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
随着人工智能和高性能计算持续推动需求增长,数据中心设计正以同样惊人的速度演进。曾经的高密度机架已成为标准配置,冷却系统在数月而非数年内完成重新设计,项目在各地区的规模和复杂性不断提升。全球工程设计咨询公司Black & White Engineering指出,液冷成为标准配置、极端机架密度管理、工业化规模交付、电网约束下的电力创新、AI驱动运营设计以及可持续性成为核心设计原则,将成为2026年塑造数据中心设计、建设和运营的六大关键趋势。
Allen AI研究所联合多家顶尖机构推出SAGE智能视频分析系统,首次实现类人化的"任意时长推理"能力。该系统能根据问题复杂程度灵活调整分析策略,配备六种智能工具进行协同分析,在处理10分钟以上视频时准确率提升8.2%。研究团队创建了包含1744个真实娱乐视频问题的SAGE-Bench评估平台,并采用创新的AI生成训练数据方法,为视频AI技术的实际应用开辟了新路径。
Snowflake本周推送的一次更新导致全球范围内的"重大故障",用户长达13小时无法查询数据、文件导入失败并收到错误信息。初步调查显示,最新版本引入了不向后兼容的数据库架构更新,导致版本不匹配错误。此次故障影响了全球23个区域中的10个,包括美国、欧洲和亚洲多个数据中心。这是Snowflake一周内第二次发生事故。
中科院团队首次系统评估了AI视觉模型在文本压缩环境下的理解能力,发现虽然AI能准确识别压缩图像中的文字,但在理解深层含义、建立关联推理方面表现不佳。研究通过VTCBench测试系统揭示了AI存在"位置偏差"等问题,为视觉文本压缩技术的改进指明方向。