全部资讯
共 90 页，第 82 页
AI服务商增强企业支持：新增更多安全控制、更新Assistants API并优化成本管理
亚马逊AWS在面向开发者的峰会上宣布一项重大更新，旨在提升云计算服务的性能与效率。此次升级将简化开发流程，并优化客户体验，展示了亚马逊持续在云计算领域的技术领先与创新。
AI安全新框架：通过优先级训练抵御恶意提示攻击
随着大型语言模型(LLM)在AI领域广泛应用，一项新研究揭示其存在显著安全漏洞，包括提示注入和围栏突破。这些攻击形式使恶意用户能绕过模型指令限制，生成有害或敏感信息。LLM的'黑箱'特性及开发者侧重性能而非全面安全审计是主要诱因。研究指出，LLM在高风险场景下的脆弱性可能威胁数据安全，并放大AI伦理挑战。当前全球LLM使用量激增，行业正通过输入过滤器、对抗性训练等技术手段应对风险。展望未来，该研究强调了LLM安全漏洞的紧迫性，并可能推动AI行业进入更谨慎的发展阶段，促使法规和伦理框架进一步完善。
OpenAI在日本发布定制GPT-4模型，设立亚洲首个办事处
OpenAI近日宣布在日本东京设立亚洲首家办事处，并发布针对日语优化的GPT-4定制模型。这一举措旨在深耕亚洲市场，满足日本独特的语言处理需求和技术合作机会。新模型通过深度学习日语特有的语法结构和文化内涵，实现更精准的理解与自然生成。OpenAI总裁Sam Altman强调日本强大的研究基础和市场潜力，首席科学家Yoshua Bengio也认可其技术挑战性。东京办事处不仅推广该模型，还将承担人才培养、语料库研究及为其他亚洲地区提供技术支持等多重角色。值得注意的是，尽管OpenAI在亚洲仅有日本一地布局，但该战略选择突显了其对日语复杂性和市场特殊性的重视。同时，DeepMind、Google AI等企业也在加速开发本土化模型，反映AI行业正从全球化向地缘化转变的趋势。
Klarna用AI革新购物、服务和员工效率：相当于700个全职代理
瑞典时尚电商Klarna正全面转向AI技术，以重塑零售体验。该公司利用算法优化产品推荐、用户画像分析及CRM管理，在客户服务中部署AI聊天机器人提升效率，同时通过自动化任务增强员工生产力。这一策略体现了行业从大众化向精细化转型的趋势，并已在2023年CES等场合展示。然而，Klarna需平衡AI效率与用户隐私保护（如GDPR合规），避免算法偏差和缺乏人性化服务的潜在风险，以在激烈竞争中保持可持续增长。
OpenAI推出新功能，让开发者更好地定制模型？
台风'格美'于7月25日在菲律宾以南海面生成，随后向巴士海峡方向移动。预计将于7月30日登陆台湾东部，并于8月初从福建到浙江沿海再次登陆。气象部门已发布预警，要求相关地区做好防范准备，并密切监测台风动态以应对可能的影响。
Harvey与OpenAI合作开发法律领域定制化AI模型
知名律师事务所Harvey与OpenAI展开深度合作，共同研发一款专为法律专业人士打造的定制化AI模型。该事务所强调技术知识将成为高端客户市场的竞争优势，通过共同构建能精准理解法律推理和司法文本的系统来提升工作效率与分析深度。相比其他律所简单使用现成AI工具，Harvey要求OpenAI加入专门研发团队，体现了其在法律数字化转型中采取的差异化策略。
ChatGPT易用升级：免注册即可体验AI优势
DeepAI公司上周五在GitHub上推出'OpenExperience'新项目，允许用户无需注册直接体验AI生成内容。该项目旨在消除技术障碍并保护隐私，通过仅收集必要元数据来简化访问流程，并基于过去两年的用户调研发现注册门槛是关键问题之一。发布后一小时内访问量激增至150万，远超DeepAI过去一周的总数据，谷歌和微软等公司迅速跟进调整策略。这一转型标志着AI从实验室'玩具'向实用工具转变，正在推动行业民主化并改变市场竞争格局。
奥斯卡利用AI降低健康保险成本并提升患者护理
美国健康保险公司Oscar正利用人工智能革新传统保险模式。通过AI分析海量医疗数据，该公司旨在降低20%的行政成本、减少人为错误，并提升患者护理体验。Oscar开发自动化系统处理理赔和健康建议，同时整合电子健康记录以提供预防性干预。尽管面临数据隐私及偏见挑战，该策略已使Oscar实现10-20%的成本节约，并推动行业转向更智能的服务形式，如亚马逊和谷歌也在探索类似技术。未来若规模化应用，AI有望缓解全球医疗资源紧张，并提升整体生活质量。
语音引擎小规模预览经验：探讨创建自定义声音的挑战与机遇
DeepMind于4月8日正式发布其最新语音创造模型Voice Engine，该技术在小规模预览中基于经验教训突显创新性，并被视为人工智能语音领域的一项重大突破和新里程碑。
泽玛利用GPT-4革新教育数据可访问性
初创公司Zelma将OpenAI的GPT-4模型整合至其教育数据平台，使搜索效率提升62%、准确解读率提高47%，解决了教育资源分配不均问题。该平台整合了来自400多个学术机构的200TB教育数据，通过AI进行'教育再分配'及构建知识图谱、跨学科关联分析。数学领域应用案例显示，该平台能解答复杂问题并提供详细解题思路，同时针对不同教育阶段进行分级处理。整合GPT-4后三个月内吸引2500万美元投资，但仍面临数据安全和生成内容质量控制挑战。Zelma计划在2024-2025年整合更多教育资源及开发学科插件，这一模式被视为应对全球教育数字化鸿沟的重要工具之一，但也引发对AI过度应用可能导致标准化教学思维蔓延的争议。