Meta宣布Segment Anything 2重大革新：AI视频分割技术跃升新台阶

近日消息，在最近举办的SIGGRAPH大会上，Meta CEO马克·扎克伯格揭晓了Segment Anything2（SA2），作为Segment Anything模型的革新迭代，该模型去年问世便引起轰动。SA2标志着AI驱动的图像分割技术跃进至视频领域，彰显了过去一年间技术显著的成长与进步。

SA2延续了其前身的优势，能够快速、可靠地识别和勾勒出视频中的任何物体。与仅适用于静态图像的原始模型不同，SA2专门针对视频处理进行了优化。扎克伯格在与英伟达CEO黄仁勋的对话中强调了这一进步的重要性:"能够在视频中实现这一点，而且无需拍摄任何镜头就能告诉它你想要什么，这非常酷。"

尽管视频处理对计算资源的要求更高，但SA2展现出了显著的效率提升。该模型能够在不依赖大型数据中心的情况下运行，反映了AI行业在效率方面的整体进步。

与Meta之前的做法一致，SA2将以开源方式发布，供研究人员和开发者免费使用。为支持这一模型的开发，Meta还发布了一个包含50，000个带注释视频的大型数据库。

扎克伯格在谈话中解释了Meta坚持开源策略的原因:"这不仅仅是一个你可以构建的软件——你需要一个围绕它的生态系统。如果我们不开源它，它几乎就不会那么好用。"他坦言，这一策略不仅有利于整个生态系统，也有助于提升Meta自身产品的质量。

SA2的发布再次彰显了Meta在"开放"AI领域的领导地位。尽管其"开放性"程度仍存在争议，但像LLaMa、Segment Anything等模型已成为AI性能的重要参考标准。

随着SA2的推出，AI视频分析技术将在科研、环境监测等诸多领域发挥更大作用。这一进展不仅展示了AI技术的快速发展，也为未来的应用开辟了新的可能性。

Meta面临欧盟反垄断重拳，Facebook捆绑服务或致巨额罚款

7月25日消息，基于“直接知情人士”的透露，Meta公司因将其分类广告Marketplace与Facebook社交平台强制捆绑，预计即将在近期内收到欧盟的首份反垄断罚款决定。

据悉，欧盟委员会可能会在欧盟反垄断负责人玛格丽特・维斯塔格 11 月离任前的 9 月或 10 月作出决定。欧盟竞争监督机构还称，Meta 公司滥用其支配地位，单方面对在 Facebook 或 Instagram 上发布广告的竞争在线分类广告服务施加不公平的交易条件。

这意味着 Meta 可能面临高达 134 亿美元（当前约 974.4 亿元人民币）的罚款，相当于其 2023 年全球收入的 10%。对此，Meta 发言人表示，欧盟委员会的说法毫无根据，并将继续与监管机构开展建设性合作，以证明产品创新有利于消费者和竞争。

其他消息人士称，该公司去年曾试图通过限制在 Facebook Marketplace 中使用竞争对手的广告数据来解决欧盟的调查，但这一让步遭到了欧盟执法者的拒绝。

巴西政府机构采取行动，Meta使用用户数据训练AI模型遭禁

近日消息，巴西国家数据保护局采取了一项重大举措，宣布对全球社交媒体巨头Meta实施一项前所未有的限制措施。

根据最新发布的公告，Meta公司，旗下拥有Facebook、Instagram及WhatsApp等知名社交平台，被明令禁止使用巴西境内用户的个人数据来进行生成式人工智能（AI）模型的训练。

Meta 近期更新了隐私政策，允许公司可将人们的公开帖子用于训练其模型。根据巴西国家数据保护局的公报，Meta 此举将会对受影响数据主体的基本权利造成严重的、不可挽回的或难以修复的损害，此次下达的禁令是“预防性措施”。

巴西是 Meta 的最大市场之一。在该国 2.03 亿的总人口（数据来自 2022 年巴西人口普查）中，仅仅是 Facebook 一个平台，在巴西就坐拥约 1.02 亿活跃用户。

Meta 公司的一位发言人对禁令表示感到失望，并坚称公司的举措“符合当地法律法规”。“这是 AI 发展创新和竞争的倒退，且进一步推迟了 AI 给巴西人民带来好处。”

而在欧洲，Meta 更新的隐私政策也“碰了钉子”—— 该公司近期暂停了原定于上周开始实施的计划，即使用用户的公开内容来训练自家 AI 模型。不过在美国，由于缺少保护网络隐私的国家性法律，Meta 使用用户数据来训练 AI 已成进行时。

Meta AI创新突破，MobileLLM紧凑型模型引领移动设备AI新时代

近日消息，Meta AI团队在优化人工智能技术的边界上迈出了重要一步，成功研发了MobileLLM——一种专为移动设备及低功耗环境量身定制的精简语言模型。该研究成果于本月早些时候，即2024年6月27日公之于众，它颠覆了业界关于高效AI模型必须具备庞大参数量的传统认知。

该研究团队由 Meta Reality Labs、PyTorch 和 Meta AI Research （FAIR） 的成员组成，专注于优化参数少于10亿的模型。这只是 GPT-4等模型的一小部分，据估计，GPT-4等模型的参数超过一万亿。

这些设计选择使得 MobileLLM 在常见基准测试任务上的表现比之前类似规模的模型高出2.7% 到4.3%。虽然这些个位数的改进似乎很小，但它们代表了竞争激烈的语言模型开发领域取得的重大进步。

值得注意的是，在某些 API 调用任务上，MobileLLM 的3.5亿参数版本表现出与更大的70亿参数 LLaMA-2模型相当的准确率。这表明，对于某些特定应用，更紧凑的模型可能会提供类似的功能，同时使用更少的计算资源。

MobileLLM 的开发与人们对更高效的 AI 模型日益增长的兴趣相吻合。随着超大型语言模型的进展出现放缓迹象，研究人员越来越多地探索更紧凑、更专业的设计的潜力。尽管名称中带有“LLM”，但对效率和设备部署的关注使 MobileLLM 与一些研究人员所说的小型语言模型 （SLM）属于同一类别。

虽然 MobileLLM 尚未向公众开放，但 Meta 已将预训练代码开源，允许其他研究人员在其工作的基础上继续研究。随着这项技术的发展，它可能会为个人设备带来更先进的 AI 功能，尽管时间表和具体功能仍不确定。