意见档案提供了从ACM通讯和其他来源按日期访问过去意见故事的途径。
人工智能领域正在努力应对困扰科学界多年的复制危机,主要原因是研究人员经常不分享他们的源代码。
赫伯特·w·弗兰克(Herbert W. Franke)的数字作品在20世纪50年代遭到拒绝和蔑视之后,终于被认为是革命性的。
最终,最道德的选择可能是将所有资源转移到制造非常快乐的机器上。
计算机科学家尼古拉斯·韦弗(Nicholas Weaver)认为,加密货币是一个可怕的想法,它将以灾难告终。
由机器设计的发明需要它们自己的知识产权法和国际条约。
但人工智能专家李开复表示,短期的工作混乱将让位于长期的繁荣。
除了投机,加密货币在经济交易中的价值很难辨别。
莱斯利·兰波特彻底改变了计算机之间的对话方式,现在他正在研究工程师如何与机器对话。
在科学和数学方面,女孩和男孩一样有能力,但根深蒂固的态度阻止了女性学生参与其中。
长达一年的搜寻Wabbit创作者Van Mai得出了一个快乐的结论。
几十年来,自动化的影响一直备受争议。我们是否错过了更大的图景?
如果没有戏剧性的行动,网络灾难几乎是不可避免的。
Meta首席执行官解释了为什么他致力于元世界,并能够下注,其他人不会。
Cruise早期的工程师Peter Gao回顾了他将深度学习模型投入生产的经验。
大型语言模型的本质是不民主的,有利于宣传它们的公司。
媒体报道必须让科技公司对有关人工智能的言论承担责任。
西蒙斯基金会的初级研究员塞巴斯蒂安·沃尔夫讨论了他对简化两种删除过程之间切换的追求。
英特尔量子硬件主管谈到量子计算依赖于下一代芯片。
人工智能已经达到人类理解水平的说法应该持怀疑态度,直到它能证明人类没有参与其中。
微软印度首席技术官Shivkumar Kalyanaraman认为,计算机科学的未来将基于如何将其作为一种实用工具来应用。
如果我们可以问人工智能问题来了解它是如何以及为什么做出预测,这不是很好吗?
博士候选人Jonathan Zong发现在大规模的在线研究中缺乏赢得和维持公众信任的系统,所以他做了一个。
对Roe案件判决的致命威胁并没有被许多美国公司认真对待,这种冷漠现在会回来困扰他们。
数据科学家、程序员和其他技术人员可能在未来的冲突中发挥决定性作用——如果山姆大叔能招募他们的话。
人工智能开发人员需要与社会科学家以及受其应用影响的人合作。
加密行业正在大举投资,以吸引更多的人购买,但这并不意味着你必须这么做。
密歇根大学的Shobita Parthasarathy警告说,像人类一样进行总结、翻译和写作的软件可能会加剧对科学的不信任。
进攻是最好的防守吗?或者威胁报复会让敌人止步不前吗?
Fedora项目负责人Matthew Miller参与了讨论。
了解使技术可及性的法律驱动因素。