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
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。