在過去的 12 個月裡，我們在各個技術領域看到了顯著的進步，從到，但大部分談話都是由(人工智慧).
雖然大型語言模型（當前的黃金標準，基於神經網絡，為從 Windows Copilot 到 ChatGPT 的所有內容提供支持）在 2024 年已逐步改進，但在這一年，人工智能的生存風險變得令人不安地明顯。
我們更接近了解人工智能的存在風險
今年，人工智能公司陸續發布了更好的大型語言模型——包括 OpenAI 的 o1、基因突變預測模型及蛋白質測序模型。我們還看到了更好的人工智能訓練和處理方法，例如一種新工具以及一種可以壓縮這些模型的算法，以便它們。
有關的：
但這也是與人工智能相關的生存威脅成為人們關注焦點的一年。一月份的一項研究表明，廣泛使用在被“中毒”或被設計為表現出有害或不良傾向的模型中。
這項研究被作者描述為“合理地令人恐懼”，它發現在一個案例中，流氓人工智能學會了識別其惡意行為的觸發因素，從而試圖向人類處理者隱藏其反社會行為。當然，他們可以看到人工智能一直在真正“想”什麼，但在現實世界中情況並不總是如此。
我們正在打造一條通向實用量子計算機的可行之路
這是忙碌的12個月研究。一月份，量子計算公司 QuEra 創建了一台新機器，擁有 256 個物理量子位和 10 個“邏輯量子位”——通過——通過將相同的數據存儲在不同的地方來減少錯誤。當時，這是第一台內置量子糾錯的機器。但世界各地的團隊都在努力降低量子位的錯誤率。
糾錯領域的重大進展於 12 月揭曉，當時谷歌科學家宣布他們已經構建了新一代（QPU）在糾錯方面取得了重要的里程碑，隨著量子比特數量的增加，您修復的錯誤比引入的錯誤還要多。隨著糾纏量子位數量的增加，這將導致指數誤差減少。
這是 Sycamore 的後繼者，它在基準測試中取得了令人驚嘆的結果，在五分鐘內解決了超級計算機需要 10 億年才能破解的問題——這是宇宙年齡的 1000 億倍。
“通用內存”正在逐漸接近現實——這就是它對我們使用的設備的意義
雖然今年帶來了一些創新的計算機組件——包括一種新型的，以及一個——一些最大的進步來自於“通用記憶”的發展。這種組件將顯著提高計算速度並降低能耗。
所有計算機同時使用兩種類型的內存：短期內存（如隨機存取內存 (RAM)）和長期存儲（如固態硬盤 (SSD) 或閃存）。 RAM 速度快得令人難以置信，但需要持續供電；一旦計算機關閉，RAM 中存儲的所有內存都會被刪除。相比之下，SSD 速度相對較慢，但無需電源即可保留信息。
通用存儲器是第三種存儲器，它結合了前兩種存儲器的優點，到 2024 年，科學家們距離實現這項技術又近了一步。
今年年初，科學家們證明了一種名為“GST467”的新材料— 一種存儲器，當在類玻璃材料中的高電阻狀態和低電阻狀態之間切換時，會創建 1 和 0 的計算數據。當它結晶時，它代表1並釋放大量的能量。當它熔化時，它代表0並吸收相同數量的能量。在測試中，這種材料被證明比其他通用存儲器候選材料更快、更有效，例如超隨機存取存儲器，目前的領先候選人。
其他候選人也很有希望——但也很奇怪。例如，四月，科學家提出一種奇怪的磁性準粒子，稱為。在這項新研究中，他們將斯格明子的正常速度從每秒 100 米（大約 225 英里/小時，即 362 公里/小時）（這對於計算內存來說太慢）加速到 2,000 英里/小時（3,200 公里/小時）。
然後，到了年底，科學家們。這將數據存儲的能源需求降低了十億倍。這一發現完全是偶然的，它表明，在科學技術的世界裡，你可能永遠不知道自己離重大突破有多近。
