人工智能正在改变新闻业，从编辑到内容生成，但同时也带来了挑战。人工智能生成虚假内容的风险日益增加，新闻机构需要谨慎使用，并确保信息准确可靠。
Tag:
人工智能
-
-
新西兰面临数字技能短缺，影响就业潜力。2degrees首席商务官安德鲁·费格瑞表示，其2024年业务塑造研究显示，23%受访企业认为缺乏所需数字技能。此外，22%企业认为人才短缺是生产力最大障碍，而46%认为人才充足是最大生产力驱动因素。研究还显示，尽管技术问题突出，但企业乐观情绪略有上升。费格瑞认为，新西兰应能吸引所需技能人才，利用技术。研究覆盖704名企业决策者，包括小型企业至大型企业。研究发现，时间不足是企业获取技能的主要障碍。费格瑞指出，年轻人才外流，影响本地企业。研究显示，63%企业计划在未来12个月内投资技术，其中25%投资数字技能，25%投资人工智能，52%计划自动化流程。有效使用技术与业务表现紧密相关。费格瑞强调，技术决策应基于明确目标，而非单纯追求技术。2degrees推出数字加速器计划，为成功推动技术的企业提供资源和支持。
-
AI技术的蓬勃发展对大型科技公司产生了深远影响，导致其能源消耗和碳排放激增。大型语言模型如ChatGPT的成功，推动了能源需求的激增。据非营利研究机构电力研究研究所的数据，AI查询所需的电量约为传统Google查询的10倍，每ChatGPT请求为2.9瓦时。新兴的AI能力，如音频和视频生成，可能会增加能源需求。 AI的能源需求正在改变能源公司的计算。他们现在正在探索以前不可行的选项，例如重启1979年三哩岛核电站灾难后一直停机的核电站。数据中心的持续增长已有几十年，但在大型语言模型时代，这种增长的规模尤其惊人。AI需要比预AI时期的数据中心增长速度更多的计算和数据存储资源。 **AI与电网** AI导致电网——在许多地方已经接近其容量极限或容易出现稳定性挑战——承受了前所未有的压力。电网增长与计算增长之间存在显著滞后。数据中心建设需要1到2年时间，而增加电网新电力则需要超过4年。 电力研究研究所最近的一份报告指出，美国有15个州占据了80%的数据中心。例如，维吉尼亚州，被称为数据中心走廊，其电力消耗中超过25%被数据中心消耗。世界其他地区也出现了数据中心集群增长的趋势。例如，爱尔兰已成为数据中心国家。 AI对电网和气候产生了重大影响。 除了需要增加更多电力来维持这种增长外，几乎所有国家都在追求脱碳目标。这意味着它们正在努力将更多的可再生能源融入电网。风能和太阳能等可再生能源是间歇性的：风不一定吹，太阳不一定照耀。缺乏廉价、绿色且可扩展的能源存储意味着电网面临更大的问题，即如何匹配供应与需求。 数据中心增长的其他挑战包括增加水冷效率以提高效率，这会加剧有限的淡水资源的压力。因此，一些社区正在反对新的数据中心投资。 **更好的技术** 行业正在采取几种方式来应对这一能源危机。首先，计算硬件在每瓦特消耗的能源执行的操作方面在过去几年中已经显著变得更加节能。数据中心的功率使用效率，即计算功率与冷却和其他基础设施功率的比率，平均为1.5，甚至在高级设施中达到令人印象深刻的1.2。新数据中心采用更高效的冷却方法，如水冷和利用可用的外部凉爽空气。 不幸的是，仅靠效率并不能解决可持续性问题。实际上，Jevons悖论指出，效率可能会导致长期能源消耗增加。此外，硬件效率提升已经大幅放缓，因为芯片技术扩展遇到了限制。 为了继续提高效率，研究人员正在设计专门的硬件，如加速器、新的集成技术，如3D芯片，以及新的芯片冷却技术。 同样，研究人员正在越来越多地研究和开发数据中心冷却技术。电力研究研究所的报告支持新的冷却方法，如辅助空气液体冷却和浸没冷却。虽然液体冷却已经进入数据中心，但只有少数新数据中心实施了仍在开发的浸没冷却。 在液体中运行计算机服务器——而不是在空气中——可能是更有效冷却它们的一种方式。Craig Fritz，美国国家实验室 **灵活的未来** 一种新的AI数据中心建设方式是灵活计算，其核心思想是在电力更便宜、更可用且更绿色时计算更多，而在电力更昂贵、稀缺且污染时计算更少。 数据中心运营商可以将其设施转换为电网上的灵活负载。学术界和行业已经提供了数据中心需求响应的早期示例，其中数据中心根据电网需求调节其功率。例如，它们可以安排某些计算任务在非高峰时段进行。 为了实现更大规模和更大范围的电力消耗创新，需要在硬件、软件和电网-数据中心协调方面进行创新。特别是对于AI，有大量空间来开发新的策略来调整数据中心的计算负载和因此的能源消耗。例如，数据中心可以调整准确性以减少训练AI模型的工作量。 实现这一愿景需要更好的建模和预测。数据中心可以尝试更好地理解和预测其负载和条件。预测电网负载和增长也非常重要。 电力研究研究所的负荷预测倡议涉及帮助电网规划和运营的活动。全面监控和智能分析——可能依赖于AI——对于准确预测至关重要，无论是对于数据中心还是电网。 **在边缘** 美国正处于AI爆炸性增长的关键时刻。将数百兆瓦的电力需求融入已经紧张的电网是非常困难的。也许是时候重新考虑行业如何建设数据中心了。 一种可能性是可持续地建立更多边缘数据中心——更小、分布更广的设施——将计算带到当地社区。边缘数据中心也可以可靠地为密集的都市地区增加计算能力，而不会进一步加剧电网的压力。虽然这些较小的中心目前占美国数据中心的10%，但分析师预计小型边缘数据中心市场在未来五年内将增长超过20%。 除了将数据中心转换为可控制的负载外，在边缘数据中心空间进行创新可能使AI的能源需求变得更加可持续。
-
政府本周将开放申请，让有兴趣开设特许学校的机构报名。Newsroom提前对一家希望成为首批特许学校之一的公司进行了深入研究。 由富人Katherine Allsopp-Smith和Evan Christian创立的Age School最初作为私立学校运营，但他们的目标一直是将其转变为特许学校。David Seymour的特许学校机构本周将正式接受申请，而一家新西兰证券交易所上市的人工智能公司正准备引领这一潮流。 然而，随着特许学校制度的形成，有人质疑这家旨在为目前在国家系统中被忽视的弱势儿童提供服务的制度是否适合由Being AI这样的公司作为榜样。在本年度预算前，教育副部长David Seymour宣布为特许学校拨款1.53亿新西兰元，其中包括对特许学校“压倒性的兴趣”，包括Takapuna的Age School。 Age School于2017年由Allsopp-Smith和Christian创立，目的是为他们的天才儿子提供适合其特殊需求的教育。现在，他们有机会再次尝试开设特许学校。 “我们认为特许学校模式是一个机会，可以将过去八年来我们发展的一切提供给所有新西兰家庭。”Allsopp-Smith说。 “家庭不应该为教育而战。” 去年年底，他们开始为特许学校做好准备。但用于创建这些特许学校的工具在新西兰被描述为不寻常的。去年12月，前新西兰证券交易所上市的Ascension Capital收购了Age School。Ascension在10月停止交易股票。今年4月，Being AI通过反向收购上市，使用Ascension Capital作为壳公司。该公司自称为新西兰的第一家上市人工智能公司，当时它由一家遗留的快递业务、一家新咨询公司和Age School组成。 自那以后，该公司收购了Villa Education Trust，这是一家拥有私立学校（Mt Hobson Academy）、在线学习平台和两个前特许学校（重新整合为国家系统中的特色学校）的信托公司，在西奥克兰和南奥克兰。 在过去的几个月里，Being AI还通过在澳大利亚和美国开设办事处，扩大了其人工智能服务，并收购了一家澳大利亚零售技术初创公司和一个孵化器部门。 Being AI董事会包括Allsopp-Smith，由前Ascension主席Sean Joyce领导，他是最大的幼儿教育连锁Best …
-
-
人工智能和机器学习技术的发展使得个性化和精准预防医疗成为可能，然而这种变革也带来了诸多挑战。尽管我们看到了令人兴奋的前景，但在应用这些技术时，我们必须谨慎行事，平衡个体需求与公共利益。 想象一下：一种新型病毒正在全国迅速爆发，导致流行病。政府推出了疫苗强制接种政策，并提供了不同的疫苗选择。 但并非每个人都接种相同的疫苗。当你报名接种疫苗时，你会收到一瓶疫苗，并收到一条指示将口腔样本送到最近的实验室的消息。仅几个小时后，你会收到一条消息，告诉你应该接种哪种疫苗。你的邻居也报名接种了疫苗。但他们的疫苗与你的不同。 你们两个现在都接种了疫苗，并受到了保护。每个人接种的疫苗都是根据‘你的身份’来确定的。你的基因、年龄、性别和其他诸多因素都被捕捉在一个‘模型’中，该模型可以预测和确定保护你免受病毒侵害的最佳选择。 这听起来有点像科幻小说。但自从2003年人类基因组解码以来，我们已经进入了精准预防的时代。 精准预防的兴起 新西兰有一个长期的新生儿筛查计划。这包括在全国范围内提供的基因组测序机器和基因健康服务。这些计划的推广以及人工智能和机器学习的应用将改变公共卫生保健的提供方式。 这些发展也引发了关于个人选择与大众利益、个人隐私以及谁负责保护新西兰人及其健康信息的更广泛的担忧。 什么是精准预防？ 将精准预防（也称为个性化预防）视为针对个体而非更广泛社会群体的公共卫生行动。通过平衡一系列变量（包括你的基因、生活历史和环境）与风险（包括随着年龄增长而发生的一切变化），可以实现这种有针对性的医疗保健。 尽管基因组学的进步使精准预防成为可能，但由个人数据驱动的机器学习算法使其更接近现实。我们每天都会产生关于自己的数据——通过社交媒体、智能手表和其他可穿戴设备——帮助训练算法将医疗预防措施与个体匹配。 将所有这些与人工智能驱动的预测建模相结合，就可以预测你当前和未来的健康状况，并帮助你采取预防疾病的措施。 安全性与延迟 新西兰总理首席科学顾问最近发布了一份报告，展望未来五年新西兰人工智能和机器学习的发展方向。尽管报告作者没有特别提及“精准预防”，但他们包括了这种方法的例子，比如计算机视觉增强乳腺摄影。 但正如报告所指出的，采用速度往往落后于人工智能创新的速度。新西兰健康部门尚未批准新兴的大型语言模型和生成式人工智能工具在医疗保健中的安全有效使用。这意味着生成式人工智能驱动的精准预防实践，例如用于公共卫生信息传达的对话式人工智能，可能需要等待，直到它们被认为是安全使用的。 谨慎前进的重要性 人工智能和机器学习在推动精准预防和预防性健康的新时代方面有很多令人兴奋的前景。但与此同时，我们必须谨慎行事。人工智能和机器学习可以通过降低医学知识的门槛和减少人为偏见，提高医疗保健的可访问性和利用率，但政府和医疗机构需要减少与数字素养和在线平台访问有关的障碍。 对于那些无法获得在线资源或数字素养有限的人来说，已存在的医疗保健和健康资源的不平等可能会加剧。 人工智能还具有重要的环境影响。一项研究发现，几种常见的大型人工智能模型在其生命周期中可能排放超过27万吨的二氧化碳。 技术发展与社会责任 最后，技术是一个不断变化的领域。精准医疗的倡导者必须小心处理儿童和边缘化社区以及他们获取资源的机会。维护隐私和选择是至关重要的——每个人都应该有能力控制他们与人工智能代理分享的信息。 最后，每个人都是不同的，我们对健康和生活有不同的需求。通过精准医疗将更多人转向预防保健将减轻卫生系统的经济负担。 但正如总理首席科学家的报告强调的那样，机器学习算法是一个新兴的领域。在这项技术成为我们日常生活的一部分之前，我们需要更多的公众教育和意识。 阿林达姆·巴苏是坎特伯雷大学流行病学和环境健康副教授。更多相关内容请参阅此主题中的详细信息。
