XiaoMi-AI文件搜索系统
World File Search Systemhassabis
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）
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
Google拒绝不使用AI生存或创建武器
“现在，在越来越复杂的地缘政治格局的条件下，在AI领域领导的全球竞争。我们认为，民主国家应以自由，平等和对人权的尊重等基本价值观为指导，在AI的发展中领先。我们认为，共享这些价值观的公司，政府和组织应共同努力在保护人民，促进全球增长并支持国家安全的AI上共同努力，” Hassabis and Manian写道，讨论了“和平”AI。
人工智能驱动的诺贝尔飞跃
在研究世界中，2024年将被记住为诺贝尔人人工智能奖（AI）。物理学的一种，授予约翰·霍普菲尔德（John Hopfield）和杰弗里·欣顿（Geoffrey Hinton）的基本发现和发明，使机器学习能够使用人工神经网络，已密封物理学与信息科学之间的联系，现在在经过50多年的富有成果的互动之后，现已正式在强烈的跨学科边界领域上进行正式交配（人工互动，2024年，2024年）。更具体地说，将AI连接到生物分子建模涉及授予David Baker的诺贝尔化学奖，用于计算蛋白质设计，Demis Hassabis和John Jumper用于蛋白质结构预测。许多统计数据说明了人工智能在生物模型领域的影响。在科学文献数据库中进行了与AI相关的关键字相关的与计算机建模相关的询问可得出约120,000个结果（如果搜索仅限于摘要，则结果约为6,000个结果，如图1所示）。从2018 - 19年开始观察到的指数上升是诺贝尔的序幕，大约与两个软件套件的外观Alphafold（Senifor et al。，2019）和Rosettafold（Humphreys等，2021）相吻合，该方法实现了蛋白质折叠和蛋白质折叠和蛋白质设计方法的方法。在奖励研究仅几年后获得诺贝尔奖非常罕见，但肯定不是偶然的。基于同源性建模的蛋白质结构预测的方法是从1990年代开始的，并在流行中实施
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
朋友与敌人：与人工智能合作的认知、情感和道德后果
人工智能旨在模仿人类智能。随着技术的发展，最新版本的人工智能在许多领域都表现出超越人脑的强大计算机处理能力。人类智能的一个重要方面是其适应能力、从例子中学习新概念的能力以及利用先前知识实现新解决方案的能力（Barbey，2018）。这种能力被称为认知灵活性，而据报道，人工智能缺乏这种能力。以 AlphaGo 为例。在 AlphaGo 击败人类围棋世界冠军后，其母公司未能进一步改进人工智能，因为 AlphaGo 无法自行适应或学习新动作（Silver & Hassabis，2017）。考虑到人工智能的认知局限性，当人类工作者定期与人工智能（一种认知不灵活的大脑版本）互动和协作时，会发生什么？
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。
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。