Adobe 主导一项标记 AI 生成图片的倡议,其执行主管表示希望苹果和 X 能够尽快加入已同意这一做法的公司联盟。
Content Credentials 是一个旨在提高 AI 生成内容透明度的开放标准。它的目标是嵌入元数据,并在完全由 AI 生成的图片右上角添加一个"CR"标志,让用户清楚地知道这张图片不是真实的。
Content Credentials 由内容来源和真实性联盟 (C2PA) 管理,其成员包括 Adobe、Google、Microsoft、OpenAI、Meta、BBC 以及许多其他科技和媒体公司。然而,联盟成员名单中还缺少一些重要的公司,包括苹果和埃隆·马斯克的 X。
浏览器中的 AI 图片标记
Content Credentials 这样的计划要想取得成功,关键在于广泛采用,让用户无论使用什么设备或社交网络都能看到 Content Credentials 标志。
Adobe 内容真实性计划的高级总监 Andy Parsons 表示,在流行的网页浏览器(如 Google Chrome)中内置显示 AI 生成图片的 CR 标志只是时间问题。
Parsons 在上周拉斯维加斯 CES 2025 的一对一简报会上表示:"我们希望看到更普遍、更明显的采用,让消费者能够识别这个小小的 Content Credentials 图标,使其成为像版权符号一样广泛认可的标志。"
然而,跨设备支持将取决于苹果是否同意加入该计划。根据 Statcounter 的数据,Safari 在全球移动浏览器市场占有约五分之一的份额。
Parsons 说:"我们希望看到苹果加入。苹果目前明显缺席联盟,但我希望这种情况今年可能会改变。"
他补充道:"我的印象是,苹果在加入标准组织方面往往非常谨慎。从历史来看,他们通常要等到某个标准非常成熟且不得不加入时才会这样做。"
Parsons 还表示,他希望苹果不会创建一个用于标记 AI 内容的竞争标准,称如果对 AI 图片使用不同的水印,对所有相关方都不利。"我希望随着时间推移,苹果会同意这一观点,但我们拭目以待。"
记者就苹果对 AI 图片的处理方式向其询问评论。
对马斯克的质疑
X 是另一个值得注意的未加入联盟成员的机构。这个社交网络拥有自己的 Grok AI,能够生成图片,但与一些竞争对手的 AI 服务不同,它并不试图阻止用户生成知名人物(如唐纳德·特朗普)参与争议性话题的图片。
我尝试发布了一张 AI 生成的特朗普图片,它确实自动在帖子文本中添加了"image by Grok"的字样,但我可以轻松删除。如果下载图片,元数据将"x.com"列为图片拍摄地点,但社交网络的查看者无法立即看到这一信息。
Twitter 最初是 C2PA 的成员,但 Parsons 表示"后来发生了一些事情,他们变得不那么活跃了。"
Parsons 说他去年在时任英国首相里希·苏纳克主办的伦敦 AI 会议上向埃隆·马斯克提出了这个问题。
"在会议结束前的最后一个问题环节,里希·苏纳克点名让我提问,我直接问埃隆:'如果 X 平台有一种方法可以对内容进行加密签名,让人们客观地了解内容的来源、发布者和性质,这是否是件好事?'他给出了一个滑稽简短的回答。他想了一下说:'这似乎是个好主意,我们应该这么做。'"
Parsons 表示他仍然"充满希望和乐观",期待 X 加入联盟,"但他们目前还不是成员。"
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。