广东全省高质量发展大会设科技展　展示多项科研成果产品

广东全省高质量发展大会设科技展　展示多项科研成果产品 广东全省高质量发展大会在深圳召开，现场设有科技展，展示广东省内多间机构或企业的科研成果及产品。其中深圳市人工智能与机器人研究院在场内展示用来检测及维修桥梁斜索的智能机械人。该机械人配备镜头，会传回影像，加以分析。研究院创新发展部部长崔宁表示，由工人实地到桥上检测斜索有一定危险，由机械人检测可提升安全度，亦可大幅提高检查效率，目前已在长江、广东和重庆等地方的大桥上成熟应用，每秒可攀爬 1米以上，负重能力亦高，不过目前仍在产业化前期阶段。另外，现场有医疗仪器公司展示可用作远距离施行手术的手术机械人，该机械人由多个部件组合而成。外科医生可全程坐著，透过高清画面观看其他地方的病人情况，再操作仪器，透过机械臂施手术。该公司表示，已获内地当局批准应用于妇科、普通外科和胸外科手术，应用的手术量超过1500例。本身曾任外科医生的公司临床应用经理朱晓剑表示，该手术机械人透过5G 网络做到低延迟操作，他们已尝试过由北京的医疗团队透过手术机械人，为在海南地区的病人做手术，认为施行远距离手术，可处理医疗资源不均衡的问题，基层人士都可享受到优质医疗资源。 2024-02-18 16:59:58

【丹麦AI模型预测死亡率准确度超保险公司，引发被滥用担忧】

【丹麦AI模型预测死亡率准确度超保险公司，引发被滥用担忧】 据 12 月 19 日消息，丹麦科技大学的苏尼・莱曼・乔根森及其团队开发了一款强大的人工智能模型，可以根据个人数据预测死亡率，准确度远超现有的任何模型，甚至包括保险业使用的模型。研究人员表示，该模型能提前预警健康和社会问题，也需要警惕其被大型企业滥用。据悉，乔根森团队利用了涵盖丹麦 600 万人（2008-2020 年）教育、就医、诊断、收入和职业等丰富数据集，将其转化为可用于训练大型语言模型的文本。这种模型类似于 ChatGPT，ChatGPT 通过分析大量文本数据，预测下一个最可能的词，以此推断未来事件发生的可能性。同理，研究人员开发的“Life2vec”模型可以分析个人生命历程中的事件序列，预测接下来最有可能发生的事情。在实验中，Life2vec 模型仅用 2008-2016 年的数据进行训练，2016-2020 年的数据则用于测试。研究人员将 35-65 岁的人群分为两组，其中一半在 2016-2020 年间去世，另一半则存活。Life2vec 模型预测他们的存亡结果，其准确率比现有 AI 模型和保险业常用的死亡率统计表高出 11%。 快讯/广告 联系 @xingkong888885

深度学习准确实现季节性预测南极海冰迅速减少的情况

深度学习准确实现季节性预测南极海冰迅速减少的情况 利用先进的深度学习模型对 2024 年 2 月的南极海冰进行了预测，结果与实际观测结果非常吻合，这肯定了模型在当前全球变暖问题中的有效性。2018年2月4日，南极罗斯海的海冰。图片来源：刘健2023 年 11 月，南极海冰预报网络-南方（SIPN-South）项目协调了另一次夏季海冰状况预报，特别是 2024 年 2 月的预报。在中山大学和南方海洋科学与工程广东实验室（珠海）杨清华教授的带领下，研究团队利用卷积长短期记忆（ConvLSTM）神经网络构建了一个季节尺度的南极海冰预测模型。研究小组于 2023 年 12 月提交了预测结果，并经过同行评审，于 2024 年 2 月初发表在《大气科学进展》（Advances in Atmospheric Sciences）上。在预测中，研究小组预计 2024 年 2 月南极海冰仍将接近历史最低点，但创下新低的可能性较小。预测2024年2月的海冰面积（SIA）和海冰范围（SIE）分别为144.1万平方公里和210.5万平方公里，略高于2023年观测到的历史最低值。"我们对ConvLSTM模型预测南极海冰状况的有效性充满信心，因为它在八年再预报实验中的表现令人信服。"杨清华教授也有同感："不过，我们也担心潜在的'鞭打'效应。毕竟预测结果还有待于观测数据的验证。"最新的 2024 年 2 月卫星观测结果已经出炉。2024 年 2 月观测到的 SIA 和 SIE 值分别为 151.0 万平方公里和 214.2 万平方公里，接近 2023 年记录的历史最低值（151.1 万平方公里和 191.3 万平方公里）。预测值与观测值的对比显示两者非常接近，这增强了预报系统的可靠性。此外，2023 年 12 月至 2024 年 2 月的海冰面积和范围均在预测值的一个标准差范围内，这突出表明了预测系统的可靠性。预测数据与观测数据的成功对比验证了 ConvLSTM 模型的准确性及其在可靠的南极海冰预测方面的潜力。这一结果将于 2023 年 12 月提交给 SIPN-South 国际比较项目，使其成为 15 项贡献中表现最佳的预测之一。"看着这些对比结果，我们有一种如释重负的感觉，信心倍增。"杨教授反思道，"在地球进入以2023年被断定为'工业化以来最暖年份'为标志的被称为'沸腾时代'的时期，我们的成功预测不仅凸显了加强南极海冰预测研究的重要意义，也展示了深度学习方法在这一关键领域的巨大应用潜力。"编译来源：ScitechDaily ... PC版： 手机版：

《自然》杂志（Nature）美国时间 7 月 3 日刊登中山大学附属第七医院何裕隆、张常华教授团队主导的科研成果，揭示了一种 D

《自然》杂志（Nature）美国时间 7 月 3 日刊登中山大学附属第七医院何裕隆、张常华教授团队主导的科研成果，揭示了一种 DNA 修复蛋白（NBS1）蛋白乳酸化修饰在肿瘤化疗耐药中的关键调控作用，对困扰全球医学界的 “百年谜题” 肿瘤如何产生耐药机制研究取得突破。《NBS1 蛋白乳酸化修饰促进 DNA 损伤修复引起肿瘤耐药》揭示了肿瘤细胞如何抵抗化疗产生耐药性，为肿瘤免疫治疗、肿瘤放疗、肿瘤复发等问题研究开辟了新视角。（新华社）

突破性人工智能利用大脑数据预测小鼠运动 准确率高达95%

突破性人工智能利用大脑数据预测小鼠运动 准确率高达95% 一种用于预测行为状态的新型"端到端"深度学习方法使用了无需预处理或预先指定特征的全皮层功能成像。该方法由医科学生梶冈武弘（AJIOKA Takehiro）和神户大学高见彻（TAKUMI Toru）领导的团队开发，他们还能确定哪些大脑区域与算法最相关（如图）。提取这些信息的能力为未来开发脑机接口奠定了基础。资料来源：梶冈武弘要制作脑机接口，就必须了解大脑信号和受影响的动作之间的关系。这就是所谓的"神经解码"，这一领域的大部分研究都是通过植入大脑的电极来测量脑细胞的电活动。另一方面，功能成像技术，如核磁共振成像或钙成像，可以监测整个大脑，并通过代理数据使活跃的大脑区域清晰可见。其中，钙成像速度更快，空间分辨率更高。但在神经解码工作中，这些数据源仍未得到利用。其中一个特别的障碍是需要对数据进行预处理，如去除噪音或确定感兴趣的区域，因此很难为多种不同行为的神经解码设计出通用的程序。神户大学医科学生 Ajioka Takehiro 利用神经科学家 Takumi Toru 领导的团队的跨学科专业知识解决了这一问题。Ajioka 说："我们在基于 VR 的小鼠实时成像和运动跟踪系统以及深度学习技术方面的经验，让我们能够探索'端到端'深度学习方法，这意味着它们不需要预处理或预先指定的特征，从而可以评估整个皮层的神经解码信息。他们将两种不同的深度学习算法（一种针对空间模式，一种针对时间模式）结合到小鼠在跑步机上休息或奔跑的全皮层胶片数据中，并训练他们的人工智能模型从皮层图像数据中准确预测小鼠是在移动还是在休息。"神户大学的研究人员在《PLoS 计算生物学》杂志上报告说，他们的模型预测动物真实行为状态的准确率高达 95%，而无需去除噪声或预先定义感兴趣的区域。此外，他们的模型仅凭 0.17 秒的数据就做出了这些准确的预测，这意味着他们可以达到接近实时的速度。而且，这种方法适用于五个不同的个体，这表明该模型可以过滤掉个体特征。然后，神经科学家们通过删除部分数据并观察模型在该状态下的表现，确定图像数据中哪些部分对预测起主要作用。预测结果越差，数据就越重要。梶冈武弘释说："我们的模型能够识别行为分类的关键皮层区域，这尤其令人兴奋，因为它打开了深度学习技术'黑盒'的盖子。"神户大学团队建立了一种可通用的技术，从整个皮层功能成像数据中识别行为状态，并开发了一种技术来识别预测是基于数据的哪些部分。这项研究为进一步开发能够利用无创脑成像进行近实时行为解码的脑机接口奠定了基础。编译自:ScitechDaily ... PC版： 手机版：

人工智能预测果蝇行为已拥有惊人准确度

人工智能预测果蝇行为已拥有惊人准确度 考利的研究小组记录了果蝇在培养皿中一系列"约会"的求偶过程，跟踪雄蝇（蓝色）看到雌蝇（红色）时的行为反应。放置在"竞技场"下方的微型麦克风捕捉到了雄性果蝇拍打翅膀发出的歌声。图片来源：考利实验室/冷泉港实验室现在，冷泉港实验室（CSHL）的一位年轻科学家发现了一条重要线索，揭示了这一原理。他是通过建立一个普通果蝇大脑的特殊人工智能模型来做到这一点的。观看雄果蝇（蓝色）向雌果蝇（红色）求爱。相应的动画捕捉了雄果蝇的视角。资料来源：CSHL人工智能与果蝇行为CSHL助理教授本杰明-考利（Benjamin Cowley）和他的团队通过一种他们开发的名为"淘汰训练"的技术训练了他们的人工智能模型。首先，他们记录了雄果蝇的求偶行为追逐雌果蝇并向其唱歌。接下来，他们从基因上沉默了雄果蝇体内特定类型的视觉神经元，并训练人工智能检测行为的任何变化。通过用多种不同类型的视觉神经元重复这一过程，他们能够让人工智能准确预测真正的果蝇在看到雌果蝇时会做出怎样的反应。考利说："我们实际上可以通过计算预测神经活动，并询问特定神经元如何对行为做出影响，这是我们以前无法做到的。"解码神经通路通过新的人工智能，考利的团队发现果蝇大脑使用"群体代码"来处理视觉数据。果蝇的行为需要许多神经元的组合，而不是像以前假设的那样，一种神经元类型将每个视觉特征与一个动作联系起来。这些神经通路的图表看起来就像一张极其复杂的地铁图，需要数年时间才能破解。尽管如此，它还是让我们找到了我们需要去的地方。它让考利的人工智能能够预测现实生活中的果蝇在受到视觉刺激时的行为。有了这个示意图，考利的团队现在就可以把注意力转移到研究他们的人工智能模型上，而不用在真正的果蝇身上进行昂贵的实验了。图片来源：考利实验室/冷泉港实验室对人类大脑研究的影响这是否意味着人工智能有一天可以预测人类行为？没那么快。果蝇的大脑包含大约 10 万个神经元。而人脑有近 1000 亿个神经元。考利在提到地铁图时说："小小的果蝇就已经是这样，你可以想象我们人类的视觉系统是什么样的。"尽管如此，考利仍希望他的人工智能模型有朝一日能帮助我们解码人类视觉系统的基础计算。他说："这将是持续几十年的工作。但如果我们能搞清楚这个问题，通过学习[苍蝇]的计算，我们可以建立一个更好的人工视觉系统。更重要的是，我们将更详细地了解视觉系统的紊乱"。至于好了多少，我们必须亲眼目睹才能相信。编译来源：ScitechDaily ... PC版： 手机版：