Geometric deep learning for protein sequence design
使用 CARBonAra 进行序列预测的示意图。几何变换器对 β-内酰胺酶 TEM-1 酶（灰色）的序列空间进行采样，该酶与天然底物（青色）复合，以产生新的折叠良好且活性高的酶。图片来源：Alexandra Banbanaste (EPFL)。作者：Nik Papageorgiou 设计能够执行特定功能的蛋白质涉及理解和操纵其序列 […]
8 月 28 日，CLAIRE（欧洲人工智能研究实验室联合会）所有问题解答 (AQuA) 系列继续举办，其中一小时的会议重点关注面向公民的人工智能。本次会议与欧洲卓越网络和 ICT-48 项目 VISION 联合举办。本次网络研讨会探讨了应用和行动的具体示例 […]
Developing a system for real-time sensing of flooded roads
作者：安德鲁·贝尔 道路相关事故是全国范围内洪水死亡的主要原因，但有限的洪水报告工具使得实时评估道路状况变得困难。现有工具——交通摄像头、水位传感器甚至社交媒体数据——可以提供洪水观测数据，但它们通常不是主要用于感知洪水的[…]
Forthcoming machine learning and AI seminars: September 2024 edition
这篇文章列出了计划于 2024 年 9 月 2 日至 10 月 31 日举行的人工智能相关研讨会。此处详述的所有活动均免费，任何人都可以虚拟参加。 2024 年 9 月 2 日维也纳数字人文主义宣言——最初五年小组成员：Veronica Kaup-Hasler、Jens Schneider、Noshir Contractor、[…]
Causal inference under incentives: an annotated reading list
因果推理是确定原因是否以及如何导致结果的过程，通常使用统计方法来区分相关性和因果关系。从数据中学习因果关系是一项重要任务，涉及从医疗保健和药物开发到在线广告和电子商务等各种领域。因此，经济学、统计学、计算机科学和公共政策方面的文献中有大量关于设计因果推理算法和方法的研究。虽然大部分重点都集中在统计性质的问题上，但在对有偏好的战略个人进行因果推理时，还必须考虑博弈论激励因素。例如，当研究中的参与者不遵守规定（即参与者不遵守分配给他们的治疗）时，可能很难在随机对照试验中推断因果关系。更一般地说，当个人可以自由选择自己的治疗方法并且具有不同偏好的个体之间存在足够的异质性时，因果学习可能会很困难。即使
AIhub monthly digest: August 2024 – IJCAI, neural operators, and sequential decision making
欢迎阅读我们的月度文摘，在这里您可以了解您可能错过的任何 AIhub 故事，浏览最新消息，回顾最近发生的事件等等。本月，我们将了解神经算子，虚拟参观 IJCAI，并尝试弥合用户期望与 AI 能力之间的差距。采访[…]
Air pollution in South Africa: affordable new devices use AI to monitor hotspots in real time
作者：布鲁斯·梅拉多，威特沃特斯兰德大学 空气质量已成为非洲最重要的公共卫生问题之一。每年，全球因空气质量差而死亡的人数比艾滋病毒、结核病和疟疾的总和还要多。而这只是冰山一角。空气污染使人们的生产力降低，因为他们会头痛和 […]
Proportional aggregation of preferences for sequential decision making
问题陈述 在各种决策环境中，从推荐系统到招聘流程，通常一系列决策都是由一个团队做出的。在这种情况下，一种简单的决策方法是在每一轮中选择支持者最多的替代方案。然而，这种方法可能会导致不具代表性的结果，即多数人决定 […]
Free AI courses from the Turing Institute
如果您有兴趣了解有关人工智能和数据科学不同方面的更多信息，艾伦图灵研究所的资源可能是一个不错的起点。他们有许多免费课程，涵盖了一系列主题。有些课程适合任何学习者。然而，其他人有先决条件，例如 […]
AIhub coffee corner: how do you solve a problem like conference reviewing?
AIhub 咖啡角在简短的对话中捕捉到了人工智能专家的沉思。本月，我们的受托人讨论了会议审查的话题。加入对话的有：Sanmay Das（乔治梅森大学）、Sarit Kraus（巴伊兰大学）、Michael Littman（布朗大学）和 Carles Sierra（CSIC）。露西·史密斯：我们本月的主题是会议审查 […]
Machine learning enhances chemical analysis at the nanoscale
引入一种基于非负矩阵分解的全色锐化 (PSNMF) 方法，从嘈杂的 x 射线光谱数据中确定化学成分。来自：Nano Lett。2024, 24, 33, 10177-10185。作者：Hui Chen、Duncan T. L. Alexander、Cécile Hébert。作者：Nik Papageorgiou “纳米材料”是一个广义术语，用于描述单个单元是 […]
Interview with AAAI Fellow Anima Anandkumar: Neural Operators for science and engineering problems
每年，人工智能促进协会 (AAAI) 都会表彰一群在人工智能领域做出重大、持续贡献的个人，并任命他们为研究员。我们一直在与 2024 年 AAAI 研究员进行交流，以了解有关他们研究的更多信息。在这次采访中，我们见到了 […]
CMU-MATH team’s innovative approach secures 2nd place at the AIMO prize
最近，我们的 CMU-MATH 团队在 1,161 个参赛队伍中脱颖而出，荣获人工智能数学奥林匹克 (AIMO) 的第二名，并获得 65,536 美元的奖金！这一享有盛誉的竞赛旨在彻底改变人工智能在数学问题解决方面的表现，其最终目标是构建一个能够在国际数学奥林匹克 (IMO) 中夺得金牌的公开共享的人工智能模型。深入研究我们的博客，发现我们在这场重要比赛中脱颖而出的制胜法宝。背景：AIMO 竞赛人工智能数学奥林匹克 (AIMO) 奖由 XTX Markets 发起，是一项开创性的竞赛，旨在彻底改变人工智能在数学问题解决中的作用。它通过解决类似于国际数学奥林匹克 (IMO) 中的复杂数学问题来突
Combining Indigenous knowledge and AI to support safer on-ice travel
作者：Val Maloney 气温升高意味着努纳武特地区 Sanikiluaq 的冰季缩短。因此，因纽特人用来旅行和狩猎的由冰冻海水形成的陆地固定冰越来越难以预测和不安全。Polynyas，即开阔水域和薄冰区，出现在洋流或风阻止浮冰 […]
Florian Tramer、Gautam Kamath 和 Nicholas Carlini 凭借其作品《立场：具有大规模公共预训练的差异化隐私学习考量》获得了国际机器学习会议 (ICML2024) 最佳论文奖。在这次采访中，Gautam 总结了这篇论文的一些主要成就。首先，什么是差异隐私，研究人员如何以及为什么 […]
Visuals of AI in the military domain: beyond ‘killer robots’ and towards better images?
作者：Anna Nadibaidze 在这篇博文中，Anna Nadibaidze 探讨了军事领域常见的人工智能视觉效果中的主要主题。受 Better Images of AI 的工作和使命的启发，她主张讨论和寻找人形“杀手机器人”图像的替代品的必要性。安娜拥有博士学位 […]
Behind the scenes at #ICML2024
今年的国际机器学习会议 (ICML) 于 2024 年 7 月 21 日至 27 日在奥地利维也纳举行。组织者推出了一项新功能，即与会议委员会成员进行“幕后”聊天。该系列由 Amin Karbasi 主持，探讨了 ICML 的决策方式，以及其他 […]
#IJCAI2024 – tweet round-up from the main conference
在韩国济州岛举行的第 33 届国际人工智能联合会议 (IJCAI-24) 现已落下帷幕。活动的前三天举办了辅导课、研讨会和博士生联盟课程。您可以在此处查看我们对这些内容的总结。活动的正式开幕式 […]
