参谋长联席会议主席、空军上将CQ布朗和陆军上将劳拉·J·理查森，今天特别强调盟国和合作国的军队利用人工智能和推进太空领域以应对未来安全挑战的重要性。 两位领导人在智利圣地亚哥举行的南美洲防务会议(Southdec 2024)开幕式上的讲话中讨论了这些话题。 今年会议的主题是“利用新技术维护半球主权”。 布朗承认合作和适应在解决安全挑战中的重要性，并强调需要为了应对不断变化的全球局势而不断演变。然后他探讨了人工智能的未来。 “尽管每个组织都希望利用这项技术提升其能力，但仅仅将‘AI粉尘’应用于一切并不足以实现转型，”布朗解释说。他接着概述了七个必须克服的挑战，以将人工智能从一个有前途的概念转变为服务于盟国和合作国国家安全利益的实际能力。这些挑战包括基础设施、架构、数据、重点、资源配置、人才和文化。 “这七个挑战是普遍存在的，”布朗强调。“然而，通过共同努力，我们可以分享知识、经验和解决方案，释放这种技术在我们的盟友和合作伙伴网络中的全部潜力。” 在她的讲话中，南方司令官理查森讨论了增强领域感知和采用通用太空操作图的情况。前者是南方司令部的一个倡议，旨在建立必要的条件以负责任地利用人工智能和机器学习来增强政府操作的协调性。后者是通过利用增强领域感知来深入了解太空操作环境的倡议。 “作为盟国和合作伙伴，我们将继续努力提高我们的集体太空领域意识，提高战备、韧性，并克服威胁，”理查森向会议与会者分享道。 专注于太空方面，布朗强调那些掌握新兴领域的人将获得权力。尽管太空进步带来了全球经济进步，但它也具有像任何其他新领域一样改变全球权力动态的潜力。 “我们必须合作建立尊重所有国家权利的行为规范，”布朗确认道，“建立一个空间网络，让每个人都能从其独特能力中受益，促进共同利益。” 布朗和理查森均在乐观的基调中结束了他们的讲话，表达了对盟国和合作国家在跨越边界和领域共同努力，创造西半球积极未来的信心。 “这就是‘民主团队’的本质，我们与那些致力于加强经济弹性、民主稳定和公民安全的人们团结在一起，”理查森喊道。 “现在，让我们挽起袖子，投入工作。” “我们的力量在于我们的团结，我们对民主的承诺，以及我们的集体能力来为所有人开创更美好的未来，”布朗总结道。“团结一致，我们更强大。” 如过去15年一样，今年的活动由美国南方司令部主办。Southdec 2024汇集了十个南美国家，以及来自北美、欧洲和泛美防务委员会的代表，还有在南美、中美洲和加勒比地区运作的合作计划。

兰开斯特县的一个警察部门正在调查一起案件，涉及使用人工智能（AI）技术，通过兰开斯特乡村学校超过20名青少年的脸部生成裸照。这一事件曝光是因为一名女孩告知受害者，她的脸被用来生成裸照并在群聊中分享。受影响的学生经历了情感上的痛苦，一些人无法上学。调查于五月开始，目前仍在进行中。现有的儿童色情法可能无法涵盖AI生成的图像，促使人们努力修订相关立法。学校因未能早些时候报告这一事件而受到批评，但此后已采取措施解决问题，包括加强网络安全教育。受害者希望追究相关责任，而立法者则推动更严格的法规。

这位作者同时也是一位摄影师和作家，探讨了AI生成内容的影响。他们对AI可能对自己工作的影响表示最小的担忧，因为他们已经开发出了一种机器无法拥有的个人创作语言。然而，他们对AI可能引起的社会转变表示担忧，这些转变可能导致失业、行业破坏和民主原则的侵蚀。作者强调需要超越对人工智能的公众讨论，采取行动。他们强调自己将一张真实照片输入到一个AI类别的摄影比赛中，旨在证明人类创造的内容仍然在AI生成内容面前具有价值。摄影作品受到评审团和观众的认可，赢得了人工智能奖。作者反思了他们实验的重要性和AI带来的挑战。他们强调批判性思维和社会准备在应对AI生成内容涌入中的重要性。作者讨论了AI对创造力和生计的细致影响，承认其增强的潜力和失业的可能性。他们讨论了AI的伦理影响以及需要采取措施来应对AI生成内容的传播。作者反思了他们实验的反应及其对内容创作未来的更广泛影响。他们表达了希望自己的胜利能为关心AI的创意人士和个人传递积极的信息，倡导适应和负责任地采用这项技术。

谷歌研究人员在人工智能领域取得了重大突破，开发了一种名为GameNGen的神经网络，可以在没有传统游戏引擎的情况下生成游戏《Doom》的实时游戏画面。这个AI系统能够在单个芯片上实现每秒20帧的速度，而无需使用通常的游戏引擎组件。这一突破性成就标志着AI首次完全模拟了具有高质量图形和互动性的复杂电子游戏。向GameNGen这样的AI驱动游戏引擎的转变可能会通过减少开发时间和成本，推动小型工作室和个人创作者制作复杂的互动体验，从而彻底改变游戏行业。AI驱动的模拟不仅限于游戏行业，还扩展到虚拟现实、自动驾驶汽车和智慧城市等行业。然而，仍然存在需要克服的挑战，例如对于更密集图形游戏需要更强大的计算能力，以及开发能够运行多个游戏的通用AI游戏引擎。尽管如此，GameNGen代表了朝着游戏不仅仅由AI玩，更是由AI创建和驱动的未来迈出的重要一步。这一发展为实时自适应和动态生成的游戏内容以及人类创造力与机器智能之间的界限模糊化带来了令人兴奋的可能性。

Google Research 的科学家最近发表了一篇论文，介绍了 GameNGen，这是一种 AI 驱动的游戏引擎，它使用神经网络生成原始的《毁灭战士》游戏玩法。GameNGen 利用由科学家 Dani Valevski、Yaniv Leviathan、Moab Arar 和 Shlomi Fruchter 开发的前沿技术 Stable Diffusion。这个基于 AI 的引擎利用前一帧和当前玩家输入来生成新的帧，这些帧展示了卓越的视觉保真度和连贯性。 GameNGen 的一个显著成就是它能够生成具有一致逻辑的完整游戏引擎。玩家可以体验到《毁灭战士》的玩法，比如转向、侧移、武器射击以及准确的敌人伤害和环境危害。随着玩家探索游戏，关卡会实时动态构建，游戏甚至会跟踪他们手枪的弹药量。令人惊讶的是，生成的游戏玩法如此真实，以至于在短片中难以将其与实际《毁灭战士》游戏区分开来。游戏以每秒 20 帧（FPS）的流畅速度运行。 为了让 GameNGen 能够准确地模拟其自己的《毁灭战士》关卡，Google 的团队训练了一个 AI 代理以不同难度玩《毁灭战士》并模拟不同玩家的技能等级。代理因收集强化道具和完成关卡等动作而获得奖励，而受到伤害或死亡则会受到惩罚。这一训练过程提供了数百小时的视觉训练数据，供 GameNGen 模型参考和重现。 本研究的一个关键创新在于科学家如何使用 Stable Diffusion 保持长时间帧之间的一致性。Stable Diffusion 是一种广泛使用的生成性 AI 模型，它根据图像或文本提示生成图像。然而，它经常缺乏连续帧之间的连贯性，随着时间的推移视觉质量会下降，就像在 Corridor 的动画短片《石头剪刀布》中演示的那样。 为了应对这些挑战，Google Research 通过使用较长的用户输入序列和前面的帧来训练新帧，同时引入高斯噪声来破坏上下文帧，从而改进了 Stable Diffusion。此外，一个单独但互相关联的神经网络被用来修复和不断自我修正上下文帧，从而在长时间内生成具有高稳定性和视觉连贯性的图像。 尽管 GameNGen 当前的示例并不完美，但偶尔会出现视觉伪影，例如斑点、模糊和闪烁元素。死去的敌人可能会变成模糊的团块，HUD 上的 Doomguy 角色会像 The Rock 在 Monday Night Raw 中一样不断抬起和放下眉毛。此外，生成的关卡可能会出现不一致，如嵌入的 YouTube 视频所示，Doomguy 在 4% 时突然停止受到伤害，并且在毒坑内 360 度转弯后关卡布局完全改变。

作为前公司的员工和现任少数族裔企业主，我致力于打击工作场所的偏见和歧视。通过我的人工智能驱动的培训平台，我成功地帮助个人和公司解决这些问题。然而，我对加利福尼亚州立法者正在考虑的误导性立法感到失望。虽然我支持反歧视法律的目标，但第2930号议会法案可能会阻碍我们减少工作场所偏见的进展。该法案旨在在人工智能技术使用之前对其进行监管，对像我这样的小型人工智能初创公司强加昂贵的风险评估和管理计划。这将使小公司处于不利地位，并阻碍加利福尼亚的创新。与其因为恐惧而立法，我们需要平衡的人工智能立法，既认可人工智能的潜力又解决其风险。立法者必须做出更明智的决定，以促进一个积极的人工智能环境。

作为一个狂热的美食爱好者，我的烹饪技巧还有很多提升空间。然而，住在纽约市让我可以不必做饭，因为这座城市有大量步行可达的一流餐厅。 最近，我发现了一个名为SideChef的RecipeGen的AI应用，声称可以将任何照片转换为详细的食谱。出于好奇，我决定试一试。 SideChef是一个建立已久的食谱平台，自2013年已在市场上推出。他们的新测试版AI功能RecipeGen，是一个逐步引导的家常菜烹饪应用，可以免费下载和使用。 为了评估应用的准确性，我尝试了两种方法。首先，我上传了一道我在餐厅享用的菜肴的照片。其次，我提交了一道我在家自己做的菜的照片，因为我确切知道用了哪些材料。 我选择的餐厅菜肴是加利福尼亚Malibu Farm的早午餐。我查看了菜单，材料包括酸面包佛卡夏、早餐土豆、草莓或罗勒黄油、羽衣甘蓝、菠菜、瑞可塔奶酪、鸡蛋和培根。不幸的是，SideChef生成的食谱在细节上不尽如人意。它遗漏了几个关键成分，缺乏特定的口味，如草莓黄油和酸面包佛卡夏，并错误地包含了牛奶而不是瑞可塔奶酪。 为了再给SideChef一次机会，我上传了一道拉面菜肴的照片。但应用遇到错误，未能生成食谱。 尽管如此，我继续尝试了我妻子的特色菜——红薯意大利饺子与香肠。我提供了确切的原料清单：红薯、鸡蛋、面粉、香肠、蘑菇、黄油、肉汤和帕尔马干酪。这次，SideChef表现较好，准确地识别了主要原料，甚至建议加入晒干的番茄，可能是因为照片中有罗勒。虽然该应用的烹饪指导比实际需要的复杂，但我们的传统做法大约与SideChef的建议有70%的吻合。 总之，SideChef的RecipeGen有其局限性。它在细微之处表现不佳，有时在不确定时会做出假设。然而，它可以作为灵感和原料构思的有用工具，特别是在餐厅中，要从服务员那里获取详细菜品信息可能不便。然而，对于那些即使有基础烹饪技巧的人来说，SideChef可能用处不大，尤其是对于那些喜欢在厨房中创造性烹饪而不愿意被严格食谱或依赖AI指导的人。