实测发现Gemini的数据分析能力并不像Google声称的那么好

摘要：Google的旗舰生成式人工智能模型Gemini 1.5 Pro 和 1.5 Flash 的卖点之一是它们据称可以处理和分析的数据量。在新闻发布会和演示中，Google一再声称这些模型可以完成以前不可能完成的任务，这要归功于它们的"长语境"，比如总结多篇百页文档或搜索电影胶片中的各个场景。 但新的研究表明，这些模型实际上并不擅长这些事情。两项不同的研究调查了Google的Gemini模型和其他模型如何从海量数据中获得意义--想想"战争与和平"长度的作品。这两项研究都发现，Gemini 1.5 Pro 和 1.5 Flash 很难正确回答有关大型数据集的问题；在一系列基于文档的测试中，这些模型只有 40% 50% 的时间给出了正确答案。"虽然像 Gemini 1.5 Pro 这样的模型在技术上可以处理较长的上下文，但我们看到很多案例表明，这些模型实际上并不能'理解'内容，"马萨诸塞大学阿默斯特分校博士后、其中一项研究的合著者 Marzena Karpinska 说。Gemini缺少上下文窗口模型的上下文或上下文窗口指的是模型在生成输出（如附加文本）之前考虑的输入数据（如文本）。一个简单的问题--"谁赢得了 2020 年美国总统大选？- 可以作为上下文，电影剧本、节目或音频片段也是如此。随着上下文窗口的增加，可容纳文件的大小也会随之增加。Gemini 的最新版本可以接收多达 200 万个标记作为上下文。(标记"是原始数据的细分位，如"梦幻"一词中的音节"fan"、"tas"和"tic"）。这相当于大约 140 万个单词、2 个小时的视频或 22 个小时的音频--这是所有商用模型中最大的语境。在今年早些时候的一次简报会上，Google展示了几个预先录制的演示，旨在说明Gemini长语境功能的潜力。其中一个演示让Gemini 1.5 Pro 搜索阿波罗 11 号登月电视直播的记录（约 402 页），查找包含笑话的引语，然后在电视直播中找到与铅笔素描相似的场景。Google DeepMind 研究副总裁 Oriol Vinyals 主持了这次简报会，他用"神奇"来形容这个模型。他说："[1.5 Pro]可以在每一页、每一个单词上执行此类推理任务。"但这可能有点夸张。在上述对这些能力进行基准测试的一项研究中，卡平斯卡与来自艾伦人工智能研究所和普林斯顿大学的研究人员一起，要求模型评估有关英文小说的真/假语句。研究人员选择了近期的作品，这样模型就无法依靠预知来"作弊"，而且他们还在语句中加入了具体细节和情节点，如果不阅读整本书，是无法理解这些细节和情节点的。Gemini 1.5 Pro 和 1.5 Flash 在阅读了相关书籍后，必须说出这句话的真假并说明理由。图片来源：UMass Amherst马萨诸塞大学阿默斯特分校研究人员对一本长度约为 26 万字（约 520 页）的书进行了测试，发现 1.5 Pro 在 46.7% 的时间内正确回答了真/假语句，而 Flash 仅在 20% 的时间内正确回答了真/假语句。这意味着硬币在回答有关这本书的问题时明显优于Google最新的机器学习模型。综合所有基准测试结果，两个模型的答题准确率都没有超过随机概率。卡平斯卡说："我们注意到，与那些通过检索句子层面的证据就能解决的问题相比，模型在验证那些需要考虑书中较大部分甚至整本书内容的主张时会遇到更多困难。从质量上讲，我们还观察到，模型在验证有关隐含信息的主张时也很吃力，这些隐含信息对人类读者来说是明确的，但在文本中并没有明确说明。"两项研究中的第二项由加州大学圣巴巴拉分校的研究人员共同完成，测试了 Gemini 1.5 Flash（而非 1.5 Pro）"推理"视频的能力，即搜索并回答有关视频内容的问题。合著者创建了一个图像数据集（例如，一张生日蛋糕的照片），并配以问题让模型回答图像中描述的对象（例如，"这个蛋糕上有什么卡通人物？）为了对模型进行评估，他们随机挑选了其中一张图片，并在其前后插入"干扰"图片，以创建类似幻灯片的片段。Flash 的表现并不尽如人意。在一项让模型从 25 张图片的"幻灯片"中转录 6 位手写数字的测试中，Flash 的转录正确率约为 50%。八位数字的准确率下降到 30%。"在实际的图像问题解答任务中，我们测试的所有模型似乎都特别困难，"加州大学圣塔芭芭拉分校的博士生、该研究的共同作者之一迈克尔-萨克森（Michael Saxon）表示，"少量的推理--识别出一个数字在一个框架中并读取它--可能就是让模型失效的原因"。这两项研究都没有经过同行评议，也没有对 Gemini 1.5 Pro 和 1.5 Flash 的 200 万标记上下文版本进行测试（这两项研究都对 100 万标记上下文版本进行了测试）。(这两个版本都测试了 100 万标记上下文的版本）而且，Flash 在性能方面并不像 Pro 那样强大；Google 将其宣传为低成本的替代品。尽管如此，这两件事还是让人们更加确信，Google从一开始就对Gemini的承诺过高，而实际效果却不尽如人意。研究人员测试的所有模型，包括 OpenAI 的GPT-4o和 Anthropic 的Claude 3.5 Sonnet，都表现不佳。但Google是唯一一家在广告中将语境窗口放在首位的模型提供商。萨克森说："根据客观的技术细节，简单地宣称'我们的模型可以接受 X 个词元'并没有错。但问题是，你能用它做什么有用的事情？"随着企业（和投资者）对生成式人工智能技术的局限性感到失望，这种技术正受到越来越多的关注。在波士顿咨询公司（Boston Consulting Group）最近进行的两项调查中，约有一半的受访者（均为 C-suite 高管）表示，他们并不指望人工智能生成技术能带来实质性的生产力提升，而且他们担心人工智能生成工具可能会导致错误和数据泄露。PitchBook 最近报告称，连续两个季度，生成式人工智能最早阶段的交易量出现下滑，从 2023 年第三季度的峰值骤降 76%。面对可以总结会议内容、虚构人物细节的聊天机器人，以及基本上等同于剽窃生成器的人工智能搜索平台，客户们正在寻找有前途的差异化产品。Google一直在追赶其人工智能生成器竞争对手，有时甚至是笨拙地追赶，它急切地想让Gemini的语境成为这些差异化因素之一。但现在看来，这个赌注还为时过早。卡平斯卡说："我们还没有找到一种方法来真正证明对长文档的'推理'或'理解'正在发生，而且基本上每个发布这些模型的小组都在拼凑他们自己的临时验证来做出这些宣称。在不了解长上下文处理是如何实现的情况下--而公司并不分享这些细节--很难说这些说法有多现实。"Google没有回应置评请求。萨克森和卡平斯卡都认为，要消除生成式人工智能的夸大宣传，就必须制定更好的基准，同时更加重视第三方的批评意见。萨克森指出，Google在其营销材料中大量引用的"大海捞针"（need in the haystack）是一种更常见的长语境测试方法，它只能衡量模型从数据集中检索特定信息（如姓名和数字）的能力，而不能回答有关这些信息的复杂问题。"所有科学家和大多数使用这些模型的工程师基本上都认为，我们现有的基准文化已经崩溃，"萨克森说，"因此，重要的是公众要明白，对这些包含'跨基准的通用智能'等数字的巨型报告，要慎重对待。" 原文：https://m.cnbeta.com.tw/view/1436560.htm

底特律警察局同意限制其使用面部识别技术的方式

摘要：作为法律和解的一部分，底特律警察局已同意制定新的警戒线，限制其使用面部识别技术的方式。这些新政策禁止警方仅根据面部识别搜索的结果或面部识别搜索后立即进行的照片排查的结果逮捕嫌疑人。新政策还规定，不能仅根据面部识别结果进行照片排查，还必须有其他证据证明嫌疑人与犯罪有关。 这些政策（可在未来四年内由法院强制执行）还要求警方就面部识别技术的风险和危险进行培训，并对 2017 年以来所有使用面部识别技术获得逮捕令的案件进行审计。罗杰-威廉姆斯（Roger Williams）是一名黑人，在被面部识别技术识别后被捕，他起诉了警察局，他的案子由美国公民自由联盟和密歇根大学法学院民权诉讼倡议组织的律师代理。在宣布和解时，美国公民自由联盟将其描述为实现了"全国最强有力的警察部门政策和实践，限制执法部门使用这种危险的技术"。美国公民自由联盟还指出，女性和有色人种"更容易被面部识别技术误认"。威廉姆斯在一份声明中说："随着我们生命中这一痛苦篇章的结束，我和我的妻子将继续提高人们对这一技术危险性的认识。"据报道，他被错误地认定为一名从底特律市中心一家商店偷窃五块手表的男子，并被监控录像拍下，之后他在监狱中度过了 30 个小时。他的驾驶执照照片出现在一个罪犯照片和驾驶执照照片数据库的面部识别搜索中，提供录像的安保承包商认为他与一条人脸识别记录是最匹配的，因此将他逮捕。检察官后来撤销了指控。警察局表示，作为和解的一部分，它还将向威廉姆斯支付 30 万美元。密歇根州警察局在自己的一份声明中表示，"对过去一年半以来与美国公民自由联盟和密歇根大学的合作感到满意"，并补充说，它"坚信"新政策"将成为全国最佳实践和其他机构使用该技术的典范"。旧金山等城市已经禁止执法部门使用面部识别技术。微软最近也禁止警察部门使用其人工智能技术进行面部识别。 原文：https://m.cnbeta.com.tw/view/1436559.htm

科学家利用固态自旋量子传感器研究了电子自旋之间新的速度相关相互作用

摘要：一个研究小组利用固态自旋量子传感器在短力范围内仔细研究奇异的自旋-自旋-速度依赖性相互作用（SSIVD），报告了电子自旋之间的新实验结果。他们的研究成果已发表在《物理评论快报》上。 标准模型是粒子物理学中一个非常成功的理论框架，描述了基本粒子和四种基本相互作用。然而，标准模型仍然无法解释当前宇宙学中的一些重要观测事实，例如暗物质和暗能量。一些理论认为，新粒子可以充当传播者，在标准模型粒子之间传递新的相互作用。目前，缺乏关于自旋速度相关新相互作用的实验研究，特别是在相对较小的力距离范围内，几乎不存在实验验证。研究人员设计了一个配备两颗钻石的实验装置。使用化学气相沉积在每颗钻石表面制备了高质量的氮空位 （NV） 集成。一个NV系综中的电子自旋用作自旋传感器，而另一个则充当自旋源。研究人员通过相干地操纵两个金刚石NV系综的自旋量子态和相对速度，在微米尺度上寻找电子速度依赖性自旋之间的新相互作用效应。首先，他们使用自旋传感器来表征磁偶极子与自旋源的相互作用作为参考。然后，通过调制自旋源的振动并执行锁定检测和相位正交分析，他们测量了SSIVD。研究的实验结果。图片来源：DU et al.对于两种新的相互作用，研究人员分别在小于1厘米和小于1公里的力范围内进行了首次实验检测，获得了宝贵的实验数据。正如编辑所说，“这些结果为量子传感界带来了新的见解，以利用固态自旋的紧凑、灵活和敏感特征来探索基本相互作用。该团队由中国科学院中国科学技术大学杜江峰院士和邢荣教授领导，浙江大学焦满教授合作。更多信息：Yue Huang 等人，与固态量子传感器的奇异自旋-自旋-速度相关相互作用的新约束，物理评论快报 （2024）。DOI： 10.1103/PhysRevLett.132.180801 原文：https://m.cnbeta.com.tw/view/1436558.htm

中国科大揭示地球氮元素起源与早期演化之谜

摘要：近日，中国科学技术大学地球和空间科学学院王文忠特任教授与国际学者合作，采用第一性原理计算方法，对类地行星在增生演化过程中氮同位素的分馏行为进行了深入研究。该研究揭示了早期星胚熔融挥发和晚期富挥发份物质的增生两个关键阶段共同决定了硅酸盐地球中氮元素的丰度，为理解地球挥发份的起源提供了新的认识，相关成果以“Early planetesimal differentiation and lateaccretion shaped Earth’s nitrogen budget”为题发表在《Nature Communications》上。 氮是地球上生命的基本组成元素之一，广泛存在于众多有机分子之中。尽管氮对生命至关重要，但与地球初始增生物质相比，当前硅酸盐地球（包括大气、地壳和地幔）的氮含量相对较低，大约只有2ppm（百万分之二）。深入研究地球中氮的增生演化历史对认识地球生命相关元素的起源及宜居性演变具有重要意义。目前，学术界主要有两种关于地球挥发份增生模型。第一种模型，即“后期增生模型（Late veneer）”，认为形成地球的初始增生物质几乎不含挥发份，包括氮，而硅酸盐地球目前所具有的挥发份丰度主要是在增生晚期通过加入少量富含挥发份物质（如碳质球粒陨石）形成的。第二种模型，即“早期演化模型”，则认为地球的初始增生物质原本就富含挥发份，地球所经历的一系列演化过程导致了目前硅酸盐地球相对于初始组分亏损挥发份。氮有两种稳定同位素，即14N和15N。氮同位素可用于示踪地球挥发份在行星增生过程中的演化历史，为研究类地行星挥发份的起源和演化提供了一种关键研究手段。然而，要有效利用这一工具，首先必须了解行星早期演化阶段中氮同位素的分馏机制。王文忠特任教授采用第一性原理计算方法，研究了星云物质凝聚形成星胚过程中的氮同位素分馏，包括熔融挥发和核幔分异两个阶段。研究发现，在早期太阳系星云中氢气尚未完全散失的条件下，熔融挥发使得星胚富集14N，而核幔分异则导致15N在硅酸盐熔体中富集。结合第一性原理计算结果和实际观测数据，研究团队发现早期星胚演化过程并不足以解释当前硅酸盐地球的氮同位素组成，必须在增生晚期加入一定量的富含挥发性成分的物质，如碳质球粒陨石，以解释观测到的氮同位素特征。因此，硅酸盐地球中的氮丰度是早期星胚演化和晚期增生阶段共同作用的结果。值得注意的是，尽管晚期增生对硅酸盐地球的氮丰度具有显著影响，但由于加入的富含挥发份物质的质量极低，其对硅酸盐地球中其他挥发份丰度的贡献十分有限。论文第一和通讯作者为王文忠特任教授，合作者包括英国伦敦大学学院John Brodholt教授、美国卡耐基科学研究所Michael Walter研究员和田纳西大学诺克斯维尔分校黄士春教授。近年来，王文忠特任教授领导的研究团队专注于类地行星挥发份的起源及早期演化，运用多种同位素作为示踪工具，结合第一性原理计算与观测数据，揭示了地球在吸积初始阶段便显著增生了大量挥发性元素，星胚的演化过程对地球的挥发份储库进行了重塑，相关论文发表在《NatureGeoscience》和《Science Advances》（Wang et al., 2021, NG, 2023, SA）。该研究对现有理论模型进行了重要的补充，重新评估了“后期增生”对地球氮丰度的影响。这一系列工作揭示了“早期演化”和“后期增生”两个阶段对地球挥发份的综合影响，为理解地球挥发性成分的演化历史提供了新的视角。图 早期星胚熔融挥发和晚期增生对挥发份的影响论文链接：https://www.nature.com/articles/s41467-024-48500-0相关成果：https://www.science.org/doi/10.1126/sciadv.adh0670https://www.nature.com/articles/s41561-021-00838-6 原文：https://m.cnbeta.com.tw/view/1436557.htm

价值10000美元的AI散热器能让酷睿i9-14900KF在7.5 GHz频率下保持低温

摘要：在超频和极端冷却领域，发烧友们一直在寻求优势。在这项疯狂的测试中，研究小组试图确定先进的 GenAI 和 3D 打印技术能否帮助他们从当今的处理器中榨取更多性能。为了回答这个问题，他们以一种全新的方式制造了一个液氮（LN2）容器，并得出了一些有趣的结论。 该项目汇集了来自整个生态系统的专家--以超频能力著称的 Skatterbencher、专门为散热解决方案提供生成式人工智能的 Diabatix、提供增材制造的 3D Systems 以及提供超频设备的 ElmorLabs。该团队以 ElmorLabs 现有的 Volcano LN2 容器为参考点，然后让 Diabatix 的 ColdStream Next AI 生成改进的设计。然后，3D Systems 将数字蓝图变为现实，使用无氧铜粉 3D 打印出原型。但令人震惊的是，这一尖端工艺成本高达 10000 美元，与原版 Volcano 260 美元的价格相去甚远。人工智能/3D 打印设计在早期测试中表现出了良好的前景，重点关注三个关键指标：从室温冷却到 -194°C 的时间、在 1250 瓦负载下从 -194°C 升温到 20°C 的时间，以及使用 500 毫升液氮达到的最低温度。它的冷却速度超过了 Volcano，从 28°C 冷却到 -194°C 只用了不到一分钟，而 Volcano 则需要 3 分钟。加热性能也更好，AI 容器的升温速度要快 30%。效率方面，AI 设计也更胜一筹--使用 500 毫升的 LN2，它可以达到 -133°C 的温度，而火山则止步于 -100°C。不过，由于这些测试并不代表真实世界的性能，因此团队决定使用英特尔酷睿 i9-14900KF Raptor Lake 处理器再进行三次测试。首先，他们启动了Cinebench 2024，以找到最稳定的 CPU 最高频率。"我们发现，两个 LN2 容器都能顺利处理主频为 7.4 GHz 的 P核酷睿 i9-14900KF。人工智能生成的设计似乎可以将 7.5 GHz 的频率保持得更久一些。但这可能只是运行之间的差异，"他们指出。在第二项测试中，他们检查了散热器和冷却容器底座之间的 CPU 温度三角洲，以评估真正的热传导能力。此外，他们还进行了全面压力测试，在数分钟内通过芯片的功率超过 600 瓦。虽然 AI 集装箱确实略胜一筹，但与理论测试结果相比，收益相对较小。在 3D 打印模型上，CPU 散热片和容器底座之间的温度差更小，但并没有达到令人震惊的程度。如上图所示，即使在 Cinebench 中的性能提升也相当有限。经过计算，该团队认为，虽然人工智能/3D 打印设计在技术上令人印象深刻，但从成本/效益的角度来看，目前还不能满足适度超频的需求。因为它的价格高达 10000 美元。不过，他们还没有完成任务。虽然"没有任何具体成果"，但该团队表示，他们可以研究性能和成本方面的优化。例如，LN2 容器的设计不一定需要是圆形的。他们还在探索针对更高功率 CPU（如 Ryzen Threadripper 或英特尔至强 6）的新设计。总而言之，这项可行性研究可能暴露了一些局限性，但也证明了生成式人工智能有更好的用途。 原文：https://m.cnbeta.com.tw/view/1436556.htm

新研发的红外线滤镜可让日常眼镜兼作夜视镜片

摘要：夜视镜有其用途，但也有许多缺点，包括重量。一项新进展消除了这种成本效益分析--事实上，它可能会彻底改变我们所熟知的夜视技术。研究人员发明了一种红外滤光镜，它比保鲜膜还薄，重量不到一克，可以戴在标准眼镜上，让佩戴者在黑暗中也能看到东西。 夜视技术应用广泛，从体育运动到军事和医疗行动。然而，这些技术受到笨重的光处理和低温冷却组件的限制，同时还依赖于窄带隙半导体（如 InGaAs），而这种半导体需要低温运行且噪声水平较高。此外，这些系统通常会阻挡可见光。这些装备可能重达两磅多，因此戴上护目镜进行夜跑是不切实际的，甚至可能是不安全的。澳大利亚的研究人员现在发现，利用基于元表面的上转换技术--一种可以同时捕捉红外光和可见光的超薄材料--可以增强日常眼镜的夜视能力。他们上个月在《先进材料》（Advanced Materials）杂志上发表了这一研究成果。TMOS 是澳大利亚研究理事会（ARC）的变革性元光学系统卓越中心，该中心的研究人员创造了一种比保鲜膜还薄的红外滤光片，重量不到一克，有朝一日可以安装在一副普通眼镜上。了解一下传统的夜视技术，就会明白这种滤波器任务的复杂性。传统的夜视技术要求红外光子通过一个透镜，遇到一个光电阴极，光电阴极将这些光子转化为电子，电子再通过一个微通道板，以增加产生电子的数量。这些电子通过荧光屏重新转化为光子，产生肉眼可见的强化可见图像。这些元件需要低温冷却，以防止热噪声加剧。相比之下，在基于元表面的上转换技术中，光子通过单个谐振元表面，与泵浦光束混合。共振元表面增强了光子的能量，将其转换为可见光光谱，无需进行电子转换。它还能在室温下工作，无需笨重的冷却系统。此外，利用上转换技术，成像系统可以在一张图像中同时捕捉可见光和不可见光。研究人员最初的技术采用了砷化镓元表面。新的元表面由铌酸锂制成，在可见光范围内完全透明，因此效率更高。此外，光子束在更宽的表面区域传播，限制了数据的角度损失。研究人员首次展示了高分辨率上转换成像技术，将非局部元表面中的1550纳米红外光转换为可见的550纳米光。研究报告的作者罗西奥-卡马乔-莫拉莱斯（Rocio Camacho Morales）说，他们之所以选择这些波长，是因为1550 nm红外光通常用于电信领域，而550 nm是人眼高度敏感的可见光。"未来的研究将包括扩大该设备的敏感波长范围，旨在获得宽带红外成像，以及探索图像处理，包括边缘检测"。 原文：https://m.cnbeta.com.tw/view/1436555.htm