XiaoMi-AI文件搜索系统
World File Search Systemdeepmind
印度的基因组数据集
AI驱动的传感器跟踪污染水平，从而及时干预城市地区。智能电网和AI驱动的能源管理优化可再生能源消耗。Google的DeepMind使用AI来改善天气预报。IBM WATSONX.AI的地理空间基础模型建立在NASA的卫星数据上，分析全球天气模式，跟踪土地使用变化并预测作物产量，在全球和本地尺度上运作。此外，在Periyar和Chalakudy河流盆地中引入了COS-IT-Flows，利用AI模型进行洪水预测。它采用动态可视化和交互式图来分析气候数据趋势并提高预测准确性。增强教育和个性化学习：AI驱动的Edtech平台提供自适应学习，从而确保学生根据学习步伐为学生定制教育。
格拉德斯通人工智能调查
2022 年，DeepMind 发布了 Gato，这是一个单一的 AI 模型，在其训练的 600 项任务中的 450 项中，其表现优于一半以上的人类专家 [3]。这些任务包括为图像添加字幕、进行对话和控制机械臂。大约在同一时间，谷歌宣布了 PaLM，这是一个 5400 亿参数的模型，在数百种不同的语言任务中取得了最先进的性能 [4]。同年晚些时候，OpenAI 发布了 ChatGPT，人们普遍认为这是数十年来对话式 AI 努力的结晶 [9]，也是第一款在不到两个月的时间内达到 1 亿用户的产品 [23]。然后，在 2023 年初，OpenAI 宣布了 GPT-4，除了许多其他创纪录的功能外，它在统一律师资格考试、AP 美国历史和数学 SAT 等各种测试中都获得了 90% 的成绩 [10]。
通过对 NIST 的雄心勃勃的投资加强美国人工智能创新
4 OpenAI。(2023)。GPT-4。https://openai.com/research/gpt-4 5 DeepMind。(2021)。AlphaFold。https://www.deepmind.com/research/highlighted-research/alphafold 6 Google Research，Brain Team。(2022)。Imagen。https://imagen.research.google/ 7 Whittlestone, J., & Clark, J.(2021)。政府为何以及如何监控人工智能发展。arXiv。https://arxiv.org/abs/2108.12427 8 美国国家标准与技术研究所。向国会提交 2020、2021、2022、2023 和 2024 财年的预算。请注意，在某些年份，与 AI 相关的计划会与其他计划相结合，因此人员和资金请求是近似值。9 美国国家标准与技术研究所。(2023)。向国会提交 2024 财年预算。https://www.commerce.gov/sites/default/files/2023-03/NIST-NTIS-FY2024-Congressional-Budget-Submission.pdf 10 美国国家标准与技术研究所。(2020)。2021 财年预算提交给国会。https://www.commerce.gov/sites/default/files/2020-02/fy2021_nist_ntis_congressional_budget_justification.pdf
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。
远距验光和人工智能
人工智能 (AI) 几乎无处不在。Facebook 和其他社交媒体平台使用它来监控您喜欢的帖子，以便专门针对您与之互动的内容定制广告。亚马逊会根据您的浏览历史记录，向您展示您在购买时可能喜欢的各种类似商品。2012 年物体识别的发展现在使 AI 能够驱动特斯拉汽车的“自动驾驶仪”。2014 年，谷歌斥资 6 亿美元收购 DeepMind ，并继续在 AI 计划上投入巨资。目前，甚至您的 Apple Watch 也在收集您的数据（您的睡眠习惯、身体活动水平、家庭和病史、年龄等），并将这些信息与其测量心率的能力相结合，以更好地预测哪些人有心脏病发作的风险。这样的举措确实可以挽救生命。
人工智能在制造业领域的最新进展：综述
摘要 人工智能的最新进展已经开始渗透到我们的日常生活中。尽管发展仍处于起步阶段，但已经证明它甚至可以在智能方面超越人类（例如，DeepMind 的 AlphaGo），这意味着它在各个工业领域有着广泛的应用潜力。特别是，公众对工业 4.0 的兴趣日益浓厚，该领域致力于彻底改变传统的制造业，这刺激了人们对其在相关行业中可能的应用进行更深入的研究。由于它有几个限制阻碍其直接使用，因此对人工智能与其他工程领域（包括精密工程和制造）的融合的研究正在进行中。本概述旨在总结一些最具影响力和利润丰厚的制造业利用人工智能取得的重要成就，希望能够改变制造现场。
在许多模拟世界中缩放指导代理
SIMA Team: 1 Maria Abi Raad, Ahuja's Stand, Barros, Frederic Besse, Andrew Bolt, Adrian Bolton, Bethanie Brownfield, Adrian, Cullum, Isare, Julia Did Trapani, Yani Donchev, Emma Dunleavy, Martin Engelkeke, Ryan Faulkner, Frankie Garcia, Charles Gbadammosi, Zhitao Gong，Lucy Gonzales Drew A. Hudson，Steph Hughes-Fitt，Danilo J. Rezende，Mimi Jasareaceavic，Laura Kampis，Thomas Keck，Thomas Keck，Jungy Kim，Louis-Thompson Maria，Maria Loks-Thompson，Maria Loks-Thompson，Joseph Marino。罗伯茨，罗伯茨，罗伯特，马库斯·温赖特，马库斯·温赖特，简·X。
通过研究大脑，我们对人工智能有了哪些认识？
为了在人工智能领域取得进步，我们必须在神经人工智能的基础研究上进行投资。”事实上，我们已经调动了大量资源来寻求人工智能的生物学灵感。DeepMind 公司成立的原则是，设计智能系统和理解大脑是一个项目的一部分。其他公司，如 Vicarious 和 Numenta，也遵循类似的创立原则。英特尔和 IBM 等老牌公司已在神经形态计算方面进行投资。美国联邦政府已经启动了许多针对人工智能和神经科学交叉领域的资助项目。大型慈善组织已经创建了致力于同一目标的中心、研究所和会议（例如，哈佛大学的肯普纳研究所、麻省理工学院的大脑、心智和机器中心以及冷泉港实验室的神经人工智能项目）。鉴于这些努力，值得问一问：我们从研究大脑中学到了什么关于人工智能的知识？