人工智能可通过眼部照片诊断儿童自闭症，准确率达 100%

人工智能可通过眼部照片诊断儿童自闭症，准确率达 100% 韩国延世大学医学院的研究人员近日取得一项突破：利用深度学习人工智能算法分析儿童视网膜照片，竟然实现了对自闭症谱系障碍（ASD）的诊断，准确率高达 100%。 这项研究为自闭症诊断开辟了新的可能。研究人员招募了 958 名平均年龄为 7.8 岁的参与者，其中一半患有自闭症，另一半为发育正常的对照组。他们拍摄了所有参与者的视网膜照片，并通过深度学习算法分析照片与症状严重程度评分之间的关联。 令人惊讶的是，该算法在测试阶段表现出了惊人的准确度，成功识别出所有自闭症患儿，准确率达到 100%。即使剔除图像中 95% 最不重要的区域（仅保留视盘区域），算法的准确率也依然保持稳定，表明视盘区域对于区分自闭症至关重要。来源 ， 频道：@kejiqu 群组：@kejiquchat

AI读取人脑信息准确率高达82%

AI读取人脑信息准确率高达82% 德克萨斯大学奥斯汀分校的神经伦理学家基于 GPT-1 开发了一种语言解码器，可通过人脑的磁共振成像将人类听到的语音、想象的语言与看到的无声电影转化成文字。 研究人员让志愿者们躺在磁共振成像仪中记录大脑活动，同时让他们每人收听16小时的博客，这些博客主要是一些 TED 演讲和脱口秀。再将脑成像信息与故事细节以及AI理解语义关系的能力相结合，研究人员开发了一张大脑应对不同内容做出反应短语的编码图。 结果当志愿者想象「我还没有驾照」这句话时，AI会将之解码为「她甚至还没有开始学开车」；当志愿者观看动画电影《新特尔》中女孩照顾小龙的片段时，AI也会根据大脑信息将之转换成文字。 研究人员还发现，这项技术很容易被欺骗，当参与者听着故事录音却想着其它故事时，解码器无法确定他们听到的是什么词，比如内心数数字和罗列动物。并且编码图也因人而异，这意味着研究人员无法创建一种适用于所有人的解码器。

摄像头捕捉动物眼中的世界 准确率高达99%

摄像头捕捉动物眼中的世界 准确率高达99% 苏塞克斯大学（University of Sussex）和乔治梅森大学（George Mason University）汉利色彩实验室（Hanley Color Lab）的研究人员相信，这款软件将有广泛的用途。因此，他们将该软件开源，鼓励从自然纪录片制作人、生态学家到户外运动爱好者和观鸟者等所有人都来窥探这些动物截然不同的视觉现实。"资深作者丹尼尔-汉利（Daniel Hanley）说："长期以来，我们一直对动物如何观察世界着迷。"感官生态学的现代技术让我们能够推断出静态场景在动物眼中的样子；然而，动物经常会对移动目标（探测食物、评估潜在配偶的表现等）做出关键决定。在这里，我们为生态学家和电影制作人介绍了能够捕捉和显示动物在运动中感知到的颜色的硬件和软件工具。相机系统对 (1) 紫外线和 (2) 可见光敏感，加上 (3) 模块化笼，以及 (4) 嵌入式（见箭头）定制支架内的放大镜。在这里，它安装在市售 (5) Novoflex BALPRO 波纹管系统上瓦萨斯等人/PLOS 生物学/(CC0 1.0)颜色、深度和其他视觉能力是由我们眼睛的感光器构成以及其他生物硬件（如锥体和视杆细胞）决定的。吸血蝙蝠和蚊子等动物可以感知红外线（IR），而蝴蝶和一些鸟类可以看到紫外线（UV）。这两种光都超出了人类所能看到的色谱范围。自然，这就使得人类很难完全理解动物的行为，以及我们可能如何在无意中影响它们交流、寻找食物、住所或配偶的能力。迄今为止，我们通过分光光度法等方法捕捉动物视觉的能力都非常耗时，依赖于特定的光照条件，而且无法记录动态图像。而这正是研究人员新研发成果的不同之处。研究人员利用多光谱摄影技术煞费苦心地设计了一种工具，可以捕捉不同波长的光线，包括红外线和紫外线。摄像机以蓝、绿、红、紫四种颜色通道记录视频，然后根据我们对特定动物眼睛感受器的了解，对视频进行处理，使其如同通过动物的眼睛拍摄的一样。视频记录可以准确估算出动物视觉光谱范围内的量子捕获量。在这种情况下，对于蜜蜂（左）和对紫外线敏感的鸟类（右）来说瓦萨斯等人/PLOS 生物学/(CC0 1.0)研究小组制作了一个便携式 3D 打印设备，该设备包含一个分光镜，可将紫外线与可见光分开，每种光线都由一个专用摄像头捕捉。紫外线感光相机本身并不能记录可感知的数据，但与另一个相机配对后，它们就能共同记录高质量的视频。算法将镜头对齐，以不同动物的视角呈现视觉效果。它的平均准确率为 92%，但有些测试的结果是 99%。硬件的设计适用于市面上的照相机，研究人员还将软件开源，希望其他人也能根据自己特定的野生动物拍摄需求进行调整。虽然它也有局限性不能捕捉偏振光，帧率有限，因此很难捕捉到速度快的生物但它提供了独特的见解，有助于我们进一步了解动物的行为，帮助我们减轻对自然世界的影响。研究小组用鸟类受体噪声限制（RNL）假色拍摄了一只Phoebis philea蝴蝶的博物馆标本。研究人员指出"该系统的另一个潜在用途是对博物馆标本进行快速数字化。这种蝴蝶具有色素和结构性紫外线色彩。明亮的品红色突出了主要反射紫外线的区域，而呈现紫色的区域则反射类似数量的紫外线和长波长光。将标本安装在支架上并缓慢旋转，可以展示虹彩颜色如何随观察角度的变化而变化。蜜蜂视觉中毛毛虫的反捕食展示。研究人员说："隐藏和显露显示会给光谱学和标准多光谱摄影带来问题。在这里，我们展示了一段黑燕尾凤蝶毛虫展示其蜕皮器的视频。我们用蜜蜂假色来说明这段视频，紫外线、蓝色和绿色量子捕捉器分别显示为蓝色、绿色和红色。毛虫背部的黄色斑点和（人类的）黄色虹膜在紫外线下都有很强的反射，而当色彩转换成蜜蜂假色时，它们则呈现洋红色（因为蜜蜂的紫外线敏感光感受器和绿色敏感光感受器的强烈反应分别被描绘成蓝色和红色）。毛虫的许多捕食者都能感知紫外线，因此，这种着色可能是一种有效的启示信号"。蜜蜂在花朵上觅食和互动的Apis视觉。研究小组指出"摄像系统能够捕捉到自然发生的原始行为。三个短片分别描述了蜜蜂在自然环境中觅食（第一和第二个短片）和打斗（第三个短片）的情景。视频以蜜蜂假色显示（将蜜蜂的紫外线、蓝色和绿色感光器反应分别显示为蓝色、绿色和红色）。最后，通过四种不同动物的眼睛看到了五彩斑斓的孔雀羽毛。在这种情况下，孔雀的同类孔雀，加上人类、蜜蜂和狗。研究小组解释说："照相系统可以测量与角度有关的结构色彩，例如虹彩。这里通过一段高度虹彩的孔雀（Pavo cristatus）羽毛视频来说明这一点。这段视频中的颜色代表（A）孔雀羽毛的假色，其中蓝色、绿色和红色量子捕获分别描绘为蓝色、绿色和红色，紫外线叠加为品红色。虽然与标准彩色视频大致相同，但在眼球的蓝绿色倒钩（"眼斑"）上可以看到紫外线虹彩（视频中大约 5 秒钟处有注释）。此外，还可以看到眼球周围（外侧两条绿色条纹之间）的紫外线虹彩。有趣的是，与(B)人类（标准色）、(C)蜜蜂或(D)狗相比，这种虹彩在孔雀身上更为明显。这项研究发表在《PLOS 生物学》杂志上。 ... PC版： 手机版：

AI 解锁新技能：分析街景图片实现定位，准确率 92%

AI 解锁新技能：分析街景图片实现定位，准确率 92% 来自斯坦福大学的科研团队基于 OpenAI 的 CLIP 神经网络，推出了预测图像地理位置（PIGEON）项目，可以分析街景图片，猜测图片所在地，准确率高达 92%。 PIGEON 应用程序可以有效分析街景照片，确认照片的确切位置，准确率高达 92%，超过 40% 的猜测，可以将位置缩小到距离确切位置 25 公里的范围内。 在和知名 GeoGuessr 玩家 Trevor Rainbolt 的对决中，PIGEON 连续 6 场胜利，PIGEON 在 GeoGuessr 玩家中排名前 0.01%。来源， 频道：@kejiqu 群组：@kejiquchat

准确率仅为26% OpenAI悄然关闭AI文本检测工具

准确率仅为26% OpenAI悄然关闭AI文本检测工具 OpenAI 官方近日更新新闻稿，由于准确率只有 26%，宣布停止 AI 文本检测工具AI Classifier。 该工具主要用于区分文本是由人类撰写还是 AI 生成的，不过在上线之后，OpenAI 发现准确性并不高。IT之家注：OpenAI 并未发布专门的博文表示关闭这项服务，只是更新了原有博文，在文章中宣布了这项调整。 OpenAI 透露，该工具存在严重的准确性问题，无法可靠地识别内容。报告称识别 AI 生成内容的准确性为 26%，且将 9% 人类撰写的文本错误标记为 AI 生成。 OpenAI 表示：“我们正在努力整合反馈，目前正在研究更有效的文本出处技术，并承诺开发和部署机制，使用户能够了解音频或视觉内容是否由 AI 生成”。来源 ， 来自：雷锋 频道：@kejiqu 群组：@kejiquchat 投稿：@kejiqubot