最近,索尼人工智能团队和韩国高丽大学联合开发了一种名为FlavorGraph的人工智能映射工具,该工具可以推荐互补的配料,帮助厨师们烹饪菜肴。
索尼人工智能团队表示,FlavorGraph使用人工智能技术预测两种成分的匹配程度,FlavorGraph可以将从不同成分中发现的1,561种风味分子里提取的信息同以往数百万种食谱对这些配料的使用情况结合起来。
索尼人工智能战略和合作伙伴经理Fred Gifford和韩国高丽大学博士后研究生Donghyeon Park在一篇博客文章中写道:“以往从未有人探索过食品成分与风味化合物之间的关系,而FlavorGraph的研究将为某一种或者多种成分与其他成分的搭配提供更大的灵活性。”
“随着科学的发展,我们对食物的了解越来越深入,我们应该发现越来越多有趣的配料搭配,以及那些不健康或者不可持续配料的、新的替代品。”
FlavorGraph是索尼人工智能团队美食旗舰项目的首批项目之一。这家日本科技巨头于去年年底建立了自己的机器学习和人工智能研发部门,该团队称该项目的重点将落在三个关键的领域:可以创建新食谱的人工智能应用程序、可以在厨房为厨师提供帮助的机器人解决方案及社区共同创造活动。
索尼人工智能团队表示他们将使用数据源开发食谱创建应用程序,这些数据包括食谱和成分数据,例如味道、香气、风味、分子结构和营养成分,据此,该程序有望能够帮助厨师设计食谱和菜单。
还有其他一些关于索尼的新闻,该公司的半导体业务宣布其绰号为“Fab 5”的新工厂已经在长崎技术中心开业。索尼表示,这间新工厂将被用于批量生产用于智能手机的CMOS图像传感器。
好文章,需要你的鼓励
想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。
想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。
想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。
想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。