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
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。