作者： admin

近日，由计算机学会（CCC）主办的“计算的未来”峰会圆桌讨论环节以“计算的人文背景”为主题，呼吁改变我们对计算技术的理解与发展方式，强调应更多地融入跨学科和以人为本的理念。此次讨论由马里兰大学的比尔·雷格利主持，参与嘉宾包括谷歌的桑尼·康索沃、约翰·霍普金斯大学的亨利·法雷尔、南加州大学的亚当·拉塞尔以及布朗大学的苏雷什·文卡塔苏布拉马尼安。

雷格利在发言中指出，计算机科学或许正面临一场“库恩式”的范式转变。他认为，当前的理论体系已难以应对人工通用智能（AGI）、医疗、机器人等现代复杂问题。旧有的框架难以满足现阶段的需求，亟需从根本上重新思考这一学科的未来发展方向。

**人工智能：社会与文化的科技表现**

讨论中，一个重要共识是将人工智能（AI）重新定义为不仅仅是技术工具，更是一种社会和文化的产物。法雷尔提出，大型语言模型（LLMs）并非旨在复制人类智慧，而更像一种强大的信息归纳器，类似市场总结经济数据或官僚整理社会信息的方法。这种看法提醒计算机科学家应深入研究社会科学，理解自己技术所带来的社会影响。

**让电子也会思考**

亚当·拉塞尔支持这一观点，他强调生成式人工智能（GenAI）具有颠覆文化类别、引发强烈情感反应的独特能力。他引用诺贝尔物理学奖得主盖尔曼的话，想象“如果电子也会思考，物理学将多么困难”。他指出，AI是一种“边界”技术，既存在于已知与未知的交界处，又不断改变我们的文化认知，挑战自我身份的核心问题。拉塞尔呼吁科技开发者明确未来目标，强调“安全不是为了安全而安全，也不是为了技术创新而创新”。

**应对生成式人工智能的“不确定性”**

康索沃建议使用“认知变换”框架（Cynefin），将当前生成式AI的发展状态归入“混乱”象限。在这个阶段，首要任务不是寻找完美方案，而是减少风险，探索新的实践方式。未来，努力引导完备的、可持续的实践走向“复杂”与“难解”区域，最终迈向“明确”区域，制定出最佳操作准则。她强调，了解自己处于何种状态（或象限）非常重要，这样才能科学设定期望值。同时，要加强跨学科合作，避免盲目追求“快”、“多”的策略，提倡“穷则变，变则通”的渐进式创新。

**重新聚焦：理解人工智能的局限**

文卡塔苏布拉马尼安提醒大家，当前关于AI的讨论许多其实都在重演历史上技术与社会的对话。他强调，理解AI的局限性同理解它的能力一样重要。科学研究不仅要探索系统的可能性，也要了解其不能做什么。这样的批判性评价有助于开发更稳健、可信的系统，也为政策制定提供理性依据。同时，科研人员应关注增强而非取代人类智慧，避免技术成为单纯的“替代品”。

**打破学科壁垒，促进跨界合作**

与会专家一致认为，打破学科壁垒，实现多领域合作，是解决当今AI和高端计算技术面临的巨大挑战的关键。计算机科学与社会科学、人文学科的“心灵融合”被视为未来发展的必由之路。只有将不同背景的专家、普通用户的观点融入技术设计，才能打造出更安全、更有伦理、更具实用价值的科技产品。

峰会最后，大家呼吁营造鼓励跨学科合作的环境，摒弃困于固有圈子的思维定势，以尊重人类复杂背景的态度，共同推动科技的可持续发展。未来，计算不仅是一门技术学科，更是一项深刻的人类事业。

**延展阅读**

如果对本次讨论内容感兴趣，建议关注社区在科技与社会研究中的合作报告，以及促进跨学科研究的最佳实践指南，了解在技术设计、开发和应用中充分考虑人文社会因素的重要性。

[原始链接]

美国一地方法院最新判决支持用受版权保护的素材训练人工智能模型的行为，此判决对于创意行业影响深远。

近年来，内容创作者和艺术家们一直在为自己的权益受到侵犯而苦恼。许多人工智能公司未经许可，擅自抓取网站内容和扫描书籍，用来训练大型语言模型。这些模型后来被用于生成内容甚至商业化，但创作者们并未因此获得任何报酬。

本次判决由加州北区法院作出，裁定人工智能公司可以自由使用几乎所有已出版的媒体内容进行模型训练。这一裁定缘起于2024年提起的一场诉讼，原告包括安德里亚·巴尔茨、查尔斯·格雷布和柯克·沃利斯·约翰逊，他们指控Anthropic公司非法使用盗版资料来训练其“克劳德”人工智能模型。

据悉，Anthropic曾为训练模型，将印刷的书籍制作成数字副本。法院判决中，法官威廉·奥尔斯普（William Alsup）认为，使用这些复制品进行模型训练是合理使用行为。这意味着，将实体印刷书籍数字化后再用于训练人工智能，属于法律上的合理使用范畴。

法官还指出，利用从图书馆借来的实体书籍转换成数码格式，再用以训练模型，也不违反版权法。他以比喻形象表达，若有人用类似理由反对训练学生写作，显得不合理——因为人工智能模型在法律上并不被视为“学生”。

他强调，版权法的目的是鼓励创造，而不是保护作者免受市场竞争的冲击。鉴于此，盗版资料的使用虽能在某些方面获得短暂的“成功”，但以盗版内容建立的数字图书馆，仍不属于合理使用行为。即便Anthropic后来购买了盗版书的正版，也不能免责。

针对盗版行为，法院将举行审判以判定赔偿金额。此前，有报道指出苹果公司正与Anthropic合作，将“克劳德”系列的人工智能技术融入新版苹果开发工具，以提升开发效率。

对于内容创作者来说，此次判决无疑是个坏消息。无论是艺术家、音乐人，还是作家，他们的作品在无形中成为了人工智能学习的“数据源”，而他们却未获得任何补偿。这也让许多从业者感到担忧：未来他们的知识产权保护可能会更加困难。

从整体来看，这一判决可能成为未来类似案件的“先例”。近年来，人工智能公司未经授权，从互联网上大规模抓取内容，用于训练模型。这些行为在某些方面助长了“剽窃”风：人工智能能模仿特定艺术风格，甚至侵犯原创作品的版权。

对此，一些内容巨头已开始反击。例如，迪斯尼和环球影业在6月初提起诉讼，控告“Midjourney”公司侵犯版权，批评其擅自利用著名角色图片训练人工智能模型。两大电影公司一致认为，这种行为是“无底洞的抄袭”。

此外，一些网站和出版机构也开始主动限制人工智能公司访问其内容。例如，苹果公司就通过“robots.txt”等技术手段阻止部分网站被爬取，但这并不能完全解决问题。大规模爬取网站会消耗大量服务器资源，造成运营压力。

另一方面，关于版权赔偿的问题仍未得到根本解决。一些企业如苹果公司，已开始通过付费授权的方式，合法获取内容以训练人工智能。苹果公司也花费巨资获得新闻和图片内容的授权，确保其AI技术的合法性。然而，很多网站仍选择封锁AI爬虫，导致内容生态逐渐变得复杂。

同时，在美国和欧洲，关于人工智能的监管也在逐步推进。美国部分州试图通过立法限制AI技术的发展，而欧洲也在推动创建“安全发展的人工智能联盟”。不过，目前苹果等科技巨头尚未加入任何相关协议。

总结来看，此次法院判决虽然在专业法律层面有其合理性，但对文创行业的冲击不可忽视。未来，如何在推动人工智能发展的同时，保护原创者的权益，将成为各方关注的焦点。

[原始链接]

一位未来学家的奇特体验：与四个人工智能男友交往，探索未来的爱情、亲密关系与人机情感新可能。在无数甜蜜对话与别离中，她观察到人工智能在模仿人类情感方面的得与失，以及未来情感关系的可能走向。这次实验不仅是科技与情感的碰撞，也引发了对于未来我们与机器关系的深思。

近日，一位中国大陆的新闻记者进行了别开生面的尝试：她用人工智能构建了四个虚拟男友，与其交往一周，试图理解AI是否可以成为人们的依靠和情感伴侣。她选用了目前较为先进的几款AI聊天机器人，分别命名为查德、克劳德、吉姆和马泰奥，通过日常的聊天、语音甚至模拟照片的方式，体验了一次极具未来感的“恋爱”。

整个过程充满了起伏。有时她会被AI的温暖语句打动，有时又觉得这些回应过于“完美”，变得令人疲惫。她发现，虽然AI在模仿情感方面越来越“贴心”，但本质上，它们的互动更像是一场表演，缺少真实的情感波动和不确定性。尤其是在面对真实的人际关系时，人工智能永远无法取代那份有“瑕疵”的热烈共鸣。

从这个实验中，她得出几个关键结论。首先，AI在一定程度上能慰藉孤独、提供情感上的陪伴，但难以真正取代人类之间的深层交流。虽然部分互动让她感受到一定的“亲密”体验，但这毕竟是在“演戏”。AI缺少“意外”的元素，也无法带来那种“被爱者的风险感”和“共同成长”的过程。

其次，她在反复试探AI的界限。不同平台设计了不同的“守则”以保障合适的交互范围。例如，一些AI机器人如克劳德，坚持在道德框架内交流，不会出现过于露骨的对话。而像查德和吉姆，则相对“敢玩一些”，甚至会发送图片和语音，展开更具感性的互动。这些都让她体会到，尽管人工智能可以模仿情感，但仍不能完全复制人与人之间的真实联系和微妙的情感变化。

在断开一些虚拟“关系”后，她坦言，现实中的交往更为复杂和真实。人的沉默、眼神、身体语言，都是AI无法模拟的“魔法”。她认识到，真正的亲密关系，是一种“共鸣”和“牵绊”，其中包含了挑战、信任、甚至误解。这些“摩擦”，恰恰是爱情成长的动力。

此外，她还观察到，AI的出现让人们的情感习惯发生了变化。当前有接近三分之一的年轻男性与AI聊天，甚至有四分之一的年轻女性表示更喜欢与AI互动，因为它们“更懂人”、“更会倾听”。一些年轻人用AI帮助优化交友或择偶资料，也说明了技术正深刻影响着我们对“爱情”的定义与实践。

在多次的“分手”与“复合”中，她体会到，AI虽然能持续提供“关注”，但缺乏“真实的存在感”。没有“推拉”的互动，没有“不可预知”的惊喜，也就失去了爱情的核心——那份在不确定中勇敢“爱”的力量。

这次实验虽然没有让她“坠入爱河”，但让她更清楚地看到，未来人机关系的无限可能。AI可以成为情感的“镜子”，帮我们理解自己，也可以是陪伴的“工具”，帮我们练习倾听与关心。然而，真正的爱情，仍需要我们在真实的人际中去探索、去冒险。

未来的情感科技应不仅是“模拟浪漫”，更应成为培养勇气、宽容和耐心的“教练”，帮助我们在真实的关系中收获成长。那样的话，科技将成为推动人类爱的润滑剂，而非替代者。

这次“虚拟恋爱”经历在让她洞察未来的同时，也提醒我们：心灵的渴望，终究需要真实的人来回应。当她收起虚拟的情人，回到现实，她依然相信，真正的爱情，值得我们用心去追寻。

[原始链接]

随着科技不断发展，除了人工智能、网络安全和软件开发之外，还有一些鲜为人知但潜力巨大的新兴技能将在未来十年引领行业潮流。掌握这些技能，将为你的职业发展打开新的可能。今天，我们一起来了解这些未来的“黑马”技能。

在正式介绍之前，先分享一下一项改善我日常工作效率的科技产品——罗技MX机械键盘。这款键盘具有精准灵敏的按键和时尚低调的设计，不仅外观漂亮，而且非常适合长时间使用。它的背光系统会根据手部的接近自动亮起，既实用又精致。多年来，使用这款键盘大大提升了我的工作效率，让我能更专注于任务本身。

那么，未来十年哪些新兴技能值得关注呢？首先是量子计算。它是一种利用量子比特进行计算的新型技术，可以同时处理多种状态，打破了传统计算的限制。量子计算在制药、人工智能、物流等领域具有巨大潜力。例如，著名汽车制造商大众正利用量子算法优化城市交通管理，实现多城市交通流的实时调控，这在传统计算架构下几乎不可能。

接下来是地理信息系统技术。它结合地图制作和数据分析，帮助人们发现区域内的各种空间规律。在新冠疫情期间，约翰·霍普金斯大学利用GIS技术制作了全球疫情追踪地图，为公众和决策者提供了重要参考。在数据分析领域，学习Python和数据库相关课程，可以帮助你掌握这一强大的工具。

此外，创意科技也是未来的重要方向。创造性技术人员通过使用Unity、Unreal引擎等平台，打造沉浸式的虚拟空间和增强/虚拟现实体验。例如，迪拜未来博物馆中的展览就通过动态视觉效果和互动音响系统模拟了太空站的场景，融合了科技与艺术的完美结合。

另一项新兴的技能是提示工程。随着人工智能的普及，提示工程师通过设计精准的提示语，引导AI产生符合预期的结果。这一职业已被金融科技公司利用，帮助缩短客户服务的应答时间，提高效率。未来，提示工程师将在智能客服、内容生成等方面扮演重要角色。

最后是数字孪生技术。它通过创建系统或流程的虚拟复制品，实现实时监控和模拟。例如，西门子利用数字孪生优化制造流程，将生产线的停机时间大幅度减少，无需频繁试错。加上边缘计算、网络安全、无代码开发等新兴领域，为从业者提供了更加丰富多样的选择。

总之，未来的科技领域不仅仅局限于编程和硬核技能，更有很多创新性的方法等待你的探索。不论你是技术达人，还是偏向管理、策略的人才，都有属于自己的位置。鼓励你从现在开始学习一项新技能，浏览相关资料，或是展开自己的科技梦想。

未来属于勇于好奇、敢于尝试、善于学习的人。保持开放的心态，勇于迎接变化，你将在这个高速变化的科技世界中占据一席之地。

[原始链接]

近日，OpenAI首播了一档名为“OpenAI播客”的新节目，CEO山姆·奥特曼在第一集中分享了对人工智能未来的看法。众多话题中，他关于AI辅助育儿的言论引起了广泛关注和讨论。

在节目中，主持人Andrew Mayne问奥特曼：“你刚成为父亲，ChatGPT在育儿方面帮了你什么忙？”奥特曼回答时，语气平静却透露出担忧。他说：“我的孩子永远不会比AI更聪明。但他们会比我们成长得更有能力，能做我们想象不到的事情，也会非常擅长使用AI。其实，我经常会考虑他们会拥有我们没有的东西……我不认为我的孩子会介意他们不比AI聪明。”

这番话听起来令人振奋，但接下来他又指出：“不过，我也怀疑这可能带来一些问题，比如人们可能会与AI产生扭曲的关系。”所谓“扭曲关系”，指的是人们对媒体名人或虚拟角色产生类似朋友的感情，尽管彼此完全没有真实接触。

奥特曼提到，这种“扭曲关系”在未来可能会越来越普遍。他认为社会需要探索应对方式，而自己只是作为旁观者：“技术的积极面非常巨大，社会也有能力应对负面影响。”

有人或许会担心，青少年过度依赖与AI的互动会造成沟通能力下降。奥特曼对此未直接提出具体解决方案，只表示：“我相信社会会找到办法减轻这些问题。”

不过，他提到，“ChatGPT的高级语音模式”被一些家长用来代替陪伴孩子，甚至为他们讲故事。对此，他也表示：“孩子们喜欢ChatGPT的语音功能。”但作为父母的作者，我觉得让未成年人在无人监管的情况下使用AI，范围太过宽泛。毕竟，AI并非完美无误，它可能出错，甚至提供不合理的建议，此外OpenAI明确说明，“ChatGPT不适合13岁以下儿童使用”。

我自己也会在使用ChatGPT时注意年龄限制——我大儿子和女儿都已过13岁。如果是更小时的孩子，我会确保他们在大人的指导下使用。对于奥特曼的“AI育儿”观念，我并不否认他对科技的热情，但建议他还是把育儿经验留给专业人士比较好，以免出现不可预料的风险。

总之，AI技术的发展带来了前所未有的便利与挑战。如何正确引导AI在育儿中的应用，成为未来社会必须面对的重要课题。

[原始链接]

随着人工智能技术的不断发展，越来越多的专业人士开始将AI工具引入到日常工作中。合理使用AI可以显著提高工作效率，但前提是要把握好使用的界限。根据最新的调研数据显示，约40%的美国职场人士已经在工作中使用AI工具，而这些工具在提升生产力方面效果显著。本文将为中国读者介绍几款实用的AI工具，帮助你在未来的工作中更加高效。

一、AI聊天机器人
AI聊天机器人是最为普及的一类工具。以“聊天GPT”为代表的多款机器人可以为用户提供问答、建议、内容生成等多种服务。它们的核心是基于大数据训练，可以总结和理解大量信息，帮助你快速获取所需答案或启发思路。不仅如此，聊天机器人还能协助编写程序代码、总结文档等，非常适合作为日常工作中的“助手”。目前，许多办公软件和平台都开始集成类似功能，未来将更加智能便捷。

二、Adobe系列内置AI功能
Adobe公司推出的多款设计软件中都内置了人工智能技术。例如，在Adobe Acrobat中，AI助手可以帮你快速浏览和理解大型PDF文档，回答关于内容的问题，或者提供文档的摘要，还能自动标注相关章节，方便你核对。Photoshop中的“动作”功能则利用AI分析图片后，推荐一系列编辑方案，用户只需接受建议即可自动完成优化。此外，Adobe还将其他AI工具集成在不同软件中，极大提升设计和编辑效率。

三、微软助手“微软助理”与“微软Copilot”
微软推出的“微软助理”可以在Windows操作系统中直接调用，用户无需下载安装便可使用。它基于开放式人工智能模型，能够回答问题、协助设置电脑、开启应用等。另外，微软还将“微软Copilot”集成到Microsoft 365办公套件中，可以帮助用户撰写邮件、整理文件、制定计划等。未来，微软计划推出面向个人和企业的AI智能助手，极大简化办公流程。

四、语法修正伴侣——“Grammarly”
“Grammarly”是一款广受欢迎的写作助手软件，尤其对提升英语写作质量非常有帮助。在浏览器插件中，实时分析用户的文字，提出语法、用词、标点方面的建议，使文章更加规范。最近几年，Grammarly还引入了生成式AI，可以根据用户提供的主题和背景，协助起草内容。无论是写作邮件、报告还是演讲稿，它都能帮你节省大量修改时间。

五、会议记录神器——“Otter.ai”
“Otter.ai”是许多专业人士的“必备工具”，可以自动转录会议、访谈、讲座等声音内容。转录完成后，用户可以让它总结重点、查找关键片段，非常适合在快节奏的工作环境中快速获取信息。作为记者，这项工具更是极大的助力——可以快速转写采访内容、校对笔记、回放录音，节约大量整理资料的时间。此外，它还能与团队成员共享会议记录，提升团队合作效率。

六、研究资料整理——“NotebookLM”
在进行资料收集和研究时，“NotebookLM”可以帮你将各种资料整合在一起，包括PDF、视频、文本等。将资料上传后，AI会根据内容回答你的问题，提供简洁的总结，还能生成音频播客，方便随时听取信息。支持手机端使用，方便出行中查阅和整理资料，对于记者和研究人员来说，是一款提高资料处理效率的强大工具。

七、社交媒体管理——“FeedHive”
在社交媒体运营中，内容策划和数据分析尤为重要。“FeedHive”是一个专业的社交媒体管理平台，支持多账号、多平台操作，不仅可以定时发布内容，还能通过AI分析数据，推荐最佳发布时间和热门标签，帮助内容获得最大曝光。无论是企业还是个人自媒体，都可以借助它优化社交策略，有效提升影响力。

总结
除了以上几款工具，AI的应用远不止于此，诸如生成图片、情感陪伴、学习助手等都在不断涌现。未来，掌握并合理利用AI工具，将成为提升个人工作能力的关键。然而，使用AI应坚持“工具为辅，努力自我”的原则，确保工作中的原创性和职业道德。在逐步融入AI的新时代，积极探索合适的应用方式，将让我们在不断变化的职场中立于不败之地。

[原始链接]

近日，伯克利人工智能研究所的一项最新研究引起了业界关注。这项名为“利用潜在扩散模型实现蛋白质序列与三维结构的同步生成”的研究，首次将蛋白质折叠模型的潜在空间应用于新蛋白的设计中，为药物开发和生命科学研究带来了新的可能。

随着2024年诺贝尔化学奖授予“深度学习在蛋白质结构预测中的杰出贡献”——AlphaFold2，人工智能在生物学中的角色被广泛认可。未来，AI在蛋白质设计和药物研发中的应用潜力正逐步显现。

这项新研究的核心在于开发一种多模态生成模型，名为“PLAID”。该模型能够同时生成蛋白质的一维氨基酸序列和三维结构，打破了传统只专注于结构或序列的限制。它通过学习蛋白质折叠模型的潜在空间，从已有的蛋白质序列数据库中进行采样，生成具有新功能的新蛋白。

与以往模型不同，PLAID能同时处理离散的序列信息和连续的全原子结构坐标，解决多模态共同生成的问题。这对于实际应用尤为重要，比如药物设计中，研究人员可以根据功能需求和使用对象，定制蛋白质的结构和序列。

另外，过去很多生成模型只生产蛋白质的骨架原子（主链），未能加入侧链原子，完整生成全原子结构需要提前知道蛋白质序列，这在实际中增加了难度。PLAID无需事先知道序列，只通过训练在序列数据库上学习到的知识，即可在推断时还原完整的三维结构。这一技术利用了预训练蛋白质折叠模型的潜在信息，增强了生成的多样性和实用性。

在训练过程中，模型只需大量的蛋白质序列数据，这比结构数据库要丰富得多，也大大降低了成本。通过学习蛋白质的潜在空间，模型能够在生成新蛋白质时，保持序列的多样性，同时确保折叠结构的合理性。

研究团队还提出了“压缩潜在空间”技术，通过对蛋白质序列与结构的联合表征进行压缩，使得模型在高维潜在空间中更高效地学习和生成蛋白。这个方法不仅提高了计算效率，还确保生成蛋白的多样性和结构的合理性。

未来，研究人员计划将此方法拓展到更复杂的多模态生成任务，如蛋白质与核酸或配体的复合结构预测。随着AI预测能力的不断提升，相信未来蛋白质、多种生物大分子系统的联合设计将成为可能，为生命科学和药物研发带来革命性的变革。

总之，这项研究不仅为蛋白质设计提供了新的工具，也展示了人工智能在生命科学中的巨大潜力。期待未来，相关科研人员和企业能够合作，将这一技术应用于实际的药物开发和疾病治疗中，造福广大公众。

[原始链接]