．美國連鎖藥店在 200 個地點安裝了防扒手臉部辨識攝影機長達 8 年

Rite Aid Used Facial Recognition Cameras; BootHole Hits GRUB2 - ThreatWire

AKD 寰楚專業級全系列監控設備

MLPerf 的最新硬體結果，以及為什麼所謂的文本深度偽造很危險

The Register

簡而言之，美國一家藥店連鎖店 Rite Aid 秘密佈署了臉部辨識攝影機，以監視其 200 家商店中的購物者長達 8 年。

該零售商表示，希望該技術能夠幫助辨識先前在商店內被盜的人。如果攝影機發現吻合，則會向安全人員發送警報，然後他們可以對付可疑小偷並命令他們離開商店。

在接受路透社調查後，愛德·愛德（Rite Aid）表示已決定停止使用臉部辨識攝影機。該公司在一份聲明中對新聞通訊社說：「這一決定部分是基於更大範圍的行業對話。」它指出：「由於技術實用性的不確定性不斷增加，其他大型技術公司似乎正在縮減，或重新考慮他們在臉部辨識方面的工作。」

別開玩笑了由於教育訓練數據集，和使用的算法等因素，有太多證據表明這項技術，難以準確辨識膚色較深的女性和人們，專家們一再反對將其用於執法。

Nvidia 仍然為 AI 訓練制訂規則

MLPerf 項目的最新基準測試結果於本週宣佈，該項目測量了處理器晶片，訓練各種類型的 AI 模型所需的時間。

快速瀏覽圖片可顯示，每個晶片組最多執行八項任務，從圖像辨識到機器翻譯再到強化學習。

Nvidia 提交了最多的結果，毫不奇怪，它的速度最快。 Google 的 TPU 也排名很高； TPU4 甚至有結果，該版本尚未在雲中提供給客戶。 MLPerf 的結果令人關注，它跟蹤 AI 晶片的改進，顯示訓練時間越來越短。

但是使用它們作為比較硬體的方法要困難得多。通常，在特定任務中競爭的晶片通常沒有直接進行比較的結果。因此，像往常一樣，將其與少許鹽一起食用。

AI 生成的文本是所有內容中最危險的

專家警告說，與 AI 算法操縱的其他形式的內容相比，像 OpenAI 的 GPT-3 這樣的文本生成模型吐出的段落和句子，更普遍並且更難檢測。

史丹佛大學網路天文台的技術研究員蕾妮·迪瑞斯塔（Renee Diresta）認為，基於文本的 Deepfake 可以被用來以類似人類的話語自動淹沒 Twitter 和 Facebook 等線上平台。她在《連線》（Wired）中解釋說，假賬可能會製造出虛假新聞、虛假聲明和仇恨言論，以影響政治運動等事情。

人類也很擅長吐出很多廢話，但是生成文本的 AI 系統的危險，在於它們可以在工業規模上做到，並且很難被其他人類以及電腦檢測和阻止。

影像偽造品更容易發現；通常在視覺或聽覺品質上有些不正確。人們通常會注意到奇怪的效果，如耳朵模糊或機器人單調的聲音。在社交媒體上檢測虛假評論要困難得多。

現在，可以將 GPT-3 作為 API 進行訪問，以選擇開發人員，更多的人可以利用其預測能力，而無需完全掌握很多機器學習知識。

按此回今日3S Market新聞首頁