至顶网软件频道消息: DeepMind将自己大量机器学习资源投入到医疗领域:近日公布了一项新的研究合作,以利用人工智能来对抗乳腺癌。
作为这次合作的一部分,DeepMind将与伦敦帝国理工学院癌症研究中心领导的一个健康研究机构进行合作,继续DeepMind与英国国家卫生服务部门此前的工作。
该计划的目标是探索改善乳腺癌检测的新方法,将机器学习运用于乳腺X射线摄影,这是一种常用于检查乳房健康的X射线技术。DeepMind希望创建一种机器学习模型,能够快速准确地检查乳房X射线照片中的癌症征兆,帮助医生及早发现疾病,从而尽快开始治疗。
英国癌症研究中心研究与创新高级总监Iain Foulkes表示:“利用人工智能的力量,可以帮助我们解决乳腺癌研究中一些最大的挑战,包括提高检测的准确性。有大量癌症是在晚期检测出来的,这时候已经难以治疗了。这也是为什么该中心正在构建能力、构建新的合作伙伴关系、以及支持社区进行早期检测研究,以便更多的人能够幸免于难。”
除了与医生和医疗机构合作之外,DeepMind还将与母公司Alphabet下Google公司的AI医疗研究团队合作,后者已经做了一些在利用机器学习检测乳腺癌的研究。DeepMind在声明中表示,这次合作是由新合作伙伴提出的,他们提到希望能够得到来自DeepMind和Google的研究人员“这样才能利用两个团队的人工智能专业技能以及Google的超级计算基础设施”。
今年早些时候DeepMind在英国遭受了对患者医疗信息的“不当”访问,导致该公司成立独立调查小组以对这项实践进行评估。对于这次公布的合作,DeepMind表示“将致力于以最大的关心和尊重来对待这个项目的数据”。
DeepMind在声明中表示:“正如标准做法那样,研究中使用的数据仍然由我们的合作伙伴完全控制,并以世界级安全和加密标准进行保存。此外,所有医疗信息进行了彻底的去身份处理,在研究人员进行分析之前任何可以识别出个人的信息都已经被移除了。”
DeepMind、Google和NHS的研究协议目前设置为12个月,但是如果合作伙伴同意的话也可以延长。与其他健康项目一样,DeepMind将在同行可查看的期刊上发表所有研究成果。
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。