睡前人工智能共享实验室

原创 南开大学与字节跳动研究人员推出开源AI工具ChatAnything：用文本描述生成虚拟角色

为了验证引导扩散的有效性，研究人员创建了一个包含不同类别提示的验证数据集，并使用预训练的面部关键点检测器评估了面部关键点检测率，展示了他们提出的方法的影响。通过混合语音和外观生成概念，用户只需几个文本输入即可定制角色。然而，研究人员在使用当前模型生成的拟人化对象时遇到了一个挑战，即这些对象通常无法被预先训练的面部关键点检测器检测到，导致面部运动生成失败。为了解决这个问题，他们在图像生成过程中引入了像素级的引导，注入人脸关键点，显著提高了面部关键点检测率，从而实现了基于生成的语音内容的自动面部动画。

原创 复旦、人大等发布大五人格+MBTI测试 角色扮演AI特质还原率达82.8%

研究使用了大五人格的NEO-FFI问卷和MBTI的16Personalities测试，并通过LLM进行引导式开放式问答，全面测试了AI角色的人格。这一面谈式人格测试框架的提出，为评估角色扮演AI的人格特质提供了新的方法。这项研究通过使用心理学的人格相关理论，从大五人格和MBTI等维度对角色扮演AI进行了人格测试，为这一领域的研究提供了新的视角。综合而言，这项研究为评估AI角色扮演的人格特质提供了新的方法和视角，同时也揭示了在现有技术中存在的一些挑战和限制。

原创 揭秘人工智能行业： 访问量的 50 个 AI 工具及其超过 24 亿次访问行为

例如，Nvidia 股价在过去六个月内上涨了近 68%，公开交易的芯片制造商估值高达 1210 亿美元，超过了 Meta、Tesla 或 Berkshire Hathaway。与此同时，像 Character.ai、Google Bard 和 Perplexity AI 等新兴竞争者共同占据了聊天机器人市场月访问量的 18.69%。在一个相关故事中，对「AI 女友」的搜索量增加了超过 2400%。2023 年 8 月，这些网站的访问量达到了 2.8 亿次，比报告开始的第一个月增长了 2.6 亿次。

原创 微软正式宣布其首款人工智能芯片 Maia 100 及基于 Arm 的通用计算芯片 Cobalt 100

在云计算的规模下，优化和整合堆栈的每一层，以最大化性能，多样化供应链，坦率地说，为我们的客户提供基础设施选择非常重要。「Maia 支持我们首次实现的 8 位以下数据类型，MX 数据类型，以实现硬件和软件的共同设计。Azure Maia AI 芯片和 Azure CobAlt CPU 都是微软内部研发的，结合了对整个云服务器堆栈的深度改造，以优化性能、功率和成本。供应链的多样化对微软来说很重要，尤其是在 Nvidia 目前是 AI 服务器芯片的主要供应商，公司一直在争相购买这些芯片的情况下。

原创 DeepMind发布新模型Mirasol3B:更高效处理音频、视频数据

此外，视频和音频信号中的大量数据远远大于文本，因此在将它们结合在多模态模型中时，视频和音频通常无法完全消耗，需要进行不成比例的压缩。“我们的模型包括一个用于时间同步模态（音频和视频）的自回归组件，以及一个用于不一定时间对齐但仍然是序列的模态(例如标题或描述)的单独的自回归组件，”Noble和Angelova解释道。该模型理论上可以用于提升用户体验和参与度，例如生成视频的字幕和摘要，回答问题并提供反馈，创建个性化推荐和广告，以及让用户使用多模态输入和输出创建和编辑自己的视频。

原创 Ghostbuster：一个准确度高的AI生成文本检测工具

希望将Ghostbuster应用于潜在的文本生成的禁区使用的用户应该注意，对于较短的文本、远离Ghostbuster训练领域的领域（例如不同的英语变体）、非英语母语的文本、人工编辑的模型生成或通过提示AI模型修改人工创作的文本，错误更有可能发生。然而，文档长度可能是主要因素，因为Ghostbuster在这些文档上的表现几乎与其在其他长度相似的领域之外文档上的表现一样好（74.7F1），后者的F1在75.6到93.1之间。分类器训练:根据最佳的基于概率的特征和一些额外的手动选择的特征训练了线性分类器。

原创 OpenAI 获得更多的英伟达 H100 芯片，CEO Sam Altman 预测明年芯片获取将更加顺利

尽管英伟达目前仍占据主导地位，但就在上周，SymphonyAI 首席执行官 Prateek Kathpal 表示，尽管该公司的 AI 应用运行在英伟达的芯片上，但公司也在与 AMD 和 Arm 讨论其技术。在背后，初创公司、芯片竞争对手如 AMD，以及谷歌和亚马逊等大型科技公司一直在致力于开发更高效的 AI 应用专用芯片，以满足市场需求——但到目前为止，还没有哪家公司能够超越英伟达。英伟达的 H100 芯片专为生成式 AI 设计，运行速度比之前的芯片型号快得多。他在接受《金融时报》采访时提到，

原创 Adobe研究人员研发新AI模型LRM：实现从2D样本瞬时生成3D图像

他们的答案是“是”。LRM通过采用大规模数据和高容量模型的组合，实现了从单张图像到3D模型的快速而准确的重建。该项目的领导作者、澳大利亚国立大学工程、计算和控制学院的毕业生、Adobe实习生Yicong Hong表示:“这种高容量模型和大规模训练数据的结合使得我们的模型具有很强的泛化能力，能够从各种测试输入中产生高质量的3D重建。4.高通用性: 由于高容量模型和大规模训练数据的结合，LRM具有很强的通用性，能够从各种测试输入中生成高质量的3D重建，包括真实世界中的野外捕捉和生成模型的图像。

原创 重磅！2024QS亚洲大学排名出炉！北大蝉联榜首，港大反超新国立、清华！

在亚洲，韩国仍然是拥有顶尖大学比例最高的国家之一，其中有6%的大学进入亚洲前20名，这也是拥有10所以上排名大学的地区中最高的比例。中国是亚洲最具影响力的研究中心，这在QS的研究影响度衡量标准中可见一斑，其中有24所中国大陆大学进入该地区前50名，是第二名的四倍。上海交通大学在师均论文产出方面表现出色，是中国大陆最多产的研究机构，排名亚洲第19位，也是唯一 一所进入该地区前20名的中国大陆高校。在衡量教学资源的指标（师生比）中，中国大陆高校的表现略显不足，排名最高的是中国科学技术大学，排名第18位。

原创 听10秒语音就能判断糖尿病，这个AI大模型太硬核了！

由于年龄和体重指数等因素会对语音数据产生影响，研究人员根据参与者ID将数据分割成年龄和体重指数匹配的数据集，用于模型训练和统计分析，这有助于AI模型能够学习到糖尿病语音的真实变化。测试结果显示，对女性，语音结果与体重指数的2型糖尿病患病率相结合，在测试集上达到了0.89的准确率、0.91的特异度和0.71的敏感度。对男性，语音结果与年龄和体重指数的2型糖尿病患病率相结合，在测试集上达到了0.86的准确率、0.89的特异度和0.75的敏感度。参与者的糖尿病诊断是基于美国糖尿病学会的诊断标准，由医生确认。

原创 GPTS应用怎么创建？GPTS无法创建应用很卡怎么办

在首届开发者大会上，OpenAI宣布推出了GPTs功能，也就是GPT Store，类似App Store的应用商店，任何用户都可以去参与创建应用。那么GPTS应用该如何创建?碰到应用无法创建很卡怎么办呢?目前在创建GPTs的时候会默认使用Bing来进行联网，不过Bing联网不仅不稳定速度慢，而且还不能进行谷歌搜索。推荐大家可以使用WebPilot这个联网API，速度快 答案准确率高，仅需30秒就可以将功能添加到您的GPTs!以上就是GPTS应用创建教程，使用非常简单任何人都可以参与其中，各位快去试试吧!

原创 AI图像生成模型LCMs: 四个步骤就能快速生成高质量图像的新方法

他们首先在文本与图像配对的数据集上训练了标准的Latent Diffusion Model（LDM），然后利用其生成的新训练数据来训练Latent Consistency Model(LCM)。与传统的Latent Diffusion Models(LDMs)相比，LCMs在生成详细且富有创意的图像方面同样出色，但仅需1-4步骤，而不是数百步骤。LCMs能够在仅4步的情况下创建高质量的512x512图像，相较于Latent Diffusion Models（LDMs）数百步的要求，是一项显著的改进。

原创 GPU架构与计算入门指南

我理解众多的新术语和新概念可能令读者望而生畏，因此文章最后对要点进行了总结，以便快速回顾。GPU由多个SM组成，每个SM又包含多个处理核心。GPU上存在着一个片外全局内存，通常是高带宽内存（HBM）或动态随机存取内存（DRAM）。它与芯片上的SM相距较远，因此时延较高。GPU中有两个级别的缓存：片外L2缓存和片上L1缓存。L1和L2缓存的工作方式类似于CPU中的L1/L2缓存。每个SM上都有一小块可配置的共享内存。这块共享内存在处理核心之间共享。

原创 英伟达发布RAPIDS cuDF框架 pandas在GPU上运行速度快了150倍

新版本的 RAPIDS cuDF 是基于 Apache Arrow 构建的 Python GPU dataframe 库，提供了类似 pandas 的 API，可以加载、过滤和操作数据。这个新功能对于想要继续使用 pandas 进行大型数据处理的数据科学家来说非常有用，因为随着数据规模的增长，pandas 的性能会下降，而使用 GPU 加速可以获得更好的性能。Nvidia 发布的新版本的 RAPIDS cuDF 框架为数据科学家提供了一个性能更高的选择。

原创 GPU推理提速4倍！FlashDecoding++技术加速大模型推理

他们已经将FlashDecoding++集成到其大模型计算引擎"Infini-ACC"中，实现了256K上下文的处理能力，这是目前全球最长的文本长度。推理大模型（LLM）是AI服务提供商面临的巨大经济挑战之一，因为运营这些模型的成本非常高。FlashDecoding++ 是一种新的技术，旨在解决这一问题，它通过提高LLM推理速度和降低成本，为使用大模型赚钱提供了新的可能性。FlashDecoding++的出现为使用大模型赚钱提供了更好的机会，因为它可以降低运营成本，提高效率，同时支持多种GPU后端。

原创 华为李鹏：到 2025 年智能算力需求将达到目前水平的 100 倍

李鹏在题为《加速 5G 商业正循环，拥抱更繁荣的 5.5G》的讲话中表示，「5G 已经走在商业成功的正确道路上，而 5G-A 是 5G 发展的自然选择」。另一方面，随着网络流量模型的变化，网络需要「内生智能」，持续提升自动化、智能化水平。李鹏说：「数字经济时代，5G 引领互联网通用技术的突破，重构了』数智经济』的新范式，既促进了数字产业化，也加速赋能了产业数字化，各种创新正在加速到来。基于 5.5G「万兆下行，千兆上行，确定网络，千亿物联，通感一体，原生智能」等特征，数智经济未来发展的五大趋势已愈发清晰。

原创 你的GPU能跑Llama 2等大模型吗？用这个开源项目上手测一测

近几日，GitHub 上新出现了一个项目，可以帮你计算在训练或推理 LLM 的过程中需要多少 GPU 内存，不仅如此，借助该项目，你还能知道详细的内存分布情况、评估采用什么的量化方法、处理的最大上下文长度等问题，从而帮助用户选择适合自己的 GPU 配置。不仅如此，这个项目还是可交互的，如下所示，它能计算出运行 LLM 所需的 GPU 内存，简单的就像填空题一样，用户只需输入一些必要的参数，最后点击一下蓝色的按钮，答案就出来了。在算力为王的时代，你的 GPU 可以顺畅的运行大模型（LLM）吗？

原创 AI智能超越人类终破解！李飞飞高徒新作破圈，5万个合成数据碾压人类示例，备咖啡动作超丝滑

AI巨佬Geoffrey Hinton称，「科技公司们正在未来18个月内，要使用比现在GPT-4多100倍的算力训练新模型」。更大参数的模型，对算力需求巨大的同时，对数据也提出了更高的要求。但是，更多的高质量数据该从何来？英伟达高级科学家Jim Fan表示，「合成数据，将为我们饥渴的模型提供万亿个token」。作为例证，英伟达与UT的研究人员在最新研究中，提出了一个MimicGen系统，能够大量生成机器人训练数据。论文地址：https://arxiv.org/pdf/2310.17596.pdf。

原创 请一个折腾了5个月AI绘画的人来讲讲GPU选择的经验，没入坑的看他这一篇就足够了

当然，我说的是经过显存升级之后的2080ti 22g，显存够大性能不比3070差，跑sdxl也基本没压力了，300瓦的最大功耗比3090低不少，出图速度相当于3090大约70%多。这个级别的卡最大的问题不是性能，而是显存，3080都只有10g，基本上就无缘最新的SDXl了（此处不要抬杠，用尽技术手段可以跑的，你愿意你就去折腾）。好了，商用级的显卡介绍完毕了，这里说的不多，原因就是离我们一般用户这个价格还是比较遥远的，作为普通玩家，不需要那么的追求稳定性，也没有那么多高负载场景需要考虑。

原创 AI无处不在，算力随时支撑-图片涉暴恐识别

采用人工的方式对直播平台进行监控审查，使得人工成本很高，视频直播中存在大量即时信息，如大量的弹幕等，人工审核难以完全覆盖到这些信息，当前直播平台几乎都是24小时不间断直播，纯人工难以长时间集中注意力，从而无法保证审核质量，而采用传统算法审核时存在识别率低、无法有效识别和适应多样化信息等问题。积累的多主题、大规模的数据，具备较高的识别率配备高配GPU等云算力支撑硬件，响应速度快，可满足社交平台的大量即时数据审核，支持文本、图片等多种形式数据的内容审核支持涉黄、涉政、涉暴、涉恐等多种违规情况的判定。

原创 中软国际教育科技集团送给参赛选手的专属福利，悟道之巅大赛参与就有奖励

一、大赛背景悟道2.0是北京智源人工智能研究院开发的大规模人工智能模型。和一般的人工智能模型不同，开发者可以在不掌握人工智能算法的情况下，仅仅调用大模型的接口，就可以使用人工智能的性能。悟道之巅大赛邀请开发者利用悟道2.0大模型开发自己的应用程序。要求选手提交一份PPT、一份代码，并且上线一个应用让大家访问（仅限）。本次比赛总奖金120万元。比赛介绍参见：“中国GPT-3”开放APP开发接口，百万奖金智能应用开发大赛同步启动 (qq.com)二、参赛方法比赛地址：https:..

原创 2021年“未来杯”HarmonyOS 技术应用创新大赛线上初评比赛结果通知

原创 运用知识图谱技术，赋能多领域应用 ——“未来杯”AI学术联赛总决赛暨颁奖典礼圆满落幕

由北京大学软件工程国家工程研究中心主办，华为终端有限公司及中软国际教育科技集团全程战略支持，STEER TECH科技平台、北京乐智元素科技有限公司、艾肯文化传媒（北京）有限公司、AI TIME承办，华为NAIE网络人工智能平台作为技术支持战略合作伙伴的2021“未来杯高校AI挑战赛”之“AI学术联赛”赛道自2021年6月正式启动以来，历时5个月，经过64强小组赛、32强淘汰赛的激烈角逐和层层选拔，于11月13日迎来了本赛道最终16强入围队伍的总决赛比拼环节。本场总决赛的评委团由AI学术联赛评委会主席清华

原创 2021未来杯AI技术挑战赛最终成绩及排名揭晓

2021“未来杯”自今年4月底在深圳大学城正式启动以来，已陆续展开了包括“AI技术挑战赛”、“AI学术联赛”、“HarmonyOS技术应用创新大赛”在内的多条赛道的激烈角逐，收获了来自国内外500+所高校、3000+支参赛队伍的踊跃参与，覆盖国内外高校100万+人的关注。本届“未来杯”的组织机构阵容较之往届更加强大，主办方联合了北京大学软件工程国家工程研究中心、中软国际教育科技集团和STEER TECH科技平台共同举办，华为作为全程战略合作伙伴。为确保本届赛事的学术性和专业性，大赛组委会还联合了AI T

原创 开营 | 未来杯区块链技术学习营狂撒2万元现金奖励！速进~

2021未来杯区块链应用创新大赛已于9月24日正式启动！本届大赛是由中国信息协会主办，中国信息协会教育分会、艾肯文化传媒（北京）有限公司、中软国际教育科技集团、以太坊行星承办，北京大学研发实验服务基地、iCAN国际联盟、STEERTECH科技平台、Biendata数竞社区协办，以太坊基金会全程战略支持。本界大赛共设【区块链应用场景创新】【区块链工具开发】2个赛题供参赛选手自行选择。希望选手能充分发挥和展示区块链在助力产业发展各个方面的优势，例如数据共享、降低成本、传递信任等，从而进一步推动区块链技术和产

原创 2021未来杯区块链应用创新大赛正式启动！

2021未来杯区块链应用创新大赛已于24日正式启动！本届大赛是由中国信息协会主办，中国信息协会教育分会、艾肯文化传媒（北京）有限公司、中软国际教育科技集团、以太坊行星承办，北京大学研发实验服务基地、iCAN国际联盟、STEERTECH科技平台、Biendata数竞社区协办，以太坊基金会全程战略支持，华为全程战略合作伙伴。本界大赛共设【区块链应用场景创新】【区块链工具开发】2个赛题供参赛选手自行选择。希望选手能充分发挥和展示区块链在助力产业发展各个方面的优势，例如数据共享、降低成本、传递信任等，从而进

原创 V神入围时代杂志2021年100位最具影响力人物名单

​人们的目光总是会关注那些与众不同的“天才”，很多孩子少年时展现天赋，但长大之后有些不尽如人意，让人忍不住“伤仲永”，不过有些天才，却一直在“神坛”上让人仰望。9月15日晚上，《时代》杂志正式公布了2021年最具影响力100人名单，以太坊创始人Vitalik Buterin（V神）成功入围。在关于其作为以太坊联合创始人的简介中，Reddit联合创始人Alexis Ohanian引用了V神在将以太坊网络建设到超过4000亿美元市值以及鼓励开发去中心化应用程序和NFT方面的作用。作为以太坊的传奇创始

原创 万元学习奖励+HarmonyOS开发板！免费送啦！速进！

为配合2021未来杯HarmonyOS技术应用创新赛的赛事，未来杯组委会为选手提供了HarmonyOS应用程序开发系列课程，选手们可以进群免费观看直播，除此之外，未来杯组委会还为学习有成效的选手们准备了丰厚的双重学习奖励：HarmonyOS开发板+万元学习奖励！大赛背景&任务HarmonyOS是新一代的智能终端操作系统，为不同设备的智能化、互联与协同提供了统一的语言，带来简捷、流畅、连续、安全可靠的全场景全新交互体验。HarmonyOS可以实现无论设备大小，只需一个系统，为小到128K内存的

原创 AI时代的GitHub，这个陆奇看好的方向，终于有人做了

面向AI时代生存发展，什么最重要？数据、数据，还是数据。特别是中小企业、转型中的广大传统企业，数据、优质数据，寻找并管理数据，更是刚需中的刚需——就像互联网开发时代里对代码共享和管理的需求那样。所以如果有面向AI时代打造一个数据方向的GitHub，是不是契合刚需痛点？这不，还真有AI创业团队这么做了。而且看好的人中，还有个叫陆奇的big name.GitHub for Data出品者，格物钛。一家AI数据托管和数据协作SaaS提供商，创始团队也都是一线技术工程师，深谙

原创 在线学习的“后浪”：现代学习系统中的人工智能

由于全球疫情的到来，几乎每所大学都将课程搬上了在线学习平台。随着世界各地引入学习管理系统，学校、学院和大学联系学生变得更全面更方便了。在线学习已经取得了一定的成功。统计数据显示，与传统课堂学习相比，在线学习的学生上课保有率更高。学校短期内不会复学，在线学习平台可能将成为唯一的教学方式。人工智能在工程、医学、信息技术和金融领域产生了重大影响。随着各个领域都在飞速进步，人工智能必将席卷现代学习系统。本文将深度介绍人工智能和机器学习以及它们对当代学习系统的影响。人工智能和机器学习：你必须知道的事情..

原创 全自动加持，无人机实现真“无人”！

无人机想必大家都已不陌生。近年来，在无人化作业需求不断释放，各种前沿技术快速发展的背景下，无人机已经越来越多的走进人们的生产与生活，包括农业植保、电力巡检、物流运输、应急救援等等，其在诸多领域带来了福音和价值。不过，无人机虽然号称“无人”，但大多数情况下其实仍离不开专业人士的操控。通常，我们称这样的人为无人机飞手，如今有个专门的名称叫无人机驾驶员。由于无人机驾驶员从业门槛高又数量少，目前缺口比较大，这限制了无人机的发展。在此背景下， 除了加大专业人才培养之外，我国也在积极研发不需要人参与监督、控

原创 七分之一在线评论都有假，人工智能救一把？

据目测，评论区是中国文学大师密度比较高，骂人水平比较高和逗逼水准比较高的地方，A站B站还把评论玩成弹幕。平台型APP因“评论”文化的迥异，体现出别样的审美与趣味，知乎体、爷青回，成为“时髦”的暗号。在宏观层面，“网民评论”被定义为具有舆论属性和广泛的社会动员能力。所以，排查、约谈、暂停、整改、审核也都是管理机构的常用“大锤”。评论区，是难以忽视的公共地区。有一批活跃的、对社区品牌有认同，并产生大量优质内容的用户，是社区的福气。表面上 “评论区”肩负社区氛围组的重任，是互联网“公共

原创 IT领导者在2021年对人工智能和机器学习的期望

每到岁末年初，IT思想领袖都会对未来一年的技术发展、创新服务、行业进步等发展趋势进行分析预测。人们需要关注与人工智能、机器学习、深度学习以及IT软件和服务有关的主要趋势。以下是IT行业领域中一些思想领袖对人工智能和机器学习未来发展的期望：Dataiku公司首席执行官兼联合创始人Florian Douetteau：包容性工程将开始进入主流，以支持多样性。为了确保在人工智能计划中融入多样性，组织还必须投入大量时间和资源来实施包容性工程。这其中包括尽可能收集和使用不同的数据集。这将有助于组织创造一

原创 通向未来：物联网+人工智能将成为人类的进化方向

世界正处于变革时代，这一时期的重要性可比肩文艺复兴和工业革命。人们相信，AI和IoT就是具有前景的两个领域，它们将使世界现代化，这两大支柱在未来有着巨大的发展空间。本文将通过分析AI和IoT这两个概念来了解我们可以对其抱有什么期待;还会讨论如何利用这些集成技术来开发创新性和创造性的项目;最后，本文将分析一种使代码更紧凑、更有效地部署在嵌入式设备中的方法。什么是物联网(IoT)?图源：unsplash物联网是描述嵌入传感器、软件和其他技术的物理实体网络，目的是通过互联网和其他设备与系统

原创 智慧城市技术的未来：人工智能、大数据和云

世界上超过一半的人口被城市的吸引力所吸引-繁荣、就业、机会、教育和娱乐的增长吸引着人们，令人难以拒绝。城市规划者和企业家通过为公民提供必要的服务和企业来推动这一发展，从而推动了城市地区的快速扩张。反过来，这导致了诸如可持续发展目标、智能密度和智能技术之类的需求，以适应市民不断变化的需求。但是，新冠疫情大流行危机的爆发暴露了城市治理的质量、不平等的程度以及城市如何在一夜之间适应突发事件的能力。Covid-19危机暴露的是，许多城市部门的历史性孤岛式的发展模式，公共安全、医疗保健、电子政务、通讯、运..

原创 如何构建人工智能存储架构

如今，人们越来越关注数据的处理和存储：产生了多少数据、在哪里创建数据、利用数据所需的工具、管理数据所需的技能人才短缺等等。这改变了组织在数据中心和云平台中的运营方式，并决定了技术供应商正在开发的许多产品路线图。自动化、数据分析、人工智能、机器学习，以及在内部部署和云平台之间轻松移动应用程序和数据的能力是原始设备制造商和其他技术参与者的工作重点。而这一切都由于发生疫情而改变，疫情正在加快组织将其业务向云端的迁移，并促使他们的员工在家远程工作。即使冠状病毒疫情得到控制，这种趋势也会仍将继续。过去几个月，

原创 人脸识别百亿蓝海之下，还需解决两方面问题

今天，你刷脸了吗?随着人工智能的快速发展，如今智能化时代已经悄然到来，以人脸识别为代表的生物识别技术愈发普及，刷脸几乎成为了常态。生活中，不管是防疫检测、交通出行、移动支付还是上班打卡、金融办理、医疗教育，都离不开刷脸。刷脸为人们的生活带来了诸多智能和便捷。但与此同时，人脸识别的广泛应用也带来一定的安全风险。在此背景下，我们还需辩证的看待人脸识别的发展，在应用上也要保持理性和尺度。商用发展提速作为一种通过人类脸部特征信息进行识别的技术，人脸识别具有非接触性、长期稳定性和高度精准性。这

原创 如何对人脸识别进行法律规制

就政府部门使用人脸识别的法律规制，特别许可使用制度既发挥人脸识别技术之利，又防范人脸识别技术之弊，是一种更加理性的制度安排。就非政府部门使用人脸识别的法律规制，对人脸信息作出比一般个人信息更为严格的特别保护和特别规制，更有利于保护个人的人脸信息。在无竞争性的服务领域（如民航、铁路、学校、社区等）使用人脸识别技术，当人们拒绝“刷脸”时，应提供其他替代性的验证机制，而不能不“刷脸”就不能使用或进入。即使不全面叫停政府部门安装、使用人脸识别技术，也应该对其进行严格的法律规制，防范安全风险，防止被滥用。..

原创 校园人脸识别应用实测：传人脸照片不加密，隐私政策透明度低

2019年，“人脸识别进校园”的案例密集出现，有一些学校引进了可以分析学生情绪的人脸识别应用。南都人工智能伦理课题组（以下简称“课题组”）在2019年发布的《人脸识别落地场景观察报告》中也提到了北京某高校的人脸识别系统能检测学生的抬头率和前排就座率，当时有学生对这套系统持质疑态度，认为涉嫌侵犯自己的隐私。除了学校，还有多家教育机构也在宣传资料中声称可以通过人脸识别掌握学生的情绪。虽然在受到舆论质疑后，一些学校停用了识别学生情绪的人脸识别应用，但一年后，课题组调研发现涉及人脸识别的学校管理应用仍然呈现

原创 人工智能一大技术：强化学习（RL）

人工智能技术进步的速度越来越快，每种细分技术所创造的价值正日益得到展现。2013年，DeepMind发明了DQN算法，成功将深度学习和强化学习结合起来，开启了深度强化学习的新纪元。此后数年，强化学习的成果日新月异，很多非常困难的问题都被深度强化学习算法解决。2016年，谷歌阿尔法围棋以4:1战胜围棋世界冠军、职业九段棋手李世石，不仅让深度学习为人们所知，而且掀起了人工智能的“大众热”，大家由此更加关注强化学习这一技术要点。使用强化学习的一个很好的例子是让机器人学习如何走路。机器人首先向前迈出