机器人解决验证码的速度、准确性都已优于人类

机器人解决验证码的速度、准确性都已优于人类 近二十年来，验证码被广泛用作防止机器人的手段，验证码的复杂性和多样性也在不断发展，这种军备竞赛使人类和机器都越来越难以处理验证码。 这项研究评估了不同人群的验证码解决性能，其中1400名参与者总共解决了14000个验证码，包括图像分类、滑块、扭曲文本、纠正方位等主流防御方案，结果发现人类的解决速度和准确率都已弱于机器人。

耶鲁大学化学家从海洋生物中分离出独特的抗癌分子

耶鲁大学化学家从海洋生物中分离出独特的抗癌分子 将近三十年前，研究人员在原产于热带水域的一类海洋无脊椎动物 - 苔藓虫内发现了一组独特的抗癌化合物。这些分子的化学结构由氧化环和氮原子组成，结构复杂而密集，引起了全世界有机化学家的兴趣，他们希望在实验室中从头开始重新创造这些结构。然而，尽管付出了相当大的努力，这仍然是一项难以实现的任务。现在，耶鲁大学的一个化学家小组在《科学》杂志上撰文指出，他们采用一种将创造性的化学策略与最新的小分子结构测定技术相结合的方法，首次成功合成了其中的八种化合物。"这些分子一直是合成化学领域的一项杰出挑战，"耶鲁大学文理学院米尔顿-哈里斯（Milton Harris），化学教授、新研究的通讯作者塞斯-赫松（Seth Herzon）说。"许多研究小组都曾试图在实验室中重现这些分子，但它们的结构非常致密、错综复杂，因此一直无法实现。从本世纪初我还是一名研究生的时候，我就一直在阅读有关合成这些化合物的文章"。在自然界中，这些分子存在于某些种类的外肛动物门动物体内，它们是小型水生动物，通过细小的触手过滤水中的猎物。全世界的研究人员都认为苔藓虫是新药物的潜在宝贵来源，许多从苔藓虫中分离出来的分子已被研究用作新型抗癌剂。然而，分子的复杂性往往限制了它们的进一步发展。赫松的研究小组研究了一种名为"Securiflustra securifrons"的贝类。他介绍说："大约十年前，我们曾研究过这些分子，虽然当时没有成功地再现它们，但我们对它们的结构和化学反应性有了深入的了解，这为我们的思考提供了依据。"新方法涉及三个关键的战略要素。首先，Herzon 和他的团队避免在整个过程的最后阶段构建反应性杂环（即吲哚）。杂环包含两个或两个以上的元素，而这种特定的环是众所周知的反应性环，会产生问题。其次，研究人员使用了被称为氧化光环化的方法来构建分子中的一些关键键。其中一种光环化反应涉及杂环与分子氧的反应，耶鲁大学的哈里-瓦瑟曼（Harry Wasserman）在 20 世纪 60 年代首次对这种反应进行了研究。最后，赫松和他的团队采用了微晶电子衍射（MicroED）分析来帮助观察分子结构。在这种情况下，传统的结构测定方法是不够的。新方法的成果是八种具有治疗潜力的新合成分子，并有望产生更多新化学物质。"就分子量而言，它们与我们实验室研究的其他分子相比并不算大。但从化学反应性的角度来看，它们是我们所面临的最大挑战之一"。赫松介绍说，同时他也是耶鲁大学癌症中心的成员，并在耶鲁大学医学院药理学和放射治疗学领域担任联合职务。编译自:ScitechDaily ... PC版： 手机版：

科学家正利用土壤微生物的DNA帮助提高气候模型的准确性

科学家正利用土壤微生物的DNA帮助提高气候模型的准确性 微生物模型利用广泛的基因组数据为土壤碳模拟提供动力。图片来源：Victor O. Leshyk 插图这个新模型使科学家们能够更好地了解某些土壤微生物如何有效地储存植物根系提供的碳，并为农业战略提供信息，以保护土壤中的碳，支持植物生长和减缓气候变化。"我们的研究证明了直接从土壤中收集微生物遗传信息的优势。在此之前，我们只掌握了实验室研究的少数微生物的信息，"论文第一作者、伯克利实验室博士后研究员吉安娜-马施曼（Gianna Marschmann）说。"有了基因组信息，我们就能建立更好的模型，预测各种植物类型、作物甚至特定栽培品种如何与土壤微生物合作，更好地捕集碳。同时，这种合作还能增强土壤健康"。最近发表在《自然-微生物学》杂志上的一篇新论文介绍了这项研究。论文的通讯作者是伯克利实验室的 Eoin Brodie 和劳伦斯利弗莫尔国家实验室的 Jennifer Pett-Ridge，后者领导着"微生物持久存在"土壤微生物组科学重点领域项目，该项目由能源部科学办公室资助，以支持这项工作。看见看不见的东西 - 微生物对土壤健康和碳的影响土壤微生物帮助植物获取土壤养分，抵抗干旱、疾病和虫害。它们对碳循环的影响在气候模型中的体现尤为重要，因为它们会影响土壤中储存的碳量或在分解过程中以二氧化碳形式释放到大气中的碳量。通过利用这些碳构建自己的身体，微生物可以将碳稳定（或储存）在土壤中，并影响碳在地下的储存量和储存时间。这些功能与农业和气候的相关性正受到前所未有的关注。然而，仅一克土壤中就含有多达100 亿个微生物和数千个不同物种，绝大多数微生物从未在实验室中被研究过。直到最近，科学家们才从实验室研究的极少数微生物中获得数据，为这些模型提供依据，其中许多微生物与需要在气候模型中体现的微生物无关。Brodie解释说："这就好比根据只生长在热带森林中的植物所提供的信息，为沙漠建立生态系统模型。"为了应对这一挑战，科学家团队直接利用基因组信息建立了一个模型，该模型能够适应任何需要研究的生态系统，从加利福尼亚的草原到北极解冻的永久冻土。该模型利用基因组深入了解土壤微生物的功能，研究小组将这种方法用于研究加利福尼亚牧场中植物与微生物组之间的相互作用。牧场在加州具有重要的经济和生态意义，占陆地面积的 40% 以上。研究重点是生活在植物根部周围的微生物（称为根圈）。这是一个重要的研究环境，因为尽管根区只占地球土壤体积的 1-2%，但据估计，根区储存了地球土壤中 30-40% 的碳，其中大部分碳是由根系在生长过程中释放出来的。为了建立这个模型，科学家们利用加州大学霍普兰研究与推广中心提供的数据，模拟了微生物在根部环境中的生长情况。不过，这种方法并不局限于特定的生态系统。由于某些遗传信息与特定的性状相对应，就像人类一样，基因组（模型所基于的）与微生物性状之间的关系可以转移到世界各地的微生物和生态系统中。研究小组开发了一种新方法来预测微生物的重要性状，这些性状会影响微生物利用植物根系提供的碳和养分的速度。研究人员利用该模型证明，随着植物的生长和碳的释放，由于根系化学和微生物性状之间的相互作用，会出现不同的微生物生长策略。特别是，他们发现，生长速度较慢的微生物在植物生长后期会受到碳释放类型的青睐，而且它们在利用碳方面的效率出奇地高这使它们能够在土壤中储存更多的这种关键元素。这一新的观测结果为改进模型中根系与微生物之间的相互作用提供了依据，并提高了预测微生物如何影响气候模型中全球碳循环变化的能力。"这些新发现对农业和土壤健康具有重要意义。通过我们正在建立的模型，我们越来越有可能利用对碳如何在土壤中循环的新认识。这反过来又为我们提供了可能性，使我们能够提出保护土壤中宝贵的碳的策略，从而在可行的范围内支持生物多样性和植物生长，以衡量其影响，"马施曼说。这项研究强调了利用基于遗传信息的建模方法来预测微生物性状的威力，有助于揭示土壤微生物组及其对环境的影响。编译来源：ScitechDaily ... PC版： 手机版：

丹麦的临床对比研究证明人工智能提高了乳腺癌筛查的准确性

丹麦的临床对比研究证明人工智能提高了乳腺癌筛查的准确性 在丹麦，人工智能的进步大大提高了乳腺癌的检测率，同时减少了误诊率丹麦的乳腺放射医师利用人工智能（AI）提高了乳腺癌筛查的效果，降低了误诊结果的发生率。研究结果发表在今天（6月4日）出版的北美放射学会（RSNA）期刊《放射学》上。虽然乳房 X 射线照相术成功地降低了乳腺癌死亡率，但也有可能出现误诊结果。近年来，研究人员对人工智能系统在筛查中的应用进行了研究。哥本哈根大学博士后、丹麦 Gentofte 医院研究员 Andreas D. Lauritzen 博士说："我们相信人工智能有可能提高筛查性能。"当用于分流可能正常的筛查结果或协助决策支持时，人工智能还能大大减少放射科医生的工作量。Lauritzen 博士说："基于人群的乳腺 X 射线照相筛查降低了乳腺癌死亡率，但却给放射科医生带来了巨大的工作量，他们必须阅读大量的乳腺 X 射线照相，而其中大部分并不值得召回患者。当筛查项目采用双读以提高癌症检测率并减少误诊召回时，读片工作量就会进一步加重。"一位女性的图像，她的乳腺成像报告和数据系统密度为 2，接受人工智能（AI）系统筛查时 57 岁。(A）右侧内外侧斜位全视野数字乳腺造影显示人工智能提供的标记（方形）。根据这一病变，筛查获得了 10 分的人工智能检查高分（满分 89 分）。(B）与 A 中的图像相同，但有放射科医生的检查结果。由于人工智能检查得分较高，该筛查由两名放射科医生进行了双读，他们标记的病灶（椭圆形，A1）与人工智能系统标记的病灶相同，这导致了召回。(C）裁剪后的 US 图像显示了诊断过程中观察到的一个小的（4 × 7 毫米）浸润性癌（线）。资料来源：北美放射学会（RSNA）Lauritzen 博士及其同事开始比较人工智能实施前后两批接受筛查的妇女的工作量和筛查效果。这项回顾性研究对丹麦首都地区两组年龄在 50 岁至 69 岁之间、每两年接受一次乳腺 X 射线照相筛查的妇女进行了比较。在第一组中，两名放射科医生阅读了 2020 年 10 月至 2021 年 11 月期间进行筛查的妇女的乳房 X 光照片，当时尚未实施人工智能。第二组妇女在 2021 年 11 月至 2022 年 10 月期间进行的筛查乳房 X 光照片由人工智能进行初步分析。人工智能认为可能正常的乳房 X 光照片随后由 19 名专业全职乳腺放射科医生中的一位进行读片（称为单次读片）。其余的乳房 X 光照片由两名放射科医生在人工智能辅助决策支持下进行阅读（称为双读）。用于筛查的市售人工智能系统由深度学习模型训练而成，可突出显示乳房 X 光照片中的可疑病变和钙化，并对其进行评级。所有接受乳房X光筛查的女性都接受了至少180天的随访。通过筛查发现的浸润性癌症和导管原位癌（DCIS）将通过针刺活检或手术标本进行确认。共有 60751 名妇女在未使用人工智能的情况下接受了筛查，58 246 名妇女在使用人工智能系统的情况下接受了筛查。在人工智能实施组中，66.9%（38 977 人）的筛查为单读筛查，33.1%（19269 人）的筛查为人工智能辅助双读筛查。与未使用人工智能系统的筛查相比，使用人工智能系统的筛查发现的乳腺癌数量明显增多（0.82% 对 0.70%），误诊率也更低（1.63% 对 2.39%）。Lauritzen博士说："在人工智能筛查组中，率降低了20.5%，放射科医生的阅读工作量减少了33.4%。放射科医生通常可以查看妇女以前的乳房 X 光筛查照片，但人工智能系统却无法查看。这是我们未来想做的事情。"人工智能筛查的阳性预测值也高于无人工智能筛查（33.5% 对 22.5%）。在人工干预组中，检测出的浸润性癌症中，大小在 1 厘米或以下的比例更高（44.93% 对 36.60%）。除了结节阴性率没有变化的迹象外，所有筛查绩效指标都有所改善。未来需要进行更多的研究来评估长期结果，确保过度诊断不会增加。还需要注意的是，并非所有国家都采用相同的乳腺癌筛查方案和间隔时间。美国的乳腺癌筛查方案与丹麦的方案不同。参考文献"2024 年 6 月 4 日，《放射学》。编译来源：ScitechDaily ... PC版： 手机版：

量子混杂：与黑洞相媲美的化学反应

量子混杂：与黑洞相媲美的化学反应 然而，莱斯大学理论家彼得-沃林（Peter Wolynes）和伊利诺伊大学香槟分校的合作者的最新研究表明，分子在扰乱量子信息方面可以像黑洞一样强大。他们结合黑洞物理学和化学物理学的数学工具，证明量子信息扰乱发生在化学反应中，几乎可以达到与黑洞相同的量子力学极限。这项研究成果在线发表在《美国国家科学院院刊》上 。Wolynes 说："这项研究解决了化学物理学中一个长期存在的问题，即量子信息在分子中的扰乱速度有多快。当人们考虑两个分子结合在一起的反应时，他们认为原子只进行单一的运动，即形成一个键或断开一个键。但从量子力学的角度来看，即使是一个非常小的分子也是一个非常复杂的系统。就像太阳系中的轨道一样，分子也有大量可能的运动方式我们称之为量子态。当发生化学反应时，关于反应物量子态的量子信息会变得混乱，我们想知道信息混乱是如何影响反应速率的。"张成浩（左）和 Sohang Kundu。图片来源：Bill Wiegand/伊利诺伊大学香槟分校提供的张成浩照片；Sohang Kundu 提供的 Kundu 照片为了更好地理解量子信息是如何在化学反应中被扰乱的，科学家们借用了一种通常用于黑洞物理学的数学工具，即时序外相关器（OTOCs）。"OTOC 实际上是在 55 年前的一个非常不同的背景下发明的，当时它们被用来研究超导体中的电子如何受到杂质干扰的影响，"Wolynes 说。"它们是超导理论中使用的一种非常特殊的物体。接下来，物理学家在 20 世纪 90 年代研究黑洞和弦理论时也使用了它们。"OTOCs测量的是在某一时刻对量子系统的某一部分进行调整会对其他部分的运动产生多大影响让人们深入了解信息在整个分子中传播的速度和效率。它们是莱普诺夫指数的量子类似物，莱普诺夫指数用于测量经典混沌系统的不可预测性。伊利诺伊大学香槟分校的化学家马丁-格鲁贝莱（Martin Gruebele）是这项研究的合著者之一，他是美国国家科学基金会资助的莱斯-伊利诺伊联合缺陷适应中心（Rice-Illinois Center for Adapting Flaws as Features）的成员。他介绍说："化学家对化学反应中的扰动非常矛盾，因为要达到反应目标，扰动是必要的，但它也会扰乱对反应的控制。了解分子在什么情况下会扰乱信息，在什么情况下不会扰乱信息，可以让我们更好地控制反应。了解 OTOCs 基本上可以让我们设定限制，什么时候这种信息真的会消失，不受我们控制，反之，什么时候我们仍然可以利用它来获得可控的结果。"Peter Wolynes（左起）、Nancy Makri 和 Martin Gruebele。图片来源：Wolynes 的照片由 Gustavo Raskosky/莱斯大学提供；Makri 的照片由 Nancy Makri 提供；Gruebele 的照片由 Fred Zwicky/伊利诺伊大学香槟分校提供。在经典力学中，粒子必须具有足够的能量来克服能量障碍才能发生反应。然而，在量子力学中，即使粒子不具备足够的能量，它们也有可能"隧穿"这一障碍。对 OTOC 的计算表明，在低温条件下，隧穿占主导地位的低活化能化学反应几乎可以在量子极限上扰乱信息，就像黑洞一样。南希-马克里（Nancy Makri）也是伊利诺伊香槟分校的化学家，她利用自己开发的路径积分法研究了当简单的化学反应模型嵌入一个更大的系统（可能是大分子自身的振动或溶剂）时会发生什么情况，并倾向于抑制混沌运动。Makri说："在另一项研究中，我们发现大环境往往会让事情变得更有规律，并抑制我们所说的影响。因此，我们计算了与大环境相互作用的隧道系统的 OTOC，我们看到的是，扰动被熄灭了行为发生了很大变化。"研究成果的一个实际应用领域是限制如何利用隧道系统构建量子计算机的量子比特。我们需要尽量减少相互作用的隧道系统之间的信息干扰，以提高量子计算机的可靠性。这项研究还与光驱动反应和先进材料设计有关。Gruebele说："我们有可能将这些想法扩展到这样的过程中：在这样的过程中不会只在一个特定的反应中进行隧穿，而是会有多个隧穿步骤，因为这就是涉及到电子传导的过程，例如，很多新型软量子材料，如用于制造太阳能电池和类似材料的过氧化物。"编译来源：ScitechDaily ... PC版： 手机版：

Google解释人工智能概述的离谱错误和更新 为其准确性辩护

Google解释人工智能概述的离谱错误和更新 为其准确性辩护 Google首先解释了人工智能概述的运行方式，包括它们"与聊天机器人和其他乐虎国际手机版下载产品的工作方式有很大不同"。它们不是简单地根据训练数据生成输出结果。虽然人工智能概述由定制的语言模型驱动，但该模型与我们的核心网络排名系统集成，旨在执行传统的"搜索"任务，例如从我们的索引中识别相关的高质量结果。这就是为什么人工智能概述不仅仅提供文本输出，还包括相关链接，以便人们进一步探索。Google试图将人工智能概述与更广泛的LLM幻觉问题区分开来，有些人认为LLM不适合搜索。这意味着人工智能概述一般不会像其他LLM产品那样"产生幻觉"或胡编乱造。相反，当人工智能概述出错时，Google表示常见的问题是"误解了查询，误解了网络语言的细微差别，或者没有很多有用的信息"。Google强调了一些病毒式传播的例子。在"我应该吃多少石头"的案例中，Google承认它没有很好地处理讽刺性内容。它还指出《洋葱新闻》的文章是如何"被一家地质软件供应商的网站转载的"。因此，当有人在搜索中输入这个问题时，就会出现一个人工智能概述，忠实地链接到解决这个问题的唯一网站之一。Google强调的另一个案例是"用胶水让奶酪粘在披萨上"，并将论坛（该案例中为 Reddit）作为可靠的第一手知识来源进行了过度索引。最后在少数情况下，我们发现人工智能概述会曲解网页上的语言并提供不准确的信息。我们通过改进算法或通过既定流程删除不符合我们政策的回复，迅速解决了这些问题。就下一步措施而言，Google已经"限制包含讽刺和幽默内容"，作为"更好的无意义查询检测机制"的一部分。此外"我们更新了系统，以限制在可能提供误导性建议的回复中使用用户生成的内容"。"我们为人工智能概述证明不那么有用的查询添加了触发限制"。"对于新闻和健康等主题，我们已经制定了强有力的防护措施。例如，我们的目标是不显示硬新闻话题的人工智能概述，因为这些话题的新鲜度和事实性非常重要。在健康方面，我们推出了额外的触发改进措施，以加强我们的质量保护。"该公司此前曾表示，"绝大多数人工智能概述都能提供高质量的信息"。Google今天援引自己的测试结果称，人工智能概述和基于引用的精选片段的准确率"不相上下"。  但遗憾的是，Google没有分享任何数据来证明这一点。 ... PC版： 手机版：