全部新闻
约翰·霍普金斯和斯坦福机器人通过观看视频学习手术 - SiliconANGLE
2024-12-30 23:52:01
约翰·霍普金斯大学和斯坦福大学的研究人员开发了一种通过视频分析进行模仿学习来训练手术机器人的方法，使它们能够以与人类外科医生相当的精度执行任务。该团队为达芬奇手术系统配备了机器学习模型，可以分析真实手术的视频，使机器人能够通过观察相对位置而不是遵循刚性路径来学习精确的运动。该系统包含自我评估的反馈机制，可以适应各种手术方式和环境，增强其在现实场景中的实用性。其目标是帮助外科医生，而不是取代他们，从而有可能改善患者护理，特别是当外科医生感到疲劳时。
约翰·霍普金斯大学和斯坦福大学的研究人员开发了一种通过视频分析进行模仿学习来训练手术机器人的方法，使它们能够以与人类外科医生相当的精度执行任务。该团队为达芬奇手术系统配备了机器学习模型，可以分析真实手术的视频，使机器人能够通过观察相对位置而不是遵循刚性路径来学习精确的运动。该系统包含自我评估的反馈机制，可以适应各种手术方式和环境，增强其在现实场景中的实用性。其目标是帮助外科医生，而不是取代他们，从而有可能改善患者护理，特别是当外科医生感到疲劳时。
使用人工智能技术预测患者对药物的情绪
2024-12-30 23:31:01
Amir Sorayaie Azar、Samin Babaei Rikan、Amin Naemi、Jamshid Bagherzadeh Mohasefi 和 Uffe Kock Wiil 撰写的文章“使用人工智能技术预测患者对药物的情绪”重点介绍了利用人工智能方法预测患者对药物的情绪。以下是要点总结：＃＃＃ 概括该研究旨在开发一种基于人工智能的系统，用于根据文本数据（例如评论或评论）预测患者对药物的情绪。研究人员使用了各种机器学习技术，包括预先训练的词嵌入和集成模型。#### 关键组件：- **数据集准备**：收集与患者使用不同药物的经历相关的文本数据。- **特征提取**：利用预先训练的词嵌入模型（如 BERT）进行特征提取。- **模型开发**：实施单模型方法和集成学习技术以提高预测准确性。- **评估指标**：使用准确度、F1 分数和 ROC 曲线下面积 (AUC-ROC) 等指标来评估模型性能。＃＃＃＃ 结果该研究表明，在预测患者对药物的情绪方面，整体方法优于个体模型。结果表明，结合多种人工智能技术可以增强医疗保健应用的情绪预测系统的可靠性和稳健性。### 方法论1. **数据收集**：从在线论坛或评论平台等来源收集文本数据。2. **预处理**：对文本数据进行清理和规范化，包括标记化、停用词去除和词形还原。3. **特征提取**：采用预先训练的语言模型（例如BERT）将原始文本转换为适合机器学习算法的数字特征。4. **模型训练**：- 使用了多种分类技术，例如逻辑回归、SVM、随机森林等。- 实施了 bagging 和 boosting 等集成方法来提高模型性能。### 调查结果- 在情感分析任务中，与单模型方法相比，集成模型表现出更好的准确性和鲁棒性。- 该研究强调了选择适当的特征提取方法（例如词嵌入）对于有效情绪预测的重要性。＃＃＃ 结论研究得出的结论是，人工智能技术，特别是与预先训练的语言模型相结合的集成学习方法，可以有效预测患者对药物的情绪。这种方法对于医疗保健提供者了解患者体验和提高药物依从性可能很有价值。### 影响- **临床决策支持**：通过纳入情感分析来增强临床决策支持系统。- **以患者为中心的护理**：根据患者对其药物的态度制定个性化护理计划。- **药物开发**：通知药物开发流程以在管道早期考虑用户反馈。### 未来的工作作者建议探索更高级的语言模型，例如大规模 Transformer 模型（例如 GPT），并结合多模态数据（文本和图像）进行情感预测。### 道德与利益竞争- 该研究没有竞争利益，也不需要特定的伦理批准，因为它涉及匿名文本数据。本摘要概括了该研究的核心方面，包括其目标、方法、研究结果以及对医疗保健应用的影响。
Amir Sorayaie Azar、Samin Babaei Rikan、Amin Naemi、Jamshid Bagherzadeh Mohasefi 和 Uffe Kock Wiil 撰写的文章“使用人工智能技术预测患者对药物的情绪”重点介绍了利用人工智能方法预测患者对药物的情绪。以下是要点总结：＃＃＃ 概括该研究旨在开发一种基于人工智能的系统，用于根据文本数据（例如评论或评论）预测患者对药物的情绪。研究人员使用了各种机器学习技术，包括预先训练的词嵌入和集成模型。#### 关键组件：- **数据集准备**：收集与患者使用不同药物的经历相关的文本数据。- **特征提取**：利用预先训练的词嵌入模型（如 BERT）进行特征提取。- **模型开发**：实施单模型方法和集成学习技术以提高预测准确性。- **评估指标**：使用准确度、F1 分数和 ROC 曲线下面积 (AUC-ROC) 等指标来评估模型性能。＃＃＃＃ 结果该研究表明，在预测患者对药物的情绪方面，整体方法优于个体模型。结果表明，结合多种人工智能技术可以增强医疗保健应用的情绪预测系统的可靠性和稳健性。### 方法论1. **数据收集**：从在线论坛或评论平台等来源收集文本数据。2. **预处理**：对文本数据进行清理和规范化，包括标记化、停用词去除和词形还原。3. **特征提取**：采用预先训练的语言模型（例如BERT）将原始文本转换为适合机器学习算法的数字特征。4. **模型训练**：- 使用了多种分类技术，例如逻辑回归、SVM、随机森林等。- 实施了 bagging 和 boosting 等集成方法来提高模型性能。### 调查结果- 在情感分析任务中，与单模型方法相比，集成模型表现出更好的准确性和鲁棒性。- 该研究强调了选择适当的特征提取方法（例如词嵌入）对于有效情绪预测的重要性。＃＃＃ 结论研究得出的结论是，人工智能技术，特别是与预先训练的语言模型相结合的集成学习方法，可以有效预测患者对药物的情绪。这种方法对于医疗保健提供者了解患者体验和提高药物依从性可能很有价值。### 影响- **临床决策支持**：通过纳入情感分析来增强临床决策支持系统。- **以患者为中心的护理**：根据患者对其药物的态度制定个性化护理计划。- **药物开发**：通知药物开发流程以在管道早期考虑用户反馈。### 未来的工作作者建议探索更高级的语言模型，例如大规模 Transformer 模型（例如 GPT），并结合多模态数据（文本和图像）进行情感预测。### 道德与利益竞争- 该研究没有竞争利益，也不需要特定的伦理批准，因为它涉及匿名文本数据。本摘要概括了该研究的核心方面，包括其目标、方法、研究结果以及对医疗保健应用的影响。
为毛伊县农民收集卫星见解
2024-12-30 23:20:06
夏威夷大学马诺阿分校助理教授诺亚·凯库瓦·林肯 (Noa Kekuewa Lincoln) 强调，粮食主权不仅仅包括获得具有文化意义的食物；还包括获得食物。它还涉及对食品系统的控制。他指出，在欧洲接触之前，夏威夷人拥有强大的农业系统，但捕鲸和种植园农业的土地利用变化导致了传统农业的衰落。如今，夏威夷农民面临着旅游压力、军事存在和气候变化影响等挑战。Hiroshi Suzuki 是毛伊岛冈村农场的一名前软件工程师，后来成为一名农民，他使用人工智能驱动的 Maui Nui Crop Monitor 时事通讯中的数据来优化西葫芦等农作物的用水量。目标是通过可持续地提供当地优质农产品来改善粮食安全。该项目的更广泛目标是通过现代技术尊重夏威夷农业遗产，同时解决当前农业实践中的挑战。这包括与 NASA Acres 和当地农民密切合作，扩大作物管理工具的范围并加强可持续发展工作。
夏威夷大学马诺阿分校助理教授诺亚·凯库瓦·林肯 (Noa Kekuewa Lincoln) 强调，粮食主权不仅仅包括获得具有文化意义的食物；还包括获得食物。它还涉及对食品系统的控制。他指出，在欧洲接触之前，夏威夷人拥有强大的农业系统，但捕鲸和种植园农业的土地利用变化导致了传统农业的衰落。如今，夏威夷农民面临着旅游压力、军事存在和气候变化影响等挑战。Hiroshi Suzuki 是毛伊岛冈村农场的一名前软件工程师，后来成为一名农民，他使用人工智能驱动的 Maui Nui Crop Monitor 时事通讯中的数据来优化西葫芦等农作物的用水量。目标是通过可持续地提供当地优质农产品来改善粮食安全。该项目的更广泛目标是通过现代技术尊重夏威夷农业遗产，同时解决当前农业实践中的挑战。这包括与 NASA Acres 和当地农民密切合作，扩大作物管理工具的范围并加强可持续发展工作。
NVIDIA (NVDA) 7 亿美元收购 Run:ai 如何重塑 AI 和 GPU 市场
2024-12-30 23:02:45
CNBC 12 月 30 日报道称，生成式人工智能正在迅速被企业用于客户服务自动化和数据分析等任务，有可能在未来十年将全球 GDP 拉动 7 万亿美元。然而，企业领导人对其未来发展速度和道德风险存在不同看法。此外，Deirdre Bosa 还报道了中国开发的一种名为 DeepSeek 的开源人工智能模型，该模型的性能优于 GPT-4 等领先模型，而成本却仅为 GPT-4 的一小部分，挑战了美国主要科技公司的主导地位，并凸显了开源模型的潜力为人工智能竞赛创造公平的竞争环境。
CNBC 12 月 30 日报道称，生成式人工智能正在迅速被企业用于客户服务自动化和数据分析等任务，有可能在未来十年将全球 GDP 拉动 7 万亿美元。然而，企业领导人对其未来发展速度和道德风险存在不同看法。此外，Deirdre Bosa 还报道了中国开发的一种名为 DeepSeek 的开源人工智能模型，该模型的性能优于 GPT-4 等领先模型，而成本却仅为 GPT-4 的一小部分，挑战了美国主要科技公司的主导地位，并凸显了开源模型的潜力为人工智能竞赛创造公平的竞争环境。
金德摩根人工智能拉力赛还有进一步进行吗？（纽约证券交易所代码：KMI）
2024-12-30 23:00:00
分析师披露：作者没有持有上述任何股票的头寸，也没有计划在未来 72 小时内建立任何此类头寸。文章表达了作者自己的观点，他们没有因此获得报酬（除了来自 Seeking Alpha 的报酬）。作者与任何讨论其股票的公司也没有任何业务关系。寻求 Alpha 披露：过去的表现并不能保证未来的结果。不提供有关投资是否适合特定投资者的建议或建议。作者表达的观点可能不代表 Seeking Alpha 的整体观点。Seeking Alpha 不是持牌证券交易商、经纪人、美国投资顾问或投资银行。分析师是第三方作者，包括专业和个人投资者，没有任何机构或监管机构的许可或认证。
分析师披露：作者没有持有上述任何股票的头寸，也没有计划在未来 72 小时内建立任何此类头寸。文章表达了作者自己的观点，他们没有因此获得报酬（除了来自 Seeking Alpha 的报酬）。作者与任何讨论其股票的公司也没有任何业务关系。寻求 Alpha 披露：过去的表现并不能保证未来的结果。不提供有关投资是否适合特定投资者的建议或建议。作者表达的观点可能不代表 Seeking Alpha 的整体观点。Seeking Alpha 不是持牌证券交易商、经纪人、美国投资顾问或投资银行。分析师是第三方作者，包括专业和个人投资者，没有任何机构或监管机构的许可或认证。
Facebook 和 Instagram 将释放人工智能生成的“用户”，无人问津
2024-12-30 22:20:03
Meta（原名 Facebook）正在将重点转向将人工智能整合到其平台中，尽管元宇宙概念过去曾遭遇失败。该公司计划在 Facebook 和 Instagram 上推出半独立的人工智能头像，旨在吸引年轻人群。虽然 Meta 已经推出了 AI Studio，供用户创建自己的聊天机器人，但它现在将这些机器人设想为成熟的“用户”，在其社交网络中共享内容并进行交互。此举引发了人们对人工智能社交媒体环境的吸引力和道德的质疑。
Meta（原名 Facebook）正在将重点转向将人工智能整合到其平台中，尽管元宇宙概念过去曾遭遇失败。该公司计划在 Facebook 和 Instagram 上推出半独立的人工智能头像，旨在吸引年轻人群。虽然 Meta 已经推出了 AI Studio，供用户创建自己的聊天机器人，但它现在将这些机器人设想为成熟的“用户”，在其社交网络中共享内容并进行交互。此举引发了人们对人工智能社交媒体环境的吸引力和道德的质疑。
利用机器学习和分子模拟阐明聚酰胺膜去除 PFAS 的控制因素
2024-12-30 22:18:44
“利用机器学习和分子模拟阐明聚酰胺膜去除 PFAS 的控制因素”的研究探索了水处理过程中全氟烷基物质和多氟烷基物质 (PFAS) 去除效率背后的机制。该研究是多个机构之间的合作成果，重点是了解 PFAS 分子的不同物理和化学特性如何影响它们与反渗透 (RO) 系统中使用的聚酰胺膜的相互作用。### 主要发现：1. **实验设置：**- 进行反渗透实验以评估各种 PFAS 化合物的去除效率。- 分析了不同类型和链长的 PFAS 分子的膜性能。2. **机器学习模型：**- 开发了机器学习 (ML) 框架，用于根据分子特性（如尺寸、极性、电荷等）预测去除效率。- 使用从 RO 测试收集的实验数据来训练 ML 模型。3. **分子动力学模拟：**- 进行分子动力学 (MD) 模拟，以深入了解 PFAS 分子和聚酰胺膜在原子水平上的相互作用。- 该研究在这些模拟中考虑了疏水性、氢键结合能力和分子灵活性等因素。4. **确定的控制因素：**- 发现聚酰胺膜对 PFAS 的去除效率受到 PFAS 分子大小（分子量）的显着影响。- PFAS 化合物和膜孔之间的极性相互作用在决定其保留方面发挥着至关重要的作用。- PFAS 和膜材料的氢键结合能力是影响去除效率的另一个关键因素。5. **每位作者的贡献：**- Nohyeong Jeong、Shinyun Park、Subhamoy Mahajan、Ji Zhou 对机器学习建模和分子动力学模拟做出了贡献。- Jens Blotevogel、童铁正、陈永生为本研究提供了实验数据和概念指导。### 影响：- 该研究为不同 PFAS 化合物如何在宏观和微观层面与聚酰胺膜相互作用提供了宝贵的见解。- 了解这些相互作用有助于设计更有效的反渗透膜，专门用于去除水源中的 PFAS 污染物。- 机器学习模型可以进一步完善，以预测新发现的 PFAS 分子的去除效率，从而有助于先进处理技术的开发。＃＃＃ 结论：该研究成功地将实验数据与计算建模技术结合起来，阐明了聚酰胺膜去除 PFAS 的机制。这种跨学科方法不仅增强了我们的基本理解，而且为水净化技术的创新解决方案铺平了道路。如果您有任何具体问题或需要有关本研究特定方面的更多详细信息，请随时询问！
“利用机器学习和分子模拟阐明聚酰胺膜去除 PFAS 的控制因素”的研究探索了水处理过程中全氟烷基物质和多氟烷基物质 (PFAS) 去除效率背后的机制。该研究是多个机构之间的合作成果，重点是了解 PFAS 分子的不同物理和化学特性如何影响它们与反渗透 (RO) 系统中使用的聚酰胺膜的相互作用。### 主要发现：1. **实验设置：**- 进行反渗透实验以评估各种 PFAS 化合物的去除效率。- 分析了不同类型和链长的 PFAS 分子的膜性能。2. **机器学习模型：**- 开发了机器学习 (ML) 框架，用于根据分子特性（如尺寸、极性、电荷等）预测去除效率。- 使用从 RO 测试收集的实验数据来训练 ML 模型。3. **分子动力学模拟：**- 进行分子动力学 (MD) 模拟，以深入了解 PFAS 分子和聚酰胺膜在原子水平上的相互作用。- 该研究在这些模拟中考虑了疏水性、氢键结合能力和分子灵活性等因素。4. **确定的控制因素：**- 发现聚酰胺膜对 PFAS 的去除效率受到 PFAS 分子大小（分子量）的显着影响。- PFAS 化合物和膜孔之间的极性相互作用在决定其保留方面发挥着至关重要的作用。- PFAS 和膜材料的氢键结合能力是影响去除效率的另一个关键因素。5. **每位作者的贡献：**- Nohyeong Jeong、Shinyun Park、Subhamoy Mahajan、Ji Zhou 对机器学习建模和分子动力学模拟做出了贡献。- Jens Blotevogel、童铁正、陈永生为本研究提供了实验数据和概念指导。### 影响：- 该研究为不同 PFAS 化合物如何在宏观和微观层面与聚酰胺膜相互作用提供了宝贵的见解。- 了解这些相互作用有助于设计更有效的反渗透膜，专门用于去除水源中的 PFAS 污染物。- 机器学习模型可以进一步完善，以预测新发现的 PFAS 分子的去除效率，从而有助于先进处理技术的开发。＃＃＃ 结论：该研究成功地将实验数据与计算建模技术结合起来，阐明了聚酰胺膜去除 PFAS 的机制。这种跨学科方法不仅增强了我们的基本理解，而且为水净化技术的创新解决方案铺平了道路。如果您有任何具体问题或需要有关本研究特定方面的更多详细信息，请随时询问！
iWallet 开始提供语音人工智能支付 |PYMNTS.com
2024-12-30 22:17:04
数字支付解决方案提供商 iWallet 正在集成语音人工智能技术来增强其支付产品。这项创新旨在迎合越来越多地使用语音技术的消费者，同时解决支付行业内安全、现代集成的滞后问题。iWallet 声称其正在开创一种符合 PCI 标准的电话订购 (TO) 系统，该系统利用人工智能驱动的语音命令而不是传统的 DTMF 信号方法，从而提供更好的客户体验和安全性。PYMNTS 研究强调，此举与消费者越来越多地采用语音技术进行购物相一致。
数字支付解决方案提供商 iWallet 正在集成语音人工智能技术来增强其支付产品。这项创新旨在迎合越来越多地使用语音技术的消费者，同时解决支付行业内安全、现代集成的滞后问题。iWallet 声称其正在开创一种符合 PCI 标准的电话订购 (TO) 系统，该系统利用人工智能驱动的语音命令而不是传统的 DTMF 信号方法，从而提供更好的客户体验和安全性。PYMNTS 研究强调，此举与消费者越来越多地采用语音技术进行购物相一致。
字节跳动似乎正在规避美国购买 Nvidia 芯片的限制：报告 |TechCrunch
2024-12-30 22:02:46
TikTok 的母公司字节跳动计划在 2025 年斥资 70 亿美元购买 Nvidia 芯片，尽管美国旨在阻止中国公司获得此类技术的限制。字节跳动正在通过将芯片存储在中国境外（包括东南亚）的数据中心来规避这些限制。此举将使字节跳动成为全球最大的英伟达芯片拥有者之一。
TikTok 的母公司字节跳动计划在 2025 年斥资 70 亿美元购买 Nvidia 芯片，尽管美国旨在阻止中国公司获得此类技术的限制。字节跳动正在通过将芯片存储在中国境外（包括东南亚）的数据中心来规避这些限制。此举将使字节跳动成为全球最大的英伟达芯片拥有者之一。
德克萨斯州考虑全面的人工智能法案
2024-12-30 22:01:23
拟议的《德克萨斯人工智能法规》旨在以促进公平、透明和问责的方式规范人工智能 (AI) 系统的开发和使用。以下是摘要中的要点：- 它将人工智能定义为一种基于机器的系统，旨在自主做出决策或建议。- “后果性决策”被定义为对获得教育、就业、医疗保健、住房等基本服务产生重大影响的自动决策。- 该准则要求人工智能系统的提供商做出相应的决策：- 对潜在风险和危害进行评估并记录- 实施保障措施以应对已识别的风险- 如果人工智能的使用影响个人的权利或机会，则提供通知解释其使用- 提供商必须将系统记录保存至少 3 年，包括风险评估文件。- 德克萨斯州州长必须成立人工智能委员会，就人工智能政策和道德提供建议。- 禁止人工智能的某些用途，例如：- 对刑事司法案件做出相应的决定- 未经同意在公共场所使用面部识别技术- 如果人工智能系统已被用来做出影响他们的决策，提供商必须告知个人。- 德克萨斯州总检察长可以对违法行为采取执法行动。该准则旨在平衡促进人工智能的有益用途，同时保护消费者权利和防止有害或歧视性应用。然而，这些规定在实践中如何实施和执行仍有待观察。总体而言，它代表了一个国家试图通过监管手段应对人工智能技术的快速发展。
拟议的《德克萨斯人工智能法规》旨在以促进公平、透明和问责的方式规范人工智能 (AI) 系统的开发和使用。以下是摘要中的要点：- 它将人工智能定义为一种基于机器的系统，旨在自主做出决策或建议。- “后果性决策”被定义为对获得教育、就业、医疗保健、住房等基本服务产生重大影响的自动决策。- 该准则要求人工智能系统的提供商做出相应的决策：- 对潜在风险和危害进行评估并记录- 实施保障措施以应对已识别的风险- 如果人工智能的使用影响个人的权利或机会，则提供通知解释其使用- 提供商必须将系统记录保存至少 3 年，包括风险评估文件。- 德克萨斯州州长必须成立人工智能委员会，就人工智能政策和道德提供建议。- 禁止人工智能的某些用途，例如：- 对刑事司法案件做出相应的决定- 未经同意在公共场所使用面部识别技术- 如果人工智能系统已被用来做出影响他们的决策，提供商必须告知个人。- 德克萨斯州总检察长可以对违法行为采取执法行动。该准则旨在平衡促进人工智能的有益用途，同时保护消费者权利和防止有害或歧视性应用。然而，这些规定在实践中如何实施和执行仍有待观察。总体而言，它代表了一个国家试图通过监管手段应对人工智能技术的快速发展。