Лаврик может рассчитывать на помощь в его болезни...
Ученые из Кембриджа разработали инструмент искусственного интеллекта, способный в четырех случаях из пяти предсказать, останутся ли люди с ранними признаками деменции стабильными или у них разовьется болезнь Альцгеймера.
Деменция представляет собой серьезную глобальную проблему здравоохранения, от которой страдают более 55 миллионов человек во всем мире, а ее ежегодные расходы оцениваются в 820 миллиардов долларов. Ожидается, что в течение следующих 50 лет число случаев заболевания почти утроится.
Основной причиной деменции является болезнь Альцгеймера, на которую приходится 60-80% случаев. Раннее выявление имеет решающее значение, поскольку именно тогда лечение, вероятно, будет наиболее эффективным, однако ранняя диагностика деменции и прогноз могут быть неточными без использования инвазивных или дорогостоящих тестов, таких как позитронно-эмиссионная томография (ПЭТ) или люмбальная пункция, которые не доступен во всех клиниках памяти. В результате до трети пациентов может быть поставлен неправильный диагноз, а у других диагноз может быть поставлен слишком поздно, чтобы лечение было эффективным.
https://www.cam.ac.uk/research/news/artificial-intelligence-outperforms-clinical-tests-at-predicting-progress-of-alzheimers-disease
Beyond Euclid: An Illustrated Guide to Modern Machine Learning with Geometric, Topological, and Algebraic Structures
Очень толковый обзор, рекомендую хотя бы полистать...
"Непреходящее наследие евклидовой геометрии лежит в основе классического машинного обучения, которое на протяжении десятилетий в основном разрабатывалось для данных, лежащих в евклидовом пространстве. Тем не менее, современное машинное обучение все чаще сталкивается с богато структурированными данными, которые по своей сути неевклидовы.
Эти данные могут иметь сложную геометрическую, топологическую и алгебраическую структуру: от геометрии кривизны пространства-времени до топологически сложных взаимодействий между нейронами мозга и алгебраических преобразований, описывающих симметрии физических систем. Извлечение знаний из таких неевклидовых данных требует более широкой математической перспективы. Вторя революциям XIX века, которые привели к появлению неевклидовой геометрии, новое направление исследований переосмысливает современное машинное обучение с помощью неевклидовых структур. Его цель: обобщение классических методов на нетрадиционные типы данных с помощью геометрии, топологии и алгебры.
В этом обзоре мы предоставляем доступный доступ к этой быстрорастущей области и предлагаем графическую таксономию, которая объединяет последние достижения в интуитивно понятную унифицированную структуру. Впоследствии мы извлекаем информацию о текущих проблемах и выделяем захватывающие возможности для будущего развития в этой области."
https://www.arxiv.org/abs/2407.09468
Корпорация Synchron объявила о интеграции генеративного ИИ от OpenAI в свою платформу мозгового компьютерного интерфейса, представив новую функцию, которая позволяет пользователям с тяжелыми формами паралича общаться без рук.
Мозговой имплант Synchron имплантируется минимально инвазивным способом через яремную вену и передает моторные намерения пользователя из мозга — ИИ генерирует автоматические подсказки для переписки и общения на основе контекстных данных, включая эмоции пользователя, что упрощает и ускоряет процесс общения.
Система помогает пользователю генерировать текст или даже аудио со скоростью обычного диалога.
https://www.businesswire.com/news/home/20240711493318/en/Synchron-Announces-Brain-Computer-Interface-Chat-Feature-Powered-by-OpenAI
Андрей Карпатый открывает школу:
Мы, Eureka Labs, строим школу нового типа, основанную на искусственном интеллекте.
Как мы можем приблизиться к идеальному опыту изучения чего-то нового? Например, в случае с физикой можно представить, как вы работаете над высококачественными учебными материалами вместе с Фейнманом, который будет сопровождать вас на каждом этапе пути. К сожалению, экспертов в предметной области, которые глубоко увлечены, прекрасно преподают, бесконечно терпеливы и свободно говорят на всех языках мира, также очень мало и не могут лично обучать все 8 миллиардов из нас по требованию.
Однако с учетом недавнего прогресса в области генеративного искусственного интеллекта этот опыт обучения кажется вполне приемлемым. Преподаватель по-прежнему разрабатывает материалы курса, но они поддерживаются, используются и масштабируются с помощью помощника преподавателя с искусственным интеллектом, который оптимизирован для помощи учащимся в их изучении. Этот симбиоз Учитель + ИИ может проводить целую программу курсов на общей платформе. Если мы добьемся успеха, любому будет легко научиться чему-либо, расширяя образование как по охвату (большое количество людей, изучающих что-то), так и по объему (любой человек изучает большое количество предметов, сверх того, что сегодня возможно без посторонней помощи). .
Нашим первым продуктом станет, очевидно, лучший в мире курс по искусственному интеллекту LLM101n. Это курс для студентов бакалавриата, который помогает студенту тренировать собственный ИИ, очень похожий на уменьшенную версию самого помощника преподавателя по искусственному интеллекту. Материалы курса будут доступны онлайн, но мы также планируем провести как цифровую, так и физическую группу людей, которые пройдут курс вместе.
Сегодня мы с головой уходим в создание LLM101n, но мы с нетерпением ждем будущего, в котором ИИ станет ключевой технологией для увеличения человеческого потенциала. Чему бы вы хотели научиться?
https://eurekalabs.ai/
Модель MPM4 от 310 AI объединяет миллиарды лет жизни в мощный ИИ, который преобразует текстовые подсказки в новые и полезные белковые последовательности.
Этот прорыв, первоначально разработанный в 2021 году, может произвести революцию в применении биологии в медицине, промышленности и за ее пределами.
Изучите молекулярное программирование с помощью репозитория MPM4, содержащего более 1000+ белков, созданных искусственным интеллектом и одобренных учеными.
https://medium.com/310-ai/mpm4-ai-text2protein-breakthrough-tackles-the-molecule-programming-challenge-870045a8c1ad
Artificial intelligence surrounds us. More and more of the systems and services you interact with every day are based on AI technology. Although some very recent AI systems are generalists to a degree, most AI is narrowly specific; that is, it can only do a single thing, in a single context. For example, your spellchecker can't do mathematics, and the world's best chess-playing program can't play Tetris. Human intelligence is different. We can solve a variety of tasks, including those we have not seen before. In Artificial General Intelligence, Julian Togelius explores technical approaches to developing more general artificial intelligence and asks what general AI would mean for human civilization.
55 лет назад свершилось самое грандиозное событие в истории человечества - высадка на Луну. На сегодняшний момент - абсолютная вершина развития интеллекта. Я очень горд, что это сделали мои сограждане, моя страна, мой народ, США.
Конкуренция, демократия, рынки инноваций - вот слагаемые успеха в высоких технологиях. Уверен, что AGI, созданный нашими специалистами год назад, будет также высоко оценен.
Андрюха Кисельников пишет:
"Сегодня Дэвид Чалмерс в своём блоге формализовал логический вывод возможности возникновения искусственного сознания на основании двух посылок:
1) biology can support consciousness.
(2) biology and silicon aren't relevantly different in principle [such that one can support consciousness and the other not].
therefore:
(3) silicon can support consciousness in principle.
Главная суть состоит во второй посылке, ведь если мы будем двигаться вглубь материи, то в какой-то момент разница между биологической материей и материей, организованный в виде компьютеров, исчезнет – на базовом уровне между ними совершенно нет принципиальной, непреодолимой границы.
Можно добавить, что, действительно, если мы так до сих пор и не поняли (и, видимо, уже не успеваем понять), на каком уровне мозг порождает сознание – на шкале от субкваркового уровня компонентов нейрона до уровня глобальных общемозговых гиперсетей, то странно говорить, что у ИИ не может быть сознания в принципе – ведь на субкварковом уровне ИИ от мозга точно не отличается)
Чалмерc понимает, что для развития сознания внутри современных больших языковых моделей есть существенные препятствия и ограничения, но думает, что их можно будет преодолеть за ближайшие 10 лет, и подчёркивает, что, в любом случае, к проблеме искусственного сознания надо относиться серьёзно.
Также примечательна его оценка в 10 лет, примерно столько, возможно, потребуется для создания полноценного AGI / ASI, если надо будет просто продолжать масштабировать существующие модели и инвесторы смогут выделить около 10 трлн $, чтобы купить миллионы видеокарт и построить питающие их мощные АЭС. В целом, получается, что предсингулярная эпоха уже вовсю идет, и она закончится бифуркацией между позитивным или негативным исходом в интервале от 2035 года (оптимистичная оценка) до 2045 года (консервативно-реалистичная оценка, на которую, вероятно, разумнее всего ориентироваться)."
Новое исследование изучает возможность существования сознания в искусственных системах, уделяя особое внимание исключению сценариев, в которых ИИ кажется сознательным, но на самом деле таковым не является. Используя принцип свободной энергии, исследование подчеркивает, что, хотя некоторые информационные процессы живых организмов могут быть смоделированы компьютерами, различия в причинной структуре между мозгом и компьютерами могут иметь решающее значение для сознания.
Этот подход направлен на предотвращение непреднамеренного создания искусственного сознания и смягчение обмана со стороны, казалось бы, сознательного ИИ.
https://neurosciencenews.com/consciousness-ai-neuroscience-26469/
Большие языковые модели (LLM) оказывают преобразующее воздействие на широкий спектр научных областей, особенно в биомедицинских науках. Точно так же, как целью обработки естественного языка является понимание последовательностей слов, основной задачей биологии является понимание биологических последовательностей. Модели геномного языка (gLM), которые представляют собой LLM, обученные на последовательностях ДНК, могут значительно улучшить наше понимание геномов и того, как элементы ДНК в различных масштабах взаимодействуют, вызывая сложные функции. В этом обзоре мы демонстрируем этот потенциал, выделяя ключевые применения gLM, включая прогнозирование приспособленности, проектирование последовательностей и трансферное обучение. Однако, несмотря на заметный недавний прогресс, разработка эффективных и действенных gLM представляет собой множество проблем, особенно для видов с большими и сложными геномами. Мы обсуждаем основные соображения по разработке и оценке gLM.
https://arxiv.org/abs/2407.11435
The Genomic Code: The genome instantiates a generative model of the organism
Как геном кодирует форму организма? Какова природа этого геномного кода? Обычные метафоры, такие как проект или программа, не могут отразить сложные, косвенные и эволюционно динамичные отношения между геномом и формой организма или конструктивные интерактивные процессы, которые их производят. Такие метафоры также нелегко формализовать ни для обработки эмпирических данных, ни для моделирования геномного кодирования формы in silico. Здесь мы предлагаем новую аналогию, вдохновленную недавними работами в области машинного обучения и нейробиологии: геном кодирует генеративную модель организма.
В этой схеме, по аналогии с вариационными автокодировщиками, геном не кодирует непосредственно ни форму организма, ни процессы развития, а представляет собой сжатое пространство латентных переменных. Эти латентные переменные представляют собой последовательности ДНК, которые определяют биохимические свойства кодируемых белков и относительное сродство между транс-действующими регуляторными факторами и элементами их целевой последовательности. В совокупности они составляют коннекционистскую сеть с весами, которые кодируются алгоритмом обучения эволюции и декодируются в процессе развития.
Скрытые переменные в совокупности формируют энергетический ландшафт, который ограничивает процессы самоорганизации развития, чтобы надежно произвести новую особь определенного типа, что обеспечивает прямую аналогию со знаменитым эпигенетическим ландшафтом Уоддингтона.
Аналогия с генеративной моделью объясняет сложную, распределенную генетическую архитектуру большинства признаков, а также возникающую устойчивость и эволюционность процессов развития. Это также обеспечивает новый способ объяснить независимую возможность выбора определенных признаков, опираясь на идею мультиплексированных распутанных представлений, наблюдаемых в искусственных и нейронных системах, и поддается формализации.
https://arxiv.org/abs/2407.15908
Люди хотят «чувствовать себя услышанными», чтобы чувствовать, что их понимают, подтверждают и ценят. Может ли ИИ выполнять глубоко человеческую функцию – заставлять других чувствовать себя услышанными? Наше исследование затрагивает два фундаментальных вопроса: может ли ИИ генерировать ответы, которые заставят людей-реципиентов чувствовать себя услышанными, и как люди-реципиенты реагируют, когда считают, что ответ исходит от ИИ? Мы провели эксперимент и последующее исследование, чтобы разделить влияние фактического источника сообщения и предполагаемого источника.
Мы обнаружили, что сообщения, созданные искусственным интеллектом, заставляют получателей чувствовать себя более услышанными, чем сообщения, созданные людьми, и что искусственный интеллект лучше обнаруживает эмоции. Однако получатели почувствовали себя менее услышанными, когда поняли, что сообщение пришло от ИИ (а не от человека).
Наконец, в последующем исследовании, в котором ответы оценивались сторонними экспертами, мы обнаружили, что по сравнению с людьми ИИ продемонстрировал более высокую дисциплину в предоставлении эмоциональной поддержки, что является решающим элементом в том, чтобы люди чувствовали себя услышанными, избегая при этом чрезмерных практических предложений. что может быть менее эффективным в достижении этой цели. Наше исследование подчеркивает потенциал и ограничения ИИ в удовлетворении психологических потребностей человека.
Эти результаты показывают, что, хотя ИИ демонстрирует расширенные возможности по оказанию эмоциональной поддержки, девальвация ответов ИИ представляет собой ключевую проблему для эффективного использования возможностей ИИ.
https://www.pnas.org/doi/10.1073/pnas.2319112121?url_ver=Z39.88-2003&rfr_id=ori%3Arid%3Acrossref.org&rfr_dat=cr_pub++0pubmed
AI achieves silver-medal standard solving International Mathematical Olympiad problems
Искусственный интеллект общего назначения (AGI) с передовыми математическими рассуждениями имеет потенциал для открытия новых горизонтов в науке и технике.
Мы достигли большого прогресса в создании систем ИИ, которые помогают математикам открывать новые идеи, новые алгоритмы и ответы на открытые проблемы. Но современные системы ИИ все еще испытывают трудности с решением общих математических задач из-за ограничений в навыках рассуждения и данных для обучения.
Сегодня мы представляем AlphaProof, новую систему обучения с подкреплением для формального математического рассуждения, и AlphaGeometry 2, улучшенную версию нашей системы решения геометрии. Вместе эти системы решили четыре из шести задач Международной математической олимпиады этого года (IMO), впервые достигнув уровня серебряного призера конкурса.
https://deepmind.google/discover/blog/ai-solves-imo-problems-at-silver-medal-level/
Только 10% конкурсантов справляются с такими задачами.
И это конкурсанты Олимпиады, а не случайные люди типа наших владов, цапов и вульгавриков...
Intuit увольняет 1800 сотрудников, поскольку ИИ ведет к стратегическому сдвигу
Intuit сообщит примерно 1800 своим сотрудникам по всему миру — 10% от всей рабочей силы — о том, что они покинут компанию. Но руководство заявляет, что этот шаг не направлен на сокращение расходов.
Сасан Гударзи, генеральный директор компании из списка Fortune 500, которая предлагает такие продукты, как QuickBooks, Credit Karma и TurboTax, написал внутреннее электронное письмо сотрудникам, которое увидел Fortune, объявив об «очень сложных решениях, которые приняли моя руководящая команда и я».
Гударзи объясняет, что путь трансформации Intuit, включая уход от 1800 сотрудников, является частью ее стратегии по увеличению инвестиций в приоритетные направления ИИ и генеративного ИИ, такие как ее финансовый помощник на базе GenAI под названием Intuit Assist, и переосмыслению ее продуктов с традиционных рабочих процессов на нативные возможности ИИ. Стратегия также фокусируется на движении денежных средств, расширении среднего бизнеса для малого бизнеса и международном росте.
https://finance.yahoo.com/news/exclusive-intuit-laying-off-1-121500480.html
