至顶网软件频道消息:人工智能可以挽救我们现有的食品体系吗?从精准耕作到个性化营养,在农业、食品生产与食品消费等领域都存在许多潜在的技术应用。然而,技术效能、用户接受度以及该技术的实际应用仍然面临许多挑战。本篇文章分为三个系列部分,Chiara Cecchini调查了这一领域所面临的主要挑战与机遇,探索了我们应该如何应用一个个“人造大脑”以确保健康生活并提高幸福指数。
如前所述,人工智能(AI)是一种非人类大脑,可用于收集、分析与阐释大量数据,而如此体量的数据是人类穷极一生都无法完成处理的。AI的概念于1950年出现,彼时的计算机科学先驱Alan Turing将AI描述为:“未来终将有那么一个时刻,人类能够与机器进行无障碍的交流。”
许多人表示Alan Turing所言的“那个时刻”即是现在。而对此,Klaus Schwab 教授则作出了如下宣言:“第四次工业革命已经到来。”技术成本正在下降,IT与运营技术日益融合,大数据与云端现已成为民主化现实; 除此之外,设备与投资也处于飙升阶段。
然而,消费者对于AI仍抱有一定的怀疑态度,其中主要的忧虑来自于民众担心其将失去工作、丢失控制权并被AI所取代。但我们也可以从其他视角看待该技术——事实上,食品工业中的多数企业正在尽全力利用此次机会。
作为食客,我们依据个人的知识与以往的经验选择日常食物。然而,人造大脑可以精准的创建大量的食物数据库,从而对其进行分析、提问并获取答案。对此,伦敦帝国理工学院的认知机器人学科教授 Murray Shanahan解释称:“我们才刚处于此段进程的初期,最终的选择权仍在人类手上。”换而言之,目前该领域的情况即是机器提出建议,食客们选择是否采纳——人类选择采用AI,而一切都还在我们的控制范围之内。
目前已经有一些公司开始为确保健康生活与提高幸福指数而研发人造大脑。例如,位于旧金山的初创企业Wellio即是应用机器学习与行为科学以构建并向食客推荐个性化食谱,而该公司推出的产品只是提出建议而非为消费者做出选择,并且该公司的首席执行官Tjarko Leifer表示:“此类产品的职责在于阐述如何在家中准备并享受食物。”
Zipongo公司也在努力尝试通过应用AI以建立食物与健康之间的关系。Zipongo公司提供了一个数字化营养平台,该平台“可以通过使用生物识别技术并结合用户的食物偏好以提供健康的个性化膳食建议。”
Habit公司的首席执行官Neil Grimmer解释称:“我们都应该知道什么食物对我们而言是最好的——而这通常意味着需要从细胞层面了解我们的身体与我们自身。”对此,Neil Grimmer设想了一个全新的世界——一个超越食物金字塔理论、普拉提与常规建议的世界。这个全新的世界整合了DNA分析、人工智能与食物数据,并借此以达成可定制的营养模式。
加利福尼亚大学戴维斯分校 IC-FOODS主任Matthew Lange教授表示,这将形成一个市场力量与积极的社会成果相统一的世界。未来,公司在市场中将会为追求更加透明、可溯源并值得信赖而相互竞争,同时也将竞相提供更健康、更可持续以及更美味的食品。
最后,世界经济论坛创始人兼执行主席 Klaus Schwab表示,AI将消除市场中不合理的繁荣,巩固科学、合理决策与能源自给的市场地位。此外,人工智能还可助力实现“7项可持续发展目标” ——《2030年议程》中主要的关键业绩指标。《2030年议程》是联合国所有成员国于2015年通过的一项计划,该项计划的目标在于可持续发展与落实在应对现代社会主要政治、环境与社会挑战等方面的问责制度。
好文章,需要你的鼓励
丰田第六代RAV4搭载高通骁龙数字底盘平台,提供个性化、直观且无缝连接的驾驶体验。新车基于丰田Arene软件开发平台,推进软件定义汽车发展,配备紧急驾驶停止系统和突然加速抑制功能。车载多媒体系统支持个性化主屏幕定制和更准确的语音识别。通过与高通技术公司合作,利用先进AI技术增强用户体验,提供更智能、直观和安全的出行方案。
上海AI实验室开发RePro训练方法,通过将AI推理过程类比为优化问题,教会AI避免过度思考。该方法通过评估推理步骤的进步幅度和稳定性,显著提升了模型在数学、科学和编程任务上的表现,准确率提升5-6个百分点,同时大幅减少无效推理,为高效AI系统发展提供新思路。
Chainguard发布可信开源软件季度报告,基于1800多个容器镜像项目和近5亿次构建的数据分析。报告显示:Python因AI需求成为最受欢迎的开源镜像;超半数生产环境运行在热门项目之外的长尾镜像上;98%的漏洞出现在非热门项目中,安全负担主要集中在不太显眼的技术栈部分;44%客户在生产环境中使用FIPS镜像以满足合规要求;Chainguard平均在20小时内修复关键漏洞。
MIT团队开发的VLASH技术首次解决了机器人动作断续、反应迟缓的根本问题。通过"未来状态感知"让机器人边执行边思考,实现了最高2.03倍的速度提升和17.4倍的反应延迟改善,成功展示了机器人打乒乓球等高难度任务,为机器人在动态环境中的应用开辟了新可能性。