Нейронную сеть обучили распознавать жалобы на лекарства в соцсетях
一组俄罗斯研究人员训练了一个神经网络来分析社交网络用户对药物影响的看法。科学家们的主要目标是弥合患者和医疗保健专业人员之间的术语差距。
Двуногих роботов обучили перемещаться по пересеченной местности (+ видео)
与人类和大多数陆地动物一样，双足机器人需要能够在崎岖的地形中航行，才能在救灾和搜救工作中发挥作用。
ИИ обучают управлять радиочастотным спектром (+видео)
位于马里兰州巴尔的摩的约翰霍普金斯大学设施模拟了复杂、嘈杂的无线电环境。这个空间被称为罗马斗兽场，是最新的 DARPA（国防高级研究计划局）创意竞赛的竞技场。
Нейронную сеть научили моделировать потенциальные противораковые лекарства
来自 Mail.Ru Group、Insilico Medicine 和 MIPT 的开发人员率先使用神经网络来创造新药。使用经过训练“发明”分子结构的生成神经对抗网络技术可以显着减少寻找具有潜在治疗特性的物质的时间和成本。
AI May Soon Help You Understand What Your Pet Is Trying to Say
中国科技强国百度（Baidu）已为系统提交了一项专利，该系统可以使用AI来解码动物声音和行为，然后将这些信号转化为人类语言。对于数百万宠物主人想知道动物在想什么，这可能是弥合人类与动物之间的沟通鸿沟的第一步。 Tech Baidu的系统将收集动物发声，身体运动和生物信号。它将合并数据并将其馈送到经过训练以识别情绪状态的AI模型中。然后，这些情绪状态可以用人类的语言渲染，以提高“跨物种交流”。AI很快可能会帮助您了解宠物试图首先出现在Dailyai上。
Sea lion Ronan has better rhythm than some humans
来自加利福尼亚的15岁海狮可以比一些人类保持时间更好。 Ronan The Sea Lion以前一直为自己的节奏而风靡一时，并且经过训练，以保留时间，甚至是现代音乐，因为她三岁。为了测试罗南的节奏，研究人员评估了她在每分钟112、120和128次跳舞中跳舞的一致性和协调性，并将她的表现与10名18-23岁的学生进行了比较。研究人员说，总的来说，罗南比学生更多，而与人类相比，她的准确性在更快的速度时就会增加。
ImmerseDiffusion: A Generative Spatial Audio Latent Diffusion Model
我们引入了 ImmerseDiffusion，这是一种端到端生成音频模型，可根据声音对象的空间、时间和环境条件产生 3D 沉浸式音景。ImmerseDiffusion 经过训练可生成一阶环绕声 (FOA) 音频，这是一种包含四个通道的传统空间音频格式，可以渲染为多通道空间输出。所提出的生成系统由将 FOA 音频映射到潜在成分的空间音频编解码器、基于各种用户输入类型训练的潜在扩散模型（即文本提示、空间……
我们引入了形状标记，这是一种连续、紧凑且易于集成到机器学习模型中的 3D 表示。形状标记用作条件向量，表示 3D 流匹配模型中的形状信息。此流匹配模型经过训练，可以近似对应于集中在 3D 形状表面上的 delta 函数的概率密度函数。通过将形状标记整合到各种机器学习模型中，我们可以生成新形状、将图像转换为 3D、将 3D 形状与文本和图像对齐，并直接在变量处渲染形状……
Weekly Review 27 December 2024
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）：为什么人工智能仍然无法处理大块文本：https://arstechnica.com/ai/2024/12/why-ai-language-models-choke-on-too-much-text/一旦经过训练，人工智能就会固守自己的观点，即使经过再训练也是如此：https://techcrunch.com/2024/12/18/new-anthropic-study-shows-ai-really-doesnt-want-to-be-force
Algorithms could be coming for the job of whiskey-tasting
国际研究人员表示，尽管他们无疑不那么喜欢威士忌，但算法在品尝威士忌方面可能比人类专家做得更好。该团队开发了一种算法，该算法经过训练，可以使用威士忌分子组成的数据来识别其产地和品尝笔记。很难从一组训练有素的人类专家那里就品酒笔记达成共识，因此研究人员将他们的算法对七种美国威士忌和九种苏格兰威士忌的评估与 11 人专家小组和另一个神经网络模型进行了比较。研究人员表示，他们的算法能够以 90% 的准确率识别威士忌的产地，并且他们的算法和另一个模型都能够比人类小组中的任何一位专家更准确地识别每种威士忌的五种最强烈的味道。
Dogs Can Talk? Study Confirms Dogs Intentionally Use Soundboards To Communicate
加州大学圣地亚哥分校的一项研究发现，狗可以有意使用音板进行交流，按下特定的按钮组合来表达它们的需求。加州大学圣地亚哥分校比较认知实验室最近的一项研究表明，经过训练使用音板进行交流的狗可以创造出两个单词的组合，这超出了单纯的随机行为或简单模仿它们的 [...]
Dogs use two-word button combos to communicate, study shows
加州大学圣地亚哥分校比较认知实验室的一项新研究表明，经过训练使用音板“说话”的狗能够做出两个单词的按钮组合，这不仅仅是随机行为或简单模仿主人。这项研究发表在《科学报告》杂志上，分析了 152 只狗在 21 个月内的数据，记录了超过 260,000 次按钮按下，其中 195,000 次是由狗自己按下的。
It's Surprisingly Easy to Jailbreak LLM-Driven Robots
人工智能聊天机器人（例如 ChatGPT）和其他由大型语言模型 (LLM) 驱动的应用程序人气飙升，促使许多公司探索由 LLM 驱动的机器人。然而，一项新研究现在揭示了一种自动化入侵此类机器的方法，成功率高达 100%。通过绕过安全护栏，研究人员可以操纵自动驾驶系统与行人相撞，操纵机器狗寻找危险的地方引爆炸弹。本质上，LLM 是智能手机用来预测用户正在输入的单词其余部分的自动完成功能的增强版。经过训练可以分析文本、图像和音频的 LLM 可以提供个性化的旅行建议，根据冰箱内容的图片设计食谱，并帮助生成网站。LLM 处理文本的非凡能力促使许多公司使用人工智能系统通过语音命令帮助控制机器人，将用户的
U.S. Army Rangers: Masters of Special Operations
美国陆军游骑兵是美国军队中最精锐、最受尊敬的部队之一。游骑兵的历史可以追溯到殖民时期的美国，是美国陆军第 75 游骑兵团的一部分，这是一支轻型步兵部队，经过训练，可在世界各地快速、精确、高效地部署。他们能够在具有挑战性的环境中开展行动，……阅读更多»美国陆军游骑兵：特种作战大师美国陆军游骑兵：特种作战大师一文首先出现在特种作战勇士基金会。
U.S. Army Rangers: Masters of Special Operations
美国陆军游骑兵是美国军队中最精锐、最受尊敬的部队之一。游骑兵的历史可以追溯到殖民时期的美国，它隶属于美国陆军第 75 游骑兵团，这是一支轻型步兵部队，经过训练，可在世界各地快速、精确、高效地部署。他们能够在具有挑战性的环境中开展行动……阅读更多»美国陆军游骑兵：特种作战大师美国陆军游骑兵：特种作战大师一文首次出现在特种作战勇士基金会上。
Crime-fighting giant rats versus wildlife trade
经过训练的巨鼠可以通过嗅探交通枢纽的集装箱来检测四种常见的非法产品：象牙、犀牛角、穿山甲鳞片和非洲黑木，从而打击非法野生动物贩运。据估计，非法野生动物贸易每年价值高达 230 亿美元，对保护构成重大威胁。非洲巨鼠 […]
机器学习 (ML) 和人工智能 (AI) 系统在训练和评估时严重依赖人工注释的数据。在这种情况下，一个主要的挑战是注释错误的发生，因为它们的影响会降低模型性能。本文介绍了一种预测错误模型，该模型经过训练可检测三个行业规模的 ML 应用程序（音乐流、视频流和移动应用程序）的搜索相关性注释任务中的潜在错误。利用来自广泛的搜索相关性注释程序的真实数据，我们证明可以使用... 预测错误
Predicting Soil Moisture Content Using Physics-Informed Neural Networks (PINNs)
摘要：近地表土壤含水量等环境条件是物体检测问题中的宝贵信息。然而，如果没有主动感知，通常无法以必要的规模获得此类信息。理查兹方程是一个描述非饱和土壤入渗过程的偏微分方程 (PDE)。求解理查兹方程可以得到有关土壤体积含水量、水力传导率和毛细管压力头的信息。然而，由于理查兹方程的非线性，它很难近似。有限差分法 (FDM) 和有限元法 (FEM) 等数值求解器是近似理查兹方程解的常规方法。但此类数值求解器在实时使用时非常耗时。物理信息神经网络 (PINN) 是依赖物理方程近似解的神经网络。一旦经过训练，这些网络就可以快速输出近似值。因此，PINN 在数值 PDE 社区中引起了广泛关注。该项目旨在将
