文章指出,尽管人们对人工智能安全的政治支持日益增强,但当前的落实工作很大程度上取决于市场激励,以及那些能够将技术风险转化为合同条款、采购流程、治理机制和政策建议的专业人士。律师、合规专家、风险管理人员和负责任人工智能从业者,往往既缺乏足够的技术知识,也缺少能够提供支持的同行社群。
在东萨塞克斯郡举行的一场为期五天的 ML4Good–EquiStamp 研讨会,汇集了来自12个司法辖区的19名高级法律、治理和风险专业人士。课程涵盖前沿模型训练、评估、智能体、安全保障措施和安全研究。参与者表现出浓厚的学习意愿,也非常重视与面临类似挑战的人建立联系。
活动结束后的几天内,与会者便开始采取实际行动:质疑供应商对安全性的宣称、审查人工智能智能体、招募相关领域的专家、在内部分享知识,并寻求更有力的政策参与。这些初步成果进一步印证了文章的核心观点:人工智能安全工作必须走出研究人员和前沿实验室,进入更广泛的组织之中,因为正是这些组织的采购和部署决策塑造着整个生态系统。作者希望为紧邻人工智能技术开展工作的法律和治理专业人士建立一个长期持续的社群。
这篇文章介绍了斐波那契 L 系统。这是一组替换规则——\(b \rightarrow a\) 和 \(a \rightarrow ab\)——用它生成的字符串中,各符号的出现次数遵循斐波那契数列。文章从经典的兔子繁殖问题谈起:幼兔经过一个月成熟,成年兔子此后每个月都会生下新的幼兔。
这些简单的规则还能生成有趣的模式,例如越来越复杂的象鼻虫名称,如“Zyzzyzyva”;披萨配料名称,如“peppepeppeppepperoni”;以及家庭称谓,如“Grandmammamammamma”。作者还指出,要生成准确的家庭称谓,需要跳过内部的一个“a”,而其他变体则被有意留作探索。总体而言,本文轻松地展示了一个简洁的重写系统如何产生斐波那契式增长,以及越来越长、令人难忘的词语。
首项大规模研究考察了联网汽车生态系统中的隐私问题。互联网汽车会与制造商、广告商、保险公司及其他第三方通信。研究人员与《消费者报告》合作,测试了21款较新车型和30款配套移动应用。结果发现,21辆车中有19辆会向至少一个第三方发送数据,7款应用会向外部公司传输敏感标识符。该研究凸显了消费者对这类数据共享活动的了解有限,并强调有必要持续开展监测、加强监管以及提供更清晰的隐私保护。
在台湾生活了七个月后,作者回到波兰,开始布置一套极简公寓。在旅行反思与慢性背痛的双重背景下,他逐渐添置了显示器和升降办公桌。
最终诞生的项目 Magic Switch 是一款免费、开源的 macOS 应用,可以让两台 Mac 共享 Apple Magic Keyboard、Magic Trackpad 或 Magic Mouse,无需使用同一个 Apple Account,也无需通过 USB 重新配对。它改进了概念验证项目 blue-switch,支持单台或全部设备切换、设备归属检查、切换失败时回滚、睡眠及 clamshell 模式恢复、更新检查,并提供了更精致易用的菜单栏和设置界面。
通信安全机制包括共享配对码、通过 PBKDF2 派生并保存在钥匙串中的凭据、HKDF 会话密钥、HMAC 通信记录验证、ChaCha20-Poly1305 加密、重放防护、速率限制、身份指纹检查、超时设置和 IP 地址规范化。系统会根据实时蓝牙连接以及两台 Mac 之间的协调来判断设备归属,从而尽量减少竞态问题,并避免外设滞留在某台 Mac 上。
Magic Switch 使用 Claude 构建,是一个学习项目,目前已在 GitHub 上提供,并配有不可变构建版本。