XiaoMi-AI文件搜索系统
World File Search System积极探索
发现针对肺癌的潜在抑制剂
Chtita等。/ phys。化学。res。，卷。12，编号3，579-589，2024年9月。研究人员正在积极探索新型的治疗剂，这些治疗剂专门针对与肺癌相关的分子途径。这些有针对性的疗法旨在破坏促进癌症生长和进展的特定机制，同时最大程度地减少对健康细胞的伤害[6]。但是，发现和开发这些目标疗法的过程可能耗时且昂贵。它通常涉及筛选大型化合物文库以识别潜在的候选药物，然后进行广泛的临床前和临床测试。这个过程可能需要数年的时间，并且涉及大量金融投资[7]。因此，寻找加快此过程的方法而不损害安全性和功效至关重要[8]。这是计算方法发挥作用的地方。通过利用计算工具和技术的力量，研究人员可以有效筛选大量的化合物图书馆，以鉴定具有所需特性的潜在药物以抑制肺癌。这些虚拟筛查技术采用各种算法和模型来预测化合物与肺癌涉及的特定靶蛋白的可能性[9]。一旦确定了潜在化合物，就采用分子对接技术来评估所选化合物与靶蛋白之间相互作用的强度和稳定性。计算方法还可以鉴定具有特定属性的化合物和分子对接模拟为化合物如何拟合到靶蛋白的三维结构以及它们结合的紧密结构提供了宝贵的见解。此信息可以帮助研究人员确定并选择最有希望的候选人进行进一步研究[10]。此外，分子动力学模拟用于研究所选化合蛋白相互作用随时间的动态行为。这些模拟对复合物的结构特性，灵活性和稳定性提供了详细的理解。通过在分子水平上探索复合物的行为，研究人员可以深入了解其作为治疗剂的潜在功效，并预测其如何与生物系统中其他成分相互作用[11]。在药物发现过程中，计算方法与传统实验技术的整合具有许多优势。它使研究人员可以通过缩小寻找潜在抑制剂的搜索来探索更大的化学空间，从而节省时间和资源。
执法技术需求评估
技术与执法：未来技术将满足执法的运营需求 执行摘要 背景 技术的影响几乎体现在现代生活的各个方面，执法也不例外。技术在许多重要方面改变了执法领域。我们只需考虑一下，20 世纪后期的主要警察战略——机动化预防巡逻和快速响应服务呼叫——是随着汽车和双向无线电通信的发明而发展起来的。最近的技术发展也对警察机构产生了深远的影响。例如，信息技术、DNA 检测和防弹背心现在是执法中常见且关键的工具。当代对国土安全和反恐的担忧也给警察机构带来了新的技术问题和需求，计算机相关犯罪的增长也是如此。鉴于技术的重要性，警察行政研究论坛 (PERF)（警察局长和治安官的会员组织）一直在积极探索利用技术帮助推进执法领域的方法。这种兴趣为 PERF 带来了新的合作伙伴关系。2007 年 7 月，PERF ( www.policeforum.org ) 在洛克希德马丁 (LM) 公司的支持下，启动了一个项目，旨在详细了解执法部门的观点和未来三到五年及以后的高优先级技术需求。PERF 与 LM 的高级概念保护组织 (ACPO) 在其执法支持 (LES) 小组中的合作是独一无二的，汇集了互补的专业知识和技能。LM ( www.lockheedmartin.com ) 拥有工程专业知识和为军事开发技术的丰富经验。PERF 已与全国数百家执法机构合作了三十多年，在执法的各个实质性和运营方面都拥有专业知识。该联合项目的目标是确定、评估和优先考虑对警务工作具有最高优先级的尖端相关技术。在此过程中，我们力求识别出那些最有希望提高执法能力的技术，以最有效的方式满足公众的安全需求。我们的项目还试图确定执法决策链中的关键利益相关者和支持者、他们对技术的需求推导和获取策略，以及在警方减少犯罪所需的技术与可能满足这些需求的技术之间的差距中可能出现的机会。
探索非欧几里得方法：基于图的脑电信号分析技术综合综述
1 加德满都大学理学院数学系，杜利凯尔，尼泊尔 2 加德满都大学工程学院计算机科学与工程系，杜利凯尔，尼泊尔 3 洛夫利专业大学计算机科学与工程学院，帕格瓦拉，印度 4 萨坦·本·阿卜杜勒阿齐兹王子大学计算机工程与科学学院计算机科学系，沙特阿拉伯 5 昌迪加尔大学计算机科学与工程系，旁遮普，印度 电子邮件：harish.bhandari@ku.edu.np (HCB)；yagya.pandeya@ku.edu.np (YRP)；jhakn@ku.edu.np (KJ)；sudan.jha@ku.edu.np (SJ)；s.alisher@psau.edu.sa (SA) *通讯作者 摘要 — 脑电图 (EEG) 信号广泛应用于情绪识别、情绪分析、疾病分类、睡眠障碍识别和疲劳检测。最近的研究突出了利用脑电信号分析神经系统疾病的积极探索。各种机器学习和深度学习技术，使用基于特征和欧几里得的方法，已被用于分析这些脑电信号。然而，非欧几里得方法已被证明在脑电信号研究中比欧几里得方法更有效。这种优势可能源于脑电信号的非线性和动态特性、大脑区域之间复杂的相互作用以及对常见脑电信号噪声的适应性。不幸的是，由于数据集不足、源代码不可用和图形表示的复杂性等限制，对脑电信号的图形表示的研究有限。因此，我们旨在对使用非欧几里得方法进行脑电信号分析的各种图形表示技术、图神经网络、现有方法和可用资源进行调查。此外，基于可视性图的方法已应用于单通道脑电信号，而图神经网络已被证明在多通道脑电信号分析中具有良好的结果。因此，调查得出结论，非欧几里得方法使用图形来映射大脑结构，而不是欧几里得结构。此外，在多通道脑电信号和图神经网络中加入可视性图将证明非欧几里得方法在脑电信号分析中的稳健性。关键词——脑电信号、图形表示、图神经网络、智能处理、深度分析
高强度聚焦超声消融与治疗肝转移的免疫疗法结合：一项前瞻性非随机试验
癌症转移是与晚期实体瘤相关的90％以上的死亡原因[1，2]。肝脏具有丰富的血液动力学特征（门户静脉和动脉系统）和独特的微环境，使其本质上容易受到传播肿瘤细胞的敏感，从而导致11.1％的转移速率为11.1％，是跨质量的最常见靶标之一[3，4]。近年来，原发性恶性肿瘤和肝转移（LM）的发生率有所增加[5]。大约40％的恶性肿瘤患者发育LM [6]，这极大地影响了患者的生存[4]。治疗涉及两个方面：原发性肿瘤和LM [7，8]。如果不能通过手术从根本上切除它们，那么从长远来看，即使有各种当前治疗方案，也很难控制晚期癌症的进展[9]。因此，需要对肝转移患者，尤其是多种治疗后的患者进行积极探索有效且毒性较小的组合疗法。免疫疗法的出现在临床实践中取得了巨大的成功，并且从成为一种流行的新疗法转变为许多癌症指南的一线建议[10-14]。迄今为止，美国FDA批准了各种免疫治疗剂，其中最广泛使用的剂是抗PD1-PDL1 [11，15-18]。由于其有利的毒性，临床益处和患者的生活质量，它们通常用于治疗常见恶性肿瘤[19，20]。然而，晚期癌症患者中肝转移的存在将导致对免疫疗法的反应，这是一种免疫抑制作用，在几项研究中已通过调节和激活全身和肿瘤内免疫细胞来证明[21]。此外，巨噬细胞诱导的凋亡消除了肿瘤特异性的CD8+ T细胞，从而促进肝免疫胆脂[22]。因此，尽管一些研究表明，基于ICI的免疫疗法可改善晚期癌症患者的总体生存，但肝转移患者的总体益处较小[23]。因此，有必要通过逆转免疫抑制性肿瘤微环境来将免疫疗法与其他疗法结合起来，以实现协同作用[24-27]。基于ICI的免疫疗法与细胞毒性化学疗法结合使用已被广泛用作标准临床治疗[28]。临床试验数据（Impower150）表明，化学疗法可以在某种程度上提高ICIS在LM患者中的功效[29]。放射疗法在转移性癌症中的局部作用可以刺激全身免疫，而放射疗法与免疫疗法结合在临床实践中更为常见[30]。例如，放疗增强了免疫疗法的全身作用，导致远处转移性癌症的消退[31]。最小消除疗法还显示了LM患者的免疫调节作用[32 - 36]，通过暴露与肿瘤相关的抗原暴露了抗肿瘤免疫反应的全身免疫细胞[37]。高强度集中的超声消融最初用于妇科良性肿瘤，例如子宫肌瘤，现在广泛用于治疗晚期和转移性恶性肿瘤，因为它是一种安全的，非交互的治疗[38，39]。hifu可以准确治疗靶向病变并产生热作用（t-hifu），从而诱导肿瘤或机械作用（M-HIFU）的凝血坏死，从而破坏肿瘤并增强
某些复合材料的屏蔽有效性替代品
摘要：铅提供有效的屏蔽层抗辐射，因为铅具有高密度和原子数，从而使其有效吸收X射线光子。铅围裙是用于保护患者免受不必要的暴露和放射学人员免受职业暴露的辐射保护服装。除了良好的辐射保护铅被认为是重金属，由这种材料制成的围裙可能繁琐而累人，尤其是长时间。也是铅是剧毒物质，如果不正确处理和处置，则带来环境和健康风险。研究人员正在积极探索辐射屏蔽围裙中铅的替代品，其材料具有钨，二硫酸钡，硫酸钡和某些聚合物复合材料以及某些由于其可比的辐射屏蔽效应而出现的潜在替代品，而毒性的毒性比铅低于铅。铅替代复合材料的三种组合W-SN-BA-PVC，W-SN-CD-PVC，Sn-GD-W-PVC在宽光束几何学的诊断放射学的能量范围内进行了研究。与含有复合材料的标准铅相比，在30-60 KEV和结果之间评估了这些材料在辐射衰减方面的辐射屏蔽效应。没有铅替代复合材料可在低Energie 30 KEV中提供更好的保护。复合W-SN-BA-PVC可提供相当大的衰减，但始终低于标准。复合材料W-SN-CD-PVC在40-60 KEV内显示出更好的衰减，而SN-GD-W-PVC在60 KEV时显示出更好的衰减。光电效应绝大多数主要主导了该能量范围内的能量转移和吸收。因此，铅替代复合屏蔽层可以有效地屏蔽40至60 KEV范围内的X射线能量。关键字：屏蔽效率，辐射屏蔽，铅的替代品，复合材料，蒙特卡洛模拟1。引入辐射屏蔽服装或铅围裙通常用于保护医疗患者和工人在医院，诊所和牙科办公室的诊断成像期间暴露于直接和继发辐射。使用类似的材料用于其他应用，例如用于保护在机场扫描仪或类似设备附近工作人员的行李扫描仪。在大多数这些环境中，典型的峰X射线能量范围为60至120 kVp，对应于大约35-60 keV的平均能量[1]。辐射屏蔽的有效性随成分材料的光电衰减系数，服装的厚度和辐射的能量谱[1]而有很大变化。传统上由铅制成的围裙已用于诊断放射学和介入试验中，因为它们在降低患者和操作员的辐射剂量方面具有非凡的效率。没有这些盾牌，直接接触电离辐射可能会导致健康组织中的生物学损害。尽管铅盾牌对减轻辐射剂量的有益，但对患者和辐射人员进行了疑问，但对长时间使用的安全性提出了疑问。证明了使用铅围裙的使用与背痛的发展之间的关系[3]。最近的一项研究由于铅的密度，这些盾牌是如此重，因此其携带是一项负担重大的任务，尤其是在长期过程中，例如在介入的血管造影中，如Moore等人。此外，由于铅是有毒元素，因此长期使用可能会危害用户的健康[4]。最近，研究人员对寻找重量较小且可能使用相同衰减的替代性无毒材料的兴趣增加，而不是铅来克服其质量和毒性问题[5]。
水上运动干预对运动技能的原始文章有效性并适应视觉障碍的幼儿的水生环境
Original Article Effectiveness of aquatic motor intervention on motor skills and adjusting to aquatic environments among toddlers with visual impairment: A pilot study MICHAL NISSIM* 1 , KENNETH KOSLOWE 2 , YAEL RAUCH PORRE 3 , EINAT ALTER 4 , RUTH TIROSH 5 1 Special Education Department, The David Yellin Academic College of Education, ISRAEL 2,3,4 Eliya-Association for Blind and Visually Impaired Children,以色列5水疗，以色列艾林医院在线发布：2024年5月31日（接受出版于2024年5月15日，doi：10.7752：10.7752/jpes.2024.05119方法：在这项试验研究中，将8至36个月的视觉障碍的三十三名幼儿随机分为两组：干预组同时接受了30分钟的水上运动干预和30分钟的物理疗法课程，每周一次，每周一次，持续12周，对照组每周仅接受30分钟的物理治疗，为期12周。使用了Peabody Developmental Motor Scales – 2nd Edition（PDMS-2），水取向测试ALYN1（WOTA1）和前视觉评估（PREVIAS）。目的：本研究旨在评估物理治疗和水生运动干预对视觉障碍的幼儿运动技能，调整和水功能的影响。另一个目标是研究运动技能，视觉功能以及视觉障碍的幼儿中水中的调整和功能之间的关系。结果：统计分析显示，运动技能和对象操纵的时间和研究组之间存在显着相互作用。PDMS-2总分[F = 5.2，P <0.05]和对象操作[F = 5.89，P <0.01]与对照组相比，干预组的时间显着改善。此外，结果表明，视觉障碍的幼儿中水的调整和功能有了显着改善。分析显示干预组[t（17）= -8.62，p <0.01]发生了重大变化。但是，PDMS-2总分（M = 13.54，SD = 9.48）的变化与WOTA1分数变化（M = 7.05，SD = 3.47）[R（16）= 0.68，P> 0.05]之间没有发现显着相关性。结论：这项研究强调了物理疗法和水生运动干预在增强运动技能并促进对视觉障碍的幼儿的适应水环境方面的有效性。这些发现主张将这种干预措施整合到早期干预计划中，以更好地支持视觉障碍的幼儿的发展需求。关键词：早期干预；水疗；婴儿；视觉残障引言视觉障碍是幼儿中普遍的感觉障碍（Solebo＆Rahi，2014年），这是由各种病因引起的，包括遗传状况，产前或围产期感染，早产，创伤和环境影响（Yahalom等人（Yahalom等人，20222））。视觉障碍对幼儿发展的影响是累积的（Sonksen＆Dale，2002）。扭曲的视觉信息破坏了信息处理和解释，导致发展延迟。先前的研究强调，与典型的同龄人相比，视觉障碍的儿童在实现发展里程碑方面的滞后滞后（Alon等，2010），具有各种运动技能的特定延迟（Elisa等，2002； Hallemans等，2011）。在六个月的大约六个月大的时候，幼儿通常开始表现出自愿运动模式和总体运动技能，从而积极探索他们的环境。但是，具有视觉障碍的幼儿可能会遇到延误运动技能的延迟，包括爬行，站立和独立步行。他们也可能会面临精细运动技能的挑战，例如伸出手和抓住小物体，这些物体需要眼镜（Braddick＆Atkinson，2013; Celano et al。，2016; Prechtl等，2001）。考虑到生命的头几年的高神经塑性，应尽早开始对视觉功能和运动技能的干预（Yin等，2019）。研究表明，通过早期干预，视力障碍的儿童可以达到与普通人群相当的功能水平（Saklofske等，2002）。神经科学的研究支持了早期干预对具有视觉障碍的幼儿发展的重要性。在关键时期，视觉皮层的发展受视觉和运动体验的影响，这种神经灵活性受到视觉刺激和运动活动的影响。然而，自出生以来的视觉经历有限，会阻碍视觉皮层中神经元的成熟（Fazzi等，2005）。尽管对早期干预对残疾幼儿的重要性得到了广泛认可（Novak＆Morgan，2019; World Health
人工是什么意思
在当今快节奏的世界中，人工智能已成为一个广泛讨论的话题，它已从科幻小说中的概念转变为影响我们日常生活的现实。人们对人工智能及其将想象力融入日常生活的能力着迷。本文旨在探讨人工智能的概念、发展历程、各种类型的人工智能、训练模型、优势以及其多样化应用的案例。人工智能是指开发能够执行需要人类智能的任务的计算机系统。它通过机器学习、自然语言处理、计算机视觉和机器人技术等技术，帮助处理大量数据、识别模式并根据收集的信息做出决策。人工智能涵盖学习、推理、感知、解决问题、数据分析和语言理解等能力。人工智能的最终目标是创造出能够模拟人类能力并以更高的效率和精度执行各种任务的机器。人工智能领域有可能彻底改变我们日常生活的各个方面，例如虚拟个人助理、自动驾驶汽车、医疗诊断和治疗、推荐系统和欺诈检测。人工智能已融入众多行业和日常生活，展现出其多样化的应用。Siri、Google Assistant 和 Amazon Alexa 等虚拟个人助理利用人工智能进行自然语言处理和机器学习，从而提供更精准的响应。自动驾驶汽车使用人工智能算法分析传感数据，并进行实时驾驶决策。医疗保健专业人员利用 IBM Watson for Health 和 Google DeepMind 等平台，将人工智能算法应用于医疗诊断和治疗。Netflix、Amazon 和 Spotify 等在线平台利用人工智能根据用户行为和偏好提供个性化推荐。金融机构利用人工智能通过分析数据的算法实时检测欺诈活动。人工智能 (AI) 是一个复杂的决策过程，在某些领域超越了人类的能力。人工智能机器的一个关键特性是重复学习，这使它们能够从现实生活中的事件中学习并与人类互动。这种学习过程被称为机器学习，是人工智能的一个子领域。由于缺乏准确性和热情，人类难以完成重复性任务。相比之下，人工智能系统在其任务中表现出卓越的准确性。人工智能在医疗保健、零售、制造和银行等各个领域都有广泛的应用。人工智能主要分为两类：弱人工智能（Narrow AI）和强人工智能（General AI）。弱人工智能是指专为特定任务或特定范围的任务而设计的人工智能系统。这些系统在其指定领域表现出色，但缺乏广泛的认知能力。其特征包括专业化能力、应用范围有限以及缺乏意识。狭义人工智能的例子包括虚拟个人助理、推荐系统、图像识别软件、聊天机器人和自动驾驶汽车。而广义人工智能则旨在全面模拟人类智能，包括推理、解决问题、学习和适应新情况的能力。广义人工智能的特征包括类似人类的认知能力、适应性以及在各种任务和领域中概括知识的能力。目前，狭义人工智能是人工智能最常用的形式，广泛应用于各行各业。狭义人工智能的例子包括Siri和Alexa等虚拟个人助理、推荐系统、图像识别软件、聊天机器人和自动驾驶汽车。随着研究人员不断突破人工智能的界限，他们提出了不同级别的人工智能能力。广义人工智能就是这样一个概念，它被认为具有自我意识、意识和主观体验。然而，达到这一水平仍然是一个理论挑战。广义人工智能的发展仍是一个持续研究的领域。另一个极端是超级人工智能，也称为人工智能超级智能 (ASI)。这种类型的人工智能几乎在各个方面都超越了人类智能，并对社会和人类的未来产生重大影响。超级人工智能的特点包括认知优势、快速学习和适应能力，这些特点可以推动各个领域的快速发展。超级人工智能的发展也引发了人们对其潜在社会影响的担忧，包括与控制相关的风险、与人类价值观的契合度以及对人类生存的威胁。尽管目前还处于理论阶段，但研究人员正在积极探索其发展带来的影响和挑战。相比之下，反应式机器是最基本的人工智能类型，纯粹是反应式的。它们不会形成记忆，也不会利用过去的经验来做出决策。例如，IBM 的“深蓝”国际象棋超级计算机在 1997 年击败了国际象棋大师加里·卡斯帕罗夫。这些机器可以感知世界并采取行动，而无需存储任何记忆。而记忆有限的机器可以回顾过去，并根据观察结果做出决策。一个常见的例子是自动驾驶汽车，它会观察其他车辆的速度和方向，并相应地进行调整。这需要在特定时间内监控车辆的驾驶情况。这些信息不会存储在机器的经验库中。基于心智理论的机器可以理解人类的信念、情绪、期望等，并做出情绪化的反应。索菲亚就是这类人工智能的典型例子，尽管该领域的研究仍在进行中。换句话说，先进的机器正在被开发，它们对世界及其实体（包括人类和动物）有着更深入的理解。这些机器将能够回答简单的“假设”问题，并具备同理心，从而更好地理解他人的观点。更重要的飞跃是创造出具有自我意识的机器，它们能够意识到自身身份并预测他人的感受。这种智能水平将代表人工智能研究的重大突破。人工智能 (AI) 的工作原理是通过算法、计算能力和来自各种来源的数据来利用海量数据。该过程包括收集相关数据，对其进行预处理以确保其清洁度和结构化，根据任务需求选择合适的算法，使用标记或未标记数据训练模型，评估其性能，并将其部署到生产环境中执行实际任务。人工智能功能广泛而多样，涵盖各种随时间推移进行调整和改进的技术。这使得模型能够通过持续学习在动态环境中保持相关性和准确性。在线学习、迁移学习和强化学习等技术有助于从经验和反馈中获取新知识。在推理过程中，经过训练的人工智能模型会运用其学习到的模式和表征，对新数据进行预测或决策。此过程包括将输入数据输入模型，并根据模型的内部工作原理获得输出预测或分类。人工智能系统依靠数据、算法和计算能力从经验中学习、做出决策并自主执行任务。人工智能系统的具体功能取决于其架构、算法以及其设计目标任务的性质。人工智能的应用领域广泛，已被广泛应用于医疗保健、金融、零售、制造、交通运输、教育、市场营销、游戏、安全和自然语言处理等各个行业。这些应用包括诊断、患者预后预测、个性化治疗方案、信用评分、欺诈检测、客户服务、需求预测、供应链优化、智能游戏角色、面部识别、入侵检测、机器翻译、情绪分析等等。人工智能的未来很可能涉及机器学习、自然语言处理和计算机视觉的进一步发展，从而为各种应用和行业带来功能日益强大、集成度更高的系统。人工智能的潜在增长领域包括医疗保健、金融、交通、客户服务、刑事司法决策、招聘、教育以及其他涉及道德考虑的敏感领域。人工智能 (AI) 是一种使计算机和机器能够模拟人类学习、解决问题和决策等能力的技术。AI 应用程序和设备可以识别物体、理解人类语言、从新信息中学习，并向用户和专家提供建议。AI 研究的最新焦点是生成式 AI，它可以创建文本、图像和视频等原创内容。生成式 AI 依赖于机器学习 (ML) 和深度学习技术。深度学习彻底改变了机器学习领域，它使算法能够在无需人工干预的情况下从大量未标记数据集中进行预测。这项技术尤其适用于自然语言处理、计算机视觉以及其他需要在海量数据中识别复杂模式和关系的任务。因此，深度学习为我们日常生活中的大多数 AI 应用提供支持。深度学习还支持多种先进技术，包括半监督学习，它结合了监督学习和非监督学习，可以在标记数据和未标记数据上训练模型。此外，自监督学习从非结构化数据中生成隐式标签，而强化学习则通过反复试验和奖励函数进行学习。迁移学习允许将从一个任务或数据集获得的知识应用于另一个相关任务或不同的数据集。生成式人工智能是指能够根据用户的提示或请求创建复杂原始内容（例如文本、图像、视频或音频）的深度学习模型。这些模型对其训练数据的简化表示进行编码，然后从该表示中提取数据以生成与原始数据相似但不完全相同的新作品。生成式人工智能的最新进展促成了复杂的深度学习模型类型的发展，包括变分自编码器 (VAE)、扩散模型和变换器。变换器是许多备受瞩目的生成式人工智能工具的核心，例如 ChatGPT 和 GPT-4、Copilot、BERT、Bard 和 Midjourney。生成式人工智能的运作分为三个阶段：训练、调整和生成。该流程始于基础模型，这是一种深度学习模型，可作为多种不同类型生成式人工智能应用的基础。基础模型可以针对特定任务进行定制，例如文本或图像生成，并且通常基于海量数据进行训练。深度学习算法处理海量非结构化数据（TB级或PB级的文本、图像或视频），并使用基础模型根据提示自主生成内容。这一训练过程计算密集、耗时且成本高昂，需要数千个GPU和数周的处理时间，总计数百万美元。像Meta的Llama-2这样的开源基础模型项目使开发人员能够绕过这一步骤及其成本。为了针对特定的内容生成任务对模型进行微调，开发者可以使用诸如标记数据微调或人工反馈强化学习 (RLHF) 等技术。这需要向模型输入特定于应用的问题或提示以及正确答案。开发者定期评估其生成式 AI 应用的输出，进一步调整模型以提高准确性或相关性。另一种方法是检索增强生成 (RAG)，它通过整合训练数据以外的相关来源来扩展基础模型，从而优化参数以提高准确性或相关性。生成式 AI 为各行各业和应用带来了诸多优势，包括重复性任务的自动化、更快地从数据中获取洞察、增强决策能力、减少人为错误、全天候可用以及降低物理风险。AI 可以自动化日常任务，使人类能够专注于创造性工作。它能够做出更快、更准确的预测和可靠的决策，使其成为决策支持或全自动决策的理想选择。AI 通过引导人们完成流程、标记潜在错误以及在无人干预的情况下自动执行任务来减少人为错误，尤其是在医疗保健等精准度至关重要的行业。随着机器学习算法接触更多数据并从经验中学习，其准确性不断提高，错误也随之减少。人工智能始终在线，全天候提供一致的结果。人工智能可以通过使用聊天机器人或虚拟助手来简化客户服务或支持的人员需求。它还可以简化生产流程，保持一致的产出水平，并自动执行那些可能危及人类工人的危险任务。例如，自动驾驶汽车可以降低乘客受伤风险。人工智能的实际应用包括通过聊天机器人改善客户服务、检测欺诈交易、个性化客户体验以及简化招聘流程。此外，人工智能代码生成工具可以加速应用程序开发，而预测性维护模型可以防止设备故障和停机。人工智能的快速应用带来了诸多好处，但也带来了挑战和风险。人工智能系统依赖的数据集可能容易受到篡改、偏见或网络攻击，从而损害其完整性和安全性。为了降低这些风险，组织必须在从开发到部署的整个人工智能生命周期中保护数据完整性。威胁行为者会针对人工智能模型进行盗窃、逆向工程或未经授权的操作，这可能会损害模型的架构、权重或参数。此外，还存在诸如模型漂移、偏差和治理结构崩溃等运营风险。如果不加以解决，这些风险可能会导致系统故障和网络安全漏洞，而威胁行为者可能会利用这些漏洞。为了优先考虑安全和道德，组织必须开发透明、可解释、公平的人工智能系统，包容、稳健、安全且可问责。人工智能伦理是一个多学科领域，旨在优化人工智能的有益影响，同时降低风险。人工智能伦理的原则包括可解释性、公平性和透明性。可解释的人工智能使人类用户能够解读算法产生的结果和输出。公平性和包容性要求在数据收集和模型设计过程中最大限度地减少算法偏差。建立多元化的团队对于创建包容性的人工智能系统至关重要。稳健的人工智能能够处理异常情况而不会造成损害，能够抵御有意和无意的干扰，并防止漏洞。问责制要求对人工智能的开发、部署和结果建立明确的责任和治理结构。与人工智能伦理相关的共同价值观包括可解释性、公平性、包容性、稳健性、安全性、问责制、透明性和责任感。用户必须了解人工智能的开发方式、功能、优势和劣势。提高透明度可以为人工智能模型和服务的创建提供宝贵的见解。确保隐私和合规性至关重要，因为像《通用数据保护条例》（GDPR）这样的监管框架要求组织保护个人信息。这包括保护可能包含敏感数据的人工智能模型，并开发能够适应不断变化的法规的适应性系统。研究人员根据人工智能的复杂程度对其进行了分类：弱人工智能（狭义人工智能）执行特定任务，而强人工智能（通用人工智能，AGI）则具有理解、学习和应用知识处理各种任务的能力，超越人类智能。具有自我意识的人工智能系统的概念仍是一个有争议的话题。人工智能发展的关键里程碑包括：- 1950 年：艾伦·图灵出版了《计算机器与智能》，提出了“机器能思考吗？”的问题，并提出了图灵测试。- 1956 年：约翰·麦卡锡在达特茅斯学院的第一次人工智能会议上提出了“人工智能”一词。- 1967 年：弗兰克·罗森布拉特制造了 Mark 1 感知器，这是一台基于通过反复试验进行学习的神经网络的计算机。- 1980 年：使用反向传播算法的神经网络在人工智能开发中得到广泛应用。 1995年，斯图尔特·罗素和彼得·诺维格出版了《人工智能：一种现代方法》，这是一本关于人工智能的权威教科书，探讨了人工智能的四个潜在目标或定义。大约在同一时期，IBM的“深蓝”国际象棋系统在一场对决中击败了世界冠军加里·卡斯帕罗夫。大数据和云计算时代到来，使企业能够管理用于训练人工智能模型的大型数据资产。21世纪初，人工智能取得了重大进展，包括约翰·麦卡锡在其2004年的论文《什么是人工智能？》中对人工智能的定义。数据科学开始成为一门热门学科，IBM Watson击败了《危险边缘！》冠军肯·詹宁斯和布拉德·鲁特。2015年，百度的 Minwa 超级计算机使用卷积神经网络识别图像的准确率高于人类。同年，在 DeepMind 的 AlphaGo 程序击败世界围棋冠军李索孛后，谷歌以 4 亿美元收购了 DeepMind。2020 年代，大型语言模型 (LLM) 兴起，例如 OpenAI 的 ChatGPT，它们显著提高了人工智能性能和推动企业价值的潜力。生成式人工智能实践使深度学习模型能够在大型数据集上进行预训练。截至 2024 年，人工智能趋势表明它将持续复兴，多模态模型通过结合计算机视觉和 NLP 功能提供更丰富的体验。IBM 强大的人工智能战略：推进值得信赖的人工智能以获得竞争优势一种利用人工智能力量的全面方法，包括创造竞争优势、在整个业务中扩展人工智能以及推进值得信赖的人工智能。