2023 年 5 月 5 日
- 一份泄露的谷歌内部文件称,开源人工智能在速度、定制化、隐私保护和能力方面比谷歌和 OpenAI 做得更好。
- 该文件建议,谷歌应该专注于实现第三方集成,与开源人工智能社区合作,并使模型的小变化不只是事后的考虑。
- 开源人工智能模型的最新进展对大型科技公司的商业战略有影响。
- LLMs 的运行成本越来越低,有可能导致消费者硬件上的人工智能模型更加实惠。
- 关于开源软件中不同人工智能模型的使用和可及性,以及众筹和补偿加速进展的潜力的讨论。
- Prime Video 用于监测客户观看的每一个流媒体的工具,有助于识别感知质量问题,并触发修复这些问题的过程。
- 从分布式微服务架构转向单体应用有助于实现更高的规模、弹性,并为 Prime Video 的视频质量分析(VQA)团队减少成本。
- 新的架构将基础设施成本降低了 90%以上,提高了处理数千条数据流的扩展能力,并能实现更高的质量和更好的客户体验。
- 一些人喜欢具有 "扩展到零 "功能的无服务器计算选项,而另一些人则是租用服务器而不是购买机架,但这些选项不一定是每个用例的最经济的解决方案。
- AWS 团队发现,微服务和无服务器组件对于他们的工作流驱动的任务来说太昂贵了,于是选择在 EC2 和 ECS 上转向单体结构,而不是使用 AWS Step Functions 和 Lambda 函数。
- 联邦贸易委员会(FTC)指称,Facebook 没有遵守 2020 年的隐私令,并造成了新的伤害,包括误传 Messenger Kids 对青少年私人数据的访问。
- FTC 对 2020 年的命令提出了修改意见,包括禁止 Meta 在没有 FTC 书面合规确认的情况下在其平台上推出新产品,并防止该公司将其收集的任何青少年数据货币化。
- Meta 公司有 30 天的时间对建议的修改作出回应,但联邦贸易委员会将决定 2020 年命令的修改是否符合公共利益,或因事实或法律条件的改变而有理由。
- FTC 的示意令(OSC)几乎完全被删节,对 Facebook 的行为提出了质疑
- 围绕 Facebook 对隐私的侵犯、对社会的有害影响以及监管的必要性展开讨论
- Recreation.gov 对管理进入国家公园和目的地的彩票收取费用,如 The Wave, Angels Landing, Half Dome 等。
- 每份抽奖申请收取的费用从 5 美元到 10 美元不等,成功申请的费用不同,分别归 Recreation.gov 和特定公园或目的地所有。
- Recreation.gov 从抽奖中获得的收入比公园或目的地多,一些许可证可以在抽奖之外通过 Outdoor Status 预订。
- 一些评论者建议采用抽奖或拍卖等替代系统,而其他评论者则批评这些方案可能会对贫困者造成不利影响。
- 文章提出了对公共土地的可及性的担忧,这不应该取决于一个人的编程技能或财政资源,并提出了一些解决方案,如收取名义费用和使门票不可转让。
- EARN IT 法案》破坏了守法用户的隐私、安全和保障,同时使儿童性虐待犯罪的起诉更加困难。
- 该法案增加了任何提供端对端加密服务的责任风险,并确保在根据州法律提起 的案件中,提供这些服务将被视为证据。
- 强迫服务机构放弃加密,只会使我们更容易受到政府的过度干预和外国敌对势力的攻击,并将破坏而不是帮助对 CSE 和 CSAM 犯罪的起诉。
- 黑客新闻上的讨论涵盖了广泛的主题,包括色情的道德可接受性、端到端加密、Tor 出口节点、儿童问题和政治状况。
- 谈话强调了关于如何在数字时代平衡隐私和安全问题的持续辩论,包括端到端加密在刑事调查中的作用。
- 文章介绍了编程中的七种 "ur-语言",它们是不同编程范式的基础:ALGOL, Lisp, ML, Self, Forth, APL, 和 Prolog。
- 每种语言都有不同的基本原理集合,如 ALGOL 的赋值序列、条件语句和循环,以及 Lisp 的括号内的前缀表达。
- 文章建议从基本的 ALGOL 开始学习其他 ur 语言,以便更广泛地了解编程,其中 Forth 是一种不可或缺的学习语言,特别是通过 McCabe 的《FORTH 基础,第一卷》。
- 评论部分讨论了将硬件定义语言、消息传递语言和概率语言纳入 ur-language 列表的问题。
- 该帖子和讨论为希望扩展其语言知识的中级程序员提供了见解和建议。
- Mojo 是一种基于 Python 的编程语言,提供改进的性能和部署选项。
- 它允许开发者选择进入更快的模式并优化内存使用。
- Mojo 被设计为与现代加速器一起使用,可以产生快速、小型、易于部署的应用程序。
- 该语言建立在一个最小的类似 Python 的核心上,具有可选的强类型和与基于 LLVM 的 MLIR 的紧密性能集成。
- 一些开发者对 Mojo 在现代加速器方面的潜力以及其解决机器学习中 "两种语言 "问题的能力感到兴奋,而另一些人则由于 Swift 过去的问题而表示怀疑,并对是否需要一种新的编程语言进行辩论。