庫(kù)克演講談隱私保護(hù):反遭美媒嗆聲
6月12日消息,蘋(píng)果CEO蒂姆•庫(kù)克(Timothy D. Cook)上周發(fā)表的一場(chǎng)演講,在科技行業(yè)中引發(fā)了爭(zhēng)議。《紐約時(shí)報(bào)》網(wǎng)絡(luò)版近日發(fā)表題為《庫(kù)克捍衛(wèi)隱私的演講忽略了什么》(What Apple’s Tim Cook Overlooked in His Defense of Privacy)的文章。對(duì)庫(kù)克的隱私保護(hù)言論進(jìn)行了評(píng)論。
文章稱,庫(kù)克在近日的一次演講中,暗諷谷歌、Facebook等科技巨頭以用戶隱私為代價(jià),提供免費(fèi)服務(wù)獲得了商業(yè)上的成功。紐約時(shí)報(bào)認(rèn)為,事實(shí)上,蘋(píng)果也在搜集用戶的數(shù)據(jù),并通過(guò)內(nèi)置谷歌搜索引擎等免費(fèi)服務(wù),間接獲得了商業(yè)利益。庫(kù)克所倡導(dǎo)的隱私保護(hù)標(biāo)準(zhǔn)是過(guò)于嚴(yán)格和不切實(shí)際的,且忽視了以廣告驅(qū)動(dòng)的免費(fèi)服務(wù)為用戶帶來(lái)的巨大價(jià)值。
該文還指出,隱私保護(hù)的實(shí)質(zhì)其實(shí)是信息的公開(kāi)。蘋(píng)果也會(huì)在自家系統(tǒng)中內(nèi)置各種免費(fèi)服務(wù),如iPhone和iPad中的谷歌搜索引擎等。這表明,蘋(píng)果也贊同科技行業(yè)的其他公司以及許多用戶的觀點(diǎn)——依賴廣告的免費(fèi)服務(wù)整體而言是有益的。問(wèn)題的關(guān)鍵,不在于用戶是否應(yīng)使用免費(fèi)服務(wù),而在于當(dāng)我們使用這些免費(fèi)服務(wù)時(shí),這些公司是否向我們提供了足夠的信息,以幫助我們理性地做出決定。
有趣的是,紐約時(shí)報(bào)發(fā)表這篇文章后,引起了極大的關(guān)注,但蘋(píng)果發(fā)言人卻拒絕對(duì)這篇文章發(fā)表評(píng)論。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。