全部新闻
Cathie Wood讨价还价：她刚刚在蘸酱上购买的1个怪物人工智能（AI）半导体股票。（提示：不是NVIDIA或AMD。）
2025-05-29 13:30:00
凯茜·伍德（Cathie Wood）在市场抛售期间，尤其是在NVIDIA和Advanced Micro Devices中，她一直在增加她的半导体库存位置。最近，她增加了台湾半导体制造业（TSM）股份，标志着多年缺席后的方舟购买了大量购买。这一举动强调了方舟对AI芯片的越来越重视，并将其现有投机性投资与更多主流的半导体公司进行了补充。
凯茜·伍德（Cathie Wood）在市场抛售期间，尤其是在NVIDIA和Advanced Micro Devices中，她一直在增加她的半导体库存位置。最近，她增加了台湾半导体制造业（TSM）股份，标志着多年缺席后的方舟购买了大量购买。这一举动强调了方舟对AI芯片的越来越重视，并将其现有投机性投资与更多主流的半导体公司进行了补充。
2025-05-29 13:07:18
2025-05-29 13:01:11
Maxar Intelligence Taps技术老兵领导商业业务
2025-05-29 13:00:00
Maxar Intelligence任命Todd Surdey为高级副总裁兼总经理，领导其旨在通过AI驱动的地理空间技术扩大市场范围的商业运营。资深技术执行官Surdey将监督Maxar的企业业务部门，该业务为消费者制图，能源，汽车和电信提供等领域提供地理空间数据和分析。他的任命是在保罗·格兰尼托（Paul Granito）离开之后，并通过利用AI来增强卫星图像实用程序来反映Maxar超越其核心政府客户进入商业市场的战略。
Maxar Intelligence任命Todd Surdey为高级副总裁兼总经理，领导其旨在通过AI驱动的地理空间技术扩大市场范围的商业运营。资深技术执行官Surdey将监督Maxar的企业业务部门，该业务为消费者制图，能源，汽车和电信提供等领域提供地理空间数据和分析。他的任命是在保罗·格兰尼托（Paul Granito）离开之后，并通过利用AI来增强卫星图像实用程序来反映Maxar超越其核心政府客户进入商业市场的战略。
2025-05-29 12:47:43
2025-05-29 12:44:00
人工智能模型可预测革兰氏阴性血液感染的抗性
2025-05-29 12:42:00
Bonazzetti等人发表在NPJ数字医学上的Bonazzetti等人介绍了一项研究，旨在开发一种基于AI的预测模型来鉴定革兰氏阴性血液链感染（BSIS）的抗生素耐药性（BSIS）。这是研究的摘要和要点：1。背景： - 革兰氏阴性BSI与高发病率和死亡率有关。 - 快速鉴定病原体及其抵抗模式会显着影响患者的结果。2。目的：为了开发一种预测革兰氏阴性BSI患者抗生素耐药性的AI模型，有可能允许进行更靶向的经验疗法。3。方法论： - 在三级护理医院进行的回顾性队列研究。 - 2018年1月至2021年12月之间，从407名诊断为革兰氏阴性BSI的患者收集的数据。 - 变量包括患者人口统计，临床特征，实验室结果和微生物学数据。4。模型开发： - 使用机器学习算法创建了AI模型。 - 该模型包含了各种参数，例如年龄，性别，基本合并症，感染类型和初始抗生素治疗。 - 评估了预测精度的公共电阻模式（例如，扩展的频谱β-内酰胺酶[ESBL]，碳青霉烯酶）。5。结果： - AI模型对各种电阻模式表现出很高的预测精度。 - 与常规临床预测规则相比，它显示出更好的性能。 - 该模型可以预测在传统微生物学培养结果可获得24小时之前的耐药性。6。含义： - 通过这种AI模型对抗生素耐药性的早期鉴定可以帮助及时降级或修改经验疗法。 - 这种方法可能会减少与不适当初始抗生素选择相关的治疗失败的发生率和并发症。7。限制： - 该研究是在一个中心进行的，该中心限制了对其他设置的普遍性。 - 回顾性收集数据，可能引入偏见。 - 模型的性能需要在前瞻性研究中验证。8。未来的方向： - 在较大和多中心队列中对AI模型的验证。 - 将模型集成到实时指导的临床决策支持系统中。 - 进一步的研究以扩大模型的预测能力（例如，预测其他抗生素的抗性模式）。9。结论：革兰氏阴性BSI中基于AI的抗生素耐药性的预测模型是迈向传染病中个性化和精确医学的重要一步，可能会改善患者的结局，同时最大程度地减少抗生素滥用。该研究强调了人工智能在增强革兰氏阴性细菌引起的血液感染患者的诊断准确性和治疗优化方面的潜力。但是，在考虑广泛实施之前，它也强调了进一步研究以验证各种临床环境的这些发现。
Bonazzetti等人发表在NPJ数字医学上的Bonazzetti等人介绍了一项研究，旨在开发一种基于AI的预测模型来鉴定革兰氏阴性血液链感染（BSIS）的抗生素耐药性（BSIS）。这是研究的摘要和要点：1。背景： - 革兰氏阴性BSI与高发病率和死亡率有关。 - 快速鉴定病原体及其抵抗模式会显着影响患者的结果。2。目的：为了开发一种预测革兰氏阴性BSI患者抗生素耐药性的AI模型，有可能允许进行更靶向的经验疗法。3。方法论： - 在三级护理医院进行的回顾性队列研究。 - 2018年1月至2021年12月之间，从407名诊断为革兰氏阴性BSI的患者收集的数据。 - 变量包括患者人口统计，临床特征，实验室结果和微生物学数据。4。模型开发： - 使用机器学习算法创建了AI模型。 - 该模型包含了各种参数，例如年龄，性别，基本合并症，感染类型和初始抗生素治疗。 - 评估了预测精度的公共电阻模式（例如，扩展的频谱β-内酰胺酶[ESBL]，碳青霉烯酶）。5。结果： - AI模型对各种电阻模式表现出很高的预测精度。 - 与常规临床预测规则相比，它显示出更好的性能。 - 该模型可以预测在传统微生物学培养结果可获得24小时之前的耐药性。6。含义： - 通过这种AI模型对抗生素耐药性的早期鉴定可以帮助及时降级或修改经验疗法。 - 这种方法可能会减少与不适当初始抗生素选择相关的治疗失败的发生率和并发症。7。限制： - 该研究是在一个中心进行的，该中心限制了对其他设置的普遍性。 - 回顾性收集数据，可能引入偏见。 - 模型的性能需要在前瞻性研究中验证。8。未来的方向： - 在较大和多中心队列中对AI模型的验证。 - 将模型集成到实时指导的临床决策支持系统中。 - 进一步的研究以扩大模型的预测能力（例如，预测其他抗生素的抗性模式）。9。结论：革兰氏阴性BSI中基于AI的抗生素耐药性的预测模型是迈向传染病中个性化和精确医学的重要一步，可能会改善患者的结局，同时最大程度地减少抗生素滥用。该研究强调了人工智能在增强革兰氏阴性细菌引起的血液感染患者的诊断准确性和治疗优化方面的潜力。但是，在考虑广泛实施之前，它也强调了进一步研究以验证各种临床环境的这些发现。
当人工智能中没有情报时
2025-05-29 12:41:36
建筑师对AI Echo过去对计算机辅助设计（CAD）的担忧在1980年代担心，在1980年代，对失业和创造力降低的类似担忧也没有根据。平淡的建筑物背后的真正问题是人类的创造力，而不是像CAD或AI这样的工具。年轻的建筑师更愿意将AI纳入他们的工作而毫无恐惧。尽管最初的AI生成的设计显示出局限性，但该技术最终可能会像音乐生产软件一样完善自己。对减轻AI的工作威胁的法律响应似乎是不可避免的，但不会限制其重视它的人的使用。最终，建筑师应该接受新技术，而不是害怕它们。
建筑师对AI Echo过去对计算机辅助设计（CAD）的担忧在1980年代担心，在1980年代，对失业和创造力降低的类似担忧也没有根据。平淡的建筑物背后的真正问题是人类的创造力，而不是像CAD或AI这样的工具。年轻的建筑师更愿意将AI纳入他们的工作而毫无恐惧。尽管最初的AI生成的设计显示出局限性，但该技术最终可能会像音乐生产软件一样完善自己。对减轻AI的工作威胁的法律响应似乎是不可避免的，但不会限制其重视它的人的使用。最终，建筑师应该接受新技术，而不是害怕它们。
2025-05-29 12:25:00
在Google I/O，该公司的AI愿景终于成为焦点
2025-05-29 12:01:00
Google在其I/O开发人员会议上展示了AI的重大进展，这在其初始实验阶段超出其AI技术的成熟度。重点从组织信息转变为通过语言直觉自动交付，挑战传统搜索方法并可能减少网站流量。Google的进步包括一种新的AI模式，该模式将Gemini与Google搜索集成在一起，从而删除了纯AI聊天界面的传统10个蓝色链接。AI视频编辑，图像生成和AR眼镜等创新也突出了用户互动和效率的改进。这种轮班定位Google可以更有效地与OpenAI的Chatgpt竞争，以成为全球用户的默认AI解决方案。
Google在其I/O开发人员会议上展示了AI的重大进展，这在其初始实验阶段超出其AI技术的成熟度。重点从组织信息转变为通过语言直觉自动交付，挑战传统搜索方法并可能减少网站流量。Google的进步包括一种新的AI模式，该模式将Gemini与Google搜索集成在一起，从而删除了纯AI聊天界面的传统10个蓝色链接。AI视频编辑，图像生成和AR眼镜等创新也突出了用户互动和效率的改进。这种轮班定位Google可以更有效地与OpenAI的Chatgpt竞争，以成为全球用户的默认AI解决方案。