搜尋結果
5 天前 · 商業故事 領導管理. 6 大面向比較 Meta、Google 工作環境！ 兩邊都待過的資深 PM 揭個人心得. Anice H. 2024-05-23. 分享本文. 如果你有機會去 Meta 或 Google 工作，兩間企業你會怎麼選？ Daniel McKinnon 在 2018 年進入 Meta 擔任產品經理，2022 年離職，去 Google 工作兩年，後來又在今年 2 月回到前東家，負責 Meta 與雷朋攜手推出的 AI 智慧眼鏡專案。 擁有傲人資歷的他寫了篇 部落格文 ，分享工作心得並比較兩者差異：「對產品經理來說，兩間企業的工作環境都很棒。 如果你想要的是快速成長、不怕壓力大，那就去 Meta；如果你追求的是工作與生活平衡，重視穩定性，那麼就去 Google。
4 天前 · AI 之父說話了！ 除卻 LLMs，AI 未來突破該何去何從？ 李琬妍. 2024-05-24. 分享本文. 任職 Meta 的 AI 專家、圖靈獎得主楊立昆 （Yann LeCun） 建議，新一代的 AI 開發者不應只研究大型語言模型（LLMs）。 今年的科技展 VivaTech 5月22日至25日於法國巴黎登場，楊立昆強調，接下來開發出的 AI 系統應具備常識，並對世界有更深入的理解。 他指出大型語言模型有其局限，也鼓勵研究者探索新的架構和學習範式，超越目前的研究方法。 楊立昆表示，雖然大語言模型在許多方面展示了強大的能力，但不是 AI 技術的終極解決方案。 他也表示自己正在研究下一代人工智慧系統，
4 天前 · 2024-05-24. 分享本文. 在安全測試和評估中，紅隊（Red Teams）指的是模擬攻擊者來測試系統弱點的團隊。 他們的角色是找出並利用系統中的漏洞，以便系統開發者修復。 而現今，社群媒體用戶利用迷因揭露 AI 的缺陷，儼然成為另類的紅隊。 AI 風行至今，卻也屢屢出包。 如 Google 雖強調在推出新功能前已進行廣泛測試，AI 建議卻出現嚴重錯誤，如誤將喜劇網站內容當真進而引用，引發社群媒體用戶嘲笑；也曾利用一位 11 歲 Reddit 用戶的發布內容，建議在披薩醬中加膠水以增加黏性。 還曾有 AI 提供關於響尾蛇咬傷的錯誤建議，內容有違美國林務局指示，或是將有毒蘑菇誤認為普通蘑菇，引發警示。
5 天前 · Ariel. 2024-05-23. 分享本文. 去年，生成式 AI 的興起，衝擊許多內容創作產業，在好萊塢還因此引發美國編劇工會（WGA）發動罷工的運動，而同樣以內容產製為主要技能的另一個產業：新聞媒體，已經開始學習將生成式 AI 視為開啟新商業模式的工具。 目前已有多家新聞編輯室包含《紐約時報》、《美聯社》等，都與科技公司合作或投入資源研究，希望可以找出 AI 工具與記者的最佳協作方式。 媒體巨頭向科技公司收取「版權費」，創造新收入. 雖然人們只要餵養生成式 AI 在對話裡輸入：「幫我寫一則關於 XXX 事件的新聞」，並給予相關資料，它就可以洋洋灑灑地寫出一篇報導，但是若沒有新聞媒體根據新聞事實產製的「原生內容」， AI 要從何學習這些新聞事實，進而寫出報導呢？
5 天前 · 分享本文. 根據《華爾街日報》報導，隨著人工智慧（AI）技術的快速發展，聊天機器人（Chatbots）在各行各業中得到了廣泛應用。 然而，最近的一項研究顯示，消費者對聊天機器人的態度呈現出複雜的局面：一方面，許多人欣賞其帶來的便捷性和高效性；另一方面，對其可靠性和數據隱私的擔憂也在增加。 研究發現，超過60%的受訪者表示他們曾經使用過聊天機器人進行客戶服務查詢或產品推薦。 消費者普遍認為，聊天機器人在處理簡單問題和提供即時回應方面非常有效，特別是在網上購物和技術支持領域。 然而，當涉及到更為複雜的問題時，消費者更傾向於與人工客服交流，以獲得更詳細和個性化的解答。 儘管聊天機器人帶來了諸多便利，但消費者對數據隱私和安全的擔憂也在增加。
5 天前 · TikTok 推出了一款名為 Symphony 的 AI 廣告生成器，幫助品牌快速創建吸睛的廣告。 官方稱 Symphony 能「幫助品牌大規模製作廣告」，能以簡單少量的輸入內容，就生成 TikTok 影音廣告。 這款工具將簡化廣告創作過程，讓商家能夠製作高品質、目標明確的內容，提升觸及率。 Symphony 的 AI 能夠從龐大的資料集中提取用戶喜好，生成符合潮流和用戶興趣的廣告內容。 這不僅提高了廣告的點擊率和互動性，也讓商家能夠更精準定位目標受眾。 TikTok 表示，Symphony 將成為品牌廣告創作的強大助力，讓廣告更具創意性和吸引力，同時大幅縮短創作時間。 Symphony的推出將提升 TikTok 在數位廣告市場中的市佔率。
5 天前 · 2024-05-23. 分享本文. 隨著 AI 生成的內容鋪天蓋地的出現在網路上，未來人工智慧模型的訓練數據也正在被這些內容腐蝕。 一旦出現被汙染的數據，未來的 AI 模型就無法準確精準地學習以及模擬人類的各種行為。 且 即使是少量的 AI 生成內容，最終也會將錯誤內容擴散至正在訓練的模型，再隨著每一代模型的迭代，這些錯誤會逐漸累積，導致所謂的「模型崩潰」（model collapse） 。 例如，經過多次迭代後的模型可能會失去對文字或圖像的準確理解，甚至生成出完全無關的內容。 「模型崩潰」將導致訓練模型性能大幅下降. 不過這種現象並非無迹可循，牛津大學的機器學習團隊觀察到，即使是最簡單的模型也已經出現了這種「模型崩潰」的跡象。
