Amazon 表示，将推出一款名为 Q 的企业 ChatBot ，其动力来自生成式 A.I. （AI）技术。这一宣布是在拉斯维加斯举行的 Amazon AWS 云计算服务的年度会议上进行的，这也是 Amazon 对竞争对手推出的引起公众关注的 ChatBot 的回应。
一年前，三藩市初创公司 OpenAI 推出了 ChatGPT，引发了公众和企业对生成式 AI 工具的热切关注，这些工具可以撰写电子邮件、营销提案、文章和其他类似人类工作的文本。这一关注起初给了 OpenAI 的首席合作夥伴和财务支持者 Microsoft 一个优势， Microsoft 拥有 ChatGPT 背後的基础技术的权利，并利用它建立了自己的生成式 AI 工具，即 Copilot。但这也激发了诸如 Google 等竞争对手推出自己的版本。
这些 ChatBot 是一代新的 AI，它们可以进行对话，根据从大量数字书籍、在线文章和其他媒体中学到的知识，按需生成文本，甚至生成新的图像和影片。 Amazon 表示，Q …
Ikea
家居用品制造商Ikea周二（11/28）发表了3款可用来远端监控家中安宁的智慧家庭感应器，包括可用来监控门窗的Parasoll，感应室内或屋外动静的Vallhorn，以及可侦测有否漏水的Badring，Ikea并未公布相关产品的售价，但根据《The Verge》的报导，Parasoll与Badring的售价为9.99欧元，Vallhorn则只要7.99欧元。
Ikea早在2012年就启动了，要在家用产品中嵌入科技元素的Home Smart专案，陆续推出无线充电与智慧喇叭等产品，并在2017年发表了首批数位家居用品系列Trådfri，2019年更直接将该专案扩大成Ikea Home Smart事业部，目前旗下产品涵盖智慧音响、智慧窗帘、智慧照明、IKEA Home smart程式，以及用来连结所有智慧装置的Trådfri或Dirigera集线器。
新的Parasoll可安装在门窗上，一旦门窗被打开或关上，就会通知使用者；Vallhorn则可放置在室内或屋外，在侦测到任何运动时发出灯光，还能调整灯光的强度与颜色；Badring则可安装在用水区附近，会在侦测到漏水时启动内建的警报或是传送行动通知予使用者。
图片来源_Ikea
这些感应器都是采用Zigbee无线传输协定，可连结到Dirigera集线器，以触发其它的智慧家庭装置，或是传送通知至使用者的手机上。它们全都相容於Dirigera，但只有Vallhorn相容於旧版集线器Trådfri，此外，较新的Dirigera也允许Ikea的智慧家庭装置与Google、Amazon及苹果的相关装置互动。
Parasoll与Vallhorn预计於明年1月上市，Badring则要等到明年4月，Ikea亦计画将它们部署至全球市场。…
自从今年七月後，Google的网站分析工具Analytics通用版，已全面更新为GA4，早期的通用版也停止数据的更新，因此也强制使用GA4，但GA4应该让许多人感到相当的困扰，不但数据不即时外，再来就是数据中的资料加总後，数据对不起来，先前梅干也曾分享过Matomo自行架设网站流量工具，但对於有些朋友来说，会感到有些麻烦，还得自行架设。
因此今天梅干要来分享一个免费的流量分析工具Piwik Pro，而Piwik Pro除了付费版外，也有提供免费的版本，同时只需注册帐号，再把追踪码埋放後，就可开始进行统计与分析，因此身为网站站长们，Piwik Pro不妨也可参考看看罗！
Piwik Pro连结网址：https://piwik.pro/
Step1
首先在进入Piwik Pro的网站後，点选画面右边的按钮。
Step2
接着输入Email与要追踪的网网。
Step3
新建好後，到刚所输入的信箱点击启用，接着再设定密码。
Step4
当帐密都设定完毕後，就可登入Piwik Pro的後台罗。
Step5
登入後，先按右上的叉叉。
Step6
接着到Installation页签後，有多种的埋放方式，像是WordPress、Google Tag Manger…等 若都没使用的话，就选择第一个手动安装。
Step7
而它的追踪码有二段，此段是放在<body>下方。
Step8
而这段则是放在</head>上方。
Step9
当一切都埋放好後，差不多需等待一天时间，才会显示数据，目前只有英文版，但PIWIK PRO有一个比较有趣的功能，就是可追踪使用者，进到网站的浏览状况，因此数据没有试对谁错，只有统计的方式不同，用不习惯GA4的朋友，也可试试PIWIK PRO罗！
…
意法半导体(ST)新系列IGBT电晶体将击穿电压提升至1,350V，最高作业温度达175°C，更高的额定值确保电晶体在所有运作条件下具有更大的设计余量、耐受性能和更长久的可靠性。
新推出之STPOWER IH2系列IGBT还提升了功率转换效能，相关参数出色，例如，低饱和导通电压Vce(sat)，确保元件在导通状态下耗散功率较小。而续流二极体的压降亦不高，能够优化关断电能损耗，让在16kHz至60kHz运作频率的单开关准谐振转换器具有更高的效能。
新IGBT具备良好的耐受性和效能，适合电磁加热设备，包括厨房炉灶、变频微波炉、电锅等家电。在2kW应用中，意法半导体的新型IGBT元件还可将功耗降低11%。
此外，Vce(sat)具有正温度系数效应，元件之间紧密的参数分布有助於简化设计，可轻松并联多个IGBT二极体，满足高功率应用的需求。
该系列前期推出的两款元件25A STGWA25IH135DF2和35A STGWA35IH135DF2现已量产，其采用标准TO-247长引线功率封装。…
研究机构Yole Group指出，以ATE为主的半导体测试设备市场，景气谷底已经在2023年第二季时出现，当季全球半导体测试设备的销售金额仅有19.08亿美元，是过去三年来的最低纪录。 然而，市场对半导体测试设备的需求已经在第三季出现明显回温的迹象，买方与供应商的活动均转趋积极。因此，Yole……
生成式AI和AI/ML技术的兴起提高了对更高速连接的需求，进而推动後端资料中心网路和应用朝向800G网路发展。使用主动乙太网路电缆(AEC)是当前最有效的解决方案，但电缆供应商需要克服许多设计和开发障碍。为解决这一问题，Microchip Technology宣布推出META-DX2C 800G重计时器。
META-DX2C 800G重计时器为双密度四通道小型可插拔封装(QSFP-DD)和八通道小型可插拔封装(OSFP)AEC电缆产品提供加速开发路径。重计时器由800G AEC产品开发综合解决方案提供支援，包括硬体参考设计和完整的通用管理介面规范(CMIS)套装软体，将电缆制造商所需的开发资源最小化。
Microchip通讯业务部副总裁Maher Fahmi表示，这是该公司META-DX2乙太网PHY系列中最新、尺寸最小的产品，利用Microchip的微控制器和其他关键元件，提供了完整的参考设计，可加快AEC产品开发，减少资源投资并简化供应链管理。META-DX2C重计时器实现了生成式AI应用所需高密度网路的AEC连接。
META-DX2C重计时器采用高效能、长距离112G SerDes，可支援达40dB的传输距离，能够设计更薄、更长的AEC，这对於密集的超大规模基础设施建设至关重要。此外，Microchip还提供经过全面验证的插卡硬体参考设计和在Microchip 32位元PIC32微控制器中部署CMIS软体的套装软体。Microchip的META-DX2C 紧凑型重计时器还能解决大容量资料中心交换器和路由器中类似连接难题，避免高密度和资料速率导致讯号完整性问题。
市场研究公司650 Group共同创办人兼分析师Alan Weckel表示，生成式AI正在对资料中心基础设施的建设方式和所需的网路连接量产生巨大影响。为了应对这一挑战，超大规模企业需要高频宽、低功耗和低成本的解决方案。该公司调研发现，AEC是应对这一挑战的最佳解决方案。Microchip的META-DX2C 800G AEC重计时器契合这一趋势，是实现该领域成长所需的解决方案。
Microchip的META-DX2C 800G AEC解决方案由插卡参考设计提供支援。该参考设计包括META-DX2C重计时器、PIC32微控制器、振荡器、降压稳压器和线性稳压器，全部来自Microchip。由单一供应商提供这些元件可简化客户的供应链管理。随附的软体开发套件符合CMIS 5.2规范。
META-DX2C重计时器(部件编号：PM6254)包含硬体参考设计、韧体解决方案和SDK，现已上市。…
很难想像，ChatGPT 问世至今才快满 1 岁。自 2022 年底上线，短短 2 个月时间，ChatGPT 就达到月活跃用户 1 亿的成就，成为有史以来最快达成此里程碑的应用。矽谷知名创投 a16z，9 月发布了一份分析报告，依据截至 2023 年 6 月的网站与 App 每月造访数，制作出了一张全球月流量前 50 大生成式 AI 产品排行榜。
不过 a16z 在报告中特别提到一个前提，虽然目前大多数消费者使用的生成式 AI（GenAI）工具，仍以网站优先，但行动应用程式的使用量也持续攀升，因此他们综合了网站流量与 App 使用量数据来做出排名。然而，此份清单的限制就在於，纯应用程式以及在 Discord 伺服器中所发生的网路活动，皆不计入此统计内，也就是说，这是一份简单粗暴的排行榜，而非精密统计的详尽排名，但我们仍可透过榜单，大致理解全球生成式 AI 工具的类别趋势。
尽管 a16z 强调上榜应用的代表性并不完整，但作为一般使用者，这份榜单还是很吸引人，不少工具也是先前没有使用过的。因此，本篇除了整理 a16z 报告的趋势观点外，也从榜单中试用了几款应用程式。…
OpenAI的竞争者Anthropic发表的最新人工智慧研究论文〈Decomposing Language Models With Dictionary Learning〉，提出一种称为字典学习的方法，增加对神经网路的解释性。这项研究让Anthropic更能够监控模型，进而引导模型的行为，提高企业和社会在采用人工智慧的安全性和可靠性。
由於神经网路是以资料进行训练，而非根据规则的程式设计，每一步训练，都会更新数百万甚至数十亿个参数，最终使模型得以更好地完成任务，但Anthropic提到，虽然研究人员可以理解训练网路的数学运算，但是却不真正明白模型是如何从一堆数学运算中，导出最後的行为。而这样的状况，使得研究人员很难判断模型出现的问题，而且也难以进行修复。
虽然现今人类已经进行了数十年的神经科学研究，对於大脑的运作有了深入的了解，但是仍然有很多大脑中的谜团尚待解密。类似的情况，人工神经网路也存在难以完全理解的部分，只不过与真实大脑不同，研究人员可以透过实验来探索其中的运作机制。
尽管如此，过去对神经元的实验并没有太多帮助，研究人员透过干预单一神经元，观察该神经元对特定输入的反应，他们发现，单一神经元的活化，与神经网路的整体行为并不一致。在小语言模型中，单一神经元会在英语对话、HTTP请求或是韩语文本等不相关的上下文都很活跃，电脑视觉模型中的同一神经元，可能会对猫脸和汽车都有反应。也就是说，在不同的情况下，神经元的活化可以代表着不同意义。
在Anthropic最新的研究中，研究人员扩大分析单位，不在单一的神经元中寻找规律，而是运用一种称为特徵（Feature）的概念。每个特徵都会对应一群神经元活动模式，这为研究人员提供了新的分析途径，能够将复杂的神经网路解构成更容易理解的单位。
在Transformer语言模型中，研究人员成功将一个包含512个神经元的层，分解成超过4,000个特徵。这些特徵涵盖了DNA序列、法律用语、HTTP请求、希伯来文和营养标示等范畴。此外，研究人员也确认了特徵的解释性远比单一神经元更高。
论文中也提到，研究人员发展了自动解释方法，来验证特徵的可解释性。藉由大型语言模型来生成小模型特徵的描述，并以另一个模型的预测能力对描述进行评分，而实验结果证实，特徵的得分仍高於神经元，如此便证实了特徵的活跃和模型下游行为具一致性。研究人员还发现，在不同模型间所学到的特徵大致通用，因此一个模型从特徵得到的经验，可能适用於其他模型。
这项研究的贡献，在於克服单一神经元的不可解释性，透过将神经元分群成特徵，研究人员将能够更好地理解模型，并且发展更具安全性和可靠性的人工智慧服务。未来Anthropic研究人员会扩大研究范畴，理解大型语言模型的行为。…
编译／高晟钧
短短几年内，Nvidia便从一个主要从事高阶游戏晶片制造的公司，摇身一变成为市值估计超过1兆美元的人工智慧巨头，成功加入科技巨头Apple、微软、Amazon和Alphabet，跨入科技金字塔的顶端。Nvidia究竟有何独到之处，他们又是如何在短短几年内获得如此之成就呢？
长期以来，Nvidia一直专注於GPU的开发上，这也是Nvidia主要的核心业务。（图／123RF）GPU升级
长期以来，Nvidia一直专注於GPU的开发上，这也是Nvidia主要的核心业务。GPU晶片主要为渲染视讯、图像和动画处理等显示功能而设计，对於一些高画质要求的游戏是不可或缺的。另一方面，GPU对於许多共同运行的小型晶片核心也有着重要帮助，它能够加速CPU的运算效能。
更多新闻：Google Cloud与Nvidia合作 助功生成式人工智慧发展
而对於Google、微软等庞大资料中心的云端运行，GPU真正地展现了其价值，该市场价值也大大超越了视频游戏。根据估计，Nvidia的资料中心部门年收入已经从2016年的3.4亿美元激增至如今的150亿美元，更可怕的是，一切还只是刚刚开始。
ChatGPT的出现
OpenAI在去前年底推出ChatGPT，实现了「生成式人工智慧」的理念，即透过大量资料训练，藉此在资料生成图像与文字中查询答案。
由於Nvidia拥有最适合训练人工智慧模型和推理任务的晶片，使得该公司的高阶系统备受推崇。尽管晶片供不应求，该公司的数据中心收入依旧在短短三个月内增加了一倍之多，分析师更是预言其明年的收入将突破600亿美元。
成功的秘密：软体CUDA
软体可谓是硬体运作的心脏。尽管晶片公司一般不负责应用程式的开发，但通常会提供允许开发人员在晶片上编写运行APP的软体工具。
2006年，Nvidia推出统一的GPU程式语言──CUDA，它不只解决以前成本过高的数学密集型问题，也铸造了一条竞争对手难以跨越的护城河，使得Nvidia从众多科技公司中脱颖而出。
随着时间推移，CUDA已发展出包含AI开发人员使用的250个软体库。这也使得Nvidia成为了人工智慧开发人员的首选平台。去年，CUDA的下载量已经达到了2,500万次，是截至去年以前总下载量的2倍之多。
偏执者得以生存
Nvidia的GPU如此昂贵，其又是如何保持领先地位呢？Nvidia成功的秘诀，在於保持晶片与软体性能的并肩前行。当Intel和AMD开始将自己的GPU技术与CPU晶片整合时，Nvidia也曾面临生存危机；当时Intel的年收入是Nvidia的10倍以上。
然而，没有一家科技公司可以真正的无懈可击。Nvidia的成功或许正应证了当年来自Intel前老板的一句建言：「只有偏执者才能生存。」
资料来源：Wsj.com
※更多ChatGPT相关讯息，请参考【生成式AI创新学院】。
…