XiaoMi-AI文件搜索系统
World File Search SystemDemis
请注意，所有时间均为太平洋时间
Anima Anandkumar (加州理工学院和 NVIDIA) Demis Hassabis (Deepmind) Fei-Fei Li (斯坦福大学) 上午 10:45 休息 上午 10:55 人工智能对社会的影响演讲（虚拟）：Sendhil Mullainathan (芝加哥) Daron Acemoglu (麻省理工学院) Sarah Kreps (康奈尔大学) 下午 12:25 休会 第 2 天
演示报告
A.W. 高级，R。Evans，J。Jumper，J。Kirkpatrick，L Sifre，T。Green，Ch。 Qin，A。Ž´Dek，A。W. R. Nelson，A。Bridgland，H。Penedones，S。Petersen，K。Simonyan，S。Crossan，P。Kohli，D.T。 Jones，D。Silver，K。Kavukcuoglu＆Demis Hassabis（英国伦敦DeepMind， 伦敦弗朗西斯·克里克学院（Francis Crick Institute）A.W.高级，R。Evans，J。Jumper，J。Kirkpatrick，L Sifre，T。Green，Ch。Qin，A。Ž´Dek，A。W. R. Nelson，A。Bridgland，H。Penedones，S。Petersen，K。Simonyan，S。Crossan，P。Kohli，D.T。 Jones，D。Silver，K。Kavukcuoglu＆Demis Hassabis（英国伦敦DeepMind， 伦敦弗朗西斯·克里克学院（Francis Crick Institute）Qin，A。Ž´Dek，A。W. R. Nelson，A。Bridgland，H。Penedones，S。Petersen，K。Simonyan，S。Crossan，P。Kohli，D.T。Jones，D。Silver，K。Kavukcuoglu＆Demis Hassabis（英国伦敦DeepMind， 伦敦弗朗西斯·克里克学院（Francis Crick Institute）Jones，D。Silver，K。Kavukcuoglu＆Demis Hassabis（英国伦敦DeepMind，伦敦弗朗西斯·克里克学院（Francis Crick Institute）
他们通过计算和人工智能揭示了蛋白质的秘密
当 Demis Hassabis 和 John Jumper 确认 AlphaFold2 确实有效后，他们计算了所有人类蛋白质的结构。然后他们预测了研究人员在绘制地球生物图谱时迄今为止发现的几乎所有 2 亿种蛋白质的结构。Google DeepMind 还将 AlphaFold2 的代码公开，任何人都可以访问它。这个人工智能模型已经成为研究人员的金矿。到 2024 年 10 月，来自 190 个国家的 200 多万人使用了 AlphaFold2。以前，获得蛋白质结构通常需要数年时间，甚至可能根本无法获得。现在只需几分钟即可完成。这个人工智能模型并不完美，但它可以估计它所产生的结构的正确性，因此研究人员知道预测的可靠性。图 5 展示了 AlphaFold2 如何帮助研究人员的众多示例中的几个。
透明度与解释：模糊性在法律人工智能中的作用
6 Tom Boellstorff，《从理论上制作大数据》（2013 年）18(10) First Monday。7 David Silver 和 Demis Hassabis，《AlphaGo：利用机器学习掌握古老的围棋游戏》[2016]（2021 年 6 月 23 日访问）。8 Robert Prey，《Nothing Personal：音乐流媒体平台上的算法个性化》（2018 年）40(7) Media, Culture & Society 1087。9 Kristian Hammond，《人工智能入门指南》（Wiley 2015 年）。10 Frank Pasquale，《黑箱社会。控制金钱和信息的秘密算法》（哈佛大学出版社 2015 年）。11 Andreas Holzinger 等人，《人工智能在医学中的因果性和可解释性》（2019 年）9(4) WIREs 数据挖掘和知识
他们通过计算和人工智能揭示了蛋白质的秘密
当 Demis Hassabis 和 John Jumper 确认 AlphaFold2 确实有效后，他们计算了所有人类蛋白质的结构。然后，他们预测了研究人员在绘制地球生物图谱时发现的几乎所有 2 亿种蛋白质的结构。Google DeepMind 还将 AlphaFold2 的代码公开，任何人都可以访问它。这个人工智能模型已经成为研究人员的金矿。到 2024 年 10 月，来自 190 个国家的 200 多万人使用了 AlphaFold2。以前，获得蛋白质结构通常需要数年时间，甚至可能根本无法获得。现在只需几分钟即可完成。这个人工智能模型并不完美，但它可以估计它所生成的结构的正确性，因此研究人员知道预测的可靠性。图 5 显示了 AlphaFold2 如何帮助研究人员的众多示例中的几个。
他们通过计算和人工智能揭示了蛋白质的秘密
当 Demis Hassabis 和 John Jumper 确认 AlphaFold2 确实有效后，他们计算了所有人类蛋白质的结构。然后他们预测了研究人员在绘制地球生物图谱时迄今为止发现的几乎所有 2 亿种蛋白质的结构。Google DeepMind 还将 AlphaFold2 的代码公开，任何人都可以访问它。这个人工智能模型已经成为研究人员的金矿。到 2024 年 10 月，来自 190 个国家的 200 多万人使用了 AlphaFold2。以前，获得蛋白质结构通常需要数年时间，甚至可能根本无法获得。现在只需几分钟即可完成。这个人工智能模型并不完美，但它可以估计它所产生的结构的正确性，因此研究人员知道预测的可靠性。图 5 展示了 AlphaFold2 如何帮助研究人员的众多示例中的几个。
超级大脑，而非替代品：设计人机协作，打造更美好的未来工作
由该领域的创始人在 20 世纪 50 年代提出，以机器形式实现人类认知。12 从那时起，人工智能的重大里程碑通常被定义为机器智能在实现完全人类智能的道路上又迈出了一步。例如，国际象棋大师加里卡斯帕罗夫输给 IBM 的深蓝计算机被广泛讨论为“大脑的最后一战”。13 在输给 IBM Watson 的过程中，Jeopardy 智力竞赛节目冠军肯詹宁斯开玩笑说：“我个人欢迎我的新计算机霸主。”14 最近，在 AlphaGo 击败围棋冠军李世石后不久，英国《金融时报》发表了一篇关于 DeepMind 首席执行官德米斯哈萨比斯的个人简介，其中指出：“在 DeepMind，工程师们已经创建了基于神经网络的程序，以人脑为模型......智能是通用的，而不是特定的。这种人工智能像人类一样‘思考’。”15
Mar.2024 / vol.185 < / div>
在2022年，日本铁路系统成立150周年，我有机会聆听许多专家的技术观点，并表达我的观点。我发现的是与可靠的公共交通，对数字社会响应以及如何改善信息社会中的运输技术的普遍意识。这是关于流动性应如何在老龄化和迅速缩小的人群中为可持续社会做出贡献的讨论的基础。在成立150周年之后计划的有关运输技术的特刊也是一系列文章，这些文章专门描述了Mitsubishi Electric Corporation在运输系统上的技术研究，以应对重要的开发问题，例如可持续管理，节能技术，这些技术考虑了碳中性，自动化，自动化，自动化和维护，维护和维护，无线技术和自动培训的运营以及Post-Cornoation Corna erarona的应用。这些是当前技术的最新摘要。在150周年的一系列讨论中，我介绍了“ SF原型”的想法，并提出了一个相当奇怪的建议，即值得关注未来30年中如何在科幻小说中描绘出在未来30年中消灭铁路系统的技术，以讨论铁路的可持续发展问题。当时不太明显，但是由于大流行的影响，生成的AI目前正在吸引更多的关注。如何改变未来是作为实际问题，而不是科幻小说。在反乌托邦科幻电影中看到的如《终结者》和《前机械师》，西方社会似乎非常关注和警惕AI以及我们生活空间中机器人的扩散。实际上，人工智能社区的代表，例如OpenAI的首席执行官Sam Altman，Google DeepMind的首席执行官Demis Hassabis以及其他科学家Demis Hassabis博士对公众对他们促进的高级AI的使用表示了强烈的关注，并且令人惊讶地暗示了某些限制对发展的速度。相比之下，日本很少工程师似乎在上面表达出严重的关注，因为他们着重于使用该技术来提高生产力和满足个人客户需求的积极方面，并看到毫不犹豫地推动其进步的重要性。电台上的一位评论员说，这可能是因为我们的先进技术形象是基于Astro Boy和Doraemon，这是最著名的日本动画片，它描绘了技术社会的光明未来。尽管这不是基于可靠证据的论点，但我认为这是一种直观正确的观点。