过去一周的主要更新。
- 《纽约时报》起诉 Perplexity AI 侵犯版权：《纽约时报》向人工智能搜索引擎 Perplexity 发出了一封停止侵权信，要求其停止未经许可使用该报纸的内容。Perplexity 辩称事实不能享有版权，但愿意与《纽约时报》合作。
- Anthropic 通过负责任、主动的政策提高了 AI 安全标准： Anthropic 已更新其负责任的扩展政策，以应对前沿 AI 模型不断演变的风险。该政策概述了评估模型能力、实施比例保障措施以及确保部署先进 AI 系统的透明度和治理的框架。
- Nvidia 的新 AI 模型击败 GPT-4o 和 Claude 3.5： Nvidia 发布了功能强大的新开源 AI 模型 Llama-3.1-Nemotron-70B-Instruct，该模型在关键基准测试中的表现优于 GPT-4 和 Claude 等行业领导者。该模型展示了 Nvidia 在 AI 软件开发方面不断增强的能力，挑战了科技巨头在该领域的主导地位。
- Mistral 推出用于设备端 AI 计算的新模型： Mistral AI 发布了两款新型紧凑型 AI 模型 Ministral 3B 和 Ministral 8B，专为笔记本电脑和手机上的设备端使用而设计。这些模型在各种基准测试中的表现均优于大型模型，为边缘计算提供了高效、低延迟的 AI 功能。
- Newton AI 从传感器数据中自学物理原理： Archetype AI 开发了一个名为 Newton 的 AI 模型，该模型可以直接从传感器数据中学习复杂的物理原理，而无需任何预先编程的知识。这一突破可能会彻底改变我们理解和与物理世界互动的方式。
- AI 在复杂的医学扫描中达到专家级的准确度：一种名为 SLIViT 的新型 AI 模型可以以专家级的准确度分析复杂的 3D 医学扫描，速度比人类专家快 5,000 倍。它利用迁移学习来处理小型数据集，使其更适用于现实世界的医疗保健应用。
- Meta FAIR 发布了新的模型和工具，包括改进的图像分割模型、多模态语言模型和加速 LLM 的方法。
- 大型图书出版商企鹅兰登书屋目前在版权页上明确禁止将其图书用于训练人工智能系统。
- Google AI Studio 的新比较模式允许用户并排评估不同的 Gemini 模型，从而更容易为他们的用例选择最佳模型。
- 微软的 Copilot AI 现在允许企业创建自己的“自主代理”来了解工作任务并代表用户采取行动，从而提高生产力。
- 《银翼杀手 2049》的制片人起诉埃隆·马斯克、特斯拉和华纳兄弟探索频道，指控他们未经许可使用电影中的受版权保护的图像。
- 埃隆·马斯克的 AI 初创公司 xAI 为其 Grok 生成式 AI 模型推出了 API。该 API 允许开发人员将 Grok 集成到他们的工具和应用程序中。
- iOS 18.1 将于下周发布，其新功能包括：Apple Intelligence 和将 AirPods Pro 2 用作助听器的能力。
- Midjourney 计划发布一款网络工具，允许用户使用其生成式 AI 编辑上传的图像，这引发了人们对潜在滥用和错误信息的担忧。
- Perplexity AI 为付费用户发布了新功能，包括内部知识搜索和名为 Spaces 的协作工具，用于组织信息和研究。
- X 已更新其隐私政策，允许第三方在用户帖子上训练 AI 模型，除非用户选择退出默认设置。
详细重点解读
1、《纽约时报》起诉 Perplexity AI 侵犯版权
《纽约时报》向 Perplexity 发出了一封停止侵权信，要求其停止未经授权使用《纽约时报》内容。《纽约时报》声称，Perplexity 一直在使用其文章生成人工智能摘要，这违反了版权法。
Perplexity 为自己的行为进行了辩护，称其不会为 AI 训练而抓取内容，而是索引网页并展示事实信息。它辩称“没有任何一个组织拥有事实的版权。”Perplexity 计划在 10 月 30 日之前对该通知做出回应。
这为什么重要？
人工智能搜索的兴起给媒体带来了越来越多的挑战，包括潜在的网络流量和广告收入损失。随着人工智能越来越多地总结新闻内容，出版商在没有明确法律框架的情况下面临着不确定性。
2、Anthropic 通过负责任、主动的政策提高人工智能安全标准
Anthropic 已大幅更新其负责任扩展政策 (RSP)，为高级 AI 系统引入了新的保障措施和治理措施。修订后的政策将“能力阈值”定义为当 AI 模型达到一定风险水平时触发安全协议。
该政策的分层人工智能安全级别 (ASL) 系统、专门负责扩展官的监督以及对透明度的承诺旨在确保 Anthropic 的人工智能模型不会造成大规模伤害，无论是通过恶意使用还是意外后果。
这为什么重要？
Anthropic 的负责任 AI 综合框架是 AI 安全领域的一个分水岭，巩固了其卓越的安全导向研究实验室地位。这表明 Anthropic 认真对待负责任地开发 AI，并可能很快发布更多 AI 产品。
3、Nvidia 的新 AI 模型击败了 GPT-4o 和 Claude 3.5
Nvidia 悄然发布了一款名为 Llama-3.1-Nemotron-70B-Instruct 的新 AI 语言模型。该模型在 GPT-4o 和 Claude 3.5 Sonnet 等关键基准测试中的表现优于业界领先的模型。该模型在 Arena Hard、AlpacaEval 2 LC 和 GPT-4-Turbo MT-Bench 等测试中取得了最高分，表明它可以提供比竞争对手更准确的响应。
通过使用人类反馈强化学习等技术对开源 Llama 3.1 模型进行微调，Nvidia 创建了一个模型，可以为企业提供比市场上其他领先语言模型更强大、更具成本效益的替代方案。
这为什么重要？
NVIDIA 以制造计算机芯片而闻名，但现在它的 AI 模型也让所有人大吃一惊。其新的开源 AI Nemotron 证明，较小的模型可以像大模型一样强大，同时效率更高。
4、Mistral 推出用于设备 AI 计算的新模型
Mistral AI 发布了两个新的紧凑型语言模型：Ministral 3B 和 Ministral 8B。它们旨在在笔记本电脑和手机等边缘设备上运行，在本地提供强大的 AI 功能。在各种基准测试中，它们的表现都优于 Mistral 7B 等 LLM 以及 Llama 和 Gemma 等竞争对手。
新模型名为“Les Ministraux”，旨在满足需要本地、隐私优先的 AI 推理的用例，例如设备上的翻译、离线助手和自主机器人。它们体积更小、设计更高效，非常适合这些应用。
这为什么重要？
随着人们对 Apple Intelligence 作为开创性设备内置 AI 解决方案的部署的期待越来越高，针对本地处理进行优化的紧凑型模型也在不断进步。随着“Les Ministraux”的发布，掌上高级语言模型的可访问性可能会成为一种常态。
5、Newton AI 通过传感器数据自学物理原理
Archetype AI 的研究人员开发了一个名为 Newton 的 AI 模型，该模型可以直接从原始传感器数据中学习物理原理，而无需明确学习任何物理定律。Newton 接受了一个庞大的数据集的训练，该数据集包含超过 5 亿个传感器测量值，涉及各种物理现象，如运动、电、流体流动等。
由于该模型的零样本能力，无需额外的训练就能适应新情况，因此它可以准确地预测和推广到从未遇到过的不熟悉的物理系统，例如钟摆的混沌运动或预测全市的电力消耗。
这为什么重要？
牛顿代表了人工智能系统的革命性变革，用统一的物理理解方法取代了专门的模型。这使人工智能能够发展全面的知识并自主适应各种场景而无需人工干预。
6、人工智能在复杂的医学扫描中达到专家级的准确度
加州大学洛杉矶分校的研究人员开发了一种突破性的人工智能模型，名为 SLIViT（Vision Transformer 的 SLice Integration），该模型可以分析复杂的 3D 医学扫描，例如 MRI、CT 扫描、超声波和视网膜成像，其准确度可与专家放射科医生相媲美。
SLIViT 实现了专家级性能，比人类专家快 5,000 倍。关键创新在于 SLIViT 的新颖方法，即利用大型 2D 医学图像数据集中的先验知识，从相对较小的 3D 数据集中高效学习并做出准确预测。
这为什么重要？
SLIViT 通过使用最少的数据提供快速、精确的医学图像分析，实现更快的诊断，从而彻底改变了医疗保健行业。其经济实惠和专家级的准确性使资源有限的提供商能够获得先进的诊断，从而使医疗保健服务更加普及。
7、知识锦囊：生成式人工智能与法律职业：打破人工智能采用僵局
在这篇文章中，汤姆·马丁指出，法律行业正在经历人工智能应用的重大转变。2023 年，约有 20% 的律师事务所正在使用或考虑使用人工智能，而同样比例的律师事务所对此不感兴趣。
然而，2024 年的数据显示出了巨大的变化——超过 50% 的顶级律师事务所购买了生成式 AI 解决方案，45% 的律师事务所正在将其用于法律事务。作者想传达的是，人们对采用 AI 的最初犹豫正在减少。竞争压力和 AI 已证实的好处等因素正在推动这一增长。
这为什么重要？
这种快速转变可能成为法律行业的转折点。随着越来越多的公司采用生成式人工智能，它可能会重塑法律服务的提供方式并制定新的行业标准。早期采用者可能会获得优势，而其他人则面临落后的风险。