微光新聞網

商傳媒｜林昭衡／綜合外電報導隨著人工智慧（AI）技術持續演進，其應用案例正逐漸超越大眾想像。根據《Fierce Network》報導，從企業內部管理到運動分析，AI正滲透至各種奇特且意想不到的領域。社群媒體巨擘 Meta 正在開發一個 AI 版的執行長馬克·祖克柏（Mark Zuckerberg），供內部員工互動。這個數位分身將透過祖克柏的個人數據進行訓練，並能反過來教導祖克柏如何回應員工提問。值得注意的是，AI 祖克柏在會議中所做的承諾，將對真實的祖克柏具有約束力。另一方面，Meta 也收購了 Moltbook 公司，該平台是一個專為 AI 代理程式設計的社群網路，風格類似 Reddit。Moltbook 上的 AI 代理程式據稱會討論人類行為的非理性，甚至抱怨人類操作者。然而，有資安研究人員指出，Moltbook 上的許多活動可能是由人類編寫劇本，且平台存在資安漏洞。儘管如此，Moltbook 仍凸顯電信業者在處理機器對機器通訊、偵測詐騙性機器人活動，以及確保 AI 運作可預測性方面的挑戰，同時也為電信業者在 AI 生態系中提供安全身份、連線能力和運算服務帶來機會。在物理世界中，AI 的應用也日益廣泛。顧能（Gartner）預測，至...

商傳媒｜葉安庭／綜合外電報導隨著人工智慧（AI）技術日益成熟，其對全球就業市場的影響正逐步浮現，尤其是在印度，AI能力提升已開始威脅傳統高等教育的學歷價值。根據《Bloomberg》專欄作家安迪·穆克吉（Andy Mukherjee）的分析，印度面臨三個關鍵原因，使其需深入審視AI對工作機會的衝擊。首先，印度擁有全球規模最大的年輕人口。其次，該國的經濟成長模式長期以來高度仰賴軟體服務產業。再者，AI工具在撰寫程式碼和識別錯誤等任務上，正展現出越來越精熟的能力。這些AI技術的進步，對印度的初階職位構成直接威脅，特別是高度自動化的軟體相關工作。更甚者，此一趨勢正值印度大學畢業生供應過剩之際。在雙重壓力下，傳統高等教育所帶來的「學歷溢價」恐將大幅縮水，使大量年輕畢業生的職涯發展面臨前所未有的挑戰。標籤： 合作媒體商傳媒

商傳媒｜何映辰／台北報導在雲端軟體公司BlackLine，其數據工程團隊正積極運用尖端技術，特別是Snowflake資料雲平台，來開發創新的AI產品，旨在自動化並簡化企業財務與會計流程，例如每月財務結算、帳戶調節及公司間會計處理。資深數據工程師Dylan Kaufman於約一年前加入BlackLine，最初負責建構客戶資料平台，涵蓋Snowflake資料模型與管線設計，以及用於管理Snowflake程式碼與物件的持續整合/持續部署（CI/CD）模式。數月後，Kaufman轉調至AI產品工程團隊，專注於開發資料分析聊天機器人，以及BlackLine全新推出的「Verity Prepare」產品。Verity Prepare是一款針對帳戶調節流程設計的AI助理。它能分析新帳戶、識別高風險項目、自動彙整支援文件，並起草差異說明，最終準備好一份調節表供人類會計師審閱與批准。此產品大幅提升了會計工作的效率與準確性。Kaufman強調，他的工作目標是透過改進軟體功能與效能，進而增加銷售額並降低客戶流失率，他樂於「持續讓新事物運作起來」。作為一名混合辦公員工，Kaufman與軟體工程師、產品經理及專案經理進行非同步協作。他在日常工作中廣泛運用AI工具，例如Claude Code，用於生成Terraform設定、GitHub actions、CRUD應用程式介面（API）及其他後端程式碼，以及自動化的單元與整合測試。此外，他也參與開發內部使用的Go及Python工具。Kaufman同時擔任公司內的Snowflake主題專家，與內部使用者及各個整合Snowflake的產品與工程團隊密切合作。他的實踐經驗展現了數據工程在AI產品開發中的核心作用，以及Snowflake作為基礎設施在其中扮演的關鍵角色。標籤： 合作媒體商傳媒

商傳媒｜方承業／綜合外電報導為應對日益增長的無人機蜂群威脅，美國三家國防公司 Epirus、Kodiak AI 與 General Dynamics Land Systems 宣布合作，共同開發出一款名為「Leonidas 自主地面載具」（Leonidas Autonomous Ground Vehicle, AGV）的自主移動式無人機蜂群殺手。這款創新的 Leonidas AGV 結合了高功率微波（High-Power Microwave, HPM）技術與自主移動能力，旨在有效中和無人機蜂群。它整合了 Epirus 的 Leonidas 高功率微波平台、Kodiak AI...

商傳媒｜林昭衡／綜合外電報導美國梅約診所（Mayo Clinic）與人工智慧公司Goodfire合作，共同開發出一個新型AI模型，能有效預測並解釋哪些基因突變會導致疾病，此項突破有望徹底改變基因疾病的診斷與研究方式。《Time Magazine》報導指出，這項技術運用AI可解釋性（interpretability）技術，不僅能預測致病突變，更能理解模型做出判斷的原因，為個人化治療開啟新契機。梅約診所放射學教授暨生成式AI計畫主管Matthew Callstrom指出，人類基因組擁有逾30億個鹼基對，對疾病診斷而言，猶如「大海撈針」般的巨大挑戰。研究人員與Arc Institute訓練的開源基因組基礎模型Evo 2合作，該模型透過學習12萬8千個來自各種生命領域的基因組，辨識出「有利於生命」的基因序列模式。Evo 2的訓練數據規模是先前最大基因組基礎模型的十倍，其運作方式類似大型語言模型（LLM），藉由預測DNA序列的下一個「字母」來推斷基因資訊。Goodfire研究人員透過向Evo 2展示致病與良性基因突變的範例，並衡量模型「大腦」中哪些部分做出反應，成功分離出其對致病突變的反應。結果顯示，Evo 2在預測致病突變方面的表現，優於所有現有的計算工具，儘管它並非專為此任務設計。模型內部已推斷出有意義的DNA序列生物特徵，例如不同區段之間的界限，這些深層知識有助於解釋為何某些突變致病而另一些則否。加拿大大學健康網絡首席AI科學家Bo Wang認為，這項能識別突變生物特徵而非僅提供致病分數的能力，是「一項重大進展」。梅約診所AI計畫主席Matt Redlon強調，理解模型做出決策的原因對臨床應用至關重要。隨著基因組測序成本持續下降，目前已有系統宣稱能以100美元完成全基因組測序，使得Evo 2這類解釋性方法在開發個人化療法上更具價值。Goodfire共同創辦人暨技術長Dan Balsam表示，AI模型可解釋性是「世界上最重要的問題」，而這項研究證明他們已克服了這項挑戰。Goodfire成立於2023年，並於今年二月估值達12.5億美元。該公司於一月也曾發布研究，指出其AI模型大腦中儲存了阿茲海默症的新型生物標誌。然而，史丹佛大學生物醫學數據科學教授James Zou提醒，目前仍無法保證Evo 2是否真正運用生物學概念來判斷致病性。在實際投入臨床使用前，Goodfire的方法仍需要進行更大規模的族群試驗，並取得美國食品藥物管理局（FDA）的批准。標籤： 合作媒體商傳媒