2023将至,吴恩达、Bengio等大佬年度展望!懂理性的AI模型要来了?


  新智元报道  

编辑:编辑部

【导读】2022年对AI来说注定是不平凡的一年,这不吴恩达、Bengio等一众圈内大佬在接受DeepLearning.ai的采访中展望了2023年AI的发展趋势,还分享了自己的科研小故事。

还有不到3天,2022年就要过去了。

辞旧迎新之际,吴恩达、Bengio等一众AI大佬们在DeepLearning.ai聚在一起,展望了自己眼中的2023年。

作为DeepLearning.ai的创始人,吴恩达首先发表了欢迎致辞,并回忆起自己刚开始搞研究的那段岁月 ,为这场多位大佬参与的讨论开了个好头。

亲爱的朋友们:

当我们进入新的一年时,让我们不要把2023年看作是一个单一的孤立年份,而是我们未来完成长期目标的年份中的第一年。有些结果需要很长时间才能实现,但如果我们设想出一条道路,而不是简单地从一个里程碑到另一个里程碑,就能更有效地做到这一点。

d3aadaace3413e3fc52334ac98a1b075.png

我年轻的时候,几乎没有把短期行动与长期结果具体联系起来。我总会专注于下一个目标、项目或研究论文,说是有一个模糊的10年目标,但没有一个明确的路径来实现。

10年前,我一个星期就建立了我的第一个机器学习课程(经常在凌晨2点进行拍摄)。今年,我更新了机器学习专业的课程内容,更好地规划了整个课程(虽然有些拍摄仍然是在凌晨2点进行的,但数量减少了!)。

76cb8f3042dcbfa12d89da9219dbc57f.png

在以前的业务中,我倾向于打造一个产品,然后才考虑如何将其推向客户。如今,即使在起步阶段,我也更多地考虑客户的需求。

朋友和导师的反馈可以帮助你塑造你的愿景。我成长过程中的一大步,就是学会信任某些专家和导师的建议,并努力去理解。例如,我有朋友是全球地缘政治的专家,他们有时就会建议我在特定国家加大投资力度。

我自己是得不出这个结论的,因为我对这些国家并不了解。但我已经学会了解释我的长期计划,征求他们的反馈意见,并在他们给我指出不同的方向时认真倾听。

现在,我的首要目标之一是使人工智能创新的民主化。让更多的人能够建立定制化的人工智能系统,并从中收益。虽然实现这一目标的道路漫长而艰难,但我可以看到实现这一目标的步骤,而朋友和导师的建议也极大地塑造了我的思维。

随着2023年的到来,你能在多远的未来做出计划?你想在某一主题上获得专业知识,推动你的职业生涯,还是解决技术问题?通过路径假设(即使是未经测试的假设),征求反馈意见来加以测试和完善?

为2023年心怀梦想吧。

新年快乐!

吴恩达

Yoshua Bengio:寻找具备理性的AI模型

40031797c3340e3eed1b2db344a77b3e.png

过去,深度学习的进展主要是「大力出奇迹」:采用最新的架构,提升硬件,扩大算力、数据和规模。我们是否已经拥有了我们所需要的架构,剩下的就是开发更好的硬件和数据集,以便我们能够继续扩大规模?现在还缺什么吗?

我认为是缺的,我希望在未来的一年里能找到这些缺失的东西。

我一直在与神经科学家和认知神经科学家合作,研究最先进的系统和人类之间的差距。简单地扩大模型规模并不能填补这种差距。相反,在目前的模型中建立一种类似于人类的能力,来发现和推理高层次的概念和它们之间的关系,可能会让差距变得更大。

考虑一下学习一项新任务所需的例子数量,即所谓的「样本复杂度」。训练一个深度学习模型玩一个新的视频游戏需要大量的游戏玩法,这些玩法对而人类而言,可以很快学会。但计算机需要考虑无数的可能性,来规划一条从A到B的高效路线。而人类则不需要。

人类可以选择正确的知识片段,并将这些片段贴合在一起,形成一套相关的解释、答案或计划。此外,给定一组变量,人类非常擅长确定哪些是原因,哪些是结果。而目前的人工智能技术在这个能力上还无法接近人类水平。

通常情况下,AI系统对生成的答案和方案的正确性高度自信,即使实际上是错误的。这个问题在文本生成器或聊天机器人这样的应用中可能是一些很有意思的笑话,但换到自动驾驶汽车或医疗诊断系统中,却可能威胁到生命。

目前的AI系统的行事特征,部分原因是它们就是被设计成这样的。比如,文本生成器的训练只是为了预测下一个单词,而不是建立一个内部数据结构,也不必说明所操作的概念以及它们之间的关系。

但我认为,我们可以设计出能够追踪事情背后的意义,并对其进行推理的AI系统,同时仍能发挥当前深度学习方法的众多优势。这样就可以解决从过度的样本复杂性到过度自信的不正确性等各种挑战。

567d3a7dee497990b6f6abfb7f0c7153.png

论文链接:https://arxiv.org/pdf/2111.09266.pdf

我对「生成流网络」GFlowNets很感兴趣,这是我们团队一年前开始的一种训练深度网络的新方法。这个想法的灵感来自于人类通过一连串步骤进行推理的方式,在每一步加入新的相关信息。

这就像强化学习,因为模型是按顺序学习政策来解决问题的。它也像生成式建模,因为它可以对解决方案进行抽样,以对应于进行概率推理。

如果你想到一个图像的解释,你的想法可以转换成一个句子,但它不是句子本身。相反,它包含关于该句子中的概念的语义和关系信息。一般来说,我们把这种语义内容表示为一个图,其中每个节点是一个概念或变量。

我不认为这是唯一的解决方案,我期待着看到多种多样的方法。通过多样化的探索,我们将有更大的机会找到目前AI领域缺失的东西,,弥补当前人类和人类水平的AI之间的差距。

Yoshua Bengio是蒙特利尔大学计算机科学教授和Mila-魁北克人工智能研究所的科学主任。他与Geoffrey Hinton和Yann LeCun一起获得了2018年图灵奖,以表彰他对深度学习的突破性贡献。

Alon Halevy:个人数据时间轴

Alon Halevy是一位以色列裔美国计算机科学家,也是数据集成领域的专家。他从2005年到2015年担任谷歌的研究科学家,负责谷歌数据融合表。

97a2261b2cee5a6cccd0cf1a4591cfd4.png

他是ACM会员,并于2000年获得美国总统奖 (PECASE)。他还是科技公司Nimble Technology(现为Actuate Corporation)和Transformic Inc.的创始人。

在对2023年的展望中,Halevy聚焦于个人数据时间轴(personal data timeline)的构建。

公司和组织如何使用用户数据?这一重要问题在技术圈和政策界都受到了广泛关注。

2023年,还有一个同样重要、值得更多关注的问题:作为个人,我们如何利用生成的数据来改善我们的健康,增加活力和生产力?

我们每天都在生成各种数据。照片捕捉我们的生活经历,手机记录我们的锻炼情况和位置,互联网服务记录我们的消费和购买内容。

我们还会记录各种愿望:想要前往的旅行和尝试的餐厅、计划欣赏的书籍和电影,以及想要进行的社交活动。

不久后,智能眼镜将更细致地记录我们的种种体验。然而,这些数据分散在许多应用程序中。为了更好地总结过去的经历,我们需要每天从不同应用中整理过去的记忆。

能不能把所有的信息都融合在一张个人时间表上,帮助我们朝着目标、希望和梦想前进呢?事实上,很久之前就有人有这样的想法。

早在1945年,美国科学家范内瓦·布什(Vannevar Bush)就设计了一款产品,称其为麦克斯储存器(memex)。90年代,戈登·贝尔 (Gordon Bell) 和微软研究院的同事构建了MyLifeBits,可以储存一个人一生中所有的信息。

但是,当我们把所有数据都保存在一个地方,保护隐私,防止信息被滥用显然是一个关键问题。

目前,没有一家公司可以拥有我们所有的数据,也没有存储我们的所有数据的授权。因此,需要通力合作,构建支持个人时间线的技术,包括用于数据交换、加密存储和安全处理的协议。

建立个人时间轴,有两个技术挑战亟待解决。

第一个挑战关于系统的智能问答。尽管我们在基于文本和多模态数据的问答方面取得了重大进展,然而在许多情况下,智能问答要求我们明确推理答案集合。

这是数据库系统的基础。例如,要回答「我在东京参观了哪些咖啡馆?」 或者「我在两小时内跑了多少次半程马拉松?」 ,要求检索集合作为中间答案。而在目前,自然语言处理中还无法完成这项任务。

从数据库中汲取更多灵感,还需要让系统能够解释答案的出处,并判断答案是否正确完整。

构建个人时间轴的第二个挑战,是如何开发个人数据轴分析技术,以改善用户的生活质量。

根据积极心理学,人们可以为自己创造积极的体验并养成更好的习惯,以实现更好的发展。一个可以访问我们生活点滴和目标的AI智能体,可以及时提醒我们需要完成和避免的事情。

当然,我们选择做什么取决于我们自己,但我相信,一个能够全面了解我们的日常活动,拥有更好的记忆力和计划能力的人工智能会使每个人受益良多。

Douwe Kiela:少点炒作,多点谨慎

b7456ecf928d2f4984d4efd841f2989a.png

Douwe Kiela是斯坦福大学符号系统的兼职教授。在剑桥大学完成硕士和博士学位后,Kiela分别在IBM、微软、Facebook AI担任研究员,并担任Hugging Face的研究主管。

a4262064f1e2ebaa9213478467c7347d.png

在新年展望中,Kiela表达了他对人工智能系统发展的愿望。

今年,我们真正看到人工智能开始成为主流。像Stable Diffusion和ChatGPT这样的系统完全激发了公众的想象力。

这是激动人心的时刻,我们正处于伟大事物的风口浪尖:毫不夸张地说,这种能力的转变会和工业革命一样,产生颠覆性的影响。

但是在兴奋之余,我们应该警惕炒作,格外谨慎,以负责任的态度进行研发。

对大型语言模型而言,不论这些系统是否真的「有意义」,外行人都会将它们拟人化,因为它们有能力执行人类最具代表性的事情:产生语言。

但是,我们必须让公众了解这些人工智能系统的能力和局限性,因为公众大多认为计算机还是那种老式的符号处理器,例如,它们擅长数学但不擅长艺术,而目前情况却恰恰相反。

现代AI有项严重的缺陷,其系统很容易被无意误用或有意滥用。它们不仅会产生错误的信息,而且看起来非常自信,让人信以为真。

这些AI系统对复杂的多模态人类世界缺乏足够的理解,也不具备哲学家所说的「大众心理学」,即解释和预测他人行为和心理状态的能力。

目前,AI系统还是不可持续的资源密集型产品,我们对输入的训练数据和输出的模型之间的关系知之甚少。

同时,虽然模型扩展可以极大提高有效性——例如,某些功能只有在模型达到一定规模时才会出现——但也有迹象表明,随着这模型扩展,更容易出现偏见,甚至是更不公平的系统。

因此,我对2023年的希望是,我们能改善这些问题。对多模态、定位和交互的研究可以使系统更好地理解现实世界和人类行为,从而更好地理解人类。

研究对齐、归因和不确定性可以使AI系统更安全,更不容易产生幻觉,并构建更加准确的奖励模型。以数据为中心的人工智能有望展示更高效的缩放法则,更有效地将数据转化为稳健和公平的模型。

ae7df5782964fc84246677e3f2bd86cc.png

论文链接:https://arxiv.org/pdf/2007.14435.pdf

最后,我们应该更加关注人工智能持续的评估危机。我们需要对数据和模型进行更精细、更全面的测量,以确保我们能够描述我们的进步和局限性,并从生态有效性(例如,AI系统在真实世界的应用案例)的角度出发,理解我们从人工智能发展中真正想要获得的东西。

Been Kim:用科学研究解释模型

26647d44a06a38555d174249c0159534.png

Been Kim是来自Google Brain的一名科学家,毕业于麻省理工大学,他的研究领域是交互式机器学习。

对于过去这一年里AI所展现的创造力以及取得的诸多成就,她在激动兴奋之余,也提出了自己对未来AI研究的一些看法。

2c34bdfb13063babeddaff5b0d803912.png

对于AI来说,这是一个激动人心的时刻,在生成艺术和许多其他应用程序方面取得了令人着迷的进步,

虽然这些方向令人兴奋,但我认为我们需要从事不那么浮躁的工作,不光是AI能创造出更多东西,或是能设计出多大的模型:

回归基础并将研究人工智能模型作为科学探究的目标。

为什么要这么做?

可解释性领域旨在创建工具来为复杂模型的输出生成解释,帮助我们探寻AI与人类的关系。

例如一种工具采用图像和分类模型,并以加权像素的形式生成解释。像素的权重越高,它就越重要。例如,它的值对输出的影响越大,它可能就越重要,但如何定义重要性因工具而异。

虽然生成AI取得了一些成功,但事实证明许多工具的运行方式出乎我们的意料。

例如未经训练的模型的解释在数量和质量上与训练模型的解释无法区分,尽管产生相同的输出,但解释通常会随着输入的微小变化而改变。

此外,模型的输出与工具的解释之间没有太多因果关系。其他工作表明,对模型输出的良好解释不一定会对人们使用模型的方式产生积极影响。

期望和结果之间的这种不匹配意味着什么,我们应该怎么做?它表明我们需要检查我们如何构建这些工具。

目前我们采用以工程为中心的方法:反复试验。我们基于直觉构建工具(例如我们为每个像素块而不是单个像素生成权重,解释会更直观)。

293976f73ec5c95f96b3bbf7c8f9f9ab.png

论文链接:https://arxiv.org/pdf/1811.12231.pdf

图宾根大学的一个团队发现,神经网络看到的纹理(如大象的皮肤)比形状(大象的轮廓)更多,即使我们在解释图像时看到了大象的轮廓可能是以集体高亮像素的形式。

这项研究告诉我们,模型可能看到的不是形状,而是纹理,这称为归纳偏差——由于其架构或我们优化它的方式而导致的特定类别模型的趋势。

揭示这种倾向可以帮助我们了解模型,就像揭示人类的倾向可以用来理解人类的行为(例如不公平的决定)一样。

这种常用于理解人类的方法也可以帮助我们理解模型。对于模型,由于其内部结构的构建方式,我们还有一种工具:理论分析。

这个方向的工作已经在模型、优化器和损失函数的行为方面产生了令人兴奋的理论结果。有些利用统计学、物理学、动力系统或信号处理中的经典工具,许多来自不同领域的工具在人工智能的研究中还有待探索。

追求科学并不意味着我们应该停止实践:科学使我们能够根据原理和知识构建工具,而实践则将理念变为现实。

84527301b6bf54c06d22e1300b0e3f2e.png

论文链接:https://hal.inria.fr/inria-00112631/document

实践也可以启发科学:在实践中行之有效的东西可以为科学结构化的模型结构提供参考,就如同2012年的高性能卷积网络激发了许多分析为什么卷积有助于泛化的理论论文一样。

Reza Zadeh:让ML模型主动学习

0a6fd1ed11eaab424bebc67d58bdfa92.png

Reza Zadeh是计算机视觉公司Matroid 的创始人兼CEO,毕业于斯坦福大学,他的研究领域是机器学习、分布式计算和离散应用数学,同时也是 Databricks 的早期成员。

他认为,在即将到来的2023将会是主动学习腾飞的一年。

6865d65bbadbd56a4546eabe25d07d52.png

随着我们进入新一年,人们希望生成AI的爆炸式增长将在主动学习(Active Learning)方面带来重大进展。

这种技术使ML系统能够生成自己的训练示例并对它们进行标记,而在大多数其他形式的机器学习中,算法被赋予一组固定的示例,并且通常只能从这些示例中学习。

46f2ca9fa207ed5f892f2069777982ae.png

那么主动学习可以给机器学习系统带来什么呢?

  • 适应不断变化的条件

  • 从更少的标签中学习

  • 让人们了解最有价值/最困难的实例

  • 实现更高的性能

主动学习的理念已经存在了几十年,但从未真正流行起来。以前,算法很难生成供人类评估并可推进学习算法的图像或句子。

但随着图像和文本生成AI的大火,主动学习有望取得重大突破。现在当学习算法不确定其编码空间的某些部分的正确标签时,它可以主动从该部分生成数据以获取输入。

主动学习有可能彻底改变机器学习的方式,因为它允许系统随着时间的推移不断改进和适应。

主动学习系统不依赖于一组固定的标记数据,而是可以寻找新的信息和示例,以帮助它更好地理解它试图解决的问题。

这可以带来更准确和有效的机器学习模型,并且减少对大量标记数据的需求。

我对主动学习在生成AI的最新进展之上充满期待。进入新的一年,我们很可能会看到更多实施主动学习技术的机器学习系统,2023 年可能是主动学习真正腾飞的一年。

参考资料:

https://www.deeplearning.ai/the-batch/issue-177/?utm_campaign=The%20Batch&utm_content=233085322&utm_medium=social&utm_source=twitter&hss_channel=tw-992153930095251456

END

e262cc509935f08dd7e2f63dd9a6ffe4.png

分享

收藏

点赞

在看

62d636508f09aa6a9e439a277b16e140.gif

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/20291.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

2023将至,Bengio等大佬年度展望!懂理性的AI模型要来了?

来源:新智元 【导读】2022年对AI来说注定是不平凡的一年,这不吴恩达、Bengio等一众圈内大佬在接受DeepLearning.ai的采访中都展望了2023年AI的发展趋势,还分享了自己的科研小故事。 还有1天,2022年就要过去了。 此前我们报道了吴恩…

Meta最新模型LLaMA详解(含部署+论文)

来源:投稿 作者:毛华庆 编辑:学姐 前言 本课程来自深度之眼《大模型——前沿论文带读训练营》公开课,部分截图来自课程视频。 文章标题:LLaMA: Open and Efficient Foundation Language Models 向量空间中词表示的有效…

如何通过电影截图找到电影

苏生不惑第182 篇原创文章,将本公众号设为星标,第一时间看最新文章。 这是公众号的第一篇付费文章(其实很早就开通了付费功能,一直没用),收费1块,保证让你看完觉得值。 之前分享过如何找电影资源…

影视剪辑,实用的剪辑步骤和技巧

剪辑步骤: 拍摄视频 制作脚本 视频粗剪 视频精剪 视频包装 作品导出 视频剪辑技巧: 画中画 可以添加上自己风格的背景,添加视频、贴纸、文字等,增添视频趣味性和内容性。做一些酷炫转场特效也需要画中画; 镜头控…

22款奔驰GLS450升级几何多光束大灯和HUD抬头显示施工案例分享

奔驰GLS450升级原厂高配几何多光束LED大灯,洞悉前景每侧大灯含有84个可单独控制的 LED 颗光源,可根据当前道路及交通状况,对行车灯进行快速、准确的调节。如果系统未在直线方向上探测到其他车辆,远光灯的照明距离可扩展至更远&…

电子技术课设------交通灯信号控制器

1、功能: 1.1、设计由一条主干道和一条支干道的汇合点 形成十字交叉路口的交通信号灯控制器。 2.1、用红、绿、黄三色发光二极管作信号灯, 用逻辑开关代替传感器检测车辆是否到来。 3.1、当主、支干道均有车时,两者交替允许通 行&#xff…

【方案】AP5101 LED高压线性恒流IC 内1A 外2A 指示灯头灯汽车大灯矿灯

AP5101B 是一款高压线性 LED 恒流 芯片,外围简单、内置功率管,适用于 6- 60V 输入的高精度降压 LED 恒流驱动 芯片。最大电流1.0A。 AP5101B 可实现内置MOS 做 1.0A, 外置 MOS 可做 2.0A 的。 AP5101B 内置温度保护功能,温度保 护点为 130 度…

c语言和远光灯标志,汽车仪表盘图标大全,汽车仪表盘指示灯图解 - 汽车电子 - 电子发烧友网...

对于开车新手来说,熟悉汽车仪表盘可以增加开车的安全感,本文将为大家介绍汽车仪表盘图标大全。 汽车仪表盘图标大全: 车内各类仪表指示灯 1、ABS指示灯 该指示灯用来显示ABS工作状况。当打开钥匙门,车辆自检时,ABS灯会…

【车牌识别】基于matlab GUI RGB颜色模型车牌识别【含Matlab源码 888期】

⛄一、车牌识别简介 1 车牌图像处理 车牌图像处理主要有五个组成部分:图像灰度化、图像二值化、图像边缘检测、图像形态学运算和图像滤波处理。它是车牌识别系统中最根本且最基础的操作,车牌图像处理的好坏情况、去噪情况和边缘提取情况都将影响图像中车…

Verilog HDL 模拟 汽车尾灯自动控制系统

Verilog HDL 模拟 汽车尾灯自动控制系统 文章目录 Verilog HDL 模拟 汽车尾灯自动控制系统一、要求介绍:二、代码实现1、主模块的代码2、时钟分频模块 三、效果展示 一、要求介绍: 设计一个汽车尾灯自动控制系统 要求:根据汽车行驶状态自动控…

交通信号灯设计

** 设计说明: ** 此信号灯主要应用在主路与次路相交的交叉口处,信号灯共分为4个不同的状态,利用Moore型状态机实现,用六个灯代表主路与次路的六个信号灯(红、绿、黄),高电平时信号灯亮&#x…

图解在VC里使用graphics.h绘图(类似TC)

1 www.easyx.cn 下载 EasyX 库 我下的2014;解压后如下图&#xff1b; 2 根据自己的VC 版本进行安装 3 在控制台画一个圆 #include <graphics.h> // 引用图形库 #include <conio.h> void main() {initgraph(640, 480); // 初始化绘图窗口circle(200, 200, 100); //…

可编程逻辑器件之汽车仪表盘设计

一、 实验目标 熟练掌握 Verilog HDL 硬件描述语言&#xff0c;能够在实际工程中熟练使用Quartus II 软件进行可编程逻辑器件的基本开发&#xff0c; 能够熟练使用 Modelsim 软件进行系统的功能仿真验证&#xff0c; 能够正确的使用实验室各种实验仪器设备如示波器、信号发生器…

TeeChart替代品,MFC下好用的高速绘图控件-(Hight-Speed Charting)

相关链接&#xff1a; C GUI 绘图控件目录 MFC VS2010 使用TeeChart绘图控件 - 之一 - 控件和类的导入VS2010 使用TeeChart绘图控件 - 之二 - 绘制图形&#xff08;折线图&#xff0c;柱状图&#xff09;TeeChart绘图控件 - 之三 - 提高绘图的效率MFC下好用的高速绘图控件-(Hi…

PLC设计交通信号灯

一、实验目的 1、熟练掌握AB的PLC编程软件CCW的使用 2、加深对PLC编程原理的理解 3、了解PLC的实际使用过程 二、实验内容及要求 三、实验程序及结果 实验程序: 1、首先设置一个启动按钮DI02&#xff0c;一个暂停复位按钮DI03&#xff0c;设置中间变量M0自锁电路。 2、当启动…

Qt自绘汽车仪表盘-1

一、效果图 二、效果图拆解 根据效果图上显示&#xff0c;最外层一共是13个小点&#xff0c;这些小点有点像子弹头一样&#xff0c;头部是尖的&#xff0c;底部是平的。靠近一层是表盘码值表&#xff0c;数字是的底部朝向表盘圆心。再近一层是一个渐变圆环&#xff0c;颜色有黑…

【车牌识别】模板匹配新能源、轿车、货车车牌识别【含GUI Matlab源码 2169期】

⛄一、模板匹配车牌识别简介 1 系统整体设计 车牌识别系统包括4个步骤:车牌定位 (包括识别图像中的车牌位置并将其分割) 、图像处理、字符分割与字符识别, 如图1所示。车牌定位的主要功能是从图像中可能包含车牌的候选区域中定位车牌区域;图像处理的功能是强化车牌关键特征;字…

做毕业设计,前端部分你需要掌握的6个核心技能

其实前端新手如果想要自己实现一套毕业设计项目并非简单的事,因为之前很多人一直还停留在知识点的阶段,而且管理系统和C端网站都需要开发,但现在需要点连成线了。所以在启动项目开发之前呢,针对前端部分,我列举一些非常必要的前端核心技能,希望你已掌握。 《Vue + Sprin…

【中创】ChatGPT技术被滥用,安全治理亟需政府、企业共同努力!

眼见为实&#xff1f;耳听为真&#xff1f;当心AI诈骗&#xff01; 只需要提供一张带脸的照片&#xff0c;就可以置换成明星&#xff0c;拟真度非常高&#xff0c;毫无违和感&#xff0c;一个软件就能直接将杨颖整成迪丽热巴&#xff01; 只要迪丽热巴的泪痣和嘴&#xff1f;没…

不信谣、不传谣?ChatGPT 技术滥用,浙江首个虚假制作团伙被抓获

根据绍兴公安群蓝星官方公众号的消息&#xff0c;绍兴上虞区公安分局最近成功打击了一个使用 ChatGPT技术制作虚假视频并在网络上散播谣言的犯罪团伙&#xff0c;已逮捕了3名嫌疑人。这是浙江省首个虚假视频制作团伙案件。 6月2日&#xff0c;上虞警方在网络巡查中注意到一个名…