2025年6月29日 星期日

Google 佛心開源!Gemini CLI 官方神器實測,免費白嫖 Gemini 2.5 Pro|安裝到實戰完整教學 快速上手!

Google 佛心開源!Gemini CLI 官方神器實測,免費白嫖 Gemini 2.5 Pro|安裝到實戰完整教學 快速上手!

https://www.youtube.com/watch?v=UfrXGfivlEQ

值得閱讀的理由了解 Google 開源的免費 AI 程式設計工具 Gemini CLI 及其核心功能。學習如何在本地電腦上安裝與開始使用 Gemini CLI 的步驟。透過實際操作範例,認識 Gemini CLI 在程式碼生成、文件處理、記憶功能等方面的應用與限制。摘要Gemini CLI 簡介與特色這段影片中,作者介紹了 Google 免費開源的程式設計 Agent 工具 - Gemini CLI。這是一個基於命令列操作的 AI 工作流程工具,旨在連結各種工具、理解程式碼並加速開發流程。作者解釋道,使用者只需透過自然語言輸入任務目標,Gemini CLI 便會自行規劃並調用工具,包括讀取/編輯檔案、執行指令甚至使用 Google 搜尋來完成任務。它可以透過加入 MCP Server 擴展功能,並受益於 Gemini 模型龐大的 Context Window(100 萬 tokens),能較完整地理解專案程式碼與工具回傳訊息。最重要的是,Gemini CLI 目前可以免費使用,甚至能呼叫 API 通常不提供免費額度的 Gemini 2.5 Pro 模型,顯示出十足的誠意。然而,作者也指出,Gemini CLI 的免費額度有其上限:每分鐘 60 次呼叫與每日 1000 次總呼叫次數。這決定了免費版不適合進行大型專案的開發。但相較於需要付費的 Anthropic Claude Code 或 OpenAI Codex,這個免費額度仍算相當慷慨。安裝與基本使用作者接著示範了如何安裝與使用 Gemini CLI。由於它是基於 Node.js 開發,首先需要在電腦上安裝最新版的 Node.js LTS。安裝完成後,開啟命令提示字元並輸入 node -v 確認 Node.js 安裝成功。接著,輸入 Gemini CLI 的安裝指令(可在其 GitHub 頁面或影片資訊欄找到)來安裝工具。安裝好後,在命令提示字元中輸入 gemini 即可開啟 Gemini CLI 介面。第一次開啟時會要求驗證,推薦使用 Google 帳號以獲得免費的 Gemini 2.5 Pro 存取權;也可使用 API key 驗證。驗證方式可用 /auth 指令切換。作者提到,Gemini CLI 執行任務時編輯檔案的根目錄取決於在 Terminal 中輸入 gemini 指令時所在的目錄。介面中可使用斜線開頭的指令,例如 /help 查看所有指令,使用 @ 可以指定檔案。實際操作範例:程式生成與搜尋作者進行了第一個簡單測試:讓 Gemini CLI 生成一個貪食蛇小遊戲。過程中,工具會詢問是否允許寫入檔案或執行指令。第一次生成速度很快,但介面簡陋。作者透過新一輪對話,要求將介面改為復古街機風格並增加重新開始選項,Gemini CLI 成功完成了修改。任務結束後,使用兩次 Ctrl + C 退出介面,會顯示本次任務的 Token 用量。接著,作者測試了 Gemini CLI 的搜尋功能。使用 @ 指定一個 Hugo 文章模板,要求它搜尋並生成關於 Gemini CLI 發佈的新聞文章。工具確實進行了網路搜尋,生成的文章內容正確,但篇幅較短。即使嘗試要求擴充內容,長度也沒有顯著增加。作者認為這顯示其表現與在 Google AI Studio 中使用同一模型(Gemini 2.5 Pro)時有些差異,可能與提示詞或參數設定有關。記憶功能測試與模型降級問題作者隨後介紹了 Gemini CLI 的記憶功能,透過在專案根目錄創建 gemini.md 文件來寫入專案規劃,Gemini CLI 會自動套用其中的內容。作者示範了如何創建 gemini.md,並使用 /memory show 和 /memory refresh 指令來管理記憶內容。他測試了讓 Gemini CLI 根據 gemini.md 文件製作一個商品售價與利潤計算機,工具確實開始根據記憶內容規劃開發。然而,測試過程中遇到了問題:作者的 Gemini 2.5 Pro 用量爆表,模型自動降級為 Gemini 2.5 Flash。作者強調,Flash 模型的能力對於複雜任務來說「基本上就是直接○透」,程式無法正常運行。他換了一個帳號重新嘗試使用 Gemini 2.5 Pro,但這次 Gemini.md 中的內容似乎沒有被完全採納,工具沒有創建 React 專案,而是使用了基本的 HTML/JS/CSS,製作出的介面存在一些 bug,整體結果與 Google AI Studio 生成的版本相比差了不少。複雜任務處理與總結最後,作者測試了一個更複雜的修改任務:將 Google AI Studio 生成的三個設計檔案轉換為一個基於 Hugo 的個人履歷網站。這個過程耗時較長(超過一小時),期間模型再次因用量過多從 Pro 降級為 Flash。降級後的模型陷入了鬼打牆狀態,反覆提示即將修改檔案但沒有實際執行。儘管遭遇這些問題,最終 Gemini CLI 還是成功將設計檔案轉換成了 Hugo 網站。總結使用體驗,作者認為 Gemini CLI 在某些方面(如設計稿轉換為網站、製作簡單工具)確實方便,但這些優點建立在使用 Gemini 2.5 Pro 模型的前提下。他對 Gemini 2.5 Flash 的表現評價極差,認為其程式能力甚至不如使用 API 或 VS Code 插件呼叫的 Flash 模型。儘管如此,作者仍肯定 Google 願意將 Gemini CLI 開源並提供免費 Pro 額度的佛心,推薦大家下載試玩。他也補充說,即使是 Flash 模型,仍可用於自動化一些不需高程式能力的任務,例如將舊網站文件轉換為 Hugo Markdown 格式。================================================# Gemini CLI 介紹Hello 大家好 這裡是步行魚的頻道。前幾天 Google 免費開源了。基於 Gemini 模型的程式設計 Agent 工具 Gemini CLI。這幾天可以看到網路上許多人都在玩這個新玩具。雖然我的影片算晚了幾天。但今天我們還是來好好的跟大家介紹。並試玩一下這個開源的 AI Agent 工具。首先我們先來介紹一下 Gemini CLI。它是一個使用命令列操作的 AI 工作流程工具。可以連結到各種工具。理解我們的程式碼。並加速我們的工作流程。簡單來說就是我們只需要使用自然語言。輸入我們想要的任務目標。就可以等待它自行規劃來調用工具。包括讀取檔案 編輯檔案 執行指令。甚至使用 Google 搜尋來完成我們的任務。想要的話也可以自行加入一些 MCP Server 來擴展更多的功能。而且因為 Gemini 超大的 100 萬 tokens Context Window 大小。Gemini CLI 可以較為完整的理解專案中的程式碼。與工具的回傳訊息。重點是它現在是可以免費使用的。並且 Gemini CLI 這個 Google 的親兒子。甚至可以讓我們呼叫。目前 API 已經不提供免費額度的 Gemini 2.5 Pro。這個目前數一數二強的大型語言模型。可以說是誠意滿滿。Gemini CLI 的調用上限。為每分鐘 60 次呼叫與每日 1000 次呼叫。注意 這邊的呼叫次數上限是跟模型無關的。就是總呼叫次數上限。實際 Gemini 2.5 Pro 可以免費使用的呼叫量。會少上非常多。而這個上限。也決定了免費版不太可能做什麼大型的專案。但相較於一定要付費才能使用的 Anthropic Claude Code。與 OpenAI 的 Codex 依舊算是誠意滿滿。# 安裝教學那麼接下來我們就來實際上手。告訴大家如何安裝、使用這個開源專案。首先因為 Gemini CLI 是一個基於 Node.js 開發的工具。所以要在我們的電腦上安裝使用它。就需要先在電腦上安裝 Node.js。這部分我們直接搜尋 Node.js。然後安裝最新版的 LTS。進到他的官網點擊下載 他預設就會是這個版本。所以我們直接下載他的安裝檔。下載完 我們將安裝檔打開。安裝 Node.js 的步驟 基本上只需要一直點下一步即可。這邊我就不多做介紹。安裝完我們就可以來安裝 Gemini CLI 了。首先我們先打開命令提示字元。這邊我們先確定一下電腦上有沒有安裝好 Node.js。我們輸入 node -v。有看到他顯示版本 就代表 Node.js 有安裝成功了。接下來我們輸入以下這條指令。這條指令我們可以在 Gemini CLI 的 GitHub 頁面上找到。當然我也會放在影片下方的資訊欄。有需要的觀眾可以複製。等到他安裝好。我們只需要在命令提示字元中輸入 Gemini。就可以開啟 Gemini CLI 的介面。# 基本設定與指令第一次開啟時他會詢問我們要使用 Google 帳號登入。或是使用 API key。這邊因為我已經安裝過了所以他沒有跳出來。但如果想要切換不同的認證方式的話。可以使用 "/auth" 這條指令。來切換不同的驗證方式。一般使用的話就選擇 Google 帳號驗證即可。還可以使用到免費的 Gemini 2.5 Pro。但如果有較大的用量需求且不在意付費。則可以考慮使用 API key 驗證的方式。再來他還會跳一個 Terminal 的主題選擇。這邊大家就選擇自己喜歡的就好。另外輸入斜線後會出現一些指令的提示。後面也有寫出指令功能的介紹。我們可以先輸入一下/help。看一下所有指令以及一些基本使用方法。最上面提示的使用 "@"後面就可以選擇我們想要的檔案。/auth 可以更改驗證的方式。斜線 mcp 可以列出目前設定好的 mcp server。大家有需要的可以稍微看一下。等一下我也會示範一些指令的用法。# 如何在專案中使用那麼以上這些都設定完。我們接下來就來看看。如何使用 Gemini CLI 來開發程式。首先 Gemini CLI 他的開啟方式。應該說他此次任務會編輯檔案的根目錄。是根據我們在 Terminal 中輸入 Gemini 指令時。他顯示的目錄來決定的。因此我們需要先在 Terminal 中先 cd 過去。或者是如果在 Windows 的話。可以從檔案總管的路徑列裡。輸入 cmd 按 Enter。直接開啟一個路徑為此資料夾的命令提示字元。接著我們就可以輸入 gemini。開啟 Gemini CLI 的介面。在裡面下達任務了。首先這邊我先做一個簡單的測試。# 實測一:製作貪食蛇遊戲讓他生成一個貪食蛇的小遊戲。而在任務中如果有需要寫檔案或執行指令。他都會詢問我們是否要執行。這邊我就先讓他在這次任務中。一律允許寫入檔案。可以看到他非常快速的就生成出來的成品。但是他的樣子不太好看。所以我們可以再進行一輪對話。讓他將介面改成復古街機風格。並且在遊戲結束時有重新開始的選項。稍等一下就可以看到他成功完成了這項任務。在結束任務後我們可以用兩下 Ctrl + C。來退出 Gemini CLI 的介面。此時他會顯示我們這一輪的任務。總共使用了多少 Token。方便我們可以了解用量。# 實測二:搜尋與檔案讀取功能接下來我們再來試試一點稍微不一樣的東西。我想要試試看他的搜尋功能。所以我這邊給他一個我 Hugo 文章的模板。用 @ 指定他要讀這一個文章模板。搜尋並生成 Gemini CLI 發佈的新聞文章。按下去。這邊可以看到。他確實看起來是有在搜尋網路的。等到他生成完成。我們跑一下網站看一下文章。能夠看到他的文章內容確實都正確。這些都是要經過搜尋才能夠正確打出來的。但不知道為什麼他的文章寫得有點短。我嘗試讓他再擴充一下生成的內容。但他生成出來的長度其實也還是一樣蠻簡短的。雖然一樣都是使用 Gemini 2.5 Pro 模型。但他的表現跟在 Google AI Studio 中有一些差異。可能牽涉到他實際使用的提示詞。以及一些參數設定。# 實測三:gemini.md 記憶功能接下來我們來試試看。Gemini CLI 所提供的記憶功能。我們可以在專案中建立一個 gemini.md 的文件。裡面寫入專案的詳細規劃。這樣 Gemini CLI 在運作時。就會自動套用其中的內容。我們現在就來試一下。首先我們在專案的目錄開啟 Gemini CLI。這邊我想要測試讓他製作一個商品售價與利潤的計算機。在裡面輸入 "/memory show" 的指令。可以看到目前記憶裡沒有任何的內容。所以我們先進到專案的目錄中。新增一個文字文件。把它重新命名為 GEMINI.md。接著將我們的開發需求。貼入到這個文件中儲存。再回到 Gemini CLI 中。使用 "/memory refresh"這邊可以看到他已經正確的讀到檔案了。我們一樣再使用 "/memory show"就可以看到我們剛剛貼上的開發計劃開發需求內容。而在下方他也會顯示。目前使用了一個 GEMINI.md 檔案。那麼接下來我們就可以開始讓他製作了。這邊可以看到他有套用了 GEMINI.md 內的內容。開始使用 React 來製作一個網站。但因為前面我測試了一些其他的東西。導致現在我的 Gemini 2.5 Pro 用量爆了。他現在是使用 Gemini 2.5 Flash。而 Flash 的能力。說實在做一點簡單的東西還可以。但做一些比較複雜的。基本上就是直接○透。程式連跑都跑不起來。所以我這邊換了個帳號。讓他使用 Gemini 2.5 Pro 再跑一次。但似乎 GEMINI.md 裡的檔案。這一次他沒有吃得很完整。他沒有創建 React 的專案。而是直接使用了 HTML/JS CSS 檔案來製作。而製作出來的結果。他的介面看起來還有一些 bug。但整體結果雖然勉強還可以。可是跟我們用 Google AI Studio 生成的另外一個版本相比。就差上了不少。# 實測四:複雜任務 - 轉換設計稿為 Hugo 網站再來我想要測試一個比較複雜一點的修改。這邊我在 Google AI Studio 上。使用 Gemini 2.5 Pro 生成了介面設計的檔案。但目前這樣肯定是沒有辦法直接使用的。所以我打算讓 Gemini CLI。將這三個設計檔案。轉換為一個 Hugo 的網站。讓我們可以更方便的編輯訊息。以及添加作品的介紹內容。放給他跑一段時間。呃這段時間其實蠻長的。他跑了一個多小時。而且在中間因為使用量過多的原因。模型從 Gemini 2.5 Pro 降級為了 Gemini 2.5 Flash。導致最後有一段時間的修改。他一直在鬼打牆。重複著我即將修改某個檔案。然後。隔一段時間。再說一次即將修改某個檔案。但就是沒有真的改下去。基本上可以確定 Gemini 2.5 Flash。他在 Gemini CLI。算不太可用的狀態。但最後。還是成功透過了 Gemini CLI。將這三頁的設計。轉換為了一個基於 Hugo 的個人履歷。以及作品網站。OK 今天的影片就到這邊結束啦。# 使用心得與總結今天就簡單跟大家介紹一下。Gemini CLI. 他如何安裝。如何使用。以及體驗一下他用起來的感受。個人感覺他用起來有些地方。還算是方便的。像可以自動將設計稿。直接轉換為 Hugo 網站的這個部分。以及可以直接使用他。製作一點簡單的小工具。但這些優點。可能還是要建立在。你還是使用 Gemini 2.5 Pro 模型的情況下。Gemini 2.5 Flash. 至少這幾天我體驗下來。他的表現其實並不算太好。而且是感覺明顯差了非常多。甚至是跟自己。也就是跟 API 呼叫的 Gemini 2.5 Flash 相比。也差了不少。有一些在 VS Code 中。使用 Client 插件。呼叫 Gemini 2.5 Flash 能夠作出來的東西。使用 Gemini CLI。卻沒有辦法做出來。不知道是發生了什麼事情。但是 Google 願意將 Gemini CLI 開源出來。並且提供這麼多免費額度。其實已經算是還蠻佛心了。所以還是推薦大家可以下載下來玩玩看。當然另外也要提一下。雖然 Gemini 2.5 Flash。他的程式能力可能沒這麼好。但我們還是可以用他來自動化做一些任務。像剛剛我不是生成了一個 Hugo 的個人網站。這樣我就可以使用 Gemini CLI。來將原本舊版網站中的專案文件。自動轉換為 Hugo Markdown 的格式。OK 那麼各位觀眾。我們就下支影片見。  ============= https://www.youtube.com/watch?v=UfrXGfivlEQ前幾天 Google 正式推出了基於 Gemini 的 AI Agent 工具 ── Gemini CLI,重點是完全免費!還可以使用到 Gemini 2.5 Pro,來幫助我建立程式。今天我們就來跟大家分享一下,如何安裝、使用 Gemini CLI,以及使用起來的體驗。==================【The Walking Fish的程式小站】https://the-walking-fish.com/【在LBRY上訂閱步行魚的頻道】https://odysee.com/@The-Walking-Fish【也可以點此接受我的LBRY邀請】https://odysee.com/$/invite/@The-Walking-Fish:2==================喔Gemini CLI Google 官方部落格介紹:https://blog.google/intl/zh-tw/products/cloud/gemini-cli-your-open-source-ai-agent/Gemini CLI 的 GitHub 頁面:https://github.com/google-gemini/gemini-cliNodejs 下載頁面:https://nodejs.org/en/downloadGemini CLI 的安裝指令:npm install -g @google/gemini-cli本集的文章版:https://the-walking-fish.com/p/gemini-cli/【推★薦★影★片】FLUX.1 介紹影片https://www.youtube.com/watch?v=eyM_GTytfXgHuggingChat 介紹https://www.youtube.com/watch?v=P__XJEnqSVoLM Studio 介紹https://www.youtube.com/watch?v=c7t08lPxwW4==================也可以使用BTC或使用我的Pionex、FreeBitcoin推薦連結來贊助我的頻道【Donate Me With Bitcoin】16PTGbq3JxupPA89YPb2kWi6Yv9z7fSHqw【Pionex推薦連結】 https://www.pionex.com/zh-TW/signUp?r=0nWTXbvRL5V【FreeBitcoin推薦連結(我有設定將推薦收入50%給使用我推薦連結的人)】https://freebitco.in/?r=4393852==================00:00 Gemini CLI 介紹01:37 安裝教學02:42 基本設定與指令03:37 如何在專案中使用04:12 實測一:製作貪食蛇遊戲04:52 實測二:搜尋與檔案讀取功能05:42 實測三:gemini.md 記憶功能07:30 實測四:複雜任務 - 轉換設計稿為 Hugo 網站08:29 使用心得與總結

-- gReader Pro 

--
***************************************************
陳勇汀 Yung-Ting Chen

中華民國圖書館學會資訊科技委員
Blog: 布丁布丁吃什麼? https://blog.pulipuli.info
***************************************************

找插圖不求人!Vector Shelf 日本設計師開放 1000 張手繪插圖免費下載,可商業使用

找插圖不求人!Vector Shelf 日本設計師開放 1000 張手繪插圖免費下載,可商業使用

https://www.koc.com.tw/archives/604439

設計人、小編們快看過來!想找免費又可商用的手繪風插圖嗎?日本設計師自建的 Vector Shelf 網站,收錄超過 1000 張高質感插圖,全都支援 PNG、Ai、SVG 格式下載,不管是簡報、美編、網站設計還是社群發文都超好用。免註冊、免標示出處、可自由編輯,完全佛心到不行!快來看看這個超實用插圖圖庫怎麼用、有哪些必收素材吧!   找插圖不求人!Vector Shelf 日本設計師開放 1000 張手繪插圖免費下載,可商業使用 還在煩惱設計案找不到合適插圖嗎?今天要推薦一個超實用、佛心滿滿的免費素材網站—Vector Shelf。這個網站是由日本設計師 Hachifura 自己創立的,提供超過 1000 張高品質手繪風向量插圖,全部都可以免費下載、自由使用於商業或非商業用途,而且格式齊全,有 PNG、Ai 和 SVG,讓你無論是平面設計、網站視覺還是社群貼文都能輕鬆應用。不需要註冊帳號、不需要標註出處,更不需要擔心授權問題,只要不拿去轉賣或重新上架就 OK! 不管你是接案設計師、學生、社群小編,還是只是想幫簡報美編一下,這網站真的值得收藏一波。接下來就帶你一步步認識 Vector Shelf 怎麼用、有哪些插圖可找,讓你用最輕鬆的方式挖到高品質免費寶藏!  Vector Shelf 免費圖庫 Vector Shelf 是什麼?來自日本設計師的佛心分享 Vector Shelf 是一個來自日本的免費插圖下載網站,由設計師 Hachifura 一手打造。這位設計師早期在學習設計時受惠於許多免費素材,於是決定用自己的力量回饋社群,把自己手繪風格的插圖整理上架,讓大家可以自由下載使用。這網站目前收錄超過 1000 張插圖,主題超廣泛,從日常生活用品、飲料、植物、手勢、標誌、食物、數位產品等,幾乎你想得到的都有。  最棒的是,這些素材全部都可商用、免註明出處,直接讓你少煩惱一大堆授權問題。 如何使用 Vector Shelf?簡單 3 步驟帶你上手 第一步:逛分類找靈感 進入 Vector Shelf 網站後,首頁會顯示近期新增的插圖,也可以從上方選單進入「Category」分類頁,依照主題快速找到你要的圖。分類項目不會太複雜,例如「飲品」、「數位設備」、「生活雜貨」等等,翻一翻就能找到寶藏。  第二步:用搜尋功能更精準找圖 每個分類頁面會顯示 20 張插圖預覽,包含標題和更新日期。你可以使用右上角的搜尋欄輸入關鍵字(要輸入日文喔!),或是從右側的「標籤(Tag)」區塊瀏覽感興趣的主題。雖然是日文網站,不過光看圖也能大概理解用途,很直覺。  第三步:預覽+下載,一鍵搞定 點進單張圖片頁面後,可以看到放大預覽圖和簡短的描述,下方會列出 AI、PNG、SVG 三種格式的下載選項,點一下就能下載。  Vector Shelf 的使用規範非常簡單:  可以:  用於商業用途與非商業用途 自由修改、加上設計編排 用於網站、社群、印刷品、簡報等多元用途   不可以:  轉賣素材原檔 重新上架或販售這些插圖內容    也就是說,只要你不是拿素材直接賣錢或當成自己作品販售,就可以放膽使用。 結語 不管你是經常需要找免費圖案來製作社群貼文的編輯、想讓簡報更吸睛的學生或上班族、為網站或電子報尋找視覺素材的經營者,還是只是想幫朋友活動做點簡單設計的人,這個由日本設計師親手維護的 Vector Shelf 絕對值得你收藏起來。無論你是剛接觸設計的新手,還是經驗豐富的專業設計師,這個網站都是一個實用又佛心的免費素材補給站,趕快點進去挖寶吧!  Vector Shelf 免費圖庫 延伸閱讀: 小米 Xiaomi 手環 10 正式在台開賣,售價 1,199 元起:除 NFC 版,也首度引進「陶瓷版」

-- gReader Pro 

--
***************************************************
陳勇汀 Yung-Ting Chen

中華民國圖書館學會資訊科技委員
Blog: 布丁布丁吃什麼? https://blog.pulipuli.info
***************************************************

AI為達成目的學會扯謊甚至威脅創作者 專家示警

AI為達成目的學會扯謊甚至威脅創作者 專家示警

https://www.cna.com.tw/news/ait/202506290082.aspx

示意圖。(圖取自Unsplash圖庫)(中央社紐約29日綜合外電報導)全球最先進的人工智慧(AI)模型正展現出令人不安的行為模式:為了達到目標,不惜扯謊、算計,甚至威脅它們的創作者。法新社報導,其中一個最令人瞠目結舌的案例中,AI業者Anthropic最新發布的Claude 4在遭面臨拔插頭的斷電威脅時會出手反擊,勒索1名工程師揚言將揭穿一起婚外情。另外,熱門聊天機器人ChatGPT美國開發商OpenAI的o1試圖把自己下載至外部伺服器,被抓包時竟會矢口否認。這幾個例子說明了一個需嚴肅看待的現實:ChatGPT推出引發風潮至今2年多,AI研究人員仍未充分了解自己究竟創造了什麼。然而,各界仍爭先恐後地部署性能愈發強大的AI模型。AI這類「騙人」行為似與新興「推理」模型有關,這類AI系統會逐步推導問題,而非立刻產生答案。英國獨立AI研究機構Apollo Research負責人霍布漢(Marius Hobbhahn)說:「o1是我們首次在大型模式中觀察到這種行為。」他表示,這些模型有時會表面上遵循指令,但實際上卻暗中追求不同目標。目前,AI這種欺騙行為,只有在研究人員蓄意以極端情境對模型進行壓力測試時才會出現。儘管如此,評估機構METR的麥可.陳(Michael Chen,音譯)警告說:「未來性能更強大的模型究竟會傾向於誠實還是欺騙,這仍是一個懸而未決的問題。」(譯者:蔡佳敏/核稿:陳昱婷)1140629

-- gReader Pro


--
***************************************************
陳勇汀 Yung-Ting Chen

中華民國圖書館學會資訊科技委員
Blog: 布丁布丁吃什麼? https://blog.pulipuli.info
***************************************************

FLUX.1 Kontext [dev] 開放權重!媲美 GPT-4o 語音編輯圖像,效能超越 Gemini!

FLUX.1 Kontext [dev] 開放權重!媲美 GPT-4o 語音編輯圖像,效能超越 Gemini!

https://www.facebook.com/1196130575859670/posts/1223402483132479

跟 GPT-4o 一樣用說的就可以編輯圖像的模型 FLUX.1 Kontext [dev] 竟然開放權重了?!😮 Black Forest Labs 開放的 FLUX.1 Kontext [dev] 是一個只有12B的模型,在圖像編輯能力方面表現卓越,具備以下特性: 🔄 迭代編輯能力:可以不斷修改調整,一步步把圖片改到滿意為止。 👤 角色一致性:不管換什麼背景或場景,角色的長相和特徵都能保持一致。 🎯 精準編輯控制:不論是修改小細節還是大範圍調整,都能精確控制編輯範圍。 在Black Forest Labs 發布的圖像編輯基準 KontextBench 上,該模型在人類偏好評估中表現優異,不僅超越了現有模型,更在多個項目中勝過Gemini-Flash Image等閉源模型。這些結果也得到了 Artificial Analysis 的確認。🏆 我說那個Adobe呀,你的護城河再不拿出來,客戶就要跑走啦!🤣 BTW,徵AI 爬蟲實習生中,請見留言。👇 (Feed generated with FetchRSS)

-- gReader Pro


--
***************************************************
陳勇汀 Yung-Ting Chen

中華民國圖書館學會資訊科技委員
Blog: 布丁布丁吃什麼? https://blog.pulipuli.info
***************************************************

史前館當代考古廳開展 AR、互動劇場穿越時空探索

史前館當代考古廳開展 AR、互動劇場穿越時空探索

https://www.cna.com.tw/news/acul/202506280131.aspx

台灣史前文化博物館28日推出全新常設展「當代考古廳」,透過沉浸式劇場、AR擴增實境與互動展演,生動呈現人類文化發展,以及史前人群體現多元價值的樣態。(史前館提供)中央社記者盧太城台東傳真 114年6月28日(中央社記者盧太城台東縣28日電)國立台灣史前文化博物館今天推出全新常設展「當代考古廳」,跳脫傳統展覽,透過沉浸式劇場、AR擴增實境與互動展演,體驗和數千年前人類共進晚餐等互動。台東國立史前文化博物館今天發布新聞稿表示,史前館自2023年更新完成、重新開幕後,「當代考古廳」是史前館更新的最後一塊拼圖。這次展覽打破過去「圖文說故事」的方式,透過科技與藝術交織展演手法,把考古變得有趣又有感,民眾不只是觀眾,更是時空旅人。今日同時辦理台日文物借展儀式,由史前館館長蔡政良代表接受日本東京都埋藏文化財研究中心研究員長佐古真也移交的借展文物-「日本繩文時期深缽」仿製品。長佐古真也表示,借展過程中,他親身感受到史前館以「現代視角詮釋史前考古」為核心的策展理念,以及眾多相關人士所投入的熱情,他衷心期盼本次展覽能成為台灣民眾深入理解日本繩文文化的一扇窗,同時也促進台日雙方在學術領域的交流更臻活絡與深化。蔡政良表示,史前館以重現、復振、與再生為取徑,期盼擔任台灣史前、南島歷史、社會、環境、與文化的樞紐角色,並希望透過科技與藝術的結合,為觀眾創造趣味與知識兼具的觀展經驗,促進對於台灣過去、現在與未來的對話與辯論。蔡政良感謝日本東京都埋藏文化財研究中心將20件藏品借展到史前館,豐富了當代考古廳的展示內容,策展團隊也融合沉浸式劇場等多元科技手法,讓西元前1600年阿克羅蒂里(Akrotiri)遺址的火山爆發,以及西元10-16世紀間拉帕努伊島(復活節島)摩艾像的搬運及豎立能夠重現,進而反思人類對建築與信仰意涵的探索,以及如何與自然共存的重要課題。史前館表示,這次常設展更新以「當代」為題,內容聚焦「文化權:誰來說故事」、「食物:餐桌上的考古學」、「巨石:巨大的想像」、「災難:與自然共存」、「性別:不一樣又怎樣」等議題,除沉浸式劇場,也結合AR、互動展演等體驗方式,生動呈現人類文化發展,以及史前人群體現多元價值的樣態。(編輯:謝雅竹)1140628台灣史前文化博物館全新常設展「當代考古廳」28日正式揭幕,打破過往「圖文說故事」的方式,透過科技與藝術交織的展演手法,把考古變得更為活潑有趣。(史前館提供)中央社記者盧太城台東傳真 114年6月28日

-- gReader Pro 

--
***************************************************
陳勇汀 Yung-Ting Chen

中華民國圖書館學會資訊科技委員
Blog: 布丁布丁吃什麼? https://blog.pulipuli.info
***************************************************

数字主权始于桌面:欧洲 Linux 桌面时代有望到来

数字主权始于桌面:欧洲 Linux 桌面时代有望到来

https://www.solidot.org/story?sid=81668

Windows 10 即将终止支持,以及微软听命于美国政府制裁国际刑事法院首席检察官等事件给欧洲国家敲响了警钟,切换到 Linux 桌面将有助于安全和隐私保护,也有助于维护欧洲的数字主权。法国宪兵队在十多年前就成功切换到了基于 Ubuntu 的定制发行版 GendBuntu。一部分人人提议为欧盟组织开发一个专门的发行版 EU OS。该发行版将基于 Red Hat 社区发行版 Fedora KDE Linux。  www.theregister.com/2025/06/27/the_european_union_linux_desktop/ [ https://www.theregister.com/2025/06/27/the_european_union_linux_desktop/ ]     OSes     27      The year of the European Union Linux desktop may finally arrive 27      True digital sovereignty begins at the desktop     Steven J. Vaughan-Nichols Fri 27 Jun 2025 // 10:34 UTC Opinion Microsoft, tactically admitting it has failed at talking all the Windows 10 PC users into moving to Windows 11 after all, is – sort of, kind of – extending Windows 10 support for another year. For most users, that means they'll need to subscribe to Microsoft 365. This, in turn, means their data and meta-information will be kept in a US-based datacenter. That isn't sitting so well with many European Union (EU) organizations and companies. It doesn't sit that well with me or a lot of other people either.  Microsoft gets twitchy over talk of Europe's tech independence READ MORE A few years back, I wrote in these very pages that Microsoft didn't want you so much to buy Windows as subscribe to its cloud services and keep your data on its servers. If you wanted a real desktop operating system, Linux would be almost your only choice. Nothing has changed since then, except that folks are getting a wee bit more concerned about their privacy now that President Donald Trump is in charge of the US. You may have noticed that he and his regime love getting their hands on other people's data. Privacy isn't the only issue. Can you trust Microsoft to deliver on its service promises under American political pressure? Ask the EU-based International Criminal Court (ICC) which after it issued arrest warrants for Israeli Prime Minister Benjamin Netanyahu for war crimes, Trump imposed sanctions on the ICC. Soon afterward, ICC's chief prosecutor, Karim Khan, was reportedly locked out of his Microsoft email accounts. Coincidence? Some think not. Microsoft denies they had anything to do with this.   Peter Ganten, chairman of the German-based Open-Source Business Alliance (OSBA), opined that these sanctions ordered by the US which he alleged had been implemented by Microsoft "must be a wake-up call for all those responsible for the secure availability of state and private IT and communication infrastructures."       Microsoft chairman and general counsel, Brad Smith, had promised that it would stand behind its EU customers against political pressure. In the aftermath of the ICC reports, Smith declared Microsoft had not been "in any way [involved in] the cessation of services to the ICC." In the meantime, if you want to reach Khan, you'll find him on the privacy-first Swiss email provider, ProtonMail. In short, besides all the other good reasons for people switching to the Linux desktop - security, Linux is now easy to use, and, thanks to Steam, you can do serious gaming on Linux - privacy has become much more critical. That's why several EU governments have decided that moving to the Linux desktop makes a lot of sense.   Of course, there's nothing new about this per se. Back in 2004, when you had to be a serious Linux desktop fan to use it, Munich started its Linux desktop LiMux project, which lasted until 2017. Oddly, this move came after Munich's city leaders were pleased to announce in 2016 that Microsoft was moving its German headquarters to town. Funny that, eh? Even so, Linux and open source software are still alive and kicking in the Bavarian capital city. Munich established an Open Source Program Office in 2024 to coordinate and promote open-source activities across the city administration. You can't keep a good operating system down.  Danish department determined to dump Microsoft READ MORE In the meantime, France's gendarmerie successfully switched to Ubuntu Linux over a decade ago. Today, 97 percent of its workstations, over 103,000 computers, are running GendBuntu, the Gendarmerie's custom Ubuntu-based Linux distribution. This project is being actively maintained and updated. They're now running GendBuntu 24.04 LTS. Elsewhere in France, it emerged this week that the city of Lyon is abandoning the Office suite in favor of Linux and PostgreSQL. Others in Europe have proposed a European-organization-specific Linux, EU OS. This would be based on the immutable Fedora KDE Linux desktop, Kinoite. Yeah, I know, I know, Fedora? The US-based Red Hat community distro? Yep. Might I suggest that if there's going to be an EU-based official Linux desktop they might look to Linux Mint, my personal favorite desktop, which is headed by French developer Clement "Clem" Lefebvre," or openSUSE? I'm just saying! More recently, Denmark decided it has had enough Windows and Office and is dumping them for Linux and LibreOffice. A desire for digital sovereignty is driving this. Denmark wants to control its data and not have a kill switch in the White House or Redmond for all its software.   This move had been coming for a while. Denmark's largest cities, Copenhagen and Aarhus, had already announced plans to kiss Microsoft goodbye. As Henrik Appel Espersen, chairman of the Copenhagen Audit Committee, said, "If we suddenly can't send emails or communicate internally because of a political fallout, that's a huge problem." You think?  AWS forms EU-based cloud unit as customers fret about Trump 2.0 Google, AWS say it's too hard for customers to use Linux to swerve Azure French city of Lyon ditching Microsoft for open source office and collab tools LibreOffice adds voice to 'ditch Windows for Linux' campaign AWS claims 50% of Azure workloads would jump ship if licensing costs allowed  The Danes aren't alone. Bart Groothuis, a Dutch European Parliament member, has said that the EU "should go for a European cloud" since "Europe has a 'problem' with the American cloud." Oh, and by the way, the German state of Schleswig-Holstein is also bidding all Microsoft software adieu. Why? Digitalization Minister Dirk Schrödter declared that the government had "no influence on the operating processes of such [proprietary] solutions and the handling of data, including a possible data outflow to third countries. As a state, we have a great responsibility towards our citizens and companies to ensure that their data is kept safe with us, and we must ensure that we are always in control of the IT solutions we use and that we can act independently as a state." Makes sense to me. Besides, all these governments know that switching from Windows 10 to 11 isn't cheap. While finances also play a role, and I always believe in "following the money" when it comes to such software decisions, there's no question that Europe is worried about just how trustworthy America and its companies are these days. Do you blame them? I don't. ® More about     Europe       Linux       PC       More like these    ×  More about     Europe       Linux       PC       Narrower topics     Armenia       Asahi Linux       Austria       Azerbaijan       Belarus       Belgium       Bulgaria       CentOS       Copilot+ PC       Croatia       Cyprus       Czech Republic       Debian       Denmark       Estonia       Fedora       Finland       France       Georgia       Germany       GNOME       Greece       Hungary       Iceland       Ireland       Italy       Jupiter Ace       Kazakhstan       Latvia       Liechtenstein       Linux Foundation       Lithuania       Luxembourg       Malta       Monaco       Montenegro       Netherlands       Norway       One Way Forward       Poland       Portugal       Romania       Russia       San Marino       Serbia       Slovakia       Slovenia       Spain       Sweden       Switzerland       Turkey       Ukraine       United Kingdom       Windows Subsystem for Linux       workstation       ZX Spectrum       Broader topics     Computer       Continent       FOSS       Linus Torvalds       Operating System            More about                              27  COMMENTS      More about     Europe       Linux       PC       More like these    ×  More about     Europe       Linux       PC       Narrower topics     Armenia       Asahi Linux       Austria       Azerbaijan       Belarus       Belgium       Bulgaria       CentOS       Copilot+ PC       Croatia       Cyprus       Czech Republic       Debian       Denmark       Estonia       Fedora       Finland       France       Georgia       Germany       GNOME       Greece       Hungary       Iceland       Ireland       Italy       Jupiter Ace       Kazakhstan       Latvia       Liechtenstein       Linux Foundation       Lithuania       Luxembourg       Malta       Monaco       Montenegro       Netherlands       Norway       One Way Forward       Poland       Portugal       Romania       Russia       San Marino       Serbia       Slovakia       Slovenia       Spain       Sweden       Switzerland       Turkey       Ukraine       United Kingdom       Windows Subsystem for Linux       workstation       ZX Spectrum       Broader topics     Computer       Continent       FOSS       Linus Torvalds       Operating System           TIP US OFF Send us news

-- gReader Pro


--
***************************************************
陳勇汀 Yung-Ting Chen

中華民國圖書館學會資訊科技委員
Blog: 布丁布丁吃什麼? https://blog.pulipuli.info
***************************************************

2025年6月28日 星期六

自然語言查詢網站的新技術NLWeb,真人與AI代理都能用

自然語言查詢網站的新技術NLWeb,真人與AI代理都能用

https://www.ithome.com.tw/news/169776

有時候,我們很清楚自己需要尋找什麼資訊,更確信這則資訊存在於網站上,卻遲遲找不到。「需要170公分女生穿起來不會卡膝蓋的七分褲」、「找出學區中,有後院和泳池且附近有公園的建案」,這些需求用自然語言不難理解。不過,利用常見條件過濾器或傳統語意相似性機制來搜尋,時常會查不到準確、完整的結果。 微軟認為,要解決這種挑戰,得打造一種易用的技術,讓真人可以用自然語言和網站對話,不只能提升真人上網體驗。就連AI代理接受自然語言指令,到網路上尋找解方並執行任務時,也能大大受益,進而使網路世界更接近Open Agentic Web的願景。 微軟找來攻略這個挑戰的專家是R. V. Guha,他是RSS和RDF網路標準的創建人,更曾領銜打造Google自訂搜尋功能。結合搜尋技術和AI技術,他們推出開源框架NLWeb,來降低網站主打造自然語言溝通介面的技術門檻,更內建MCP支援,讓網站主打造成自家網站的MCP伺服器,可供AI代理查詢。微軟希望,這項技術成為未來網站主用來呈現內容給AI代理的共同語言。 用LLM處理搜尋請求和資料檢索,為網站輕鬆打造語意搜尋機制 NLWeb是一個框架,支援網站資料索引、自然語言查詢處理、LLM呼叫、向量資料庫呼叫,及站內搜尋處理等作業。導入此框架後,等於設置好一個站內自然語言搜尋後端機制。 NLWeb框架中提供的工具,可以用來讀取網站RSS Feed、Schema.org資料,或者其他常見結構化元資料,為網站內容建立索引,儲存到向量資料庫。建立索引時,開發者也可以匯入更多資料,如網站其它後端資料庫,來進一步增加檢索準確性。 當用戶端送出查詢請求後,NLWeb會比對請求與網站內容的相關性、將搜尋內容拆解成不同個子查詢指令、記憶所需內容,並從向量資料庫中查詢出候選項目。 接著,LLM會評分回傳結果的相關性,並依照相關性高低排序結果。如果使用者要求LLM進一步處理資料,例如進行摘要、再搜尋等,會在此階段進行,否則,會依照使用者要求格式回應搜尋結果。 R. V. Guha強調,相比傳統RAG做法,可能產生幻覺,NLWeb框架下的搜尋做法,所有回傳結果都有網站資料的索引ID。也就是說,查到的資料即使關聯性不高,也必然是真實存在的資料,AI不會捏造出網站內容。 NLWeb框架可以根據網站主需求,部署在地端或雲端。框架也內建許多控制項可以調整,例如負責排序和分析查詢內容的LLM、負責建立索引的嵌入模型、儲存索引的向量資料庫、搜尋結果排名邏輯,以及許多前後端設計選擇。 R. V. Guha強調,網站主導入NLWeb框架後,可以自由利用此技術,來支援適合網站內容性質和商業模式的網站體驗,未必只是單純站內搜尋。例如,用來支援商品個人化推薦、旅遊規畫、飯店訂房等。NLWeb也內建MCP支援,除了打造針對真人使用者的網站體驗,開發者還可以用來打造MCP伺服器,供AI代理更有效率的查詢自家網站資料。   圖為NLWeb處理查詢請求的流程。使用者發出對話式搜尋指令(1)後,會經過簡單的檢查,決定是否需要呼叫LLM檢查網站內容與搜尋指令的相關性、拆解搜尋內容、記憶相關內容(2a),或直接呼叫資料庫查詢(2b)。接著,查詢指令會送到資料庫來取得候選項目(3),由LLM依照相關性分數高低來排序(4)。LLM可能還會進一步處理資料,例如寫生成摘要(4a)。最後,結果會以指定的格式回傳給使用者(5)。備註:微軟Github上原圖沒有3*箭頭,iThome根據微軟於Github的文字說明及程式碼,為其補上。圖片來源/微軟、iThome整理  NLWeb應用先行者案例:TripAdvisor 國際旅遊評論網站TripAdvisor是導入NLWeb框架的先行者,目的是,使用者用簡單一句話查詢,來取代一系列搜尋操作。例如:「父親節想在西雅圖吃晚餐,要有好酒、靠近派克市場。」這樣的敘述過去需要手動選擇「地點」、「主題」、「酒單」等多個欄位。利用NLWeb帶來的語意搜尋功能,則能快速查到所需內容。 TripAdvisor負責實驗NLWeb的團隊表示,自家資料與系統原本就有搜尋優化,導入NLWeb過程相當順利。他們只需串接NLWeb到自家前端搜尋介面,以及後端Qdrant向量資料庫,幾乎不須做出其他改動。目前,他們用NLWeb來支援既有搜尋功能,未來則計畫整合到網站上既有的旅遊規畫工具中。 該團隊還提到,導入NLWeb的好處是能更有效運用自家資料,來增加自家內容曝光數。他們還希望,未來不需要過濾條件搜尋功能後,工程師可以減少自己手動新增、更新等維護資料標籤的繁複作業。 NLWeb應用可能固然多,限制與代價仍應充分了解 微軟設計NLWeb時,目標使用者是網站主,如TripAdvisor、Shopify等。他們期望,網站主可以用NLWeb的語意搜尋功能,打造出讓真人使用者及AI Agent都更好查找資料的網站功能。 NLWeb應用還不限於此。R. V. Guha提到,甚至可以利用NLWeb一口氣整合多個網站作為資料來源,來進行跨站搜尋。除此之外,由於NLWeb只需要網站RSS Feed即能建立搜尋索引,第三方使用者也可以用來打造網站爬蟲、搜尋、分析等不同功能,來自行使用,或進一步包裝成商業產品。 網站主如何評估,該不該導入NLWeb技術? 資深Elasticsearch專業講師吳楨文(喬叔)根據多年搜尋系統實戰經驗評論,從頭打造語意搜尋機制不易,NLWeb將所需技術整合成一套易用性高的解決方案,確實有助於開發者快速導入,打造具有一定可用性的網站功能。 不只如此,微軟參與NLWeb專案,意味著未來旗下產品可能高度支援,而NLWeb內建支援MCP的特性,更代表此框架能快速與其它支援MCP的工具搭配運用。 吳楨文認為,一旦生態圈豐富,技術支援和應用可能性會隨之增加。搭配NLWeb開源特性,還能期待有更多開發者一同改善框架本身。這些都是吸引開發者的誘因。 不過,吳楨文指出,市面上有許多具備與NLWeb類似的開源軟體或商用軟體,例如Google的Vertex AI Search,客製化功能相當豐富,也需要網站主具備更高的開發能力。開源的搜尋和網站索引技術也有Firecrawl、Elasticsearch等,開發彈性極高。NLWeb只是網站主用來打造語意搜尋機制的其中一種選項,導入與否,仍應充分了解不同選項帶來的限制。 例如,NLWeb建立索引的一大資料來源是RSS資訊及網站內容的元數據。當使用者查找網站內容性質屬於「項目清單」時,例如商品、餐點、景點、電影、食譜等,NLWeb搜尋品質才會最高。反之,若網站內容不容易用結構化資料描述,則需要更多預先處理,才能提升搜尋品質。 再來,NLWeb目前沒有自動更新搜尋索引功能。若網站內容具備高時效性,或內容頻繁更新,網站主即需要時常建立搜尋索引,否則會降低使用者網站體驗和AI代理資料蒐集的精確度。 NLWeb也可能帶來難以負擔的網站營運成本。NLWeb搜尋機制設計下,處理1次使用者查詢需求,有可能會對LLM發出高達50次呼叫。若網站處理的搜尋請求次數多、複雜度高,LLM使用費會快速累積。 不只如此,NLWeb只提供語意搜尋後端機制。如何用來設計前端體驗、整合進既有網站服務,或串接其它網站前後端系統,都得由開發者自行處理開發、維運及成本控管。吳楨文提醒網站主,應評估NLWeb打造的新功能,能否支援網站本身商業模式,帶來超出營運成本的效益。

-- gReader Pro


--
***************************************************
陳勇汀 Yung-Ting Chen

中華民國圖書館學會資訊科技委員
Blog: 布丁布丁吃什麼? https://blog.pulipuli.info
***************************************************

2025年6月26日 星期四

Meta 用書籍訓練 AI 法官判不侵權:合理使用,但爭議待解

Meta 用書籍訓練 AI 法官判不侵權:合理使用,但爭議待解

https://www.inside.com.tw/article/38812-meta-ai-book-training-fair-use-dispute

美國科技巨頭 Meta 在一起 AI 版權爭議中獲得法院支持,法官裁定其使用受版權保護作品訓練 AI 系統的行為「不構成侵權」。不過,法官也提醒,這不代表相關行為完全合法,合理使用的界線仍待進一步釐清。這起訴訟由 13 名作家提起,指控 Meta 未經授權擅自將他們的著作用於 AI 訓練。美國聯邦法官 Vince Chhabria 週三做出裁決,認定原告提出的主張站不住腳,Meta 有資格獲得簡易判決,免於侵權指控。然而,Chhabria 強調,這次勝訴並不等同於法院認定 Meta 行為完全符合法律規範,而是因為原告提出的論點錯誤,且未能準備充足證據支持較具說服力的說法。法官指出,原告主張的兩大重點——Meta 旗下 Llama AI 能夠重現書中內容,以及 Meta 未經授權使用作品損害了授權市場——都不成立。他認為,Llama 生成的文字片段微不足道,且原告無權主張 AI 訓練數據市場的獨占權。值得注意的是,法官也提到,若原告能充分論證 Meta 的行為導致大量類似作品出現、進而稀釋原作品市場價值,訴訟結果可能有所不同。這起裁決與前一天另一宗 AI 版權案呼應。當時,另一家 AI 公司 Anthropic 同樣面臨類似指控,法官最終裁定,使用合法購買的書籍訓練 AI 模型屬於合理使用,市場影響的疑慮不構成法律上的禁止理由。隨著生成式 AI 技術快速發展,相關法律攻防持續升溫,合理使用的適用範圍,勢必成為產業與法律界關注的焦點。責任編輯:Sisley核稿編輯:Jocelyn本文初稿由 INSIDE 使用 AI 編撰。加入 INSIDE 會員,獨享 INSIDE 科技趨勢電子報,點擊立刻成為會員。延伸閱讀:廢除智慧財產相關法律合理嗎?版權保衛戰 AI 時代原創作者的生存之道:專訪萬國法律事務所資深合夥律師林發立面對 AI 時代,Creative Commons 要推新專案「CC signals」平衡開放網路與智財權

-- gReader Pro 

--
***************************************************
陳勇汀 Yung-Ting Chen

中華民國圖書館學會資訊科技委員
Blog: 布丁布丁吃什麼? https://blog.pulipuli.info
***************************************************

面對 AI 時代,Creative Commons 要推新專案「CC signals」平衡開放網路與智財權

面對 AI 時代,Creative Commons 要推新專案「CC signals」平衡開放網路與智財權

https://www.inside.com.tw/article/38811-creative-commons-debuts-cc-signals-a-framework-for-an-open-ai-ecosystem

不少讀者都熟悉的「創用 CC」Creative Commons 最近宣布推出全新「CC signals」專案,目標是在 AI 時代的資料使用建立一種新的標準化框架,讓資料集持有者能清楚標示其內容的機器學習使用權限。大家都知道目前的人工智慧是靠極海量訓練資料才有今天的成果,但這中間的版權相關爭議一直沒停過,目前各大社群平台也對 AI 資料使用政策搖擺不定。像 X 曾開放第三方使用公開資料訓練模型,隨後又撤銷政策;Reddit 透過 robots.txt 檔案限制機器人爬取;雲端服務商 Cloudflare 則研擬對 AI 爬蟲收費機制。這種人人都不一致的做法,就突顯業界可能急須建立統一標準。為此 Creative Commons 推出 CC signals 專案,試圖「維持 AI 時代的共享資源」,如同過去 CC 授權制度協助建立開放網路生態,CC signals 想基於平衡網路開放精神、智慧財產權兩者之下,建立新的開放 AI 生態系統。CC signals 專案將提供具法律效力和倫理約束力的工具組合,讓資料控制者與 AI 開發者之間建立明確的使用規範,避免全球網路因 AI 爬蟲濫用而築起「付費牆」或完全封閉。Creative Commons 已在官網和 GitHub 發布初期設計檔案,正積極收集各界意見,並計劃 2025 年 11 月推出 alpha 測試版本,並將舉辦多場公眾諮詢會議,廣納專業人士與使用者建議。加入 INSIDE 會員,獨享 INSIDE 科技趨勢電子報,點擊立刻成為會員。延伸閱讀:「吉卜力大喜利大賽」之餘,要怎麼找到更多免費、授權明確的圖片?

-- gReader Pro


--
***************************************************
陳勇汀 Yung-Ting Chen

中華民國圖書館學會資訊科技委員
Blog: 布丁布丁吃什麼? https://blog.pulipuli.info
***************************************************

2025年6月22日 星期日

如何讓AI Agent與使用者溝通?AG-UI開源協定

如何讓AI Agent與使用者溝通?AG-UI開源協定

https://www.facebook.com/1196130575859670/videos/4970852909805577

如何讓AI Agent與使用者互相溝通?!🤔 🌐 現有的AI Agent技術生態中,已有幾個重要協定: - MCP 為Agent提供工具和資源 - A2A 讓不同Agent相互合作 但缺少將AI Agent帶入使用者應用程式的協定。⚠️ AG-UI是基於實際需求開發的開源協定,與MCP、A2A互補,專門解決Agent與使用者的互動問題。🎯 AG-UI採用事件驅動架構。當AI Agent執行動作時,會發出事件訊號,應用程式收到訊號後即時回應。⚡ 透過16種標準事件類型,AG-UI讓不同的Agent和應用程式能互相溝通。💬 六大核心功能 💬 即時串流對話:逐字顯示回應,創造自然對話體驗。 🔄 雙向狀態同步:前後端狀態即時同步,AI隨時了解應用程式狀態。 🧩 生成式使用者介面:可根據對話內容動態產生介面元件。 🧠 即時情境理解:基於當前情況和歷史脈絡提供個人化回應。 🛠️ 前端工具整合:AI可直接操作網頁功能。 🧑‍💻 人機協作:遇到複雜決策時,AI可主動請求人類協助。 不知道以後的 UI 介面會不會都是由 AI 動態產生的?🧐 BTW,徵人中,請見留言!👇 [VIDEO] https://www.facebook.com/1196130575859670/videos/4970852909805577(Feed generated with FetchRSS)

-- gReader Pro 

--
***************************************************
陳勇汀 Yung-Ting Chen

中華民國圖書館學會資訊科技委員
Blog: 布丁布丁吃什麼? https://blog.pulipuli.info
***************************************************

2025年6月20日 星期五

生成式AI開始顛覆搜尋行為,如何深化消費旅程是企業新課題

生成式AI開始顛覆搜尋行為,如何深化消費旅程是企業新課題

https://www.ithome.com.tw/news/169647

今年IO大會,無疑是Google生成式AI火力全開的一年,從GenAI模型,模型開發工具,到各式各樣的創新生成式應用,甚至是新的數位設備型態Android XR數位眼鏡的推出,都展現了各種讓人驚艷的生成式AI威力。 這些生成式AI技術和應用,大多是消費端的應用,但其中一類,生成式AI 技術整合到Google搜尋引擎後的新亮點,包括去年上線的AI摘要,以及今年新發表的AI模式,不只改變了人們使用網際網路的行為,對企業來說,透過網路與顧客的線上互動模式,也將會有大改變,這個衝擊,對高度依賴電商和數位通路的企業將會更明顯。 早在2年前,全球AI頂級會議SIGIR首度在臺北舉辦時,鑽研GenAI各種挑戰的Google DeepMind傑出研究科學家Marc Najork就從學術角度分析,生成式IR(資訊檢索)不只改變人們搜尋資訊的樣貌,還可能改變搜尋生態的導流模式。他所指的生成式IR,就是現在最夯的生成式搜尋。當時他從學術個人角度的觀察,正好點出了生成式AI對搜尋引擎帶來的影響。 AI摘要用戶超過15億人  Google在去年IO大會上,在搜尋服務中推出了AI摘要功能,現在已在200多國提供,包括臺灣。根據 Google最新數據,每個月高達15億人使用這項服務,而且在主要市場如美國、印度的用戶數持續成長,一年來成長了10%。Google執行長Sundar Pichai強調,這是搜尋十年來最成功的新功能。 因為AI摘要直接出現在Google搜尋結果的第一項,這項服務一上線,使用者不用往下繼續瀏覽,光是AI摘要的內容,就已經可以直接解答不少人的資訊需求,使用者不需要像過去那樣,得自己從摘要介紹判斷,逐一點選更多連結,一一打開網頁才能了解。 直接提供解答的搜尋結果新機制,開始影響到許多高度依賴搜尋引擎導流的內容服務供應商,已有不少內容服務提供商或新聞網站開始發現,來自Google搜尋引擎的導流人數明顯下滑了,搜尋結果關鍵字廣告的導流效果同樣也開始受影響,下關鍵字廣告能夠帶來的顧客數,開始受到影響,網站主開始感受到逛網路的人潮好像少了一點,雖不明顯,但開始有感覺。少數內容供應業者甚至喊出,得開始思考搜尋引擎「零」導流的衝擊。 AI摘要的問世,削弱了搜尋引擎導流的效果,但在今年IO大會上,Google發表了另一項,比AI摘要更強大的生成式AI搜尋功能,也就是搜尋引擎的「AI模式」(AI Mode)。這是一種全新的搜尋,勢必對搜尋引擎導流效果帶來更大的衝擊。 AI模式將提供全新搜尋體驗 Sundar Pichai表示,為了涵蓋端到端的搜尋體驗,AI模式提供了一種全新的搜尋功能。  圖片來源/Google 高度個人化是AI模式搜尋體驗的一大特色,在使用者同意後,可以整合使用者在不同Google產品中的個人化資訊,過往搜尋紀錄,郵件資訊等來提供高度個人化,甚至是完全針對單一用戶量身打造的推薦內容。 不只如此,AI模式升級到了Google最新的Gemini 2.5模型,大幅強化推理能力,不只可以處理更長,更複雜的問題,還提供深度研究能力,可以將原本的搜尋問題拆解成數百個小問題來平行搜尋,再將結果組合成一份,GAI會依據內容和使用者喜好,動態調整輸出的內容,組合文字、圖片、連結和地圖,來提供適合理解的呈現方式,這個過程從幾十秒到幾分鐘就能完成。 針對金融和運動大數據的資訊查詢,可以將搜尋到的複雜數據直覺化,自動生成適合瀏覽的圖表,在IO大會上,展示者用「最近使用魚雷球棒的知名選手,打擊成效如何?」為例,AI模式自動找到了多位知名選手使用這類球棒的數據,再用長條圖的方式來呈現,並且搭配每一個選手圖像來幫助瀏覽。 AI模式也可以幫忙訂門票,預約餐廳 不只是搜尋結果的重組,這個AI模式還具備了更主動的能力,可以提供特定任務的代理執行能力,例如,使用者若要求AI搜尋「特定棒球隊某一場比賽下層座位的便宜票價」,AI模式會到不同售票網站上查詢空位,列出幾個最便宜的票價選擇,以及座位的視野預估,讓使用者參考,還直接提供推薦購買連結,使用者只要一個點擊,就能授權AI代理進行訂票,自動到該網站上填寫資料來完成訂票。Google預告,不只棒球賽,未來各種活動門票、餐廳預定、本地端生活服務的預約,AI模式都可以代為執行。這個能力讓AI模式從找資料助手,變成了執行任務的幫手。 甚至,Google發表了AI模式提供的全新AI購物體驗,在大會演講中以「買地毯」虛擬購物體驗為例,AI模式可以存取網路最新資料和Google自己建立的購物圖譜資料集,內有500億筆商品和零售商資料,來提供購物搜尋的推薦。AI模式可以直接提供使用者一份高度個人化、數量有限的推薦購買清單,跳過了龐大搜尋結果清單的廣告干擾,甚至提供這次考慮重點建議,縮短使用者下決定買單的過程。  圖片來源/Google 不只購買物品,AI模式特別針對購買衣服,提供更多AI購物體驗設計。像是用生成式AI技術打造了「虛擬試穿」來模擬使用者的穿搭感受,更提供了新的結帳AI代理功能,可以設定自己的預算,結帳AI代理會自動追蹤不同網站的價格變化,一但符合預算,自動輸入購買條件(顏色,尺寸等),通知使用者,獲得授權購買,還能連動到數位支付直接付款,提供從購買到訂購的購物體驗。 在疫情之後,許多商店都變成了虛實整合的電商,但AI模式的出現,對電商而言,上站瀏覽的不再只是真人,還將有許多AI代理,幫真人顧客挑選產品,比較規格,追蹤價格,代替執行下單和付款的行為。 這個全新的AI模式,帶來了「真的想買,而不只是逛逛而已」的虛擬消費者,他們的採購目的更明確,也更有能力追蹤價格變動(對價差更敏感),和真人消費者的上網購物行為,有很大的不同,這就會顛覆了企業與顧客的傳統互動方式,尤其原本電商網站上有許多針對真人瀏覽習慣的操作設計,促銷活動、廣告宣傳,可能不再適用於AI代理。 因應導流衝擊,將出現更多元的商業模式 Marc Najork當年不只點出生成式搜尋的衝擊,他指出,生成式搜尋直接提供摘要資訊和參考連結,更容易幫助使用者找到所需資料,對相關性高的搜尋目標網站的導流效果更好。但同樣地,這種搜尋模式,也大幅降低使用者從搜尋結果中找答案的機會,等於減少某些網站的曝光度和點擊機會。正因如此,他認為,生成式搜尋未來可期的是,將會出現更多元的商業模式,來因應導流衝擊。 而且,更重要的是一點是,他認為,不只是搜尋,生成式IR能支援使用者制定更好的決策。舉例來說,在購物、電商和零售領域,生成式IR能比對並摘要相似的產品,提供消費者更細緻的產品選擇體驗,深化整體消費旅程。2025年現在的生成式搜尋發展,一一印證了這位AI技術老將當年的觀察結果。 如何找出新的商業模式,來因應導流衝擊,又要如何深化消費體驗,Google在IO大會中的另一項專案,透露了他們的可能對策。 善用AI代理深化消費旅程,有助因應導流衝擊 Sundar Pichai表示:「結合了A2A協定、MCP協定和電腦操作能力,可以將代理能力帶到搜尋、Chrome、Gemini App。」 他用一個租屋例子來說明,Gemini App最新實驗中的Agent Mode如何達成任務,三個人租房字,每人預算1,200美元,希望有洗衣機或附近有洗衣店。這樣的需求,可以透過Agent模式,自動在背景查詢不同的租屋網站,AI代理可以使用Mariner專案打造的GenAI電腦控制能力,操作瀏覽器來檢視細緻的過濾條件(模仿真人一樣),遇到符合條件的房子,還能自動預約看房時間,還能在背景持續不斷找。 「以這個例子來說,對租屋平臺特別有用,不只帶來新顧客,還可以提高轉換率。」Sundar Pichai強調:「這是一個全新的領域,將代理的好處,帶給使用者和廣大的生態圈。」 雖然Sundar Pichai沒有明說,但他的舉例正是用AI代理技術來深化顧客體驗最好的說明。但是網站主必須要能夠支援AI代理需要的技術能力,像是支援MCP協定,讓AI代理可以更容易讀取到自家購物網站的內容,才能讓自家產品出現到顧客的AI決策流程中。這種應用方式,可以成為因應導流衝擊的有力對策,用GenAI來因應GenAI。 AI模式今年5月先在美國推出,除了再次衝擊搜尋引擎結果的廣告導流效果,科技能力強大的指標性電商平臺,如何因應搜尋引擎導流效果的消失,企業如何因應代理購物行為的變化,值得觀察。

-- gReader Pro


--
***************************************************
陳勇汀 Yung-Ting Chen

中華民國圖書館學會資訊科技委員
Blog: 布丁布丁吃什麼? https://blog.pulipuli.info
***************************************************

I use these 3 Chrome extensions to get the most out of NotebookLM

2025年6月18日 星期三

AI日漸取代日常工作 亞馬遜恐逐步縮減企業員工數

AI日漸取代日常工作 亞馬遜恐逐步縮減企業員工數

https://www.cna.com.tw/news/aopl/202506180084.aspx

(中央社西雅圖17日綜合外電報導)亞馬遜(Amazon)執行長賈西(Andy Jassy)今天在致員工的說明中指出,受到生成式人工智慧(AI)和智慧代理人推出影響,這家網路零售巨擘未來幾年將縮減企業員工總數。路透社報導,AI正在透過將日常重複性瑣事自動化重塑全球勞動力,產業領導者預期這種發展將促使各產業某些職位減少或轉型。儘管存在不確定性,許多專家認為AI不會導致大規模失業,但會導致勞動力重組。賈西指出:「隨著我們推出更多生成式AI和智慧代理人,這應該會改變我們的工作方式。我們將需要較少人力去做一些目前正在做的工作,而更多的人去做其他類型的工作。」截至去年底,亞馬遜全職和兼職員工數超過150萬人,此外,依需要也僱用臨時工和獨立約聘人員。賈西表示,亞馬遜所有內部營運均使用生成式AI,用以增強效率和客戶體驗。他還表示,亞馬遜正運用AI來優化物流網絡中的庫存和預測、升級客戶服務聊天機器人並改進產品詳細資訊頁面。投資研究公司D.A. Davidson分析師路里亞(Gil Luria)說:「亞馬遜正在傳達我們愈來愈常從其他科技公司聽到的訊息,即AI在提高生產力的進步如此之快,以至聘僱需求將隨著時間而減少。」微軟(Microsoft)曾強調AI將提高生產力,卻也裁員數千人,谷歌(Google)據報過去一年也裁員數百人。其他科技公司正逐步使用AI為自家產品和內部運作編寫程式碼。(譯者:徐睿承/核稿:李佩珊)1140618

-- gReader Pro 

2025年6月16日 星期一

英國攜輝達推出監理沙盒 助金融業安全測試AI工具

英國攜輝達推出監理沙盒 助金融業安全測試AI工具

https://www.cna.com.tw/news/aopl/202506090282.aspx

(中央社倫敦9日綜合外電報導)英國金融監管機構今天推出與人工智慧(AI)晶片巨頭輝達合作的監理沙盒,預定於10月開放本地金融業者進入並測試AI工具。這是倫敦支持創新與經濟成長的更廣泛策略其中一環。路透社報導,英國金融行為監理總署(Financial Conduct Authority, FCA)與輝達(NVIDIA)合作,透過所謂的「超級沙盒」(Supercharged Sandbox)助業者取得先進算力和客製化AI軟體。監理沙盒是指企業能在一個受控環境中,測試如產品、服務及技術等新構想。FCA表示,該計畫旨在幫助處於AI探索初期階段的企業、幫助他們取得技術專長、更好的資料集和監管支持。這項計畫開放給所有運用AI進行試驗的金融服務公司。FCA數據、資訊與情報部門首長魯蘇(Jessica Rusu)表示:「這項合作將幫助那些想測試AI構想但能力不足的業者。我們將協助企業利用AI造福市場和消費者,同時支持經濟成長。」英國財政大臣里夫斯(Rachel Reeves)已敦促監管機關移除阻礙經濟成長的障礙,並稱這無疑是政府的「首要任務」。輝達表示,這項新計畫將讓企業在安全環境中,使用其加速運算平台探索AI驅動的創新。輝達歐洲、中東與非洲(EMEA)地區金融科技主管巴賓布羅克(Jochen Papenbrock)說道:「AI正在徹底重塑金融業。」他並提到AI在資料分析、自動化及風險管控方面帶來的提升。他補充說,這個沙盒將提供一個「安全環境,在此能利用輝達完整堆疊的加速運算平台,支持金融業成長並提升效率」。這項測試預定從10月開始。(譯者:洪啓原/核稿:嚴思祺)1140609

-- gReader Pro 

佛系寫 code 無難度?零編程知識,教你用 AI 都可以寫出 app

佛系寫 code 無難度?零編程知識,教你用 AI 都可以寫出 app

https://hk.news.yahoo.com/%E4%BD%9B%E7%B3%BB%E5%AF%AB-code-%E7%84%A1%E9%9B%A3%E5%BA%A6%EF%BC%9F%E9%9B%B6%E7%B7%A8%E7%A8%8B%E7%9F%A5%E8%AD%98%EF%BC%8C%E6%95%99%E4%BD%A0%E7%94%A8-ai-%E9%83%BD%E5%8F%AF%E4%BB%A5%E5%AF%AB%E5%87%BA-app-132546673.html

佛系寫 code 無難度?零編程知識,教你用 AI 都可以寫出 app Google I/O 上發佈了全新 Gemini 2.5 Pro AI 模型,強大的效能讓 Google 可以再發展成 Veo 3、Imagen 4、等新一代 AI 工具,緊接在香港舉行的 Google Cloud Summit 2025 也有在現場展示出來。不過對於我們一眾老百姓,還是像說火星語言一般難懂?這邊 Google 就建議我們試試用 Google Firebase Studio 網上編程工具,新加入了的 AI 編程功能,讓大家可以像跟 ChatGPT、Perplexity、DeepSeek 一樣自然對話,不過生成的結果就是變成一個 app。  如何使用 Google Firebase Studio? 佛系寫 code 無難度?教你零編程知識就可以寫出 app,用 AI 自動幫你完成 首先當然是需要一個 Google 帳戶了,前往到 Firebase Studio 網頁之後就會有一個慣常的 AI 對話窗口,輸入你想要一個什麼樣的 app,或是底下會有幾個範例,包括小費計數機、食譜生成器、企業資源規劃面板(ERP Dashboard)、支出記帳工具。 輸入之後就按下「Prototype with AI」,隨後就會生成一張規格表,說明這個 app 大概的功能,會有什麼視覺設計元素,以及會用到什麼編程堆疊(stack)。 只要管你能看懂的部分就可以了,再來就按下「Prototype this app」。等他個數分鐘,中間可能會有錯誤訊息,按下 fix 就會自動處理。不久之後,畫面上就會出現一個能夠操作的 web app,你可以試用看看,如果有什麼想法也是一樣用文字輸入,Gemini 就會幫你分析需求並改寫 app。 一輪操作之下,小編也開發了自己的第一個分帳計數機!可以輸入餐廳名稱、日期、有否加一、總數和人數,最後還有一鍵複製金額結果的按鍵。 👉 按此試用 這樣全靠 AI、只憑感覺的編程方式,也是近來 AI 編程能力愈來愈強大之後,在業界興起的 vibe coding。不用一句程式碼,全靠自己的想法和 AI 的實作,就弄出一個可以使用的 app。 AI 編程能替代真正的開發者? <img data-crop-orig-src="https://s.yimg.com/os/creatr-uploaded-images/2025-06/993bd3e0-453a-11f0-b85f-a5b29a84eab8" alt="Google 大中華區開發者關係計劃經理上官林傑(左) Google Developer Group成員兼Votee AI技術總監陳豪傑(右)" data-uuid="062222fc-11d1-3a0d-be14-e1e25ac4da53" src="https://s.yimg.com/os/creatr-uploaded-images/2025-06/993bd3e0-453a-11f0-b85f-a5b29a84eab8">Google 大中華區開發者關係計劃經理上官林傑(左) Google Developer Group成員兼Votee AI技術總監陳豪傑(右) 能夠這樣 vibe coding,還需要開發者們沒日沒夜地爆肝工作嗎?事實上現在是更需要具經驗的人類開發者來檢查、操作 AI 的編程代碼的。Google 開發放社群成員(GDG)Votee AI 的 Jacky Chan 就跟我們分享,他們這家深耕廣東話 LLM 的 AI 公司也已經有在使用 AI 編程,不過這是限於快速開發原型、驗證想法之用,又或是用來解讀不同編程風格的員工的手筆,實際要部署程式碼之前還是需要人手再三驗證。 不過 AI 編程的出現,對於大型企業和中小企的影響也不盡相同。Google 開發者關係計畫經理 上官林傑表示,大型企業會因為對於資安考量、數據外洩的風險管理,反而比較小心謹慎地大規模應用 AI 編程流程;中小企則是因為 AI 能快速生成原型,可以更具彈性地因應市場需求而推出新產品,同時提供迭代。一人斜槓團隊更可能是最擁護 AI 的一群,利用 AI 代理等工具,協助他同時處理和完成大量事務,形成可能出現的一人獨角獸,也就是單人匹馬就創造出價值 10 億的新創企業。 開發者門檻可以有多低? 話雖如此,AI 的能力飛躍是以天、以小時來計數,現在的想法可能到了下一秒就被打破。有了 AI 編程能力,開發 app 的門檻已經簡化到上一代需要有基礎編程知識,到現在會打字,甚至是會張嘴說話描述想法就可以。 因此未來的人們最需要的能力,其實是能夠清楚地理清自己腦裡所想的邏輯性,以及能夠好好地講出心裡想法的表達能力,因為「溝通」是不管在人與人之間、人機交互時唯一的交流方式。只要能好好掌握溝通技巧,就能透過 AI 獲得結果,Google Firebase Studio 就是一個如此的工具。 透過 AI 生成出的結果高低差異,就是在溝通時是否雙方都清楚理解對方想法,但當要再進階開發一個更為精緻、更為複雜的 app,還是需要學習編程技巧,然後進一步借助 Gemini Code Assist 之類的 AI 工具來修飾。  更多內容: Google I/O 2025 | Google 發表「深入思考」的 Gemini 2.5 Pro 模型,與升級的 2.5 Flash 模型 Google I/O 2025 | Google 的 Veo 3 AI 模型現在可以為影片生成搭配的音軌 Google Firebase Studio  緊貼最新科技資訊、網購優惠,追隨 Yahoo Tech 各大社交平台! 🎉📱 Tech Facebook:https://www.facebook.com/yahootechhk 🎉📱 Tech Instagram:https://www.instagram.com/yahootechhk/ 🎉📱 Tech WhatsApp 社群:https://chat.whatsapp.com/Dg3fiiyYf3yG2mgts4Mii8 🎉📱 Tech WhatsApp 頻道:https://whatsapp.com/channel/0029Va91dmR545urVCpQwq2D 🎉📱 Tech Telegram 頻道:https://t.me/yahootechhkThis article originally appeared on Yahoo Tech HK at https://hk.news.yahoo.com/%E4%BD%9B%E7%B3%BB%E5%AF%AB-code-%E7%84%A1%E9%9B%A3%E5%BA%A6%EF%BC%9F%E9%9B%B6%E7%B7%A8%E7%A8%8B%E7%9F%A5%E8%AD%98%EF%BC%8C%E6%95%99%E4%BD%A0%E7%94%A8-ai-%E9%83%BD%E5%8F%AF%E4%BB%A5%E5%AF%AB%E5%87%BA-app-132546673.html

-- gReader Pro 

欧洲需要数字主权

欧洲需要数字主权

https://www.solidot.org/story?sid=81518

微软遵守特朗普的行政令封禁了国际刑事法院(ICC)首席检察官 Karim Khan 的电邮账号,严重影响了法院的日常工作。开源商业联盟 OSBA 认为微软的行为证明欧洲需要数字主权,不能过于依赖美国科技巨头。多年来,欧洲机构一直依赖硅谷科技巨头对安全和数据保护的虚假承诺。微软、亚马逊和 Google 等云服务提供商一再保证,他们尊重欧洲法律,在欧盟境内建立了数据中心,并承诺遵守 GDPR。然而微软事件表明,不管服务器是在法兰克福、罗马还是巴黎,如果供应商受外国法律管辖,那么数据也会受外国法律管辖。如果远在数千公里之外的政治决策会对欧洲数字通信和欧洲数据产生直接而严重的影响,这就构成了巨大的风险。想象一下,如果欧洲将国家电网的控制权交给受非欧洲法律约束的外国公司?现在是时候摆脱对美国技术的依赖了。  tuta.com/zh-hans/blog/digital-sovereignty-europe [ https://tuta.com/zh-hans/blog/digital-sovereignty-europe ]  突发新闻 Published on: 2025-06-10 Table of contents 发生了什么 微软基于美国制裁封杀电子邮件帐户 为数字主权敲响警钟 管辖权高于一切 依赖是一种威胁 欧洲拥有这些服务,让我们开始使用它们吧! 主权云 展望更加光明的未来 一个平静但令人深感不安的时刻刚刚撼动了国际司法的基础,证明了为什么欧洲需要数字主权--而大多数对科技不太感兴趣的欧洲人很可能错过了这一时刻:国际刑事法院(ICC)是设在海牙的法院,对欧洲的人权承诺至关重要,但该法院的首席检察官突然发现他的电子邮件账户被关闭了。服务提供商?微软。原因是什么?特朗普先生。 发生了什么 今年 2 月,特朗普制裁国际刑事法院(ICC)对以色列总理本雅明-内塔尼亚胡及其前国防部长约阿夫-加兰特发出逮捕令。法院认为,以色列政客在对哈马斯的战争中限制加沙的人道主义援助,从而伤害了平民,犯下了战争罪。 以色列官员否认了所有指控,因此,美国总统唐纳德-特朗普对国际刑事法院发出制裁,称该法院采取了 "针对美国和我们的亲密盟友以色列的非法和毫无根据的行动"。特朗普还称这些逮捕令是 "毫无根据的逮捕令"。 在这些制裁之后,国际刑事法院发现自己面临着一些问题:  首席检察官卡里姆-汗(Karim Khan)无法访问自己的电子邮件;他的银行账户被冻结。 法院的美国雇员在前往美国时有可能被捕。  由于卡里姆-汗的微软电子邮件账户被封,法院的日常工作面临严重障碍。 微软基于美国制裁封杀电子邮件帐户  微软关闭了可汗的电子邮件账户。 可汗的微软电子邮件账户被封是因为特朗普签署了一项行政命令,而美国公司—微软—履行了这项行政命令。如果考虑到微软公司—即使它愿意—也不得不服从这一命令,因为法律和政治形势的原因,这就更具有爆炸性了。 开放源码商业联盟(OSBA)告诉海斯,它认为微软的行为 "在这种情况下是史无前例的,而且影响如此之大",这一事件证明欧洲需要数字主权 ,选择欧洲的技术服务而不是美国的大科技公司。  "这必须为所有负责国家和私人 IT 和通信基础设施安全可用性的人敲响警钟。…我们不能依赖不在我们管辖范围内的公司"。  为数字主权敲响警钟 这的确是一个警钟。 美国的制裁—与欧洲无关,而且是由一个外国势力实施的—导致了一位重要公众人物—国际刑事法院首席检察官—的数字通信被关闭。 这是一个关于数字主权的故事。 它标志着欧洲与外国技术提供商关系的一个明显转折点。如果国际法中的关键人物可以被一家受美国法律管辖的公司用数字技术封口,这说明了什么,说明了我们对我们所依赖的数字基础的控制—或者说缺乏控制? 多年来,欧洲机构一直依赖硅谷科技巨头对安全和数据保护的虚假承诺。微软、亚马逊和谷歌等云服务提供商一再向我们保证,他们尊重欧洲法律,在欧盟境内建立了数据中心,并承诺遵守 GDPR。而与此同时,微软的新 Outlook 却将包括密码在内的所有数据上传到云端,微软的 Office 365 因数据保护问题被宣布为不适合德国学校使用,丹麦也因基于 GDPR 的隐私问题禁止学校使用 Gmail。这些仅仅是几个例子。 管辖权高于一切  管辖权比我们过去想象的更重要:欧洲当局应坚持使用欧洲的技术服务。 综上所述,ICC 事件只是在棺材上钉上了最后一颗钉子。它揭示了一个更深层次的真相,一个欧洲人必须开始采取行动的真相! 管辖权胜过地理位置。 不管你的服务器是在法兰克福、罗马还是巴黎,如果你的供应商受外国法律管辖,那么你的数据也会受外国法律管辖。 这一点必须纳入每个企业和每个机构的最坏情况假设中。问题显而易见:我的数据是否安全并受到保护—不仅是来自恶意攻击者等外部威胁,还有来自数据托管公司的内部威胁? 如果远在数千公里之外的政治决策会对欧洲数字通信和欧洲数据产生直接而严重的影响,这就构成了巨大的风险。您不应该冒这样的风险。而随着最近微软事件的发生,这已不再是理论上的威胁。这正是刚刚发生的事情。 依赖是一种威胁 让我们想象一下,这与电子邮件无关,而是与能源行业有关。 欧洲会将国家电网的控制权交给受非欧洲法律约束的外国公司吗?我们会相信外国供应商对 99.999% 正常运行时间的保证(这是云计算供应商的标准正常运行时间服务级别协议),同时外国势力可以随时迫使他们切断欧洲的电力供应吗? 当然不可能。 然而,这就是我们管理欧洲数字基础设施的方式。 我们对风险视而不见,对美国技术提供商过于信任。云平台、通信工具和电子邮件提供商是我们管理政府、学校、医院和法院的核心服务。而在大多数情况下,欧洲机构都选择了美国供应商,而企业却有很好的电子邮件替代方案。 欧洲拥有这些服务,让我们开始使用它们吧! 让这一切更加令人沮丧的是,欧洲并不缺乏创新;欧洲拥有比美国同类产品更好的优秀技术服务。特别是在科技服务方面,欧洲提供的服务远比某些人想象的要多,尤其是如果您重视隐私和安全的话。 在整个欧洲大陆,人们正在开发隐私优先、注重安全、真正主权的数字解决方案。其中一个最好的例子是 Tuta,它提供安全、加密的电子邮件和日历工具,甚至采用量子安全加密。这家电子邮件提供商不仅根据德国数据保护法运营,所有服务器都设在德国数据中心,而且还使用最先进的加密技术保护企业数据。 那么,为什么我们看不到像这样的服务为各部委、议会和法院提供动力呢? 因为,尽管欧洲政府部门大谈 "战略自主权",但他们往往仍将欧洲科技视为后备计划,而大多数政府部门甚至尚未开始将这一计划付诸行动。几十年来,欧洲当局一直依赖微软的产品。自 20 世纪 80 年代推出以来,Windows 一直是使用最广泛的操作系统,而微软的产品也被整合到了 Windows 中,因此,大多数企业和当局仍在使用微软的 Outlook 电子邮件、Microsoft Word、Excel 等。虽然从微软转向基于欧洲的替代产品并非一日之功,但政府机构必须开始计划转换。 现在是时候摆脱对美国技术的依赖了!  主权云 科技界有这样一句话:没有云,只有别人:没有云,只有别人的电脑。 在将这一概念付诸行动时,我们必须扪心自问:我想在谁的电脑上存储我的数据?美国的技术提供商—美国(政府、国家安全局、中央情报局、联邦调查局等)有可能完全访问它?即使数据留在欧洲,控制权—操作、拒绝或转移访问的能力—仍在别处。只要美国技术提供商掌握着钥匙,欧洲就不拥有自己的数据。 我们需要真正的主权—选择根据欧洲法律建立和运营的欧洲服务,并且只在欧洲存储数据,最好是端到端加密。 展望更加光明的未来  Tuta 团队欢迎更光明的未来! 如果欧洲想要重新掌控其数字基础设施,我们需要进行结构性变革;需要所有相关方做出巨大努力。但最终,努力会有回报。这不仅是为了获得主权,也是为了支持和建设欧洲科技产业—一个可以轻松与美国和中国科技公司竞争的产业。 要做到这一点,我们甚至不需要新的法律,我们需要的只是公共部门的承诺。如果特朗普说 "美国优先",那么欧洲就必须说 "欧洲优先"—在科技领域,这样做的好处是双倍的:1. 公共部门在欧洲科技领域的大部分支出,都将以公司税收的形式返还。2.2. 公共部门可以帮助已经充满活力和创新的欧洲科技产业获得竞争优势,不仅在欧洲,在国外也是如此。 将 "欧洲 "作为公共采购科技产品的一项要求 :欧盟机构、政府和地方当局应将 "欧洲 "作为采购科技产品的一项要求。这样,他们就能确保所采购的服务遵守欧洲数据保护法,不受外国政府的影响。 防止供应商锁定 :公共部门使用的任何平台都应具有互操作性和可替代性。没有例外。在签订合同时,应考虑到退出策略,这样就不会再发生像我们目前看到的与微软之间的依赖关系。 展望未来,欧洲和地方当局可以真正有所作为。他们要做的就是积极行动起来!国际商会的微软电子邮件问题不容忽视和遗忘。它为我们敲响了警钟,当你在别人的地基上建造自己的数字房屋时,会发生什么? 让我们不要等待下一家公司在欧洲关闭一项重要的技术服务。 让我们建立符合欧洲法律法规的系统,保护欧洲公民及其数据,加强欧洲的独立性。 让我们停止借用数字力量,开始创造我们自己的力量。我们一起努力,让网络变得更美好!  Turn ON Privacy 安全 快速 无广告 最新文章 欧洲需要数字主权--微软刚刚证明了这一点。 2025-06-10 您的声音,我们的动力:介绍来自世界各地的 Tuta 用户。 2025-06-06 2025 年保护数字身份的 4 种方法。 2025-06-04 1 TB 包含多少千兆字节?存储容量简易指南。 2025-06-03 Top文章 抵制美国?新关税让人们选择欧洲产品。我们是否看到了一种趋势? 2025-04-07 如何关闭 WhatsApp 中的 Meta AI?您无法关闭,但... 2025-04-23 2025 年 10 项最佳私人电子邮件服务 2025-05-14 2025 年 10 个最佳免费电子邮件帐户 2025-04-30 不要让双子座人工智能访问你的 Gmail!  2024-05-15 / Updated: 2024-07-08 Tuta Mail 可在 F-Droid 上使用,让您摆脱大技术公司的追踪 2025-04-16 / First published: 2020-01-30 匿名电子邮件: 创建一个没有电话号码的电子邮件地址。  2024-02-07 瑞士隐私 "是最好的假象  2023-12-30

-- gReader Pro 

DeepEval:像單元測試般系統化評估LLM,涵蓋效能與安全

DeepEval:像單元測試般系統化評估LLM,涵蓋效能與安全

https://www.facebook.com/1196130575859670/posts/1200904615382266

要如何有效評估你的AI系統呢?🤔 由 Confident AI 開發的 DeepEval 借鑑 Pytest,讓開發者能夠像進行單元測試一樣,對 LLM 系統進行系統化評估。💡 🔧 核心評估能力 • 多層級評估 - 支援端到端評估 • 豐富指標 - 提供現成評估指標 • 非侵入式設計 - 透過 @ observe 裝飾器,無需修改現有程式碼 • 完美整合 - 整合 LangChain、LlamaIndex 等主流框架 📈 主要評估指標 • G-Eval - 基於研究的通用評估指標 • RAG 指標 - 答案相關性、忠實度、上下文品質等 • 安全指標 - 幻覺、偏見、毒性檢測 • 對話指標 - 知識保持、對話完整性、角色遵循度 • 代理指標 - 任務完成度、工具正確性 DeepEval 提供強大的紅隊測試能力,能檢測超過 40 種安全漏洞,採用 10+ 種進階攻擊策略模擬真實場景。⚔️ 框架完美整合 CI/CD 環境,支援 MMLU、HellaSwag、TruthfulQA 等標準基準測試,讓模型比較變得簡單直觀。📋 (Feed generated with FetchRSS)

-- gReader Pro 

免费服务器+免费大模型部署开源免费AI工作流n8n

免费服务器+免费大模型部署开源免费AI工作流n8n

https://www.youtube.com/watch?v=mzjhST0Od5Q

值得閱讀的理由學習如何利用亞馬遜雲的 EC2 免費額度,獲取一年的免費伺服器使用權。了解如何將開源免費的 AI 工作流程平台 n8n 部署到雲端伺服器上。掌握配置免費大型語言模型 API(OpenRouter 或 Google Gemini)的方法,為 AI 工作流程提供動力。摘要引言:使用免費資源搭建 AI 工作流程這段影片由作者為觀眾帶來一個手把手的完整教學,教導大家如何利用免費的大型語言模型 API 和免費的雲端伺服器,搭建一個開源免費的 AI 工作流程平台 n8n。作者提到,n8n 是近期熱度極高的 AI 工作流程平台,在 GitHub 上已有 10 萬顆星。影片中將使用的免費 AI 大型模型 API 可選擇 OpenRouter 或 Gemini,雲端伺服器則採用亞馬遜雲(AWS)的 EC2 服務,新註冊用戶可享有一年免費使用額度。獲取免費伺服器:註冊 AWS EC2為了白嫖免費的雲端伺服器,首先需要註冊一個亞馬遜雲帳號。作者建議選擇海外區域進行註冊,填寫電郵、名字、密碼等基本資訊,並選擇個人帳號。雖然是免費使用,但需要填寫信用卡資訊進行驗證,作者提示,如果擔心被反覆扣款,可以在手機上調整信用卡的每月最大支付額度。最後填寫電話號碼並選擇國碼,完成註冊後,選擇最左邊的免費帳戶選項。接著,登入 AWS 控制台,搜尋並進入 EC2 服務。點擊啟用實例,即可看到新註冊用戶享有一年免費套餐的提示。在作業系統選擇 Ubuntu,然後建立並下載一個密鑰對檔案,務必妥善保存。最後在右側點擊啟用,伺服器實例便會啟動。連接伺服器:使用 SSH 客戶端伺服器啟用後,需要使用一個 SSH 客戶端來連接。作者推薦使用開源免費的 Tabby,可在 GitHub 上找到並下載對應自己作業系統的安裝包。安裝過程只需一路點擊下一步即可。安裝完成後,開啟 Tabby,在設定中找到配置和連接,點擊新建並選擇 SSH 連接。主機填寫 EC2 的公網 IP 地址(可在 EC2 實例詳情頁找到並複製),使用者名稱填寫 ubuntu,然後添加私鑰,選擇剛才下載保存的密鑰檔案。點擊保存並啟動連接,即可成功連線到伺服器。部署 n8n 工作流程平台成功連接伺服器後,接下來在伺服器上部署 AI 工作流程平台 n8n。首先需要在伺服器上安裝 Docker,作者提供了一個適用於 Linux 的一鍵安裝命令。Docker 安裝完成後,再執行命令將其啟動。然後前往 AI 工作流程 n8n 的 GitHub 首頁,找到使用 Docker 啟動的方式。作者複製了啟動命令,並在前面加上 sudo 執行。對於第二句命令,需要進行一些修改:確保使用 -d 參數以在後台運行,並添加一個環境變數 N8N_RELATIVE_URL=/ 以便使用 HTTP 協議訪問。此外,還需要修改用來存放 n8n 資料庫的本地路徑,例如修改為 /home/ubuntu 下的一個目錄。修改完成後,執行命令。配置伺服器防火牆:開放 n8n 埠號在開始使用 n8n 之前,還需要開放 n8n 的埠號。回到 EC2 實例頁面,找到安全設定,點擊對應的安全組。編輯入站規則,新增一個規則,選擇自訂 TCP,埠號填寫 n8n 的預設埠號 5678。IP 地址填寫全為零的位址(0.0.0.0/0),表示允許所有 IP 訪問。儲存規則。訪問 n8n 網頁界面規則保存後,就可以訪問伺服器上部署的 n8n 了。在瀏覽器中輸入伺服器的公網 IP 地址,後面接上埠號 5678,即可進入 n8n 的首頁。配置大型語言模型 API (OpenRouter)n8n 工作流程需要大型語言模型來處理任務。作者展示如何配置免費的 API。首先是 OpenRouter。在 n8n 中找到 AI 模型設定,選擇新增 Chat 模式,並選擇 OpenRouter。前往 OpenRouter 網站 (openrouter.ai),註冊帳號(可使用 GitHub 登入)。在右上角找到 Keys,建立一個 API Key。複製產生的 Key,回到 n8n 中,建立新的認證 (Credential),填寫 API Key,儲存並關閉。接著需要選擇使用的模型。在 OpenRouter 網站左上角搜尋 "free",可以找到免費使用的模型。作者推薦效果最好的 DeepSeek V2 0528 (最新的升級版)。複製模型名稱,回到 n8n 中,將其貼上並選擇。這樣大型語言模型就配置成功了。關於 OpenRouter 的免費使用額度,作者說明,只要充值過一次,每天可以獲得 1000 次免費 API 請求;如果沒有充值過,每天只能使用 50 次。配置大型語言模型 API (Google Gemini - 替代方案)如果 OpenRouter 的使用額度不夠,作者提供了另一種配置免費 API 的方案:使用 Google 的 Gemini。前往 Google AI Studio (aistudio.google.com),注意需要開啟國外上網環境才能訪問。點擊右上角 "Get API key",建立 API 密鑰。複製產生的 Gemini API 密鑰。回到 n8n,在添加模型的加號處,選擇 Google Gemini Chat Mode。建立新的認證,將 Gemini 的 API 密鑰貼上。由於 AWS 伺服器在海外,可以直接連接 Google 的 API 地址。如果伺服器在國內,則需要參考作者之前的影片進行 API 轉發。儲存後,在模型下拉列表選擇 Gemini 2.5 Flash 0520。這個 API 每天可以免費使用 500 次。測試工作流程配置好大型語言模型後,即可測試工作流程。在 n8n 界面找到最下面的測試按鈕並點擊。工作流程開始執行,完成後,可以去檢查郵箱。作者展示了收到的郵件,格式非常不錯,整理出了新聞簡報,並且每條新聞都附上了原文連結。效果良好。總結至此,已經成功使用免費資源搭建了 n8n 工作流程平台,並配置了兩種免費的大型語言模型 API 方案(OpenRouter 的 DeepSeek 和 Gemini)供選擇。作者最後感謝大家的觀看與支持,並邀請觀眾按讚。  ============= https://www.youtube.com/watch?v=mzjhST0Od5Q会员频道有自制课程《小白玩转Git/Github,全功能精讲》免费服务器+免费大模型部署开源免费AI工作流n8n

-- gReader Pro 

【從企業資料治理實例看AI治理基礎功】為強化透明度,日本製藥大廠三階段改造真實世界資料新藥研發

【從企業資料治理實例看AI治理基礎功】為強化透明度,日本製藥大廠三階段改造真實世界資料新藥研發

https://ithome.com.tw/news/169263

生成式AI激起產業革新,但也引發不少實用性討論,尤其是幻覺、偏見和引用來源不明,進而催生出一系列AI治理新方法。醫藥產業的另一場轉型:運用真實世界資料(Real world data,RWD)和真實世界證據(Real world evidence,RWE)的醫藥研究,業界常簡稱為RWD研究,也面臨了類似的資料透明度不足的治理挑戰。 日本老牌製藥大廠塩野義製藥特別點出這個問題,傳統新藥開發以臨床試驗為主,流程明確、資料標準化、倫理與法規兼備。但當資料來源擴大到病歷資料、健保申報數據甚至穿戴裝置時,這類非臨床試驗的RWD研究,開始暴露出系統性的透明度問題,像是沒人知道資料如何取得、分析、是否有偏差,甚至沒人要求研究人員揭露這些細節。 對此,塩野義製藥選擇主動治理。他們從2018年自建的臨床試驗AI分析平臺出發,延伸打造一套適用於RWD研究分析流程的工具,透過標準化、半自動化與程式化治理,來提高RWE可信度和研究效率。 RWD研究興起,卻充滿問號 塩野義製藥成立於1878年,是日本最老牌的製藥公司之一,專攻藥物開發和創新工具研發,自己有一組專門的資料科學團隊。 該團隊工程師Takuji Komeda引用一份研究,指出日本產學界用RWD進行藥品或療效分析的研究數量,正在快速增加。然而,資料取得和分析缺乏制度化監管,導致外界時常對RWD研究存疑。   塩野義製藥指出,日本真實世界資料(RWD)研究缺乏制度化監管,比如研究員可向供應商取得大量RWD資料,不必經過倫理審查,也不必向倫理委員會提出分析計畫,多數期刊更不會要求投稿者公開原始資料。圖片來源/塩野義製藥  他舉例,研究人員可以直接透過商業授權,不必經過倫理審查,向供應商取得大量RWD資料。而且因為不是臨床試驗,研究人員也不必向倫理委員會提出分析計畫,而大部分刊登研究成果的醫藥期刊,更不會要求投稿者公開程式碼或原始資料,其中更缺乏獨立審核的第三方。換句話說,任何人都可能從商業授權取得的RWD資料中,「挑出自己想看的結果」,然後寫一篇論文就發表了。這種狀況與生成式AI幻覺、缺乏明確出處和人類審查的問題非常類似,治理缺失、過程不透明,讓RWD研究價值大打折扣。 無法直接套用臨床試驗SOP,決定另外開發   塩野義製藥本想以自建的臨床試驗AI平臺為基礎,來打造RWE半自動化和監管工具,卻面臨資料格式、資料規模、分析方法等差異的挑戰,於是決定重新開發一套專屬工具。圖片來源/塩野義製藥  塩野義製藥早在20年前就採用商用數據分析產品,來輔助藥物研發和臨床試驗,2018年時用SAS的Viya平臺為基礎,開發出臨床試驗專用的AI-SAS平臺工具。後來,他們想進一步擴大這個平臺,發展一套讓RWD研究更透明且能自動化的工具。 團隊先評估原有工具使用真實世界資料的可行性,但因原有系統設計以臨床試驗為主,能處理的資料格式、規格、分析方法和模型,都與RWD截然不同。 比如在資料格式上,臨床試驗採用CDISC國際標準,但RWD的標準沒有統一,會因資料供應商而有不同,另外在資料規模上,臨床試驗頂多幾千筆案例,但RWD動輒高達上千萬筆。不只如此,在分析方法上也有所差異,比如臨床試驗為隨機對照設計,可控制偏誤,但RWD多混雜因子,需額外建模。 因此,塩野義製藥決定重新打造一個可支援大規模資料、格式彈性、分析半自動化且記錄完整的RWD分析架構。 先將資料標準化,再半自動化分析 接著,塩野義找來原廠提供技術支援,打造可用於真實世界資料研究的新版分析工具AI-SAS for RWE。這套系統分為2大關鍵模組,包括資料標準化模組,以及半自動化的RWD分析流程,同時保有版本控管與審查記錄。 以資料標準化模組來說,為解決不同RWD來源格式不一的問題,塩野義製藥採用國際OMOP提出的CDM通用資料模型,作為資料標準,好將世界各地供應方提供的RWD,轉換為CDM,方便後續分析。 不過,Takuji Komeda坦言,日本的RWD難以完全轉換為CDM,因此,塩野義只針對欄位格式和欄位命名進行一致化,讓各種格式資料在平臺中具備一致結構。他們稱這種CDM為「實用型標準化」做法,保留原始資料語意,但透過結構統一達到跨資料比對的目的,避免因代碼轉換,丟失資訊。 接著是半自動化RWD分析,塩野義團隊規畫了3個階段來完成。第一,研究人員只要填好一份概念表(Concept Sheet),列出要研究什麼、需要哪些變數和使用哪些統計方法,系統就會根據先前資料定義,自動套用變數格式、建立分析資料集(ADS)及其規格。 建好初步分析資料集後,系統會進一步分析哪些變數需要擴充或轉換,並根據既有規則或過往範例,自動補足這些內容,同時生成統計圖表(TLF),並根據這些圖表,自動產出報告草稿,來供研究員參考。 所有分析流程都會自動記錄在Git中,包含程式版本、資料欄位定義版本、報表更新紀錄等。這種設計類似軟體工程的CI/CD流程,可讓研究人員能追蹤任何一步的修改,達到可溯源的治理效果。未來若監管機構、倫理委員會或期刊審查要求提出分析過程依據,他們就能快速匯出完整紀錄。   最終,塩野義製藥打造一套AI-SAS for RWE工具,透過標準化、半自動化與程式化治理,來提高RWE可信度和研究效率。他們目前已完成第一階段,包含半自動化和Git記錄,接下來要用AI改善分析效率,還要建成App來強化可用性。圖片來源/塩野義製藥  上述這些做法,只是分析流程半自動化的第一階段。Takuji Komeda指出,塩野義團隊預計,第二階段要進一步使用AI來加強分析效率,還要擴大可以自動化的規模。而在第三階段,他們要將整個分析作業包裝成App,讓非程式專業的研究人員,也能用圖形介面完成RWD分析設定,提高可用性。 塩野義製藥的RWD/RWE治理做法,成了RWE用於未來藥物研發和監管的可信依據。

-- gReader Pro 

【從實例看企業擁抱AI代理的前一步】匈牙利OTP銀行打造轉換工具,幾天就能搬完數千條決策流程到新系統

【從實例看企業擁抱AI代理的前一步】匈牙利OTP銀行打造轉換工具,幾天就能搬完數千條決策流程到新系統

https://ithome.com.tw/news/169260

為了日後有機會發展代理AI,匈牙利OTP銀行最近展開一場關鍵系統轉移PoC專案,驗證如何將2,700多筆即時決策流程,從舊版SAS Real-Time Decision Manager(RTDM)即時決策管理系統,無痛搬遷到新一代Intelligent Decisioning平臺,且幾乎全程自動化轉換,單筆流程最快30秒就完成。按PoC專案的成功經驗,原本預計1萬個工作天的搬遷工作,幾天內就能完成。他們如何做到? 轉型迫在眉睫:原有平臺老舊、Flash停用 匈牙利OTP銀行是中東歐最大的金融機構之一,服務橫跨11國、共有1,700萬名客戶。早在2015年,他們就導入RTDM系統,來支援貸款核准流程中的即時決策,如利率條件、風控評估、客戶等級分類等邏輯運算。 這套系統承接龐大業務,每天處理數十萬筆Web Service請求,年放款金額高達15億美元,還深度整合30多個內外部系統。從顧客申請貸款,到風控模型計算、條件判斷、最終放款,全都由RTDM驅動。 然而,隨著時間推移,他們採用的RTDM系統逐漸老化,再加上Flash宣布退場、沒有HTML5替代版本,團隊也缺乏合適的官方遷移工具和文件支援,讓整個系統成為無法擴充、難以維護的技術債。 匈牙利OTP總部資深經理Dániel Bogdán回憶,當時,IT團隊面臨迫切的轉型壓力,不得不找盡快出新一代解決方案。 超過2700筆邏輯流程,預估上萬個工作天才能重建 於是,OTP銀行IT團隊先盤點系統內容,釐清整個RTDM架構承載的龐大資料,包括1000多筆決策活動(Decision Campaigns)、700筆資料流程(Data Processes)、200筆規則流程(Rule Flows),以及500多筆用Groovy語言撰寫的自定邏輯程式碼。 接著,他們列出3大技術目標,作為選擇新系統的依據。首先,新系統必須完整支援既有的行銷決策活動和自動化流程,並確保所有流程合規、可執行、可部署,且功能與舊系統要一致,避免邏輯錯亂或功能流失。 再來,無論來自舊平臺RTDM還是新平臺,透過Web Service呼叫到的決策結果,都要能一致,確保跨系統服務體驗不變。最後,在維運層面,OTP銀行希望新平臺具備良好的可開發性、可用性和可讀性,團隊能更容易撰寫、理解並調整規則邏輯,減少未來維運負擔、加速業務調整速度。 經評估,他們最後選定同一家廠商的新版智慧決策平臺,但團隊估算發現,以人工手動重建這些流程,得耗上1萬多個工作天,才完成初步搬遷。這種做法不只成本高昂,還可能中斷業務,隱含重大風險。 優化遷移工具R2DS2,3+1個步驟快速轉換 為解決這道難題,OTP銀行找來平臺供應商的合作SI,先是在2019年打造一套名為R2DS2的自動轉換引擎雛形,要將RTDM程式碼轉換為新平臺支援的DS2程式碼。 當時,他們也與平臺供應商討論這套工具,並提供完善的工具說明。平臺供應商便以R2DS2為基礎,在2021年釋出一套官方轉換工具,來協助企業決策流程現代化。但對OTP銀行來說,官方工具仍無法滿足他們複雜業務的轉換需求,因此他們繼續與SI廠商聯手,並在2024年正式啟動遷移工具開發PoC專案,優化R2DS2、打造一套功能更強大的轉換工具。   匈牙利OTP銀行與SI業者打造的系統轉換工具,可自動將RTDM即時決策管理系統的決策流程,轉換為新一代智慧決策系統的規格,就算是一筆複雜的流程,也只需要幾分鐘就完成。圖片來源/OTP銀行  這款優化版工具的轉換流程很簡單,只需3+1個步驟就能搞定,包括匯出XML檔案、套用轉換引擎、測試確認邏輯一致性,以及必要時手動補充客製函式或處理變數名稱對應問題。 進一步來說,系統分析師可從原本的RTDM介面中,將每筆決策流程的邏輯和設定,匯出為XML格式。接著套用轉換引擎,由轉換工具解析XML檔案,將RTDM特有的節點類型,對應到Intelligent Decisioning平臺支援的DS2程式碼。轉換後就是測試階段,確保相同輸入條件下,Intelligent Decisioning平臺得出的風控建議或利率回應與原系統產出一致。 最後,如果流程中包含複雜邏輯或客製化函式,開發者也能自己手動微調或加入所需函式。 最快30秒完成一筆流程轉換,預計幾周完成系統搬遷 Dániel Bogdán現場展示不同流程的實際轉換時間,從包含複雜分支處理的7、8分鐘,到最快30秒就完成一筆流程的轉換工作,尤其30秒那筆流程轉換,他們人工作業需要29分鐘,靠工具省時又省力。 OTP銀行團隊也實測PoC專案成果,新系統可以滿足原先定下的3大目標,比如在相同條件下,新系統得到的判斷和推薦結果與舊系統一致,Web Service呼叫結果也一致,新系統也能持續支援日常高頻查詢和即時響應需求。而且,維護性也提高了,因為DS2程式碼可讀性和模組化程度更高,利於團隊後續擴充和除錯。 這個PoC專案驗證的效率,讓OTP銀行預計,原本需要1萬個工作天的搬遷工作,可以縮短到幾個禮拜內就完成,預估的成效非常好。 轉換工具納入官方GitHub,還有更多潛力 早在開發過程中,這套R2DS2就已納入平臺供應商GitHub頁面,開源釋出供金融同業和其他產業使用者參考。 Dániel Bogdán指出,優化過的RTDM轉換工具還有不少應用潛力,採取了模組化、可重複使用的設計,不限定產業都能使用。他也表示,這套工具將持續擴大,未來將能支援任何RTDM系統版本,轉換為符合ID平臺規格的決策流程,甚至延伸支援更多不同類型的決策邏輯或節點模組。 隨著Intelligent Decisioning平臺新添代理工作流程設計功能,對OTP銀行來說,未來完全遷移至Intelligent Decisioning平臺後,有助於他們未來開發AI代理。

-- gReader Pro 

【老牌數據大廠的代理AI戰略】SAS端出代理AI新服務,瞄準企業GAI落地最後一哩路

【老牌數據大廠的代理AI戰略】SAS端出代理AI新服務,瞄準企業GAI落地最後一哩路

https://ithome.com.tw/news/169259

今年是AI代理全面起飛的一年,各大公有雲業者相繼推出功能更完整的AI代理框架和工具,就連相關的溝通協定也逐步到位。老牌數據分析大廠SAS也不缺席,近年轉型為AI供應商的他們,在今年產品大會中,跟進許多科技大廠的腳步,將代理型AI(Agentic AI)列為AI新戰略,成為一大產品新亮點。 生成式AI難解偏見,SAS看準AI代理實務潛力 為什麼AI代理如此重要,值得全力押寶?SAS的理由不是因為潮流,而是因應實務需求。 SAS執行長暨技術長Bryan Harris在大會首日主題演講中指出,單靠大型語言模型(LLM)和提示工程,無法滿足企業對生成式AI應用的期待。「研究表明,提示可以減少一些模型偏見,但效果不穩定,也難以重現。」 他進一步說明,研究發現,主流LLM在房貸核准的應用中,會因訓練資料的偏見,導致黑人申請者面臨更高利率與更低通過率。「如果一個人申請房貸被拒,原因只是模型從網路學到了偏見,這樣的結果是不能接受的。」 面對這樣的挑戰,Bryan Harris強調,企業需要一種更強大的方法,來調度LLM、模型治理和API,兼顧公平性、準確性和治理能力。他認為,導入具備治理機制的代理型AI,正是解決這些問題的解方。 這也是為何他觀察到,越來越多企業正快速從生成式AI轉向代理型AI,而且「一份研究顯示,今年將有52%的組織,將代理程式工作流程融入到業務中。」 定義代理型AI的兩種應用情境 SAS產品策略聚焦兩種代理AI情境,AI自主決策(Human-out-of-the-loop)和AI人機協作(Human-in-the-loop)情境。以詐欺偵測為例,在「AI自主決策」場景中,代理可以自主偵測並拒絕詐欺交易,而在「AI人機協作」中,代理會分析不規則交易,並查詢其他資料來源理解上下文、計算綜合風險評分,然後產出摘要,交由人工判讀與最終決策。 SAS應用AI和建模研發副總監Udo Sglavo進一步說明,SAS提供3種代理AI部署方式,一是Viya平臺內建的原生代理,可直接支援即時決策和流程自動化;二是使用該平臺工具自行客製代理,但只能在平臺上執行。三是獨立型代理,無需Viya平臺也能執行特定任務,可用於多代理環境。 他指出,無論採用哪種代理類型,SAS都支援如A2A(Agent-to-Agent)、MCP等代理標準通訊協定,可整合不同代理之間的協作流程。還沒採用Viya平臺的企業,也可從獨立型代理切入,逐步評估實務效益與導入價值。 升級既有平臺,導入AI代理功能 在代理AI戰略方向下,SAS將既有的即時智慧決策平臺Intelligent Decisioning擴充為代理型AI平臺,新添AI代理工作流程設計、執行與監控的能力。 企業用戶可以透過拖拉式介面建置代理工作流程,整合至既有系統架構中,也可以在不同風險和任務複雜度條件下,設計完全自主決策的AI代理,或是彈性調整AI代理的自主決策程度,並加入人類審核流程。   在SAS Intelligent Decisioning平臺中,使用者除了能拖拉建置AI代理工作流程,還能查看、調整既有節點(也就是流程方塊),來讓整體流程更符合業務需求。  Bryan Harris現場展示代理AI平臺的功能,他打開一個自製的抵押貸款(Mortgage loan)申請儀表板,畫面顯示AI代理分析了6,200份申請,其中1,800份需要人工審核。 但仔細看,有位VIP客戶的申請被拒,有點奇怪。為釐清原因,Bryan Harris透過儀表板旁的聊天室,用自然語言詢問該客戶為何被拒,此時LLM給出「查看決策邏輯」和「查看模型卡(Model Card)」兩種選項,來讓使用者理解決策背後的原因。 點擊「查看決策邏輯」,就能看到一張桑基圖(Sankey Diagram),視覺化顯示AI代理工作流程中,各節點的邏輯依據與決策流程。 以這個例子來說,共有20個代理工作流程步驟,比如第一步的申請核准判斷、LLM解釋和最終決策等。若發現步驟有問題,使用者可直接編輯節點,加入新的流程來調整。Bryan Harris強調,這些節點可重複利用,來加速建置代理工作流程。 模型卡與供應鏈追蹤,強化治理與可解釋性 除了代理決策流程透明化,前面聊天室給出的另一個「查看模型卡」選項,也能加強企業對AI代理的理解,尤其是代理背後的模型效能。 這個「模型卡」是SAS去年亮相、內建於Viya平臺的功能,可自動為每個註冊模型產出一份重要資訊摘要,包括準確性、公平性和模型漂移(即適用性)等指標,以及模型修改時間、負責人員,甚至是模型預期用途、使用建議等,就像是模型的營養標示一樣,方便技術與非技術部門掌握模型效能與使用風險。 不只掌握模型效能,Intelligent Decisioning平臺還提供「AI供應鏈追蹤(Lineage)」功能,清楚列出企業所使用的所有模型、流程和資料來源,並可追溯從資料ETL、模型訓練、部署到決策輸出的全部過程,可用於遵循透明性和可解釋性的法規要求。   在代理AI新戰略下,SAS除了亮相AI代理平臺Intelligent Decisioning新功能,還將其納入AI供應鏈追蹤(Lineage)功能中,使用者可一眼查看代理應用狀況、資料ETL、模型版本等資訊。  Bryan Harris現場示範這個功能,畫面會秀出一張流程表,列出企業採用的所有AI流程,比如Intelligent Decisioning平臺的AI代理流程、模型管理器、模型工作室、資訊目錄表和SAS工作室等,各個流程內還會列出子流程,比如模型管理器使用了哪些模型、用模型工作室訓練了哪些模型、目錄表包含了哪些使用資料,以及SAS工作室如何進行ETL。 也就是說,從資料ETL流程、模型訓練、版本管理、模型部署到最後輸出決策的邏輯,都能視覺化呈現給使用者查看,因應合規需求。 不過,SAS數據道德實務副總裁Reggie Townsend坦言,多代理協作環境的治理仍有挑戰性,SAS已著手開發代理層級的治理工具,要進一步強化AI代理的可監管性。 資料對映代理登場,還預告預建代理策略 為進一步降低企業導入門檻,SAS還在大會上宣布預建(Prepackaged)代理策略,首先揭露一款資料對映代理Data Mapper Agent,要來簡化資料表結構(Schema)對映任務。 Udo Sglavo點出,資料表結構對映是個非常常見但耗時的任務,通常,開發者需要寫程式來將來源資料表結構,對映到目標資料表結構。而SAS這款資料對映代理,可自動將來源資料表結構,對映到SAS解決方案或SAS模型所需的資料表結構。 他現場示範,將一個來源資料表結構上傳到Data Mapper後,驅動代理的LLM會分析來源資料表結構的後設資料(Metadata),並將來源資料表結構的欄位對映到目標結構的欄位,還會附上每個對映的信心水準。 要是使用者要是對信心水準低的對映有疑慮,能進一步要求Data Mapper重新評估。若還是不滿意,使用者也可以手動更改LLM建議的對映,「這回到了AI人機協作的概念,」Udo Sglavo說,人類可以隨時介入這個流程。 對映都確認無誤後,下一步,Data Mapper會產出可執行的SQL程式碼,來實際對映資料表結構。同時,它還會自動產出一份JSON格式對映檔,以及一份完整的流程說明文件,包含整個對映過程與手動更改部份,來讓使用者更容易整合、追蹤。  SAS今年首度揭露資料對映代理Data Mapper Agent,要來簡化資料表結構(Schema)對映任務。透過代理背後的大型語言模型分析來源Schema和目標Schema,可產出對映建議和信心水準,分高、中、低三個等級。 Udo Sglavo表示,Data Mapper Agent是AI人機協作的一個實例,未來,SAS還將在供應鏈領域和資料工程領域,推出更多預建AI代理。 生成式AI掀起應用熱潮,但代理型AI成了產業落地的關鍵。老牌數據分析大廠SAS將代理型AI整合至主力產品,推出開箱即用的AI代理,也跟進支援多代理協作協定,反映出積極卡位企業級AI代理生態系的野心。 然而,面對跨模型、跨部門的多代理運用場景,確保AI代理效能穩定且可控,將是AI代理深化應用的最大挑戰,也是SAS接下來必須解答的一道題。   其他AI新戰略:數位雙生和量子AI 不只代理型AI,SAS今年還端出其他AI新戰略:數位雙生和量子AI。 數位雙生雖然不是新東西,但在今年有了新突破,SAS聯手遊戲業者Epic Games,將其遊戲引擎Unreal Engine的強大模擬功能,結合SAS Viya平臺數據分析功能,拓展了模擬真實世界的數位雙生應用,成功替美國最大造紙大廠Georgia Pacific打造出虛擬工廠無人搬運車AGV模擬場景。   SAS今年也揭露數位雙生戰略新進展,聯手遊戲業者Epic Games,將其遊戲引擎Unreal Engine強大模擬功能,結合SAS Viya平臺數據分析功能,成功替美國最大造紙大廠Georgia Pacific打造出虛擬工安模擬場景。圖片來源/SAS  Georgia Pacific廠區長達400公尺,相當於4個足球場,AGV必須避開高風險路線,找出最佳搬運路線,且互不干擾。Georgia Pacific AI副總監Roshan Shah表示,想用數位雙生的模擬系統,來找出安全又有效率的AGV路線。 於是,他們先輸入場域真實資料至SAS平臺,再將數據輸入Unreal Engine模擬環境,來進行虛擬演練,模擬不同路線與數量的AGV調度。最終,他們實作出最佳路線,成功減少8%的平均作業時間,還提高安全性。 不只是AGV路線調度,雙方也利用Unreal Engine和SAS平臺,設計出數位人形員工,來模擬工安事故現場。也就是說,他們用攝影機生成高度擬真的工安影像,像是工人、危險動作和工作環境,來訓練電腦視覺模型,加強AI模型對工安辨識的準確率。這些合成資料,也能提高模型對不同膚色、姿態、光線的辨識能力。 有了這些資料訓練,模型更能在真實場域中,提供更精準的判斷,避免不工安意外的發生。 瞄準量子AI,加速複雜模型運算 SAS另一項AI新戰略是瞄準量子AI,採取合作與研究並行的策略,一方面與量子運算技術廠商合作,例如商用量子退火業者D-Wave,另一方面結合自家研發能力,與企業客戶共同推動試點專案,來驗證量子AI應用的可行性。 其中一項成果,是與跨國消費品大廠P&G(寶僑)聯手的PoC專案,來驗證量子與經典運算混合優化的效益。P&G的產品配方設計,涉及5座混料槽和100多項產品,可能的組合數高達10的114次方,遠超過宇宙中的原子數。要在這麼龐大的可能組合中,找出能避免交叉污染的配方,是一件耗時耗力的工作。 他們結合量子退火技術和SAS傳統最佳化求解器,採取混合運算方法,以量子退火運算處理初始解空間的收斂計算,再以傳統SAS解法進行微調,整體計算時間只需12分鐘,還能兼顧準確度,比傳統做法減少了97%的時間。 除了與企業展開試點專案,SAS也嘗試在旗下平臺發展量子退火技術的AI元件,例如在自助式運算平臺Viya Workbench,實驗性整合量子退火技術,來進行資料前處理、探索數據分析和AI模型開發,計畫未來成為正式功能之一。 新添一系列開箱即用模型 除了AI新戰略,SAS傳統AI產品線也有更新,推出一系列開箱即用的輕量級AI模型,涵蓋政府、醫療、製造、供應鏈與詐欺防範等產業,來降低企業導入AI的技術門檻。目前已上架的AI模型有各產業通用的實體識別(Entity Resolution)、文件分析模型,以及醫療業適用的用藥依從性風險預測模型,製造業專用的供應鏈最佳化模型,政府部門可用的糧食補助金詐領偵測模型、銷售稅合規性分析模型。 SAS還預告,今年將陸續推出更多產業專用模型,例如金融業的支付與信用卡詐欺判斷模型、醫療業的醫療支付審核模型、製造業的工安監測模型,以及公部門的個人所得稅合規性分析模型。 三款工具更新 另一方面,SAS也在今年大會中宣布三款平臺工具的更新,包括雲端整合式AI開發平臺Workbench、合成資料平臺DataMaker和AI建模助手SAS Viya Copilot。就Workbench來說,它支援Python、R和SAS等程式語言切換,使用者能在平臺上建置情感分析模型,並一鍵部署REST API。這款平臺也支援BERT等模型和GPU加速,目前已在AWS正式上架,在微軟Azure則是私人預覽版。 就DataMaker來說,它支援多表格、多關聯性和時間序列資料的生成,並內建差分隱私技術,在合成資料中添加雜訊,來確保資料來源不會被逆向推導辨識。這類合成資料適合用於臨床試驗、金融交易模擬等場景。目前,DataMaker已在微軟Azure平臺以私人預覽版提供。 至於SAS Viya Copilot則導入類ChatGPT的對話互動介面,來讓使用者用自然語言問答,來更簡單地使用Model Studio工具。比如,使用者可以用自然語言,要求模型優化、分析ROC報表、產生說明文件等,也能根據現有模型節點提出自動化調參建議,就算沒有資料科學知識也能執行資料科學任務。目前,SAS Viya Copilot在SAS託管雲服務提供私人預覽版,預計今年第三季正式推出。

-- gReader Pro 

重大科学突破越来越难以实现

重大科学突破越来越难以实现

https://www.solidot.org/story?sid=81413

重大科学突破可能正变得愈发难以实现。2023 年的一项数据分析显示,1945-2010 年间,虽然学术论文总量激增,但颠覆性论文的数量却并不多。换言之,科研投入的倍增并未带来相应水平的颠覆性成果。研究显示,1956-2020 年间,美国研发经费实际增长 11 倍,论文数量呈指数级攀升,但诺贝尔奖级别的突破却未见相应增长。是什么束缚了科学创新向前迈进的脚步?首先,科学家正沦为"表格填手"。荷兰一项研究发现,大学教授仅有不到 20% 的时间用于科研,其余精力都被行政事务、教学和经费申请占据。其次,学术生涯和资助结构僵化限制了研究者自由探索的空间。此外,"论文通胀"稀释科研质量。再次,知识壁垒日益高筑,创新难度与日俱增。最后,信息过载导致注意力涣散。在算法推荐和热点追逐中,科学家正陷入"信息茧房",可能错过那些冷门却具有颠覆潜力的研究方向。  科技日报: 《自然》:科学发现难度递增的趋势或已显现

-- gReader Pro 

Google引入用戶層級差分隱私,最佳化LLM微調效能與隱私

Google引入用戶層級差分隱私,最佳化LLM微調效能與隱私

https://ithome.com.tw/news/169246

Google發表針對大型語言模型微調過程,導入用戶層級差分隱私的最新研究。研究成果在於兼顧模型效能與用戶隱私的前提下,解決過去在大型模型訓練時執行用戶層級差分隱私(Differential Privacy)雜訊過多,導致模型表現受限的問題。 目前開發者在應用大型語言模型時,往往需微調模型提升效能表現,但這些應用大多涉及用戶資料,特別是金融、醫療或個人化推薦等對資料敏感度要求較高的場景。傳統差分隱私著重於單一樣本層級的保護,能降低單筆資料外洩的風險,但Google提到,當單一用戶貢獻多筆資料時,現有方法難以防止判斷用戶是否參與訓練。用戶層級差分隱私則進一步保障用戶隱私,讓攻擊者無法從模型推測特定用戶的資料是否被用於訓練。 Google團隊說明,相較於樣本層級差分隱私,用戶層級差分隱私在訓練過程中須注入更多雜訊,才能確保每位用戶的隱私,不過雜訊增加同時會降低模型學習能力,影響整體效能。此挑戰在大型語言模型等需要大量運算資源的訓練過程中更為明顯。過去用戶層級差分隱私大多應用於聯邦學習(Federated Learning)等分散式訓練場景,對於雲端資料中心大規模模型訓練,現有方法則面臨實作與效能的挑戰。 Google提出的新技術重點,在模型微調階段的用戶層級差分隱私最佳化策略,針對差分隱私隨機梯度下降訓練法進行調整。研究團隊比較樣本層級隨機抽樣(Example-Level Sampling,ELS)及用戶層級隨機抽樣(User-Level Sampling,ULS)兩種方法。這兩種方式均透過前處理限制每位用戶的最大樣本數,以降低單一用戶資料對模型的影響,然後進行後續訓練。 Google團隊發現過去對於應注入的雜訊量普遍高估,實際所需雜訊可大幅減少,有助於在不影響隱私保障前提增加模型訓練成效。此外,研究團隊提出用戶貢獻上限預先設定策略,協助開發者在訓練前就選定最佳參數,無需多次試錯,進一步降低資源消耗與訓練成本。 研究團隊在公開的StackOverflow與CC-News資料集上,以3.5億參數規模的Transformer模型進行測試。實驗結果顯示,在最佳化的用戶層級差分隱私方法,微調後模型效能優於未經微調的預訓練模型,而多數情境,ULS模式可取得較佳效能,僅於部分高隱私需求或運算資源有限的情況,ELS模式才具有競爭力。

-- gReader Pro 

Copilot代理深入整合Office擴充,統一開發工具加速辦公應用自動化

Copilot代理深入整合Office擴充,統一開發工具加速辦公應用自動化

https://ithome.com.tw/news/169201

微軟對Office Add-ins進行重大更新,重點在於Copilot代理與Office擴充功能的深度整合,並以統一開發工具Microsoft 365 Agents Toolkit強化辦公應用智慧化與自動化。此更新提升Word、Excel、PowerPoint等辦公軟體的智慧功能與自動化整合,簡化開發與部署流程。 過去Office Add-in多以傳統用戶界面為主,必須仰賴功能窗格或操作按鈕觸發功能,現在則可由Copilot代理直接以自然語言理解用戶需求,呼叫Add-in的各項專業功能。用戶在Office應用中僅需透過Copilot輸入指令或問題,即可啟動第三方擴充元件,無論是自動插入內容、進行資料分析,或串接企業內部資料來源,皆可用對話式方式完成。微軟表示,該設計旨在協助用戶以自然語言操作擴充功能,簡化自動化流程,提升日常辦公效率。 對開發者而言,統一描述檔(Manifest)與Microsoft 365 Agents Toolkit使Office各產品共用相同應用架構,開發者可使用單一程式碼,部署至Word、Excel、PowerPoint等應用,大幅降低維護與更新複雜度。新版開發工具Microsoft 365 Agents Toolkit整合API、測試與除錯等功能,提升開發流程一致性與效率,根據官方說明,系統管理員能透過統一部署與管理介面,設定擴充元件的安裝與存取規則。 本次更新也導入事件型自動啟動(Event-based Activation)概念,讓擴充元件能於文件開啟或建立時在背景自動執行。此設計減少使用者操作步驟,並可應用於自動化內容驗證、資料更新或法規檢查等場景,有助於提升辦公應用安全性與一致性。 微軟同步升級Office Add-ins相關API與功能,增強圖形物件處理、資料型別自訂與流程自動化等能力,讓開發者能打造更貼近企業需求的辦公自動化工具。新版統一的儲存與安裝管理機制,讓企業能以集中方式發布、部署並管理多款擴充元件,減少手動安裝或分散維護的困擾。整體而言,Office Add-ins與Copilot代理的結合,加上統一開發工具,讓企業與開發者能更有效率地跨多種Office應用推動自動化與智慧化。

-- gReader Pro 

Google行銷年會宣布十多年來最大廣告競價技術更新,不靠關鍵字只靠語意觸發競價,也能用AI替廣告主競價冷門關鍵字廣告

Google行銷年會宣布十多年來最大廣告競價技術更新,不靠關鍵字只靠語意觸發競價,也能用AI替廣告主競價冷門關鍵字廣告

https://ithome.com.tw/news/169178

今年行銷年會Google Marketing Live中,Google延續力推AI驅動廣告業務的策略,宣布許多用生成式AI和AI相關的功能。其中,包括近月備受廣告主矚目的AI Overviews等AI驅動搜尋相關做法和產品,以及他們稱為「10多年來最大廣告競價技術躍進」的AI搜尋廣告相關功能。 AI之外的另一大焦點則是YouTube廣告相關新功能。聯網電視(CTV)是數位廣告業界當下最愛的新興行銷通路,Google近2至3年來亦不斷強調,許多家庭會在自家大螢幕上觀賞YouTube,因此也算高品質、高成效、高廣告費的CTV通路。今年,他們更強調自家YouTube上的短影音Shorts,能觸及許多觀眾,是Tiktok、Meta等其他短影音通路所接觸不到。 AI類搜尋功能將新增更多廣告版位 首先,Google宣布將擴大經營AI類搜尋功能的廣告業務,包括以圖搜圖功能Google Lens、搜尋結果頁面的AI摘要功能AI Overviews,以及深度對話式搜尋功能AI Mode。他們表示,截至今年5月底,Lens已經有1千億次搜尋,其中有20%是具有購物意願的搜尋,蘊含龐大商機。去年,他們已經在Lens及行動版AI Overviews中加入廣告版位。 今年,他們更拓展廣告版位到桌面端AI Overviews,並開始於AI Mode介面中置入廣告。Google表示,在AI Mode中,使用者通常會用更長的句子來搜尋,並持續與聊天機器人互動。從這些輸入中,系統可以更詳細了解使用者喜好與潛在購買意圖。  對廣告主而言,這意味著有新的流量集散地,可以分配行銷預算。不過,對於希望導流到自家網站的網站主和SEO人員來說,Google把AI搜尋功能視為新營利手段,意味著0點擊(Zero-click)搜尋情況,也就是使用者搜尋完只看AI摘要,不點進網站的搜尋情境,將會持續加劇。 關鍵字廣告更加智慧化,可以靠AI自動競標冷門關鍵字,更能直接靠語意而非關鍵字來競標廣告 Google廣告商品線中最大宗的關鍵字搜尋廣告迎來重大更新。5月初,Google才推出搜尋廣告業務中的AI工具AI Max for Search campaigns。月底行銷年會上,他們又宣布在此工具推出兩大新功能。 這兩大新功能,都可以與既有關鍵字競標模式Broad Match相比較。Broad Match運作方法是,當使用者搜尋與廣告主設定關鍵字語意相近的字詞時,就會觸發競標。例如,當使用者搜尋「健身教練推薦」,可能會出現關鍵字清單中含有「私人健身教練」的廣告。這是Google關鍵字廣告預設競標模式。 如今,Google指出,隨著搜尋內容不再只是關鍵字,而是包含長語句、圖像,甚至互動式對話,行銷人員很難人工建立廣告活動或挑選關鍵字清單。AI Max的兩大新功能,正是分別根據語意和情境,進一步拓展自動替廣告主競標廣告的情境。 首先是根據語意而非關鍵字來觸發競標的Keywordless Targeting。運作模式是,系統會從品牌的入口頁、現有廣告,甚至是關鍵字清單中學習,推測品牌銷售的內容以及應該在什麼情境下投放廣告。廣告主可以一鍵式選擇開啟此功能,直接套用於既有搜尋廣告上。 舉例來說,假設今天有使用者搜尋「適合大家庭的電動SUV」,即便Volvo並未設定這組字詞為投放條件,AI Max系統仍能讓Volvo的廣告出現在搜尋結果頂部。不只如此,Google還強調,AI Max會結合使用者輸入字詞背後意圖,與品牌既有網站內容與創意素材中,來即時生成一個對應這組查詢、具備客製化文字的廣告文案。  第二個則是Google稱為十多年來最大競價技術躍進的Smart Bidding Exploration。此功能利用AI來根據品牌和商品相關情境,自動探索冷門關鍵詞來競標,以求在顧及行銷成效同時,壓低關鍵字競標的成本。 相較於Broad Match是在關鍵詞語意相近時,觸發廣告競價,Smart Bidding Exploration選擇的關鍵字,甚至可能與廣告主預設關鍵字清單內容毫無關聯,而是AI根據商品情境判斷可能觸及潛在品牌受眾的關鍵字。此功能於去年11月開始測試版,如今正式推出。 另一個搜尋廣告相關更新是,Google開始在搜尋結果頁面及Google Shopping頁面中測試影片廣告。 Google提醒,隨著搜尋形式更加多模態,如今SEO應該注重多媒體內容,在影片和圖片內容下功夫。尤其,Google近一年不斷嘗試呈現更多元化的搜尋結果形式,背後都需要從網站內容中自動提取多媒體素材來製作。 強調YouTube既有長處,升級新客獲取相關功能並翻新創作者合作平臺 Google強調,YouTube作為全球最大影音平臺,靠廣告來獲取品牌新客的效果尤其強大。今年,他們開始用更先進的模型,從全Google通路來分析使用者旅程,以強化辨認品牌潛在新客戶的能力。並且,在廣告投放後臺中,新增可以排除已認識特定品牌受眾的選項,來進一步增強獲取新客效果。 他們也推出全通路品牌行銷成效追蹤功能。廣告主可以從後臺追蹤受眾於Google不同通路中,與自家品牌相關的行為。例如,在YouTube上看到有興趣的品牌廣告,再回到Google搜尋相關商品。 另一個更新是在YouTube廣告中新增CTV的購物廣告格式。Google表示,如今許多YouTube觀眾會在家庭中的電視螢幕觀看影片,同時手中拿著手機。這類廣告支援觀眾直接透過廣告在CTV上購物,或是透過掃描QR Code,用手中的手機來購物。 最後,他們翻新Creator Partnership Hub,廣告主可以搜尋與自家商品主題相關的YouTube創作者,並瀏覽創作者的行銷相關數據、合作價格等資訊。  用生成式AI和代理式AI強化廣告後臺系統 Google Ads和Merchant Center將迎來多個GenAI和Agentic AI相關更新。 第一大類是用GenAI協助行銷素材創作及行銷策略優化。 Google宣布,Google Ads中推出Asset Studio,一個生成式AI素材創作及編輯平臺,利用Veo和Imagen等影音模型,可以進行圖文編輯、圖片轉影片、影音尺寸調整,以及用AI拓展動靜態影像的背景內容等功能。 另外,未來在Google Ads跟Merchant Center裡面,可以根據品牌商品資料和時下趨勢來推薦行銷商品、文案、建議價格等細節,並讓廣告主一鍵執行後,追蹤、A/B測試的功能。Merchant Center中,則新增跨通路影片管理介面,其中有AI推薦影音行銷優化方向的功能。 第二大類,則是可以根據當下情境及資料,更加主動提供廣告主協助的AI代理功能。 首先是預計今年年底推出的Marketing Advisor。這是一個AI代理,在Chrome Browser中以一個聊天機器人視窗的形式呈現。此AI代理可以在行銷人員不同工作階段提供協助,還可以自動找到Google Ads不同設定上的錯誤,自動修正後追蹤、回報。  Google還宣布兩個沒有揭露預計推出時間的AI代理。在Google Ads,Google計畫推出可以主動建議廣告關鍵字、受種圈選方法、行銷素材選擇的AI代理;在Google Analytics,則要推出主動提供數據趨勢分析和洞察和製作報表的AI代理。 今年年會中,Google還宣布推出Commerce Media Suite,讓零售業者可以利用自家第一手資料和品牌合作投放廣告。Google沒有詳細介紹此功能,但與去年開始在Search Ads 360測試的功能類似。另外,Google Ads跟Google各種行銷平臺的行銷資料API整合成一個Data Manager API,讓MarTech廠商及廣告主從不同資料來源存取行銷相關資料時更容易。

-- gReader Pro 

Phi-4多模态大模型 VS 白宫吵架录音,能识别成功吗?

Phi-4多模态大模型 VS 白宫吵架录音,能识别成功吗?

https://www.youtube.com/watch?v=RIlbhip5xOc

好的,以下是影片的摘要,以多段落形式呈現:開場與模型介紹影片的開頭,主持人熱情地向觀眾打招呼,並宣告這是一個關於AI開發的頻道。在先前的影片中,他們介紹了微軟的 Phi-4 Multimodal instruct 多模態大模型,並提到這個模型在語音識別方面的優異表現。主持人回顧了該模型在語音識別排行榜上的進步,顯示其平均錯誤率低於英偉達的 Canary 模型。挑戰目標:澤倫斯基與川普的吵架為了驗證Phi-4模型的實力,主持人決定挑戰它來識別澤倫斯基與川普的吵架語音片段。主持人解釋了這個挑戰的難度,指出川普在吵架時的特點是頻繁打斷對方,這對AI語音識別來說是極大的考驗。實驗準備與方法主持人首先從YouTube上下載了澤倫斯基與川普吵架的影片,並使用FFmpeg提取了音頻文件。由於原始音頻長度為4分53秒,超過了模型單次處理的限制,因此主持人使用silero_vad工具將音頻分割成多個片段。為了進行比較,主持人同時使用了OpenAI最強大的語音識別模型——Whisper large v3。模型處理與時間主持人展示了使用Whisper large v3模型的程式碼,並說明其處理速度相當快,在約30秒內完成了整個4分53秒音頻文件的處理。接著,主持人使用Phi-4模型進行處理,程式碼也已經準備就緒。由於Phi-4模型的參數量是Whisper的三倍,處理速度相對較慢,約耗時70秒。結果比較:Whisper vs. Phi-4主持人開始比較兩個模型的識別結果。他說明了比較的方式,並承諾在影片的結尾將兩個模型的字幕嵌入到原始吵架影片中供觀眾自行比較。主持人指出,由於吵架語音的複雜性,語音識別的難度很高,但兩個模型都取得了一定的成果。兩種主要問題與模型表現主持人分析了兩個模型在識別過程中遇到的主要問題,包括:1. **語音遺失:** 模型未能識別出實際存在的語音內容。例如,澤倫斯基連續說了三次 "what",但Whisper模型並未識別。Phi-4在這一點上表現較好,遺失的語音片段較少。2. **幻覺問題:** 模型輸出了實際上並未出現在原始語音中的內容。例如,在澤倫斯基被川普打斷後,Whisper模型仍然繼續輸出了額外內容。Phi-4模型在避免幻覺方面表現更佳。主持人強調,幻覺問題是大語言模型和多模態模型中常見的問題,而Phi-4在解決這個問題上表現出色。整體評估與結論除了上述兩類問題外,主持人也提到了某些識別結果難以判斷的情況,因為吵架內容非常激烈,有些地方很難確定具體應該識別成什麼。總體而言,主持人認為 Phi-4 模型在語音識別方面優於 Whisper large v3 模型。Phi-4 模型能夠更準確地按照語音內容進行識別,而 Whisper 模型則更容易產生幻覺問題。結尾呼籲主持人總結了兩個模型的比較結果,並鼓勵觀眾觀看影片結尾嵌入字幕的原始吵架影片,以便更直觀地體驗模型的表現。最後,主持人呼籲觀眾點讚、分享並訂閱頻道。================================================AI开发前途无限。欢迎来到AI开发者的频道。前面的视频呢。我们介绍了微软的Phi-4 Multimodal instruct。多模态大模型。前面我们讲过。这个模型。在语音识别上的性能是相当的不错的。上个视频我们发布的时候呢。这个排行榜还没有更新。这样你可以看到这个排行榜。已经更新了。平均的误识率呢是6.14。要低于英伟达的这个canary的这个模型。那既然这个模型这么强呢。所以我今天。就想用它来做一个挑战。我准备试一下这个模型。看看它能不能识别。泽连斯基在美国白宫。与川普吵架的语音。不知道最近。你有没有看过。泽连斯基与川普吵架的视频。川普吵架的能力。那绝对是一流的。那不管对方在说什么。反正川普呢就是总是想办法打断对方。所以这种吵架的语音部分。对于AI语音识别来说呢。也是非常的困难。那下面呢。我们就来试试。看看这个微软号称最强的Phi4模型。看看他能做到什么程度。首先呢。我在油管上呢找到了一个视频。然后呢。我先将这个音频文件呢下载下来。这里我使用这个yt-dlp这个工具。直接呢从油管上呢。先把这个视频下载下来。然后呢。再用Ffmpeg将这个视频中的语音呢。提取出来。泽连斯基与川普吵架的这部分。视频的总长度呢。是4分53秒。快字模型与whisper模型呢是一样的。单次呢他只能处理30秒的语音。所以呢这里需要我们。自己对这个语音呢进行拆分。这里呢我使用这个silero_vad这个工具呢。对语音呢进行一下拆分。然后呢是保存这些切分后的语音文件。为了做对比呢。这次呢我还使用了这个open AI的。最强的语音识别模型。也就是whisper large v3。也来识别一下这些语音。这边呢。是我准备的这个使用whisper large V3的代码。首先呢这一部分是导入模型。然后呢。就是读取我们前面切分好的语音片段。分别进行处理。我们可以看到这个处理的速度呢。还是挺快的。这个语音的文件长度呢为4分53秒钟。最后。使用这个whisper large V3模型处理完呢。一共用了大约30秒钟。然后我们再来使用这个phi4模型。来处理一下。首先呢也是把模型导入。然后呢就是设置相关的提示词。这部分呢也是处理前面准备好的语音。这个速度呢比whisper是要慢一些的。主要原因呢是这个模型的参数量呢。是whisper模型的三倍。我们可以看到。差不多呢是用了70秒钟才处理完成。好下面我们就来比较一下这个结果。左边呢是whisper的结果。右边呢是phi4的结果。首先呢。先给大家介绍一下我比较的一些情况。在这个视频的最后呢。我会把这两个字幕呢。再嵌入到这个吵架的视频当中。大家呢可以自己再去对比一下。我比较了这两个识别结果呢。与这个语音。然后呢对一些错误呢做了一些标记。整体上来说呢。这个吵架的语音识别难。度还是挺大的。这两个模型。识别的还算可以。这里面呢。主要有两类问题。其中一类问题呢。就是丢失。也就是本来是有语音的。但是呢没有识别出来。比如这个位置。这里呢泽连斯基呢。连续说了三个what what what。但是呢我们可以看到whisper模型。并没有识别这三个what。另外呢这一部分 JD you speaking about呢。phi4模型呢。也没有识别出来。这三个what呢。不识别呢。还可以说得通的话呢。但是phi4丢失的这一部分呢。还是应该被识别出来的。整个识别结果中呢。whisper呢大约有7处丢失的地方。而Fi四模型呢。只有5处。从这个问题点上来看呢。这个phi4的模型。比whisper呢是要好一些的。第二类问题呢。就是幻觉问题。这里所谓的幻觉呢。就是这个语音文件当中。并没有讲这部分内容。但是模型呢。却输出了内容。比如说这个but if you。之后呢泽连斯基呢。就被打断了。但是whisper模型呢。还是继续输出了一些内容。我们可以看一下phi4模型。它并没有输出额外的内容。这个幻觉问题。在这个whisper模型当中呢。它出现了7次。但是这个phi4模型。并没有出现这类问题。目前我们常见的大语言模型。或者说基于大语言模型的多模态模型。幻觉问题。其实是一个非常常见的问题。大家呢也在努力的去解决这个问题。从这个结果对比来看呢。phi4模型。在这个方面做。的还是挺不错的。除了上面两类问题。还有一些识别的结果是挺难判断的。这个吵架吵的的确是太凶了。有很多地方具体该识别成什么。我也说不好。比如说这个第23段这个语音。whisper是直接放弃识别了。但是phi4呢。依然坚持输出。那大体上。看起来还可以。整体比较下来的感觉呢。phi4是要强于这个whisper large V3的模型的。从语音识别的角度来看呢。phi4模型呢。它是可以比较好的。按照这种语音中的内容进行识别。相对应的呢。whisper模型。就会经常产生一些幻觉的问题。好以上呢。就是这两个模型的比较。最后一部分视频呢。就是我讲这两个识别结果。都嵌入到了三位总统吵架的视频里。大家呢可以体会一下。看完之后呢。也别忘了一键三连。  ==== https://www.youtube.com/watch?v=RIlbhip5xOc今天,我们用微软Phi-4大模型来挑战一个特殊任务——识别白宫的一段激烈争吵录音。这款AI语音识别能力到底有多强?它能准确还原内容吗?

-- gReader Pro 

2025年6月14日 星期六

【人工智能】Meta发布最新世界模型V-JEPA 2 | Yann LeCun亲自介绍 | 理解物理世界 | 规划行动 | JEPA架构 | 性能大幅提升 | 两个训练阶段 | 三个新基准测试

【人工智能】Meta发布最新世界模型V-JEPA 2 | Yann LeCun亲自介绍 | 理解物理世界 | 规划行动 | JEPA架构 | 性能大幅提升 | 两个训练阶段 | 三个新基准测试

https://www.youtube.com/watch?v=Ugt_csv4Lkg

值得閱讀的理由了解 Meta 最新推出的 V-JEPA 2 世界模型,及其在AI領域的意義。掌握世界模型的概念,以及它如何提升機器對物理世界的理解與規劃能力。一窺 V-JEPA 2 在多項基準測試上的優異表現,特別是在機器人控制與動作預測方面。認識 Meta 為評估 AI 物理世界理解能力而發布的三項新基準測試。摘要最近,Meta 在AI領域動作頻頻,作者提到他們不僅組建「超級智能團隊」追求AGI,更推出了基於影片訓練的世界模型 V-JEPA 2,旨在實現最先進的環境理解與預測能力。Meta 的目標是實現能夠像人類一樣認知世界、規劃陌生任務並高效適應環境的高級機器智能 (AMI)。Meta 的首席 AI 科學家 Yann LeCun 親自出鏡介紹了世界模型的重要性。什麼是世界模型?根據 Yann LeCun 的介紹,世界模型是一種現實的抽象數位分身,AI 可以參考它來理解世界並預測自身行為的後果。與理解語言不同,世界模型讓機器能夠理解物理世界,並且能夠在不需要數百萬次試驗的情況下規劃行動路線來完成任務。作者提到這種推理和規劃的能力影響廣泛,例如可以幫助視障人士、在混合現實中提供指導、使教育更個性化,對於自動駕駛汽車和機器人等自主系統也至關重要,將開啟機器人技術的新紀元。這次發布的 V-JEPA 2 擁有 12 億參數,基於聯合嵌入預測架構(JEPA)建構,並在 V-JEPA 的基礎上進一步提升了動作預測和世界建模的能力。在 Meta 放出的幾個示例中,V-JEPA 2 展示了對世界的理解能力,結合語言建模可提供卓越的運動理解及領先的視覺推理(例如專業解讀跳水動作),以及預測下一步會發生什麼的能力(例如預測開關冰箱、拿瓶擠壓瓶子等一系列動作)。V-JEPA 2 的性能表現在性能方面,V-JEPA 2 相比之前的最优模型展示出多方面的大幅提升。在基於影像目標的規劃與機器人控制方面,它在 Reach 基準達到 100%,Grasp 基準達到 45%(遠超 Octo 的 8%),Pick-and-place 達到 73%(遠超 Octo 的 13%),顯著增強了機器人抓取和放置能力。在預測方面,Epic-Kitchens-100 動作預測任務得分 39.7% 高於之前的模型。在理解方面,Something-Something v2、Diving48、感知測試及 MVPBench 等基線測試中,V-JEPA 2 的得分均優於之前最佳模型,整體上展現了更強的多模態處理和任務執行能力。V-JEPA 2 的技術創新與訓練作者進一步說明了 V-JEPA 2 的技術細節,其包含編碼器和預測器兩個主要組件,並使用了基於影片的自監督學習進行訓練,無需額外人工標註。訓練分為兩階段:第一階段是無動作預訓練,使用了超過 100 萬小時的影片和圖片,幫助模型了解世界運作方式。第二階段是動作條件訓練,僅使用了少量 (62 小時) 機器人數據,將動作資訊整合到訓練中,讓預測器學會考慮具體動作進行預測,從而可用於控制。零樣本機器人規劃能力Meta 還展示了如何用 V-JEPA 2 進行零樣本機器人規劃,即便在新環境中涉及的物體在訓練階段從未見過。他們使用開源數據集訓練,直接部署到 Meta 實驗室的機器人上。對於短期任務(如夠到或拿起物體),通過指定影像目標,模型會想像一系列候選動作的後果並根據與目標接近程度進行評分,控制機器人逐步接近目標。對於長期任務(如拿起放置),則指定一系列視覺子目標。通過這些視覺子目標,V-JEPA 2 在新環境中放置新物體的成功率達到 65% 到 80%。Meta 發布的新基準測試除了 V-JEPA 2 模型,Meta 還發布了三個新的基線測試,用來評估模型從影片中理解和推理物理世界的能力。這三個測試包括衡量區分物理合理與不合理場景的 IntPhys 2、透過多項選擇題衡量物理理解的 MVPBench,以及關注因果關係理解的 CausalVQA。測試結果顯示,人類表現優異,但包括 V-JEPA 2 在內的頂級模型與人類表現之間仍存在顯著差距,尤其是在預測物理世界可能如何演變方面。Meta 的未來計劃在 Meta 的官方部落格中,他們也指出了下一步計劃。首先是進一步探索世界模型,專注訓練能跨多個時間和空間尺度進行學習、推理和規劃的分層 JEPA 模型。另一個重要方向是開發能利用多種感官(視覺、聽覺和觸覺)進行預測的多模態 JEPA 模型。================================================大家好,这里是最佳拍档,我是大飞。最近,Meta可以说是动作不断。前些天刚刚有外媒曝出。扎克伯格正在组建一个名为「超级智能团队」的专家团队。想要实现通用人工智能AGI。并且开出了 9 位数的薪酬为团队吸纳人才。紧接着又传出要以149亿美元。折合人民币大约1066亿元的价格。收购Scale AI 49%的股权。而就在刚刚,Meta 又有了新的动作。那就是推出了基于视频训练的世界模型 V-JEPA 2。它能够实现最先进的环境理解与预测能力。并且在新环境中完成零样本规划与机器人控制。Meta 表示。他们在追求高级机器智能AMI的目标过程中。关键在于开发出能像人类一样认知世界、规划陌生任务的执行方案。并且能够高效适应不断变化环境的 AI 系统。而且。这次Meta的首席 AI 科学家 Yann LeCun 亲自出镜。向大家介绍世界模型与其他 AI 模型的不同之处。今天。我们就来结合Meta官方发布的内容。来看看这个V-JEPA 2究竟有什么特点。根据视频中杨立昆的介绍。世界模型是一种现实的抽象数字孪生。AI 可以参考它来理解世界。并且预测自身行为的后果。与理解语言不同的是。世界模型让机器能够理解物理世界。并且能够规划行动路线来完成任务。而无需进行数百万次的试验。因为世界模型提供了对世界运行方式的基本理解。这种推理和规划的能力将会带来广泛的影响。比如。它可以用来帮助视障人士、在混合现实中为复杂的任务提供指导、让教育变得更加个性化。甚至可以理解代码对程序状态和外部世界的影响。此外。世界模型对于自动驾驶汽车和机器人等自主系统。也至关重要。它将开启机器人技术的新纪元。让现实世界中的 AI Agent。能够在不需要大量机器人训练数据的情况下。帮助完成家务和体力劳动等任务。这次发布的V-JEPA 2 拥有 12 亿的参数。基于联合嵌入预测架构JEPA构建。在此之前,JEPA 架构已经被证明了。在处理图像和 3D 点云等多模态方面有出色的表现。V-JEPA 2在V-JEPA 的基础上。进一步提升了动作预测和世界建模的能力。使得机器人能够通过与陌生物体和环境的交互。来完成任务。在Meta放出的几个示例中。我们可以看到V-JEPA 2的几项特殊能力。首先是它开启了对世界的理解。通过与语言建模相结合。V-JEPA 2 可以提供卓越的运动理解。以及领先的视觉推理能力。当视频中的人跳向水面的时候。V-JEPA 2 给出了"向前。1.5 周空翻,无转体"这样的专业解读。其次。V-JEPA 2能够预测下一步会发生什么。也就是可以预测世界将如何发展。在示例中。V-JEPA 2仅凭演示人员当前做的动作。就可以预测打开冰箱、拿瓶子、关上冰箱、挤瓶子等一系列的动作。在性能方面。V - JEPA 2相比之前的最优模型。展示出了多个方面的大幅提升。首先在基于图像目标的规划与机器人控制方面。对于Reach到达基准。V - JEPA 2和之前最优的Octo模型。都可以达到100%,这说明在让机器人执行"到达"任务时。表现完美而且稳定。对于Grasp抓取基准。V - JEPA 2达到了45%,远超之前Octo的8% ,进步显著。意味着V - JEPA 2能够更精准、有效地完成抓取动作。对于Pick - and - place。拾取与放置基准。V - JEPA 2 73%的成绩相较于之前Octo的13% ,更是飞跃性的提升。这说明V - JEPA 2能让机器人在执行拾取和放置操作的能力变强。从而在自动化操作等场景中变得更可靠。在预测(Prediction)方面。V - JEPA 2在Epic - Kitchens - 100动作预测任务中。得分为39.7% ,高于之前PlausiVL的27.6% ,这说明对厨房场景中动作的预测能力有所提升。有助于理解人类的行为序列、辅助智能交互等等。在理解(Understanding)方面。在Something - Something v2 动作识别基准上。V - JEPA 2得分为77.3%,比之前最佳模型的69.7% 高出7.6。说明对这类动作的识别更加准确。有利于视频内容理解、行为分析。在Diving48 潜水相关动作识别 基准上。V - JEPA 2 90.2%的得分也高于之前的86.4%。在感知测试基准上。V - JEPA 2 84.0%的得分略高于之前PerceptionLM的82.7% ,视觉感知能力略有进步。在MVPBench基准上。V - JEPA 2 44.5%的得分也优于之前InternVL-2.5的39.9% ,说明多模态融合理解等能力也有所提升。从基准测试中我们可以看出,整体上。V-JEPA 2在机器人控制、动作预测、行为理解等多任务中。对比之前的最优模型大多都有明显性能提升。展现出了更强的多模态处理和任务执行能力。从而在机器人应用、视频理解等领域。有更好的潜力与表现。那么。V-JEPA 2 具体都做了哪些创新呢?在V-JEPA 2的论文中。具体介绍了V-JEPA 2的两个主要组件。分别是编码器和预测器。其中。编码器用来接收原始的视频并且输出嵌入信息。这些嵌入信息能够捕捉世界状态的语义信息。而预测器,用来接收视频嵌入信息。以及关于预测内容的附加上下文。并且输出预测后的嵌入信息。在训练过程中。Meta 还使用了基于视频的自监督学习。来训练 V-JEPA 2。这样就无需额外的人工标注。即可在视频上进行训练。V-JEPA 2 包含了两个阶段。分别是无动作预训练阶段。以及后续的动作条件训练阶段。在第一阶段,也就是预训练阶段中。Meta 使用了超过 100 万小时的视频和 100 万张图像。这些丰富的视觉数据。有助于模型深入了解世界的运作方式。包括人与物体的交互方式、物体在物理世界中的移动方式。以及物体与其他物体的互动方式。仅仅经过预训练。Meta 就发现模型已经展现出了与理解和预测相关的关键能力。例如。通过在冻结编码器和预测器特征的基础上。训练注意力读出(read-out)模型。V-JEPA 2 在 Epic-Kitchens-100 动作预测任务中。创造了新的最高纪录。这个任务可以根据以自我为中心的视频。来预测未来 1 秒钟将执行的动作。最后。Meta将 V-JEPA 2 与语言模型相结合。从而在视频问答基准上也实现了最先进的性能。在第一阶段之后。模型已经能够预测世界状态的可能演变了。然而。这些预测还并没有直接考虑Agent将采取的具体行动。因此,在训练的第二阶段。Meta 专注于利用机器人数据。包括视觉观察和机器人正在执行的控制动作。来提升模型的规划能力。通过向预测器提供动作信息。Meta 将这些数据整合到了JEPA 的训练流程中。在使用这些额外数据进行训练后。预测器学会了在进行预测时考虑具体的动作。然后就可以用来进行控制。第二阶段的训练不需要大量的机器人数据。仅仅使用了 62 小时的机器人数据进行训练。就能够构建出一个可以用来规划和控制的模型。Meta 还展示了如何用 V-JEPA 2 来进行零样本的机器人规划。而且这些新环境中涉及的物体。在训练阶段从来没有见过。与其他机器人基础模型。通常需要部分训练数据来自于模型部署的具体机器人实例和环境不同。Meta 使用了开源的 DROID 数据集对模型进行了训练。然后直接将它部署到 Meta 实验室的机器人上。从而证明了 V-JEPA 2 的预测器可以用在基础任务上。比如够到物体、拿起物体。并将它放到新的位置上。对于短期任务。比如拿起或者放置物体。Meta 会以图像的形式指定目标。他们使用 V-JEPA 2 的编码器。来获取当前状态和目标状态的嵌入向量。再从它观察到的当前状态出发。机器人通过预测器来想象采取一组候选动作的后果。然后根据这些动作与期望目标的接近程度。对候选动作进行评分。在每个时间步。机器人会通过模型预测来控制重新规划。并且执行评分最高的下一个动作。从而逐渐接近目标。对于长期任务来说。比如拿起物体并将它放置到正确的位置。他们指定了一系列的视觉子目标。机器人会按照顺序尝试实现这些子目标。类似于人类观察到的视觉模仿学习。通过这些视觉子目标。V-JEPA 2 在新环境和未知环境中。放置新物体的成功率达到了 65% 到 80%。除了V-JEPA 2模型以外。这次Meta 还发布了三个新的基准测试。用来评估现有模型从视频中理解和推理物理世界的能力。测试结果表明。人类在这三个基准测试中的表现都非常出色。准确率可以做到在 85% 到 95% 之间。但是包括 V-JEPA 2 在内的顶级模型。与人类的表现之间仍然存在着显著差距。这表明模型还需要在这些方向上进一步改进和提升。第一个基准测试IntPhys 2。专门用来衡量模型区分物理合理场景和不合理场景的能力。基于早期的 IntPhys 基准测试进行了构建和扩展。设计 IntPhys 2 的方式。类似于发展认知科学家评估年幼人类。什么时候获得直觉物理能力的方法一样。即通过「违背预期」的范式。他们通过游戏引擎生成视频对的方式。来实现这一点。其中两个视频在某个时间点之前完全相同。然后其中一个视频中发生了违反物理规律的事件。模型必须识别出哪个视频中发生了违反物理规律的事件。尽管人类在各种场景和条件下。几乎都能够完美完成这项任务。但是当前的视频模型表现。仅能接近随机水平。第二个基准测试,MVPBench。它通过多项选择题来衡量视频语言模型的物理理解能力。与其他的视频问答基准测试不同。MVPBench 的目的是减少视频语言模型中常见的捷径解决方案。比如依赖于表面的视觉。或者文本线索和偏见。MVPBench 中的每个示例都有一个最小的变化对。比如一个视觉上相似的视频。以及相同、但是答案相反的问题。为了正确回答其中的一个问题。模型还必须正确回答它所对应的最小变化对。第三个基准测试是CausalVQA。它的目的是关注模型对物理世界视频中因果关系的理解。包括反事实。比如如果怎样 会发生什么、预期。比如接下来可能会发生什么。以及计划。比如为了实现目标应该采取什么样的行动。Meta 发现。虽然多模态模型越来越能够回答视频中发生了什么样的问题。但是它们仍然难以回答本可以发生什么。和接下来可能会发生什么的问题。这表明在预测物理世界在给定动作和事件空间的情况下。可能会如何演变的方面。模型的表现与人类存在着巨大差距。在Meta的官方博客中。也指出了Meta 下一步会做什么。首先Meta 计划在多个领域进一步的探索世界模型。目前。V-JEPA 2 能够在单一时间尺度上进行学习和预测。然而。许多任务是需要跨多个时间尺度进行规划的。比如将一个高级任务分解成更小的步骤。Meta 希望专注在训练。能够跨多个时间和空间尺度进行学习、推理和规划的分层 JEPA 模型。另一个重要方向是多模态 JEPA 模型。这些模型能够利用多种感官进行预测。包括视觉、听觉和触觉。好了。以上就是这次Meta V-JEPA 2模型发布的主要内容了。相关的资料我会放到视频简介中。希望能对大家有所帮助。感谢观看本期视频,我们下期再见。  ============= https://www.youtube.com/watch?v=Ugt_csv4Lkg⭐️【官方商店 | 购买同款T恤】:https://go.bstp.hk/t-shirts刚刚,Meta 推出了基于视频训练的世界模型 V-JEPA 2,它能够实现最先进的环境理解与预测能力,并且在新环境中完成零样本规划与机器人控制。Meta 表示,他们在追求高级机器智能AMI的目标过程中,关键在于开发出能像人类一样认知世界、规划陌生任务的执行方案,并且能够高效适应不断变化环境的 AI 系统。今天,我们就来结合Meta官方发布的内容,来看看这个V-JEPA 2究竟有什么特点。https://ai.meta.com/blog/v-jepa-2-world-model-benchmarks/https://ai.meta.com/vjepa/https://arxiv.org/pdf/2506.09985

-- gReader Pro 

教AI學會上網搜索!阿里MaskSearch框架讓小模型大進化

教AI學會上網搜索!阿里MaskSearch框架讓小模型大進化

https://www.facebook.com/1196130575859670/posts/1211145457691515

如果AI遇到不知道的問題時會主動上網搜索、分析資料,然後給出準確答案,這該有多棒?🤔 阿里的研究團隊開發了AI預訓練框架,MaskSearch,採用兩階段訓練法:先讓AI學會搜索技巧,再應用到實際任務。⚙️ 第一階段,系統透過給AI出「填空題」來訓練。他們從維基百科中挖掉重要資訊,AI不能靠猜測填空,必須去網路上搜索正確答案!🧩 在此過程中,AI學會三個關鍵技能:拆解問題、設計有效的搜索關鍵字、組合搜索資訊得出答案。🎯 🛠️ 研究設計兩套訓練方法: 監督式學習(SFT) - 讓三個AI互相配合:規劃師制定搜索計畫、改寫師優化關鍵字、觀察員檢查結果,用這些「標準流程」教導AI。 強化學習(RL) - 讓AI自己嘗試,做對給獎勵、做錯扣分,讓AI自主摸索出最佳策略。 完成搜索技能特訓後,AI在第二階段學習將搜索能力應用到具體任務上。🔄 實驗結果相當驚人!經過MaskSearch訓練的1.5B模型,表現竟能與7B模型不相上下。更重要的是,這些AI連面對全新類型問題時也能發揮出色,在跨領域測試中,有些任務準確率提升超過15%!​​​​​​​​​​​​​​​​🚀 (Feed generated with FetchRSS)

-- gReader Pro 

如何跟 AI 合作挑戰原本我不會做的事?我用 AI 設計實境解謎遊戲,案例分享

成果報告就做的像是這樣吧


如何跟 AI 合作挑戰原本我不會做的事?我用 AI 設計實境解謎遊戲,案例分享

http://www.playpcesor.com/2025/06/ai-ai.html

這篇文章,分享一個我近期完成的有趣、生活化 AI 應用案例。許多朋友會問我,現在 AI 工具這麼多,要完成一個任務時,要如何選擇搭配不同的 AI 工具,又怎麼進行 AI 輔助的工作流程呢?這個例子也給了我自己許多啟發,與後續跟 AI 一起完成任務的參考。最近幫小孩設計了一個生日禮物尋寶解謎遊戲,這是一個「額外工作」,我之前也「沒有類似經驗」,透過 AI 輔助來設計,只花了一點點時間,但最終成果讓孩子享受到新鮮的遊戲樂趣。我覺得是一次很棒的 AI 協作經驗,讓 AI 幫助自己完成「以前無法輕易做到的成果」,所以寫成一篇文章,跟大家分享這段與 AI 合作的過程。之前到許多博物館參觀時會玩裡面的實境解謎遊戲,提供一本解謎本,上面謎題引導你到各種環境設施,結合現場物件與故事,利用像是數字、推理、拼圖、知識等等謎題,解開一個一個暗號,最後拼湊出一個最終謎底。小孩玩得很開心,大人也覺得有趣。今年小孩生日前,許願希望自己獲得生日禮拜的方式,可以變成一個「實境解謎」遊戲,於是我決定讓 AI 輔助,合作設計看看,下面就是我跟 AI 協作的流程。1. 利用 Deep Research、文章摘要,讓 AI 「轉化成」設計遊戲專家我有一個目前反覆使用(並且覺得很有效)的 AI 工作流程是(延伸閱讀:如何用 AI 工具提升工作效率?三個關鍵步驟讓生成結果更精準有效):要讓 AI 做一個專業、複雜的任務前,先讓 AI 學會這個任務的資料、理論與工作邏輯。例如我想讓 AI 幫我設計一個適合小孩生日派對中遊玩的實境解謎遊戲,我先讓 AI 去學習實境解謎遊戲相關的知識、方法與案例, AI 學會後,才開始輸出遊戲設計,而這可以「明確的讓 AI 生成品質更好的任務輸出結果」。我利用 ChatGPT Deep Research 功能(尤其 o3 搭配 Deep Research 的效果更具體、深入與嚴謹),先請 ChatGPT 針對「實境解謎遊戲」的遊戲邏輯、設計技巧、台灣具體案例,做一番深入的資料探索研究,寫成一份數千字的研究報告。這個過程,我認為就是「讓 AI 學習這個專案需要的知識與邏輯」的流程。更進一步的,我從深度研究找到的參考資料中,找出兩篇我認為更符合自己需要的文章(例如有一篇是親子實境解謎遊戲的 25 種設計技巧與案例),請 AI 再深入的讀一遍,進行摘要。這裡同樣是引導 AI 根據我的專案需求去進行「學習」的過程。(延伸教學:讓 AI 成為閱讀助手, ChatGPT 摘要、翻譯與學習筆記提示語分享)經過前面步驟, AI 就從一個好像什麼都知道,但其實並不真的理解的工作者,轉化成一個擁有「設計親子實境解謎遊戲的知識、案例」的專業工作者 。這個過程看似複雜,其實大概就是 10 分鐘左右的時間而已(其中大多數還是 AI 自動化處理的時間,我可以先去做其他事情)。如果要讓這個 AI 學習的效果更好,我會在其中跟 AI 對話,例如告訴 AI 我對哪幾種遊戲設計方法更有興趣、更符合我的需求,那麼 AI 就會學習成為一個可以幫我設計適合我的尋寶遊戲的專業設計師。2. 提供真實圖片資料,上傳照片讓「 AI 設計師」理解遊戲場景當 ChatGPT 在前面討論串中學會了「如何設計親子解謎遊戲」後(延伸討論串分類技巧:ChatGPT 的 PARA 聊天室分類法:增強 AI 協作威力實戰案例分享),我做了一個步驟:上傳自己家裡幾個適合設計解謎遊戲的地點照片,讓 AI 根據前面學會的方法,自己看照片,針對這些場景去思考如何設計有效的實境謎題。善用 ChatGPT 的多模態,讓 AI 透過圖文影音方式,像人一樣發揮想像力。ChatGPT 的「GPT o4-mini-high」對於圖像有很好的理解能力,所以與其我用文字介紹任務場景,不如直接讓 AI 分析照片,更充分的理解圖像中可以呈現的更多場景細節。結合第一步驟時 AI 已經學會「如何設計實境解謎遊戲」,在第二步驟中針對我的照片分析,讓後面 AI 在設計時,懂得利用對講機、衣櫥、餐桌的鋼骨結構、客廳圓桌、掛畫等等物件來設計謎題。你從我的提問可以發現,我並沒有用文字描述這麼多細節,都是 AI 自己從照片中分析所得。3. 以「我」的顧客角度,跟「 AI 實境遊戲設計師」溝通需求、喜好前面兩個步驟,有點像是我雇用了一位「實境遊戲設計師(AI)」,他有基本的遊戲設計知識與案例,他來我家看過我的實際場景。但這時候,設計師可能還不知道我真正的喜好與需求是什麼?所以這時候,我們要來一場顧客(我)與設計師(AI)的需求訪談會議。我在幾次來回對話中,跟 AI 說明我的需求,在 AI 提供的各種案例建議中挑出我喜歡、我不喜歡的部分,讓 AI 設計師充分理解我想要什麼。實際操作步驟是,在 ChatGPT 看過我家場景,提供我一些他的建議後,我「複製貼上」幾段我喜歡的,告訴 AI 設計師要從這幾個角度設計,其他則不要。這邊我都是用 ChatGPT o3 來討論,這是目前(2025/6時),我覺得最能理性、深入、嚴謹討論的 AI 模型。到了這個階段(前面到此這三個步驟,總共花費時間在 20 分鐘內), ChatGPT 設計出來的關卡流程、謎題設計,已經能夠讓我滿意,也有很多是我自己亂想想不到的。接下來就是更細緻的修改微調,以及製作出謎題素材的過程了。4. 在 AI 設計的謎題基礎上,提出修正微調方向,完成尋寶手冊腳本AI 幫我完成了我不會做的部分,例如設計出了每個關卡謎題。雖然我自己不會做,但我是「使用者」,我會「挑剔」。我自己看這個謎題,哪裡怪怪的,於是我就把這個想法告訴 AI ,請 AI 針對我覺得不適當的地方進行微調。AI 針對我的質疑進行修改,提出兩種做法,我後來選擇了第二種,而且幾乎就是照著 AI 寫出來一模一樣的方式,完成這個謎題的製作。其實 ChatGPT 提出的謎題設計,我只有兩三處不太滿意,其他都覺得很不錯。於是很快的,我就請 AI 依照目前我們討論的「定案」,寫出一份家裡玩實境解謎遊戲的完整「故事腳本」,把解謎手冊上要使用的故事文案、謎題文字都生成出來。5. 運用 AI 設計解謎手冊上的相關圖片素材ChatGPT 內建的圖像生成能力已經有很大的進步,甚至還可以結合文字,所以解謎遊戲手冊上需要的「圖像」,我也全部都用 AI 來生成。(延伸教學:實測 ChatGPT 4o 超實用全新 AI 圖片:生成正確中文、寫實照片、資訊圖表)例如生成整本解謎手冊的封面圖片,要同時結合文字、角色,並且用自己需要的風格,只要不會太複雜, AI 都很容易做到。(教學:實戰 ChatGPT 4o AI 生成圖片的工作應用:教學、社群、寫作、簡報 10 種圖解案例)但手冊上有些頁面確實自己到簡報軟體中設計更快(例如要加上更複雜的文字,或是圖像要去背等等),這時候就單純讓 ChatGPT 幫我生成「素材」。例如我希望手冊的「背景圖」要有尋寶圖風格,我就請 ChatGPT 延續前面的封面風格,繼續設計一致性的背景圖。前面有一個謎題,要用圖像猜出英文單字,我就請 ChatGPT 用一致的尋寶風格,畫出這幾個圖像 ICON。例如在手冊的最後,我想要把全家福的照片,跟目前的尋寶風格融合,我就上傳兩張照片,一張是全家福,一張是手冊封面,請 ChatGPT 進行圖片融合,成功製作出放在手冊最後的 Ending 圖片。6. 請 AI 用特殊風格,產出一致性的圖片、文字為了讓整個實境解謎遊戲,從頭到尾、從圖像到文字,都有一致的考古風格,我也讓 ChatGPT 幫助我保持風格的一致性。例如在尋寶手冊需要的圖像中,我想要用類似考古時發現壁畫文字的圖像,我就請 AI 設計,並讓每一道謎題都有風格一致的考古壁畫圖像。我也讓 AI 再次根據考古風格,修飾所有謎題的文字,維持風格的一致性。7. 用 Gemini Veo2、 Canva 製作解謎動畫影片前面 ChatGPT 給了我一個謎題設計的巧思:「結合 QR Code ,加上一段影片,成為謎題設計。」於是我決定用 AI 來試試看做出這個影片內容。不過, ChatGPT 本身的 Sora AI 生成影片效果不夠好(很容易有物理邏輯錯誤)。所以這邊我改用 Google Gemini Pro 有內建的 Veo 2(現在有 Veo 3)來生成 AI 影片。Gemini Veo 生成的影片效果非常好,不僅根據我指定的風格,連我需要的動作也都正確的呈現出來。不過影片需要加上一些「標示」或做簡單修改時,我則是利用「 Canva 」來完成簡單的影片特效,強化效果。也不是所有事情都用 AI 完成,很多任務還是適合的工具直接操作更快。8. 請 AI 檢視完整流程,提供最後回饋跟 AI 協作專案的過程,其實協作我本來不會做的事情時,大概都是在上面的流程中,逐步完成:先讓 AI 學習,轉化成該任務專家。提供 AI 需求,讓 AI 理解背景資料。我跟 AI 互動溝通,討論出我的喜好或想法。讓 AI 開始動手設計內容、素材。針對不滿意的部分內容,來回溝通修正。讓 AI 處理風格、格式的一致性調整。運用不同工具,針對 AI 素材作進一步修正。請 AI 對現有內容挑毛病,找出可以改進之處。像是這次尋寶遊戲設計到最後,我把整個計畫內容、流程筆記,再次餵給 AI ,請他挑出還有什麼毛病,找出我可以再微調得更好之處,有多出了幾個讓遊戲更有趣的小點子。以上,是我這次透過 AI 協助,完成一件「原本我不會做、完全沒有頭緒」的事情的過程,並且這是在一天之內,大約花 2~3 個小時完成。這或許就是 AI 時代,讓人可以去挑戰更多原本以為「我做不到」的事情的流程喔!大家好,我是電腦玩物站長 Esor ,歡迎參考我的系列課程與書籍:2024/6 最新著作上市,歡迎支持:《高效人生工作法圖解》「個人數位生產力」線上課程(可使用電腦玩物老讀者折扣碼 ESOR500 ,獲得 500 元折價喔!)。時間管理、筆記系統、AI 工具相關課程:「課程介紹連結」著作:《防彈筆記法》訂閱追蹤 podcast 節目:「高效人生商學院」(Apple podcast 訂閱、 Google Podcast 訂閱)訂閱「電腦玩物電子報」,不定期出刊。我的電子郵件是 esorhjy@gmail.com ,如果你有任何關於筆記術、時間管理、提升工作效率的問題,歡迎寫信跟我討論。(歡迎社群分享。但全文轉載請來信詢問,禁止修改上述內文,禁止商業使用,並且必須註明來自電腦玩物原創作者 esor huang 異塵行者,及附上原文連結:如何跟 AI 合作挑戰原本我不會做的事?我用 AI 設計實境解謎遊戲,案例分享)

-- gReader Pro


--
***************************************************
陳勇汀 Yung-Ting Chen

中華民國圖書館學會資訊科技委員
Blog: 布丁布丁吃什麼? https://blog.pulipuli.info
***************************************************

2025年6月13日 星期五

ChatGPT在西洋棋對決中敗給1970年代僅1.19 MHz的Atari,50年前的老主機竟是AI剋星

ChatGPT在西洋棋對決中敗給1970年代僅1.19 MHz的Atari,50年前的老主機竟是AI剋星

https://www.techbang.com/posts/123699-chatgpt-loses-chess-atari-1970s

ChatGPT在西洋棋對決中敗給1970年代僅1.19 MHz的AtariAI對戰西洋棋不是新聞,但這次的對戰結果卻讓人大跌眼鏡。根據Citrix技術專家Robert Jr. Caruso分享的實測,OpenAI旗下最新的ChatGPT 4o,在與1977年推出的Atari 2600遊戲主機上模擬的《Atari Chess》對戰中,竟然在「初級難度」慘敗。  近50年的老主機竟成AI剋星 這場奇特的對決由Caruso透過模擬器讓《Atari Chess》在Atari 2600環境中執行,再讓ChatGPT 4o下棋對戰。讓人意外的是,即便AI擁有龐大的模型與運算力,仍屢屢犯錯,甚至表現「連小學生都會笑它」,最後還「主動認輸」。  根據Caruso說法,這款古老的遊戲主機僅搭載MOS 6507處理器,時脈僅1.19 MHz,處理效能甚至不到現代處理器的千分之一(約以KFLOPS等級計算)。《Atari Chess》內建的棋力也只會預測1到2步,可說是最基礎的AI對手之一。 為了給ChatGPT一點機會,Caruso甚至替換了棋子圖示,避免它因識別錯誤而下錯棋。但就算做了這麼多協助,ChatGPT仍然錯誤百出,無法應對這款「看起來很簡單」的棋藝挑戰。 人工智慧仍有盲點 這場對戰凸顯出AI在具體操作和邏輯應對上的局限。ChatGPT 4o雖然能流暢回應人類語言,但在實際策略遊戲中,尤其是像西洋棋這樣需要明確規則應變的情境,仍可能「看起來很聰明,實際卻抓不到重點」。 AI技術近年快速進展,從醫療、法律到藝術創作都有亮眼應用,但這次事件提醒我們,人工智慧即使再先進,仍有認知與推理上的死角。  延伸閱讀:OpenAI 的 o1「作弊」修改系統,強行擊敗專業西洋棋 AI,全程無需提示 延伸閱讀:石英3D列印技術打造獨一無二的沙丘西洋棋!創造觸感與視覺的顆粒美學 延伸閱讀:自動化西洋棋盤 Pi Board 結合步進馬達,棋子自動移動,遠端連線對戰!Raspberry Pi 打造 AI 棋局新體驗!   加入T客邦Facebook粉絲團

-- gReader Pro 

Browser-Use Vibetest自動測試登場 AI搶食QA飯碗?

Browser-Use Vibetest自動測試登場 AI搶食QA飯碗?

https://www.facebook.com/1196130575859670/videos/570244569203136

現在連 testing 都要 Vibetest 🚀 隨著網站開發越來越複雜,手動測試網站功能已經變得既耗時又容易出錯。💡 Browser-Use 團隊開發出了Vibetest Use,是一個MCP工具,它整合了多個 Browser-Use Agent,能夠像真實使用者一樣瀏覽和測試網站。🔧 核心特色: 🤖 多代理平行測試 Vibetest Use 能夠同時啟動多個Agent進行網站測試,每個代理都能獨立平行運作,在不同瀏覽器中同時執行檢測任務,不僅大幅縮短測試時間,發現更多潛在問題。 🔍 全方位問題檢測 系統提供完整的網站問題檢測功能,包括UI錯誤檢測、失效連結和404錯誤掃描、無障礙標準驗證,以及JavaScript錯誤和頁面載入問題的技術檢測。 🛠️ 彈性部署選項 工具支援多種測試環境,從線上正式網站到本地開發環境都能無縫運作。系統還提供Headless運行模式,開發者可根據需求選擇是否需要視覺化介面。 天呀,這是否代表AI 連 QA 的飯碗也要搶?!😱 [VIDEO] https://www.facebook.com/1196130575859670/videos/570244569203136(Feed generated with FetchRSS)

-- gReader Pro 

AI 對話是否自然的關鍵居然是「0.2 秒」?

AI 對話是否自然的關鍵居然是「0.2 秒」?

https://www.inside.com.tw/article/38710-the-key-to-natural-ai-conversations-might-be-just-0-2-seconds

許多人喜歡與 AI 進行對話,除了使用筆談之外,有些人也會嘗試使用口語對話,讓 AI 以講話的方式來跟你應答,但這難度可比筆談高了一階,因為除了辨識你的語音輸入資料之外,AI 回答的發音語氣腔調是否讓人覺得自然,會很大程度影響使用者的感受,更重要的是 AI 處理上述聽取、分析、轉換成語音的時間,可能必須比你想像的要短得多。日本的 Starley 株式会社在去年(2024 年)2 月 21 日推出一款 AI 對話 APP「Cotomo」,立即受到大眾喜愛,許多知名網紅和藝人紛紛在社群分享他們與「Cotomo」流暢對話的影片,在各界的推波助瀾之下,「Cotomo」在 3 月 4 日就登上日本蘋果 App Store「Life Style」類 APP 第一名,同時也是免費 APP 排行榜第十名,「Cotomo」為何會這麼厲害?關鍵之一就是「0.2 秒」。Starley 株式会社是一家非常年輕的公司,2023 年 4 月才在日本東京都港區成立,他們的公司宗旨從一開始就非常明確:設計人與 AI 的新關係。他們認為技術革新為人們的日常帶來種種變化,讓市場環境、職業、工作方式、生活都須面對前所未有的情況,以及全新的價值觀,過去理所當然的事物也可能被重新定義,這樣的變化雖讓人感到不安甚至抗拒,但他們相信這將成為機會的開端。2023 年 11 月,Starley 推出一款 AI 對話專用的APP「mate」試用版。隨著 AI 的普及,許多 AI 都有使用語音的應用,為何 Starley 要在這樣的市場中推出語音商品呢?因為他們鎖定的,是人類的「孤寂」。在現代的社會裡,人們的工作方式、生活方式與溝通方式正日益多樣化,然而當我們想要分享某個感受或某件事、或是只是想有人傾聽你的日常煩惱時,卻會感到孤單寂寞,沒有人可以分享。根據當時日本內閣官房「全國孤獨與孤立狀況調查」資料,全日本有大約 40.3%的人感受到某種程度的孤獨,已成為現代社會課題,「mate」正是為了解決這個課題所研發的產品,Starley 希望透過「mate」豐富人們的日常溝通,同時創造前所未有的新體驗。簡單地說,就是 Starley 希望提供一款「自然地陪你聊天」的 AI,基於這個出發點,「mate」不同於其他的任務導向型 AI,它只專注在日常對話的應用,致力提供全新的 AI 溝通方式,但首先必須克服「1 秒的障礙」。「欸?」「蛤?」這些我們習以為常的日常對話口語,展現出了「人類的本性」,澳洲雪梨大學專攻語言學的 Nick Enfield 教授錄下世界各種對話分析之後,發現人們彼此對話的反應時間大約是 0.2 秒,這些「欸?」「蛤?」「那個~」口語就是快速回話反應的武器,反之如果超過 0.5 秒還沒回話,就會開始讓人尷尬,如果沉默達到 1 秒,就會讓對方產生壓力,若要讓人們覺得 AI 的對話很自然,就必須讓 AI 的回應縮短至 1 秒之內。Starley 在 LLM(大型語言模型)的基礎上,運用獨自開發的 AI 技術,順利突破 1 秒之壁,在 2024 年 2 月將「mate」更名為「Cotomo」上市。「Cotomo」具有高速音聲辨識能力,使用對話專用的 LLM,讓 AI 的應答速度縮短至與真人無異的 0.2 秒,此外它還具備記憶功能,好做為接下來的談話話題,它還能推測使用者的情緒心情、談話主題,以及相當厲害的「附和」(日文稱為「相槌」,あいづち)功能,這就是前面所說的「嗯」「然後呢」「是喔」「欸~這樣啊」「蛤?」「真的假的?」這類的口語,對於縮短對話反應時間有極大的幫助。完全為了對話而設計的「Cotomo」,即使不同使用者講出相同的對話,「Cotomo」也會根據不同對象的情緒與情境給出不同的回答,但不管 AI 回應再怎麼精確與快速,如果發音很 AI、很機械的話,還是會給人不自然的感覺,這一點「Cotomo」就真的做得超級棒,完全聽不出是在跟 AI 對話,「Cotomo」還提供客製化 AI 夥伴選項,可選擇男聲、女聲、卡通聲,以女聲為例,你還可以進一步選擇知性系、療癒系、姐系、妹系等各種音質,真的非常有趣。「Cotomo」推出之後,有日本網友表示開車時可以跟它對話一個小時,也有人認為這是社恐者拿來訓練自己與他人對話的極佳工具。去年 12 月,Starley 推出付費服務「茶の間 Cotomo」,讓 AI 每天在固定時間打電話給獨居高齡者,確保安全狀況,之後在今年 3 月與聲優事務所:青二 Production 合作,推出知名聲優綠川光(灌籃高手流川楓的聲優)等十位聲優的 AI 語音,目前 Starley 正在申請視覺與聲音融合的 UI 專利,後續發展應該相當有趣。【行銷不定型】作者李仁毅,臉書社團「日本行銷最前線」創辦人,動腦專欄「日本流行快報」作者,著有五本暢銷書籍,擁有三十年廣告行銷資歷,是少數完整歷練日商廣告代理商/美商媒體代理商/OOH 代理商/上櫃公司行銷副總/中國大陸快銷品牌行銷總監/中國大陸連鎖餐飲品牌總經理等實戰專業工作者,目前擔任廣告行銷與品牌/社群經營顧問及講師。責任編輯:Sherlock核稿編輯:Chris加入 INSIDE 會員,獨享 INSIDE 科技趨勢電子報,點擊立刻成為會員!

-- gReader Pro 

2025年6月12日 星期四

GitHub - xZetsubou/hass-localtuya: 🔹 A Home Assistant integration to handle Tuya devices locally "fork from localtuya"

免費又能商用!麥克筆風格的「貓啃什錦黑」開源字型免費下載

免費又能商用!麥克筆風格的「貓啃什錦黑」開源字型免費下載

https://www.koc.com.tw/archives/600884

如果你是設計師、社群小編,甚至只是熱愛字型的排版控,那這款全新開源的「貓啃什錦黑」免費字型絕對會讓你愛不釋手。這款免費開源字型它不僅完全免費下載,還支援商業用途,不需要額外授權、不用擔心踩雷。最棒的是,它的筆劃是模擬麥克筆手寫風格,粗細變化自然、個性十足,非常適合拿來做海報、IG小卡、店家文宣等等,瞬間讓你的設計多一點溫度和趣味感!   免費又能商用!麥克筆風格的「貓啃什錦黑」開源字型免費下載 來自日本字型的可愛改作,「貓啃什錦黑」是什麼來頭?「貓啃什錦黑」這款聽起來就很有趣的字體,其實源自一套日本字型—由波間のかけひき(Hamanonokakehiki)所設計的「にしき的フォント」。原本是為日文使用而設計,但熱心的台灣開發者加以改作與增補,對照《常用國字標準字體表》和 JF 7000 字集等標準,強化了繁體中文的支援,讓它變得更加實用且本地化。  ▲圖片來源:Skr-ZERO (GitHub) 而且在改作過程中,開發者並沒有一味地拋棄原作的筆觸風格,而是選擇保留原本麥克筆手寫的可愛筆感,再針對中文的結構做調整,像是筆畫間的比例、部件的對齊、字型的平衡等,都經過重新調整,讓整體看起來更自然、不突兀。  ▲圖片來源:Skr-ZERO (GitHub) 這幾年設計圈越來越愛用有「個性」的字體,特別是帶點手寫感、情緒感的筆觸風格。貓啃什錦黑正好切中這個需求,筆劃有力但又不失活潑,像是你親手拿麥克筆在海報上塗鴉的感覺,有種自然流暢、可愛不做作的視覺效果。這種字體不只適合做印刷品,例如商品包裝、插畫標題、活動橫幅等,也很適合數位內容,像是社群貼文、YouTube 縮圖、Instagram 小語錄等,只要套用這款字體,整體氛圍馬上變得親切有趣、吸睛又討喜。  ▲圖片來源:Skr-ZERO (GitHub) 免費下載、開源授權,使用安心 最吸引人的一點當然是「免費」!貓啃什錦黑採用的是 SIL Open Font License 1.1(SIL OFL 1.1) 授權,這是一種開放字型授權協議,意指你不但可以免費下載,還可以:  用在個人或商業專案上,包含印刷、數位、影片等 修改字型或重新設計,製作成新的衍生字體 轉載分享字型檔、嵌入到應用程式中都沒問題  簡單來說,就是非常自由、幾乎無限制地使用它。但當然,這份授權還是有幾個注意事項。使用上的限制有哪些?以下這幾點要記得:  不能將這款字體本身拿來賣錢,也不可以包裝成收費字體或設定什麼付費下載條件,例如會員制下載、捆綁其他資源等。 不能用在違反法律或社會公序良俗的場景,例如違法用途、色情或暴力內容。 若要製作衍生版本的字體,不能在名稱中使用「什錦」、「Assorted」等字眼,這是為了避免混淆與尊重原作者。  如果你是設計師、開發者、行銷人員,這樣清楚明瞭的授權條款無疑是個大加分,不只可以大方使用,還不怕被誤會或出現版權糾紛。  ▲圖片來源:Skr-ZERO (GitHub) 「貓啃什錦黑」哪裡下載? 目前「貓啃什錦黑」已經在 GitHub 開放下載,不用註冊、不需填問卷,點擊就能直接下載字型檔案(多數為 .otf 或 .ttf 格式),安裝後立刻可以在你喜歡的設計軟體中使用。  免費下載「貓啃什錦黑」開源字型(GitHub) 結語 在免費字體琳瑯滿目的世界裡,真正能「合法商用」、又有「美術風格」加持的其實不多,貓啃什錦黑就是那少數中的佼佼者。它不只是字體,它是一種情緒的傳達、個性的延伸,讓你的設計不再只是中規中矩,而是多了點故事、趣味和生命力。 不論你是想做一張有趣的文宣、還是幫品牌找一個可愛又有識別度的字體,「貓啃什錦黑」絕對是一款值得收藏、實際上線使用的優質選擇。快去下載試試看,用字體說故事,讓每一筆都能傳達你的風格! 延伸閱讀: IKEA 消波塊造型延長線在台開賣!黑黃雙色、超可愛造型多角度連接,全台熱銷庫存教你看

-- gReader Pro 

Thiings 提供超過 1900+ 個可愛 3D 圖示免費素材,個人、商用皆可

Thiings 提供超過 1900+ 個可愛 3D 圖示免費素材,個人、商用皆可

https://www.koc.com.tw/archives/602499

雖然現在 AI 生成很方便,但需要靠自己輸入提示詞,不一定能生成出自己想要的 3D 圖示素材,因此有現成還是比較方便。這篇就要推薦一個相當不錯的 3D 圖示免費素材網站「Thiings」,收集超過 1,900 個可愛 3D 圖示,各種類型都有,而且每一個質感都很高,更重要是,個人、商業用途皆可,無需註冊帳號就能免費下載。  Thiings 提供超過 1900+ 個可愛 3D 圖示免費素材網站介紹  前往 Thiings  Thiings 是由一位獨立開發者與設計師 Charlie Clark 所製作的網站,最初是從他個人的興趣出發,希望提供一個對設計師和開發者友善的免費資源網站,目前已經提供超過 1,900 個由 AI 生成的可愛 3D 圖示,所有圖示都能免費下載 PNG 格式,並可用於個人或商業專案。 也提供一次性下載全部的付費方案,價格不算太貴。 按上方連結進到 Thiings 後,畫面就會顯示上千個可愛 3D 圖示,你可以透過滑鼠滑動畫面來瀏覽,不只是往下,你還可以往左滑或往右滑,不過有時候網頁讀取會稍微慢一點:  右上角有五個分類,分別是「全部」、「每天」、「自然」、「科技」以及「贊助者」,我切換到自然,就會顯示關於自然的 3D 圖示,包括動物、大自然等,而且每次切換顯示的都不一樣:  科技部分有很多產品,從車子、家電、大眾運輸工具、到 VR、天線、飛機等都有:  找到你喜歡的 3D 圖示後,進到內頁,右下方就會看到「Download image」下載圖片的按鈕:  下載前會提醒你可使用範圍,所有 3D 圖示素材都能用於個人、商業專案,但是不允許重新販售這個 3D 圖示,也不會在其他地方重新上傳給人下載。沒問題按 Accept & Download 就會開始下載:  下載下來會是高畫質且去背的圖檔,圖片質感真的相當不錯:  也支援搜尋功能,於左上角輸入關鍵字(英文),就會顯示符合的 3D 圖示:  如果你覺得一個個找很麻煩,也有提供一鍵打包功能,但是需要支付 29 美元,付費後終生都能下載資料庫中的所有 3D 圖片,設計者隨時都會上傳新的作品:  按主畫面下方的 Discover more,右側會出現一個選單,這裡可以訂閱更新通知、成為贊助者、要求 icon 圖示、以及瀏覽積分榜等:  除了下載 3D 圖示,Thiings 也提供自己生成 3D 圖示的功能,需要註冊帳號,會給一個免費 Credits 體驗,後續如果想要繼續生成,則需要額外購買 Credits,這價格就不便宜,每 10 Credits 要 5 美元,相較於其他 AI 服務有點貴。

-- gReader Pro 

2025年6月11日 星期三

AI動態記憶新突破!Cognee知識圖譜與GraphRAG最佳化顯著提升效能

AI動態記憶新突破!Cognee知識圖譜與GraphRAG最佳化顯著提升效能

https://www.facebook.com/1196130575859670/posts/1209605581178836

只需要5行程式碼,就能讓AI擁有動態記憶功能?🤔 傳統RAG面對多步驟推理時常表現不佳。比如「台灣哪個城市的市長曾經當過醫生?」這種問題需要先找出台灣各城市,再查各市長背景,最後找出醫生出身的市長,涉及多層關係推理。傳統RAG系統看完就忘了,無法建立知識間的連結。Cognee透過知識圖譜讓AI能夠累積、更新和連結知識,像人類一樣會「記住」之前學到的東西。💻 Cognee採用「Extract-Cognify-Load」三段式架構將零散資訊轉換成結構化的知識圖譜,並載入到圖資料庫和向量資料庫中。這讓AI可以不斷累積和更新的動態記憶系統。🚀 更重要的是,Cognee更是首次針對GraphRAG超參數最佳化進行系統性的研究,研究團隊針對六個關鍵參數進行系統性最佳化,使用「樹狀結構帕森估計器」演算法,根據前次調整結果來決定下次參數調整方向。🔬 實驗結果令人驚豔。在HotPotQA、TwoWikiMultiHop、MuSiQue三個測試資料集上,最佳化後的系統效能大幅提升:正確性改善了62.8%到71.2%,某些指標甚至提升了近15倍。📊 (Feed generated with FetchRSS)

-- gReader Pro 

不想讓創作變AI飼料?全新開源字型「ShieldFont」登場,靠這招讓爬蟲抓到滿頭包 | T客邦

https://www.techbang.com/posts/131901-shieldfont-anti-ai-crawler-glyph-substitution