文章提交注意事项：
请在发布文章时用HTML代码加上至少一条新闻来源的链接；原创性消息，可加入相关信息（如涉及公司的网址）的链接。有任何问题，邮件至：he.fang#zhiding.cn
注意：收到邮件乱码的用户请修改客户端的默认字体编码，从"简体中文（GB2312）"修改为"Unicode（UTF-8）"。
solidot新版网站常见问题，请点击这里查看。
Linux 6.1 正处于补丁合并阶段，一位内核开发者向 Linus Torvalds 询问是否错过了一个 Git Pull 请求。Linux 作者周日证实因为内存问题他现在正以非常慢的速度执行合并队列。Torvalds 的主工作电脑是一台 AMD 线程撕裂者 3970x 工作站，过去几天电脑稳定性出了问题，出现随机的内存损坏错误。他一开始以为是一个新的内核 bug，检查后发现是内存条问题。他订购了新的 ECC 内存条，替换旧内存条。Torvalds 是在新冠疫情早期组装新电脑的，当时 ECC 内存条稀缺且昂贵，他为此还公开抱怨了英特尔的营销手段，宣称 ECC 内存是为服务器和嵌入式设备服务的，导致一般用户难以购买到便宜的 ECC 内存条。
美联储前主席伯南克(Ben Bernanke)与芝加哥大学的 Douglas Diamond 和华盛顿大学的 Philip Dybvig 被授予了 2022 年度的诺贝尔经济学家，以表彰他们对金融危机期间银行作用的研究。诺奖委员会称，他们的发现改进了社会应对金融危机的方式。他们的一个重要发现是：为什么金融危机期间避免银行倒闭至关重要。
粒子物理学家通常是先进技术的早期采用者。他们早在 1997 年就训练计算机模型标记碰撞中产生的粒子。这些模型在不断发展和进步。过去十年的深度学习革命中，粒子物理学家训练算法去解决以前难解决的问题，迎接新挑战。但粒子物理学的数据与机器学习常用数据存在显著差异，卷积神经网络 (CNN) 对图像分类很有效，但碰撞粒子数据不是图像，它需要名为图神经网络(graph neural networks 或 GNNs)的新框架。粒子物理学的机器学习仍然在早期发展阶段，物理学家也开始考虑其它领域机器学习研究中经常遇到的问题：机器学习会将分析变成自动化的人类难以理解的黑匣子。
长江流域今年遇到了创记录的干旱，人工降雨也被频繁使用。据人民日报报道，8 月中国至少有 10 省派出飞机约 90 次，播撒有利于降雨的物质。还发射了约 12 万发促进降雨的“增雨弹”。据说重庆市 8 月 25 日发射 4 枚火箭后，出现了降雨，气温下降。中国为了抵御干旱等灾害，2025 年之前将在占国土约 6 成的 550 万平方公里土地上推进人工降雨和降雪的大规模计划。还在开发利用无人机（UAV）等最新技术的系统，举国之力“控制天气”。
新冠疫情给内存芯片行业带来的提振正在消失。近几个月价格的下降导致三星电子和美光等最大的内存生产商发布了悲观的预测，并且低于已经下调的利润预期。其他一些企业担心供应过剩加剧，已承诺削减产能计划。芯片业高管和行业分析师认为，在明年年中之前，价格的下跌不会见底，甚至不会放缓。内存芯片用于智能手机、个人电脑和数据服务器，是半导体行业健康状况的晴雨表，该行业正在应对从疫情期的强劲发展到需求急剧下降的突然转变。根据 TrendForce 的数据，今年 7 - 9 月，DRAM 和 NAND 闪存这两种主要内存的平均合同价分别较上一季度下降 15% 和 28%。第四季度和明年全年这两种内存芯片的价格预计还会下降。
药物专利的捍卫者多年来一直宣称需要专利和高药品价格是因为新药研发成本高。但事实上新药研发成本很大一部分是由政府（也就是纳税人）资助的，而根据发表在《JAMA Network Open》上的一项研究，研发成本和高药价之间是不相关的。研究人员对比了新药的研发成本和出售价格，发现两者没有关联，药品的治疗价值也与价格不相关。研究人员发现药厂不是根据药物的研发成本或质量定价的，而是根据市场能承受的费用。
在 Meta 宣布其文本视频 AI 模型 Make-A-Video 之后，Google 演示了自己的同类工具Imagen Video。它能根据书面提示以每秒 24 帧速生成分辨率为 1280×768 的视频。从文本合成图像到文本合成视频过去半年 AI 扩散模型（diffusion models）进步显著。Google 研究人员称，Imagen Video 的视频能表现出不同风格，如根据梵高的作品生成视频。Google 希望通用视频合成模型能显著降低高质量内容生成的难度。Imagen Video 使用 LAION-400M 图像文本数据集，以及1400 万视频文本对和 6000 万图像-文本对进行训练，和 Meta 一样短时间内不会对公众开放使用。
我们所欣赏、所阅读和所购买的很多东西是 YouTube、Twitter 和 Amazon 等网站通过推荐系统渗透到我们的意识中的。定制化的算法推荐旨在增加广告流量、点击或购买量。推荐系统有时候会让用户觉得算法根本不了解我们，但有时候也让人觉得它就像肚子里的蛔虫什么都知道。推荐系统不仅能根据我们的偏好进行调整，实际上还能塑造我们的偏好。国际机器学习会议(International Conference on Machine Learning)上发表的研究表明，当推荐系统使用强化学习增加参与度时，可能会产生改变偏好以增加参与度的副作用。研究人员介绍了检测和减少此类 AI 操纵的方法。