研究发现：用人工智能生成的图像训练出的人工智能产生了糟糕的结果。

研究发现：用人工智能生成的图像训练出的人工智能产生了糟糕的结果。 斯坦福大学和莱斯大学的研究人员发现，生成式人工智能模型需要“新鲜的真实数据”，否则输出的质量就会下降。 这对摄影师和其他创作者来说是个好消息，因为研究人员发现，训练数据集中的合成图像会放大人工痕迹，使人工智能画出的人类看起来越来越不像真人。 研究小组将这种状况命名为“模型自噬障碍”。如果自噬循环的每一代都没有足够的新鲜真实数据，未来的生成模型注定会逐渐降低其质量或多样性。 如果该研究论文是正确的，那么这意味着人工智能将无法开发出无穷无尽的数据源。人工智能仍然需要真实、高质量的图像来不断进步，而不是依赖自己的输出。这意味着生成式人工智能将需要摄影师。

Meta 推出独立的人工智能图像生成器，目前免费但只支持英文提示词

Meta 推出独立的人工智能图像生成器，目前免费但只支持英文提示词 Meta 在网页上推出了一种新的、独立的生成式人工智能体验「」，它允许用户通过用自然语言描述图像来创建图像。 新的人工图像生成器由 Meta 现有的 Emu 图像生成模型提供支持，可根据文本提示创建高分辨率图像。 它目前对美国的英语用户免费使用，并且每个提示都会生成四个图像。

Meta 表示将在 Facebook 和 Instagram 上标记人工智能生成的图像

Meta 表示将在 Facebook 和 Instagram 上标记人工智能生成的图像 Facebook 和 Instagram 用户将开始在社交媒体上看到人工智能生成的图片被贴上标签，这是科技行业为区分真假图片而采取的广泛举措的一部分。Meta 周二表示，该公司正在与行业合作伙伴合作制定技术标准，使识别图像并最终识别由人工智能工具生成的视频和音频变得更容易。

谷歌宣布推出人工智能图像生成器 ImageFX

谷歌宣布推出人工智能图像生成器 ImageFX 当地时间2月1日，谷歌在博客文章中宣布推出了一款全新的图像生成工具 ImageFX，新工具由 Imagen 2 (谷歌 DeepMind 的最新文本到图像模型) 提供支持，可以通过简单的文字提示来创建高质量的图像。 用户可以在此体验：链接 谷歌博客

基于语义搜索和文本生成的领域知识问答

基于语义搜索和文本生成的领域知识问答 基于领域知识（如内部文档、合同、书籍等）回答问题具有挑战性，因为它需要处理大型文档。在这篇文章探索了一种先进的技术，以实现对大文本的高精度问答，将语义搜索和文本生成与 GPT-3、GPT-J 或 GPT-NeoX 等模型相结合。|

人工智能对人工智能生成的内容进行训练将导致人工智能崩溃

人工智能对人工智能生成的内容进行训练将导致人工智能崩溃 用于训练大型语言模型的数据最初来自人类来源，如书籍、文章、照片等，这些都是在没有人工智能的帮助下创建的。但随着越来越多的人使用人工智能来制作和发布内容，一个明显的问题出现了：当人工智能生成的内容在互联网上扩散时，人工智能模型开始对其进行训练。研究人员发现，“在训练中使用模型生成的内容会导致所产生的模型出现不可逆转的缺陷。”他们研究了文本到文本和图像到图像的人工智能生成模型的概率分布，得出结论：“从其他模型产生的数据中学习会导致模型崩溃 这是一个退化的过程，并且随着时间的推移，模型会忘记真正的基础数据分布。”他们观察到模型崩溃发生得如此之快：模型可以迅速忘记它们最初学习的大部分原始数据。这导致它们随着时间的推移，表现越来越差，错误越来越多。来源 ， 来自：雷锋 频道：@kejiqu 群组：@kejiquchat 投稿：@kejiqubot