至顶网软件频道消息: 美国宇航局(NASA)今天宣布,谷歌公司人工智能团队开发的神经网络已经发现了两颗新的系外行星。
其中一颗新发现的行星围绕着被称为开普勒90(见图)这个遥远星系中一颗类似于太阳的恒星旋转,它距离地球2545光年。天文学家安德鲁.范德伯格(ANDREW VANDERBURG)将开普勒90称为“我们太阳系的一个迷你版本”,其中较小的行星靠近恒星轨道运行,而较大的行星运行在外围。随着美国宇航局新发现的出现,现在看起来围绕开普勒90旋转的星星数量和围绕我们的太阳旋转的行星数量相同。
虽然这两颗行星是新的发现,但是美国宇航局之前其实已经发现了它们,却没有意识到这一点。这些信息被埋藏在美国宇航局开普勒太空望远镜所捕获的四年的数据,它的任务是在银河系所谓的“可居住区”内寻找类似地球的系外行星。
多年来,开普勒已经检测到35,000个可能的行星信号,这个数据集太大因而无法手工筛选。美国宇航局有自己的自动化系统,从数据中筛选出最有可能的部分,但该机构表示,这个系统有时会错过较弱的信号。今天宣布的两颗行星之前一直未被注意到,直到范德堡(VANDERBURG)和谷歌的工程师克里斯托弗.沙尔柳(CHRISTOPHER SHALLUE)决定利用机器学习和谷歌的神经网络来梳理数据。
克里斯托弗.沙尔柳(Christopher Shallue)表示:“在业余时间里,我开始搜索‘利用大型数据集寻找系外行星’,并发现了开普勒的使命和庞大的数据集。”他表示,“当数据太多,人类无法自己研究的时候,机器学习真的可以大显神通。”
在使用了15,000个经过审查的开普勒信号对该网络进行了训练之后,范德堡和克里斯托弗.沙尔柳在系统中分析了将近1000个在他们发现新行星前已知存在行星的弱信号。范德堡注意到神经网络还不够完美,仍然会检测到误报,但是它也能够探测出更多被漏掉了的、真实的行星。范德堡表示:“这就像是在岩石中筛选宝石一样,如果你用更细的筛子,你就会得到更多的石头,但是你也可能会找到更多的宝石。”
今天的发现表明了机器学习在计算机科学之外的潜力,美国宇航局表示,预计人工智能在未来会有更多的发现。
美国宇航局位于华盛顿的天体物理学部门主任保罗.赫兹(Paul Hertz)表示:“就像我们预料的那样,在我们通过开普勒获得的数据中隐藏着令人兴奋的发现,它们在等待着适当的工具或技术发现它们。”他表示,“这一发现表明,我们的数据将成为未来几年创新研究人员的宝贵财富。”
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。