Intelligenza Artificiale
Synthesia: presentazioni Multilingue con Avatar AI utilizzando Webcam
Tempo di lettura: 2 minuti. Synthesia introduce nuove funzionalità AI per creare presentazioni video multilingue con avatar utilizzando webcam, trasformando la produzione video aziendale.
Synthesia, una startup britannica supportata da Nvidia, ha recentemente presentato una serie di nuove funzionalità AI che consentono agli utenti di creare presentazioni video multilingue utilizzando solo il telefono o una webcam. Queste innovazioni mirano a trasformare Synthesia in una suite completa di produzione video per grandi aziende, oltre ad essere una piattaforma per la creazione di avatar AI.
Innovazioni di Synthesia
Tra le nuove funzionalità presentate, Synthesia ha lanciato la possibilità di creare avatar AI utilizzando riprese registrate con una webcam o un telefono. Questi avatar possono ora essere visualizzati a figura intera, con mani e braccia in movimento, e una nuova funzione di registrazione dello schermo mostra un avatar AI che guida gli utenti attraverso ciò che stanno guardando.
Utilizzo di Avatar AI
Synthesia utilizza avatar AI per molteplici scopi, tra cui la creazione di video formativi personalizzati per guidare i dipendenti attraverso determinati processi o la generazione di materiali promozionali da presentare in formato video. Questa nuova funzionalità permette agli utenti di creare avatar AI registrando meno di cinque minuti di filmato con una webcam o un telefono, eliminando la necessità di andare in uno studio di registrazione.
Democratizzazione della Produzione Video
Secondo il co-fondatore e CEO di Synthesia, Victor Riparbelli, l’obiettivo dell’azienda è democratizzare la produzione video, rendendola accessibile a milioni di persone che attualmente non producono video per mancanza di budget. La nuova tecnologia di Synthesia permette agli utenti di creare versioni digitali di se stessi da qualsiasi luogo, utilizzando solo una webcam e il software di Synthesia.
Altre Novità
Oltre alla creazione di avatar a figura intera, Synthesia ha introdotto la possibilità di far parlare gli avatar AI in diverse lingue, come inglese, francese, tedesco e cinese. L’azienda prevede di personalizzare gli avatar AI per diversi paesi, ad esempio con un avatar nigeriano che guida gli utenti attraverso un tutorial invece di uno americano.
Synthesia ha anche lanciato un nuovo assistente video AI che può produrre riassunti di interi articoli e documenti, rendendo più semplice per gli specialisti delle risorse umane, ad esempio, creare video esplicativi sui pacchetti di benefici aziendali.
Obiettivo Aziendale
Synthesia mira a diventare una soluzione aziendale completa, simile a giganti come Microsoft, Salesforce e Zoom grazie alle presentazioni multilingue. L’azienda ha recentemente raccolto 90 milioni di dollari da investitori, tra cui Nvidia e la società di venture capital Accel, raggiungendo una valutazione di un miliardo di dollari e ottenendo lo status di “unicorno”.
Intelligenza Artificiale
CriticGPT: modello di OpenAI per migliorare il Codice di ChatGPT
Tempo di lettura: 2 minuti. OpenAI introduce CriticGPT per migliorare i suggerimenti di codice di ChatGPT, aiutando a identificare errori e aumentare l’efficacia delle revisioni.
OpenAI ha introdotto CriticGPT, un nuovo modello basato su GPT-4, progettato per aiutare a identificare errori nei suggerimenti di codice generati da ChatGPT. Questo strumento mira a migliorare l’efficacia degli sviluppatori nell’uso degli strumenti di intelligenza artificiale (AI) generativa, aumentando la precisione e l’affidabilità delle risposte di ChatGPT.
Introduzione di CriticGPT
CriticGPT è stato sviluppato per affrontare una delle principali sfide nell’uso di AI per la generazione di codice: la necessità di una revisione manuale accurata. Fino ad ora, il processo di miglioramento delle risposte di ChatGPT si è basato principalmente sul “Reinforcement Learning from Human Feedback” (RLHF), un metodo in cui i formatori AI valutano manualmente le risposte per migliorare le prestazioni del modello.
Caratteristica | Dettaglio |
---|---|
Basato su | GPT-4 |
Obiettivo | Identificare errori nei suggerimenti di codice generati da ChatGPT |
Efficienza | CriticGPT ha migliorato le prestazioni umane nel 60% dei casi nelle attività di revisione del codice |
Funzionamento di CriticGPT
CriticGPT è stato addestrato facendo inserire errori intenzionali nel codice generato da ChatGPT e poi fornendo feedback da parte dei formatori. I risultati sono stati promettenti, con le critiche di CriticGPT preferite dai formatori nel 63% dei casi. Questo strumento è in grado di ridurre le piccolezze e le “allucinazioni” nelle risposte, migliorando la qualità complessiva delle revisioni.
Vantaggi e limitazioni
OpenAI riconosce che CriticGPT non è infallibile e che le sue suggerimenti non sono sempre corrette. Tuttavia, il modello ha dimostrato di aiutare i formatori a individuare molti più problemi rispetto a quando lavorano senza l’aiuto dell’AI.
Vantaggio | Dettaglio |
---|---|
Miglioramento della Qualità | Le critiche di CriticGPT sono preferite nel 63% dei casi dai formatori |
Riduzione degli Errori | CriticGPT aiuta a individuare più problemi nei codici generati rispetto alla sola revisione umana |
Limitazioni | CriticGPT non è sempre accurato e può avere difficoltà a identificare errori diffusi in diverse parti delle risposte |
OpenAI ha annunciato che continuerà a scalare il lavoro su CriticGPT e a metterlo in pratica, con l’obiettivo di migliorare ulteriormente la collaborazione tra AI e umani nel campo della revisione del codice.
Intelligenza Artificiale
ChatGPT scrive “The Last Screenwriter”: Premiere Annullata
Tempo di lettura: 2 minuti. Il Prince Charles Cinema di Londra annulla la premiere di “The Last Screenwriter” dopo le lamentele sull’uso di ChatGPT per scrivere la sceneggiatura, riflettendo le preoccupazioni sull’IA nell’industria dell’intrattenimento.
Il Prince Charles Cinema di Londra ha annullato la premiere mondiale di “The Last Screenwriter” a seguito delle lamentele sull’uso di ChatGPT per scrivere la sceneggiatura del film.
Il Film e il Suo Contesto
Il regista svizzero Peter Luisi ha impiegato l’intelligenza artificiale generativa ChatGPT per scrivere la sceneggiatura del film, conferendo all’IA il merito come sceneggiatore. “The Last Screenwriter” racconta la storia di un famoso sceneggiatore che si trova a confrontarsi con un’IA sceneggiatrice, chiamata ChatGPT 4.0, che lo supera e dimostra una comprensione dell’umanità sorprendente.
Luisi ha prodotto la sceneggiatura attraverso una serie di prompt dati a ChatGPT, iniziando con la richiesta di “scrivere una trama per un film in cui uno sceneggiatore si rende conto di essere meno bravo di un’intelligenza artificiale nella scrittura”. L’IA ha quindi composto linee guida e scene, oltre a nominare i personaggi del film. Con alcune modifiche, la sceneggiatura è stata completata.
Controversie e annullamento della Premiere
Il cinema ha ricevuto una valanga di lamentele dal pubblico riguardo all’uso dell’IA al posto di uno sceneggiatore umano, portando alla cancellazione dell’evento. In una dichiarazione, il Prince Charles Cinema ha evidenziato le preoccupazioni del pubblico sull’uso dell’IA nella scrittura, riflettendo un problema più ampio all’interno dell’industria dell’intrattenimento.
I sostenitori dell’IA nell’intrattenimento affermano che essa può offrire soluzioni innovative e nuove prospettive. Tuttavia, molti temono per l’impiego creativo e il futuro della narrazione. L’uso dell’IA generativa è stato al centro delle recenti controversie tra le unioni degli scrittori e degli attori, e i relativi accordi hanno affrontato il modo in cui le aziende dovrebbero avvicinarsi a questa tecnologia.
Futuro del Film
Nonostante l’annullamento della premiere, il regista Luisi ha organizzato una proiezione privata per amici e familiari. Inoltre, è previsto il rilascio gratuito del film online il 27 giugno, insieme alla sceneggiatura e una spiegazione su come è stata creata da ChatGPT.
Intelligenza Artificiale
Generazione di dati di rete sintetici e privacy-preserving con AI per NIDS
Tempo di lettura: 2 minuti. Generazione di tracce di traffico sintetiche e privacy-preserving con modelli AI per l’addestramento dei NIDS: un approccio innovativo per risolvere le sfide della privacy e della disponibilità dei dati.
La ricerca a cura di Giuseppe Aceto, Fabio Giampaolo, Ciro Guida, Stefano Izzo, Antonio Pescapè, Francesco Piccialli, Edoardo Prezioso, intitolata “Synthetic and Privacy-Preserving Traffic Trace Generation Using Generative AI Models for Training Network Intrusion Detection Systems” presenta un modello innovativo per generare tracce di traffico di rete sintetiche preservando la privacy, utilizzando modelli di intelligenza artificiale. Questo approccio risponde alle sfide di ottenere grandi quantità di dati etichettati necessari per l’addestramento efficace dei Sistemi di Rilevamento delle Intrusioni di Rete (NIDS).
Introduzione e Motivazioni
Con la crescente interconnessione di dispositivi eterogenei e l’uso pervasivo dei servizi Internet, i NIDS sono diventati fondamentali per proteggere le reti dai cyberattacchi. Tuttavia, l’addestramento efficace dei NIDS richiede grandi quantità di dati di traffico etichettati, che sono difficili da ottenere a causa dei costi e delle preoccupazioni sulla privacy.
Modello Proposto
L’approccio presentato utilizza un Conditional Variational Autoencoder (CVAE) per generare tracce di traffico sintetiche a partire da dati reali. Il CVAE è progettato per preservare la privacy introducendo rumore non reversibile nei dati durante la fase di pre-processing, eliminando indirizzi IP e porte di trasporto dai dati di addestramento.
Valutazione
La validità del modello è stata testata utilizzando tre dataset pubblicamente disponibili: Aposemat IoT-23, CSE-CIC-IDS2018 e Kitsune Network Attack Dataset. I risultati mostrano che i dati sintetici generati dal CVAE sono rappresentativi dei dati reali e che l’addestramento dei NIDS con questi dati preserva la privacy senza compromettere significativamente le prestazioni di classificazione.
Risultati
Il modello CVAE ha dimostrato di essere efficace nel generare dati sintetici che mantengono la qualità e la variabilità dei dati reali. Le metriche di valutazione, tra cui la Jensen-Shannon Divergence e lo score di overlapping, indicano che i dati sintetici sono simili ai dati reali senza ripetere pattern di dati originali.
L’approccio descritto nell’articolo rappresenta un avanzamento significativo nella generazione di dataset sintetici per l’addestramento dei NIDS, risolvendo problemi di privacy e scarsità di dati. La generazione di dati sintetici tramite CVAE offre un’alternativa efficace ai metodi tradizionali, garantendo una formazione robusta dei NIDS in modo privacy-preserving.
- Smartphone1 settimana fa
Aggiornamenti di sicurezza Galaxy S21 FE e A55
- Smartphone1 settimana fa
Honor 200 Pro vs. Google Pixel 8 Pro: quale scegliere?
- Smartphone1 settimana fa
Realme GT 6 vs POCO F6: quale scegliere?
- Smartphone1 settimana fa
Galaxy A42 5G, S20 FE e A52s si aggiornano: One UI 6.1.1 arriva presto
- Smartphone1 settimana fa
Samsung dice addio a A51, A41 e M01: resiste l’S21 Ultra
- Tech1 settimana fa
Prezzi di Samsung Galaxy Buds 3, Watch 7 e Watch Ultra Online. Sono dolori
- Sicurezza Informatica1 settimana fa
CosmicSting: minaccia grave per i negozi Magento e Adobe Commerce
- Sicurezza Informatica1 settimana fa
Project Naptime: gli LLM migliorano la difesa informatica?