谁为AI事故负责？

近年来，给他人权益造成损害的AI事故快速增加，从自动驾驶汽车和有形机器人的安全事故到AI诊疗软件的错误诊断再到各种自动化决策系统的算法歧视、不公平决策，可以说，AI事故和AI侵权正日益成为AI社会的“新常态 在人工智能的应用无处不在的今天，人们必须正视AI事故和AI侵权的法律责任问题。当AI系统造成事故和损害，法律必须给受害人提供公平且有效的救济。但问题是，谁应为AI事故和AI侵权负责？ 在根本上，我们需要发展工具型AI（tool AI），而非所谓的全面接近人类的主体性AI。 误区2：将公法上AI风险类型化理念和AI侵权责任规则勾连。 欧盟人工智能法案是这种思路的典型代表，其按照风险高低，将AI系统分为不可接受风险AI、高风险AI、有限风险AI以及最小风险AI等四大类，并重点规定了高风险AI的要求和相关经营者（提供者、部署者等）的义务等 换句话说，所谓的高风险AI其实旨在减少风险，增加安全性，实际上比其所取代的人类活动要更加安全。 误区3：对AI系统的“行为”进行过失评价。

Gemini 3性能暴涨真相曝光!负责人自爆核心改进,实测速度快到离谱

01、项目负责人自曝：改进预训练和后训练是关键 比起冷冰冰的榜单数字，更让人关注的是 Gemini 项目联合负责人 Oriol Vinyals 的爆料。 跟我之前实测过的其他大模型（MiniMax M2、Sonnet 4.5 等）相比，Gemini 3 的响应速度快得惊人，平均十几秒钟就能做好一个网页或动画，而且效果都还不错。 如何使用上最新Gemini 3？ 为了让广大用户可以用上平价且方便（无须因为地缘或者账号折腾）的正版Gemini 3，这里给大家推荐一个ai宝藏网站和使用教程： 1.注册账号并登陆 网址：https://dafoai.com 2.订阅服务 研值：即根据与AI大模型对话长度所扣取的一种计费方式，研值越多意味着可提问的次数或对话长度越多（当前Grok为免研值模型，可无限畅用） 4.点击“进入”即可进入GPT 5.开始使用

AI智能体失控时，谁来负责？

随着AI代理的日益普及，在其使用它们的重点行业中，潜在的危险也在增加。鉴于此，C级高管面临着一个关键问题：当AI失控时，谁来负责？ AI问责制：不断变化的格局 AI的激增正在扰乱现代企业的组织结构。 Pearl Meyer的一份报告显示，30%的公司选择将AI相关的责任纳入现有的高管角色。与此同时，“32%的公司正在采取去中心化的AI监督方法，并期望AI工作由多个职能部门的各种领导者负责”。 在当今大多数组织中，CISO、CIO和CTO承担着AI行为和安全的主要责任。这可能会在不同的领导角色之间造成紧张关系，因为CISO无法控制AI系统，但他们却负责维护安全。 因此，如果AI代理失控并且无法解释其决策，那么确定出了什么问题可能具有挑战性（如果不是不可能的话）。那么，负责AI系统的领导者如何在这样一个不完美的世界中获得尽可能多的透明度和控制权呢？ 组织必须确定谁应对 AI 的行为负责，这可能意味着弥合 CISO、CIO 和 CTO 之间的差距，或聘用一位完全专注于 AI 的高管。

AI 提效了，问题谁负责

拦住它们的，往往不是模型能力不够，也不是工具不够成熟，而是问责机制没有跟上人工智能进入核心业务的速度。 当人工智能系统开始影响优先级排序、审批、建议和资源分配时，它就已经不只是一个提效工具了。 对每一个由人工智能驱动的工作流程，都至少要回答清楚这几件事： • 谁对业务后果负责 • 谁对系统性能和可靠性负责 • 这个决策的权限边界是什么 • 当输出超出预期时，升级路径是什么 举个例子，如果一个人工智能系统负责给销售机会排序 ，并自动创建后续任务，那么销售副总裁应对最终收入结果负责，销售运营负责人则应对系统性能和数据质量负责。 结果就是，团队既失去速度，也失去信任。 更合理的做法，是按照影响分级来设计监管机制。 领导者不必在速度和管理之间二选一。只要围绕人工智能驱动的决策，重新设计所有权、决策权、监督、衡量和改进机制，组织就可以在保持速度的同时，把责任边界讲清楚，把系统真正用起来。

让测试速度真正跟上 AI 生成速度

AI 生成代码的速度，已经超过了很多团队扩展测试覆盖的速度。覆盖率报告仍然是绿色，代码评审也没有明显报警，但真实风险却在变大。 默认情况下，我们应该把 AI 生成的代码视为未经充分测试的代码，并按代码生成速度同步调整测试规模。 速度确实上来了，但问题也藏在这里：看起来正确，和真的能在生产环境里正确运行，是两件事。 AI 生成的代码往往语法正确、风格一致、结构合理。 手动测试跟不上 如果 AI 向代码库引入复杂性的速度，超过了人类手动设计测试的速度，那么测试策略就会天然滞后。这不是理念问题，而是工程吞吐问题。 对于正在评估 AI 测试工具的团队，最重要的两个问题是：它是否能专门分析新代码覆盖率差距，以及它的运行速度是否能跟上代码生成速度。如果测试工具配置起来比代码生成还慢，它就很难解决这个问题。

AI人物传：谷歌AI部门负责人Demis Hassabis

2023年：Hassabis 被任命为谷歌 AI 部门的负责人，负责整合 DeepMind 和 Google Brain 的团队，以推动 AI 技术的商业化。 对AI的看法和观点 根据 Hassabis 的多次访谈，他认为 AI 不仅是一个技术工具，更是探索人类意识和宇宙奥秘的一种方式。他强调 AI 的发展应以伦理为基础，并关注其对社会的影响。 他相信，AI 能够帮助人类解答生命中最重大的问题，并揭示宇宙的奥秘。他表示，AI 不仅是一个工具，更是探索人类思维、意识和宇宙本质的关键手段。 Hassabis 在多次访谈中提到，图灵测试已不再适用于现代 AI。他认为，这一测试过于依赖人类的主观判断，容易导致对 AI 系统的误解。 他强调，目前没有任何 AI 系统具备真正的意识或感知能力，而是通过复杂算法模拟人类行为。 Hassabis 对未来的 AI 发展充满希望，他认为 AI 将为人类带来前所未有的自由与创造力。

迈向负责任 AI：中国 AI 治理趋势与展望

[3]因此，伴随着过去十年AI技术发展应用的“高歌猛进”，国内外各界同步推进AI治理，探索立法、伦理框架、标准和认证、行业最佳做法等多元治理措施和保障机制，支持负责任的、可信的、以人为本的AI发展。 在可预见的未来，随着AI的能力越来越强，其应用和影响将日益加深，因此，负责任的AI(Responsible AI)将变得越来越重要。而负责任的AI的推进和落实，离不开合理有效的AI治理。 第三，强调AI领域的科技伦理治理。国家新一代人工智能治理专业委员会先后发布《新一代人工智能治理原则——发展负责任的人工智能》和《新一代人工智能伦理规范》，为发展负责任的AI提供伦理指南。 目前，AIGC技术已能自主生产多种形式的内容，包括文本、图片、音频、视频、3D内容(3D物品、3D虚拟场景)等。 ). [19]SharonGoldman，“3ThingstheAIBillofRightsdoesand3Thingsitdoesn’t”，athttps：//venturebeat.com/ai/3

迈向负责任 AI：中国 AI 治理趋势与展望

[3]因此，伴随着过去十年AI技术发展应用的“高歌猛进”，国内外各界同步推进AI治理，探索立法、伦理框架、标准和认证、行业最佳做法等多元治理措施和保障机制，支持负责任的、可信的、以人为本的AI发展。 在可预见的未来，随着AI的能力越来越强，其应用和影响将日益加深，因此，负责任的AI(Responsible AI)将变得越来越重要。而负责任的AI的推进和落实，离不开合理有效的AI治理。 第三，强调AI领域的科技伦理治理。国家新一代人工智能治理专业委员会先后发布《新一代人工智能治理原则——发展负责任的人工智能》和《新一代人工智能伦理规范》，为发展负责任的AI提供伦理指南。 目前，AIGC技术已能自主生产多种形式的内容，包括文本、图片、音频、视频、3D内容(3D物品、3D虚拟场景)等。 ). [19]SharonGoldman，“3ThingstheAIBillofRightsdoesand3Thingsitdoesn’t”，athttps：//venturebeat.com/ai/3

「Generated Code is Real Code」：AI 代码谁负责 merge？

「GeneratedCodeisRealCode」：AI代码谁负责merge？副标题：Agent可以帮你提速，但不能替你承担风险——merge按钮永远在人手里「反正是AI写的，凑合merge吧。」 2026年，这句话在不少团队里已经不再是玩笑，而是一种真实的工作压力：PR变多了、变大了、生成速度比review快得多，于是有人开始把merge当成「走流程」。 所以这篇文章要回答的问题很简单：AI代码谁负责merge？答案也很直接：点merge的那个人，以及他背后的团队。一、为什么「AI写的」不是免责理由？ 3.「反正是AI写的」到底在逃避什么？ JetBrains在GITEX2025分享里也提到：开发者最担心的不是失业，而是信任——要的是可靠、可维护、安全的输出，没有质量的速度毫无意义。

AI 代码谁负责 merge？Generated Code is Real Code

2026 年，这句话在不少团队里已经不再是玩笑，而是一种真实的工作压力：PR 变多了、变大了、生成速度比 review 快得多，于是有人开始把 merge 当成「走流程」。 所以这篇文章要回答的问题很简单：AI 代码谁负责 merge？ 答案也很直接：点 merge 的那个人，以及他背后的团队。 一、为什么「AI 写的」不是免责理由？ 1. 3. 「反正是 AI 写的」到底在逃避什么？ 常见借口背后，其实是三类偷懒： 1. 逃避理解：「我没细看，但 AI 应该没问题」 2. 逃避验证：「没跑测试，反正 CI 会拦」 3. Proof it works：测试通过、手动验证步骤、截图或日志 3. Risk + AI role：风险等级；哪些部分是 AI 生成 4. No large AI dump PRs（禁止巨型 AI 倾倒式 PR） 3.

生成式AI时代的负责任技术挑战

近年来，甚至近几个月来，被称为生成式AI的技术取得了迅猛发展。生成式AI模型在难以想象的庞大文本、代码、图像和其他丰富数据集合上进行训练。 同时也存在可以理解的担忧——其中一些是传统负责任AI问题的新变体，另一些则是全新的问题。在本文中，我将探讨这些担忧以及如何逐步解决它们。什么是生成式AI？ 生成式AI可能成为许多专业环境中的有效生产力工具，这将至少改变当前人类与机器之间的劳动分工。也许对抗生成式AI担忧的最大防御可能来自最终用例的专业化。 随着生成式AI的潜在用途和危害得到更好和更广泛的理解，用户将用自己的常识补充我上面概述的一些防御措施。结论生成式AI既激发了合理的热情，也引起了合理的恐惧。 应当强调，在生成时代解决负责任AI风险将是一个迭代过程：不会有一劳永逸的"正确解决"。这一格局肯定会随着技术和我们对其态度的变化而转变；唯一不变的是需要在热情与对担忧的实际有效检查之间取得平衡。

区块链 + AI：一个负责“信任”，一个负责“聪明”，能不能真结婚？

区块链+AI：一个负责“信任”，一个负责“聪明”，能不能真结婚？大家好，我是Echo_Wish。这两年你要是混技术圈，基本绕不开两个词：AI和区块链。 今天这篇，我不跟你念资本PPT，也不讲玄乎的Web3宏大叙事，就站在一个工程+运维+算法都踩过坑的视角，聊一件事：区块链+AI，真正有价值的结合点，到底在哪？ ：AI擅长AI不擅长预测、生成、拟合自证清白、证明过程而区块链恰好反过来：区块链擅长区块链不擅长可追溯、可审计、不可抵赖高性能计算所以你会发现一句非常关键的话：区块链+AI，不是为了“更聪明”，而是为了 ,"rb")asf:returnhashlib.sha256(f.read()).hexdigest()然后把这个hash作为交易写入区块链：展开代码语言：TXTAI代码解释ModelHash:a9f3c8 七、我个人的一点真实感受我越来越觉得：AI解决的是“能不能做”，区块链解决的是“敢不敢用”。没有区块链的AI，像一个天才但没身份证；没有AI的区块链，像一本账本但不会分析。

苹果公司聘用了谷歌前AI负责人

AiTechYun 编辑：nanan 苹果公司聘请了谷歌前搜索和AI主管John Giannandrea，这是一项重大变动，旨在赶上其竞争对手的AI技术。 苹果周二表示，Giannandrea将负责苹果的“机器学习和AI战略”，并直接向苹果CEO蒂姆库克汇报。成为直接向苹果首席执行官蒂莫西D.库克报告的16位高管之一。 许多硅谷高管和分析师认为，苹果在AI领域落后于同行。AI是一项关键的技术，对于那些使计算机能够处理更复杂任务的公司来说越来越重要，比如理解语音指令或识别图像中的人。 近年来，苹果一直在支持其AI团队。 2016年，该公司聘请了卡内基梅隆研究员Russ Salakhutdinov，让其领导一个专注于AI的团队，并于10月份，苹果收购了Init.ai，该团队专注于用自然语言处理和机器学习创建AI的客户服务

AI存储网络接口的速度之争

AI存储网络接口的速度之争 AI存储网络接口分为外部接口和内部接口。 根据大成鹏的客户的实际使用情况，目前AI算力使用是400G和200G为主，AI存储则以200G为主。 根据大成鹏的客户的实际使用情况，目前AI算力使用是800G和400G为主，AI存储则以400G和200G为主。 表3为FC网络的速率类型发展。 但负责制定规格的SCSI贸易协会（SCSI Trade Association，STA），在2023年底，提出异于原本路线图的规画，放弃48G SAS这条提高带宽的路线，改为沿用既有的24G SAS物理层

特斯拉失去AI灵魂人物，负责人Andrej Karpathy离职

机器之心报道 编辑：杜伟、蛋酱 对于特斯拉及其 AI 和自动驾驶业务而言，Andrej Karpathy 的离职无异于失去了顶梁之柱。 今日，特斯拉 AI 高级总监、自动驾驶 Autopilot 负责人 Andrej Karpathy 在推特上宣布自己将离职。 今年 3 月份，他宣布自己将休假四个月，就隐隐透露出离职的可能。 仅一年多后，2017 年，Karpathy 接受马斯克的邀请加入特斯拉，接替了当时的特斯拉 Autopilot 负责人、苹果 Swift 语言、LLVM 编译器之父 Chris Lattner。 随着特斯拉从最开始的自动驾驶慢慢扩展到更广泛的人工智能领域，Karpathy 也被提为特斯拉的 AI 高级总监，直接向马斯克汇报工作。 一年前，马斯克表示 Autopilot 是由 Ashok Elluswamy 和 Milan Kovac 共同负责，他将这称为「圆桌结构」。

苹果终于任命AI研究负责人 Ruslan其人其事

Geoffrey Hinton麾下的人工智能圈子可谓把控着当今各巨头的深度学习命脉，从谷歌、微软、Facebook的人工智能负责人，到国内我们所熟知的百度首席科学家吴恩达，都出自Geoffrey Hinton 仅8个月后便拥有除副教授之外的第二重身份——苹果人工智能研究总监，其职业发展速度不可谓不快。 加入苹果后，Ruslan第一件事便是招兵买马。 因此苹果选择将AI学习系统放在个人的设备上，毫无疑问，这大大削弱了苹果AI的竞争力。 但苹果表示，对此他们已经有了很好的解决方案。 机器学习发展速度可能是当今世界上所有学科里面最快的，因此在机器学习领域，人们关心的不是你之前十年做过多少研究有过多少成果，而是你现在用这个理论做了什么。2. 仅仅雇佣一位大牛对于其AI事业并不会有大的推动作用。 system16：从Swift看来，苹果保密的态度似乎已经有了放宽。

我给AI打工！ChatGPT负责创作漫画，我负责画出来，居然搞出超现实主义？

不过，用语言描述一个画面是妥妥的，于是一场AI和人类的合作就开始了，以下是博主作为第一人称的创作记录： 人类：创建一个有趣的单面板漫画 ChatGPT：这是另一个单面板漫画： 一个简笔画小人坐在书桌前

u3d 控制animation播放速度

谷歌推出“流体标注”AI辅助工具，图像标注速度提升3倍！（附论文）

---- 新智元报道 来源：Google AI blog 编译：大明 【新智元导读】谷歌在其AI博客上介绍了一款基于AI和深度学习的图像标注方式“流体标注”，可作为人工标注者的有力辅助工具， 将标记数据集的生成速度提升至现在的3倍，有望缓解目前机器学习研究中，高质量的训练数据获取难的瓶颈。 3倍。 （3）删除现有段。（4）改变重叠段的深度顺序。 未来的目标是改进对目标边界的标记，进一步利用机器智能提升界面的速度，最终实现对界面的扩展，能够处理以前无法识别的分类，实现最高效、需求最大的数据收集。

AI炒菜、配料、开发新口味……人类终于可以只负责吃了?

白色城堡连锁店副总裁Jamie Richardson表示，“自动化厨房机器人可以承担厨房里的那些重复、耗时又危险的工作，让后厨员工不必在高温闷热的油锅前工作，可以在更安全的环境下，负责客户服务、食材准备等别的业务 这款菜色识别机器人认识食堂内200多款菜色，运用AI图片识别技术，可以根据食物纹理在2秒内识别菜品，大幅提高了餐厅结账速度。 “感觉食堂变得更高大上了，机器的收银速度和食堂阿姨差不多。” 3 玉米片+牛肉+咖啡豆 原来你们AI好这口? Firmenich调味品公司总裁Emmanuel Butstraen表示，新冠疫情危机改变了食品创新格局以及消费市场，“我们必须以更快的速度，以更大的创造力来理解和应对快速发展的需求。 雷锋网《全能型AI机器人“厨师”来了 网友：又来抢饭碗？》 2. 机器人在线《Flippy ROAR导轨导航升级，厨房机器人在食品行业大显身手》 3.