在过去的 12 个月里，我们在各个技术领域看到了显着的进步，从到，但大部分谈话都是由（人工智能）。
虽然大型语言模型（当前的黄金标准，基于神经网络，为从 Windows Copilot 到 ChatGPT 的所有内容提供支持）在 2024 年已逐步改进，但在这一年，人工智能的生存风险变得令人不安地明显。
我们更接近了解人工智能的存在风险
今年，人工智能公司陆续发布了更好的大型语言模型——包括 OpenAI 的 o1、基因突变预测模型及蛋白质测序模型。我们还看到了更好的人工智能训练和处理方法，例如一种新工具以及一种可以压缩这些模型的算法，以便它们。
有关的：
但这也是与人工智能相关的生存威胁成为人们关注焦点的一年。一月份的一项研究表明，广泛使用在被“中毒”或被设计为表现出有害或不良倾向的模型中。
这项研究被作者描述为“合理地令人恐惧”，它发现在一个案例中，流氓人工智能学会了识别其恶意行为的触发因素，从而试图向人类处理者隐藏其反社会行为。当然，他们可以看到人工智能一直在真正“想”什么，但在现实世界中情况并不总是如此。
我们正在打造一条通向实用量子计算机的可行之路
这是忙碌的12个月研究。一月份，量子计算公司 QuEra 创建了一台新机器，拥有 256 个物理量子位和 10 个“逻辑量子位”——通过——通过将相同的数据存储在不同的地方来减少错误。当时，这是第一台内置量子纠错的机器。但世界各地的团队都在努力降低量子位的错误率。
纠错领域的重大进展于 12 月揭晓，当时谷歌科学家宣布他们已经构建了新一代（QPU）在纠错方面取得了重要的里程碑，随着量子比特数量的增加，您修复的错误比引入的错误还要多。随着纠缠量子位数量的增加，这将导致指数误差减少。
这是 Sycamore 的后继者，它在基准测试中取得了令人惊叹的结果，在五分钟内解决了超级计算机需要 10 亿年才能破解的问题——这是宇宙年龄的 1000 亿倍。
“通用内存”正在逐渐接近现实——这就是它对我们使用的设备的意义
虽然今年带来了一些创新的计算机组件——包括一种新型的，以及一个——一些最大的进步来自于“通用记忆”的发展。这种组件将显着提高计算速度并降低能耗。
所有计算机同时使用两种类型的内存：短期内存（如随机存取内存 (RAM)）和长期存储（如固态硬盘 (SSD) 或闪存）。 RAM 速度快得令人难以置信，但需要持续供电；一旦计算机关闭，RAM 中存储的所有内存都会被删除。相比之下，SSD 速度相对较慢，但无需电源即可保留信息。
通用存储器是第三种存储器，它结合了前两种存储器的优点，到 2024 年，科学家们距离实现这项技术又近了一步。
今年年初，科学家们证明了一种名为“GST467”的新材料— 一种存储器，当在类玻璃材料中的高电阻状态和低电阻状态之间切换时，会创建 1 和 0 的计算数据。当它结晶时，它代表1并释放大量的能量。当它熔化时，它代表0并吸收相同数量的能量。在测试中，这种材料被证明比其他通用存储器候选材料更快、更有效，例如超随机存取存储器，目前的领先候选人。
其他候选人也很有希望——但也很奇怪。例如，四月，科学家提出一种奇怪的磁性准粒子，称为。在这项新研究中，他们将斯格明子的正常速度从每秒 100 米（大约 225 英里/小时，即 362 公里/小时）（这对于计算内存来说太慢）加速到 2,000 英里/小时（3,200 公里/小时）。
然后，到了年底，科学家们。这将数据存储的能源需求降低了十亿倍。这一发现完全是偶然的，它表明，在科学技术的世界里，你可能永远不知道自己离重大突破有多近。
