考虑到鞋类的未来，在我们最近的一次博物馆展览中讨论了各种因素，包括技术、材料、风格和分销。耐克采用人工智能设计运动鞋，并设想其性能模型发展方向，采取了独特的方法。 在巴黎举办的奥林匹克主题展示中，耐克展示了几款基于Air的新鞋款，并展示了人工智能设计的鞋类。这些鞋子是通过分析维克多·温宝雅玛等运动员的数据而创造的，从而产生了满足他们特定需求的定制形状和风格。展览展示了各种设计，从流线型和时尚风格到具有厚实鞋底的高鞋型。每款鞋子都带有"A

据彭博社报道，Adobe正在向艺术家和摄影师提供补偿，以供应用于培训该公司的人工智能模型的图像和视频。虽然Adobe正在利用自己的库存媒体库，但它正在支付贡献者填补其可用材料上的空白。报告称，Adobe每张照片提供6美分到16美分的报酬，每分钟视频平均2

旧金山——亚马逊首席执行官安迪·贾西在最近的股东信中对公司在人工智能突破，尤其是生成式人工智能领域的未来表达了信心。尽管亚马逊在人工智能方面被认为落后了，贾西认为他们的云计算业务亚马逊网络服务(Amazon Web Services, AWS)将在开发改变世界的人工智能方面发挥重要作用。亚马逊的策略不是直接与OpenAI的ChatGPT等面向消费者的应用程序竞争，而是围绕构建基础性人工智能模型并将其销售给包括达美航空、西门子和辉瑞在内的企业客户。 虽然许多公司已经在人工智能上投资了数十亿美元，包括亚马逊最近对初创公司Anthropic的27

亚马逊首席执行官安迪·贾西对生成式人工智能的未来表达了信心，此前该公司决定停用无人收银技术“Just Walk Out”。在他的年度股东信中，贾西表示他相信亚马逊为顾客带来的最重要的突破将来自生成式人工智能，特别是建立在其云计算业务亚马逊网络服务（Amazon Web Services，简称AWS）之上。虽然亚马逊被认为在人工智能领域落后，贾西概述了该公司专注于构建基础人工智能模型并将其销售给企业客户的战略。这一做法已经吸引了达美航空、西门子和辉瑞等公司。 尽管各大科技巨头公司一直在竞相开发人工智能技术，但这些公司仍然在将其融入现有产品方面遇到困难。亚马逊已经在生成式人工智能上投资了数十亿美元，包括对估值为40亿美元的初创公司Anthropic的少数股权。亚马逊还最近任命了人工智能专家安德鲁·吴加入董事会，并承诺投入大量资金来开发人工智能技术的数据中心。 然而，亚马逊致力于打造深受顾客欢迎的面向消费者的人工智能产品的努力面临挑战。其购物助手Rufus没有显著改善购物体验，更具对话能力的Alexa助手的开发也被推迟。尽管今年股价上涨了25%，亚马逊仍在从与疫情相关的过度支出中恢复过来，并面临裁员问题，包括在AWS部门的裁员。 贾西预计会进一步削减成本，特别是在履行和物流部门，以提高效率并为顾客提供更快的服务。

根据华尔街分析师的说法，据传苹果（AAPL）公司将在未来的秋季发布具备人工智能功能的新款iPhone，这可能会导致苹果股票重新评估。尽管该公司的短期基本面出现疲弱，但根据摩根大通分析师萨米克·查特吉在一份客户报告中表示，对冲基金投资者对苹果股票的兴趣越来越浓。苹果股票最近的下跌导致估值更具吸引力，而即将到来的iPhone重大升级周期可能是其中的原因。查特吉将投资者需求的增长归因于AI应用在设备上的升级周期以及之前5G升级周期的成功。他预测今年秋季发布的iPhone 16将展示AI功能以吸引买家，类似于去年在iPhone 12中引入5G无线网络。苹果的股价今年下跌约11％，原因是硬件需求疲软和服务增长放缓。查特吉对苹果股票持有超配评级，但将目标价从215下调至210。然而，他认为苹果股票的重新评估可能会在人工智能功能的iPhone实际发布之前发生。查特吉预计，iPhone的主要升级周期将在2025年底的iPhone 17系列中发生，到那时将会有更广泛的设备内AI技术应用。美银证券分析师瓦姆西·莫汉也重申对苹果股票的买入评级，并设定了225的目标价。莫汉认为市场低估了苹果长期毛利潜力，因为服务在整体产品组合中所占比重增加。

Rent the Runway（租借时尚）是一个面向女性的在线订阅服务，提供租借设计师连衣裙和配饰物品，周四，这家公司的股价大幅上涨，受到其利用人工智能（AI）工具实现增长的雄心勃勃计划的推动。在2023年表现平平后，该公司预计在本财年内收入增长将在1%至6%之间，并预计将实现盈亏平衡的自由现金流。通过利用AI模型改进搜索和产品工具，Rent the Runway旨在通过提供量身定制的穿搭体验吸引客户。这种战略性使用AI吸引了投资者的关注，他们认为这是小型企业从这项技术中受益的途径。为了符合纳斯达克继续上市的最低出价要求，该公司最近进行了一次一比二十的股票合并。目前，它的流通股约为260万股。Rent the Runway的股票交易价格为18

在生物医学领域，分割涉及识别和标记医学图像中与重要结构（如器官或细胞）相关的特定像素。人工智能模型可以通过准确定位可能指示特定疾病或异常存在的像素来辅助临床医生。 然而，尽管医学图像分割任务通常涉及多种解释，但这些模型通常只提供一个答案。即使是专家也可能提供不同的分割结果，例如在肺部CT图像中对结节的边界存在争议。 为了解决这个问题，来自麻省理工学院（MIT）、哈佛大学布罗德研究所（Broad Institute of MIT and Harvard）和马萨诸塞州综合医院（Massachusetts General Hospital）的研究人员开发了一种名为Tyche的新型人工智能工具。Tyche可以为医学图像生成多个合理的分割结果，每个结果都突出显示略有不同的区域。用户可以指定Tyche提供的选项数量，并选择最适合自己需求的分割结果。 与其他方法不同，Tyche不需要重新训练来执行新的分割任务。这使其对生物医学领域的临床医生和研究人员更加友好。Tyche可以在“开箱即用”的情况下用于识别肺部X射线中的病变或脑部MRI中的异常等任务。 Tyche有潜力通过引起其他人工智能工具可能忽略的潜在重要信息来改善诊断并在生物医学研究中提供帮助。该系统捕捉到了相对较少研究的模糊性。通过提供多个分割结果，Tyche承认了医学图像中的不确定性，这可以影响决策过程。 研究人员修改了神经网络架构以构建Tyche。用户需要提供一些分割任务的示例来训练模型。研究人员发现，提供仅16个示例图像就足以使Tyche做出准确的预测。该模型通过调整网络的层来输出多个候选分割，使它们能够相互交互和与训练集中的示例进行互动。 在经过注释的医学图像数据集上进行测试时，Tyche的预测结果捕捉到了人工标注者所见的多样性，并且其最佳预测结果胜过了基准模型的预测结果。与大多数模型相比，Tyche还展示了更快的性能。 研究人员计划探索使用更灵活的上下文集合，并研究改进Tyche最差预测结果的方法。他们还计划改进系统，使其能够推荐最佳的分割候选结果。 该研究得到了国家卫生研究院（National Institutes of Health）、布罗德研究所的Eric和Wendy Schmidt Center以及Quanta Computer的资助支持。