/
超越计算机视觉：实验室培养大脑及其视觉机制
在人工智能与神经科学交叉领域的研究中，科学家正在探索自然发育的生物大脑与人工神经网络之间的异同。如今，实验室培养的生物类器官大脑为这一领域带来了新的复杂性。科学家使用干细胞培养出梨形大脑类器官，这些类器官甚至能够自主生长出眼睛。研究人员通过探索视觉与智能的关系，以及大脑-眼部缩放关系，为人工智能研究提供启发。
从幻觉到硬件：真实计算机视觉项目的经验教训
Dell技术团队在构建笔记本电脑物理损伤识别模型时，遭遇了AI幻觉、垃圾图像检测和输出不稳定等问题。项目从单体提示开始，尝试了多模态方法，最终创新性地将智能体框架应用于图像解释任务。通过组合精确的智能体检测、广泛的单体扫描和针对性微调，构建了可靠的混合系统，显著减少了幻觉问题并提高了检测准确性。
特斯拉推迟无人出租车发布改用安全员模式
特斯拉原定6月22日在奥斯汀推出"车内无人"的Robotaxi服务未能如期实现。公司宣布将采用限制性服务模式，配备特斯拉员工作为安全员。与传统做法不同，安全员将坐在副驾驶座而非驾驶座，这一做法此前曾被俄罗斯Yandex公司采用。服务将限制在上午6点至午夜时段，仅对受邀乘客开放，避开复杂路段，恶劣天气下暂停服务。业内普遍认为副驾驶配置主要为营造视觉效果，实际安全性不如传统驾驶位配置。
Meta发布新AI模型：能理解重力等物理规律
Meta本周发布了名为V-JEPA 2的开源生成式AI模型，该模型能够帮助人工智能理解重力和物体永恒性等物理概念。与依赖标记数据或视频模拟现实的传统模型不同，V-JEPA 2强调物理世界的逻辑，包括物体如何移动和相互作用。该模型可应用于自动驾驶汽车和机器人等设备，无需针对每种可能情况进行训练，简化了流程并提高了现实应用的效率。
Meet Posha，一台能为你烹饪菜肴的台面机器人
本文介绍了 Posha 这款台面机器人，其创始人 Raghav Gupta 希望解决亲自烹饪家常菜所耗费时间的问题。Posha 使用计算机视觉技术，根据用户选择的菜谱和预先添加的食材自动完成烹饪，未来还将引入生成式 AI 优化菜谱生成，为忙碌的用户节省大量厨房时间。
人工智能在航空航天产业中是否获准起飞？
本文讨论了AI如何革新航空航天业，从优化航班运营、提升驾驶舱智能化，到加速飞机设计、精益制造和预测性维护，既提高安全性又降低成本，同时强调需平衡技术、监管与伦理挑战。
Google Maps 新推人工智能工具可助改善道路拥堵问题
Google 在其年度云计算大会上推出了多项 AI 驱动的 Google Maps 新功能，旨在帮助企业和城市改善道路状况、管理交通拥堵并了解当地趋势。这些工具包括利用 AI 识别基础设施、分析地理趋势和管理道路交通等功能，有望为决策者提供更全面的数据支持，提高城市管理和商业决策的效率。
Copilot Vision 更新：Microsoft 让 AI 助手能"看见"你的屏幕和应用程序
Microsoft 正在测试 Windows 版 Copilot 应用的新更新，允许用户与 AI 助手共享屏幕或应用。Copilot Vision 原本仅限于 Edge 浏览器，现在扩展到 PC 上的所有应用。它可以指导用户使用 Photoshop 功能，分析照片和网页。新功能还包括文件搜索，支持多种文件格式。这些功能将在未来几周或几个月内向所有 Windows 11 用户推出。
Gemini Live 不仅仅是会对话的 AI，它现在有了"眼睛"。我亲自体验了一下
Google 推出的 Gemini Live 不仅能进行对话,还能通过摄像头识别物体。这项功能可以帮助用户在日常生活中获取更多信息,如识别艺术品、导航等。它比简单的图像识别更强大,能与用户进行自然对话。目前该功能已开始在部分手机上推出,有望改变我们与周围世界互动的方式。
微软将 Copilot Vision 引入 Windows 和移动设备，为现实世界提供 AI 辅助
微软将 Copilot Vision 功能扩展至 Windows 和移动设备，超越网页应用范畴。用户可通过移动设备摄像头实时分析视频，获得植物护理和家居装饰建议。Windows 版本即将推出，支持全系统 AI 辅助，如指导 Photoshop 操作和分析照片、网页等。此次更新还包括记忆、个性化、网络操作和播客创建等多项新功能。
Google 推出 Gemini 实时 AI 视频功能
Google 正式向用户推出 Gemini Live 的新 AI 功能，让用户能够通过手机屏幕或摄像头实时与 AI 进行交互。这项源自 "Project Astra" 的技术，可以实时解读视频内容并回答相关问题。目前该功能已向 Google One AI Premium 计划的 Gemini Advanced 订阅用户开放，展现了 Google 在 AI 助手领域的领先地位。
这款应用通过让你真的去触摸草地来限制你的屏幕使用时间
一款名为 "Touch Grass" 的 iOS 应用采用独特方式限制用户使用手机：用户必须走到户外拍摄真实的草地照片，才能解锁受限应用。该应用使用计算机视觉 AI 技术识别真实草地，防止用户使用室内植物作弊。这个既幽默又实用的应用程序，旨在帮助人们减少屏幕使用时间，培养更健康的生活方式。
Nvidia 推出 Cosmos-Transfer1，让机器人训练超乎寻常地真实 - 这将改变一切
Nvidia 发布了 Cosmos-Transfer1 人工智能模型，可生成高度逼真的仿真环境，用于训练机器人和自动驾驶汽车。该模型采用自适应多模态控制系统，能更精细地控制生成环境，显著提高仿真度和实用性。它解决了物理 AI 开发中模拟训练与现实应用之间的差距，为机器人和自动驾驶技术的发展带来重大突破。
AI 能否担任花样滑冰裁判？
人工智能正在改变体育运动的评判方式。在花样滑冰中，AI可以通过卷积神经网络和姿态估计等技术，精确分析运动员的动作和团队配合。这不仅有助于减少人为偏见，提高评分的公平性，还可以用于教练指导和自我反馈。尽管面临数据稀缺等挑战，但AI在花样滑冰等体育项目中的应用前景广阔。
Snap 推出基于自研生成模型的 AI 视频滤镜
Snapchat 首次推出由自研生成视频模型驱动的 AI 视频滤镜。这三款新滤镜仅向付费用户开放，每月订阅费 15.99 美元。Snap 此举旨在保持竞争力，为用户提供独特功能。公司计划每周增加新滤镜，目前包括"浣熊"、"狐狸"和"春花"三款。用户可通过镜头轮盘访问并保存生成的 AI 视频。
简单贴纸就能迷惑自动驾驶汽车，最新研究显示
研究人员发现,廉价的贴纸可以有效欺骗自动驾驶汽车的交通标志识别系统。他们还发现这些系统会"记忆"标志位置,即使标志被遮挡也会假定其存在,导致攻击成功率低于预期。研究人员测试了多种攻击方法,包括使标志"消失"或制造虚假标志。这项研究填补了商业自动驾驶系统漏洞研究的空白,为提高系统安全性提供了重要信息。
Tavus 推出系列 AI 模型，实现实时人脸交互技术突破
Tavus Inc.是一家人工智能研究初创公司，专注于开发能够模拟与他人对话体验的实时AI技术。今天，该公司宣布推出一系列突破性的AI模型，旨在构建人机互动的操作系统，通过“对话视频界面”使AI能够自然地感知、理解和回应。Tavus的使命是让AI理解面部表情、语调和肢体语言，并能够用自己的表情和语调做出反应。
这家AI初创公司承诺可以从家庭安防视频中抹除人物身影及更多功能
Prompt AI公司推出的Seemour平台为家庭安防摄像头带来了前所未有的AI功能。除了常见的物体识别和动作分析外,它还能学习识别宠物名字、识别特定个人并从视频中移除他们,以及回答问题如"我的钥匙放哪了?"等。这些创新功能将家庭安防AI推向了新的高度,但也需要用户对这家初创公司给予足够的信任。
Nvidia 推出新型 AI 工具助力手语学习
Nvidia 推出了一款名为 Signs 的创新 AI 工具，旨在帮助人们学习美国手语 (ASL)。该平台提供手语词汇库、3D 虚拟教师和实时反馈功能，用户可以通过网络摄像头获得签名评估。Nvidia 计划扩展词汇库并开放数据集，以促进无障碍 AI 工具的开发，为听障儿童家庭提供早期沟通渠道。
京公网安备 11010802021500号
