XiaoMi-AI文件搜索系统
World File Search SystemCial
大人工智能：云基础设施依赖和人工智能的产业化
摘要 批判学者认为“没有大型科技公司就没有人工智能”。本研究深入探讨了亚马逊、微软和谷歌 (Alphabet) 等大型科技集团在“人工智能工业化”中扮演的重要作用。这一概念概括了人工智能技术从研发阶段转向跨不同行业部门的实际应用，从而产生了新的依赖关系和相关投资。我们使用“大型人工智能”一词来概括人工智能和大型科技公司的结构性融合，其特点是人工智能与这些大型科技公司的基础设施、资源和投资之间存在深刻的相互依赖。我们的研究采用“技术图表”方法，仔细研究了大型科技公司在人工智能领域的基础设施支持和投资，重点关注企业合作伙伴关系、收购和金融投资。此外，我们还对亚马逊、微软和谷歌提供的全部云平台产品和服务进行了详细研究。我们表明，人工智能不仅仅是一个抽象的概念，而是一个实际的技术堆栈，包括基础设施、模型、应用程序以及依赖该堆栈的应用程序和公司的生态系统。值得注意的是，这些科技巨头已将堆栈的所有三个组件无缝集成到他们的云产品中。此外，他们还开发了以行业为中心的解决方案和市场，旨在吸引第三方开发人员和企业，促进更广泛的人工智能生态系统的发展。这项分析强调了人工智能和云基础设施之间错综复杂的相互依赖关系，强调了云人工智能的行业特定方面。
患者达到了七年里程碑，与超同性恋总体心脏心脏
Tucson，AZ，2024年12月24日 - Picard Medical Inc.公司Syncardia Systems，LLC。自豪地庆祝机械循环支持领域的开创性里程碑。 面对终端心力衰竭的一名45岁的患者在2017年12月9日在IVDK Dedinje医院接受了终结阶段的心力衰竭。 今天，七年后，这名患者继续在Stah的支持下生活，标志着2,572天的寿命，其中有2,5444444444444444444日在家里度过，被家人和亲人所包围。Tucson，AZ，2024年12月24日 - Picard Medical Inc.公司Syncardia Systems，LLC。自豪地庆祝机械循环支持领域的开创性里程碑。面对终端心力衰竭的一名45岁的患者在2017年12月9日在IVDK Dedinje医院接受了终结阶段的心力衰竭。今天，七年后，这名患者继续在Stah的支持下生活，标志着2,572天的寿命，其中有2,5444444444444444444日在家里度过，被家人和亲人所包围。
关于在数字农业中合乎道德和负责任地使用人工智能的建议
人工智能 (AI) 应用是数字农业不可或缺的新兴组成部分。人工智能可以通过增强农业运营和决策来帮助确保农业的可持续生产。有关土壤状况和杀虫剂的建议或用于挤奶和采摘苹果的自动设备是人工智能在数字农业中应用的例子。尽管人工智能在农业中提供了许多好处，但人工智能系统可能会引发道德问题和风险，应进行评估和主动管理。智能系统的设计和配置不当可能会对数字农业造成危害和意想不到的后果。侵犯农民隐私、机器人技术损害动物福利以及对使用人工智能工具导致的问题缺乏问责制只是数字农业中道德挑战的一些例子。本文从公平性、透明度、问责制、可持续性、隐私和稳健性六个方面研究了人工智能在农业中的应用所面临的道德挑战。本研究进一步为农业技术提供商 (ATP) 和政策制定者提供了建议，说明如何主动缓解农业中使用人工智能可能产生的道德问题。这些建议涵盖了广泛的道德考虑，例如解决农民的隐私问题、确保可靠的人工智能性能、增强人工智能系统的可持续性以及减少人工智能偏见。
利用生成人工智能解锁从头抗体设计
生成式人工智能 (AI) 有可能大大提高抗体设计的速度、质量和可控性。传统的从头抗体发现需要耗费大量时间和资源来筛选大型免疫或合成库。这些方法对输出序列的控制也很少，这可能导致先导候选药物结合效果不佳且可开发性较差。几个研究小组已经引入了生成式抗体设计模型，并获得了有希望的计算机证据 [1–10]，但是，没有一种方法能够通过实验验证基于 AI 的生成式从头抗体设计。在这里，我们使用生成式深度学习模型以零样本方式从头设计针对三个不同靶标的抗体，其中所有设计都是单轮模型生成的结果，没有后续优化。具体来说，我们使用高通量湿实验室功能筛选了超过 100 万种设计用于结合人表皮生长因子受体 2 (HER2) 的抗体变体。我们的模型成功设计了抗体重链中的所有 CDR，并计算了通过结合校准的似然度。我们分别实现了重链 CDR3 (HCDR3) 和 HCDR123 设计的 10.6% 和 1.8% 的结合率，比从观察到的抗体空间 (OAS) 中随机抽样的 HCDR3 和 HCDR123 高四倍和十一倍 [11]。我们进一步使用表面等离子体共振 (SPR) 表征了 421 种 AI 设计的结合剂，发现其中三种比治疗性抗体曲妥珠单抗结合更紧密。这些结合剂高度多样化，与已知抗体的序列同一性低，并采用可变的结构构象。此外，这些结合剂在我们之前引入的自然性指标 [12] 上得分很高，表明它们可能具有理想的可开发性特征和低免疫原性。我们开源 1 HER2 结合剂并报告测得的结合亲和力。这些结果为利用生成式人工智能和高通量实验加速新治疗靶点的药物创造开辟了道路。
跨越鸿沟：神经科学与人工智能之间的沟通挑战
从历史上看，神经科学原理对人工智能 (AI) 产生了重大影响，例如感知器模型（本质上是生物神经元的简单模型）对人工神经网络的影响。最近，人工智能的显著进展，例如强化学习的日益普及，往往似乎与认知神经科学或心理学更加一致，侧重于相对抽象层面的功能。与此同时，神经科学即将进入大规模高分辨率数据的新时代，似乎更专注于潜在的神经机制或架构，而这些机制或架构有时似乎与功能描述相去甚远。虽然这似乎预示着新一代人工智能方法将源于对人工智能神经科学的更深入探索，但实现这一目标的最直接途径尚不清楚。在这里，我们讨论了这两个领域之间的文化差异，包括在利用现代神经科学进行人工智能时应考虑的不同优先事项。例如，这两个领域为两个非常不同的应用程序提供支持，有时可能需要相互冲突的观点。我们强调一些虽小但意义重大的文化转变，我们认为这些转变将极大地促进两个领域之间的协同作用。
比较人工智能技术与社会科学研究的兴起
人工智能 (AI) 的应用可以从不同学科和研究领域的角度进行研究，包括计算机科学和安全、工程、政策制定和社会学。新兴技术的技术研究通常先于其社会影响的讨论，但可以从社会科学对科学发展的洞察中受益。因此，开发人工智能算法和应用程序的科学家和工程师迫切需要与社会科学学者积极互动。如果没有合作参与，开发人员可能会在批准和采用他们的技术进步方面遇到阻力。本文回顾了爱思唯尔从 Scopus 数据库收集的 1997 年至 2018 年期间发表的关于人工智能应用的论文数据集，并研究了技术和社会科学社区的共同发展如何在人工智能的早期到最新发展阶段中不断发展。到目前为止，结合社会科学和技术探索的人工智能研究比单独的社会科学人工智能研究要多，而且这两个类别与技术研究相比都相形见绌。此外，我们发现与人工智能的社会影响（如治理、伦理或道德影响）相关的研究相对缺乏。人工智能学术研究的未来将受益于对该学科的风险评估、治理和公众参与需求的技术和社会科学研究，以促进人工智能的可持续、风险知情和对社会有益的进步。
综述 关于人工智能在电子健康中的融合技术综述
摘要：在过去几年中，在 COVID-19 大流行的背景下，许多医疗保健问题更加严重，凸显了使用最新技术（例如视频会议、数据管理、患者信息的安全传输以及机器学习算法等高效数据分析工具）向偏远地区提供可靠且负担得起的医疗服务的迫切需要。在不断努力为每个人提供医疗保健的过程中，许多现代技术在电子健康、移动医疗、远程医疗或远程医疗中都得到了应用。通过本文，我们试图概述某些医疗保健应用中使用的不同技术，从心脏肿瘤学领域的远程患者监控到通过机器学习分析脑电图信号以预测癫痫发作，重点关注人工智能在电子健康中的作用。
AISpace2：用于学习和教授人工智能的交互式可视化工具
AIspace 是一套用于学习和教授基本 AI 算法的工具。AIspace 的原始版本是用 Java 编写的。算法和可视化之间没有明确的区分；对于学生来说，修改底层算法太复杂了。它的下一代产品 AIspace2 是基于 AIPython 构建的，AIPython 是开源 Python 代码，旨在尽可能接近伪代码。AISpace2 在 JupyterLab 中可视化，保留了简单的 Python 代码，并使用 AIPython 中的钩子来实现算法的可视化。这允许学生查看和修改 Python 中的高级算法，并以图形形式可视化输出，旨在更好地帮助他们建立对 AI 概念和算法的信心和舒适度。到目前为止，我们有用于搜索、约束满足问题 (CSP)、规划和贝叶斯网络的工具。在本文中，我们概述了这些工具，并根据用户反馈给出了一些评估。
通过动物和人工智能改善人类集体决策
虽然集体决策（例如投票系统）是人类社会的基础，但正如过去的气候政策所表明的那样，它可能导致低效的决策。当前的系统因其考虑选民需求和知识的方式而受到严厉批评。集体决策是人类社会的核心，但也发生在动物群体中，主要是当动物需要选择何时何地迁徙时。在这些社会中，动物在群体成员的需求和自身需求之间取得平衡，并依赖于每个人的（部分）知识。我们认为，非人类动物和人类有着相似的集体决策过程，其中包括议程设置、审议和投票。人工智能领域最近的研究试图改善人类群体的决策，有时受到动物决策系统的启发。我们在这里讨论了我们的社会如何从动物行为学和人工智能的最新进展中受益，以改善我们的集体决策系统。
文章通过人工智能实现业务支持功能的非制度化
摘要：人工智能领域的技术进步为组织提供了巨大的潜力。近年来，组织通过建立新的商业模式或调整其主要活动来利用这种潜力。然而，与此同时，通过这些技术进步提高人力资源管理（HRM）、供应链管理（SCM）或财务管理（FM）等支持职能的效率和效力的潜力也越来越受到认可。我们综合了目前关于人工智能在这些支持职能中的潜力和传播的研究状况。在此基础上，我们评估了人工智能在改变业务支持职能内的组织流程方面的非制度化能力，并得出了在组织中充分利用人工智能潜力的影响。