研究人员正在利用天文测量工具帮助确定图像的真实性——使用通常用于调查遥远星系的方法分析人脸图像，可以测量一个人的眼睛如何反射光，从而发现图像处理的迹象。AI 的进步使得区分真实图像、视频和音频与算法生成的图像、视频、音频变得越来越困难。深度伪造技术将一个人或环境的特征替换为另一个人或环境的特征，专家警告称，这可以被武器化，并用于传播错误信息，例如在选举期间。研究人员解释说，真实的照片应该具有“一致的物理特性”，“所以你在左眼球中看到的反射应该与在右眼球中见到的反射非常相似，尽管不一定完全相同”。这些差异是微妙的，因此为了检测它们，研究人员转向了旨在分析天文图像中的光的技术。通过比较个人眼球中的光反射，他们可以在大约 70% 的情况下正确预测图像是否为假的。

对 2500 名企业高管、员工和自由职业者的调查发现，高管对生成式 AI 的期望与员工的实际使用体验之间存在巨大鸿沟。96% 的高管希望 AI 能提高生产力，但 77% 使用 AI 的员工表示这增加了他们的工作量，他们认为使用 AI 阻碍了生产力和导致了他们的倦怠。47% 的员工表示他们不知道如何实现雇主所希望的生产力提升。40% 的员工认为企业对他们要求过高，增加了他们的压力。三分之一员工表示因为筋疲力尽可能会在未来半年内辞职。

日本信息处理推进机构对千名在工作中使用 AI 的用户的调查显示，六成表示了信息泄露和虚假信息扩散等威胁与风险。关于输入 AI 的营业秘密泄露、滥用 AI 导致虚假信息扩散等各个项目，调查分别询问了如何看待。把获得的答复平均后发现，认为“是重大威胁”的占 27.1%，“略有威胁”占 33.3%，合计为 60.4%。认为“不太是威胁”的占 6.2%，“完全不是威胁”的占 2.4%，合计为 8.6%，远低于前者。另一方面，关于迅速普及的生成式 AI 的使用情况，回答称组织内已制定和明文化规则的不到 20%。

其它科技公司都想把 AI 产品买给你们，但扎克伯格（Mark Zuckerberg）选择免费送给你们。Meta 周一宣布了其最新的 Llama 3.1 大模型，其最大规模版本的参数有 4050 亿个，较小规模的版本有 700 亿和 80 亿个参数。Meta 称，Llama 3.1 在基准测试中的表现超过了 OpenAI 的 GPT-4o 和 Anthropic 的 Claude 3.5 Sonnet。Meta 表示，Llama 3.1 使用了逾 16,000 个英伟达 H100 GPU 进行训练，它认为相比私有大模型，部署成本会更低。扎克伯格称他与世界各地的开发者、企业和政府官员交流时，他们都表达了不希望被私有封闭供应商锁定的愿望，希望自己能控制模型，而 Llama 3.1 将能满足他们的要求。

日本新闻协会发表声明称，美国 IT 巨头 Google、微软等公司提供的将网络搜索引擎与生成式 AI 相结合的“搜索联动型生成式 AI 服务”（即 AI 搜索引擎）很可能构成侵犯著作权。声明指出，此类服务经常擅自利用新闻报道作为信息源、生成类似新闻报道的回答。它要求美国 IT 巨头获得新闻媒体的使用许可。声明分析称，有一些案例显示，搜索联动型 AI 对新闻报道进行不恰当的转用和加工，生成了存在错误内容的回答。声明强调，应当在确保准确性和可靠性之后再开始提供服务。

OpenAI 发布了 GPT-4o 模型的小型版本 GPT-4o mini，它将取代 GPT-3.5 Turbo 提供给所有 ChatGPT 用户，包括免费和付费用户。GPT-4o mini 类似 GPT-4o，支持多模，能解释图像、文本和音频，能生成图像。GPT-4o mini 支持 128K 上下文令牌，其数据截至 2023 年 10 月，它的 API 费用比 GPT-3.5 Turbo 低 60%，每百万输入令牌 15 美分，每百万输出令牌 60 美分。GPT-4o mini 将使用名为 instruction hierarchy 的新技术，限制了越狱。

日经等机构的分析显示，中国正大量申请生成式 AI 相关专利。根据占世界专利申请数量 8 成的五大专利局（日本国专利厅、美国专利商标局、欧洲专利局、中国国家知识产权局、韩国知识产权局）的数据，中国的生成式 AI 相关专利申请数为 30124 项，远远超过了美国的 12530 项。中国最近几年的专利申请急剧增加。世界五大专利局的统计显示，从 2022 年的专利申请量来看，中国为 162 万项、美国为 59 万项、日本为 29 万项、韩国为 24 万项、欧洲为 19 万项。百度是中国申请生成式 AI 专利最多的公司，有 575 项，其次是腾讯的 561 项。

路透的一项调查发现，逾四成日本公司没有使用 AI 的计划，只有不到四分之一的公司在业务中使用 AI。路透委托 Nikkei Research 在 7 月 3 日到 12 日间向 506 家公司提出了一系列问题，有约 250 家公司在匿名情况下做出回应。24% 的公司表示已在业务中使用 AI，35% 的公司计划使用 AI，而 41% 的公司没有此类计划。对于使用 AI 的目标，六成表示是应对人工短缺，53% 是降低劳工成本，36% 表示是加速研发。对于引入 AI 所面临的障碍，有企业表示员工可能会担心被裁员，其它包括缺乏专业人士、需要大量资本支出以及 AI 可靠性存疑。

鉴于欧洲监管环境的不可预测性，Meta 未来的多模 AI 模型将不提供给欧盟客户。Meta 计划将新的多模模型集成到智能手机和 Meta Ray-Ban 智能眼镜等产品中，AI 模型将能对视频、音频、图像和文本进行推理。Meta 表示，这一决定还将意味着欧洲公司无法使用这些多模模型，尽管模型是在开放许可下发布的。它还可能阻止欧盟以外的公司在欧洲提供使用其新多模模型的产品和服务。Meta 计划发布 Llama 3 模型的更大规模的文本版本，它表示将会提供给欧盟的客户和公司。Meta 的问题在于如何在遵守 GDPR（数据保护法）的同时使用欧洲客户的数据训练模型。

TechPowerUp 的一项调查显示绝大多数 PC 用户不愿意为 AI 硬件支付溢价。有逾 2.6 万人参与了调查，84% 的人表示不会支付溢价，7% 表示会，9% 对此不确定。微软正在推广它的 Copilot+ PC 概念，PC 厂商也在转向集成 AI 功能的 PC 产品，但大部分人目前对其价值持怀疑态度。

英国公共政策研究所创建了一个模型，分析了涵盖所有工作类型的 22,000 项任务，预测未来 3-5 年内，目前由人类——尤其是女性和年轻人——完成的任务有 59% 可能会受到 AI 的影响。在最坏的情况下可能会引发“就业的大灾难”，仅仅在英国就会有 800 万人失业。如何应对这种情况？有人提议推行基本收入 UBI。但 UBI 的钱从哪里来？他们认为 AI 企业会分享其收入，因为人类工作愈来愈少了，企业的利润和股息可以捐给有需要的人。很多人对此表示怀疑，认为历史告诉我们企业是不会这么做的，股东会拿走 100% 的利润。

为了解生成式 AI 对短篇小说创作的影响，伦敦大学学院等机构的研究人员招募了近 300 名志愿者作为“作家”，展开一项在线研究。这些志愿者并不是以创作为生的职业作家。研究人员评估了他们的先天创作力，然后将他们随机分为 3 组。所有志愿者被要求根据随机分配的公海探险、丛林探险和外星探险 3 个选题之一，创作一个 8 句话的小故事。3 组志愿者接受生成式 AI 辅助创作的程度不同。第一组为无 AI 的参照组；其他两组可选择利用 AI 获得一个 3 句话的初始创意，其中之一可选择最多获得 5 个由 AI 产生的创意。创作完成后，志愿者们被要求以新颖性、情感特征等标准对自己创作的故事自我评估。此外还有 600 名外部评审人员以相同标准来评估这些故事。研究显示，接受生成式 AI 辅助有助于创作更有创意、更有趣的故事，这在一开始被测定为先天缺乏创作力的志愿者中尤其明显。但从总体来看，相比参照组，AI 辅助组创作的故事看起来更相似。

财富管理和经纪行富瑞（Jefferies）的统计数据显示，自 2022 年底 ChatGPT 推出以来 27 只 AI 大盘股的股价上涨了 127%，市值增加了 10 万亿美元，但它们在 2025 年的收益预测只增长 25%。这意味着 AI 大盘股的增量市盈率高达 73 倍，表明投资者对整个行业的增长预期极其乐观。英伟达涨幅最大，其股价自 2022 年底以来上涨了 656%。尽管存在估值过高的迹象，但富瑞认为 AI 泡沫在短期内会继续扩大，因为资本支出计划到 2025 年仍然表现强劲，主要云服务商有充足的现金储备。

亚马逊向美国用户开放其购物聊天机器人 Rufus，用户可通过最新版本的 Amazon Shopping 应用尝试 Rufus。与其它 AI 聊天机器人不同的是，Rufus 训练数据集包括了其商品目录、客户评价、社区问答，以及抓取的来自 Web 的公开信息。亚马逊没有披露它抓取了哪些公开信息。用户可以让它推荐商品，或描述特定商品的功能，它还与用户的账号绑定，因此还能回答与所订购商品交付相关的信息。和其它 AI 聊天机器人类似，它给出的答案未必是正确的，需要用户交叉验证。

世界各地的宗教领袖等在日本广岛市开会讨论使用人工智能（AI）时的伦理问题。会议通过了成果文件，称“要求世界承诺 AI 只用于造福人类，而不是用来破坏和伤害生命”。文件指出，1945 年时的最尖端技术原子弹在广岛被投下而酿成重大悲剧，而在现代战争中，AI 技术被用在无人机等致命性自主武器系统上。文件强调了“国际社会应尽早对这一危险事态采取必要的措施”。

Meta A 的研究人员正在开发智能手机上运行的紧凑型大模型 MobileLLM。研究人员致力于优化参数规模低于 10 亿的大模型，相比下 OpenAI GPT-4 的参数规模据称超过 1 万亿。研究人员报告利用一系列新技术，MobileLLM 在基准测试任务上的表现比类似规模的模型改进了 2.7%-4.3%，3.5 亿参数规模的 MobileLLM 在某些任务的准确率与 70 亿参数规模的 LLaMA-2 模型相当。这意味着在特定任务上，紧凑型大模型能提供比更大规模大模型相似的能力，同时计算开销更低。

日本总务省发表的《信息通信白皮书》显示，日本只有 9.1% 的个人使用生成式 AI。这一比例与中国（56.3%）、美国（46.3%）、英国（39.8%）和德国（34.6%）存在较大差距。 当问及生成式 AI 的具体用途时，从“已在使用”的回答来看，最多的是“查询”（8.3%），其次是“对内容进行提炼和翻译”（5.9%）。在面向企业的问卷调查中，日企在业务中使用生成式 AI 的比例为 46.8%。低于美国（84.7%）、中国（84.4%）和德国（72.7%）。关于未来是否会使用，从“计划积极使用”来看，日本仅为 15.7%，低于中国（71.2%）、美国（46.3%）和德国（30.1%）。

过去几个月，主要比特币矿场更换了部分矿机，改为运行和训练 AI 的设备。这些公司认为，相比剧烈波动的加密货币行业，AI 训练能提供更稳定更安全的收入来源。摩根大通报告称，此举受到了股民们的欢迎，14 家比特币公司市值上涨了 22%。比特币挖矿利润丰厚，但波动性巨大，2022 年 Sam Bankman-Fried 和 Do Kwon 等人导致了市场崩溃，很多矿场因此关闭。幸存的矿场在今年重新获得了利润，但因为挖矿回报减半，而币值并没有因此出现大幅上涨，迫使矿场们寻求商业模式多元化，AI 训练成为榜单上的头号目标。AI 公司需要庞大的场地、廉价的能源和基础设施，而这些比特币矿场都有。它们向 AI 公司出租了场地，托管 GPU 和 ASIC 等 AI 训练芯片。

中国科学技术信息研究所和北京大学发表《2023 全球人工智能创新指数报告》，报告称去年中国 AI 顶级论文数量和专利授权均高于美国，但在综合能力上美国仍然领先于中国。在主要国家 AI 顶级论文数量占比上，中国占比 36.7%，美国占比 22.6%。在主要国家 AI 专利授权数量占比上，中国占比 34.7%，美国占比 32%。《报告》显示，2023 年产业界独立研发的机器学习模型达到 176 个，是学术界的 3.5 倍。近十年 GitHub 上人工智能开源项目总数持续增长，从 2013 年的 1.2 万个增加到 2023 年的约 190 万个。印度成为最大的开源项目来源国，每年贡献的人工智能开源项目数量占全球的比重从 2013 年的 3.1% 增长到 2023 年的 27.3%。

Google 研究人员在预印本平台 arXiv 上发表论文，指出通过在互联网上发布虚假内容，绝大多数生成式 AI 正在模糊真实性和欺骗性之间的界限。深度伪造和伪造证据是目前最盛行的滥用方式，其中大多数都有明显意图，旨在影响公众舆论、进行诈骗或欺诈活动。生成式 AI 日益先进，可随时使用，对使用者的技术要求非常低，它正在扭曲人们对社会政治现实或科学共识的集体理解。生成式 AI 非常擅长于大量制作虚假内容，这其实是它的特性而不是 bug，互联网正日益充斥着 AI 的垃圾。研究人员表示这种状况将考验人们辨别真假的能力。随着生成式 AI 内容的无处不在，部分人可能会将对其不利的证据解释为 AI 生成，转移举证责任。