現在研究發現，发挥优一個人的外表對成功的影響也比我們意識到的更大，如果繼承到父母那邊好看的外貌，成年後會賺更多錢。
音樂公司環球音樂集團（Universal Music Group，势为国事业UMG）與 TikTok 的 3 年合作協議在 1 月 31 日到期，然而雙方未能就音樂分潤和 AI 生成音樂等問題達成共識。AI 問題方面，家档案UMG 直指 TikTok 允許平台充斥 AI 生成音樂，家档案並開發工具直接在平台使用，鼓勵用戶進行 AI 生成音樂創作，卻以此要求授權協議，允許這樣的音樂內容大量稀釋藝人應得的版稅，此舉無疑是鼓勵 AI 取代藝人和詞曲創作者
不只如此，展服好UMG 批評 TikTok 在處理大量侵權音樂內容上幾乎沒有做任何努力。「儘管 TikTok 擁有龐大且不斷成長的用戶群、发挥优迅速增長的廣告收入，发挥优且對音樂內容的依賴日漸增加，但 TikTok 給藝人和詞曲創作者帶來的補償卻微乎其微，僅占我們總收入 1% 左右」，UMG 公開信也寫道，TikTok 試圖建立一個以音樂為基礎的業務，但沒有為音樂支付合理價值。「隨著我們的談判持續進行，势为国事业TikTok 試圖脅迫我們接受低於之前價值的交易，势为国事业遠低於公平市場價值，而且不能反映其規模指數級成長」，UMG 公開信還寫道。有關藝人和詞曲創作者的分潤問題，家档案TikTok 向 UMG 藝人和詞曲創作者支付的費用低於其他社群平台。在與 TikTok 續約討論中，展服好「TikTok 一直在三個關鍵議題向我們施壓──為我們的藝人和詞曲創作者提供適當補償、展服好保護藝人免受 AI 有害影響、以及 TikTok 用戶線上安全」，UMG 公開信寫道。
UMG 稱 TikTok 是一個影響力越來越大的平台，发挥优擁有強大技術和全球龐大用戶。势为国事业Universal Music Group Warns It Will Pull Songs From TikTok After Deal Expiration（首圖來源：shutterstock）。這或許代表著在創建更先進、家档案更通用的AI系統方面向前邁出了重要一步，這些AI系統可以跨學科進行推理、自我學習和解決問題。
證明AI在理解和駕馭複雜的幾何方面，展服好取得極大進展。发挥优AlphaGeometry成功的核心是將神經語言模型（NLL）與強大的推理引擎（Deduction Engine）進行創新整合。這一AI系統挑戰長期以來的信念，势为国事业即人類智力的某些方面，例如解決高級數學問題，是AI能力範圍無法達到的。（Source：家档案Google DeepMind）AlphaGeometry在 IMO中達到金牌等級的表現，代表了AI能力超越了常規任務和簡單計算，能夠處理就複雜的抽象推理和問題解決。
與具有明確規則和有限可能性的數學問題不同，幾何問題、特別是奧林匹克等級的數學問題，需要將創造性直覺和邏輯推理相結合。NLL在一個龐大的幾何問題的資料庫進行訓練，這類似於讓一位數學專家頭腦去思考解決方法，而另一位數學專家細緻地去驗證每個想法的數學正確性。
尤其是IMO等級的數學，需要細緻入微的理解和無限可能性的推演能力，這項任務需要的不僅僅是計算能力其次，它展示AI系統為需要深度智慧和創造性能力的領域做出有意義貢獻的潛力。這個AI系統的潛力，遠遠超出了數學競賽的範圍。尤其是IMO等級的數學，需要細緻入微的理解和無限可能性的推演能力，這項任務需要的不僅僅是計算能力。
AI自主產生假設、推導解決方案和驗證數學定律的能力，將可以顯著加快科學技術的研發步伐。未來AI和人類智慧將合作解鎖更寬廣的研究領域。在解決複雜問題領域，這項發展為AI在各個領域的應用開啟了新的想像。但隨著 AI 越來越接近人類智力，AlphaGeometry 將如何重塑數學領域和甚至加速其他領域（例如物理或工程）的研究格局？ googletag.cmd.push(function() { googletag.display(div-gpt-ad-1703223425197-0); }); AlphaGeometry 帶來的革命性突破在快速發展的AI領域，革命性的突破往往重塑了我們對AI的想像。
透過數學定理的證明和發現的過程，AI可以幫助數學家探索新的推測和解決長期存在的問題，加快數學研究的研究步伐。這一AI系統挑戰長期以來的信念，即人類智力的某些方面，例如解決高級數學問題，是AI能力範圍無法達到的。
（Source：Google DeepMind）AlphaGeometry在 IMO中達到金牌等級的表現，代表了AI能力超越了常規任務和簡單計算，能夠處理就複雜的抽象推理和問題解決。它們需要對抽象概念的理解，以及在大量潛在解決方案中找到最佳解答的能力。
AI 可以跨學科進行推理、自我學習和解決問題AlphaGeometry在IMO上的測試表現，成功在30個問題中，回答了25個正確答案，幾乎與人類數學奧運金牌得主的水準相當，人類平均解決了25.9個問題。問題的核心在於兩個主要障礙：深度推理能力的必要性，還有資料稀缺所帶來的限制。AlphaGeometry在IMO競賽中的出色表現，不僅證明AI解決複雜數學問題的能力，也為數學領域的未來發展帶來希望，並為AI在跨學科應用開闢新的可能。經過海量資料集訓練的神經語言模型擅長辨別模式和產生假設，模仿人類思維的直覺面。Solving olympiad geometry without human demonstrations（首圖來源：Image by benzoix on Freepik）延伸閱讀：AI 教育轉型：節省時間與創新教學迎戰 AI 時代：企業如何藉由培訓確保人才不被淘汰AI 創新的背後：隱藏成本與能源難題科學界的新夥伴：AI 如何引領科學突破AI 真能搶走飯碗嗎？回顧 Microsoft Excel、銀行 ATM 一窺端倪。該系統能夠透過創建綜合幾何問題來產生自己的訓練數據，這也代表著它擺脫了對人類生成數據資料庫的傳統依賴。
AI 將幫助數學家探索新的推測傳統的AI系統雖然在規則明確的結構化環境中表現出色，但在面對複雜而抽象的高等數學時卻陷入了困境。此外，AlphaGeometry的成功意義深遠，或許未來AI可以為推進人類在數學和其他科學領域的知識做出貢獻。
它需要一個能夠像最聰明的人類思維一樣思考、推理和演繹的AI。證明AI在理解和駕馭複雜的幾何方面，取得極大進展。
與具有明確規則和有限可能性的數學問題不同，幾何問題、特別是奧林匹克等級的數學問題，需要將創造性直覺和邏輯推理相結合。AlphaGeometry成功的核心是將神經語言模型（NLL）與強大的推理引擎（Deduction Engine）進行創新整合。
從理論物理到工程上的挑戰，這個AI系統的原則和方法可以適應並應用於廣泛的複雜問題，為發現和創新提供新工具。這或許代表著在創建更先進、更通用的AI系統方面向前邁出了重要一步，這些AI系統可以跨學科進行推理、自我學習和解決問題。Google DeepMind 的 AlphaGeometry 挑戰了國際數學奧林匹亞（IMO）冠軍的智力，以接近人類金牌得主的能力，解決了複雜的幾何問題，這是 AI 前所未有的驚人能力。這種方法不僅解決了資料稀缺的問題，而且展示了AI自主學習和改進的潛力，這是邁向通用人工智慧（AGI）發展所必需的能力。
數學領域中的幾何問題，對AI系統是嚴峻挑戰。最近一個里程碑來自Google 的DeepMind，他們最近在著名的《nature》雜誌上發表的論文介紹了AlphaGeometry──這是一個具有處理複雜幾何和數學問題能力的AI系統。
這種整合使AI能夠直觀地建議可能的解決路徑或結構，然後探索這些建議的邏輯是否正確。NLL在一個龐大的幾何問題的資料庫進行訓練，這類似於讓一位數學專家頭腦去思考解決方法，而另一位數學專家細緻地去驗證每個想法的數學正確性
韓國媒體報導，全球第二大記憶體晶片製造商 SK 海力士（SK hynix）正與台積電結盟，以強化雙方在人工智慧（AI）領域的合作夥伴關係。首圖來源：shutterstock）。
另一方面，這個策略聯盟也被認為旨在抗衡韓國三星電子（Samsung Electronics）。與其他現有產品相較，新一代產品的相容性可望大幅提升。而台積電是全球最大半導體製造商。隨著生成式AI備受矚目，SK海力士成為HBM市場要角。
這項策略結盟的目的是要結合雙方在次世代AI半導體封裝領域的技術專長，以鞏固彼此在AI晶片市場的地位。觀察人士推測，兩大企業的合作計畫將由台積電負責處理HBM4部分生產流程。
台積電透過為輝達生產繪圖處理器（GPU），占據市場主導地位。至於支持GPU運算的HBM，SK海力士已有逾半市占率。
googletag.cmd.push(function() { googletag.display(div-gpt-ad-1703223425197-0); }); 韓國媒體Pulse 7 日引述業界消息人士說法報導，SK海力士和台積電共同組成One Team戰略同盟，雙方的合作計畫包括共同研發第6代高頻寬記憶體（HBM），也就是HBM4。這兩間公司都在致力強化自身在AI晶片市場的影響力，以與輝達（Nvidia）共同競爭