Trippy Science Unravels the Mystery of Psychedelics’ Antianxiety Effects
研究人员通过识别和激活特定的大脑区域来模拟迷幻药的抗焦虑作用，这是开发不会引起幻觉的治疗方法的重要一步。
我上周在 Twitter 上发布的一些有趣链接（我也在 Mastodon、Threads、Newsmast 和 Bluesky 上发布了这些链接）：LinkedIn 上的大多数帖子都是由人工智能生成的：https://www.theregister.com/2024/11/28/linkedin_ai_posts/ 光数据传输是满足人工智能计算需求的关键：https://www.theregister.com/2024/11/28/ai_copper_cables_limits/ 谷歌人工智能计划可能面临的法律障碍：https://arstechnica.com/tech-policy/202
How Easy is It to Fool Your Multimodal LLMs? An Empirical Analysis on Deceptive Prompts
多模态大型语言模型 (MLLM) 的显著进步并未使它们免受挑战，特别是在处理提示中的欺骗性信息的情况下，因此在这种情况下会产生幻觉反应。为了定量评估这种脆弱性，我们提出了 MAD-Bench，这是一个精心策划的基准，包含 1000 个测试样本，分为 5 个类别，例如不存在的对象、对象计数和空间关系。我们对流行的 MLLM 进行了全面分析，从 GPT-4v、Reka、Gemini-Pro 到开源模型……
Campus Obscura: Strolling down ‘Fleet Street’
了解斯坦福大学最“不严肃”的无伴奏合唱团 Fleet Street。斯坦福大学传播学教授 Jeff Hancock 表示，他在 ChatGPT 的帮助下起草的一份法庭声明中忽略了“幻觉引文”。斯坦福大学虚假信息专家在法庭声明中承认 ChatGPT 出现“幻觉”一文首先出现在《斯坦福日报》上。
Stanford misinformation expert accused of using AI to fabricate court statement
传播学教授杰夫·汉考克在最近针对政治深度伪造的法庭声明中引用了两个不存在的消息来源。原告认为汉考克使用了“幻觉”消息来源的人工智能工具。文章《斯坦福虚假信息专家被指控使用人工智能伪造法庭声明》首次出现在《斯坦福日报》上。
本周科学播客中有什么内容？本周：老鼠基因、尼安德特游戏、DESI 新闻更新！、鬼屋研究、原住民农业、幻觉、后院鸟类学习、猴子、人工智能诗歌以及更多科学！成为赞助人！在 YouTube 或 Twitch 上查看我们科学播客的完整未剪辑剧集。并且，请记住，您 […] 帖子 2024 年 11 月 20 日 - 第 994 集 - 玩转科学！首次出现在本周科学 - 超酷科学播客上。
New Workshop: "Research & AI: Principles and Practices for Using AI Tools"
研究与人工智能：使用人工智能工具的原则和实践 Reed Hepler 主持的图书馆 2.0“人工智能深度探索”研讨会概述：这个 90 分钟的研讨会探讨了人工智能在学术研究和数字信息素养方面的变革潜力。我们将讨论人工智能工具的优势和局限性，重点关注信息收集、批判性分析和负责任的使用等方面。我们将研究 ChatGPT、Semantic Scholar 和 Perplexity 等工具，以简化研究过程，包括进行文献综述、优化搜索查询和组织信息源。本次会议还探讨了人工智能的已知缺陷，例如“幻觉”、偏见和程序化融洽关系，这些缺陷可能会无意中影响人们对人工智能能力的看法。通过了解人工智能的内部工作原理
Emergent Gravity May Be a Dead Idea, But It's Not a Bad One
保罗·萨特，Ars Tech 新兴引力是一个大胆的想法。它声称引力只是一种幻觉，更类似于摩擦力或热量——一种从更深层次的物质中产生的属性...
Unbundling the Graph in GraphRAG
生成式 AI 实践中经常遇到的一个术语是检索增强生成 (RAG)。使用 RAG 的原因很明显：大型语言模型 (LLM) 实际上是语法引擎，它们倾向于通过从训练数据中编造答案来“产生幻觉”。这些随机的结果可能很有趣，尽管并非完全基于事实。RAG 提供了一种方法 [...]
The Future of Anxiety Relief: Psychedelics Minus the Hallucinogenic Effects
开创性的研究表明，可以将迷幻药的治疗益处与其致幻作用区分开来。通过使用小鼠模型，科学家已经确定了处理这些药物抗焦虑特性的特定神经回路，这些特性不同于产生幻觉的神经回路。这一发现为利用迷幻原理开发更安全、非致幻疗法铺平了道路。 [...]
Making it easier to verify an AI model’s responses
Wes Cockx 和 Google DeepMind / Better Images of AI / AI 大型语言模型 / 由 Adam Zewe 授权 CC-BY 4.0 尽管大型语言模型功能强大，但它们远非完美。这些人工智能模型有时会“产生幻觉”，在响应查询时生成不正确或不受支持的信息。由于这种幻觉 […]
Brain stimulation therapy could help people with schizophrenia who hear voices
据国际研究人员称，非侵入性磁脑刺激治疗可以帮助减少精神分裂症患者听到声音的频率。该团队招募了 62 名患有幻听的精神分裂症患者，对其中一半进行为期两周的有针对性的脑刺激治疗，而另一半接受假治疗。研究人员表示，两周后，接受真正治疗的组幻觉减少幅度更大，这种模式在治疗结束一个月后仍然存在。他们说，更强的电场似乎也更有效。
The Illusion Of Growth: How Inflation Skews Our Perception Of The Stock Market
增长的幻觉：通货膨胀如何扭曲我们对股市的看法作者：亚历山大·弗雷，《大纪元时报》，美国人每次购物都能轻易看到创纪录高通胀的影响。从杂货店到加油站，物价飞涨。尽管通货膨胀已经降温，但家庭仍然感到压力。危害还不止于此：通货膨胀还使股市看起来比实际更强劲，并削减了所有人的回报，包括那些拥有退休账户的人。我们很少听到最后一点。当媒体讨论最新的通货膨胀率时，他们通常会强调消费者价格指数的平均年百分比变化。CPI 跟踪一篮子商品，包括住房、食品、能源、保险等，衡量这些商品随时间的平均价格上涨。从 2016 年到 2020 年，通货膨胀率平均为 1.9%，导致四年内累计价格上涨约 7.7%。美联储的目标利率
我上周在 Twitter 上发布的一些有趣的链接（我也在 Mastodon、Threads、Newsmast 和 Bluesky 上发布了这些链接）：我认为这是不使用 AI 生成重要代码或材料的最大原因——不良行为者太容易将恶意代码注入所使用的模型中：https://arstechnica.com/tech-policy/2024/10/bytedance-intern-fired-for-planting-malicious-code-in-ai-models/Google 的 AI 调解员，有助于引导人们达成一致：https://arstechnica.com/ai/2024/10/goo
ESO reveals spectacular “Dark Wolf Nebula” in time for Halloween
这张暗星云图像在色彩缤纷的宇宙背景下营造出狼一样的轮廓幻觉。文章《ESO 在万圣节前夕揭示壮观的“黑狼星云”》首次出现在《先进科学新闻》上。
New ESO image captures a dark wolf in the sky
在万圣节，欧洲南方天文台 (ESO) 发布了这张幽灵般的暗星云图像，在色彩缤纷的宇宙背景下，它创造了狼一样的轮廓的幻觉。它被恰当地称为“黑狼星云”，是由位于智利的 ESO 帕拉纳尔天文台的 VLT 巡天望远镜 (VST) 拍摄的一张 2.83 亿像素的图像。
The Ultimate Guide to RAGs — Each Component Dissected
RAG 终极指南 — — 剖析每个组件视觉导览构建生产就绪的 LLM 管道所需的条件让我们学习 RAG 吧！（图片来自作者）如果您使用过大型语言模型，很有可能您至少听说过 RAG（检索增强生成）这个术语。RAG 的想法非常简单 — — 假设您想向 LLM 提问，您首先要从外部知识库中检索相关信息，而不是仅仅依赖 LLM 的预训练知识。然后，将检索到的信息与问题一起提供给 LLM，使其生成更明智、最新的响应。将标准 LLM 调用与 RAG 进行比较（来源：图片来自作者）那么，为什么要使用检索增强生成呢？当提供准确和最新的信息是关键时，您不能依赖 LLM 的内置知识。 RAG 是一种廉价实用的方法
New generative AI tools open the doors of music creation
我们最新的AI音乐技术现已在MusicFX DJ，Music AI Sandbox和YouTube短裤 宣布一套全面的，开放的稀疏自动编码器，用于语言模型可解释性。 新的AI系统设计成功结合靶分子的蛋白质，具有推进药物设计，疾病理解等的潜力。 使用深度学习来解决计算量子化学中的基本问题并探索物质与光的相互作用 该模型可以极大地提高性能，并在跨模式的长篇文化理解中取得了突破。 在自然通信中发表的一系列实验中，我们发现证据表明人类判断确实受到对抗性扰动的系统影响。 这是人工智能（AI）研究及其实用应用领域中令人难以置信的一年。 在自然界发表的一篇论文中，我们介绍了FunSearch，这是
