【Glassnode联创：加密货币通常在纳斯达克停滞后得到提振】

【Glassnode联创：加密货币通常在纳斯达克停滞后得到提振】区块链分析公司Glassnode联合创始人YannAllemann在社交媒体发文称，加密货币通常在纳斯达克停滞后得到提振，这一趋势表明，在纳斯达克表现不佳期间，投资者可能会将资金转向风险较高的资产，即加密货币。YannAllemann称这一趋势可以追溯到2019年，他指出纳斯达克100指数用了186天的时间才重回7,600点水平，这是与经济衰退前的恐惧相关的标志。相比之下，比特币用了大约220天的时间才达到6,500美元的水平。但根据Allemann的数据，一旦比特币开始攀升，其表现就大大超过了纳斯达克，然后这种趋势会转移到其他数字资产，如以太坊(ETH)、Solana(SOL)、狗狗币(DOGE)和NFT。快讯/广告联系@xingkong888885

亚马逊研发识别物品的计算机模型 以淘汰条形码

亚马逊研发识别物品的计算机模型以淘汰条形码这家电子商务巨头利用亚马逊仓库中的物品图片来训练计算机模型，开发了一个摄像系统，可以监控物品在传送带上逐一流动，以确保它们与图像相符。最终，亚马逊的人工智能专家和机器人专家希望将该技术与机器人结合起来，在捡拾物品和转身时识别物品。"解决这个问题，使机器人能够捡起物品并处理它们，而不需要寻找和扫描条形码，这是根本，"亚马逊在柏林的计算机视觉小组的应用科学经理NontasAntonakos说。"它将帮助我们更快、更准确地将包裹送到客户手中。"不过，这个被称为多模式识别的系统并不打算很快完全取代条形码。只要制造和运输产品的外部公司依靠该技术来识别和跟踪库存，亚马逊仓库里的产品就需要有条形码。亚马逊的新系统目前正在西班牙巴塞罗那和德国汉堡的设施中使用，该公司说，它已经加快了那里处理包裹的时间。这项技术将在亚马逊的所有业务中共享，因此有可能有一天你会在全食超市或其他亚马逊旗下的连锁店看到它的版本。亚马逊已经在其他产品中建立了计算机视觉技术，例如你可以问EchoShow智能显示器，"Alexa，我拿的是什么？"以获得对房子周围物体的识别帮助。这项功能被称为"展示和讲述"，是为视力障碍者设计的。智能手机制造商和社交媒体公司也在相机和照片应用程序中加入了人工智能功能，例如，自动对照片进行分类。亚马逊表示，该系统主要希望消除的问题是给客户发错件，这并不经常发生。但是，考虑到一个仓库一天要处理多少物品，即使是不经常发生的错误，也会造成显著的效率下降。亚马逊的人工智能专家不得不从建立一个产品图像库开始，这是该公司在这个项目之前没有理由创建的。图像本身以及关于产品尺寸的数据为算法的最早版本提供了依据，而相机则不断捕捉新的商品图像来训练模型。该算法首次使用时的准确率在75%至80%之间，亚马逊认为这是一个有希望的开始。该公司表示，现在的准确率为99%。该系统最初面临一个小插曲，即它未能捕捉到颜色差异。在PrimeDay促销期间，该系统无法区分两种不同颜色的EchoDots。包装之间的唯一区别是一个小点，要么是蓝色，要么是灰色。经过一些调整，识别系统现在可以为其评级分配信心分数，只标记它非常确定不正确的物品。亚马逊的人工智能团队说，对多模式识别系统进行微调以评估由人处理的产品将是一个挑战，这就是为什么最终目标是让机器人来处理这些产品。...PC版：https://www.cnbeta.com.tw/articles/soft/1335593.htm手机版：https://m.cnbeta.com.tw/view/1335593.htm

心理健康是维护安全水平的基础 ——

心理健康是维护安全水平的基础——麦肯锡公司发表了，其中特别包含了关于人们对自身健康各方面看法的有趣数据。这项研究涵盖了世界各大洲共26个国家的调查情况，包括中国。健康主题涉及四个方面：1.心理（精神）健康；2.社会福祉（建立和维持人际关系的能力）；3.精神健康（有生活目标、生活意义、归属感）；4.身体健康。这项研究是分代际进行的，受访者不仅按国家分类，还按年龄组分类：1.婴儿潮一代（1946-1964年出生）2.X世代（1965-1980年出生）3.千禧代（1981-1996年）4.Z世代（1996-2012年）总体上看，Z世代的心理健康问题最多（18%的参与者表示他们的心理健康状况较差或非常差）。与其他几代人相比，Z世代的社会和精神健康状况也更糟糕（但相差得不是太多）。这两类受访者各占14%。按国家来看的情况很惊人。例如数据显示，美国和巴西的情况“最为严重”，有三分之一的Z世代存在精神健康问题。日本的Z世代“最不健康”——近三分之一的人存在心理健康、社交能力和归属感方面的问题。中国的调查结果是，13%的Z世代受访者报告有心理问题，6%的人报告有归属感问题。沙特的情况也令人吃惊。那里的婴儿潮一代的情况已经很糟糕了。超过30%的人在心理健康、社交和归属感方面都存在问题，29%的人在身体健康方面存在问题（在所有被调查国家中比例最高）。目前还不清楚这种反常现象与什么有关，在这项研究中，多数国家的老年人的情况都相对“较好”（除了身体健康方面的问题）。也就是说，它似乎在显示一个规律，即年轻人越多的地方，整体上的精神心理健康状况越差。调查认为这可能与社交媒体娱乐化的普及有关，报告中也分析了社交媒体的危害性。并且，与老一代人相比，Z世代更关注自己的心理健康问题，因此他们的心理健康问题发现率也更高。请注意，这不是一个普通医学话题。心理健康水平对我们的主题-即整体安全性-至关重要。这意味着您是否能准确判断局势和评估风险，保持敏锐，并据此做出尽可能准确有效的防御决策。这正是为什么前线社区通常都有自己的心理服务，以尽可能帮助长期处于高风险环境中的反对派人士维护心理健康，从而维护整体安全水平——从个人安全到团队互助。年轻人才是高风险行动的主力。当您的社区缺少专业的心理服务时，我们需要您了解以下这些知识，并加倍关爱自己。如果您错过了：《鉴于近日一位网络名人的死亡引起的关于厌食症等心理健康问题的话题》https://matters.town/@iyouport/438238-%E8%BD%AC%E5%B8%96%E5%8F%8A%E5%9B%9E%E5%A4%8D-%E9%89%B4%E4%BA%8E%E8%BF%91%E6%97%A5%E4%B8%80%E4%BD%8D%E7%BD%91%E7%BB%9C%E5%90%8D%E4%BA%BA%E7%9A%84%E6%AD%BB%E4%BA%A1%E5%BC%95%E8%B5%B7%E7%9A%84%E5%85%B3%E4%BA%8E%E5%8E%8C%E9%A3%9F%E7%97%87%E7%AD%89%E5%BF%83%E7%90%86%E5%81%A5%E5%BA%B7%E9%97%AE%E9%A2%98%E7%9A%84%E8%AF%9D%E9%A2%98-bafybeids3enapgzjvezttug6qtsjthxhrfltjn3uvtm3lkffdzuhyzdayq《别再吃药了，精神疾病的病根并不在你的头脑中》https://iyouport.substack.com/p/308《扭曲的自我：社交媒体世界》https://iyouport.substack.com/p/715《如果你是失败者》https://iyouport.substack.com/p/d9e#MentalHealth#Security

一觉睡醒，AI破解验证码的速度比我还快了？

一觉睡醒，AI破解验证码的速度比我还快了？简单来说，他们把市面上所有类型的验证码，点击类的，拖拽旋转类的，图片选择类的等等等等，都搜罗了过来，分别让AI和测试者做了个遍。其中，最简单的点击识别，AI直接1.4秒就能过，还百分百准确度，而人类不但要得花3~4秒，竟然有一两成的人过不了。到拉大难度的图片验证，AI虽然在速度上稍有下降，但起码还保持在人类的平均水平里，准确度也和人类相当。让我选红绿灯，这杆子我是真不知道该不该选测试结果大家也都看到了，看这AI几乎门门儿接近百分百的准确率，速度也普遍比人快，说夸张点已经是吊打人类的程度了。反正论文提交后，这个项目的主任GeneTsudik直接给验证码戴了个“气数已尽”的帽子。还有一些媒体甚至打出“暴击人类”、“验证码失效”、“验证码被攻破”之类的标题。连马斯克都出来发文称，过去的验证机器人全失效了。最近，也有不少朋友反映登个X（原twitter）要三四个验证码，估计也是这个缘故。啊这这……验证码难道真就这么被AI锤爆了？？讲真，一开始看到这消息的时候，我心里也是惊了一下。于是，我们立马找到在国内外都颇具影响力的验证码头部企业极验聊了聊，想听听他们的评价。结果他们告诉差评，别太担心，类似的事情他们身经百战见得多了。虽然AI确实越来越强了，但在日常生活中，最新的验证系统还是能够能拦截一大波机器人的。其实很多人可能也都知道，验证码的攻和防是个博弈的过程。黑客那边的攻击手段不断升级，不代表验证系统这里就无动于衷。就比如初期AI模型还没出现的时候，黑客那边破解验证码就是靠穷举法。前期黑客会通过特定算法去攻击网站界面，用来获取这个网站的所有验证码图像。黑客频繁向页面发送请求在得到这些图像后，就该对它们进行标注了，也就是让人类给出标准答案。但用当地的人工标注，总归是一笔不小的费用，于是黑客就把这些任务外包出去，就是我们常说的打码工。像东南亚、拉美、非洲那些地区，单价基本在一分钱一张。折下来，黑客10天就能搞掉一个30万张的图库，并且成本还能控制在四五百。这样搞好之后，黑客就有了自己的一个验证码数据库。破解的时候，就是简单的查答案、写答案过程。当然，验证系统也得防守。前面提到既然你机器人搞数据库来破解，那我验证平台就定期更新数据库，并且每次更新数万张。直接用成本搞垮你……目前，国内普遍的验证平台已经差不多可以做到一周更新一次的频率，最快的都能到1小时更新一次。这个更新频率，换天王老子来也远远吃不消。然鹅转折又到了，这几年来，AI迎来井喷期。从自然语言处理，到计算机视觉，那研究成果是一个接着一个。在验证码这块儿，类似开头AI破解速度超过人类的消息也是不断传出。验证系统也在不断上强度。可能系统一波小更新，就能让上面的AI失效。而极验的朋友就告诉差评，前面论文所谈及的验证码的AI识别率，其实都不说是小更新，是它们几年前没有销售的上一代产品了。目前大家也在针对AI做验证系统。打蛇打七寸，防AI当然也得从它的软肋下手。一旦我们摸清了CV（计算机视觉）领域的主要模型的原理，它的软肋就是手拿把掐的事。这些图片识别的AI一大缺点就是会像人类一样产生视觉误差。比如下面这张图，世超也是辨认了好久才认出这是一个人和狗的错位照。目前图像识别主流的方法就两种，一种靠分类识别，另一种靠相似度识别。比如对抗分类模型，系统直接把验证码图中的一些物体粗暴地替换成AI不容易分类的，这样一来它识别物体的准确率自然就降下来了，主打一个绕道走。相似度模型的话，则是通过提前模糊掉物体的标志性特点，让AI识别不出来。就比如下面花环中的字符，直接用工具对字符轮廓做一些干扰处理。除了找软肋，我们还可以换个角度看，AI破解验证码，他背后也是人在控制，用什么模型，投喂什么数据也都是可以操控的事。既然黑客能用AI做工具，那验证系统也能用AI来防御。也就是说，让AI破解AI生成的验证图片。最典型的就是AIGC的一些应用了。前不久那个把字融到建筑上的照片很火，就可以试着把这样的照片丢给AI看它能不能认出来。极验告诉差评，就目前AI破解的水准，这种图它们暂时还拿捏不住。甚至有网友想出了个损招儿：AI出了名的弱点不就是手嘛，那让它猜猜下面哪个是真正的人手？你觉得这道题AI能解出来吗？用极验朋友的话来说，现在验证码已经正式迎来了“用魔法打败魔法”的时代。可能还会有朋友担心，万一AI真的能绕过验证码，那该怎么办？大可放心，就算机器人突破了，验证系统还有另外一道隐形的防线。不妨设想一下，一般哪种情况下黑客才会用机器人破解验证码？设置验证码的场景无非是在一些软件注册、登录界面，或者投票、抢票网页等等。黑客破解验证码要么是为了恶意爬虫获取信息，要么就是抢票、刷票。但在这样的场景下它们都有一些共性，要数次访问网站或软件页面。这时，隐形拦截就会出手。除了我们能看到的这些数字图片验证码之外，在用户操作的过程中，验证系统也会对操作环境进行判别。这些环境就包括你用的啥设备，浏览器环境比如IP地址，访问次数如何，甚至你的鼠标操作轨迹是怎样的。就拿浏览器环境来说，正常人肯定不会快速频繁地去刷新登录一个网页。黑客们就不一定了，频繁访问页面是他们必须要做的。举个例子，如果黑客要攻击的是下面这种验证码，让你依次点汉字。在短时间内，他们肯定会访问成千上万次网页，遇到同样的验证题目不可避免。照他们这样每次都点同样的位置，系统再不判定是机器人就真有点说不过去了。但这毕竟是隐形门槛，并且还得累积到一定程度上才能识别出机器人，所以系统关键还是要做好前面提到的验证码识别。总结下来，这场验证系统与黑客之间的攻防战不会停歇，没有一劳永逸的方法，AI出现只不过在技术层面上拉高了这场“战争”的level。更重要的是，至少在短时间内，验证码不会消失，也不会失效。...PC版：https://www.cnbeta.com.tw/articles/soft/1379077.htm手机版：https://m.cnbeta.com.tw/view/1379077.htm

ChatGPT访问量连续三个月下滑 AI急需下一个模式

ChatGPT访问量连续三个月下滑AI急需下一个模式在美国，ChatGPT的流量自5月开始就不断下降，至8月下降逐渐趋于平缓。全球的流量数据的下降趋势更为明显。有分析指出，全球大约四分之一的ChatGPT用户属于18-24岁的人群，因此当夏季学校放假，网站的流量也随之减少。Similarweb的高级洞察经理DavidF．Carr在8月份的报告中写道：关于ChatGPT的网络流量在夏季下降的一个理论是，学校放假了，这有助于解释为什么流量趋势在8月份趋于稳定，因为美国的学生在月底返校的人数更多。随着学生返校，9月份用户可能会部分恢复。也有观点指出，ChatGPT的降温还与其能力下降有关。斯坦福大学和加州大学伯克利分校发表的一篇研究论文发现，最新的ChatGPT模型在几个领域明显下降，尤其是在数学相关的问题上。研究人员在3月份和6月份分别对ChatGPT进行了测试，在一个例子中，6月份它识别质数的准确率仅为2.4%，而3月份为97.6%。一边是能力下降，另一边ChatGPT所面临的竞争也在加剧。Similarweb在报告中表示，ChatGPT发布时在该领域几乎处于垄断地位，但到现在，已经有9个规模与ChatGPT不相上下的聊天机器人应用。AI的下一站？聊天机器人只是AI的起点，而下一站是什么，是包括OpenAI自己和资本市场都想要弄清的问题。华尔街见闻此前提及，AI板块进一步上行的动能已经不足。由于AI对营收增长带动有限，OpenAI的大靠山微软股价自七月中旬以来累跌7.4%，社交平台Snapchat则因为AI投资挤压利润而惨遭抛售。美银援引EPFR数据指出，截至9月6日的一周，科技股流出17亿美元，面临11周以来首次抛售，或许意味着AI炒作正在退潮。指数风投（IndexVentures）合伙人MarkGoldberg表示，商业人工智能应用的出现曾经被寄予“光速实现”的乐观预期，但现在“出现了一种浅层次的幻灭感”：ChatGPT的初始用户增长激增，导致投资者高估了消费者将使用由生成式人工智能驱动的工具的速度。投资者在这些产品尚未拥有客户或收入之前便急于支持正在建设这些产品的初创公司，这引发了对市场可能过热的担忧。随着行业的趋势越来越清晰，投资者的耐心也越来越少，花旗分析师ScottChronert对媒体表示，AI炒作现在已经进入了“给我展示成果”的阶段。OpenAI目前给出的方案是ToB商业化。根据OpenAI6月初流出的闭门会议纪要，其CEOSamAltman就提到，ChatGPT的使命是吸引更多企业接入其API。AI初创公司已不约而同的将目光转向为B端客户提供技术服务，他们需要吸引新的客户，来跟上仍在“不断膨胀”估值，而Salesforce等深根企服软件多年的科技巨头们正拥有庞大的客户群体。OpenAI此前在一篇博客文章中表示，ChatGPTEnterprise将为企业客户提供高级版本的机器人，具有以前版本的“企业级”安全性和隐私增强功能。ChatGPTEnterprise将由OpenAI性能最高的型号GPT-4提供支持，就像该公司的个人订阅版本ChatGPTPlus一样，但企业客户将获得特殊的权益，包括更快的速度。...PC版：https://www.cnbeta.com.tw/articles/soft/1382721.htm手机版：https://m.cnbeta.com.tw/view/1382721.htm

下棋下哭柯洁的DeepMind 这次要让生物界地震？

下棋下哭柯洁的DeepMind这次要让生物界地震？生物体内几乎所有的分子结构，它都可以预测。这意味着生物医学研究从此开了真·上帝视角，任何生物分子作用机理都将从黑盒中打开，变成透视模式。不少媒体和网友开始欢呼，21世纪，这下真要成生物的世纪了……要看懂这次新发布的AlphaFold3有多牛，咱们就得先知道，DeepMind和它的AlphaFold，曾给了分子生物圈多大的震撼……我们在九年义务教育里都学过，生物体内最多的物质就是蛋白质，而要搞清楚生物分子的底层原理，就必须知道每个蛋白质具体长啥样。这么说吧，在AlphaFold之前，大伙们预测蛋白质结构主要两种办法，一是用X光照蛋白质晶体，也就是先拍片子再分析片子，再来搞懂它长啥样。二是核磁共振(NMR)光谱，拍出大体形状轮廓，再推测它的结构。这些传统办法不仅慢，适用范围小，需要不断试错，还费钱，每拍一次片子就花好几万美金，抵一辆小米su7。这也是为啥蛋白质研究方向生物学家，费钱且需要大量经验……只有那些经验的老师傅，蛋白质仙人，才能更快猜到蛋白质的准确形状，少拍点片子。所以人们就琢磨，这种需要经验总结的工作能不能靠AI解决呢？DeepMind就来干这事了，为了克服传统拍片子的问题，第一代AlphaFold选择技术路线的时候就摊牌了：不拍片子！蛋白质既然由氨基酸构成，初代AlphaFold用的方法就是，利用来自各处公开的已知蛋白质结构，把这些蛋白质中每一对氨基酸的距离，链接角度，汇总起来做成一张图，AI用神经网络消化完他们，再让AI做出自己的预测。而2018年第一代AlphaFold一经发布，就技惊四座，力压一众实验室老师傅，获得第13届蛋白质结构预测大赛(CASP)冠军。AI，很神奇吧。不过，初代AlphaFold有个问题，它更依赖局部数据的特征来训练，它不太能提取到较远元素之间的关系。就好像一个只会写短文，但学不会写长篇小说的作家。问题是，很多蛋白质分子有长距离的依赖性，这让初代AlphaFold的实力就有点捉襟见肘了。好在2020年发布的AlphaFold2.0，用上后来在ChatGPT上大火的Transformer模型。Transformer模型的注意力机制，则完美解决了长距离氨基酸的问题，进步有多大呢？2018年蛋白质结构预测大赛里1.0版本准确度得分不到60分，但是2020年大赛里2.0版本拿到了惊人的92.4分，它能生成的范围已经涵盖了人类已知蛋白质的98%，更重要的是它完全开源。可以说，2.0版本已经基本解决了单链蛋白质的预测问题，到2021年，基于2.0改版的AlphaFold-Multimer发布，也支持上了多链，准确度上也取得了突破，蛋白质之间作用的预测准确率超过70%。所以现在很多公司也用上了它们，甚至助力了国外一些新冠疫苗研发。但在DeepMind看来，蛋白质结构预测上的胜利，还远远没发挥完AI的潜力，因为生物体内的复杂分子结构不止有蛋白质，还有核酸，小分子配体等等，这就好比你花了十年时间学刻钥匙开锁技术，结果一出师，发现大家用的都是指纹锁密码锁，用传统钥匙的人太少了！所以这次AlphaFold3，他们更新了一个更牛逼的全方位模型，不仅能预测蛋白质DNARNA等各种小分子，还能揭示他们之间的互相作用。那这是怎么干的呢？答案是，他们用了Diffusion。对，就是大名鼎鼎的扩散模型，在AI绘画大火的时候，想必大家就听说过。它的原理就是把原图像不断打码，再让AI学会预测这些马赛克的生成过程，然后反过来实现从马赛克到图像的生成。不过，就像AI画画生成不好手指，Sora椅子视频会穿模一样，Diffusion加持下的AlphaFold3也会预测错误，特别是在一些长得相似难以区分的结构上，比如各位高中有机化学里学过的手性分子。所以在这些容易出错的地方，DeepMind用了一个叫做交叉蒸馏的操作，说白了就是让有Transform模型的2代版本先预测，再把预测数据添加到AlphaFold3的训练中，也就是相当于让2代扮演教师，领着3代去做，这样就能减少预测失误。生成的效果有多好？直接看官方图吧AlphaFold3对7BBV-酶(存在于一种土壤真菌体内)的预测，其中酶蛋白（蓝色）、离子（黄色球体）和单糖（黄色）与真实结构（灰色）几乎重合AlphaFold3对感冒病毒刺突蛋白（蓝色）与抗体（绿松石色）和单糖（黄色）相互作用时的结构预测，与真实结构准确匹配（灰色的）AlphaFold3对蛋白复合物的预测，其中蛋白质（蓝色）与DNA（粉色）结合，预测模型与实验测定的真实分子结构（灰色）近乎完美匹配除了生成质量相当哇塞，精度也是遥遥领先的原子级。在蛋白质与核酸配体的模拟上全面优于其他产品，抗原抗体的模拟也同样优秀。而操作AlphaFold3就更容易了。用ChatGPT，咱还得想办法提个好问题、写好提示词，而在AlphaFold3，你只需要输入一些分子列表，它就能预测出它们是如何组合在一起的。试想一下，原先需要花大量时间精力和资金才能观察到的现象，现在只需要在网站输入参数再单击，几分钟后就能产生极高清晰度和准确度的生物大分子模型。甚至细胞系统内部的生化过程，现象，DNA如何发挥作用，药物和激素的反应如何进行，也全都能在极短时间内被整明白。这些遥遥领先的数据，和大家的热情好像都在说：这次发布已经不是跨越式进步了，而是革命性的突破，整个传统生物医疗的科研方式，似乎都要被改变了。不过世超觉得，乐观是好的，但是科学这玩意儿除了乐观，要的还得是中肯和严谨。在各路媒体和网友都在“炸裂”“颠覆”“改变世界”的时候，圈内对的不少大佬，也发表了些对AlphaFold3的评价。比如颜宁教授团队就发现，3.0版本在一个糖蛋白预测中就翻车了，表现甚至不如前代版本。也有不少科学家吐槽3.0相比2.0它还不开源了，使用次数也有限制。甚至，还有人质疑DeepMind的老板Hassabis，他自己就创立过一家“专注人工智能的药物公司”，号称要“利用人工智能重新定义药物发现”，但从2021年到，今天他们还没有推出任何药物。当然这就有点在尬黑了，毕竟药物研发过程中，蛋白质结构问题只是其中一小部分，这并不能对药物研发进度产生决定性影响……总之，世超觉得AlphaFold的三代产品确实喜人，但在生命科学的漫漫实践长路上，它依旧有着不少难题需要去突破。不过说到底，进步总还是好事，希望DeepMind能再多搞点，搞快点吧。...PC版：https://www.cnbeta.com.tw/articles/soft/1430464.htm手机版：https://m.cnbeta.com.tw/view/1430464.htm