## 人工智能与学术界:螺旋式对抗 大学校园正陷入与生成式人工智能的升级“军备竞赛”。 最初对广泛作弊的担忧促使人们采用人工智能检测软件,但这些工具被证明不可靠,经常错误地指控学生——尤其是非英语母语者——使用了人工智能。 这引发了一场反向运动:学生利用“人工化”工具来改写人工智能生成文本,或主动修改自己的写作以避免被错误标记。 人工智能检测公司正在通过更新软件甚至监控学生写作过程的工具来应对,这引发了对监控的担忧。 核心问题是缺乏关于可接受的人工智能使用明确的指导方针,并且检测工具的不准确性正在造成巨大的压力,一些学生甚至退选课程或面临指控,尽管他们能够提供原创作品的证据。 专家建议需要转变——从惩罚性的检测转向公开讨论学生*如何*使用人工智能,并呼吁对人工智能工具本身进行监管。 最终,这种情况凸显了人工智能在教育领域不可避免的存在,即使对于那些不打算使用它的人来说也是如此,从而形成了一个焦虑和技术应对升级的循环。
## lhrNet:一个源于飞机观察的机器学习项目
比利·摩尔在希思罗机场附近为期一年的实习期间,注意到跑道运营会随着时间变化,影响他办公室的视野。他对手动检查Flightradar24等航班跟踪应用程序以了解当前机场“状态”(起飞/降落配置)感到沮丧,他设想了一个可以直接显示此信息的简单网站。
这促成了lhrNet的创建,该项目利用机器学习来分类希思罗机场的运营状态。摩尔使用OpenSky Network数据创建了一个基于网格的飞机位置“图像”,将问题视为图像分类。一个小型TensorFlow模型,导出为ONNX格式以便在浏览器中进行推理,分析此数据并预测当前的跑道配置。
尽管预算为零,该项目已在[lhr.billyedmoore.com](lhr.billyedmoore.com)成功启动,并以最少的维护可靠运行。虽然lhrNet并未广泛流行,但它提供了一个宝贵的学习经验,结合了数据处理、机器学习、前端开发和压缩技术来解决一个个人问题。该项目的代码可在GitHub上找到。
## 动画 AVIF:GIF 的替代品
作者推崇动画 AVIF 文件作为 GIF 的更优替代方案,理由是 AVIF 针对现代网络进行了更好的优化。虽然 GIF 具有其魅力,但 AVIF 动画提供了一种更高效的格式。
使用 FFMPEG 可以创建动画 AVIF。该过程涉及将视频源(或现有的 GIF)转换为 Y4M 中间文件,然后使用 `libsvtav1` 编解码器将其编码为 AVIF。关键的 FFMPEG 命令调整帧率(例如 `fps=15`)和缩放视频尺寸(例如 `scale=720:-1`)以进行优化。
值得注意的是,作者在 2025 年 12 月在 Debian 13 上直接编码为 AVIF 时遇到了问题,需要 Y4M 暂存步骤才能成功转换。他们希望未来不再需要此解决方法。本质上,AVIF 动画为循环视觉效果提供了一条有希望的途径,具有改进的性能。