AI大爆发后，2024年人工智能有哪些新趋势发表时间：2024-06-17 10:10 时光飞逝，转眼间，又到了新的一年，那些昔日未竟的梦想，将开启新的篇章。在英国《自然》杂志去年底预测的2024年十大科学进展中，人工智能和ChatGPT人工智能的进展占据了前两名。人工智能的发展在过去一年中取得了无数的突破，也引起了广泛的争议，但不可否认的是，人工智能已经成为未来的象征，它将继续接近和影响现在和未来的人们的生活，对人类社会的进步产生广泛而深远的影响。那么，人工智能对科学的成果是什么，会带来有益的发展呢？
（1）国产“PANDA”用于胰腺癌早筛 人工智能逐渐走入人们的生活，其中在疾病诊治领域，人工智能已发挥出较强的影响力。 被誉为“癌症之王”的胰腺癌5年生存率极低，美国癌症协会2023年最新数据显示，胰腺癌患者5年生存率为11%-12%，国内最新数据为7.20%。如果及早发现疾病并进行手术，患者预后会更好，但胰腺癌通常难以发现，并且大多数病例在晚期被诊断出来。因此，利用人工智能技术帮助早期诊断胰腺癌等癌症，是科学家们寄予厚望的方向。 近日，上海胰腺疾病研究所、阿里达摩研究院、浙江大学医学院附属第一医院等机构联合采用“非造影剂CT结合人工智能”（非造影剂CT+AI）对胰腺癌进行大规模早期筛查，在现实世界中灵敏度为92.9%（判断胰腺肿瘤存在的准确率），特异性为99.9%（判断有无肿瘤的准确率）。研究结果发表在世界级期刊《自然医学》（Nature Medicine）上，该杂志还发表了一篇评论文章，称人工智能和基于图像的癌症筛查即将迎来黄金时代。 中国研究团队开发并训练了基于人工智能的胰腺癌筛查模型PANDA（AI胰腺癌检测），该模型使用人工智能放大和识别非对比CT图像中肉眼难以识别的细微病变特征。结果表明，PANDA能够在非增强CT上准确检测和诊断胰腺导管腺癌（胰腺癌最常见的类型，占90%以上）和非胰腺导管腺癌病变，并可随时用于大规模无症状患者群体的筛查。
与造影剂增强 CT 相比，在患者中使用非增强 CT 可降低辐射剂量并消除造影剂不良反应的风险。临床上，即使是经验丰富的放射科医生也很难通过非增强 CT 识别胰腺导管腺癌，但 PANDA 和非增强 CT 的组合在识别胰腺病变的常见亚型方面具有一定的优势。研究人员从来自多个医疗机构的3,208名真实世界患者中收集了数据来训练PANDA，然后将其用于10个医疗中心的6,239名患者的验证。结果表明，该模型在胰腺导管腺癌鉴定中的敏感性和特异性均优异。 PANDA有望作为新型的大规模胰腺癌筛查工具在医院或体检中心得到广泛应用。目前，该模型已在医疗、体检等场景中使用超过50万次，误报率极低。除了筛查胰腺癌外，研究团队正与全球多家一流医疗机构合作，利用PANDA和非造影剂CT检测更多癌症，包括食道癌、肺癌、乳腺癌、肝癌、胃癌、结直肠癌等六大高发癌症。
（2）GPT等生成式AI将更新迭代 展望今年的人工智能发展，《自然》杂志列出了几个具有代表性的人工智能模型的出现和作用，例如GPT-5，这些模型将可用，并可能展示比其前身GPT-4更先进的功能。同时，GPT-4的竞争对手Gemini（另一款生成式AI工具）等AI工具也将推出。 GPT-5 和 Gemini 都是大型语言模型和生成式 AI，可用于创建新的内容和想法，包括对话、故事、图像、视频和音乐等。因此，他们不仅可以生成多种语言的文本和翻译，还可以制作用于科学研究和教学的艺术产品。 生成式 AI 模型在人类通信和服务方面具有巨大潜力。不同的语言导致生活在不同地区的人们存在沟通障碍，而同声传译AI软件可能有助于解决这一困境。Meta 开发了开源无缝语音翻译模型 Seamless，谷歌开发了 Translation 3，这是一种用于无监督语音翻译的 AI 系统。其中，Metaverse Company的Seamless是一个“统一模型”，它集成了其他三个深度学习模型的所有功能，可以实时进行更自然、更真实的跨语言交流。Google 的 Translation 3 在翻译单词的同时，还处理非文本语音中的细微差异，例如停顿、语速和说话者身份。 更令人惊奇的是，AI软件还有望用于“嗅”气味和分析气味分子的结构。目前，人们可以用波长来研究视觉，用频率来研究听觉，并且可以通过仪器进行测量和评估，但目前还不能根据分子结构来测量或准确预测物质分子的气味。 谷歌、莫奈尔化学感官中心、英国雷丁大学等研究机构的研究人员开发了一种人工智能工具，可以仅根据分子的结构来预测分子的气味特征，它可以识别看起来不同但气味相同的分子，也可以识别看起来非常相似但气味完全不同的分子。 这个名为气味图谱的AI系统是以气味分子的大数据为基础训练的，它不仅适用于识别已知的气味物质，也适用于识别结构非常相似的气味物质，还可以描述大量具有不同分子特征的不相关分子。从应用场景来看，气味图谱不仅可以用于食品和农业中预测和发现新的化合物、香精和食品，还可以用于化工产品和化妆品的研发，以及生物医药领域，其“嗅觉”灵敏度比狗的鼻子更可靠。
（3）对付抗生素耐药菌有新突破 《自然》杂志预测，今年，Deep Thinking AI将发布其AI工具AlphaFold的新版本。此前，研究人员曾用旧版本的α折叠高精度预测蛋白质的3D形状，而新的α折叠将以原子精度模拟蛋白质、核酸和其他分子之间的相互作用，这一突破将为药物发现开辟新的途径。 人工智能在化学、生物医学和药学方面更有用，主要是因为它可以快速发现新物质并发明新材料。 每个人都会生病，过去使用过多的抗生素，加上在农业动物身上使用抗生素，导致对许多细菌的耐药性显著增加。早在几年前，世界卫生组织就警告说，如果人类不节约使用抗生素，未来传染病将陷入无药可救的困境。 或许，人工智能的介入可以解决这个难题。美国麻省理工学院的一个研究团队发表的研究结果显示，人工智能已经从数千万种化合物中发现了一类新的抗生素，可以杀死常见的临床超级细菌——耐甲氧西林金黄色葡萄球菌（MRSA）。 研究小组通过测试约39,000种化合物对耐甲氧西林金黄色葡萄球菌的抗生素活性来生成训练数据，然后将这些数据以及有关化合物化学结构的信息输入深度学习模型。同时，研究团队还训练了另外三个深度学习模型，以预测这些化合物是否对三种不同类型的人类细胞有毒。最终，研究人员发现，一些化合物既能杀死细菌，又能对人类产生最小的不利影响。 研究团队筛选了大约1200万种化合物，AI模型根据分子内的化学子结构确定了五种不同类别的化合物，并预测它们将对抗耐甲氧西林金黄色葡萄球菌。最后，人工智能模型选择了两种化合物作为最佳抗生素候选者。 然后，研究小组在两种小鼠模型中验证了候选抗生素，一种是耐甲氧西林金黄色葡萄球菌皮肤感染的小鼠模型，另一种是耐甲氧西林金黄色葡萄球菌全身感染的小鼠模型。结果显示，两种候选抗生素均显著减少了耐甲氧西林金黄色葡萄球菌的数量。换言之，AI模型选择的化合物对耐甲氧西林金黄色葡萄球菌的局部和全身感染均有效，适用于严重脓毒症相关耐药性感染的进一步发展和治疗。 耐甲氧西林金黄色葡萄球菌是一种革兰氏阳性细菌，细胞壁较厚。进一步的研究表明，这两种候选抗生素可以破坏细菌的细胞壁，而不会对人体细胞膜造成实质性损害，并且对人体细胞是安全的。我们有理由相信，未来，人工智能还可以筛选出更多的抗生素来治疗疾病。
（4）研究“AI会不会产生意识”很必要 有趣的是，《自然》杂志在今年的科学进展中也包括了对意识的争论和发现，认为它不仅是基于大脑和神经对人类意识的研究，而且表明人类心理学和哲学的突破可以在此基础上获得突破。当然，关于这项研究的最大争议仍然是人工智能是否产生意识，以及人类如何对待可能有意识的人工智能。 此前，邓普顿世界慈善基金会资助了3000万美元，用于研究和测试意识生成的两个主要理论，一个是综合信息理论，另一个是全球神经元工作空间理论。来自不同实验室的研究人员使用功能性磁共振成像、脑磁图和脑电图来研究 256 名人类参与者的视觉体验内容和持续时间的神经相关性。结果显示，在视觉皮层、腹颞叶皮层和额叶下皮层中存在反映意识内容的信息。枕部和外侧颞叶皮层的持续反应反映了刺激的持续时间;额叶和早期视觉区域之间存在特定内容的同步。 简单来说，这些结果证实了整合信息理论和全局神经元工作空间理论的一些预测，但这两种理论都无法解释意识是如何产生的。《自然》杂志预测，到今年年底，科学家们将对意识的神经基础有新的认识，并发表新的实验结果。 与此相关的是，人工智能真的会产生意识吗？有科学家担心，如果人工智能进化出意识，就有可能从人类对人工智能的控制转变为人工智能对人的控制，这将是人类的末日。虽然越来越多的人对人工智能产生意识的假设不屑一顾，但数学意识科学协会（AMCS）的成员呼吁联合国提供更多资金来支持意识和人工智能的研究。据该协会称，迫切需要对有意识和无意识系统之间的界限进行科学调查，这涉及道德、法律和安全问题。这些问题使得理解人工智能意识变得至关重要，例如，如果人工智能发展了意识，是否应该允许人们在使用后有效且简单地将其关闭？ 目前，一些国际研究人员预测，人工智能产生的意识将在5-20年内实现。但事实是，这一结论缺乏研究支持，2023 年的资助都没有用于“人工智能生成意识的研究”。数学意识科学协会（Association for the Science of Mathematical Consciousness）的研究人员认为，了解是什么让人工智能具有意识是评估有意识的人工智能系统对社会影响的唯一途径，包括它们可能构成的危险以及如何应对它们。 无论如何，随着科学技术的飞速发展，研究人工智能是否会产生意识，对人类社会文明的未来得出明确的结论具有重要意义，评估人工智能对人类社会文明是福还是负还为时不晚。
|
川公网安备 51010402000667号