至顶网软件频道消息:本世纪初的几次炭疽病菌袭击使公众害怕来历不明的白色粉末,但不幸的是,识别炭疽需要专家知识和时间。Korea Advanced Institute of Science and Technology(韩国科学技术高级研究所)的一个科学家团队可能已经使用人工智能找到了解决这个问题的方法,他们表示这种方法可以比人类更快地发现炭疽。
炭疽是由炭疽杆菌引起的感染,甚至会危及生命,通常是在家畜中发现。由于细菌的可用性和耐用性,美国和苏联在冷战期间都制造了炭疽的生化武器。
炭疽芽孢可以在恶劣的条件下长时间存活,这个特点使其易于运输和递送。Centers for Disease Control and Prevention(疾病控制和预防中心)表示,炭疽是生物恐怖袭击中最有可能使用的生物制剂之一。
炭疽病如果在感染的早期获得治疗,是可以被治愈的,但症状有时候在接触后几天甚至几个月内都不会出现,这就是为什么尽快识别出孢子至关重要。来自KAIST的研究团队表示,他们的人工智能不仅可以准确地发现炭疽病菌,而且还是在不到一秒的时间内完成它。
该团队在《Science Advances》杂志上发表了一篇论文,介绍了他们是如何通过将深度学习和计算机视觉与创建微生物三维扫描的极其强大的显微镜相结合以创造人工智能的。他们专门对人工智能进行了培训,以识别不同类型的炭疽杆菌,但他们希望同样的深度学习方法也可以应用于其他微生物。
虽然人工智能得到了有希望的结果,但仍然不太完美。在完成确定炭疽病菌的任务时,人工智能可以实现96%的准确度,这个团队称之为“非常准确”。作为测试,他们还试图训练同样的人工智能来识别李斯特菌,准确度达到85%。考虑到人工智能并不是为了这个目的而设计的,该团队认为这个准确度“高得令人惊讶”。
研究小组在论文中表示,他们的深入学习方法可以在打击危险病原体方面迈出意义非凡的一步。
好文章,需要你的鼓励
微软与三星达成合作,将Copilot人工智能助手集成到三星的智能电视和显示器产品中。用户可以通过语音或遥控器直接与Copilot交互,获得智能问答、内容推荐、设备控制等服务。这一合作标志着AI助手从传统计算设备向家庭娱乐设备的进一步扩展,为用户提供更加智能化的观看体验。
华盛顿大学研究团队通过创新的内部分析方法,深入探索了大语言模型的推理机制。研究发现模型确实具备多步推理能力,但存在脆弱性和一致性问题。当推理出错时错误会传播,且对相似问题可能给出不同答案。研究揭示了模型内部的专门化功能模块和注意力分配机制,为开发更可靠的AI系统提供了重要指导。
在全球经济不确定性增加的背景下,AI创新竞赛正在加速进行。但许多企业仍缺乏执行工具:Gartner预测到2027年,60%的组织将因数据治理问题而无法实现AI用例的价值。企业需要统一的数据平台支持所有数据模型,建立可靠的AI就绪数据管道,并通过主权AI工厂标准化AI流水线。通过集成向量数据库、嵌入管道和模型服务,企业可将生产就绪应用的部署时间从数月缩短至数小时,实现完整的数据主权和治理。
ByteDance推出AetherCode基准测试,采用IOI、ICPC等顶级编程竞赛真题,并由67名专家设计高质量测试用例。结果显示最先进AI模型通过率仅35.5%,极难题目仅3.8%,揭示AI编程能力被严重高估。该研究为AI评估树立新标准,表明AI在复杂逻辑推理方面仍远落后人类,推理型模型优势明显,为未来AI发展提供重要指导。