财联社6月6日讯（编辑 夏军雄）
据媒体报道，特斯拉CEO埃隆·马斯克麾下的人工智能（AI）公司xAI计划在美国孟菲斯建设一个新工厂，以容纳一台巨型超级计算机，此举旨在提高该公司在AI领域的竞争能力。
据大孟菲斯商会主席Ted Townsend透露，自3月初以来，马斯克和xAI一直在与田纳西州（孟菲斯所在的州）官员一起规划新工厂。大孟菲斯商会是该市商界人士资助的非营利组织。
Townsend补充道，有关新工厂的许多细节尚未披露，包括总成本和能够创造的就业岗位数量。
据悉，孟菲斯还讨论了向xAI提供税收抵免或其他商业激励措施，以确保该项目落地孟菲斯，但具体细节仍未敲定。
Townsend说：“我们还有很多工作要做，这一点毋庸置疑。但我们真的非常感谢埃隆和他的高管们以及xAI团队的关注。”
截至发稿，马斯克本人并未在社交媒体X（前身为推特）上针对这则消息做出回应。从过往经验来看，当有媒体报道有关马斯克本人或他麾下公司的独家消息时，马斯克可能会在X上直接反驳相关报道。
去年7月，马斯克正式宣布创立自己的AI公司，即xAI，该公司的团队来自OpenAI、DeepMind以及其他顶级AI研究公司。马斯克成立xAI是为了与OpenAI展开竞争。
xAI于去年11月推出了聊天机器人Grok，据马斯克4月透露，xAI正在训练2.0版本的Grok，这一版模型有望比OpenAI的GPT-4更强大。
上月有媒体报道称，马斯克告诉投资者，xAI正计划建造一台超级计算机，为其下一版Grok提供算力。马斯克说，他希望在2025年秋天之前让这台拟议中的超级计算机运行起来，并补充说，xAI可能会与甲骨文合作，开发这台大型计算机。
为什么前员工要起诉特斯拉
日前，三名Solarcity的前员工对特斯拉发起了诉讼，据称他们发现Solarcity虚报销售数据等问题，但在报告问题之后遭到解雇。
日前，三名Solarcity的前员工对特斯拉发起了诉讼，据称他们发现Solarcity虚报销售数据等问题，但在报告问题之后遭到解雇。
2016年，特斯拉公司斥资26亿美元收购了Solarcity。该公司的创办人是特斯拉掌门人马斯克的两位亲戚，再加上Solarcity财务状况不佳，其业务和特斯拉电动车领域相距甚远，这一交易当时引发了多方质疑，但是马斯克仍然强力推动，促成了交易。
这三名前员工称，他们将Solarcity虚报销售数据等问题报告给了管理层，其中包括马斯克本人，但他们不仅没有得到奖励，反而在2017年5月被解雇。他们称发现公司设立虚假销售账号，意图掩盖相关的销售奖金来提高公司的价值。特斯拉否认了这三名员工的指控，表示已经调查过Solarcity的问题，但是事实并与他们所说并不符合。
人工智能和机器人时代，哪些职业最先被取代
无人驾驶只是人工智能技术的代表之一，随着人工智能技术的普及和使用成本的降低，不仅仅是司机，越来越多的人担心自己的工作将会被机器人取代。 特斯拉CEO斯隆马斯克也曾公开表示：“未来一定会有人失业，因为机器人在一些领域要比人类做得更好，没错是所有人。 ”他还指出，人类必须与机器结合，才能避免因为人工智能的广泛普及而遭到排挤。 你的工作会被取代吗？如何判断你的工作是否会被人工智能所取代，可以借用李开复的“五秒钟准则”来解释：一项工作，如果能够在五秒钟之内针对问题作出相应的决策，那么，这项工作未来就很有可能会被人工智能所取代。 按照这个准则来讲，这几种职业就很危险了：新闻编辑、翻译、律师、银行柜员、司机、收银员、服务员、车间工人、保安?
未来人类都不用上班，人工智能将怎样改变我们的生活？
人工智能的发展越来越受到世界各国的重视。 人工智能是一门边缘学科，用来模拟人的思维，并且有越来越多的实用意义，而且许多不同专业背景的科学家正在人工智能领域内获得一些新的思维和新的方法。 据国外媒体报道，埃隆·马斯克（Elon Musk）指出，人工智能机器可能会取代人类，成为新的劳动力。 随着自动化在未来成为常态，可供人类选择的工作岗位可能会越来越少，未来人类都不用上班，人们也将更好地享受生活。 人工智能到底是什么？人工智能的主要领域包括问题求解、语言处理、自动定理证明、智能数据检索等领域。 这些综合概念在自然语言处理、情报检索、自动程序设计、数学证明都有重要应用。 人工智能的第一个大成就是发展了能够求解难题的下棋程序。 在下棋程序中应用的其他技术也包括把困难的问题分成一些比较容易的子问题，发展成为搜索和问题规约这样的人工智能基本技术。 今天的计算机程序更是能够达到击败人类的世界冠军的程度，已经展现了人工智能的威力。 求解及搜索？人工智能的大课题问题求解及搜索是人工智能的一个大课题，它是指许多涉及规约、推断、规划和相关过程的核心概念。 问题求解是一个非常模糊的课题，广义的说包含了全部计算机科学，这里我们仅仅讨论狭义的问题求解。 在人们分析了人工智能研究中运用的问题求解方法后，发现许多方法都是通过试探搜索的方法来实现问题求解的。 其中，难题和博弈问题提供了丰富的来源，下面以下国际象棋的问题为例子来分析以问题求解为代表的人工智能原理。 为了实现一个能够下棋的程序，我们采用状态空间的方法来解决问题。 首先要为象棋建立一个数学模型，用一种或多种合适的数据结构来表示象棋。 这样就有一个建立模型的逻辑问题，合适的逻辑将对后面的求解象棋问题起到重要的作用。 一个比较简单的方法是：给不同的棋子赋予不同的权值，其中给“王”赋予超过其他棋子很多的权值，这样再确定一个目标函数，以减少对方的权值总和为目的，就可以获得一个比较简单的走法。 当然如果这样的模型过于简单，效果也不会很好。 在我们获得了一个数学上的模型之后，将问题分解成为用这模型能够理解的子问题。 而求解象棋问题的过程就是一个试探搜索的过程，把象棋的规则和目标函数的可能运行方向结合起来，就可以指导下一个子的落子位置，也就是说获得了一个状态的集合。 然后从这个状态集合的每个状态推导再下一步的状态集合，这样反复运行，就可以得到一个树型结构，在这个结构中运用一系列的规则和搜索技术，就可能确定一个合理的走法。 很明显，如果状态空间的精度越高，属性结构的复杂度就越高。 从上面可以看出，类似上面这样的状态空间求解问题的主要技术包括状态的描述、描述目标状态和搜索策略。 其中搜索策略模拟人的思维过程，是体现算法优劣的关键部分。 主要的搜索策略包括有宽度优先的搜索、深度优先的搜索、启发式的搜索等。 状态空间方法借助于现代计算机的强大的计算能力，尽可能地穷尽所有的可能的状态，是一个最多被应用的人工智能理论分支。 另一种不同于状态空间法的方法是问题规约的方法。 在问题规约的方法中，问题描述或目标是其主要的数据结构。 已知问题的描述，然后通过一系列的变换，把此问题最终变为一个子问题的集合；这些子问题的解可以直接得到，从而解决了初始的问题。 比如著名的“梵塔问题”就是可以这样解决的一个问题。 可见一个采用问题规约的问题表示可以有三个部分组成：一个初始问题的描述、一套把问题变成子问题的算符、一套本原问题的描述。 人工智能包含的领域非常广泛，问题的求解只是其中的一个重要方面。 其他的方面包括比如谓词演算、规则演绎系统、机器人问题以及专家系统等一系列问题。 马斯克所说，为了适应这个不断发展的世界，人类最终会与“数码超级智能”机器人达成共生的关系。 和人工智能机器人一起上班，你准备好了吗？
