全部新闻
3个聪明的Chatgpt技巧，证明它仍然是AI
Chatgpt继续以新功能进行创新，包括：1。**引用先前的对话**：具有Plus或Pro订阅的用户可以回想起过去的对话，以实现连续性和对主题的更深入探索。2。**照片位置标识**：付费订户可以使用高级型号（O3和O4-Mini）通过详细分析准确地确定上载照片的位置。3。**图像库管理**：现在免费和付费用户都可以访问库功能，该功能使他们可以轻松地组织，编辑，下载和共享AI生成的图像。这些功能重点介绍了Chatgpt在AI聊天机器人技术中的持续发展和领导力。
人工智能本质上是年龄主义。这不仅是不道德的 - 对于工人和企业来说，这可能是昂贵的
世界正在经历其劳动力的前所未有的老龄化，预计到2030年，许多欧盟国家中有一半以上的劳动力将年龄在50岁或更高。尽管是有价值的资源提供经验和稳定性，但由于人工智能的迅速采用（AI），通常会留下老年工人。对其技术能力的常见误解忽略了更深层的结构障碍，例如缺乏有针对性的培训和排他性的工作场所文化。问题包括技术的设计偏见，信心差距和社会人口统计学因素，这些因素限制了老年人的AI使用。年龄主义仍然是一个重大问题，影响招聘和职业发展，算法通常会偏爱年轻员工。需要采用“年龄中立”的方法来确保包容性的数字转型，强调可访问的平台和有针对性的培训计划，以有效地将年长的工人整合到AI革命中。
AI如何破解药物最具挑战性的药物目标
您分享的文本重点介绍了在药物发现中使用人工智能（AI）的巨大潜力和挑战，尤其是关注高质量数据对于在该领域的成功AI应用至关重要。这是本文的关键要点：###关键点1。**为什么90％的临床药物发育失败**： - 临床药物开发中高衰竭率的主要原因在于较差的预测模型和对分子相互作用的假设不准确（Sun等，2022）。2。 - 利用化学蛋白质组学平台可以帮助识别以前不可能的靶标，从而扩大潜在的治疗干预措施的范围（Spradlin等，2021）。3。**数据完整性在AI驱动的药物发现中的作用**： - 高质量的生物学代表性数据集对于最大化AI的预测能力并确保可以通过实验有效验证生成的分子（Zhavoronkov，2023； Stanford以人为中心的AI，2024年）进行验证。4。**加速治疗蛋白设计**： - 正在开发计算方法来加速治疗蛋白在临床阶段的设计（Chen等，2023）。5。**在药物发现中应用生成AI **： - 生成的AI越来越多地用于创建新型的化合物，可以对潜在的候选药物进行测试，利用大型数据集和高级算法（Skwark等，2023）。6。 - 正在采用AI技术来识别现有药物或化合物的新用途，这与传统药物开发过程可能不可行的罕见疾病特别相关（Cortial等，2024）。7。**通过AI和常规成像技术发现生物标志物**： - 将AI与常规成像技术相结合可以帮助发现对于诊断和监测慢性肝病至关重要的生物标志物（Dana等，2022）。8。** AI在药物发现中的挑战和机遇**： - 尽管有巨大的潜力，但将AI整合到药物发现中仍面临着几个挑战，例如数据质量问题，计算复杂性以及与患者隐私和同意有关的道德问题（Blanco-González等，2023）。9。**出版文化和学术压力**： - 需要改革学术出版实践，以鼓励更严格的复制研究和结果验证，而不仅仅是新颖的发现，这可以帮助提高科学研究的可靠性（Kozlov，2024）。＃＃＃ 结论文章强调说，尽管AI在推进药物发现方面具有巨大的希望，尤其是在解决不良靶标和优化治疗蛋白设计方面，成功的数据质量，严格的验证过程和跨学科的协作方面取得了成功。确保这些元素到位对于将理论进步转化为实际临床应用至关重要。＃＃＃ 参考-太阳D，高W，胡H，周（2022）。为什么90％的临床药物发育失败以及如何改善？Acta Pharm Sin B.-Spradlin JN，Zhang E，Nomura DK（2021）。使用化学蛋白质组学平台重新构想可药物。化学研究的账目。-Zhavoronkov A（2023）。谨慎生物医学中的AI生成含量。自然医学。-Chen Z等。（2023）。通过计算方法来加速治疗蛋白设计，用于临床阶段。计算结构生物技术。-Skwark MJ，PanićJ，Elofsson A（2023）。生成AI在药物发现中的应用。SpringerLink。-Cortial L等。（2024）。稀有疾病的药物重新使用中的人工智能：迷你审查。前药。-Dana J等。（2022）。基于常规和人工智能的成像，用于慢性肝病中的生物标志物发现。肝素int。-Blanco-GonzálezA等。（2023）。AI在药物发现中的作用：挑战，机遇和策略。药品（巴塞尔）。-Kozlov M（2024）。现在出版或灭亡是一款纸牌游戏，而不仅仅是学术的生活。自然。 - 斯坦福大学以人为中心的AI研究所（2024）。以数据为中心的AI：AI模型仅与数据管道一样好。###作者信息Antiverse的联合创始人兼首席执行官Murat Tunaboylu强调了高质量数据和计算方法在通过AI中提高药物发现中的重要性。
前单位8200指挥官的创业公司筹集了5000万美元来对抗AI驱动的数据泄漏|CTECH
以色列网络安全公司Sentra已筹集了5,000万美元的B级资金，以应对越来越多地利用生成AI在整个行业中引起的“影子数据”风险。该公司的平台可帮助企业在云环境中发现并确保使用大型语言模型的精度超过95％的云环境。Sentra由前8200单位领导人领导，旨在重新定义AI时代的企业数据安全，以解决Gartner预测Genai收养预测的网络安全支出的激增。Sentra随着年收入增长300％的增长和新的Fortune 500客户，Sentra计划通过最近的资金来扩展其能力。
学院说，用AI制作的电影可以赢得奥斯卡奖。
电影艺术与科学学院已更新其规则，以允许在人工智能（AI）的帮助下制作电影，有资格获得奥斯卡奖的最高奖项。从文本提示中产生文本，图像，音频和视频的生成AI的使用既不是获得提名的优势也不是不利的。但是，人类参与仍然将在选择获胜者中发挥至关重要的作用。新的投票规则要求学院成员在参加最后一轮投票之前观看每个类别中的所有提名电影。电影制作中的AI问题引发了人们对艺术家和演员中对AI技术的职位使用和道德使用的关注的争议。
学院说，用AI制作的电影可以赢得奥斯卡奖。
电影艺术与科学学院已更新了规则，以允许在人工智能（AI）帮助下制作电影，有资格获得奥斯卡奖的顶级奖项。由于能够增强音频，视频和视觉效果的能力，在电影制作中使用生成AI的使用已经增长，但在艺术家和演员中，这仍然是一个有争议的话题，他们担心失业和滥用工作。尽管有这些担忧，但该学院在选择获奖者时仍将考虑人类参与，并实施了新的规则，要求成员在投票前观看每个类别中的所有提名电影。
DeepMind首席执行官Demis Hassabis声称AI可以在10年内治愈所有疾病| - 印度时代
Google Deepmind和英国骑士的联合创始人Demis Hassabis爵士预测，人工智能（AI）可以在十年内消除所有疾病。在接受CBS 60分钟的采访中，他说，AI有可能在数年到几个月甚至几周内将药物发育时间大大减少。Hassabis的主张得到了他的团队在一年内揭示超过2亿个蛋白质结构的成就的支持，这一突破可以加速药物发现，并可能导致对挽救生命的药物的更快识别。他还预计，AI系统能够在五到十年内独立识别科学问题，这标志着从工具转向科学的共同发现者的转变。Hassabis和他的合作伙伴因其在基于AI的蛋白质结构预测方面的工作而获得了2024年诺贝尔化学奖，强调了AI在各个科学领域的变革潜力。尽管对AI在医学和医疗保健中的作用感到乐观，但Hassabis承认诸如被有害参与者滥用的风险以及使AI与人类价值观保持一致的挑战。
是的，AI将重新定义营销 - 但您不会以您期望的方式
Drum的行业顾问兼新专栏作家Tom Goodwin认为AI对广告的影响将比经常描绘的更加细微。他断言，声称“制作广告”的工具通常是由没有真正广告经验的人创建的。古德温（Goodwin）承认AI在各个业务领域的深刻未来影响，但认为这种转变不会突然发生或正如通常所设想的那样。取而代之的是，他概述了三个阶段：AI是针对特定任务的新颖工具，然后作为一个集成系统增强了决策和运营效率，最后是变革力量，数十年来重塑整个行业。在这些阶段中，人类创造力和战略思维的重要性仍然至关重要。
DXC宣布AI工作台；ferrovial担任锚点客户
DXC Technology推出了DXC AI Workbench，这是一种生成的AI产品，旨在帮助企业安全地将负责AI的AI整合到其运营中。Ferrovial是一家使用AI Workbench的基础设施公司，通过部署在Microsoft Azure上的30多名AI代理，提高了其员工的效率和安全措施。该平台与Workday和ServiceNow等各种系统集成，从而增强了全球运营的自动化和决策。DXC利用深厚的行业专业知识来帮助组织采用可扩展的AI解决方案来实现实际业务成果。
该公司使用AI使工人精通AI，并保持工作
Multiverse是一个高技能平台，在其Atlas教练中使用人工智能为工人提供个性化的在职指导。阿特拉斯（Atlas）收到了超过半百万的消息，在过去六个月中，用户增长了4倍。它有助于诸如计算项目的投资回报率和解释技术概念之类的任务，从而获得一贯的帮助评级。AI教练通过提供一对一的辅导支持来解决这两个Sigma问题，仅通过人类教练而言，这是不可扩展的。多元宇宙在必要时利用Atlas的苏格拉底式方法，上下文意识和无缝的交接。此外，Atlas有助于增加40多名没有大学学位的工人的机会，并且有额外的学习需求。尽管AI可能会构成挑战，尤其是在常规任务中，但Ujjwal Singh认为，在快速变化的就业市场中保持竞争力至关重要。
