XiaoMi-AI文件搜索系统
World File Search Systemscientist
新加坡科学家开发出人工智能系统来......
研究报告合著者、新加坡国立卫生研究院国家医疗集团 (NHG) 眼科研究所青光眼服务部门负责人 Leonard Yip 博士表示：“社区中许多青光眼患者仍未得到诊断，而在印度这样的发展中国家，未确诊病例的比例可能远远超过 90%。虽然病例通常是在常规眼科检查中发现的，但由于需要专业且昂贵的设备或训练有素的专家，因此基于人群的筛查具有挑战性。手动检查单个视网膜图像的过程也很耗时，并且取决于专家的主观评估。相比之下，我们使用人工智能的方法可能更高效、更经济。” 研究报告的主要作者、南洋理工大学电气与电子工程学院副教授王丽坡表示：“通过结合机器学习技术，我们的团队开发了一种筛查模型，可以从眼底图像诊断青光眼，从而无需眼科医生进行各种临床测量（如眼内压）即可进行诊断。我们强大的自动青光眼诊断方法易于使用，这意味着任何医疗从业者都可以使用该系统来帮助进行青光眼筛查。这将特别有助于眼科医生较少的地区。” 该团队目前正在 TTSH 拍摄的更大的患者眼底图像数据集上测试他们的算法。他们还在研究如何将该软件移植到手机应用程序上，这样当与眼底照相机或手机镜头适配器结合使用时，它就可以成为现场可行的青光眼筛查工具。 工作原理 NTU 和 TTSH 团队开发的自动青光眼诊断系统使用一组算法来分析由两个相机从不同视角成对拍摄的立体眼底图像（见图 1）。这些 2D 的“左”和“右”眼底图像组合在一起时有助于形成 3D 视图。科学家说，使用两张图像可以确保如果一张图像质量较差，另一张图像通常可以补偿，系统可以保持其准确的性能。这套算法由两个部分组成：深度卷积神经网络和注意力引导网络。前者模仿人类大脑适应学习新事物的生物过程，而注意力引导网络模仿大脑选择性关注一些相关特征的方式——在本例中，是眼底图像中的视神经头区域（见图 2）。然后将这两个组件的输出融合在一起以生成最终的预测结果。
我们是科学家，教育工作者，学习者和员工，他们有一种改变每个人健康的策略，就是这样。我们是建造T
医学学院对加拿大呼吁1的真相与和解委员会的反应是通过土著学生，校友，校友，教职员工，教职员工和领导人，UBC以外的土著社区代表和组织以及其他医学领导者，员工和教师，员工，教职员工，教职员工和教师的投入和反馈。它概述了我们承诺要采取的所有支柱的步骤，这些步骤是建立在合伙企业中，并建立在与土著人民，社区和组织的相互尊重的关系之上。这样做，教师将有助于开发可访问，公平，有效，文化安全的教育和卫生保健系统，并且没有本土特定的种族主义和歧视。
广约罗伯特·桑（Robert Sang） - 公司神经祖父
Nature Neuroscience, Nature Computational Science, Nature Communications, eLife, Journal of Neuroscience, PLOS Computational Biology, Current Opinion in Neu- robiology, Neural Networks, Chaos, Frontiers in Neuroscience, JMLR (Journal of Machine Learning Research), NeurIPS (Conference on Neural Information Processing Systems), ICLR (International Conference on Learning Representations), ICML (In- ternational Conference on Machine Learning), Cosyne （计算和系统神经科学），CCN（认知计算神经科学会议），CNS（计算神经科学组织）
联合新闻稿 新加坡，2021 年 6 月 8 日 南洋理工大学、NP 和 NHCS 科学家发明的新型人工智能工具可加速心血管疾病的诊断 新加坡南洋理工大学 (NTU Singapore)、新加坡义安理工学院 (NP) 和新加坡国家心脏中心 (NHCS) 的一组研究人员发明了一种可以加速心血管疾病诊断的工具。 在人工智能 (AI) 的推动下，他们的创新技术使用心电图 (ECG) 来诊断冠状动脉疾病、心肌梗死和充血性心力衰竭，准确率超过 98.5%。 这种诊断工具的联合开发恰逢其时，因为新加坡过去三年来因心血管疾病导致的死亡人数有所增加。 根据新加坡心脏基金会的数据，2019 年新加坡所有死亡人数的 29.3%，即新加坡几乎三分之一的死亡，是由于心脏病或中风。科学家们希望他们的创新技术能够支持临床环境中心血管疾病的诊断，特别是在医生进行初步心电图检查时，最终加快治疗进程。研究人员使用一种名为 Gabor-卷积神经网络 (Gabor-CNN) 的人工智能机器学习算法设计了这种诊断工具，该算法模仿了人类大脑的结构和功能，使计算机能够像人类一样从过去的经验中学习。使用该算法，
联合新闻稿 新加坡，2021 年 6 月 8 日 NTU、NP 和 NHCS 科学家发明的新型人工智能工具可以加快心血管疾病的诊断 新加坡南洋理工大学 (NTU Singapore)、新加坡义安理工学院 (NP) 和新加坡国家心脏中心 (NHCS) 的一组研究人员发明了一种可以加快心血管疾病诊断的工具。在人工智能 (AI) 的推动下，他们的创新利用心电图 (ECG) 来诊断冠状动脉疾病、心肌梗死和充血性心力衰竭，准确率超过 98.5%。联合开发诊断工具非常及时，因为新加坡过去三年来因心血管疾病导致的死亡人数有所增加。据新加坡心脏基金会称，2019 年新加坡所有死亡人数中有 29.3%（几乎占新加坡死亡人数的三分之一）是心脏病或中风造成的。科学家们希望他们的创新能够支持临床环境中心血管疾病的诊断，特别是在医生进行初步心电图检查时，最终加快治疗进程。研究人员使用一种名为 Gabor-卷积神经网络 (Gabor-CNN) 的人工智能机器学习算法设计了诊断工具，该算法模仿人脑的结构和功能，使计算机能够像人类一样从过去的经验中学习。他们使用该算法，通过输入反映心血管疾病的心电图信号示例来训练他们的工具识别患者心电图中的模式。这项研究的共同作者、NHCS 心脏病学系高级顾问临床副教授 Tan Ru San 表示：“我们对一小组初步研究对象进行的研究表明，在使用常规心电图对一些常见心血管疾病进行分类的准确性方面取得了令人鼓舞的结果。虽然确认特定疾病仍需要额外的测试，但我们的诊断工具将
牲畜基因编辑：荷兰科学家和育种公司的社会技术想象
基因编辑技术允许用户在体内（活体）改变生物体的 DNA。与以前的技术相比，基因编辑领域的进步使其更加精确、高效、灵活和便宜。这引起了人们对基因编辑及其治理的兴趣，包括畜牧业应用。尽管牲畜基因编辑有望带来好处，但它也引发了技术、伦理和社会问题，以及（彻底）转变的前景。由于该技术仍有待开发成可销售的产品，因此设计、愿景或我们所说的“社会技术想象”塑造了基因编辑技术，并代表了社会学研究的重要领域。在本文中，基于对荷兰育种公司代表和农业科学家的采访分析，我们分析了支撑他们想象的假设、价值观和承诺。这些想象很重要，因为它们的协商将有助于构建技术的发展方式以及它随后将如何改变牲畜和人与动物的关系。在我们的分析中，我们分析了访谈数据中的话语实践，提炼出三种社会技术想象，这些想象塑造并支撑了受访者讨论牲畜基因编辑的方式。通过阐述社会技术想象概念，使其更适合牲畜基因编辑的新兴动态，我们展示了如何“就地”和“物质实践”来研究想象。尽管每种想象都将牲畜基因编辑视为可取和有益的，但它们在构建行业、研究人员、政府和消费者/公民关系方面却具有不同的影响。最后，我们讨论了社会技术想象对牲畜基因编辑的重要性及其原因，以及它们对治理和研究的影响。
ZX-Calculus用于工作量子计算机科学家
ZX-Calculus是一种用于推理量子组合的图形语言，最近在各种领域（例如量子电路优化，表面代码和晶格手术，基于测量的量子计算和量子基础）中使用了增加的用法。本综述的第一半是对ZX-Calculus的温和介绍，适合那些具有量子计算基础知识的人。这里的目的是使读者对ZX-Calculus足够舒适，他们可以在日常工作中使用它来用于量子电路和状态的小型计算。latter部分给出了有关ZX-Calculus文献的凝结概述。我们讨论了cli的计算并以图形方式证明了Gottesman-Knill定理，我们讨论了最近引入的ZX-Calculus的扩展，该扩展允许方便地进行有关oli gates的方便推理，我们讨论了最新的完整性理论，用于ZX-Calculus的ZX-CALCULUS，以原则上的ZX-Calculus使用ZX，可以使用ZX进行ZX的所有ZX，所有ZX都可以使用ZX进行ZX。在方面，我们讨论了ZX-Calculus的分类和代数起源，并讨论了该语言的几个扩展，这些扩展可以代表混合状态，测量，经典控制和更高维度。
ntu-singapore-scientists-develop-artificial-intelligence- ...
这项研究的第一作者、新加坡南洋理工大学材料科学与工程学院的王明博士表示：“我们架构的高精度背后的秘密在于，视觉和体感信息可以在进行复杂解释之前，在早期阶段相互作用和相互补充。因此，系统可以合理地收集连贯的信息，减少冗余数据和感知模糊性，从而提高准确性”。
神经科学家的人工神经网络：入门指南
人工神经网络 (ANN) 是机器学习中必不可少的工具，在神经科学领域引起了越来越多的关注。除了提供强大的数据分析技术外，ANN 还为神经科学家提供了一种新方法来构建复杂行为、异构神经活动和电路连接的模型，以及探索神经系统的优化，而这些是传统模型无法实现的。在这本教学入门书中，我们介绍了 ANN，并展示了它们如何被有效地应用于研究神经科学问题。我们首先讨论 ANN 的基本概念和方法。然后，我们将重点介绍如何将这个数学框架更贴近神经生物学，详细介绍如何定制 ANN 的分析、结构和学习，以更好地应对大脑研究中的各种挑战。为了帮助读者获得实践经验，这本入门书附有 PyTorch 和 Jupyter Notebook 中的教程式代码，涵盖主要主题。
人工智能能否重新编程新闻编辑室？自动化新闻中的信任、透明度和道德 计算机程序能否撰写引人入胜的新闻报道？路透社最近发布的《技术趋势与预测》报告中显示，在接受调查的 200 名数字领袖、编辑和首席执行官中，78% 表示投资人工智能 (AI) 技术将有助于确保新闻业的未来 (Newman, 2018)。然而，探索这些新的报道方法给那些已经在努力理解人类记者和计算工作之间复杂动态的人们带来了一系列无法预料的道德问题。在新闻编辑室实施自动化叙事向记者提出了一些问题：如何保持和鼓励报道的准确性和公正性，以及对他们所服务的受众的透明度。新闻编辑室的人工智能已经从一个想法发展成为现实。 1998 年，计算机科学家 Sung-Min Lee 预测人工智能将在新闻编辑室得到应用，届时“机器人代理”将与人类记者一起工作，有时甚至代替人类记者工作 (Latar, 2015)。2010 年，Narrative Science 成为第一家利用人工智能将数据转化为叙事文本的商业企业。Automated Insights 和其他公司紧随 Narrative Science 之后，通过自动叙事将 Lee 的“机器人代理”带入新闻编辑室。虽然当今的新闻编辑室正在使用人工智能来简化各种流程，从跟踪
人工智能可以重新编程新闻编辑室吗？自动化新闻中的信任、透明度和道德 计算机程序可以编写引人入胜的新闻故事吗？在路透社最近的一份技术趋势和预测报告中，接受调查的 200 名数字领导者、编辑和首席执行官中，78% 表示投资人工智能 (AI) 技术将有助于确保新闻业的未来 (Newman, 2018)。然而，探索这些新的报道方法，为那些已经在努力理解人类记者和计算工作之间复杂动态的人带来了一系列无法预见的道德问题。在新闻编辑室实施自动化叙事向记者提出了如何保持和鼓励报道的准确性和公正性以及对他们所服务的受众的透明度的问题。新闻编辑室中的人工智能已经从一个想法发展成为现实。1998 年，计算机科学家 Sung-Min Lee 预测人工智能将在新闻编辑室得到应用，届时“机器人代理”将与人类记者一起工作，有时甚至代替人类记者 (Latar, 2015)。2010 年，Narrative Science 成为第一家使用人工智能将数据转化为叙事文本的商业企业。Automated Insights 和其他公司紧随 Narrative Science 之后，通过自动化讲故事的方式将 Lee 的“机器人代理”带入新闻编辑室。虽然当今的新闻编辑室正在使用人工智能来简化各种流程，从跟踪突发新闻、收集和解释数据、核实在线内容，甚至创建聊天机器人来向用户推荐个性化内容，但自动生成文本和视频故事的能力促使整个行业转向自动化新闻，或“使用软件或算法自动生成新闻故事而无需人工干预的过程”(Graefe, 2016)。《福布斯》、《纽约时报》、《华盛顿邮报》、《ProPublica》和彭博社只是当今在新闻报道中使用人工智能的部分新闻编辑室。《华盛顿邮报》的“内部自动化叙事技术”Heliograf 只是新闻编辑室利用人工智能扩大其在体育和金融等严重依赖结构化数据的领域的报道的众多例子之一，“让记者专注于深入报道”（Gillespie，2017 年）。人工智能有可能让新闻编辑室和报摊的记者都变得更好。通过自动化，现在可以进行大量的新闻报道新闻智库 Polis 在其 2019 年新闻 AI 报告中透露，新闻编辑室使用人工智能的主要动机是“帮助公众应对新闻过载和错误信息的世界，并以便捷的方式将他们与与他们的生活相关、有用和有益的可靠内容联系起来”（Beckett，2019 年）。
阿贡国家实验室神经科学家、芝加哥大学神经生物学助理教授 Narayanan (Bobby) Kasthuri 博士的证词
1. 改变未来拯救生命的疗法，特别是在精神疾病领域 2. 确保美国在未来几十年不仅在神经科学，而且在人工智能和能源领域保持领先地位； 3. 激励新一代在脑、算法和大数据接口领域工作的科学家。 我叫 Bobby Kasthuri，是芝加哥大学神经生物学系的助理教授，也是美国能源部阿贡国家实验室唯一的神经科学研究员。我从事这些工作的原因和我今天在这里的原因相同。近二十年前，我开始了一项探索，从根本上了解和治疗精神疾病。我开始在圣路易斯华盛顿大学医学院学习，准备应对精神疾病带来的巨大负担，我曾亲眼目睹过这种负担。然而，我很快发现，我在医学院遇到的神经病学专家、神经科学家和精神病学家都很出色，但我们对大脑的疗法和治疗远远落后于对心脏或肾脏等其他器官的治疗。根本的差距在于我们并没有真正理解正常大脑，因此，我们永远无法真正治愈病理大脑。所以我制定了一个新的目标，即改变我们对正常大脑的理解，从而改变我们治疗病理大脑的方式。在我的证词中，我将解释能源部以及能源部国家实验室内独特的专业知识和能力对这一使命的重要性。大脑的世纪科学家们通过创建两张图谱开始和结束了 20 世纪的重大科学挑战——了解生命的遗传基础：一张是 1953 年的 DNA 原子结构图谱，另一张是 2003 年人类基因组中每个核苷酸的图谱。这项科学由生物学家詹姆斯·沃森和物理学家弗朗西斯·克里克以及人类基因组计划推动，正在彻底改变