微软用新的身份验证工具加强了对 deepfake 的打击力度

deepfake，即合成媒体，是由人工智能（AI）操纵的照片、视频或音频文件。为了打击 deepfake 的盛行，微软推出了一款新的视频认证工具，它可以对一张静态照片或视频进行分析，提供一份该媒体被人为操纵的几率百分比。它的工作原理是检测 deepfake 的混合边界和微妙的褪色或灰度元素，这些元素可能无法被人眼检测到。

来源：zdnet

拍一拍：果然是魔高一尺道高一丈，AI 的问题需要 AI 来解决。不过，长期来看，这是一个不断博弈的过程。

白帽黑客一度能控制所有特斯拉汽车

白帽子黑客 Jason Hughes 曾经利用服务器端的漏洞能控制所有特斯拉的汽车。任何特斯拉汽车的远程指令或诊断信息都会经过 Mothership 服务器。他在 Mothership 中发现了漏洞允许他以任何特斯拉车主的身份给汽车发送指令。当时特斯拉汽车的远程控制功能还比较有限，Hughes 并不能操纵汽车开到任何地方，但可以使用召唤功能召唤它们。这些漏洞让他获得了 5 万美元的赏金。

来源：solidot

拍一拍：新技术出现往往伴随着巨大的风险，幸好总能尽快迭代解决。

英特尔更新 MKL，AMD CPU 再次受伤

英特尔的 Math Kernel Library（MKL）是科学计算领域广泛使用的数学库，但它对竞争对手 AMD 的 CPU 非常不友好。英特尔最近释出了 MKL 2020 Update 1+，导致 AMD CPU 之前的一个旁路解决方案失效。虽然英特尔在 MKL 中加入了 Zen 内核，但并不完备，因此，科学计算软件在 AMD CPU 上性能又变差了。

来源：solidot

拍一拍：商业公司的出发点是如何利益最大化。

来自 Intel、MIT 和佐治亚理工学院的研究人员正在研究一个 AI 引擎，它可以分析代码的相似性，以确定代码的实际作用，为自动化软件编写奠定了基础。

随着人工智能（AI）的快速发展，我们是否会进入计算机智能到足以编写自己的代码并和人类一起完成工作？新的研究表明，我们可能正在接近这个里程碑。

来自 MIT 和佐治亚理工学院的研究人员与 Intel 合作开发了一个人工智能引擎，被称为机器推断代码相似性（MISIM），它旨在分析软件代码并确定它与其他代码的相似性。最有趣的是，该系统有学习代码的潜力，然后利用这种智能来改变软件的编写方式。最终，人们可以解释希望程序做什么，然后机器编程（MP）系统可以拿出一个已经编写完的应用。

Intel 首席科学家兼机器编程研究总监/创始人 Justin Gottschlich 在该公司的新闻稿中说：“当完全实现时，MP 能让每个人都能以任何最适合自己的方式 —— 无论是代码、自然语言还是其他东西 —— 来表达自己的意图以创建软件。这是一个大胆的目标，虽然还有很多工作要做，但 MISIM 是朝着这个目标迈出的坚实一步。”

它是如何工作的

Intel 解释说，神经网络“根据它们被设计执行的作业”给代码片段打出相似度分数。例如，两个代码样本可能看起来完全不同，但由于它们执行相同的功能，因此被评为相同。然后，该算法可以确定哪个代码片段更有效率。

例如，代码相似性系统的原始版本被用于抄袭检测。然而，有了 MISIM，该算法会查看代码块，并试图根据上下文确定这些代码段是否具有相似的特征，或者是否有相似的目标。然后，它可以提供性能方面的改进，例如说，总体效率的改进。

MISIM 的关键是创造者的意图，它标志着向基于意图的编程的进步，它可以使软件的设计基于非程序员创造者想要实现的目标。通过基于意图的编程，算法会借助于一个开源代码池，而不是依靠传统的、手工的方法，编译一系列类似于步骤的编程指令，逐行告诉计算机如何做某件事。

Intel 解释说：“MISIM 与现有代码相似性系统的核心区别在于其新颖的上下文感知语义结构 （CASS），其目的是将代码的实际作用提炼出来。与其他现有的方法不同，CASS 可以根据特定的上下文进行配置，使其能够捕捉到更高层次的代码描述信息。CASS 可以更具体地洞察代码的作用，而不是它是如何做的。”

这是在没有编译器（编程中的一个阶段，将人类可读代码转换为计算机程序）的情况下完成的。方便的是，可以执行部分片段，只是为了看看那段代码中会发生什么。另外，该系统摆脱了软件开发中一些比较繁琐的部分，比如逐行查找错误。更多细节可以在该小组的论文（PDF）中找到。

Intel 表示，该团队的 MISIM 系统比之前的代码相似性系统识别相似代码的准确率高 40 倍。

一个 Redditor，Heres\_your\_sign 对 MISIM 报道的评论中有趣地指出，幸好计算机不写需求。这位 Redditor 认为，那是自找麻烦。

via: https://www.networkworld.com/article/3570389/ai-system-analyzes-code-similarities-makes-progress-toward-automated-coding.html

作者：Patrick Nelson 选题：lujun9972 译者：geekpi 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出

美国 AI 战机击败人类空军飞行员

近日，美国军事研究部门 DARPA 举办了一场人工智能 VS 人类的 “模拟空战比赛”，该比赛借助美国空军使用的飞行模拟器进行。最终，一个被称为 Falco 的人工智能战斗机在一系列虚拟空战中击败了一名战场经验丰富的美国空军教官。 Heron Systems 公司则表示，他们的 AI 空战模型通过模拟训练，已经积累了相当于一名人类飞行员 30 年的飞行经验。

来源：开源中国

拍一拍：AI 会逐渐在许多方面超越人类，令人担忧的“天网”或许不远了。

全球比特币挖矿电力消耗突破 7 千兆瓦

今年与比特币相关的电力消耗达到了历史新高，全球挖矿业使用了超过 7 千兆瓦（7 GW）的电力（约 63.32太瓦时）。这个功率大致相当于 7 座核电站或 2180 万块太阳能电池板的功率。中国处于领先地位，为全球平均每月哈希值贡献了 65.08%。

来源：cnBeta.COM

拍一拍：希望中国不仅仅是“矿产”大国，也在区块链技术和理论上取得更大成就。

AI 从 NASA 的旧数据里识别出 50 颗新行星

华威大学的天文学家和计算机科学家构建了一个机器学习算法，用 NASA 开普勒太空望远镜收集的数据进行训练，一旦算法学会区分真实行星和假阳性，他们将其用于分析尚未证实的旧数据集，识别了 50 颗新的系外行星。

来源：solidot

拍一拍：说不得可以利用 AI 进行更多的“变废为宝”。

准备好在提到数据中心设备时，听到更多的“循环”一词。

微软正在将人工智能引入到对数百万台服务器进行分类的任务中，以确定哪些部件可以回收，在哪里回收。

新计划要求在微软全球各地的数据中心建立所谓的“ 循环中心 Circular Center ”，在那里，人工智能算法将用于从退役的服务器或其他硬件中分拣零件，并找出哪些零件可以在园区内重新使用。

微软表示，它的数据中心有超过 300 万台服务器和相关硬件，一台服务器的平均寿命约为 5 年。另外，微软正在全球范围内扩张，所以其服务器数量应该会增加。

循环中心就是要快速整理库存，而不是让过度劳累的员工疲于奔命。微软计划到 2025 年将服务器部件的重复使用率提高 90%。微软总裁 Brad Smith 在宣布这一举措的一篇博客中写道：“利用机器学习，我们将对退役的服务器和硬件进行现场处理。我们会将那些可以被我们以及客户重复使用和再利用的部件进行分类，或者出售。”

Smith 指出，如今，关于废物的数量、质量和类型，以及废物的产生地和去向，都没有一致的数据。例如，关于建造和拆除废物的数据并不一致，我们要一个标准化的方法，有更好的透明度和更高的质量。

他写道：“如果没有更准确的数据，几乎不可能了解运营决策的影响，设定什么目标，如何评估进展，以及废物去向方法的行业标准。”

根据微软的说法，阿姆斯特丹数据中心的一个循环中心试点减少了停机时间，并增加了服务器和网络部件的可用性，供其自身再利用和供应商回购。它还降低了将服务器和硬件运输到处理设施的成本，从而降低了碳排放。

“ 循环经济 circular economy ”一词正在科技界流行。它是基于服务器硬件的循环利用，将那些已经使用了几年但仍可用的设备重新投入到其他地方服务。ITRenew 是我在几个月前介绍过的一家二手超大规模服务器的转售商，它对这个词很感兴趣。

该公司表示，首批微软循环中心将建在新的主要数据中心园区或地区。它计划最终将这些中心添加到已经存在的园区中。

微软曾明确表示要在 2030 年之前实现“碳负排放”，而这只是其中几个项目之一。近日，微软宣布在其位于盐湖城的系统开发者实验室进行了一项测试，用一套 250kW 的氢燃料电池系统为一排服务器机架连续供电 48 小时，微软表示这是以前从未做过的事情。

微软首席基础设施工程师 Mark Monroe 在一篇博客中写道：“这是我们所知道的最大的以氢气运行的计算机备用电源系统，而且它的连续测试时间最长。”他说，近年来氢燃料电池的价格大幅下降，现在已经成为柴油发电机的可行替代品，但燃烧更清洁。

via: https://www.networkworld.com/article/3570451/microsoft-uses-ai-to-boost-its-reuse-recycling-of-server-parts.html

作者：Andy Patrizio 选题：lujun9972 译者：geekpi 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出

大学生用 GPT-3 生成伪文章成功骗过众人

加州大学伯克利分校的学生以 Adolos 为笔名开通博客，在其中发布由 GPT-3 模型生成的文章，第一篇就被顶至 Hacker News 头条，还被 medium 等各大平台转载，该博客迅速获得了 60 位关注者及大约 2.6 万访问量。但注意到文章是由人工智能生成，且提出质疑的人屈指可数。这篇题为《觉得生产力低下？也许你应该停止过度思考》的文章，仅指定了标题和简介，其他内容都交由 GPT-3 完成，却引来一众网友共情并应声附和。

来源：开源中国

拍一拍：或许，等 GPT-3 的使用门槛进一步降低后，很多人的工作都不在需要。

G Suite 服务宕机数小时

根据 G Suite Status Dashboard 上的信息，多个 Google 服务宕机数小时，Google 尚未给出解释，只是表示正在调查问题。受到影响的服务包括 Gmail、Google Drive、Google Docs、Google Slides、Google Sites、Google Groups、Google Chat 和 Google Meet。

来源：solidot

拍一拍：云服务垄断了互联网服务的同时，无论是哪家云服务商，均出现过大范围的、长时间的服务故障，或许这就是集中化、规模化带来副作用。

Grafana 的开发商 Grafana Labs 宣布已完成 5000 万美元的 B 轮融资

2019 年 10 月的首轮融资，当时该公司筹得 2,400 万美元。Grafana 是一款开源的可视化系统指标监控与分析平台，支持与包括 Graphite、Elasticsearch、OpenTSDB、Prometheus 和 InfluxDB 等在内的众多数据源集成。

来源：开源中国

拍一拍：真正有影响力的开源软件，一样能赢得资本市场的青睐。

1750 亿参数的 AI 模型 GPT-3 引爆硅谷

OpenAI 的研究人员在上个月发表了一篇论文，描述了 GPT-3 的开发，正式发布了这个由 1750 亿个参数组成的 AI 语言模型。在 GPT-3 中，对于所有任务，模型无需进行任何梯度更新或微调，而仅通过与模型的文本交互指定任务和少量示例即可获得很好的效果。微软给 OpenAI 提供的这台超级计算机是一台排名全球前 5 的超级计算机。GPT-3 是一个史无前例的庞大语言模型，所以几乎所有可以用文字表达的工作它都能胜任，你可以指导它回答问题、写文章、写诗歌、甚至写代码。神经网络之父、图灵奖获得者 Geoffrey Hinton 早前对 GPT-3 的一番评论：“ 鉴于 GPT-3 在未来的惊人前景，可以得出结论：生命、宇宙和万物的答案，就只是 4.398 万亿个参数而已。”

来源：开源中国

拍一拍：不等到了 GPT-4、GPT-5 天网长大，我们程序员可能就要先失业吧。

FydeOS X 发布，支持使用 Google 账号登录 FydeOS

FydeOS 基于开源项目 Chromium 二次开发，对其底层技术行了修改和优化。包括对安卓程序的支持、对原生 Linux 应用程序的支持、对常用 Windows 程序的兼容、账号信息和文件云同步以及功能强大的高颗粒度企业集管功能，是一款符合互联网时代需求的云技术操作系统。FydeOS X 也就是 FydeOS v10 发布，这是“有史以来改变最大的发布”。

来源：开源中国

拍一拍：这是一个有趣的项目，或许能填补国内不能用 ChromeOS 的空白。