DeepMind的工程师团队开发了一款能够打业余水平乒乓球的机器人。该机器人的核心硬件基于ABB IRB 1100机械臂，这款机械臂以其高速度和高精度著称，广泛应用于工业场景。通过结合了先进的机器人技术和人工智能，能够执行快速且有策略的乒乓球动作。
通过观看物理模拟和人类比赛，使用小规模数据集进行训练，并通过迭代过程不断提升技能。机器人在与不同水平的人类选手对战时，轻松战胜了初学者，并在与中级选手的比赛中赢得了超过一半的比赛，但在面对高级选手时表现不佳。
苹果即将推出的 AI 功能，统称为 Apple Intelligence，可能每月花费用户 10 到 20 美元。
这紧随 iOS 18.1 beta 版的发布，该版本包含了这些功能的早期版本。苹果在服务货币化方面有着良好的记录，再加上 AI 开发的高成本，使得付费订阅模式成为可能。
目前，Apple Intelligence 提供的功能包括通知摘要、邮件中的智能回复和 Siri 升级。未来的功能包括使用 Image Playground 和 Genmoji 生成图像。
新功能包括：
智能摄像头字幕： Gemini 将为 Nest 摄像头画面生成描述性字幕，提供超越简单警报的上下文信息。
自然语言自动化： 用户可以使用 Google Home 应用中的自然语言提示创建复杂例程。
增强型 助理： 新的语音和改进的对话能力将使 助理听起来更自然，并更好地理解用户请求。
OpenAI 的团队已经开发出一种文本水印方法，并会在研究替代方案时继续考虑这种方法。
虽然它在抵御例如释义等局部篡改方面具有很高的准确性，甚至很有效，但对全局篡改的防御能力较弱；例如使用翻译系统，用另一个生成模型改写，或者要求模型在每个单词之间插入一个特殊字符，然后删除该字符，这使得不良行为者可以轻松规避。
以及可能对非英语人士等群体造成不成比例的影响。该公司正在讨论是否真正发布该工具。OpenAI 去年关闭了其之前的 AI 文本检测器，理由是“准确率低”。
微软披露，在截至 6 月的季度它的现金资本支出和设备支出高达 190 亿美元，相当于 5 年前的全年支出。这笔支出大部分和 AI 有关，其中半数被用于建造和租赁数据中心。Google 的情况类似，它在上半年大幅增加了 AI 基础设施的支出，预计年底将花费高达 490 亿美元。
但在 AI 上的投资至少在短期内是无法回本的，微软首席财务官 Amy Hood 表示，该公司预测这些投资可能需要 15 年或更长时间才能货币化。这一言论令分析师们感到担忧。
Google Lens 现已可用于 Chrome 桌面浏览器，用户可以通过快速拖动和搜索手势搜索浏览器屏幕上看到的内容。“标签比较”功能可让用户跨站点比较商品，网上购物时，来回切换标签页对比商品价格与评论很麻烦，该功能可在一处显示人工智能生成的多个标签页中的产品概览。
谷歌发布了三款新的“开放式”生成式人工智能模型，并称这些模型比大多数模型“更安全”、“更小巧”、“更透明”。这是谷歌 Gemma 2 生成模型系列的新成员，该系列于5月份首次亮相。新模型 Gemma 2 2B、ShieldGemma 和 Gemma Scope 的设计针对略有不同的应用和用例，但都具有安全性的共同点。
Gemma 2 2B 是一个用于生成分析文本的轻量级模型，可在笔记本电脑和边缘设备等多种硬件上运行。至于 ShieldGemma，是一组“安全分类器”，旨在检测仇恨言论、骚扰和色情内容等有害信息。最后，Gemma Scope 允许开发人员“放大” Gemma 2 模型内的特定点，使其内部运作更易于解释。
Meta 的 Quest 3 头显即将迎来一款名为 Layout 的新应用，允许用户测量空间、可视化家具摆放，甚至调整图片水平。该应用是 v68 更新的一部分，允许用户虚拟放置电视等物体，以查看它们是否合适。
Apple大模型的报告也已出炉，披露了大量技术细节。报告显示，在指令遵循、文本总结等任务上，苹果云端大模型取得了超过 GPT-4 的成绩。
苹果进行了 IFEval 测试，结果在指令和 prompt 两个层次上，云侧 AFM 都超过了 GPT-4，成为了新的 SOTA。端侧模型的表现，也超过了 Llama 3-8B、Mistral-7B 等近似规模的模型。在 AlpacaEval 当中，端侧和云侧 AFM 也都取得了第二名的成绩。
苹果透露，其新的人工智能模型训练使用了谷歌的张量处理单元 (TPU)，而不是英伟达的 GPU。这一决定意义重大，因为英伟达在 AI 芯片市场占据主导地位，份额高达 80%。
苹果在其 iPhone AI 模型中部署了 2048 个 TPUv5p 芯片，在其服务器 AI 模型中部署了 8192 个 TPUv4 处理器。
谷歌的人工智能系统AlphaProof和AlphaGeometry 2取得了突破性成就，成功解决了2024年国际数学奥林匹克（IMO）中的六个问题中的四个，获得了相当于银牌的分数。这是首次有人工智能系统在这一享有盛誉的比赛中达到如此高水平的表现。
AlphaProof是一种强化学习系统，解决了两个代数问题和一个数论问题，包括本次比赛中最具挑战性的题目。AlphaGeometry 2是其前身的改进版本，解决了几何问题。这些人工智能系统总共获得28分，在每个解决的问题上都得到了满分。
