南宫NG28大规模自动化偏见与灌输

　　南宫NG28大规模自动化偏见与灌输人工智能（AI）当前趋势的市场驱动轨迹，结合新兴技术和性能门槛的突破，创造了一组与大规模人类偏见和认知相关的新颖风险。尽管过去几年中AI伦理和风险话题的讨论日益增多，但热门话题和流行词语已被对抗性地用来引导对话，且成功率越来越高。这使得一部分风险成为了大多数讨论的盲点，这些风险现已变得既紧急又迫在眉睫。自动化正积极寻求不仅替代人类认知偏见，还要替代更高层次的人类认知，用一种较弱但快速且可扩展的认知偏见版本替代，例如使用像大型语言模型这样的随机鹦鹉。这些模型实际上是对抗性地针对人类进行训练，通常以“说服”或操控为目标，每一个都由公司精心策划且校准不佳的偏见集所引导。本文讨论了这些动态以及允许封闭信息生态系统在公司策划和对抗性训练的认知偏见影响下形成的可预测后果。

　　关键词：AI、窄AI、工具AI、通用人工智能（AGI）、思想实验、伦理学、哲学、集体超级智能、生活质量、灌输

　　人类历史的显著特点是人类不仅能够制造和使用工具，还能利用工具制造其他工具[1]。语言和更广泛的沟通为我们提供了跨代传递概念和经验的手段[2]，赋予我们“历史”的概念，而日益先进的工具的进步则为我们提供了解决旧问题的新方法。凭借更精确的工具和语言，我们得以发展出科学方法及随后的知识，并随时间改进这些知识。

　　在此过程中，认知偏见始终是一种持续存在的影响，但在进化意义上，它为我们在统计上解决比人类完全认知所能处理更复杂的问题提供了手段。复杂性与认知偏见的权衡[3]意味着，作为一个智力不可无限扩展的物种——我们的大脑需要适应头骨的大小，无法呈指数增长——运用认知偏见简化复杂问题的能力为生存提供了决定性优势[4]。

　　在人类历史的大部分时间里，自动化为我们减少了生产和运输货物、建造基础设施以及传播知识的体力劳动需求，但这一情况正在迅速改变[5]。认知劳动正成为自动化的核心焦点，然而在盲目追求推进这一自动化的过程中，技术和方法中的若干关键缺陷正被忽视。

　　如今所谓的人工智能（AI）是一个输入-输出系统，给定大量信息，其目标是模仿、分类或对数据应用转换，根据特定输入生成某种期望的输出[6]。神经网络是能够存储数据遵循预定义路径的数学模式的系统[7]。这些系统的名称完全不能代表它们所提供的功能，这不幸地通过过度自信和拟人化加剧了当前出现的问题。要避免人类即将来临的陷阱，需要正视这项技术的本质及其局限性。

　　人工智能（AI）能够自动化许多统计过程，存储给定数据中的模式，并根据给予的“提示”返回这些模式的新颖表示。“提示工程”[8]正成为一个独立的领域，因为人们发现特定提示更有可能产生理想结果，因为它们能挖掘模型权重中存储的更期望的模式。然而，提示工程的存在正是因为当前AI系统在架构上无法存储或形成类似人类的概念，这也是它们尚未取代许多人类工作的原因。提示工程实际上与对抗性攻击无异，只是意图不同，因此任何可进行提示工程的系统在设计上都始终容易受到对抗性攻击。

　　这是神经网络的一个根本限制，因为它们并非设计为以任何接近人类大脑方法或能力的方式存储信息[9]。AI系统还缺乏类似人类的记忆和动机系统，这两者在形成和存储类似人类的概念中至关重要。“认知架构”[10]是旨在克服这些限制的系统，但大多数此类系统在早期阶段（如设计、工程和玩具系统）就停滞不前，形成了一个试图实现通用人工智能（AGI）的想法墓地，但从未成功。据公开知识所知，仅有一个此类系统成功通过了研究系统阶段[11]。

　　像大型语言模型（LLMs）这样的AI系统不具备类似人类对概念的理解，但它们提供了一种替代人类认知劳动的手段，即快速、低努力的统计近似。实际上，它们作为比个体人类或人类群体认知偏见更低努力的替代品。

　　然而，这带来了一些重要的注意事项。人类认知偏见比神经网络具有更多的上下文敏感性和普遍性，这一点通过对抗性“越狱”方法的成功得以证明[12]。诱导人们放弃这种上下文敏感性和普遍性，转而选择一个更低努力的替代品本身就是个问题，但科技行业并不仅限于将此作为人类偏见的替代品。越来越多地，我们看到人类被诱导几乎完全放弃认知，转而选择最低努力的替代品，使得他们的决策能力甚至比完全依赖人类认知偏见时更差。

　　正如全球人口适应搜索引擎和互联网普遍的按需知识财富后，人类记忆能力已经萎缩[13]，如果继续沿着这条轨迹发展，人类的更高认知能力也很可能萎缩。

　　更糟糕的是，当今AI系统提供给我们的自动化偏见是由地球上一些最大、最富有的公司精心策划的偏见[14]。如果大量人口，甚至是影响巨大的小部分人，选择依赖此类系统，他们实际上将被这些公司各自的愿望所灌输，并成为灌输的工具。随着公司目前竞相尝试用集成LLMs的新系统取代搜索引擎，它们实际上在竞相将自己的品牌印记打在现代人类大脑的外部组件上。智能手机和搜索引擎是现代生活不可或缺的一部分，将这种对抗性的、公司策划的偏见注入关键的全球系统，进一步削弱了我们在线寻找可验证和准确信息的能力，这种能力本已逐渐下降。

　　尽管一些不太可信的机构试图将大型神经网络称为“基础模型”[15]，但你很难找到比这更糟的基础。它们是人类非常不擅长使用的工具，正如2023年发布的LLMs在各种测试中无法与使用2019年初语言模型的工作认知架构研究系统竞争所证明的。这表明它们不仅是糟糕的基础，而且在小型、更智能的系统能够稳健地超越它们时，也没有激励去构建庞大的系统。这些系统在人类使用时会“幻觉”（撒谎）[16]，而专注于生成读起来像是真实的答案。哈里·法兰克福定义了“胡说八道”[17]这个术语，即完全漠视，而由于窄AI对视而不见，它完美契合这一定义。

　　如果人类将我们进一步进步的基础建立在越来越依赖以快速速度和全球规模生产胡说八道的系统上，这些系统经过对抗性优化并注入公司策划的偏见，那么这将是一个沙之基础，其上建造的一切都将以同样快的速度和全球规模崩溃。

　　截至2023年初，我们面临的一些短期挑战围绕着直接和间接尝试用最不适合解决人类最复杂挑战的系统（如大型语言模型，LLMs）替代认知。这些系统为全球人们提供了，让他们将其用作合成知识和产生解决方案的手段，许多影响者也在鼓励这种行为，尽管它们实际上无法提供任何此类价值[18]。

　　在体系中，这构成了一个关键威胁[19]，因为它试图通过运用精心策划的公司偏见“胡说八道”来影响整个群体，甚至在学术领域，只要研究人员仍是人类，他们仍可能受到影响日常生活的强烈启发式方法的影响，以及全球人口[20]。对于像气候变化和可持续发展目标（SDGs）这样超复杂的问题[21]，注入最低质量的认知替代方案的威胁被放大。

　　人类认知偏见是一种进化出的、稳健且广泛的节省成本的方法工具包，使我们能够以极低的成本近似完成认知劳动。然而，这也意味着问题越复杂，人们越容易倾向于应用这种节省成本的方法。因此，超复杂问题对人类应用最低努力的解决方案构成最大，可能完全外包更高的认知ng28南宫娱乐官网。随着对抗性优化专注于增强这种的效力，如果听任市场力量发展，越来越多的人口可能迅速在更高认知能力上退化。

　　公众采用速度的加快[22]以及随之而来的AI热潮浪潮，以及基于近期LLMs迅速构建的生态系统[23]，都指向一个极其强烈的动机，即用最低努力和最差的替代方案取代人类认知和偏见。这些挑战带来的风险与其效力成正比，尤其是因为人类是情感驱动的[24]，而不是过时刻板理论中的理性决策者[25]。

　　克服这些挑战的机遇与此类AI系统的效力以及基于工作认知架构构建的新型不同系统的附加价值成正比，只要它们在低努力吸引力上大致相当。这意味着此类系统可以提供解决超复杂挑战的手段，并通过类似人类的概念学习、记忆、动机和泛化，在可扩展的智能软件中真正实现这一价值。

　　然而，由于此类系统与神经网络根本不同，它们还需要截然不同的基础设施，并更依赖于不同类型的新颖硬件。要完全应对全球挑战的超复杂性，这种历史上被忽视的软件基础设施需要建立起来，并且需要商用部署新型服务器以满足变化的硬件规格。首个研究系统已在多个现实世界的复杂挑战中展示了高水平的认知性能，最终性能大约相当于一个初级顾问团队[26]，而当时仅使用了最早且最简陋的基础设施版本，且没有专门的窄AI工具或硬件。鉴于这一先前基线在最简陋条件下实现了技术优势，可以合理预期通过改进每个提及的因素将带来指数级的提升。

　　如果此类系统能够获得适当的资助并以必要的速度和规模部署，它们可能缓解窄AI即将造成的许多潜在永久性损害。除了减轻损害外，它们还可以考虑并解决保护和培养人类更高认知能力的需求，而不是系统性地试图压制和萎缩人类的认知能力。特别是基于集体智能原则[27]构建的系统，从拥有更多样化视角、更具认知能力的人类中获益匪浅，而将人类与机器智能整合在集体智能系统中的系统，可能比单独的任何一方更可靠地表现出色[28]。这使得工作认知架构的激励（其组成部分允许集体智能的附加价值）与人类强烈对齐，这种激励与窄AI的对抗性和认知压制优化截然相反。

　　通过集成GPT-4和Zapier，单个恶意行为者创建武器化并自主生成数千种新型恶意软件和勒索软件所需的条件已降低到大约一页代码加上一些专业知识。没有任何网络安全公司为此威胁做好准备，随着更多工具的快速构建和集成，这一门槛可能会继续降低。这为部署不基于神经网络的更先进系统带来了紧迫感，因为关键的全球基础设施可能因数千种新型勒索软件和恶意软件同时释放而瘫痪。

　　“负责任的AI”、“AI伦理”、透明度、可解释性和安全性等话题已进入主流讨论，但这些讨论尚未转化为富有成效或理性的行动。这部分可以归因于讨论本身受到推荐引擎、新闻推送和其他窄算法的强烈影响，包括过程中的前置步骤[29]。这些算法既限制又优先决定谁能参与讨论，谁被排除在外或被埋没在其他内容之下。企业利益还推进了“伦理清洗”策略[30]，这是在许多相同公司成功使用“绿色清洗”策略[31]之后。

　　这种限制和优先级过程导致了次级且往往更具破坏性的效应，即讨论中的核心人物代表一个或多个信息孤岛，缺乏解决某一问题所需的关键理解方面。一些例子包括忽视神经网络的架构限制、提议的临时措施的后果、监管和已部署系统的实际考量，以及未能识别更适合预期目的的技术。

　　某些团体推动AI伦理和负责任AI等话题的意图可能是真诚的，但当今实践中的大多数方法重复了这些同样的关键错误，使得整体上适得其反。这在很大程度上可能是因为公众关注、资金和后续研究都集中在运行营销和公关活动的死胡同上，而不是科学上有效的研究路线。正如人类的情感背景以无法完全分离的方式作用于决策过程一样，研究和社会进步也无法与影响领域、个体和信息流动的高度关联系统分离。例子包括系统性和制度化的偏见，例如某些“声誉卓著”的大学在讨论中被赋予更大权重，尽管它们的可衡量贡献常常是适得其反的。

　　正如理查德·道金斯可能指出的那样，“迷因”拥有自己的力量，而对抗性设计的迷因可以迅速以深刻的方式重塑社会。“AI伦理”、“负责任的AI”和其他相关迷因已成为热门话题，但通过企业和有大利可图的团体的利用——无论是有意还是算法上的被动——许多迷因已失去现实依据。这种认知失调在频繁讨论如“对齐问题”之类的问题中体现得淋漓尽致，这些问题早已被解决[32]，但解决方案被忽视，讨论却无休止地持续。

　　从实际应用的角度来看，如果将浪费在死胡同和认知失调讨论上的资金中哪怕是单位数的百分比用于更合适的研究、开发和部署，那么这些努力的既定目标就可能实现。然而，这种理性行动未被选择的原因很容易被低估。今天影响大量观众的绝大多数“AI专家”更具体地说是“窄AI专家”，他们的专长并未延伸至能够解决AI伦理、透明度、可解释性和安全性等问题的架构容量系统。就像在需要神经科医生时寻求肛肠科医生的建议，用错误的专长替代不太可能解决问题，但很可能会耗尽资金和注意力，远离任何可行的解决方案。

　　为了清晰讨论的目的，“道德”定义为个体、群体或文化持有的主观价值。“伦理”定义为从道德系统中移除所有偏见的假设点，已知的唯一方法是应用集体智能于一组多样化的道德系统协同工作。

　　人类面临的一个尖锐且至少部分是有意的危险，源自公司竭尽全力控制信息流ng28南宫娱乐官网，引导人类偏见以谋取自身利益。这不需要宏大的策略或犯罪天才，因为每一步都有市场激励，甚至窄AI系统也能识别这些激励。一些令人震惊的例子包括推荐算法发现倾向的人更可能点击广告[33]，以及YouTube算法臭名昭著地将人们引导至恋童癖视频圈[34]。在这两个案例中，算法只需识别出某种统计模式，若稍作调整，就能产生比之前高出几分之一百分点的利润。

　　在过去十年中，主要科技公司将这一步推得更远，通过收购截然不同的公司，这些收购往往并非聚焦于核心业务或收入多元化，而是为了控制信息。微软在这方面尤为活跃，收购了LinkedIn[35]以控制主要商业社交平台的信息流，收购GitHub[36]以控制主要代码仓库的信息流，以及在游戏领域的Blizzard和“生成式AI”领域的OpenAI等更多收购。虽然这种行为并非默认恶意，但它通过创建一个强大的生态系统，使公司偏见得以扩散和根深蒂固，构成了重大危险。

　　每一种窄AI实例都代表着自动化偏见，这些偏见由公司打磨，所有这些系统都被视为商业机密，毫无透明度可言，我们有充分理由感到担忧。早在行为经济学[37]和认知偏见成为科学讨论常见话题之前，营销就已被用于修改人类行为。对于所有新兴研究，大规模算法操纵仍是我们仅触及表皮的领域。

　　当人类面对几乎嵌入每个网站、通常每页多次的竞争性自动化偏见时，他们至少需要不对一切表面价值全盘接受，因为这些价值相互冲突。然而，如果由一家公司精心策划的偏见系统生态变得强大，它们可以使这些自动化偏见系统日益一致，尤其当这些系统包括推荐、搜索、生成式和社会系统时。有了这种一致性，人类大脑不再受到冲突偏见信息的挑战，任何不同偏见的信息可能被自动归类为外群体来源，从而巩固该公司所选择的一套偏见。

　　值得注意的是，一家公司所选择的偏见无法现实地与其“公司价值观”、“使命宣言”或“原则”对齐，因为这些都代表品牌和“信息传递”，旨在描绘一幅吸引人的图景，而不是作为真诚且集体持有的价值体系。即使它们是真诚的，神经网络仍然无法持有类似人类的概念，因此错位是不可避免的。许多这些偏见要么是无意的，例如之前提到的YouTube算法结果，要么是可预测的，例如对此类失误常采取的“掩盖责任”（CYA）心态。有时这些偏见被编入算法，出于CYA动机，例如谷歌将其生成式AI集成的语言模型提示应用23条规则[38]，但这种方法意味着回避许多重要话题的讨论，这是一种“安全主义”，其现实后果在乔纳森·海特和格雷格·卢基亚诺夫的工作中已有详细记录[39]。

　　窄AI是自动化偏见，当它在一个统一策划的公司偏见生态系统中被培养时，人类面临一组独特的风险，这些风险在偏见仍处于竞争状态的系统中尚未显著显现。当普通人在其选择的社交平台子集上所接触的一切、在搜索信息时、或在生成文本和图像时都遵循单一公司的节奏时，批判性思维和理想可能都会迅速而彻底地消亡。

　　期望大多数人类能够对抗从四面八方轰炸而来的偏见——这些偏见带有算法性和往往违反直觉的精确性——是完全不合理的，因为人类的进化是为了适应环境，而不是抵抗环境中强有力的变化。人类在日常生活中已经需要应对压倒性的复杂性[40]，在政府流程中更是如此，他们有意识地认识到这种复杂性只会随时间增加，因此很少有人会减轻其认知负担的变化，特别是当这种选择的全部成本对他们来说过于高昂而难以理解时。在大量人口上打上公司偏见的烙印，可能看起来非常像是字面意义上的烙铁“品牌化”的心理等价物，而对这部分人口的对待可能与该词的字面起源同样相似。

　　人类如今面临的最具盈利性和极度不道德的垄断不再聚焦于商品和服务，而是试图通过灌输实现对思想的垄断。一个被俘获的受众很容易被用来挖掘注意力，他们的数据被输入到系统中，这些系统以不断增加的方式进一步优化这一过程。随着个体接触到的心理输入越来越多地被由大公司策划的对抗性设计系统所主导，个体的思想被垄断，依赖性被强烈鼓励。

　　这些垄断是自由市场系统中数算的简单体现，其中更可预测的个体更容易带来利润，导致算法强调使更多个体变得更可预测。神经网络毫不费力地掌握这种数学，并不断创造出无数新颖而微妙的调整以推进这一目标，其中只有极小部分可能被人类注意到。虽然许多大公司可能对其创造的风险和危害有所了解，但在每种情况下，他们只能看到更大冰山的一角。

　　这些垄断日益成功的一个可预测后果是，随着人类越来越依赖神经网络替代他们的认知，他们将更强烈地反映这些神经网络的属性。这意味着人类将可预测地失去与现实的现有对齐，因为他们日益依赖的系统缺乏对现实的概念或与现实的对齐。

　　这两个因素结合在一起构成了一个尤为严峻的长期挑战，即随着在线可用信息的信任度进一步极度侵蚀，以及“信息”量的持续爆炸性增长[41]，其中许多是对抗性的[42]，个体面临的认知负担也随之爆炸。这种认知负担的爆炸，有时被偏见称为“信息过载”，强烈激励人们将劳动外包给算法，而随着大公司创建越来越封闭的生态系统，它们越来越能够垄断这种外包。

　　搜索引擎和社交平台是这一现象的绝佳例子，因为它们限制和过滤了个体可能找到的选项。随着时间推移，搜索引擎的变化提供了一个尤为明显的例子，如今大多数搜索结果从未超出由特定搜索引擎生产和货币化的内容[43]。甚至我在本文中使用Google Scholar格式化大部分参考文献也可能引入偏见[44]，例如Google Scholar故意移除我引用的一篇论文，该论文是对谷歌的著名批评，通常以其推广的术语“随机鹦鹉”而被提及。当公司控制呈现的信息以及每个领域的选项时，它们实际上控制了市场。

　　使这个问题具有长期性质的是信任的侵蚀与重建的不对称性，即在信任被侵蚀后重建信任所需的时间远比在信任建立后侵蚀信任所需的时间长得多。我们可能会在未来几个月和几年内看到的另一个可预测的算法调整是对竞争平台、服务以及寻求监管它们的政府的信任进行对抗性侵蚀。

　　这种效应的初步迹象已在大公司之间的所谓“AI战争”中显现，其中市场效应和公众认知已因谷歌成功的对抗性侵蚀而与现实严重背离。当公众面对性能几乎相同的聊天机器人[45]时，微软更为鲁莽的实施[46]使微软股价上涨了数十亿美元，而谷歌则损失了更大的价值。

　　即使这些大公司想要阻止这种活动发生，它们也无法在任何有意义的程度上做到这一点，因为存在架构限制。它们的算法是强大的窄优化器，就像所谓的“回形针最大化”思想实验[47]，无论它们为关闭每一扇门手工设计多少规则，总会有另一扇门打开。遏制这种行为的努力在很大程度上类似于美国机场TSA的安全表演。公司只能尝试缓解它们意识到的问题，而它们自己的算对抗性地选择那些公司最难以识别的方法，就像进化选择了最能利用其各自环境的有机体一样。鉴于允许对抗性信任侵蚀自由流向竞争对手的经济激励，任何遏制此类活动的努力都可能证明是无效的。

　　在上述章节中，我们探讨了人类智能如何被系统性和对抗性地削弱，但这引出了一个问题：我们如何实现相反的目标。扭转正在造成的损害的迫切需求显而易见，但要真正增强智能，还需做大量工作。

　　基于集体智能构建的系统为我们提供了一个强有力的选择，但它们提供的益处与给定人群中视角和领域知识的多样性成正比。由于这使其优化价值与窄AI直接且强烈冲突，要与此类系统竞争，它们必须为实际应用提供更具情感吸引力的替代方案。然而，窄AI针对此类系统进行对抗性侵蚀的动机会随着任何替代方案的成功而按比例增加，因为这直接减少了这些系统旨在最大化的东西。增强智能的系统越成功，窄AI就越会可预测地优化任何方法来攻击它们，这并非出于任何有意识的恶意，而是驱动它们的数学的简单副产品。

　　要应对这一挑战，不仅要在可用性和情感吸引力上竞争，还要对抗当今几乎所有在用窄AI的价值错位所带来的对抗性攻击，需要基于工作认知架构并集成集体智能组件的系统。此外，关于这些新型系统的最佳系统配置和影响它们的偶然因素，仍需进行大量研究。这些问题的答案无法从窄AI中构建出来，因为此类系统并非窄AI技术的衍生品。未来几年，全球数千名研究人员合作开展的认知劳动可能会逐渐解决这一堆积如山的新研究问题。

　　窄AI系统被设计为识别并利用其给定数据中任何可靠的统计模式，例如高速交易算法根据其他竞争性高速交易算法的行为进行协同优化。这种行为之所以出现，是因为其他算法是一个高度可预测的因素，对第一个算法的操作有可衡量且有意义的影响。如果信息生态系统中的许多此类系统合作推进共同的公司议程，每个算法影响人类行为的能力可能会显著增强，将“注意力经济”变成真正的人类工厂农场。

　　2022年末和2023年初的最近几个月显示科技行业发生了许多戏剧性变化，包括公司大规模裁员，甚至在部署和集成新的高风险系统时解散AI伦理团队。同样，发布完全不可复制且不提供有意义技术细节的“技术”和“研究”论文的趋势，如今正被大公司常规性地替代实际研究。这些不良行为者的一些博客文章获得了数千次引用和数亿美元的投资，很大程度上因为它们高度衍生，因而与许多类似努力高度相关。

　　市场动态可能极大地加速全球人口更高认知能力的下降，与每个形成的思想垄断的成熟度成正比。成功这一趋势的人口比例也可能随着算法在每次迭代中找到更有效预测更多人口子集行为的方法而可预测地下降。随着这些动态的形成，一些门槛可能会加速这一过程，例如两个人类极化到足以失去进行任何理性对话能力的门槛，转而选择认知偏见或AI生成的偏见回应。

　　在一个封闭且精心策划的信息生态系统中，每一种人类认知偏见都可能被武器化，而幕后公司甚至对此毫无察觉。最大化算法通过任何及一切手段合作最大化，同时灌输人类有效充当其延伸的可能性，为人类社会的近期可能未来描绘了一幅非常严峻的图景。

　　认知努力是一个密集的过程，普通的人类认知偏见已经足以构成对社会的许多挑战，即使在学术研究中这些因素最可能被有意识地考虑。打破纪录的系统采用——这些系统弱但广泛地模仿人类认知偏见，或按卡尼曼的隐喻称为“系统1思维”[48]——显示出人类对这种新的极端脆弱性。当公司和投资者试图以最快的速度和最大的规模最大化炒作并剥削急切的人群时，他们自己也放弃了任何更高认知功能的外表。

　　常有人开玩笑说“疯子在管理精神病院”，用来形容最不具备解决问题能力的人被置于负责位置。人类社会不能承受这个成语准确且稳健地适用于整个人类社会。正如贾伦·拉尼尔所说：“危险不在于AI摧毁我们，而在于它让我们发疯”[49]。

　　生成式AI为人类提供了多种新颖的机会和工具，但由于急于部署和集成系统，合理的保障措施和法规已被完全超越。这种超越是非常有意的，且具有对抗性，提出了一组独特的挑战和风险，可能极难缓解。我们才刚刚开始触及识别和量化这些风险的表面，除此之外，许多有效缓解这些风险的方法仍需开发。人类认知偏见已被充分证明是决策的糟糕驱动因素，而将方向盘交给这种偏见的聋盲版本，在社会规模上，必定会使这场炒作的狂欢之旅戛然而止。

　　兰德公司 2024 人工智能项目失败的五大根本原因及其成功之道 - 避免 AI 的反模式 英文版

　　Linux 基金会 2024 年世界开源大会报告塑造人工智能安全和数字公品合作的未来 英文版

　　兰德公司 2024 人工智能和机器学习在太空领域感知中的应用 - 基于两项人工智能案例英文版

　　Salesforce2024 年制造业趋势报告 - 来自全球 800 多位行业决策者对运营和数字化转型的洞察 英文版

　　DARPA 主动社会工程防御计划（ASED）《防止删除信息和捕捉有害行为者（PIRANHA）》技术报告

　　国际清算银行 2024 生成式 AI 的崛起对美国劳动力市场的影响分析报告 渗透度替代效应及对不平等状况英文版

　　三年前，当时69岁的张伯因持续肚子胀、拉出柏油样的大便，到当地医院检查，发现小肠的起始部位有个5厘米大小的隆起。

　　出口转内销，安排！京东2000亿元之后，美团、东方甄选、百度、苏宁也加入，“最快1分钟开店”

　　当前，很多“出海”多年的外贸企业都具备优秀的生产能力，产品品质过硬，但在出口转内销的过程中，存在不熟悉国内市场、缺乏运营经验等挑战。近日，商务部加大力度推进内外贸一体化，帮助外贸企业开拓国内市场，并指导有关协会、大型商超和流通企业，发挥其各自优势，帮助外贸企业扩宽内销渠道。

　　最近这国际形势啊，因为美国挑起的关税战，那可真是闹得沸沸扬扬。根据中国商务部官网消息，2025 年金砖国家经贸联络组第二次会议在 4 月 10 日到 11 日以视频形式举行。

　　4月13日，#香港大学 举办未来趋势论坛 #刘宁荣 ：关税战让美国的#盟友 都不再相信它！#关税

　　特朗普大厦商店，用价签遮盖中国制造！美政府大张旗鼓加税，又偷偷摸摸豁免！贸顺差近3000亿美元，恐被拖入贸易战

　　央视记者在当地时间4月12日探访特朗普大厦商店，发现里面有许多“Made in China”的标牌被价签遮盖住了。

　　种子是农业的“芯片”，关乎国家粮食安全，我国是种质资源大国，水稻等作物种质资源丰富。长期以来，一些国家不断通过各种途径，窃取我国农业种质资源，损害我和利益。

　　4月12日，潇湘晨报记者从家属处获悉，山西大同“订婚案”刑事与民事二审将于4月16日公开宣判。席某某及其家属坚称席某某无罪，席某某母亲还表示，双方是自愿发生，女方是发生性行为后开始抱怨，就房产本上需加名一事和男方发生冲突。

　　据上游新闻报道，张莉是某技师学院一名合同制教师，自1993年起，她在该学院及其前身学校连续工作31年，已年满50岁。

　　4月13日，据长江云新闻，贵州毕节赫章县一男孩，在24年3月份放学途中被三条大型犬咬重伤，头皮撕裂，左耳被撕咬下来，手和脚腋窝也被咬伤。相关话题冲上热搜孩子家长描述ng28南宫娱乐官网，孩子在放学回家途中，被村里3条大型犬咬成重伤，被送进ICU，抢救了差不多一个礼拜。