據(jù)《紐約時(shí)報(bào)》和《明鏡周刊》報(bào)道,美國國家安全局(NSA)早已秘密侵入了中國電信和互聯(lián)網(wǎng)巨頭華為總部服務(wù)器。
根據(jù)仍在逃亡的NSA前雇員愛德華·斯諾登(Edward Snowden)提供的文檔,有報(bào)道稱,美國國家安全局曾訪問過華為的電子郵件存檔、公司高管之間內(nèi)部文件的通信交流,甚至還有個(gè)人華為產(chǎn)品的秘密源代碼?! ?/p>
當(dāng)?shù)貢r(shí)間上周六,《明鏡周刊》援引自一份來自NSA內(nèi)部文件的消息稱:“我們目前能夠?qū)ο嚓P(guān)網(wǎng)絡(luò)進(jìn)行正常訪問,并獲取了大量不知如何處置的數(shù)據(jù)。”
華為成立于1987年,由前中國國防部陸軍工程兵任正非創(chuàng)立,總部位于深圳。華為技術(shù)有限公司是全球領(lǐng)先的網(wǎng)絡(luò)設(shè)備供應(yīng)商之一,也是世界第三大智能手機(jī)制造商。由于美國政府認(rèn)為該公司與中國政府關(guān)系密切,因此華為一直被美國視為其潛在的安全特洛伊木馬,不過美國對此予以了否認(rèn)?!?/p>
出于對間諜活動(dòng)的擔(dān)心,美國和澳大利亞曾禁止華為參與他們的寬帶項(xiàng)目。
據(jù)《紐約時(shí)報(bào)》報(bào)道,援引自斯諾登提供的2010年文件顯示,美國安局代號為“獵巨人(Shotgiant)”項(xiàng)目的最初目標(biāo)是想調(diào)查華為與中國軍方之間的聯(lián)系。
然而之后美國安局?jǐn)U大了目標(biāo),旨在學(xué)會(huì)如何通過華為出售給第三國的設(shè)備,入侵其他國家采用華為設(shè)備的計(jì)算機(jī)及電話網(wǎng)絡(luò)?!?/p>
據(jù)《紐約時(shí)報(bào)》報(bào)道,援引自國家安全局的文檔顯示:“許多我們監(jiān)視的目標(biāo)都通過華為i制造的產(chǎn)品進(jìn)行通信溝通。”文檔中還補(bǔ)充道:“我們希望能夠確保己方了解如何利用這些產(chǎn)品,以進(jìn)入全球各地利益方的網(wǎng)絡(luò)。”
雖然華為是美國思科公司的一個(gè)主要競爭對手,但美國官員堅(jiān)持認(rèn)為,情報(bào)機(jī)關(guān)并不會(huì)代表美國公司像斯諾登所宣稱的那樣發(fā)動(dòng)工業(yè)間諜活動(dòng)。
一位高級情報(bào)官員于當(dāng)?shù)貢r(shí)間上周四向記者表示:“我們把外國公司作為監(jiān)視目標(biāo)的做法不屬于任何經(jīng)濟(jì)間諜活動(dòng)的一部分。”
這位官員表示,經(jīng)濟(jì)情報(bào)工作的宗旨是“支持國家安全利益”和“盡量不要幫助波音”。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。