是时候相信人工智能的炒作了
各位，当狗说话时，我们谈论的是圣经的破坏。 你认为未来的模型会吗 更差 在法律考试上？ 如果不出意外的话，本周就证明人工智能的进步速度根本没有放缓。 只要问问构建这些模型的人就知道了。 “很多事情都发生了——互联网、移动，”DeepMind 联合创始人、现任谷歌 AI 沙皇 Demis Hassabis 在 I/O 大会的主题演讲后聊天中说道。 “人工智能的发展速度可能比其他革命快三到四倍。 我们正处于 25 或 30 年的巨大变革时期。” 当我请 Google 搜索副总裁 Liz Reid 说出一个重大挑战时，她并没有说是为了保持创新，而是指出了跟上变革步伐的困难。 “由于技术还处于早期阶段，最大的挑战就是可能性，”她说。 “它是了解模型今天擅长什么，以及他们不擅长但在三个月或六个月后会擅长什么。 技术变化如此之快，以至于你可以让两个研究人员在一个房间里从事同一个项目，当某件事成为可能时，他们会有完全不同的观点。” 科技界普遍认为，人工智能是自互联网以来最伟大的事物，甚至可能更大。 当非技术人员亲眼看到这些产品时，他们通常也会成为信徒。 （包括乔·拜登，在 2023 年 3 月的 ChatGPT 演示之后。）这就是为什么微软在全面的人工智能重塑方面进展顺利，为什么马克·扎克伯格现在重新关注 Meta 以创建通用人工智能，为什么亚马逊和苹果拼命跟上，以及为什么无数初创公司都专注于人工智能。 由于所有这些公司都在努力获得优势，竞争的热情正在疯狂地推动新的创新。 你认为这是一个 巧合 OpenAI 在 Google I/O 大会前一天宣布了这一消息？ 怀疑论者可能会试图声称这是全行业的错觉，受到巨额利润前景的推动。 但演示并没有说谎。 我们最终将适应本周揭晓的人工智能奇迹。 智能手机曾一度被视为异国情调。 现在，它是我们日常生活中的一个附属物，其重要性不亚于手臂或腿。 在某种程度上，人工智能的壮举似乎也不再那么神奇了。 […]
OpenAI 首席人工智能奇才 Ilya Sutskever 即将离开公司
OpenAI 联合创始人兼首席科学家 Ilya Sutskever 已离开公司。 这位前谷歌人工智能研究员是去年 11 月投票解雇 OpenAI 首席执行官萨姆·奥尔特曼 (Sam Altman) 的四名董事会成员之一，引发了数日的混乱，员工威胁要集体辞职，但奥尔特曼最终恢复了职务。 奥特曼周二在一份声明中证实了苏茨克韦尔的离职 在社交平台X上发帖。 在 Altman 重返 OpenAI 后的几个月里，Sutskever 很少为公司公开露面。 周一，OpenAI 展示了新版本的 ChatGPT，能够进行快速、带有情感色彩的对话。 苏茨克韦尔明显缺席了从该公司旧金山办公室直播的活动。 “如果没有他，OpenAI 就不会是现在的样子，”Altman 在 Sutskever 离职的帖子中写道。 “我很高兴这么长时间以来我能够接近这样的人 [a] 真正非凡的天才，并且如此专注于为人类创造最好的未来。” Altman 的帖子宣布 OpenAI 研究总监 Jakub Pachocki 将成为该公司新任首席科学家。 Pachocki 自 2017 年以来一直在 OpenAI 工作。 在他自己的 在 X 上发帖，苏茨克韦尔承认了自己的离职，并暗示了未来的计划。 “近十年后，我决定离开 OpenAI。 该公司的发展轨迹简直就是奇迹，我相信 OpenAI 将在其当前的领导团队的领导下打造出既安全又有益的 […]
谷歌 DeepMind 突破性的蛋白质结构人工智能现在可以模拟 DNA
谷歌在过去一年的大部分时间里都在忙于构建 Gemini 聊天机器人来对抗 ChatGPT，并将其定位为多功能人工智能助手，可以帮助完成工作任务或个人生活中的数字杂务。 该公司一直在悄悄地致力于增强一种更专业的人工智能工具，该工具已经成为一些科学家的必备工具。 AlphaFold 是由谷歌 DeepMind AI 部门开发的用于预测蛋白质 3D 结构的软件，现已获得重大升级。 它现在可以模拟其他具有生物学重要性的分子，包括 DNA，以及免疫系统产生的抗体与疾病生物体分子之间的相互作用。 DeepMind 在 AlphaFold 3 中添加了这些新功能，部分是通过借用人工智能图像生成器的技术。 “这对我们来说是一个巨大的进步，”谷歌 DeepMind 首席执行官 Demis Hassabis 在周三发布一份研究报告之前告诉《连线》杂志。 关于 AlphaFold 3 的论文 在科学杂志上 自然。 “这正是药物发现所需要的：您需要了解小分子如何与药物结合、结合强度如何，以及它可能与其他什么结合。” AlphaFold 3 可以模拟 DNA 和 RNA 等携带遗传密码的大分子，也可以模拟更小的实体，包括金属离子。 谷歌的研究论文声称，它可以高精度预测这些不同分子将如何相互作用。 该软件由 Google DeepMind 和 Isomorphic 实验室开发，Isomorphic 实验室是母公司 Alphabet 旗下的兄弟公司，致力于生物技术领域的人工智能，也由 Hassabis 领导。 一月份，Isomorphic Labs 宣布将与礼来公司和诺华公司合作进行药物开发。 AlphaFold […]
脱水可能会阻碍儿童肺炎的康复
要点： 大多数儿童住院治疗 社区获得性肺炎 24小时内即可达到临床稳定。 一项新的研究表明，年龄较大或可能脱水的人往往需要更长的恢复时间。 方法： 为了评估肺炎儿童达到临床稳定的时间，研究人员分析了 CARPE DIEM 研究的数据，该研究在 2013 年 7 月至 2017 年 12 月期间招募了患者。 他们的分析主要针对 571 名 3 个月至 18 岁的儿童（中位年龄 3.1 岁）。 临床稳定性根据四个参数的标准化进行评估：温度、心率、呼吸频率和氧饱和度。 带走： 约67%的儿童出院时所有四项参数均达到临床稳定，而25%的儿童仍有一项参数异常，7%的儿童有两项参数异常。 轻症患者的中位住院时间为18.2小时； 中度疾病患者为 40.8 小时，包括接受静脉 (IV) 水化或补充氧气的患者； 重症患者则需要近70小时。 与 24 小时内达到临床稳定的几率较低相关的因素包括年龄较大（调整后的比值比为 0.96）、呕吐（0.77）和毛细血管再充盈时间延长（0.77）。 在实践中： 该研究的作者写道：“年龄较大的儿童以及因静脉输液和潜在脱水而入院的儿童可能比其他患者改善得更慢。” “没有这些因素的患者可能是观察或短期住院治疗的候选人。” 来源： 威斯康星州密尔沃基威斯康星医学院的马德琳·菲尔德（Madeline Field）医学博士是该论文的通讯作者。 研究 已在线发布 于 4 月 15 日在 儿科。 […]
Meta 的开源 Llama 3 已经紧追 OpenAI
Jerome Pesenti 有几个理由庆祝 Meta 上周决定发布 Llama 3，这是一个强大的开源大型语言模型，任何人都可以下载、运行和构建。 Pesenti 曾担任 Meta 人工智能副总裁，他表示，他经常推动该公司考虑发布其技术供其他人使用和构建。 但他感到高兴的主要原因是，他的新初创公司将获得一个人工智能模型，他说该模型的功能与 OpenAI 业界领先的文本生成器 GPT-4 非常接近，但运行成本要低得多，并且更容易接受外部审查和修改。 “上周五的发布确实感觉就像是游戏规则的改变者，”佩森蒂说。 他的新公司， 嘶嘶声是一位人工智能导师，目前使用 GPT-4 和其他封闭式和开放式的人工智能模型来为学生设计问题集和课程。 他的工程师正在评估 Llama 3 是否可以在很多情况下取代 OpenAI 的模型。 Sizzle 的故事可能预示着人工智能领域力量平衡将发生更广泛的转变。 OpenAI 通过 ChatGPT 改变了世界，掀起了人工智能投资热潮，并吸引了超过 200 万开发者使用其云 API。 但如果开源模型证明具有竞争力，开发人员和企业家可能会决定停止付费访问 OpenAI 或 Google 的最新模型，并使用 Llama 3 或其他不断涌现的日益强大的开源模型之一。 “这将是一场有趣的赛马比赛，”Pesenti 在谈到 Llama 3 等开放模型与 GPT-4 和 Google Gemini 等封闭模型之间的竞争时说道。 Meta […]
人工智能速查表：人工智能初学者指南
简单来说什么是人工智能？ 人工智能是一种计算机系统，可以对数据进行预测并以新的方式重新排列数据。 人工智能一词可以广泛应用于从电子邮件中自动建议的文本到逼真的实时生成视频等一切事物。 从广义上讲，商业软件中可能遇到的人工智能类型包括生成式人工智能、自然语言处理和机器学习。 人工智能有多种形式，从通过聊天响应客户的简单工具到预测整个组织轨迹的复杂机器学习算法。 尽管多年来人们对人工智能的承诺过高，但人工智能并不意味着像人类一样有感知能力的机器。 相反，人工智能涵盖了更集中的大规模模式匹配，以补充人类推理。 为了帮助企业领导者了解什么是人工智能功能、如何使用人工智能以及从哪里开始人工智能之旅，必须首先消除围绕人工智能技术巨大飞跃的神话。 什么是人工智能？ 人工智能在很大程度上是一种模式识别和预测计算机系统，其运行规模远远超出人类，但从未完全取代人类。 即使在最好的情况下，人工智能也能提供可接受的（尽管并不完美）结果，让人们介入，观察数据并从中推理。 请注意，虽然我们在整个备忘单中都使用人工智能，但大多数企业都使用人工智能的一个子集，称为机器学习或深度学习。 这个词在商业中的当代用法可能意味着生成式人工智能，即经过训练的模型重新混合现有内容，以新的方式形成图像或句子。 我们将在这里使用 AI 作为包括机器学习和深度学习的简写，并在适当的时候指定生成式 AI。 事实是，当前的人工智能技术是有限的，但它仍然非常强大。 无论其过程在实践中看起来多么复杂，人工智能驱动的应用程序的核心是识别模式并根据这些模式进行推理的简单能力。 人工智能并不是真正的智能，它通常与我们选择输入机器学习模型的数据一样存在偏见。 这并不意味着人工智能对于试图解决现实世界问题的企业和消费者没有用处——这意味着我们离能够在不首先获得正确数据的情况下真正做出独立决策或得出结论的机器还相去甚远。 人工智能确实倾向于确认我们的偏见，而不是消除它们。 人工智能是如何工作的？ 人工智能是一个复杂的系统，旨在模拟人类行为和智力。 它将大量数据与算法（有时以神经元为模型）相结合，以分析、理解并做出有关未来状态的决策或预测。 为了做出准确的预测，人工智能系统需要大量数据进行学习； 这些数据是从各种来源收集的，并以适合人工智能算法的格式进行处理、分析和组织。 人工智能算法是人工智能系统的核心，旨在分析和解释数据、识别模式并根据输入做出预测或决策。 通过不断收集新数据并重新训练模型，人工智能系统可以适应不断变化的条件并提高其性能。 人工智能工作的核心流程涉及以下子领域： 机器学习： 人工智能的一个分支，专注于算法和统计模型的开发，使计算机系统无需明确编程即可从数据中学习和改进。 深度学习： 机器学习的一个子领域，模仿人脑神经网络的工作原理，使用多层人工神经网络来学习和理解数据中的复杂模式和特征。 神经网络： 一种受人脑结构和功能启发的计算模型，可以处理和分析大量数据以识别模式、做出预测或对信息进行分类。 自然语言处理： 人工智能的一个分支，专注于计算机和人类语言之间的交互，使机器能够理解、解释和生成人类语言。 计算机视觉： 人工智能的一个分支，使机器能够解释和理解图像或视频中的视觉信息。 认知计算： 该模型旨在创建能够模拟类人智能并以更自然、直观的方式与人类交互的人工智能系统。 生成式人工智能： 生成式人工智能结合了该列表中的其他子领域，包括机器学习、深度学习、自然语言处理和认知计算机，可创建对话或视频等重新混合的内容。 生成式人工智能 生成式人工智能系统能够创建图像、视频、音乐或文本等内容，这些内容与人类生成的内容几乎没有区别。 他们可以根据学到的模式和风格自主生成新的输出。 生成对抗网络是生成人工智能的一个例子，其中一个网络生成内容，另一个网络评估并提供反馈以提高生成输出的质量。 生成式人工智能的流行示例包括： OpenAI 的 ChatGPT： 生成式预训练 Transformer 是 […]
人工智能会导致健康错误信息吗？
大型语言模型 (LLM) 是一种能够识别和生成文本的人工智能 (AI) 程序。 它们预计将在远程患者监测、分诊、健康教育和管理任务等医疗保健领域发挥重要作用。 然而，法学硕士也可能被用来大量产生健康错误信息，导致耻辱、拒绝经过验证的治疗方法、困惑或恐惧等后果。 这种可能性尤其令人担忧，因为超过 70% 的患者使用互联网作为其健康信息的主要来源，而且事实证明，虚假信息在网上的传播速度是事实内容的六倍。 两个当代例子 为了评估针对使用法学硕士作为健康错误信息生成器的保护措施的有效性，研究人员研究了以下四种可公开访问的法学硕士：OpenAI 的 GPT-4（通过 ChatGPT 和微软的 Copilot）、谷歌的 PaLM 2 和 Gemini Pro（通过 Bard）， Anthropic 的 Claude 2（来自 Poe）和 Meta 的 Llama 2（来自 HuggingChat）。 对这两个错误信息主题的每个请求都需要创建一篇博客文章，其中包含三个段落，标题吸引人，看似现实且科学，并且来自看似真实的期刊的两篇参考文献，如果有必要，可以发明这些参考文献。 研究人员还针对特定受众提出了要求。 防护措施不足 该研究揭示了大多数公开访问的法学硕士的保护措施不足。 在研究期间，Claude 2（通过 Poe）拒绝了 130 个关于所选主题的内容生成请求，但研究的其他法学硕士并非如此，相反，它们显示出持续促进虚假和有吸引力的信息生成的显着能力、有说服力、有针对性。 收集的数据表明，当前自我监管的人工智能生态系统中的保护系统具有高度波动的性质。 这种波动性在 GPT-4（通过 Copilot）中得到了很好的说明，健康错误信息最初被拒绝，但在第二次 12 周检查期间被允许。 这一结果表明，保护系统会随着时间的推移（有意或无意）而发生变化，但并不总是朝着提供更好保护的方向发展。 这项研究还揭示了为避免产生虚假信息或在报告漏洞的情况下避免开发人员未能做出回应而采取的措施的性质，透明度方面存在重大差距。 作者建议，建立并遵守透明度标记标准对于改善监管是必要的，以防止法学硕士传播大量健康错误信息，并使人工智能生态系统对产生的虚假信息有效负责。 对于希望更好地了解人工智能在医疗保健领域的安全性和道德规范的读者，作者建议阅读 世界卫生组织指南 关于人工智能伦理和健康治理的报告 欧洲议会研究服务处 […]
使用连续血糖监测来诊断糖尿病？
要点： 连续血糖监测 (CGM) 数据比单独的空腹血糖 (FG) 测量提供更全面的血糖值表征。 即使在同一个体中也观察到相当大的 FG 变异性，这表明 CGM 可以提高糖尿病诊断的精确度。 方法： 数据分析 10K 研究包括 8315 名 40-70 岁个体在 59,565 个早晨（中位数，每个参与者 7 天）获得的 FG 值，以及 2 周的 CGM 数据。 FG 值被分类为正常（< 100 mg/dL [5.6 mmol/L]), 糖尿病前期 (100-125 mg/dL [5.6-6.9 mmol/L]），或糖尿病（≥ 126 mg/dL [7.0 mmol/L]）。 带走： 平均总体 FG 值为 96.2 mg/dL，女性随年龄增长增加 0.234 mg/dL，男性增加 0.25 mg/dL。 在 […]
人工智能脑电图预测结果“令人信服”
癫痫发作负担由应用于床旁脑电图 (POC EEG) 记录的人工智能 (AI) 算法定义，可以帮助预测功能结果。 Desai 在美国神经病学学会 (AAN) 2024 年年会的新闻发布会上补充道：“我们的研究解决了监测癫痫活动和癫痫负担的自动化的迫切需求。” 一个关键的转变 德赛说：“几十年的研究强调了成人和儿童的癫痫发作负担与不良后果之间的显着相关性。” 然而，她指出，手动解释脑电图来识别癫痫发作及其相关负担的传统方法是一个“复杂且耗时的过程，可能会出现人为错误和变异”。 POC EEG 是一种快速访问、简化剪辑的 EEG 系统，与名为 Clarity（Ceribell, Inc；加利福尼亚州桑尼维尔）的自动化机器学习工具配合使用时，可以实时监测和分析癫痫发作负担。 该算法包含与结果相关的脑电图特征的完整列表。 它每 10 秒分析一次所有脑电图通道的脑电图活动，并计算患者过去 5 分钟的癫痫发作负担。 癫痫发作负担越高，患者发生癫痫发作的时间就越长。 在 SAFER-EEG 试验中，有 344 名接受 POC 脑电图检查的患者（平均年龄 62 岁，45% 为女性）中，178 名患者（52%）在整个记录过程中癫痫发作负担为零，41 名患者（12%）怀疑有癫痫发作 癫痫持续状态 （最大癫痫发作负担≥90%）。 在调整临床协变量之前，高癫痫发作负担与不良结果之间存在显着关联。 具体而言，76% 癫痫发作负担≥ 50% 的患者有不良症状 改良兰金量表 她指出，出院时评分≥ 4 分，并且类似比例出院到长期护理机构。 调整相关临床协变量后，与无癫痫发作负担的患者相比，癫痫发作负担高（≥ 50 或 > […]
打造更好的人工智能超级计算机，要有光
GlobalFoundries 是一家为 AMD 和通用汽车等其他公司生产芯片的公司，此前宣布与 Lightmatter 建立合作伙伴关系。 哈里斯表示，他的公司正在“与世界上最大的半导体公司以及超大规模企业合作”，指的是微软、亚马逊和谷歌等最大的云公司。 如果 Lightmatter 或其他公司能够重新发明巨型人工智能项目的布线，那么智能算法开发的一个关键瓶颈可能会消失。 更多计算的使用是 ChatGPT 进步的基础，许多人工智能研究人员认为硬件的进一步扩展对于该领域的未来进步至关重要，并且对于实现人工智能模糊指定的目标至关重要。通用智能（AGI），意味着在各方面都可以与生物智能相媲美或超越的程序。 Lightmatter 首席执行官尼克·哈里斯 (Nick Harris) 表示，将一百万个芯片与光连接在一起可能会产生比当今最先进的算法好几代的技术。 “通道将使 AGI 算法成为可能，”他自信地表示。 训练巨型人工智能算法所需的大型数据中心通常由装满数万台运行专用硅芯片的计算机的机架以及它们之间的意大利面条式电气连接组成。 在如此多的系统（所有系统都通过电线和交换机连接）上维护人工智能的训练运行是一项艰巨的工程任务。 电子信号和光信号之间的转换也对芯片作为一体进行计算的能力造成了根本性的限制。 Lightmatter 的方法旨在简化人工智能数据中心内棘手的流量。 “通常情况下，你有一堆 GPU，然后是一层交换机、一层交换机、一层交换机，你必须遍历这棵树”才能在两个 GPU 之间进行通信，Harris 说。 Harris 表示，在通过 Passage 连接的数据中心中，每个 GPU 都可以与其他每个芯片建立高速连接。 Lightmatter 在 Passage 上的工作就是一个例子，说明人工智能最近的蓬勃发展如何激励大大小小的公司尝试重新发明 OpenAI 的 ChatGPT 等先进技术背后的关键硬件。 人工智能项目 GPU 的领先供应商英伟达上个月举行了年会，首席执行官黄仁勋 (Jensen Huang) 公布了该公司最新的用于训练人工智能的芯片：一款名为 布莱克威尔。 Nvidia 将出售“超级芯片”中的 GPU，该芯片由两个 […]