全部新闻
“一种超级大国”：人工智能在 2024 年带来意想不到的启示 |美国有线电视新闻网
2024-12-21 16:40:00
人工智能 (AI) 的进步正在彻底改变从考古学、生命科学到历史研究等众多领域。以下是要点总结：### 1. **解码纳斯卡线条**- **研究团队**：由山形大学教授 Masato Sakai 领导，与 IBM 研究人员一起。- **方法**：使用在现有纳斯卡符号的高分辨率图像上训练的对象检测人工智能模型来预测沙漠中的新符号。- **结果**：识别出 303 个象征性的地理符号，在短短几个月内使此类符号的已知数量增加了一倍。然而，人工智能还提出了大约 47,000 个潜在站点，其中每 36 个建议中只能识别出一个有前途的候选站点。### 2. **利用 AlphaFold 推进蛋白质组学**- **工具**：由 Google DeepMind 的 Demis Hassabis 和 John Jumper 开发。- **功能**：根据氨基酸序列预测蛋白质结构，加速生物学和医学研究。- **影响**：全球有超过 200 万研究人员使用，显着加快了基础生物学研究。它于2024年荣获诺贝尔化学奖。### 3. **解码蛋白质突变**- **AlphaFold 的局限性**：虽然在基于已知序列预测蛋白质结构方面非常有效，但它却难以应对新的突变及其后果。- **未来方向**：正在进行的研究旨在解决这些限制并扩大人工智能在药物发现和理解疾病机制方面的效用。### 4. **革命性的考古发现**- **纳斯卡沙漠研究**：人工智能成功识别了许多以前未记录的地理符号，突出了其考古学的潜力。- **挑战**：当前模型尚不完全准确，但具有巨大潜力，特别是在传统方法效果较差的偏远或恶劣地形中。### 5. **生命科学及其他领域**- **蛋白质组学**：人工智能正在帮助研究人员以前所未有的速度理解复杂的蛋白质结构。- **细胞图谱项目**：加快编制全面的人类细胞图谱，协助生物医学研究和药物发现。- **抗生素发现**：通过人工智能发现的新分子正在显示出对抗耐药细菌的希望。### 6. **结合专业知识**- **协作需求**：数据科学家（人工智能专家）和考古学家或生物学家之间需要更密切的合作，以最大限度地发挥这些工具在各个领域的潜力。人工智能与考古学、蛋白质组学和历史研究等传统学科的融合展示了其变革力量。尽管存在局限性和挑战，但迄今为止取得的进展凸显了重大进步，有望在理解不同科学领域的复杂系统方面不断取得突破。### 7. **正在进行的研究**- **未来方向**：不断完善人工智能模型以提高准确性和更广泛适用性的努力将继续突破这些领域的界限。总之，人工智能正在推动革命性的变化，使以前耗时的任务变得更加高效和容易实现，在多个科学领域开辟探索和发现的新途径。
人工智能 (AI) 的进步正在彻底改变从考古学、生命科学到历史研究等众多领域。以下是要点总结：### 1. **解码纳斯卡线条**- **研究团队**：由山形大学教授 Masato Sakai 领导，与 IBM 研究人员一起。- **方法**：使用在现有纳斯卡符号的高分辨率图像上训练的对象检测人工智能模型来预测沙漠中的新符号。- **结果**：识别出 303 个象征性的地理符号，在短短几个月内使此类符号的已知数量增加了一倍。然而，人工智能还提出了大约 47,000 个潜在站点，其中每 36 个建议中只能识别出一个有前途的候选站点。### 2. **利用 AlphaFold 推进蛋白质组学**- **工具**：由 Google DeepMind 的 Demis Hassabis 和 John Jumper 开发。- **功能**：根据氨基酸序列预测蛋白质结构，加速生物学和医学研究。- **影响**：全球有超过 200 万研究人员使用，显着加快了基础生物学研究。它于2024年荣获诺贝尔化学奖。### 3. **解码蛋白质突变**- **AlphaFold 的局限性**：虽然在基于已知序列预测蛋白质结构方面非常有效，但它却难以应对新的突变及其后果。- **未来方向**：正在进行的研究旨在解决这些限制并扩大人工智能在药物发现和理解疾病机制方面的效用。### 4. **革命性的考古发现**- **纳斯卡沙漠研究**：人工智能成功识别了许多以前未记录的地理符号，突出了其考古学的潜力。- **挑战**：当前模型尚不完全准确，但具有巨大潜力，特别是在传统方法效果较差的偏远或恶劣地形中。### 5. **生命科学及其他领域**- **蛋白质组学**：人工智能正在帮助研究人员以前所未有的速度理解复杂的蛋白质结构。- **细胞图谱项目**：加快编制全面的人类细胞图谱，协助生物医学研究和药物发现。- **抗生素发现**：通过人工智能发现的新分子正在显示出对抗耐药细菌的希望。### 6. **结合专业知识**- **协作需求**：数据科学家（人工智能专家）和考古学家或生物学家之间需要更密切的合作，以最大限度地发挥这些工具在各个领域的潜力。人工智能与考古学、蛋白质组学和历史研究等传统学科的融合展示了其变革力量。尽管存在局限性和挑战，但迄今为止取得的进展凸显了重大进步，有望在理解不同科学领域的复杂系统方面不断取得突破。### 7. **正在进行的研究**- **未来方向**：不断完善人工智能模型以提高准确性和更广泛适用性的努力将继续突破这些领域的界限。总之，人工智能正在推动革命性的变化，使以前耗时的任务变得更加高效和容易实现，在多个科学领域开辟探索和发现的新途径。
生成式人工智能的 80/20 问题 — 用户体验研究洞察
2024-12-21 16:31:38
大型语言模型 (LLM) 的有效性常常达不到用户的期望，特别是对于需要高质量输出的复杂任务。Zsombor Varnagy-Toth 的研究强调，虽然法学硕士可以达到 80% 的准确率，但这只能为需要近乎完美结果的用户提供最小的价值。这种现象被描述为逆帕累托原理，即人工智能的初步改进几乎不会带来总体效益，除非任务可以轻松分解并且输出可以有效地微调。范围大、难以分解、要求 100% 质量的任务受到的影响最大。关键的一点是，法学硕士对于此类任务的价值更多地在于后处理的改进，而不是其主要输出，这表明需要辅助工具或方法来将人工智能生成的内容增强到完美。
大型语言模型 (LLM) 的有效性常常达不到用户的期望，特别是对于需要高质量输出的复杂任务。Zsombor Varnagy-Toth 的研究强调，虽然法学硕士可以达到 80% 的准确率，但这只能为需要近乎完美结果的用户提供最小的价值。这种现象被描述为逆帕累托原理，即人工智能的初步改进几乎不会带来总体效益，除非任务可以轻松分解并且输出可以有效地微调。范围大、难以分解、要求 100% 质量的任务受到的影响最大。关键的一点是，法学硕士对于此类任务的价值更多地在于后处理的改进，而不是其主要输出，这表明需要辅助工具或方法来将人工智能生成的内容增强到完美。
据 1 Wall Street Firm 报道，到 2025 年，四大科技巨头将在人工智能 (AI) 上总共花费 3000 亿美元。这只股票可能是最大的赢家。|杂七杂八的傻瓜
2024-12-21 16:09:00
人工智能 (AI) 预计将显着促进全球经济增长，在未来 10 年可能增加 7 万亿至 200 万亿美元。大型科技公司正在大力投资人工智能基础设施，据摩根士丹利估计，到 2025 年，预计资本支出总额约为 3000 亿美元。微软、亚马逊、Alphabet、Meta Platforms、甲骨文和特斯拉等主要参与者正在引领这一投资浪潮，专注于人工智能开发的先进芯片，尤其是主导市场的英伟达 GPU。这项支出可能会大大有利于 Nvidia 的股票表现，预测显示 2025 年收入将大幅增长。
人工智能 (AI) 预计将显着促进全球经济增长，在未来 10 年可能增加 7 万亿至 200 万亿美元。大型科技公司正在大力投资人工智能基础设施，据摩根士丹利估计，到 2025 年，预计资本支出总额约为 3000 亿美元。微软、亚马逊、Alphabet、Meta Platforms、甲骨文和特斯拉等主要参与者正在引领这一投资浪潮，专注于人工智能开发的先进芯片，尤其是主导市场的英伟达 GPU。这项支出可能会大大有利于 Nvidia 的股票表现，预测显示 2025 年收入将大幅增长。
罕见的脑细胞为衰老和恢复活力提供线索 - 神经科学新闻
2024-12-21 15:52:46
概括：Anne Brunet 及其同事在《自然》杂志上发表的这项研究通过创建全面的小鼠大脑单细胞转录组图谱，研究了细胞邻近性如何影响大脑衰老，该图谱涵盖了整个成年期的 20 个不同年龄和两种恢复活力的干预措施（运动和部分重编程）。研究小组开发了空间衰老时钟——根据基因表达模式识别与年龄相关的变化的机器学习模型——并发现了细胞类型之间的显着相互作用。具体来说：- T 细胞数量随着年龄的增长而增加，对邻近细胞产生有害影响。- 神经干细胞令人惊讶地对其邻居具有恢复活力的作用。该研究强调了针对稀有细胞类型对抗组织衰老的潜力，并引入空间衰老时钟作为理解组织内细胞相互作用的宝贵工具。这项研究可以为针对人类年龄相关神经退行性病变的更有针对性的干预措施铺平道路。主要发现：1. **空间衰老时钟**：根据基因表达模式预测生物年龄的机器学习模型。2. **T 细胞促衰老作用**：T 细胞随着年龄的增长而增加，并对附近的细胞产生负面影响。3. **神经干细胞返老还童作用**：令人惊讶地发现神经干细胞对邻近细胞产生积极影响。影响：- 未来的疗法可以针对组织内的特定细胞类型进行定制，以应对大脑老化。- 开发针对稀有细胞类型的干预措施以对抗组织衰老和神经变性的潜力。资金来源包括 Knight Initiative for Brain Resilience、斯坦福 Knight-Hennessy 学者计划、美国国立卫生研究院、国家科学基金会、陈·扎克伯格生物中心、西蒙斯基金会以及 M. 和 T. Barakett 的捐赠。概括：
概括：Anne Brunet 及其同事在《自然》杂志上发表的这项研究通过创建全面的小鼠大脑单细胞转录组图谱，研究了细胞邻近性如何影响大脑衰老，该图谱涵盖了整个成年期的 20 个不同年龄和两种恢复活力的干预措施（运动和部分重编程）。研究小组开发了空间衰老时钟——根据基因表达模式识别与年龄相关的变化的机器学习模型——并发现了细胞类型之间的显着相互作用。具体来说：- T 细胞数量随着年龄的增长而增加，对邻近细胞产生有害影响。- 神经干细胞令人惊讶地对其邻居具有恢复活力的作用。该研究强调了针对稀有细胞类型对抗组织衰老的潜力，并引入空间衰老时钟作为理解组织内细胞相互作用的宝贵工具。这项研究可以为针对人类年龄相关神经退行性病变的更有针对性的干预措施铺平道路。主要发现：1. **空间衰老时钟**：根据基因表达模式预测生物年龄的机器学习模型。2. **T 细胞促衰老作用**：T 细胞随着年龄的增长而增加，并对附近的细胞产生负面影响。3. **神经干细胞返老还童作用**：令人惊讶地发现神经干细胞对邻近细胞产生积极影响。影响：- 未来的疗法可以针对组织内的特定细胞类型进行定制，以应对大脑老化。- 开发针对稀有细胞类型的干预措施以对抗组织衰老和神经变性的潜力。资金来源包括 Knight Initiative for Brain Resilience、斯坦福 Knight-Hennessy 学者计划、美国国立卫生研究院、国家科学基金会、陈·扎克伯格生物中心、西蒙斯基金会以及 M. 和 T. Barakett 的捐赠。概括：
机器学习模型准确预测 HBV 患者的长期 HCC 风险
2024-12-21 15:34:27
一种名为 MAPL-5 的新机器学习模型被开发出来，用于预测慢性乙型肝炎病毒感染患者的新发肝细胞癌 (HCC) 风险，这些患者在经过 5 年有效抗病毒治疗后已实现病毒学和生化稳定。该模型结合了逻辑回归和基于 36 个临床变量的随机森林算法，在预测准确性方面优于传统模型。MAPL-5 模型使用内部和外部数据集进行了验证，展示了高平衡精度和 AUC 值。研究人员指出，它有可能协助临床决策并改善与 HCC 监测相关的公共卫生政策。
一种名为 MAPL-5 的新机器学习模型被开发出来，用于预测慢性乙型肝炎病毒感染患者的新发肝细胞癌 (HCC) 风险，这些患者在经过 5 年有效抗病毒治疗后已实现病毒学和生化稳定。该模型结合了逻辑回归和基于 36 个临床变量的随机森林算法，在预测准确性方面优于传统模型。MAPL-5 模型使用内部和外部数据集进行了验证，展示了高平衡精度和 AUC 值。研究人员指出，它有可能协助临床决策并改善与 HCC 监测相关的公共卫生政策。
如果 ChatGPT 为您的应用程序生成 AI 生成的代码，那么它真正属于谁？
2024-12-21 15:30:00
目前有关人工智能生成代码的法律环境确实很复杂，而且有些未知。以下是需要考虑的要点：1. **所有权和版权**：- **人工智能生成的代码**：根据美国版权局和加拿大法律，仅由人工智能系统生成的作品可能不受版权保护，因为它们不符合人类作者创作的要求。- **人类贡献**：如果整个作品（例如，应用程序）包含人类作者的重大贡献（例如布局设计或文本），则它可能受到版权保护，但纯粹由人工智能生成的单个作品可能不符合条件为了版权保护。2. **文档和归属**：- **标签**：程序员需要清楚地标记其代码的哪些部分是由人工智能系统生成的。该文档对于区分人类创作的组件和人工智能生成的组件至关重要。- **许可问题**：由于像 ChatGPT 这样的人工智能系统无法提供适当的许可信息，因此如果在没有归属的情况下逐字使用 GPL（GNU 通用公共许可证）代码，可能会导致潜在的许可证侵权。3. **责任**：- **合理使用推测**：没有确凿的法律先例证实人工智能系统使用大型训练数据集是否构成合理使用。这种模糊性引发了人们对使用此类数据的合法性和责任的担忧。- **判例法的不确定性**：缺乏既定的判例法意味着依赖人工智能生成代码的开发人员在其法律权利和责任方面面临着巨大的不确定性。4. **建议**：- **寻求专业建议**：强烈建议在处理人工智能生成的内容时咨询专门从事知识产权和技术法的法律专业人士。- **记录一切**：对所有贡献（包括人类和机器生成的贡献）进行详细记录，以确保遵守版权法并在出现争议时提供证据。5. **未来的考虑因素**：- 随着人工智能在软件开发中的使用不断增长，可能会出现更多的法律挑战。开发商和公司应随时了解不断变化的法规和先例。考虑到这些复杂性，开发人员需要谨慎对待人工智能生成的代码，并清楚地了解自己在现行法律下的权利和责任。
目前有关人工智能生成代码的法律环境确实很复杂，而且有些未知。以下是需要考虑的要点：1. **所有权和版权**：- **人工智能生成的代码**：根据美国版权局和加拿大法律，仅由人工智能系统生成的作品可能不受版权保护，因为它们不符合人类作者创作的要求。- **人类贡献**：如果整个作品（例如，应用程序）包含人类作者的重大贡献（例如布局设计或文本），则它可能受到版权保护，但纯粹由人工智能生成的单个作品可能不符合条件为了版权保护。2. **文档和归属**：- **标签**：程序员需要清楚地标记其代码的哪些部分是由人工智能系统生成的。该文档对于区分人类创作的组件和人工智能生成的组件至关重要。- **许可问题**：由于像 ChatGPT 这样的人工智能系统无法提供适当的许可信息，因此如果在没有归属的情况下逐字使用 GPL（GNU 通用公共许可证）代码，可能会导致潜在的许可证侵权。3. **责任**：- **合理使用推测**：没有确凿的法律先例证实人工智能系统使用大型训练数据集是否构成合理使用。这种模糊性引发了人们对使用此类数据的合法性和责任的担忧。- **判例法的不确定性**：缺乏既定的判例法意味着依赖人工智能生成代码的开发人员在其法律权利和责任方面面临着巨大的不确定性。4. **建议**：- **寻求专业建议**：强烈建议在处理人工智能生成的内容时咨询专门从事知识产权和技术法的法律专业人士。- **记录一切**：对所有贡献（包括人类和机器生成的贡献）进行详细记录，以确保遵守版权法并在出现争议时提供证据。5. **未来的考虑因素**：- 随着人工智能在软件开发中的使用不断增长，可能会出现更多的法律挑战。开发商和公司应随时了解不断变化的法规和先例。考虑到这些复杂性，开发人员需要谨慎对待人工智能生成的代码，并清楚地了解自己在现行法律下的权利和责任。
机器人模仿中国传统按摩技术进行治疗
2024-12-21 14:40:01
上海交通大学和上海理工大学的研究人员开发了一种能够执行传统中医按摩技术的机器人系统。机器人采用自适应准入控制，确保按摩过程中的安全性和舒适性。该系统包括两个 jaka zhu7 机械臂，配有专门的按摩手，复制了中医原理，如手掌打拳、振动、揉捏和手指技术。来自专家治疗师的数据被用来训练控制机器人动作的机器学习算法。初步测试显示成功复制了四种按摩技术：敲打、按压、推压和振动。该系统可以部署在医疗保健和健康设施中用于治疗用途。
上海交通大学和上海理工大学的研究人员开发了一种能够执行传统中医按摩技术的机器人系统。机器人采用自适应准入控制，确保按摩过程中的安全性和舒适性。该系统包括两个 jaka zhu7 机械臂，配有专门的按摩手，复制了中医原理，如手掌打拳、振动、揉捏和手指技术。来自专家治疗师的数据被用来训练控制机器人动作的机器学习算法。初步测试显示成功复制了四种按摩技术：敲打、按压、推压和振动。该系统可以部署在医疗保健和健康设施中用于治疗用途。
米尔斯州长成立特别工作组来研究人工智能的机会和影响
2024-12-21 14:36:00
州长珍妮特·米尔斯通过一项行政命令成立了一个特别工作组，负责研究人工智能对缅因州经济、机构和人民的影响。此举正值技术的快速进步可能改变就业市场之际，由于人工智能的发展，近五分之一的美国工人面临高风险。该工作组旨在探索人工智能带来的机遇和挑战，创造新的就业机会，同时提高各个部门的生产力和效率。成员包括来自政府、教育机构的领导人，并将于一月份开始开会以准备政策建议。
州长珍妮特·米尔斯通过一项行政命令成立了一个特别工作组，负责研究人工智能对缅因州经济、机构和人民的影响。此举正值技术的快速进步可能改变就业市场之际，由于人工智能的发展，近五分之一的美国工人面临高风险。该工作组旨在探索人工智能带来的机遇和挑战，创造新的就业机会，同时提高各个部门的生产力和效率。成员包括来自政府、教育机构的领导人，并将于一月份开始开会以准备政策建议。
第 16 周 NFL 投注指南、赔率、道具：人工智能、专家、连赢、模型、DFS、整个赛季的幻想精选揭晓
2024-12-21 14:30:17
根据所提供的信息，以下是 SportsLine 专家的一些重要投注见解和选择：**周六比赛：**### 酋长队 vs. 德州人队（超过 42 场）- **SportsLine 模型：** 该模型倾向于获胜，预计总分 44 分。- **拉里·哈特斯坦 (Larry Hartstein) 的选择：** 代码片段中没有明确提及，但哈特斯坦 (Hartstein) 拥有良好的记录，通常会提供有价值的分析。### 乌鸦队 vs. 钢人队（超过 44.5 分）- **SportsLine 模型：** 预测总分 48 分，胜出。- **迈克·蒂尔尼的选秀权：** 蒂尔尼在乌鸦队的选秀权上表现出色，应该为这场比赛提供经过充分研究的选秀权。- **人工智能玩家道具预测：** 像拉马尔·杰克逊和拉塞尔·威尔逊这样的关键球员可能会在道具投注中突出显示。**周日晚间橄榄球赛：牛仔队 vs. 海盗队（超过 48.5 分）**- **SportsLine 模型：** 平均总分 50 分，有利于胜方。- **拉里·哈特斯坦的选秀权：** 在牛仔队选秀权的连续不断中，可以提供富有洞察力的预测。- **AI 玩家道具预测：** 预计 Baker Mayfield 和 CeeDee Lamb 等关键玩家道具将得到突出显示。**周一橄榄球之夜：包装工队对阵圣徒队（超过 42.5 分）**- **SportsLine 模型：** 平均总分 44 分，有利于比赛。- **R.J.怀特的选秀权：** 由于包装工队的选秀权记录良好，可以在这场关键的比赛中提供优势。- **AI 玩家道具预测：** 可能会推荐 Jordan Love 和 Christian Watson 等玩家的关键道具。### 本周投注技巧：1. **利用促销**：利用 Caesars 等体育博彩促销活动，在接下来的 10 个投注中将奖金翻倍，每次投注最高可达 25 美元。2. **多样化您的选择**：将您的风险分散到多种游戏和策略中，例如 SportsLine 模型推荐的大小盘。3. **研究道具投注**：人工智能玩家道具预测可以为标准投注线中可能被低估或忽视的关键表现提供有价值的见解。4. **遵循一致的专家**：来自具有良好业绩记录的分析师（如 Hartstein、Tierney 和 White）的专家精选通常会提供价值并利用内幕信息。5. **监控赔率变动**：密切关注比赛开始前的赔率如何变化，因为这可以表明聪明的资金流向何处。通过遵循这些策略并利用 SportsLine 专家提供的见解，您可以为本周的 NFL 比赛做出更明智的投注决策。
根据所提供的信息，以下是 SportsLine 专家的一些重要投注见解和选择：**周六比赛：**### 酋长队 vs. 德州人队（超过 42 场）- **SportsLine 模型：** 该模型倾向于获胜，预计总分 44 分。- **拉里·哈特斯坦 (Larry Hartstein) 的选择：** 代码片段中没有明确提及，但哈特斯坦 (Hartstein) 拥有良好的记录，通常会提供有价值的分析。### 乌鸦队 vs. 钢人队（超过 44.5 分）- **SportsLine 模型：** 预测总分 48 分，胜出。- **迈克·蒂尔尼的选秀权：** 蒂尔尼在乌鸦队的选秀权上表现出色，应该为这场比赛提供经过充分研究的选秀权。- **人工智能玩家道具预测：** 像拉马尔·杰克逊和拉塞尔·威尔逊这样的关键球员可能会在道具投注中突出显示。**周日晚间橄榄球赛：牛仔队 vs. 海盗队（超过 48.5 分）**- **SportsLine 模型：** 平均总分 50 分，有利于胜方。- **拉里·哈特斯坦的选秀权：** 在牛仔队选秀权的连续不断中，可以提供富有洞察力的预测。- **AI 玩家道具预测：** 预计 Baker Mayfield 和 CeeDee Lamb 等关键玩家道具将得到突出显示。**周一橄榄球之夜：包装工队对阵圣徒队（超过 42.5 分）**- **SportsLine 模型：** 平均总分 44 分，有利于比赛。- **R.J.怀特的选秀权：** 由于包装工队的选秀权记录良好，可以在这场关键的比赛中提供优势。- **AI 玩家道具预测：** 可能会推荐 Jordan Love 和 Christian Watson 等玩家的关键道具。### 本周投注技巧：1. **利用促销**：利用 Caesars 等体育博彩促销活动，在接下来的 10 个投注中将奖金翻倍，每次投注最高可达 25 美元。2. **多样化您的选择**：将您的风险分散到多种游戏和策略中，例如 SportsLine 模型推荐的大小盘。3. **研究道具投注**：人工智能玩家道具预测可以为标准投注线中可能被低估或忽视的关键表现提供有价值的见解。4. **遵循一致的专家**：来自具有良好业绩记录的分析师（如 Hartstein、Tierney 和 White）的专家精选通常会提供价值并利用内幕信息。5. **监控赔率变动**：密切关注比赛开始前的赔率如何变化，因为这可以表明聪明的资金流向何处。通过遵循这些策略并利用 SportsLine 专家提供的见解，您可以为本周的 NFL 比赛做出更明智的投注决策。
奥利奥制造商非常严肃地承认，尽管机器无法品尝，但他们正在使用人工智能来创造新口味
2024-12-21 14:30:03
奥利奥饼干和其他零食背后的公司 Mondelez International 自 2019 年以来一直在使用机器学习为其产品开发新口味。人工智能工具优化了气味和味道特征等感官因素，并带来了“无麸质”等产品创新。Golden Oreo”和更新的 Chips Ahoy 食谱。人类味觉测试人员确保人工智能生成的口味的质量，这些口味在发布前经过了广泛的测试。
奥利奥饼干和其他零食背后的公司 Mondelez International 自 2019 年以来一直在使用机器学习为其产品开发新口味。人工智能工具优化了气味和味道特征等感官因素，并带来了“无麸质”等产品创新。Golden Oreo”和更新的 Chips Ahoy 食谱。人类味觉测试人员确保人工智能生成的口味的质量，这些口味在发布前经过了广泛的测试。