全部新闻
用机器学习容器简化AI开发
2025-01-28 15:49:05
Replicate是一个云平台，使用户可以使用容器技术运行和共享机器学习模型。由Ben Firshman创立，他以前创建了无花果（Docker），重复旨在简化开发人员的AI应用程序的部署。该公司的产品COG使得可以轻松在容器中包装ML型号，以共享和部署生产。Replicate提供了一个云API，该云API允许用户在无需机器学习或基础架构管理方面的专业知识的情况下运行AI模型。它支持诸如Meta的Llama之类的开源LLM的定制和微调，使对强大的AI技术的访问民主化。在其生态系统中有大约20,000个模型，重复了大型公司内的目标初创公司和小型团队，从而通过抽象复杂的ML流程来促进AI集成到应用中。
Replicate是一个云平台，使用户可以使用容器技术运行和共享机器学习模型。由Ben Firshman创立，他以前创建了无花果（Docker），重复旨在简化开发人员的AI应用程序的部署。该公司的产品COG使得可以轻松在容器中包装ML型号，以共享和部署生产。Replicate提供了一个云API，该云API允许用户在无需机器学习或基础架构管理方面的专业知识的情况下运行AI模型。它支持诸如Meta的Llama之类的开源LLM的定制和微调，使对强大的AI技术的访问民主化。在其生态系统中有大约20,000个模型，重复了大型公司内的目标初创公司和小型团队，从而通过抽象复杂的ML流程来促进AI集成到应用中。
电影评论：流血而机智，“同伴”探讨了人类在AI驱动的世界中的含义
2025-01-28 15:49:00
德鲁·汉考克（Drew Hancock）的科幻恐怖恐怖分子喜剧“伴侣”，特色是艾里斯（索菲·撒切尔（Sophie Thatcher）），他是一个定制的性爱机器人，他相信自己是人类，她的创作者乔什（Jack Quaid）。这部电影揭示了艾里斯（Iris）实际上是一个编程的机器人，在发现真相时导致了意外的曲折。当艾里斯（Iris）逃脱了她的节目时，她与乔什（Josh）的朋友（包括他的前凯特（Ex Kat）和俄罗斯男友谢尔盖（Sergey））进行了交流。这部电影探索了人工智能的主题，在一个近乎未来的环境中，可以接受机器人的关系选择，将幽默与强烈的戏剧和暴力融合在一起。
德鲁·汉考克（Drew Hancock）的科幻恐怖恐怖分子喜剧“伴侣”，特色是艾里斯（索菲·撒切尔（Sophie Thatcher）），他是一个定制的性爱机器人，他相信自己是人类，她的创作者乔什（Jack Quaid）。这部电影揭示了艾里斯（Iris）实际上是一个编程的机器人，在发现真相时导致了意外的曲折。当艾里斯（Iris）逃脱了她的节目时，她与乔什（Josh）的朋友（包括他的前凯特（Ex Kat）和俄罗斯男友谢尔盖（Sergey））进行了交流。这部电影探索了人工智能的主题，在一个近乎未来的环境中，可以接受机器人的关系选择，将幽默与强烈的戏剧和暴力融合在一起。
可以挫败行人识别系统的“秘密路线”
2025-01-28 15:47:52
作者提出的研究介绍了两种主要方法：L-PET（行人逃避技术）和L-BAT（漏洞避免技术），这些方法应对在监视检测水平不同的城市地区导航的挑战。这是一个详细的摘要：###关键概念1。** l-pet **： - **目的**：帮助行人找到最大程度地减少其被监视系统检测到的路径。 - **方法论**：1。生成热图：该算法分析了公共行人交通记录的框架，以创建信心地图，表明根据相对于相机和照明条件，根据位置在各个领域被检测到的人的可能性。2。将图转换为图：这些基于像素的映射被转换为图表表示，每个节点对应于一个位置，边缘表示位置之间的路径。3.优化探路：该方法使用适应的Dijkstra算法计算了行人的最佳途径，这些途径通过将高信心区域视为较高的成本领域来最大程度地减少检测置信度。2。** l-bat **： - **目的**：通过利用通过盲点或通过热图确定的低检测区域的反馈来增强监视系统在检测人员中的有效性。 - **方法论**：1。反馈回路：L-BAT使用热图数据来更新对象检测器模型中的检测分数，从而提高了其准确性。2。数据集创建：通过使用SSD对象探测器分析视频录像，并选择包含人作为正样本的边界框，作为负样本作为负样本，创建了一个数据集来训练更快的R-CNN模型。3。绩效评估：诸如曲线下的面积（AUC），真正的正率（TPR），假正率（FPR）和平均真实正置信度在应用L-BAT之前和之后评估模型性能。###关键发现 - **热图特异性**：L-PET生成的热图特定于一天中的特定时间，这意味着对于柔性部署，需要实时调整或多层方法。 - **模型体系结构依赖性**：从一个模型得出的热图和检测分数不会直接传输到不同的对象检测器体系结构。因此，任何实际实施都可能需要对使用的确切系统进行微调。###实际含义1。**扩大监视网络**： - 实施L-BAT可能需要增加监视基础设施（新相机或改进的覆盖范围），以解决已确定的盲点和低检测区域。 - 由于公共隐私问题和财务成本，这在政治上可能具有挑战性，要求选民要求进行重大扩张。2。**封闭源系统与开源框架**： - L-PET/L-BAT取决于封闭源监视系统利用Yolo等开源框架的有效性。 - 如果专有系统合并了这些框架，则利用L-Pet可以为寻求减少检测的行人提供直接的优势。###限制 - **特定时间的热图**：当前方法在很大程度上依赖于特定时间的数据，并且可能需要在不断变化的照明条件或交通模式下重新校准。 - **可转让性问题**：一个模型生成的检测信心图在不同的架构之间无法互换，从而限制了其广泛的适用性而无需进行广泛的自定义。＃＃＃ 结论该研究提供了一种新型的方法，可在高度监测的城市环境中减轻检测风险，同时提出对监视系统的增强。但是，实践采用面临着与对特定框架的技术依赖性以及潜在的社会抵抗相关的巨大障碍，以抵抗增加的监视措施。本质上，这项工作强调了隐私拥护者和监视利益相关者之间正在进行的技术军备竞赛，这表明任何有效的解决方案都可能需要在安全需求和公众接受之间取得微妙的平衡。
作者提出的研究介绍了两种主要方法：L-PET（行人逃避技术）和L-BAT（漏洞避免技术），这些方法应对在监视检测水平不同的城市地区导航的挑战。这是一个详细的摘要：###关键概念1。** l-pet **： - **目的**：帮助行人找到最大程度地减少其被监视系统检测到的路径。 - **方法论**：1。生成热图：该算法分析了公共行人交通记录的框架，以创建信心地图，表明根据相对于相机和照明条件，根据位置在各个领域被检测到的人的可能性。2。将图转换为图：这些基于像素的映射被转换为图表表示，每个节点对应于一个位置，边缘表示位置之间的路径。3.优化探路：该方法使用适应的Dijkstra算法计算了行人的最佳途径，这些途径通过将高信心区域视为较高的成本领域来最大程度地减少检测置信度。2。** l-bat **： - **目的**：通过利用通过盲点或通过热图确定的低检测区域的反馈来增强监视系统在检测人员中的有效性。 - **方法论**：1。反馈回路：L-BAT使用热图数据来更新对象检测器模型中的检测分数，从而提高了其准确性。2。数据集创建：通过使用SSD对象探测器分析视频录像，并选择包含人作为正样本的边界框，作为负样本作为负样本，创建了一个数据集来训练更快的R-CNN模型。3。绩效评估：诸如曲线下的面积（AUC），真正的正率（TPR），假正率（FPR）和平均真实正置信度在应用L-BAT之前和之后评估模型性能。###关键发现 - **热图特异性**：L-PET生成的热图特定于一天中的特定时间，这意味着对于柔性部署，需要实时调整或多层方法。 - **模型体系结构依赖性**：从一个模型得出的热图和检测分数不会直接传输到不同的对象检测器体系结构。因此，任何实际实施都可能需要对使用的确切系统进行微调。###实际含义1。**扩大监视网络**： - 实施L-BAT可能需要增加监视基础设施（新相机或改进的覆盖范围），以解决已确定的盲点和低检测区域。 - 由于公共隐私问题和财务成本，这在政治上可能具有挑战性，要求选民要求进行重大扩张。2。**封闭源系统与开源框架**： - L-PET/L-BAT取决于封闭源监视系统利用Yolo等开源框架的有效性。 - 如果专有系统合并了这些框架，则利用L-Pet可以为寻求减少检测的行人提供直接的优势。###限制 - **特定时间的热图**：当前方法在很大程度上依赖于特定时间的数据，并且可能需要在不断变化的照明条件或交通模式下重新校准。 - **可转让性问题**：一个模型生成的检测信心图在不同的架构之间无法互换，从而限制了其广泛的适用性而无需进行广泛的自定义。＃＃＃ 结论该研究提供了一种新型的方法，可在高度监测的城市环境中减轻检测风险，同时提出对监视系统的增强。但是，实践采用面临着与对特定框架的技术依赖性以及潜在的社会抵抗相关的巨大障碍，以抵抗增加的监视措施。本质上，这项工作强调了隐私拥护者和监视利益相关者之间正在进行的技术军备竞赛，这表明任何有效的解决方案都可能需要在安全需求和公众接受之间取得微妙的平衡。
多发性硬化症。在机器学习中：从粒子模拟到现实世界解决方案|消息
2025-01-28 15:45:29
乔尼·基恩（Jonny Keane）是一名来自MSOE计算机科学和机器学习学位的数据科学家，他使用GPU编程模拟了一百万个颗粒，形成了复杂的模式，并最终模拟了MSOE徽标的形状。利用MSOE的NVIDIA GPU驱动的超级计算机Rosie，他展示了对复杂模拟的并行处理的效率，适用于深度学习和现实的视频游戏世界等领域。基恩（Keane）将这些技能运用在直接供应中，重点是解决问题，并平衡AI准确性与客户价值。
乔尼·基恩（Jonny Keane）是一名来自MSOE计算机科学和机器学习学位的数据科学家，他使用GPU编程模拟了一百万个颗粒，形成了复杂的模式，并最终模拟了MSOE徽标的形状。利用MSOE的NVIDIA GPU驱动的超级计算机Rosie，他展示了对复杂模拟的并行处理的效率，适用于深度学习和现实的视频游戏世界等领域。基恩（Keane）将这些技能运用在直接供应中，重点是解决问题，并平衡AI准确性与客户价值。
爱立信推出认知实验室以先驱电信AI研究
2025-01-28 15:41:45
爱立信启动了认知实验室，这是一项虚拟研究计划，旨在推进AI技术，例如图形神经网络（GNNS），主动学习和大规模语言模型（LLMS）进行电信。该倡议强调与开源社区的公开合作，以使社会受益，并具有三个专业研究武器：Gai Lab，MLR Lab和Fai Lab。爱立信还与西班牙的庞特氏菌大学合作，以加速AI研发，将自己定位为电信创新的领导者。
爱立信启动了认知实验室，这是一项虚拟研究计划，旨在推进AI技术，例如图形神经网络（GNNS），主动学习和大规模语言模型（LLMS）进行电信。该倡议强调与开源社区的公开合作，以使社会受益，并具有三个专业研究武器：Gai Lab，MLR Lab和Fai Lab。爱立信还与西班牙的庞特氏菌大学合作，以加速AI研发，将自己定位为电信创新的领导者。
这家石油和天然气巨头正在加入为AI数据中心供电的冒险
2025-01-28 15:36:49
雪佛龙（Chevron），GE Vernova和1号发动机正在成立合资企业，以向人工智能数据中心提供由天然气产生的电力，目标是到2027年底，以4吉瓦的电力为目标。该合资企业旨在满足AI开发的能源需求，该公司的能源需求最近激发了投资者对发电部门的兴趣。尽管采取了这项倡议，但在中国公司DeepSeek发行了有效但能源密集型的AI模型之后，包括GE Vernova在内的电力公司的股票仍下降。合资企业计划在美国各地区部署GE Vernova涡轮机为数据中心项目。
雪佛龙（Chevron），GE Vernova和1号发动机正在成立合资企业，以向人工智能数据中心提供由天然气产生的电力，目标是到2027年底，以4吉瓦的电力为目标。该合资企业旨在满足AI开发的能源需求，该公司的能源需求最近激发了投资者对发电部门的兴趣。尽管采取了这项倡议，但在中国公司DeepSeek发行了有效但能源密集型的AI模型之后，包括GE Vernova在内的电力公司的股票仍下降。合资企业计划在美国各地区部署GE Vernova涡轮机为数据中心项目。
AI从语音图案中检测到的抑郁症
2025-01-28 15:28:27
Kintsugi正念健康开发的机器学习工具通过语音模式分析准确地检测到中度至重度抑郁症，在验证研究中达到71％的敏感性和74％的特异性。该工具确定了与抑郁症相关的语音模式的变化，旨在协助临床医生，但不能取代标准的医疗评估。研究人员使用来自美国和加拿大的14,000多名讲英语的成年人的录音培训了该系统，将其表现与已建立的心理健康测试进行了比较。未来的研究将着重于将该技术纳入初级保健环境，并评估其在各种临床环境中的影响。
Kintsugi正念健康开发的机器学习工具通过语音模式分析准确地检测到中度至重度抑郁症，在验证研究中达到71％的敏感性和74％的特异性。该工具确定了与抑郁症相关的语音模式的变化，旨在协助临床医生，但不能取代标准的医疗评估。研究人员使用来自美国和加拿大的14,000多名讲英语的成年人的录音培训了该系统，将其表现与已建立的心理健康测试进行了比较。未来的研究将着重于将该技术纳入初级保健环境，并评估其在各种临床环境中的影响。
CELESTIAL AI宣布任命半导体行业偶像Lip-Bu TAN董事会成员
2025-01-28 15:18:29
Celestial AI已任命了Lip-Bu Tan，他是半导体行业的著名领导者，拥有超过四十年的经验，并为其董事会。谭（Tan）因其有远见的企业家精神和变革性的技术扩展而闻名，在半导体设计，EDA和AI解决方案中做出了重大贡献。随着Celestial AI提高其Photonic Fabric™平台，他的专业知识至关重要，旨在彻底改变数据中心基础架构以加速计算。
Celestial AI已任命了Lip-Bu Tan，他是半导体行业的著名领导者，拥有超过四十年的经验，并为其董事会。谭（Tan）因其有远见的企业家精神和变革性的技术扩展而闻名，在半导体设计，EDA和AI解决方案中做出了重大贡献。随着Celestial AI提高其Photonic Fabric™平台，他的专业知识至关重要，旨在彻底改变数据中心基础架构以加速计算。
AI工具地图疾病之间隐藏的链接
2025-01-28 15:18:05
Kaust研究人员开发了一种AI驱动的工具，该工具通过分析医学文献和现实世界中的患者数据来揭示疾病之间隐藏的因果关系。该工具映射因果关系，以指导有针对性的治疗策略，并有助于重新利用药物。与关注同时出现的传统方法不同，KAUST工具确定了疾病触发因素，从而导致见解，例如如何治疗上游疾病可以防止下游并发症。通过将科学文献与英国生物库数据相结合，它验证了疾病的逻辑序列并改善了多基因风险评分，以提高预测准确性。现在，研究人员可以使用该工具来完善预防策略并探索新药物的用途。
Kaust研究人员开发了一种AI驱动的工具，该工具通过分析医学文献和现实世界中的患者数据来揭示疾病之间隐藏的因果关系。该工具映射因果关系，以指导有针对性的治疗策略，并有助于重新利用药物。与关注同时出现的传统方法不同，KAUST工具确定了疾病触发因素，从而导致见解，例如如何治疗上游疾病可以防止下游并发症。通过将科学文献与英国生物库数据相结合，它验证了疾病的逻辑序列并改善了多基因风险评分，以提高预测准确性。现在，研究人员可以使用该工具来完善预防策略并探索新药物的用途。
扩大机器人的看法，以使对环境的人性化更加像人类的意识
2025-01-28 14:21:10
文章讨论了卢卡·卡隆（Luca Carlone）博士在推进机器人感知方面的工作，以通过称为“空间AI”的新兴领域使机器人对环境有了更类似人类的了解。这是本文的一些关键点：1。**背景和早期职业**：-Carlone博士开始了他的职业生涯，通过解决SLAM（同时本地化和映射）算法的重大问题，该算法有助于生成更精确的地图而无需初步猜测。 - 随后，他在弗兰克·德拉特（Frank Dellaert）的领导下在佐治亚理工学院（Georgia Tech）进行了计算机愿景，为开源图书馆做出了贡献，这些图书馆对于推进机器人技术至关重要。2。**当前的研究**： - Carlone博士的研究重点是开发算法和软件，以使机器人能够以更细微的方式感知其环境，而不仅仅是几何形状。 - 他的工作涉及使用深度学习和大型语言模型来帮助机器人通过高级推理，类似于人类的工作方式。3。**空间ai **： - 空间AI被描述为SLAM的扩展，使机器人能够更全面地思考和理解其环境，从而与人类的看法相匹配。 - 目标是创建直观的，交互式机器人，该机器人可以浏览复杂的空间，快速适应新环境，并以类似于人类的方式与对象进行交互。4。**开源贡献**： - Carlone博士实验室已发布了60多家全球研究人员和从业人员使用的开源存储库。 - 强调公开共享代码在加速机器人技术领域的进步方面发挥了作用。5。**未来愿景**： - 文章强调，尽管已经取得了重大步伐，但在机器人可以与人类的看法相匹配之前还有很长的路要走。-Carlone博士将机器人能力与他的2岁女儿的能力进行了比较，并指出了幼儿在操纵物体和杂乱无章的空间方面的熟练程度。6。**影响**： - 该研究旨在增强机器人在家庭援助，工作场所自动化，道路安全以及偏远或危险环境等各个领域的效用。 - 强调，尽管挑战仍然存在，但未来仍然有望更聪明，适应性的机器人系统。这篇文章强调了卡隆博士通过协作和开源努力来推动机器人技术的奉献精神，旨在使机器人在复杂的现实世界中更接近类似人类的感知和互动。
文章讨论了卢卡·卡隆（Luca Carlone）博士在推进机器人感知方面的工作，以通过称为“空间AI”的新兴领域使机器人对环境有了更类似人类的了解。这是本文的一些关键点：1。**背景和早期职业**：-Carlone博士开始了他的职业生涯，通过解决SLAM（同时本地化和映射）算法的重大问题，该算法有助于生成更精确的地图而无需初步猜测。 - 随后，他在弗兰克·德拉特（Frank Dellaert）的领导下在佐治亚理工学院（Georgia Tech）进行了计算机愿景，为开源图书馆做出了贡献，这些图书馆对于推进机器人技术至关重要。2。**当前的研究**： - Carlone博士的研究重点是开发算法和软件，以使机器人能够以更细微的方式感知其环境，而不仅仅是几何形状。 - 他的工作涉及使用深度学习和大型语言模型来帮助机器人通过高级推理，类似于人类的工作方式。3。**空间ai **： - 空间AI被描述为SLAM的扩展，使机器人能够更全面地思考和理解其环境，从而与人类的看法相匹配。 - 目标是创建直观的，交互式机器人，该机器人可以浏览复杂的空间，快速适应新环境，并以类似于人类的方式与对象进行交互。4。**开源贡献**： - Carlone博士实验室已发布了60多家全球研究人员和从业人员使用的开源存储库。 - 强调公开共享代码在加速机器人技术领域的进步方面发挥了作用。5。**未来愿景**： - 文章强调，尽管已经取得了重大步伐，但在机器人可以与人类的看法相匹配之前还有很长的路要走。-Carlone博士将机器人能力与他的2岁女儿的能力进行了比较，并指出了幼儿在操纵物体和杂乱无章的空间方面的熟练程度。6。**影响**： - 该研究旨在增强机器人在家庭援助，工作场所自动化，道路安全以及偏远或危险环境等各个领域的效用。 - 强调，尽管挑战仍然存在，但未来仍然有望更聪明，适应性的机器人系统。这篇文章强调了卡隆博士通过协作和开源努力来推动机器人技术的奉献精神，旨在使机器人在复杂的现实世界中更接近类似人类的感知和互动。