至顶网软件与服务频道消息:来自布朗大学和英特尔公司的研究人员正在合作开发基于人工智能的技术,旨在帮助脊髓损伤患者重新行走。
人的脊髓受到损伤后,从大脑的电信号就不能传递不到肌肉,这会导致瘫痪。这种损害是毁灭性的,原因是人体本身不能再生受损的神经纤维。然而有医学专家认为,人工智能技术可以帮助一些受害者恢复肌肉控制。
布朗大学和英特尔的研究人员不久前启动了一项为期两年的有关技术的研究工作,研究得到美国国防高级研究计划局630万美元的资助。
布朗大学卡尼研究所脑科学研究院工程院的助理教授David Borton 表示,“我们知道脊柱病灶附近的电路通常仍会保持活跃,其机能仍存在。”
Borton的想法是尝试创建一个“智能脊柱界面”,帮助大脑重新连接脊髓,帮助患者恢复肢体动作和对膀胱的控制。他称膀胱控制是脊髓损伤患者关注的主要问题之一。
他表示,“这是项探索性研究,目的是构建工具集,包括硬件、软件和对脊髓功能的认识,工具集令打造这种系统成为可能。”
美国罗得岛医院及Micro Leads公司的医生也将参与该项研究。Micro Leads开发过高分辨率脊髓仿真技术。
英特尔也将在硬件和软件专业知识上助一臂之力,将帮助打造研究里需要用到机器学习工具,用于解码由大脑发送到脊椎的信号。研究的基本想法是建一个可以绕过受损部位、恢复大脑与身体的其余部分受损连接的接口。研究人员再收集从脊髓上发出的动作和感觉信号数据,再利用人工神经网络进行传达合适的动作命令。
这些数据将在脊髓伤患志愿者做物理治疗时从植入装置搜集。在该项研究里,脊髓信号将通过外部计算机系统解码,着眼点是开发一种可以实时解码的完全植入装置。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。