文章
所有發布的 AI 新聞與論文。
-
完整對話紀錄：與aron d'souza討論抗議與人工智能在新聞業的應用
阿隆·D'Souza 與 Rebecca 於 2026 年 4 月 14 日進行對話，探討如何透過 AI 與人類調查員重建新聞業的透明度與責任。D'Souza 指出，根據蓋洛普民調，美國民眾對新聞媒體的信任度在過去 50 年間從 70% 暴跌至 30%，而對法院與科學的信任度相對較高。他創立的新聞平臺「Objection」旨在解決此問題，該平臺結合 AI 基礎模型（如 OpenAI、Grok、Anthropic 等）與前CIA、FBI及MI6人員，提供一種類似法庭對質的機制，讓公眾能對任何公共報導提出異議並獲得事實核查。 D'Souza 強調，真相不僅是感覺，而是一個過程，類似於司法體系中的對立辯論或科學方法中的可重複性。他將此係統比作維基百科，主張透過軟體與公開程式碼建立「無信任」系統，而非依賴特定個人。針對批評者指責其背後有彼得·提爾（Peter Thiel）等反體制富豪支援，D'Souza 辯稱傳統媒體同樣由億萬富翁擁有，且現行事實核查機構如 PolitiFact 與 ProPublica 未能有效阻止信任度下降。他提出，Objection 的商業模式是透過仲裁獲利，而非依賴點選率或煽動憤怒，目標是將事實爭端從耗時數年的訴訟中轉移出來，成本僅需 2000 美元。 關於匿名信源，D'Souza 承認其系統會降低未驗證匿名信源的證據分級，但他認為這是為了防止權力者濫用匿名來源掩蓋錯誤。他引用 OpenAI 早期投資人的案例，說明即使非國家安全議題，匿名信源也可能導致商業模式失誤。此外，他討論了 AI 模型的透明度問題，建議大型機構應像藥物專利一樣，在短期內保密後公開程式碼，以促進知識累積。D'Souza 認為，若無法區分事實與意見，將是美國民眾對新聞最大的擔憂，並呼籲建立更結構化的信任機制，而非單純依賴自由言論或傳統新聞倫理。
-
OpenAI 更新其 Agents SDK，協助企業建立更安全且能力更強的代理程式
Agentic AI 成為科技產業的最新成功故事，OpenAI 與 Anthropic 等公司正競相為企業提供開發自動化助手所需的工具。OpenAI 已更新其代理軟體開發工具包（SDK），引入新功能協助企業建立基於其模型執行的自主代理。新能力包含沙盒功能，允許代理在受控的電腦環境中運作，以應對完全無監督執行可能帶來的風險。透過沙盒整合，代理可在特定工作區內獨立運作，僅對特定操作存取檔案與程式碼，同時保護系統整體完整性。此外，新版 SDK 還提供開發者使用 frontier 模型（最先進的通用模型）的內部分散式測試環境，使代理能在工作區內使用檔案與核准工具。OpenAI 產品團隊負責人 Karan Sharma 表示，此次發布旨在讓 SDK 與所有沙盒供應商相容，並搭配新測試環境，讓使用者能利用現有基礎設施建立長期複雜的多步驟代理任務。OpenAI 表示將持續擴充套件 SDK，但初期新功能僅在 Python 語言推出，TypeScript 支援將延後發布。公司正同時開發程式碼模式與子代理等功能，並將這些新能力透過 API 向所有客戶提供，採用標準定價。
-
DeepL 以文字翻譯聞名，現欲翻譯你的聲音
DeepL 今天發布了一套語音轉語音翻譯套件，涵蓋會議、手機與網頁對話，以及透過自訂應用程式支援前線員工的群組對話。公司同時推出 API，讓開發者與企業能基於 DeepL 技術建立客製化解決方案，如客服中心。DeepL 執行長 Jarek Kutylowski 表示，經過多年文字翻譯經驗，語音翻譯是自然進階，但過去缺乏適合即時語音翻譯的優質產品。開發挑戰在於平衡延遲與翻譯準確度。DeepL 提供 Zoom 與 Microsoft Teams 等平臺的擴充套件，使用者可即時聽到翻譯或追蹤螢幕上的翻譯文字，目前處於早期預覽階段並開放加入候選名單。此外，DeepL 還提供手機與網頁對話產品，支援現場或遠端參與，並透過 QR 碼加入群組對話，如訓練課程或研討會。其技術能學習並適應自訂詞彙，包括產業術語及人名。Kutylowski 指出，AI 將重塑客服未來，翻譯層能協助公司在缺乏合格人員的語言提供支援。DeepL 目前系統將語音轉文字、翻譯後再轉回語音，相信憑多年文字翻譯經驗確保品質，未來將發展端到端語音翻譯模型以跳過文字步驟。面對競爭，Sanas 去年從 Quadrille Capital 籌得 6500 萬美元，專注於即時修改說話者口音；Dubai 的 Camb.AI 專注於媒體娛樂的語音合成與翻譯；Palabra 則由 Reddit 共同創辦人 Alexis Ohanian 的 Seven Seven Six 資助，建構即時語音翻譯引擎以保留原意與聲音，與 DeepL 形成直接競爭。
-
此模擬新創公司希望成為物理 AI 的 Cursor
物理 AI 的願景在於讓工程師能如同編寫軟體般程式設計實體代理，但當前機器人技術仍受實體空間資料匱乏的制約。企業需建立模擬倉庫測試機器，或透過監控工廠線與 Gig 工人訓練深度學習模型，另一選項則是利用詳細的虛擬環境複製現實世界，以可擴充套件方式提供所需資料與工作空間。Antioch 是一家專注於為機器人開發者提供模擬工具的起點公司，旨在縮小業界所謂的「模擬到現實」差距，即讓在虛擬環境中訓練的機器人在實體世界中可靠運作的挑戰。Antioch 共同創辦人 Harry Mellsop 表示，公司今日已向 A*、Category Ventures 等投資機構籌得 850 萬美元種子輪，估值達 6000 萬美元，其他參與者包括 MaC Venture Capital、Abstract、Box Group 和 Icehouse Ventures。Mellsop 於去年五月在紐約創立該公司，另有兩位共同創辦人曾參與出售安全與智慧起點公司 Transpose 給 Chainalysis，另外兩位則分別來自 Meta Reality Labs 和 Google DeepMind。 在自駕車領域，Waymo 使用 Google DeepMind 的世界模型來測試與評估其駕駛模型，理論上這將減少在新增區域部署所需的資料收整合本。Antioch 希望為缺乏資金的較小公司提供解決此問題的平臺，因為大多數產業尚未使用模擬技術。Antioch 的產品被比作 Cursor，允許機器人製造商啟動多個數位硬體例項並連線模擬感測器，模擬機器人在現實世界中接收的資料，從而測試邊緣情況、執行強化學習或生成新訓練資料。關鍵挑戰在於確保模擬中的物理學與現實一致，以免模型接管真實機器時發生錯誤。公司使用 Nvidia、World Labs 等建立的模型，並開發特定領域的庫以簡化使用。 Category Ventures 的夥伴 Çağla Kaymaz 指出，軟體工程與大語言模型（LLM）的演進正開始發生在物理 AI 上，但實體世界的風險遠高於數位世界。目前 Antioch 的焦點主要在感測器與感知系統，這些是自動駕駛汽車、卡車、農業與建築機械或無人機的主要需求，而通用機器人複製人類任務的願景則較遠。雖然 Antioch 主要面向起點公司，但部分早期客戶已是投入大量資源的巨頭。