本期人工智能综述为您梳理过去一个月的重要人工智能报道。
热门报道：中国出台法规监管人工智能应用；人工智能在好莱坞的运用；纽约市要求雇主披露招聘中使用人工智能的情况。
1. 中国出台生成式人工智能新规
在全球范围内，人工智能监管正在推进，政策制定者力求防范其带来的风险，同时不限制人工智能的发展潜力。
7月，中国监管部门出台了用于监管生成式人工智能服务的规定。此举的重点源于对生成式人工智能可能生成与北京立场相悖内容的担忧。
ChatGPT及类似的先进人工智能机器人的成功，促使中国科技企业纷纷宣布入局。其中包括阿里巴巴，该公司已推出一款人工智能图像生成器，供其企业客户试用。
新规要求中国境内的生成式人工智能服务取得许可、开展安全评估，并遵守社会主义核心价值观。如生成“违法”内容，相关服务提供者须停止生成，改进算法，并向有关部门举报违规内容。
新规仅适用于面向公众的生成式人工智能服务，不适用于用于研究目的或小众应用的系统。这一安排在加强对人工智能监管的同时，也力求使中国在该领域保持领先地位，从而实现两者之间的平衡。
2. 美国娱乐产业与人工智能
影视领域对人工智能的运用，是好莱坞演员和编剧持续罢工的原因之一，罢工已导致全球范围内的影视制作停摆。在各自工会重新谈判合同之际，娱乐行业的工作者纷纷走上街头，抗议其作品被用于训练人工智能系统，而这些系统最终可能取代他们。
电影电视制片人联盟提出的人工智能提案据报道其中规定，群众演员的形象若被数字化扫描，可获得一天的报酬。此后，制片公司可使用该扫描影像。
3. 简讯：全球人工智能动态
中国并非唯一为人工智能建立监管框架的国家。随着招聘流程越来越多地交由算法处理，美国出台了一项新法律，对人工智能在招聘中的影响加以规范。
从浏览简历、为面试打分，到抓取社交媒体信息以生成个性画像，招聘人员日益借助人工智能的能力来加快并改进招聘工作。为保护劳动者免受潜在的人工智能偏见影响，纽约市地方政府规定，须提高人工智能使用的透明度，并每年对招聘和晋升决策中可能存在的偏见进行审计。
包括Meta、谷歌和三星在内的一组人工智能专家，已共同制定一个安全开发人工智能产品的新框架。该框架包含一份清单，列有84个问题，供开发者在启动人工智能项目前考虑。世界伦理数据基金会还请公众在其下一次会议前提交各自的问题。自推出以来，该框架已获得人工智能界数百名签署方的支持。
世界经济论坛如何为人工智能建立保障机制？
人工智能卓越中心汇聚各领域领导者，共同理解人工智能的快速演进及其对经济和社会的影响。该中心支持围绕人工智能应用相关的机遇、风险与权衡展开知情对话。
通过可信赖的交流空间和合作倡议，该中心帮助合作伙伴建立共识，并携手推进负责任的人工智能创新与应用。
与此同时，在去年11月ChatGPT推出的推动下，生成式人工智能的用户群体持续扩大。德勤的一项调查发现，超过四分之一的英国成年人使用过生成式人工智能工具，如聊天机器人。这一比例甚至高于亚马逊Alexa等语音助手音箱的使用率。约十分之一的人还在工作中使用人工智能。
近三分之一的大学生承认在书面作业中使用过ChatGPT，例如大学论文和高中美术项目。提供人工智能检测工具的公司应接不暇，随着教师纷纷寻求帮助，以识别借助人工智能作弊的行为。ChatGPT推出至今仅经历一个完整学期，人工智能检测公司预测，随着学校需要采取全面行动，挑战和冲击还将进一步加剧。
人工智能可能带来根本性变革的另一领域是新闻业。《纽约时报》、《华盛顿邮报》以及新闻集团等出版商，正在与谷歌洽谈使用人工智能工具协助记者，用于撰写新闻报道。这些工具可以提供标题和写作风格方面的选择，但并非旨在取代记者。关于此次洽谈的消息，发布于美联社宣布与OpenAI就同一目的达成合作之后。然而，部分新闻机构对采用人工智能持谨慎态度，原因在于担心信息不准确，以及难以区分人类与人工智能生成的内容。
机器人和自主机器的开发者可以从蜜蜂身上汲取经验，学习如何快速而准确地做出决策，据谢菲尔德大学的科学家介绍。经训练能够辨认不同颜色花朵的蜜蜂，平均仅需0.6秒即可决定降落在它们确信有食物的花朵上，反之亦然。尽管大脑很小，它们做出的决策也比人类更为准确。科学家们现已将这些发现构建成一个计算机模型。
4. 议程中的更多人工智能议题
生成式人工智能将影响极为广泛的领域。就全球经济而言，它可能创造数万亿美元的价值，据麦肯锡公司的一份新报告称。报告还发现，到2040年，生成式人工智能的应用可能使劳动生产率年均增长0.1%至0.6%。
与此同时，生成式人工智能可能导致针对中小企业的网络攻击增加，而这些企业尤其容易受此风险影响。人工智能让网络犯罪分子能够使用新型、高度复杂的工具。然而，据微软称，人工智能也可用于开发更好的安全工具，以检测攻击并部署自动响应。
由于人工智能系统由人类设计和训练，开发者的设计选择可能导致其产生有偏见的结果。因此，人工智能可能倾向于延续不平等现象，而这一问题可以通过训练人工智能系统识别并克服其自身偏见。
