威廉·史特劳斯和尼尔·豪在他们的代际变迁理论中，解释了历史如何按“季”推移演进。以季为单位，历史总是遵循出生、成长、衰落与更新等几个迭代周期，并呈现出总体性的觉醒与崩溃趋势。而每一季之间往往由危机划分，最终成就前所未有的全新社会秩序。

生物识别技术、人工智能和机器学习的深度融合，正推动身份验证从被动识别向主动风险评估和持续监控转变，尤其在对抗深度伪造等新兴欺诈手段方面，展现出不可或缺的关键作用。

日前，专注于销售科技（SalesTech）的AI企业服务公司——循环智能（Recurrent AI）举办主题为“智见未来，有迹可循”的云端发布会，重磅发布其包含三大产品矩阵在内的整体产品方案及“盘古”零样本NLP平台

苏黎世大学的实验显示，AI的说服成功率达到9-18%，而人类平均只有2.7%，AI比人类强6倍。在4个月内，13个AI账号成功说服了上百位Reddit用户改变观点，且没有人识破它们的身份

“在以客户为中心的理念指导下，我们正在通过产品的升级不断为客户创造更好的体验。当下，这对我们来说是最重要的。”甲骨文公司执行副总裁Philippe Mathieu在日前的2019甲骨文云大会演讲中强调。

2018年1月12日，第三届中国时尚行业CIO联盟年会在北京圆满落幕。主题围绕“破茧成蝶——新技术赋能时尚业”，吸引了来自探路者、特步、李宁、裂帛、鄂尔多斯、金羽杰、罗莱家纺等400多家行业领头企业代表的参与。

华为CloudEngine数据中心交换机和AI Fabric智能无损数据中心网络方案适用于分布式存储、高性能计算（HPC）和AI应用等场景，依靠的独创的AI芯片和iLossLess智能无损交换算法，解决了当前以太网易丢包，吞吐率低的难题，引领数据中心网络迈入AI时代。

百川智能团队提出了一种基于强化学习的医疗文档视觉信息提取方法，仅用100张标注图片就实现了医疗报告的高精度结构化数据转换。该方法采用平衡的精确度-召回率奖励机制和创新的采样策略，在医疗VIE任务上达到77.81的F1分数，显著超越商业模型表现，为医疗信息化提供了高效解决方案。

从业务洞察延伸至业务创新，数据价值的能见度一路走高。一方面，企业以中台的形式重塑了数据价值链，另一方面数据驱动下的产业互联网释放万亿价值，驱动商业最终走向社会化。

Skywork AI团队通过创新的人机协作数据处理方法，构建了史上最大规模的高质量偏好数据集SynPref-40M，训练出Skywork-Reward-V2系列模型。该系列在七项主要测试中全面超越现有最佳模型，证明了数据质量胜过算法复杂度的重要原理，为AI更好理解人类偏好开辟了新道路。

全球信息通信技术正进入技术架构大迁徙时代，企业数字化转型正在经历从基于传统IT架构的信息化管理，迈向基于云架构的智能化运营。

这项由清华旗下奇虎科技等机构联合开发的研究，提出了ForCenNet前景中心网络来解决手机拍摄文档变形问题。与传统均匀处理方法不同，该系统重点关注文档中的关键信息区域如文字和表格线条，采用创新的前景分割、掩码引导和曲率一致性优化技术，在四个主流数据集上达到最优性能，为移动文档数字化提供了高效解决方案。

随着科技的不断发展，汽车也在飞跃式的跨进，从外形到结构再到性能都有着翻天覆地的变化。而且在虚拟世界里汽车还化作一组组数据跑在云端，车联网就是一个非常典型的应用场景，互联让汽车将变得越来越智能和聪明。可以想象，车联网即将颠覆未来的交通方式。

每个行业都有越来越多的企业在采用人工智能（AI）来改变业务流程，但是他们的AI计划能否取得成功，不仅仅取决于数据和技术，还要取决于是否有合适的人才加入。不仅仅有数据科学家和工程师……

每个行业都有越来越多的企业在采用人工智能（AI）来改变业务流程，但是他们的AI计划能否取得成功，不仅仅取决于数据和技术，还要取决于是否有合适的人才加入。有效的企业AI团队是一个多元化的群体，其中不仅仅有数据科学家和工程师。

这项研究汇集了来自斯坦福大学、苏黎世联邦理工学院、隆德大学、加州大学旧金山分校等多所世界顶尖学府的11位医学专家，共同构建了医学AI领域的首个多模态情境学习评估标准。

上海AI实验室等机构联合研究揭示了大语言模型代码评估中的系统性偏见问题。研究发现现有测试方法存在"同质化陷阱"，AI生成的测试用例往往无法发现人类编程中的多样化错误。研究团队提出SAGA人机协作框架，通过分析正确和错误的人类代码生成高质量测试用例，显著提升了代码评估的准确性和鉴别力，为AI编程评估提供了新的解决方案。

人形机器人迈入群体智能的实训2.0阶段。

人形机器人迈入群体智能的实训2.0阶段。

想象一下，你是一位烹饪大师，准备制作一道复杂的全餐。你的食材柜里有各种各样的食材——肉类、蔬菜、调料、面粉等等，数量远超你一次能用的量。传统方法可能是从每类食材中随机挑选一些，但这样做往往效率低下。