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
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。