院副研究員劉典認為，中國應摒棄個別國家的「小院高牆」政策，通過「一帶一路」等多雙邊框架，推動AI技術務實合作。 中國社會科學院法學研究所教授姚佳表示，打造一個全方位、多層次、匯聚廣泛共識，具有包容性、平等性和多元性的人工智慧治理框架，應是各國未來合作的重要方向。 其三是讓技術解決技術的挑戰。 面對人工智慧帶來的新挑戰，傳統、被動、碎片化的安全防護已力不從心，亟須變革。 鄔賀銓曾多次表示，要創新升級數字安全防護體系，構建AI驅動的主動免疫。 2025世界人工智慧大會期間，辛頓呼籲人類探索通用AI訓練方法，使人工智慧向善。 上海人工智慧實驗室主任周伯文指出，在面對長期風險，特別是管理可能超越人類智能的智能體時，要轉向「內生安全」的新思路，即從「讓人工智慧變得安全」(Make AI Safe)邁向「打造安全的人工智慧」(Make Safe AI)。前者是後置性的安全補丁，缺乏敏捷性和韌性；後者則強調安全的內生性和原生性。 人工智慧的未來，並不只是關於算力的競賽。更重要的是，誰能在技術創新與規則之間找到平衡，誰就有可能贏得真正的主動。 中國正在給出的答案，是一條兼顧發展、治理與技術安全的道路。 (「三裡河」工作室)
天津8月14日電(記者 孫玲玲)記者13日從南開大學獲悉，近日，南開大學計算機學院媒體計算實驗室取得最新研究成果，不僅從評估的角度揭示了現有AI檢測方法的性能不足，並創新性地提出了「直接差異學習」(Direct Discrepancy Learning，DDL)優化策略，教會AI用「火眼金睛」辨別人機不同，實現AI檢測性能的巨大突破。相關成果論文已被計算機多媒體領域國際頂級會議ACM MM2025(ACM International Conference on Multimedia)接收。 圖為南開大學研究團隊提出的DetectAnyLLM檢測框架以及MIRAGE基準數據集亮點全析。(南開大學 供圖) 近日，OpenAI發布新一代人工智慧模型GPT-5，再次引發全球關注。隨著DeepSeek、ChatGPT、通義千問、豆包等AIGC大模型逐漸從「新奇玩具」變成學習、工作中不可或缺的「生產力工具」，其伴生問題也日益凸顯：AI經常會「一本正經地胡說八道」，生成看似合理的虛假信息，造成「AI幻覺」；依賴AI工具代寫作業甚至畢業論文，極大衝擊著學術誠信和規範；論文AI率檢測系統有待完善，論文被誤判的問題時有發生……如何精準識別AI生成內容，成為亟待解決的熱點問題。 據了解，目前AI生成內容檢測主要有兩種路線，一種是「基於訓練的檢測方法」，使用特定數據訓練一個專用的分類模型；另一種是「零樣本檢測方法」，直接使用一個預訓練的語言模型並設計某種分類標準進行分類。 圖為AI生成內容檢測示意圖。(南開大學 供圖) 多項研究表明，現有檢測方法在應對複雜的現實場景時常顯不足。此前也曾有權威媒體報導，《荷塘月色》《流浪地球》等經典作品被某常用論文AI率檢測系統檢出高AI率。 為何現有的AI檢測工具會「誤判」？論文第一作者、南開大學計算機學院計算機科學卓越班2023級本科生付嘉晨解釋道：「如果把AI文本檢測比作一場考試，檢測器的訓練數據等同於日常練習題，現有檢測方法是機械刷題、死記硬背答題的固定套路，難以學會答題邏輯，一旦遇到全新難題，準確率就會顯著下降。」 「要想實現通用檢測，理論上需收集所有大模型的數據進行訓練，但在大模型迭代飛速的今天幾乎不可能。」付嘉晨說，讓檢測器真正學會舉一反三，即提升檢測器的泛化性能，是提升AI文本檢測性能的關鍵。 為此，研究團隊提出了DDL方法另闢蹊徑，通過直接優化模型預測的文本條件概率差異與人為設定的目標值之間的差距，幫助模型學習AI文本檢測的內在知識，可以精準捕捉人機文本間的深層語義差異，從而大幅提升檢測器的泛化能力與魯棒性。 「使用DDL訓練得到的檢測器如同有了『火眼金睛』，即便只『學習』過DeepSeek-R1的文本，也能精準識別像GPT-5這樣最新大模型生成的內容。」付嘉晨說。 團隊還提出了一個全面的測試基準數據集MIRAGE，使用13種主流的商用大模型(如豆包、DeepSeek、Kimi等)以及4種先進的開源大模型(如Qwen等)，從AI生成、潤色、重寫三個角度構造了接近十萬條人類-AI文本對。 「MIRAGE是目前唯一聚焦於對商用大語言模型檢測的基準數據集。直觀地說，之前的基準數據集是由少而且能力簡單的大模型命題出卷，而MIRAGE是17個能力強大的大模型聯合命題，形成一套高難度、又有代表性的檢測試卷。」論文通訊作者、南開大學計算機學院副教授郭春樂說。 在MIRAGE的測試結果顯示，現有檢測器的準確率從在簡單數據集上的90%驟降至約60%；而使用DDL訓練的檢測器仍保持85%以上的準確率。與史丹福大學提出的DetectGPT相比，性能相對提升71.62%；與馬裡蘭大學、卡內基梅隆大學等共同提出的Binoculars方法相比，性能相對提升68.03%。 「AIGC發展日新月異，我們將持續迭代升級評估基準和技術，致力於實現更快、更準、更低成本的AI生成文本檢測，以AI之力，讓每一篇成果更出彩。」研究團隊負責人、南開大學計算機學院教授李重儀說。(完)
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。
绿茵直播
「活动」首次登录送新手大礼包
- 软件大小: 214.97MB
- 最后更新: 2025-11-21 12:04
- 最新版本: v12.14.19.19
- 文件格式: apk
- 应用分类:ios-Android 魅影直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 9.51以上
客服热线：135-9438-1589
免费直播行情网站大全类似软件
猜你喜欢
76
89372
19768
27
2025-11-21 12:04
27384
68
2025-11-21 12:04
42638
48
2025-11-21 12:04
42975
89
2025-11-21 12:04
94387
69
2025-11-21 12:04
79415
27
2025-11-21 12:04
63248
56
2025-11-21 12:04
51632
17
2025-11-21 12:04
94761
57
2025-11-21 12:04
47182
29
2025-11-21 12:04
45
16
21837
76
75
18427
63198
39417
97
49152
75
13
85