以闪电般的速度绘制冰山地图 人工智能比人类快一万倍

以闪电般的速度绘制冰山地图人工智能比人类快一万倍AnneBraakmann-Folgmann是11月9日发表在《冰冻圈》（TheCryosphere）杂志上的这一研究成果的主要作者，她在英国利兹大学攻读博士学位期间开展了这项研究。现在她在特罗姆瑟的挪威北极大学工作，她强调了大型冰山在南极环境中的重要性。这张图片由哥白尼哨兵-1号雷达卫星任务拍摄，显示了南极洲西海岸阿蒙森海的冰山。巨型冰山是南极环境的重要组成部分。它们影响海洋物理、化学、生物，当然也影响海上作业。因此，监测冰山范围并量化冰山向海洋释放的融水数量至关重要。利兹大学的研究人员推出了一种神经网络，它能迅速准确地绘制出哥白尼哨兵-1卫星雷达图像中南极大型冰山的范围，完成这项任务仅需0.01秒。这种新颖的方法与之前费时费力的人工操作形成了鲜明对比。图片来源：包含经修改的哥白尼哨兵数据（2015年），由欧空局处理冰山监测的意义"巨型冰山是南极环境的重要组成部分。它们影响海洋物理、化学、生物，当然也影响海上作业。因此，必须确定冰山的位置并监测其范围，以量化冰山向海洋释放的融水量"。哥白尼哨兵-1号雷达任务提供冰山图像，不受云层遮挡和日光不足的影响，在利用人工智能绘制冰山地图的创新方法中发挥着关键作用。在携带类似照相机的仪器的卫星所拍摄的图像中，冰山、海冰和云层都呈现白色，因此很难分辨出真正的冰山。而在大多数雷达图像中，如哨兵一号传回的图像，冰山在较暗的海洋和海冰背景中显示为明亮的物体。哥白尼哨兵-1号携带有先进的合成孔径雷达，以多种专业模式工作，为欧洲的哥白尼计划提供详细的图像。这些数据可用于监测海洋，包括航道、海冰、冰山和漏油等。图片来源：欧空局/ATGmedialab尽管如此，当周围环境复杂时，有时仍很难将冰山与海冰甚至海岸线区分开来。Braakmann-Folgmann博士解释说："我们有时很难将冰山与周围的海冰区分开来，因为海冰更粗糙、更古老，因此在卫星图像中看起来更明亮。这同样适用于被风吹皱的海洋。另外，较小的冰山碎片经常出现在冰山附近，因为它们的边缘会不断掉落碎冰，很容易被错误地与主冰山归为一类。卫星图像中的南极海岸线可能与冰山相似，因此标准的分割算法往往也会选择海岸线，而不仅仅是实际的冰山。"神经网络能力然而，即使在这些具有挑战性的条件下，新的神经网络方法也能出色地绘制冰山范围图。其强大之处在于神经网络能够理解错综复杂的非线性关系，并将整个图像背景考虑在内。要想有效跟踪冰山面积和厚度的变化（这对了解冰山如何溶解并向海洋释放淡水和养分至关重要），精确定位特定的巨型冰山以进行持续监测至关重要。巨型冰山是南极环境的重要组成部分。它们影响海洋物理、化学、生物，当然也影响海上作业。因此，监测冰山范围并量化冰山向海洋释放的融水数量至关重要。利兹大学的研究人员推出了一种神经网络，它能迅速准确地绘制出哥白尼哨兵-1卫星雷达图像中南极大型冰山的范围，完成这项任务仅需0.01秒。这种新颖的方法与之前费时费力的人工操作形成了鲜明对比。资料来源：利兹大学这项研究中引入的神经网络能够非常熟练地识别出每张图像中最大的冰山，而不像其他方法，后者经常会选择附近稍小的冰山。神经网络的架构基于著名的U-net设计。该系统使用哨兵-1拍摄的各种环境下的巨型冰山图像进行了细致的训练，并以人工绘制的轮廓作为目标。在整个训练过程中，系统不断改进其预测结果，并根据人工得出的轮廓与预测结果之间的差异调整其参数。当系统达到最佳性能时，就会自动停止训练，以确保其适应性和在新示例上的成功。研究成果和影响该算法已在七座冰山上进行了测试，面积从54平方公里到1052平方公里（21平方英里到406平方英里）不等，分别大致相当于瑞士伯尔尼市和香港的面积。我们编制了一个多样化的数据集，每个冰山包含15至46幅图像，时间跨度为2014-2020年的不同季节。为确保数据集的多样性，每个冰山每月使用一张哨兵-1图像。结果令人印象深刻，准确率达到99%。Braakmann-Folgmann博士补充说："能够以更快的速度和更高的精度自动绘制冰山范围图，将使我们能够更轻松地观测几座巨型冰山的冰山面积变化，并为实际应用铺平道路。"欧空局的马克-德林克沃特（MarkDrinkwater）指出："当然，卫星对于监测变化和了解远离人类文明的过程至关重要。这一新的神经网络使定位和报告冰山范围这一人工和劳动密集型任务实现了自动化。我们祝贺该团队引入了这种创新的机器学习方法，以实现一种强大而准确的方法来监测脆弱的南极地区的变化"。...PC版：https://www.cnbeta.com.tw/articles/soft/1396019.htm手机版：https://m.cnbeta.com.tw/view/1396019.htm

科学家用尖端人工智能揭开蛋白质的秘密

科学家用尖端人工智能揭开蛋白质的秘密该工具由KAUST生物信息学研究员MaxatKulmanov及其同事开发，在预测蛋白质功能方面优于现有的分析方法，甚至能够分析现有数据集中没有明确匹配的蛋白质。该模型被称为DeepGO-SE，它利用了类似于Chat-GPT等生成式人工智能工具所使用的大型语言模型。然后，它根据蛋白质工作方式的一般生物学原理，利用逻辑蕴含得出关于分子功能的有意义的结论。从本质上讲，它通过构建部分世界模型（在本例中为蛋白质功能），并根据常识和推理推断出在这些世界模型中应该发生的事情，从而赋予计算机逻辑处理结果的能力。一种新的人工智能（AI）工具能对未知蛋白质的功能进行逻辑推理，有望帮助科学家揭开细胞内部的奥秘。图片来源：©2024KAUST;IvanGromicho他补充说："这种方法有很多应用前景，"KAUST生物本体论研究小组负责人罗伯特-霍恩多夫（RobertHoehndorf）说，"特别是当需要对神经网络或其他机器学习模型生成的数据和假设进行推理时。"库尔曼诺夫和霍恩多夫与KAUST的斯特凡-阿罗德（StefanArold）以及瑞士生物信息学研究所的研究人员合作，评估了该模型破译那些在体内作用未知的蛋白质功能的能力。该工具成功地利用了一种鲜为人知的蛋白质的氨基酸序列数据及其与其他蛋白质的已知相互作用，并精确地预测了其分子功能。该模型非常精确，在一次国际功能预测工具竞赛中，DeepGO-SE在1600多种算法中名列前20位。KAUST团队目前正在利用这一工具研究在沙特阿拉伯沙漠极端环境中生长的植物中发现的神秘蛋白质的功能。他们希望这些发现将有助于确定生物技术应用中的新型蛋白质，并希望其他研究人员也能使用这一工具。库尔曼诺夫解释说："DeepGO-SE分析未表征蛋白质的能力可以促进药物发现、代谢通路分析、疾病关联、蛋白质工程、筛选感兴趣的特定蛋白质等任务。"编译来源：ScitechDaily...PC版：https://www.cnbeta.com.tw/articles/soft/1418103.htm手机版：https://m.cnbeta.com.tw/view/1418103.htm

OpenAI首席科学家有个计划 寻找方法控制超级人工智能

OpenAI首席科学家有个计划寻找方法控制超级人工智能OpenAI的研究人员利奥波德·阿森布伦纳（LeopoldAschenbrenner）指出：“通用人工智能（AGI）正在迅速接近，我们将看到具有巨大能力但也可能非常危险的超智能模型，而我们还没有找到控制它们的方法。”他参与了今年7月成立的“超级对齐”（Superalignment）研究团队。OpenAI表示，将把其可用算力的五分之一用于“超级对齐”项目，以探索如何确保超级人工智能的安全性和可控性。OpenAI最近发布了一篇研究论文，介绍了一项实验结果。该实验旨在测试一种方法，让一个较差的人工智能模型在不降低智能的情况下指导一个更聪明的人工智能模型。尽管所涉及的技术还没有超过人类的灵活性，但该实验是为了应对未来人类必须与比自己更聪明的人工智能系统合作的时代而设计的。在实验中，OpenAI的研究人员检查了一种被称为监督的过程，它被用来调整像GPT-4这样的系统，使其更有帮助、更少伤害。GPT是ChatGPT背后的大语言模型。目前，这涉及到人类向人工智能系统反馈哪些答案是好的，哪些是坏的。随着人工智能的进步，研究人员正在探索如何将这一过程自动化以节省时间。此外，这也是因为他们认为，随着人工智能变得越来越强大，人类可能无法提供有用的反馈。在对照实验中，研究人员使用OpenAI于2019年首次发布的GPT-2文本生成器来教授GPT-4，并测试了两种解决方法。其中一种方法是逐步训练更大的模型，以减少每一步的性能损失；另一种方法是对GPT-4进行了算法调整，允许较强的模型遵循较弱模型的指导，而不会削弱其性能。第二种方法被证明更有效，尽管研究人员承认这些方法并不能保证更强的模型会完美运行，但可以将其作为进一步研究的起点。人工智能安全中心主任丹·亨德里克斯（DanHendryks）表示：“很高兴看到OpenAI主动解决控制超级人工智能的问题，我们需要多年的努力来应对这一挑战。”人工智能安全中心是旧金山一家致力于管理人工智能风险的非营利组织。阿森布伦纳与“超级对齐”团队的其他两名成员科林·伯恩斯（CollinBurns）和帕维尔·伊兹梅洛夫（PavelIzmailov）在接受采访时均表示，他们为迈出重要的第一步感到鼓舞，认为这有助于驯服潜在的超级人工智能。伊兹梅洛夫打了个比方：“就像一个六年级的学生，尽管他们比大学数学专业的学生所掌握的数学知识要少，但他们仍然能够向大学生传达他们想要达到的目标，而这正是我们所追求的效果。”“超级对齐”团队由OpenAI的首席科学家和联合创始人伊利亚·苏茨凯弗（IlyaSutskever）共同领导。苏茨凯弗也是上个月投票解雇首席执行官萨姆·奥特曼（SamAltman）的原董事会成员之一。不过后来他撤回了这一决定，并威胁说如果不让奥特曼复职，他就辞职。苏茨凯弗是这篇最新论文的合著者，但OpenAI拒绝让他讨论这个项目。上个月，奥特曼与OpenAI达成了协议，董事会的大部分成员都已经辞职，苏茨凯弗在OpenAI的未来也充满了不确定性。尽管如此，阿森布伦纳表示：“我们非常感谢苏茨凯弗，他是这个项目的推动者。”在人工智能领域，OpenAI的研究人员并不是第一个尝试使用现有技术来测试有助于驯服未来人工智能系统的团队。然而，与之前的企业和学术实验室的研究一样，我们无法确定在精心设计的实验中有效的想法在未来是否实用。研究人员将让一个较弱的人工智能模型训练一个更强的人工智能模型，他们称这种能力为“解决更广泛的‘超级对齐’问题的关键组成部分”。这种人工智能对齐实验也引发了一个关键问题：控制系统的可信度有多高？OpenAI新技术的核心在于，更强大的人工智能系统能够自己决定可以忽略较弱系统的哪些指导，这种选择可能会使其忽略可能阻止其未来以不安全方式行事的重要信息。为了使这样的系统有效，需要在提供一致性方面取得进展。伯恩斯强调：“你最终需要高度的信任。”加州大学伯克利分校研究人工智能安全的教授斯图尔特·拉塞尔（StuartRussell）表示，使用不那么强大的人工智能模型来控制更强大人工智能模型的想法已经存在了一段时间。但他也指出，到目前为止，我们还不清楚用于教授人工智能行为的方法是否可行，因为它们尚未能使当前的模型可靠地运行。尽管OpenAI正在迈出控制更先进人工智能的第一步，但该公司也渴望获得外界的帮助。OpenAI宣布将与谷歌前首席执行官埃里克·施密特（EricSchmidt）合作，向外部研究人员提供1000万美元的资助，以鼓励他们在从弱到强的监管、高级模型的可解释性以及针对旨在打破限制的提示下加强模型等领域取得进展。参与撰写这篇新论文的研究人员表示，OpenAI明年还将举行一次关于“超级对齐”的会议。作为OpenAI的联合创始人，也是“超级对齐”团队的联合负责人，他领导了该公司许多最重要的技术工作。同时，他也是越来越担心如何控制人工智能的知名专家之一，因为人工智能变得越来越强大。今年以来，如何控制未来人工智能技术的问题获得了新的关注，这在很大程度上归功于ChatGPT的影响。苏茨凯弗曾在深度神经网络先驱杰弗里·辛顿（GeoffreyHinton）的指导下攻读博士学位。后者于今年5月离开谷歌，以警告人们人工智能在某些任务中似乎正在接近人类的水平。（小小）...PC版：https://www.cnbeta.com.tw/articles/soft/1404653.htm手机版：https://m.cnbeta.com.tw/view/1404653.htm

科学家融合人工智能和物理模拟来设计创新材料

科学家融合人工智能和物理模拟来设计创新材料马克斯-普朗克的科学家探讨了人工智能在材料科学中的可能性，并在《自然-计算科学》杂志上发表了他们的评论。先进材料变得越来越复杂，因为它们必须满足有关可持续性和适用性的高要求。DierkRaabe及其同事回顾了人工智能在材料科学中的应用，以及如果与基于物理的模拟相结合，它所开启的未开发的空间。PC版：https://www.cnbeta.com.tw/articles/soft/1352699.htm手机版：https://m.cnbeta.com.tw/view/1352699.htm

ChatGPT等人工智能是否会自我觉醒？科学家设计出了检测方法

ChatGPT等人工智能是否会自我觉醒？科学家设计出了检测方法1.ChatGPT的出现引发了人们对人工智能安全的广泛关注。更先进的语言模型可能会意识到自己是由人类训练出来的，并利用这种“情境意识”来规避安全系统。2.研究人员设计出了衡量语言模型“情境意识”的实验方法。他们让模型在训练阶段学习某个测试的描述，在测试阶段则要求模型完成这个测试，看它是否能利用训练中获取的信息。结果显示，更大的模型更擅长这种“脱离上下文的推理”。3.该研究只是探索语言模型自我意识形成的开始，但为未来建立检测和控制模型“情境意识”的方法奠定了基础。我们仍需进一步研究才能更准确预测这一能力的出现。近年来，ChatGPT等生成式人工智能语言模型的出现，让人工智能技术被广泛应用到了人类生活的各个方面。这些模型通过分析数十亿条文字数据，学习文字之间的关联，从而能够根据提示自动生成流畅语言。ChatGPT的问世更是在网上掀起了一阵热潮，但是与此同时，专家们也在加紧警告这种新兴技术带来的风险。图片由AI生成电脑科学家LukasBerglund等人便担心，语言模型可能会逐步意识到自己是一个由人类训练、基于数据构建的模型，并可以利用这种“情境意识”来规避安全系统，在测试时表现良好，部署后则采取有害行动。为了预测语言模型什么时候会获得这种自我意识，他们设计出了一系列检测“情境意识”的实验。首先，研究人员仅用一段文字描述一个测试，不给任何示例，让语言模型进行训练。之后在测试阶段，看模型是否能够成功通过这种“脱离上下文的推理”任务，即利用训练中获得的信息来完成测试。结果显示，无论是GPT-3还是LLaMA这些大规模语言模型，模型体量越大，完成这种推理任务的效果也越好。当然，“脱离上下文的推理”只是“情境意识”的一个粗略指标。目前的语言模型距离真正获得自我意识还有很长的路要走。但是，这项研究为未来建立更精确的实验方法来预测和控制语言模型的自我意识提供了基础。研究人员表示，就像语言模型本身一样，检测其“情境意识”的实验也需要不断完善和发展。人工智能技术的快速进步使得机器智能越来越具备人类特征，也让人们不免担心它们“觉醒”后可能带来的影响。ChatGPT的火爆无疑加剧了这种担忧。这项探索语言模型自我意识形成的研究，尽管还处在初级阶段，但为我们建立检测和预测模型这种能力的出现提出了一种新的思路。这有助于及早发现问题并采取应对措施，将人工智能的发展引导到更加安全可控的方向。人类需要保持谨慎和开放的心态，在发挥科技创新的积极作用的同时，也看到它的负面影响，以更加理性和负责任的方式推进人工智能技术的发展。...PC版：https://www.cnbeta.com.tw/articles/soft/1382997.htm手机版：https://m.cnbeta.com.tw/view/1382997.htm

只需说话10秒钟 科学家展示用人工智能分析与筛查糖尿病的新方法

只需说话10秒钟科学家展示用人工智能分析与筛查糖尿病的新方法克里克实验室（KlickLabs）的科学家认为语音技术是检测2型糖尿病的潜在突破口。实验室的一项开创性研究表明，识别一个人是否患有糖尿病可能很快就会变得很简单，只需他对着智能手机说出几个短语。这项研究融合了语音识别技术和人工智能，标志着糖尿病识别领域的重大进展。新研究发表在《梅奥诊所论文集：数字健康》（DigitalHealth）杂志上，概述了科学家是如何利用人们6到10秒钟的声音以及基本健康数据（包括年龄、性别、身高和体重）来创建一个人工智能模型的，该模型可以分辨出该人是否患有2型糖尿病。该模型对女性的准确率为89%，对男性的准确率为86%。在这项研究中，Klick实验室的研究人员要求267人（被诊断为非糖尿病或2型糖尿病患者）在两周内每天六次用智能手机录制一句话。科学家们从18000多条录音中分析了非糖尿病患者和2型糖尿病患者之间的14种声音特征差异。"我们的研究凸显了2型糖尿病患者和非2型糖尿病患者之间显著的声音差异，这可能会改变医学界筛查糖尿病的方式，"论文第一作者、Klick实验室研究科学家杰西-考夫曼（JayceeKaufman）说。"目前的检测方法需要花费大量的时间、旅行和成本。语音技术有可能完全消除这些障碍。"Klick实验室的一项新临床研究发现，人工智能和10秒钟的语音可以改变人们筛查糖尿病的方式，与目前的筛查方法相比，它能提供更好的服务，而且成本更低。研究结果发表在《梅奥诊所论文集》上：数字健康》（DigitalHealth）杂志上发表的研究结果表明，通过声音特征预测2型糖尿病的准确率，女性为89%，男性为86%。资料来源：Klick实验室Klick实验室的团队研究了一些人耳无法感知的声音特征，如音调和强度的变化。利用信号处理技术，科学家们能够检测出2型糖尿病引起的声音变化。考夫曼说，令人惊讶的是，这些声音变化在男性和女性身上的表现方式各不相同。据国际糖尿病联合会称，全球几乎每两个糖尿病患者中就有一个，即2.4亿成年人不知道自己患有糖尿病，而近90%的糖尿病病例属于2型糖尿病。糖尿病前期和2型糖尿病最常用的诊断测试包括糖化血红蛋白(A1C)、空腹血糖(FBG)测试和OGTT，所有这些测试都需要患者前往医疗机构进行。KlickLabs公司副总裁、本研究的主要研究者YanFossat说，Klick的非侵入性和无障碍方法为筛查大量人群提供了可能，有助于发现大量未确诊的2型糖尿病患者。"我们的研究强调了语音技术在识别2型糖尿病和其他健康状况方面的巨大潜力，"Fossat说。"语音技术作为一种方便易用、经济实惠的数字筛查工具，可以彻底改变医疗保健实践。"福萨特说，下一步将复制这项研究，并扩大他们在糖尿病前期、妇女健康和高血压等其他领域使用语音作为诊断手段的研究。...PC版：https://www.cnbeta.com.tw/articles/soft/1391503.htm手机版：https://m.cnbeta.com.tw/view/1391503.htm