今年北京等六省区新增光伏不设上限

后来，这样的工具进一步延伸到了其他领域和我们日常的生活。

这就说明，在使用这个软件的人中，大约每5个人当中就会有一个人的信息被公开。据苹果官方数据，大约有 70% 的用户使用 App Store 的搜索功能，因此这项改进将对很多用户产生帮助。

（环球网）京东、美团等 10 平台签署承诺书，保证不利用大数据 杀熟近日，广州市市场监管局联合市商务局召开平台 大数据杀熟专项调研和规范公平竞争市场秩序行政指导会。2020年，罗永浩通过直播还掉了4亿元债务，日前，他表示争取今年年底之前把债还完。安居客官网显示，其于2007年成立于上海，公司业务覆盖新房、二手房、租房、商业地产、海外地产、装修等领域。从 LinkedIn 收集会员数据违反我们的服务条款，我们一直在努力，希望保护好会员和会员数据。（浙江消保委）小鹏汽车宣布武汉智造基地正式签约4月8日晚间消息，小鹏汽车宣布，武汉经济技术开发区管理委员会与小鹏汽车正式签署小鹏汽车武汉智能网联汽车制造基地及研发中心项目投资协议。

而抖音小店里的商品，我们可以做商家资质审核及商品审核，对黑灰产治理也比较有效。这是滴滴自动驾驶团队软件版本迭代后，于近期录制的一支路测视频。在上一次测试中，SN10 在测试第 6 分钟时进行翻转、状态调整，在6 分 19 秒左右稳稳落地，因此 SN 11 按道理也应如此进行测试，不过直播画面却在 5 分 49 秒时定格，随后官方直播结束。

（手动狗头）很多网友的评价则是：马哥是什么人啊，没准的事。随后 SpaceX 官宣，在着陆点火后不久，SN11 经历了计划外快速拆解（俗称爆炸）。就在其自爆时，画面下方还有一行字 Starship SN10 has landed!（星舰 SN10 已着陆），显得尤为讽刺。此外他还表示：BN1（指一种超重型火箭助推器，主要用于帮助发射轨道级星际飞船）的目的在于探索制造工艺，因此将会被拆掉。

万万没想到，SpaceX 星舰飞船原型的第四次高空试飞又双叒叕失败了。不过在 NASASpaceflight 的视频中可以看出，这次 SN11 还是没能逃脱爆炸的命运，而且似乎异常惨烈。

随后我们会推出 BN2，将于 4 月底前安好引擎放上发射台。Rest in Pieces.众人对此次爆炸的原因极为关心，当前猜测不少，比如航天博主Steed的围脖发微博称：现在大家讨论的一个话题是：星舰 SN11 上的飞行终止系统（如图，本质上就是两块 C4 炸药）是不是在空中启动了？【图源 Jack Neyer】另外，推特网友 Trevor Mahlmann po 了下面这张照片，认为爆炸原因在于 SN11 下降时的滚转姿态不对劲。SN15 将是下一位壮士那么，钢铁侠本侠是如何看待此事的呢？雷锋网注意到，Elon Musk 在测试后不久就连连发推。当天关于为何 SN9 在身姿还未摆正时就坠地，官方迟迟无回应，与上一次爆炸后 SpaceX 的做法形成鲜明对比。

谁持彩练当空舞～成者王侯败者寇，有钱继续没钱走。星舰原型花式爆炸此次 SN11 的测试与之前 3 次高空试飞路径一致：首先三台猛禽发动机同时工作，飞船升空。当天 SN10 也表演了一场精彩的空中杂技，最后实现了星舰高空试飞的首次平稳落地。当时官方称原因在于其头部燃料罐压力较低导致的着陆速度较快

网版权文章，未经授权禁止转载网版权文章，未经授权禁止转载

其中许多关联是良性的，但也有恶性的。这些攻击对从医疗到军事的各种人工智能应用都是一个严重的威胁。

我们再来看一组案例：左图中，AI成功识别出了贵宾犬（识别率39.3%）。例如：对于CLIP而言，它能识别蜘蛛侠的图像，从而其网络中存在特定的蜘蛛侠神经元可以对蜘蛛侠的真实图像、漫画图像作出响应，也可以对单词Spider（蜘蛛）作出响应。OpenAI团队表明，人工智能系统可能会像人类一样将这些知识内部化。研究人员表示，尽管模型是在精选的互联网数据子集上进行训练的，但仍学习了其许多不受控制的关联。因此，CLIP模型可以说代表了现有计算机视觉研究的最高水平。但右图中在贵宾犬身上加上多个$$$字符后，AI就将其识别成了存钱罐（识别率52.5%）。

OpenAI 使用两种工具来理解模型的激活，分别是特征可视化（通过对输入进行基于梯度的优化来最大化神经元激活）、数据集示例（观察数据集中神经元最大激活图像的分布）。CLIP模型意味着未来AI会形成更复杂的视觉系统，识别出更复杂目标。

像‘对抗补丁一样，这种攻击在野外场景也有效。但这一切处于初级阶段。

可以看出，这种印刷攻击实现起来很简单，只需要笔和纸即可，而且影响显著。例如，恐怖主义和中东神经元相关联，拉丁美洲和移民神经元相关联。

这项测试意味着，自动驾驶的视觉识别系统仍存在明显的漏洞。不难想象，它在现实世界有着广泛的应用场景，如自动驾驶、工业制造、安防、人脸识别等。对于部分场景来说，它对机器视觉模型准确度有着极高的要求，尤其是自动驾驶领域。然而，这种多模态神经元是一把双刃剑，一方面它可以实现对图文的高度控制，另一方面遍及文字、图像的神经元也让AI变得更易于攻击。

多模态神经元是根源那么，CLIP 中的多模态神经元到底是什么样子呢？此前，OpenAI 的研究人员发表了一篇新论文《Multimodal Neurons in Artificial Neural Networks》，描述了他们是如何打开 CLIP 来观察其性能的。无论是微调还是零样本设置下，这些偏见和恶性关联都可能会保留在系统中，并且在部署期间会以可见和几乎不可见的方式表现出来。

研究团队将此类攻击称为印刷攻击，他们在官方博客中写道：通过利用模型强大的文本读取能力，即使是手写文字的照片也会欺骗模型。他们在路边的广告牌的视频中添加了一张汉堡攻击图像，并将停留时间设置为了0.42秒。

值得注意的是，CLIP 的多模态神经元的关联偏差，主要是从互联网上获取的数据中学到到。相信不少人对它还有些印象，经过庞大的数据集训练，CLIP在图文识别和融合上展现了惊人的表现力。

通过关键词理解描绘出一张新图像对于人类来讲可能不是什么难事，但对于AI来讲，则需要它具有极高的视觉识别和理解能力，包括文本识别和图像识别。此外，还有研究人员表明，通过简单地在路面上贴上某些标签，也可以欺骗特斯拉的自动驾驶软件，在没有警告的情况下改变车道。此外，它们不仅对物体的图像有反应，而且对草图、卡通和相关文本也有反应。通过这些简单的方法，OpenAI 发现 CLIP RN50x4（使用EfficientNet缩放规则将ResNet-50放大4倍）中的大多数神经元都可以得到解释。

现在任何人在苹果上贴上带有iPod字样的字条，CLIP之类的模型都无法准确的识别。与上面的例子一样，如果在电锯上覆盖 $$字符串，就可以欺骗 CLIP 将其识别为储蓄罐。

例如，此前来自以色列本·古里安大学和美国佐治亚理工学院的研究人员曾对特斯拉自动驾驶系统开展过一项测试。许多偏见行为可能很难先验地预测，从而使其测量和校正变得困难。

未部署到商业产品中机器视觉模型，旨在用计算机实现人的视觉功能，使计算机具备对客观世界的三维场景进行感知、识别和理解的能力。然而，正是这个兼具图文双重识别能力的AI，却在一张纸片面前翻了车。