Google为Android系统推出AirTag设备自动警报 旨在防止跟踪行为

Google为Android系统推出AirTag设备自动警报旨在防止跟踪行为它的工作原理是：如果一个未知的蓝牙追踪器与它的主人分离，并被确定与你同行，Android设备就会收到通知。如果你点击通知，就可以了解有关追踪器的更多信息，并查看追踪器与你同行地点的地图。此外，还有一个"播放声音"选项，可以让追踪器发出声音，这样你就可以在追踪器主人不知情的情况下找到它。此外，当把追踪器靠近手机背面时，它可能会分享其序列号或更多有关其主人的信息，如电话号码的最后四位数字。用户还可以学习如何完全禁用追踪器，这样机主就不会再收到追踪器的位置更新信息了。这一切都是为了防止使用AirTag和类似AirTag的追踪器进行跟踪，看来这是朝着正确方向迈出的非常好的一步。Google还内置了手动扫描功能，让你无需等待警报就能检查周围是否有跟踪器。要手动搜索，你需要进入"设置">"安全与应急">"未知追踪器警报"，然后点击Android设备上的"立即扫描"按钮。扫描大约需要10秒钟。最后，Google宣布在苹果公司在iOS系统中实施类似的保护措施之前，暂缓推出"查找我的设备"网络。该公司表示，联合的"不受欢迎的追踪器警报"规范应在今年年底前完成，之后将启用"查找我的设备"网络。...PC版：https://www.cnbeta.com.tw/articles/soft/1373575.htm手机版：https://m.cnbeta.com.tw/view/1373575.htm

研究称地震传感器可以检测灾难性的洪水

研究称地震传感器可以检测灾难性的洪水据TheVerge报道，一项新研究发现，地震传感器可以检测到快速移动的洪水向它们冲来。据最近发表的一篇论文的作者说，这一信息对从事洪水早期预警系统工作的人来说特别有价值，它可以给人们提供关键的时间去安全的地方，防止死亡和洪水破坏。PC版：https://www.cnbeta.com/articles/soft/1328115.htm手机版：https://m.cnbeta.com/view/1328115.htm

谷歌在 Android 上推出“未知跟踪器警报”，现可检测 Apple AirTags 。

谷歌在Android上推出“未知跟踪器警报”，现可检测AppleAirTags。继上月底宣布这一消息之后，谷歌正式推出了此功能。提醒功能开启后，如果系统检测到有不明追踪器长时间跟着你移动，会向你发送通知。点击通知可以了解更多关于该追踪器的信息，以及如何禁用它，并查看包含该追踪器与你移动的历史地图。你还可以控制追踪器响铃以方便用户定位追踪器位置。你也可以“手动扫描”来检查你附近是否有与物主分开的追踪器。国行系统亦支持此功能。支持该功能的GMS版本为：23.30.xx——、

Android系统正在推出一项新的功能："未知跟踪器警报"（目前仅适用于 AirTag 设备）。

Android系统正在推出一项新的功能："未知跟踪器警报"（目前仅适用于AirTag设备）。在2023年的I/O大会上宣布的新功能将从本月起逐步推向运行Android6.0及更高版本的设备。这项功能允许你在他人的蓝牙追踪器与你一同移动时收到通知。点击通知可以了解更多关于该追踪器的信息，以及如何禁用它，并查看包含该追踪器与您移动历史的地图。你还可以点击"播放声音"按钮，追踪器将发出声音，帮助你在不让追踪器所有者知情的情况下找到它。如果将你的设备靠近追踪器，一些蓝牙追踪器可以告诉你它们的序列号或有关设备所有者的其他信息，比如手机号码的最后四位数字。此外，你还可以手动扫描周围的追踪器。——、

Android系统新增基于人工智能的诈骗电话检测功能

Android系统新增基于人工智能的诈骗电话检测功能Google表示，该功能利用GeminiNano（该公司用于Android设备的Gemini大型语言模型的缩小版，可在本地和离线状态下运行）来查找欺诈性语言和其他通常与诈骗有关的对话模式。用户将在通话过程中收到存在这些红色信号的实时警报。可能触发这些警报的一些例子包括"银行代表"打来的电话，他们会提出一些真正的银行不太可能提出的要求，比如询问你的密码或银行卡密码等个人信息，要求通过礼品卡付款，或要求用户紧急转账给他们。Google表示，这些新的保护措施完全是在设备上实施的，因此GeminiNano监控的对话将保持私密性。用户在可疑电话中收到的通知示例，用户可以选择继续通话或迅速结束通话。目前还不知道这项诈骗检测功能将于何时推出，但Google表示，用户需要选择使用该功能，将在"今年晚些时候"分享更多信息。虽然经过多年的宣传活动和如何避免诈骗的指导，有些人似乎很容易就能识破诈骗电话，但总有中招的风险。全球反诈骗联盟（GlobalAnti-ScamAlliance）去年10月的一份报告发现，在过去12个月中，全球每4人中就有1人因诈骗或身份盗窃而损失钱财，损失金额超过1万亿美元。因此，虽然可能会发现这种技术有用的人很多，但兼容性可能会限制其适用性。根据其开发者支持页面显示，GeminiNano目前仅支持GooglePixel8Pro和三星S24系列。...PC版：https://www.cnbeta.com.tw/articles/soft/1430904.htm手机版：https://m.cnbeta.com.tw/view/1430904.htm

机器学习技术开始试图预测罕见的灾难性事件 如地震或大流行病

机器学习技术开始试图预测罕见的灾难性事件如地震或大流行病然而，来自布朗大学和麻省理工学院的一组科学家表明，这不一定是这样的。在《自然-计算科学》上发表的一项研究中，研究人员解释了他们如何利用需要较少数据进行准确预测的统计算法，并与布朗大学开发的机器学习技术相结合。这种结合使他们能够在缺乏历史数据的情况下预测罕见事件的情景、概率甚至是时间线。这样做，研究小组发现，这个新的框架可以提供一种方法来规避传统上这些类型的计算所需要的大量数据，而基本上将预测罕见事件的巨大挑战归结为质量大于数量的问题。"你必须意识到这些是随机事件，"布朗大学应用数学和工程系教授、研究报告作者乔治-卡尔尼亚达基斯说。"像COVID-19这样的大流行病的爆发，墨西哥湾的环境灾难，地震，加利福尼亚的巨大野火，30米高的海浪掀翻了一艘船……这些都是罕见的事件，由于它们是罕见的，我们没有大量的历史数据。我们没有足够的过去的样本来预测它们在未来的发展。我们在论文中解决的问题是。什么是我们可以使用的最佳数据，以尽量减少我们需要的数据点的数量？"研究人员在一种称为主动学习的顺序采样技术中找到了答案。这些类型的统计算法不仅能够分析输入它们的数据，更重要的是，它们可以从信息中学习，标记新的相关数据点，这些数据点对正在计算的结果同样重要，甚至更重要。在最基本的层面上，它们允许用更少的钱做更多的事。这对研究人员在研究中使用的机器学习模型至关重要。该模型被称为DeepOnet，是一种人工神经网络，它使用连续层中相互连接的节点，大致模仿人脑中神经元的连接。DeepOnet被称为深度神经算子。它比典型的人工神经网络更先进、更强大，因为它实际上是两个神经网络合一，在两个平行网络中处理数据。这使它能够以极快的速度分析巨大的数据集和场景，一旦它学会了它所寻找的东西，就能吐出同样巨大的概率集。这个强大的工具的瓶颈，特别是在涉及到罕见事件时，是深度神经操作者需要大量的数据来训练，以进行有效和准确的计算。在论文中，研究团队表明，结合主动学习技术，DeepOnet模型可以得到训练，了解要寻找哪些参数或前兆，导致有人正在分析的灾难性事件，即使没有很多数据点。Karniadakis说："主旨不是把每一个可能的数据都放进系统，而是主动寻找将标志着罕见事件的事件，我们可能没有很多真实事件的例子，但我们可能有那些前兆。通过数学，我们识别它们，它们与真实事件一起将帮助我们训练这个数据饥渴的运算装置。"在论文中，研究人员将该方法应用于确定大流行期间危险尖峰的参数和不同的概率范围，寻找和预测"流氓波浪"，以及估计一艘船何时会因压力而裂成两半。例如，对于流氓波浪--大于周围波浪大小两倍的波浪--研究人员发现他们可以通过观察可能的波浪条件来发现和量化无赖波何时形成，这些波浪随着时间的推移非线性地相互作用，导致波浪有时是其原始大小的三倍。研究人员发现他们的新方法优于更多的传统建模工作，他们认为它提出了一个框架，可以有效地发现和预测各种罕见事件。在论文中，研究小组概述了科学家应该如何设计未来的实验，以便他们能够最大限度地降低成本并提高预测的准确性。例如，Karniadakis已经在与环境科学家合作，使用这种新方法来预测气候事件，如飓风。这项研究由麻省理工学院的EthanPickering和ThemistoklisSapsis领导。DeepOnet是由Karniadakis和其他布朗研究人员在2019年推出的。他们目前正在为该技术申请专利。这项研究得到了国防高级研究计划局、空军研究实验室和海军研究办公室的资金支持。...PC版：https://www.cnbeta.com.tw/articles/soft/1341361.htm手机版：https://m.cnbeta.com.tw/view/1341361.htm