至顶网软件频道消息:本世纪初的几次炭疽病菌袭击使公众害怕来历不明的白色粉末,但不幸的是,识别炭疽需要专家知识和时间。Korea Advanced Institute of Science and Technology(韩国科学技术高级研究所)的一个科学家团队可能已经使用人工智能找到了解决这个问题的方法,他们表示这种方法可以比人类更快地发现炭疽。
炭疽是由炭疽杆菌引起的感染,甚至会危及生命,通常是在家畜中发现。由于细菌的可用性和耐用性,美国和苏联在冷战期间都制造了炭疽的生化武器。
炭疽芽孢可以在恶劣的条件下长时间存活,这个特点使其易于运输和递送。Centers for Disease Control and Prevention(疾病控制和预防中心)表示,炭疽是生物恐怖袭击中最有可能使用的生物制剂之一。
炭疽病如果在感染的早期获得治疗,是可以被治愈的,但症状有时候在接触后几天甚至几个月内都不会出现,这就是为什么尽快识别出孢子至关重要。来自KAIST的研究团队表示,他们的人工智能不仅可以准确地发现炭疽病菌,而且还是在不到一秒的时间内完成它。
该团队在《Science Advances》杂志上发表了一篇论文,介绍了他们是如何通过将深度学习和计算机视觉与创建微生物三维扫描的极其强大的显微镜相结合以创造人工智能的。他们专门对人工智能进行了培训,以识别不同类型的炭疽杆菌,但他们希望同样的深度学习方法也可以应用于其他微生物。
虽然人工智能得到了有希望的结果,但仍然不太完美。在完成确定炭疽病菌的任务时,人工智能可以实现96%的准确度,这个团队称之为“非常准确”。作为测试,他们还试图训练同样的人工智能来识别李斯特菌,准确度达到85%。考虑到人工智能并不是为了这个目的而设计的,该团队认为这个准确度“高得令人惊讶”。
研究小组在论文中表示,他们的深入学习方法可以在打击危险病原体方面迈出意义非凡的一步。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。