AI论文助手

AI行业充斥着大型厂商和新贵，AWS本月早些时候在纽约举行的AWS峰会上宣称自己是AI领域的领导者。 这次大会上，AWS人工智能产品副总裁Matt Wood（如图）担任主题演讲嘉宾，以下是他的主题演讲中的五点收获，我认为这些收获最能展示AWS在AI和生成式AI领域的领导地位： 要点1：生成式AI和机器学习已经成为AWS的一笔大生意 在他的主题演讲中，Wood表示，AWS已经拥有“如今数十万客户在AWS上运行他们的AI和机器学习工作负载”。Wood补充说，AWS用于构建生成式应用的服务Bedrock是“过去十年增长最快的AWS服务”之一。他说，“在整个AWS，机器学习和人工智能是一项规模数十亿美元的业务。” Wood分享了一些统计数据，“96%的AI机器学习独角兽都是运行在AWS上的。如果你看看福布斯AI 50强会发现，其中90%的组织也都是运行在AWS上的。”据他称，使用AWS开发AI应用的公司包括纽约证券交易所和保险业领导者Sun Life Assurance、制药创新者辉瑞公司和生命科学巨头拜耳公司。 要点2：AWS致力于持续的AI创新 Wood表示，自2023年以来，AWS已经将326项生成式AI功能投入市场。他补充说，AWS拥有“迄今为止最广泛的AI能力”，并且已经推出了“比其他所有云提供商加起来2倍还多的机器学习和生成式AI新功能”。 “你会惊讶地发现，有这么多成功的初创公司和企业加入了AWS的EB级俱乐部，大量客户拥有大量私人持有的数据，这使他们能够分析这些可能是市场研究、临床试验结果或医疗信息的大量数据。他们能够应用生成式AI，以新颖而令人兴奋的方式理解和利用现有的数据。” Wood说，AWS生成式AI堆栈有三个层次：一是构建、训练、调整和修改基础模型的基础元素。第二层是Amazon Bedrock，这项服务让“任何人都能非常轻松地使用生成式AI构建应用”。第三层是将AI应用于现实世界的服务，例如Amazon Q，一种用于构建机器学习模型的、生成式AI驱动的自然语言工具。 Wood将Amazon Q描述为“生成式AI的一个简单按钮，让你可以从组织内部的任何地方获取信息并开始利用信息，例如，你可以开始清除所有‘垃圾’，或与组织内部所有不同任务相关的70%的无差别繁重工作。” 要点3：AWS已经成为那些处于AI创新前沿的组织的首选 澳大利亚国民银行使用Amazon Q的代码定制功能来培训新工程师并帮助开发人员快速提升。“他们的[申请人]接受率跃升至50%，他们调查的开发人员中，有超过40%的生产力得到了提高。因此，在短短几个月内，使用Q执行这些开发任务的员工数量从450人增加到1000多人，增加了1倍多。” 拜耳公司作物科学全球数据资产负责人Will McQueen称，拜耳自2014年以来一直在AWS上开发解决方案。他说：“在评估我们的投资方向时，我们需要一个合作伙伴和一个技术平台，能够在未来10年内推动创新和市场领先的解决方案，最终我们确定AWS成为我们下一代数据科学平台的下注对象。在过去的一年里，我们在加快将数据科学解决方案推向市场的能力方面，取得了巨大进展。” 要点4：AWS非常重视安全性，AWS的客户也是如此 AWS在AI方面取得成功的关键之一，就是全面致力于确保客户数据的安全。“每个行业的AWS客户都能够满足并超越生成式AI及其数据的安全要求，”Wood这样表示。 他说，对于AWS来说，没有什么比安全更重要了。“我们会停止所有工作，专注于安全。我们从第一天开始就建立了安全性。你通常不会采用不安全的服务并在以后添加安全性的方式来构建安全的服务。你必须在基础上构建安全的服务。”安全扫描也是Amazon Q的任务之一。 Wood表示：“有些客户认为，要想成功实现生成式AI，就必须在数据机密性、隐私性和安全性方面做出某种负面权衡，但AWS不是这样的。我们不会使用通过我们付费AI服务传输的任何数据来改进底层模型，我们不会派人来审查任何这些信息，而且客户可以控制数据在VPC中的位置，以及网络内所有信息的流动。” 要点5：AWS完全致力于可持续发展 AWS的发展速度很快，并且是以可持续发展作为首要任务来实现这一增长的。Wood表示，2019年Amazon设定了一个目标：到2030年，从AWS数据中心到公司大楼、杂货店到配送中心的所有全球运营，其总用电量都是100%可再生能源的。Wood表示，Amazon“提前7年实现了这一目标”。 鉴于全球电网和相关资源承受着巨大的压力，AWS对可持续发展的承诺预示着将继续取得成功。 我们仍处于AI时代的早期，现在宣布谁是唯一的赢家还为时过早。然而，AWS凭借自己构建的产品组合已经吸引了大牌客户、并使各种类型和规模的组织能够使用生成式AI进行创新和加速增长，在AWS纽约峰会上确立了领导地位，但这场竞争还远未结束。

不知大家有没有发现，近期网络上掀起了一股AI花呗手账热潮，内容丰富多彩，从城市地标到日常的奶茶与咖啡，深受年轻人的喜爱。 例如，有的手账描绘了天津的摩天轮，让网友不禁赞叹：“真的绝美！” 有的则展示了厦门海边的灯塔，并配文：人生是旷野而非轨道，停下来是为了更好地出发。既文艺范又充满哲理。 还有网友分享了办公桌上的奶茶，配文写道：“周五的奶茶很甜像即将到来的周末。”喷薄欲出期待感根本掩饰不住呀。 再比如这个，“春困秋乏夏打盹，咖啡只顶一小会。”在忙碌的生活中，这样的吐槽手账，可以说是一种无奈的自嘲了。 看到大家分享的如此踊跃，花呗也积极与网友拉家常，打成了一片。 花呗活动不仅唤醒了网友们的晒图参与感，甚至引起了官方账号的关注。 就在活动启动的第二天，“杭州文广旅游发布”官方微博就发文向花呗喊话：总感觉你是在偷偷查看杭杭的生活，哈哈哈。 原来，在展示杭州西湖的AI手账中，花呗配上了这样一句话：“不管去几次杭州，永远都逛不完西湖。” 杭州文广旅游发布”官微傲娇地回应：“才不是西湖太大逛不完呢，是因为还得留出时间去逛其它好玩的地方，我们还有大马弄、小河直街、拱宸桥……诗意江南里的烟火色也值得打卡！” 这不，评论中就有网友分享了拍摄自杭州著名景点“后陡门58号”的夕阳照片，那落日与晚霞的交织美景，宛如画卷，令人赞叹不已。 为了让小伙伴们更深入地参与活动，花呗特别推出了“每日一口令”互动。目前已经在天津、青岛和成都三地玩疯了。 首先登场的是天津，花呗给出了上联：“天津人虽然爱吃麻花，_________”，挑战网友们补全下联。 网友们的回答机智风趣：“但麻花吃不了天津人。”这个回答让花呗一时语塞，直呼好家伙。 天津人说话就带相声味儿，干脆有网友直接玩起了相声梗： -天津人虽然爱吃麻花，架不住相声快板狗不理包砸（还押韵了！） -天津人虽然爱吃麻花，但没有喇嘛提着鳎蚂吹喇叭~ 不得不说，这届网友真的有才。 那么标准口令是什么呢？手账中其实早有答案：“天津人虽然爱吃麻花，但没一个人拧巴。”展现了天津人乐观豁达的性格。 随后，青岛接棒，花呗再出上联：“青岛除了酒杯放不下，_________”。 有才华横溢的网友答道：“青岛除了酒杯放不下，连风都带着麦芽香！青岛除了酒杯放不下，还有那沙滩的脚印都舍不得擦！” 还有网友巧妙押韵：“青岛除了酒杯放不下，除非我们互相留个电话”，花呗直呼“City的套路好多”。 甚至有网友脑洞大开：“连海鸥都学会了举杯，”花呗官微忍不住送上最佳抽象奖。 其实，标准答案也藏在青岛人的手账中了，那就是：“青岛除了酒杯放不下，心事什么的都能放下。” 随着活动范围的扩大，花呗官微与网友互动也越来越频繁，越来越深入。当活动来到成都，双方间的互动早已不再局限于一般的对口令了，更多的人已经在分享生活的美好了。 花呗这次的上联是：“成都人待客的最后坚持，_________”。 网友争相晒出自己遇到的生活趣事： -我亲眼看到几个大爷围着垃圾箱打牌 hhhh 以垃圾箱为桌子 松弛感绝了。 -那就不得不放出我看到的齐齐哈尔烤右 -地铁上卖菜见过吗？折耳根 -请你吃鸳鸯锅，外圈红内圈白的那种（因为成都人平时都吃红锅 鸳鸯锅是最后的倔强了） 当然答案中也少不了四川的特色国宝大熊猫。有网友慷慨的对答：“每人带走一只熊猫”，狠狠地心动了。 现代年轻人热爱记录手账，作为一种解压且有成就感的活动，花呗手账提供了一种全新的记录方式，快去试试吧。

近日，中国地质大学（北京）教授署名论文的文章介绍部分出现疑似ChatGPT常用语，被网友质疑借助AI（人工智能）写论文，引起广泛关注。针对此事，3月22日，校方回应海报新闻记者，论文的内容和数据是真实的，并没有造假，对于网友质疑的问题，学校目前正在调查中。 记者注意到，该论文发表于期刊《表面与界面》，论文署名作者共有5名，通讯作者为中国地质大学（北京）教授、博导刘艳改。 根据媒体报道，该论文被质疑是ChatGPT常用提示语的句子出现在论文介绍部分第一句，“Certainly, here is a possible introduction for your topic”，翻译大意为“当然，这是关于您主题可参考的介绍”。 3月22日，海报新闻记者联系中国地质大学（北京），该校党委宣传部工作人员回应，刘艳改确为该校教授，学校已关注到此事，目前正在调查中，该教授该篇论文的数据和内容都是真实的，并非造假。关于论文介绍部分出现疑似ChatGPT用语的问题正在调查，将根据调查结果处理。 媒体报道刘艳改署名论文截图 网友质疑刘艳改的论文截图 海报新闻查询中国地质大学（北京）官网发现，刘艳改1972年出生，为工学博士，教授，博导，曾为清华大学材料科学与工程博士后流动站博士后，英国剑桥大学访问学者。刘艳改自2006年9月担任材料工程教研室主任至今，负责教研室的日常事务、教学组织以及“材料科学与工程”专业建设和学科建设。另外学术兼职中兼任中国材料研究学会青年委员会理事等职务。 据2024年3月中国地质大学（北京）官网数据，刘艳改发表学术论文489篇，被引次数1324次，H指数为17，SCI（E）收录182篇。刘艳改在中国地质大学（北京）主讲本科生课程4门，主讲研究生课程2门，合讲硕士研究生课程3门。指导硕士研究生33人，博士研究生2人，已毕业5届（118人），其中7人已直博。 ——————————————— 来源：澎湃新闻、海报新闻 编辑：贾姣姣 审核：华丽娟返回搜狐，查看更多 责任编辑：

澎湃新闻记者 袁璐 实习生 陈诗艺 李夏妍编辑 黄霁洁 看到AI检测系统里，毕业论文成片的红色和黄色时，舒然感到“欲哭无泪”。她在心里反问自己：难道我长得这么像AI吗？ 在舒然两万三千字的论文中，有几十段文字被检测出“中风险”和“高风险”。舒然解释，这意味着自己的毕业论文虽是原创的，却因为“AI率较高”无法达到学校论文过审的要求。 随着AI的流行，不乏学生会在论文写作时借助AI生成。根据一些高校的官网消息，针对2024届毕业生，这些学校首次发布了有关AIGC（生成式人工智能）检测的通知，明确学生在进行毕业设计（论文）时，应严格遵守学术规范和学术道德，避免过度依赖智能生成内容，确保毕业设计（论文）的独立性和原创性。 接受采访的学生们都认为，AI检测某种程度上的确可以防止学生用AI代写论文，但是目前的AI检测功能尚不成熟。“很难理解它是怎么判断为AI写作的，因为就算是人工写作，或者经过修改，也会再次检测成AI代写。”舒然说，用科技制裁科技的结果，会导致跟论文的要求相反。 对于那些被误判为AI写作毕业论文的学生，机器反馈给他们一个数字，他们没有申诉途径，只能按照机器的运行逻辑修改。一个明显的悖论是，当人工智能越来越像人类时，人类自己写的句子也越来越像人工智能。此时，用AI检测是否使用AI代写，他们的论文被误判为AI代写的可能性就越高。 从“中风险”改到“高风险” 今年4月底，即将大学毕业的舒然和导师讨论后，定下了自己毕业论文的题目。 一个月后，舒然开始写论文初稿。撰写论文期间，她已经进入一家公司实习。每天下班后，她趴在电脑前绞尽脑汁，写到半夜才休息。周末两天，她把所有时间都投入到论文写作中。 因为提前和导师商量好了论文的结构框架，写作过程中，舒然的思路较为清晰和顺畅。除此之外，导师对她的论文格式，包括目录、字体、表格的线条等都提出了更细致的要求。 大概过了半个月，她写完论文初稿。按照学校的要求，她的毕业论文字数要在两万以上。一遍遍修改后，舒然的论文字数停留在两万三千字。 学校的另一个要求是，除了一般的查重外，学生需使用一款叫“格子达”的AI工具作为论文引用检测系统，检测的结果必须是“低风险”。 舒然通过上网查询得知，这款软件能够提供论文查重、格式检测、格式校正、论文管理等功能。论文查重主要通过与期刊数据库比对，找出论文中内容的重复率。 不同的查重系统算法和数据库大小不一样，比如知网查重的规则是13个字符，即6.5个字连续重复就会被标红。而AI检测的目的在于识别出哪些内容是由AI生成，通过分析语言风格、检测重复内容、语法和逻辑进行判断。 写完论文初稿一个星期后，舒然发给导师。导师提出修改意见后，她从标题到框架全部“人工”修改了一遍，直到对自己满意为止。在答辩前两周，她将论文提交到AI工具里检测。 在舒然提交之前，她的一个室友先进行了AI检测。结果是查重率13%，AI检测“中风险”。室友对此结果并不意外，她告诉舒然，自己的论文有一部分是AI代写的。 当时舒然觉得“还挺新奇”，但她心想，这样的论文肯定重率高，自己的论文都是一个字一个字写的。当舒然把论文提交后，出现在她眼前的查重率只有1%，但AI报告也是“中风险”。 这意味着，她必须降AI率，从“中风险”降到“低风险”。 和舒然一样，四川大学生林天乐的毕业论文也被判定为AI代写。今年毕业前两个月，林天乐突然接到学校要求查AI率的通知。交论文截止日期的前一天，他才知道学校要求学生使用维普论文检测系统，系统显示，可以用AI语言模型检测AIGC实现快速、准确识别学术文本中的AI生成内容，可有效识别文本是否部分或全部由AI模型生成，检测结果与论文质量无关，仅表示论文中内容片段存在AI生成可能性的概率。 林天乐学校要求，AI率要低于30%。超过这个比例，论文盲审不能通过，就无法毕业。他上传论文后，查出来的结果是37%。林天乐表示，标成AI的那些内容，都是他自己写的。 在这之前，他已经在知网上查过一遍，查出来的重复率是百分之零，所以他对自己的论文比较放心。直到要交初稿的当天，老师建议他再加新的内容进去，他又继续修改，到下午才定稿。“感觉自己这么努力，到交之前还手忙脚乱， AI率却被判为37%，内心挺气愤的。” 林天乐在社交平台上吐槽检测结果。本文图片均为 受访者供图 因为已经保送了研究生，林天乐对自己的论文要求较高。每天早上9点，他就跑到实验室打卡写论文，一直写到晚上八九点，有时候熬夜写到十一二点。持续了一个学期，论文写了近四万字。 原本信心十足，读博士的师兄也夸赞他论文内容丰富，图表画得好看，查重率从来没超过3%，却被检测出AI代写，林天乐心情跌落谷底。 你的AI率降下来了吗？ 刚开始改论文，舒然根据软件里标红和标黄的提示，自己琢磨修改。对于那些跟其他内容相似的句子，“看着它有点像AI”，便逐字逐句地改。 她念的是国际经济与贸易专业，论文中涉及不少专业术语的概念解释。但令她苦恼的是，这些固定的解释最容易被AI系统标红，而她又无法“创造出一个新的概念”。 她的具体修改方式是，用同义词替换，或者调整一下句子的顺序，或者用一些更“高级”的词汇，以此对抗“AI给出的机械和低级的词句”。但她没想到，再次检测的结果竟变成了“高风险”。 舒然内心彻底“破防”。她并不知道其中的算法和规则，只知道软件会标出不同的风险段数，标红的是高风险，标黄的是中风险，标绿的是低风险。第一次检测结果中，她论文中的“中风险”有35段，改完之后变成了五十几段。 舒然修改论文后变成“高风险”。 论文被判成“高风险”之后，舒然先冷静了一个晚上。第二天，她开始上网到处搜索降低风险的方法。刚开始，她尝试了几款可以降AI率的AI工具，“但都没啥用。” 之后，她又搜到一些大学毕业生降AI率的经验分享帖，说要去掉论文中“首先”、“其次”、“和”等字词，以及调换语句和语序等等。她用这种方法再次修改了一遍论文，论文又变回到“中风险”。 改了一天后，又回到起点。舒然觉得这样的修改方法太慢，于是继续上网搜寻。这次，她通过提炼其他人降AI率的经验，总结出一句她背得“滚瓜烂熟的法则”，即“复杂变简单，正话反说，主动变被动，简单变复杂”。 距离交论文定稿的时间只剩下两天，舒然和室友们的论文都被判为“高风险”或者“中风险”。“她们有的是用AI代写的，有的是从别人论文里面抄的，也有自己写的”。舒然说，她们检测结果相似，都是查重率不算很高，但是AI率很高。 熬到凌晨三点，那个晚上，宿舍里彼此间说得最多的话是：“你的AI率降下来了吗？” 学校虽然提供了一次免费的检测机会，但舒然想用在最终稿上，因为检测报告一出来，系统会直接提交给老师。她先后自己花了200多块钱，购买了四次检测机会。 她感觉论文像做了一次次体检，“检查出来都是病。”报告很详细，“甚至可能就几个字重了，也会标红。” 降AI率的过程中，舒然脑中盘旋的一直是导师的话：论文过不了，会影响毕业。答辩之后还会抽查，抽检不过关的，后果很严重。 天快亮的时候，舒然不记得是第几次改完整篇论文。再次检查，虽然报告上仍有几段显示是“中风险”和“低风险”，但整体结果是她无比期待的“零风险”三个字。...