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。

突破性研究解码地球的宇宙防护罩 加强空间天气预报准确性

突破性研究解码地球的宇宙防护罩 加强空间天气预报准确性 伯明翰大学（University of Birmingham）率先开展研究，重新定义对近地空间粒子的理解，对传统模型提出质疑，旨在加强空间天气预报。资料来源：美国国家航空航天局/范艾伦探测器/戈达德太空飞行中心这项研究是迈向新理论和新方法的第一步，有助于科学家预测和分析粒子在太空中的行为。它对理论研究以及空间天气预报等实际应用都有影响。探索辐射带研究的重点是近地空间的两个高能粒子带，称为辐射带或范艾伦辐射带。这些粒子被困在地球的磁层中，会损坏经过的卫星和航天器上的电子设备，并给宇航员带来危险。几十年来，了解这些粒子的行为方式一直是物理学家和工程师的目标。自 20 世纪 60 年代以来，研究人员一直利用"准线性模型"中包含的原理来解释带电粒子如何在空间运动。空间物理学理论面临的挑战然而，在新的研究中，研究人员发现有证据表明，标准理论可能并不像以前假设的那样经常适用。由来自英国、美国和芬兰的 16 位科学家组成的研究小组探索了标准理论的局限性。准线性理论的应用看似简单明了，但事实上，根据太空中的科学测量结果将其整合到太空物理模型中是一个微妙的过程。本文对这一过程背后的挑战进行了分析。这些发现发表在《天文学和空间科学前沿》（Frontiers in Astronomy and Space Sciences）的特刊上，题为"空间物理学的编辑挑战：空间物理学中已解决和未解决的问题"。未来方向与合作研究主要作者、伯明翰大学空间环境与无线电工程（SERENE）小组的奥利弗-阿兰森（Oliver Allanson）博士说："更好地了解这些粒子的行为对于解读卫星数据和理解空间环境的基本物理原理至关重要。"参与这项研究的研究人员分别来自英国伯明翰大学、埃克塞特大学、诺森比亚大学、华威大学、圣安德鲁斯大学和英国南极调查局；美国加州大学洛杉矶分校、爱荷华大学和新墨西哥州美国空军研究实验室；芬兰赫尔辛基大学。下一步的研究将包括根据这项工作的发现加强理论描述，然后将其用于空间天气模型，以预测这些有害粒子在近地空间的行为。编译自:ScitechDailyDOI: 10.3389/fspas.2024.1332931 ... PC版： 手机版：

科学家设法提高超级计算机模拟准确性 揭开星系形成背后的秘密

科学家设法提高超级计算机模拟准确性 揭开星系形成背后的秘密 天文学家可以使用超级计算机来模拟星系从 138 亿年前宇宙大爆炸至今的形成过程。但是，这其中存在许多误差来源。由隆德研究人员领导的一个国际研究小组在八年时间里花费了一亿个计算机小时试图纠正这些错误。为了最大限度地减少误差来源，制作出更精确的模拟结果，由隆德大学的 Santi Roca-Fàbrega、首尔国立大学的 Ji-hoon Kim 和加利福尼亚大学的 Joel R. Primack 领导的来自 60 所高等院校的 160 名研究人员通力合作，现在公布有史以来最大规模的模拟对比结果。"要在星系形成理论方面取得进展，对不同模拟的结果和代码进行比较至关重要。"天体物理学研究员桑蒂-罗卡-法布雷加（Santi Roca-Fàbrega）说："我们现在已经做到了这一点，将世界上最好的星系模拟器背后相互竞争的代码组聚集在一起，进行了一种超级比较。"该合作项目的三篇论文（即 CosmoRun 模拟）现已发表在《天体物理学杂志》上。在这些论文中，研究人员分析了一个与银河系质量相同的星系的形成过程。模拟基于相同的天体物理学假设，包括宇宙中第一批恒星产生的紫外线背景辐射、气体冷却和加热以及恒星形成过程。模拟宇宙的一部分。资料来源：AGORA 协作小组新成果让研究人员得出结论，像银河系这样的圆盘星系在宇宙历史上形成的时间非常早，这与詹姆斯-韦伯望远镜的观测结果是一致的。他们还找到了一种方法，使卫星星系围绕较大星系运行的星系的数量与观测结果相一致，最终解决了一个众所周知的问题，即"卫星缺失问题"。此外，研究小组还揭示了星系周围的气体是如何成为逼真模拟的关键，而不是恒星的数量和分布，因为恒星的数量和分布是以前的标准。Santi Roca-Fàbrega 说："这项工作已经持续了八年，需要运行数百次模拟，使用一亿个小时的超级计算设施。"他们的旅程仍在继续，以进一步完善对星系形成的模拟。Santi Roca-Fàbrega 和他的同事们希望通过每一项技术成果，为宇宙和星系的诞生与演化这一令人眼花缭乱的谜题增添新的内容。Santi Roca-Fàbrega说："这是对星系形成进行更可靠模拟的开始，这反过来将帮助我们更好地了解我们的银河系。"编译自: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：

OpenAI的“企业年”包括提高人工智能准确性的新工具

OpenAI的“企业年”包括提高人工智能准确性的新工具 OpenAI API 于 2020 年推出，允许公司在其大型语言模型的基础上进行连接和构建，随后于去年 8 月开放了 GPT-3.5 的微调功能，最终还将开放GPT-4。高度定制的模型可以在内部提供更好的结果。它们还能使对公众的回复保持在正轨上，避免出现像由ChatGPT 支持的雪佛兰经销商的机器人说它会以 1 美元的价格卖出一辆车那样的尴尬情况。今天，OpenAI 首席运营官 Brad Lightcap在接受彭博社采访时表示，2024 年是"企业年"，因为企业开始推出更多使用基础模型的用例，OpenAI 在该领域看到了"巨大的增长"。Lightcap说："我们越来越感觉到，市场正在把我们拉向真正的应用，提供真正的业务成果，真正广泛地关注人工智能赋能，我们已经准备好为我们的客户提供支持。"Lightcap此前曾警告企业高管不要指望人工智能能解决他们的所有问题，并提醒说，生成式人工智能在很大程度上仍处于试验阶段。OpenAI 还正式宣布了辅助微调功能，作为定制模型计划的一部分，OpenAI 员工将帮助客户对 GPT-4 进行微调。定制模型计划允许选定的组织与 OpenAI 研究人员合作，根据其特定需求训练定制的 GPT-4 模型。通过微调，GPT-4 等预训练模型可以通过更小、更有针对性的数据集（如公司的投资组合）学习更多信息。第一个第三方集成是与 Weights & Biases 平台的集成。虽然 OpenAI 以 ChatGPT 而闻名，吸引了日常消费者和希望创建自己版本聊天机器人的品牌，但该公司也与初创企业和更成熟的组织合作，将人工智能驱动的应用和服务引入主流。生成式人工智能时代最早的一些宠儿，如文案撰写平台 Jasper和视频创作公司 Descript，都是利用 OpenAI 的模型构建自己的服务的。 ... PC版： 手机版：

机器人化学家RoboChem的速度和准确性均优于人类化学家

机器人化学家RoboChem的速度和准确性均优于人类化学家 RoboChem 由弗吉尼亚大学范特霍夫分子科学研究所 Timothy Noël 教授的研究小组开发。他们的论文显示，RoboChem 是一种精确可靠的化学家，可以进行各种反应，同时产生极少量的废物。该系统全天候自主工作，能够快速、不知疲倦地提供结果。机器人化学的延时摄影。资料来源：阿姆斯特丹大学Noël介绍说："一周之内，我们就能优化合成大约十到二十个分子。而这需要一个博士生花费几个月的时间。机器人不仅能获得最佳反应条件，还能提供扩大规模的设置。这意味着我们可以生产与制药业供应商直接相关的数量。"Noël研究小组的专长是流动化学，这是一种新颖的化学方法，用柔性小管系统取代烧杯、烧瓶和其他传统化学工具。在 RoboChem 中，一根机械针小心翼翼地收集起始材料，并将这些材料混合在半毫升以上的小体积中。RoboChem 基于流动化学原理。反应在体积仅为 650 微升的小管子中流动进行。资料来源：阿姆斯特丹大学然后，这些物质通过管道系统流向反应器。在那里，大功率 LED 发出的光通过激活反应混合物中的光催化剂，引发分子转换。然后，光流继续流向自动核磁共振波谱仪，以识别转化的分子。这些数据会实时反馈给控制 RoboChem 的计算机。Noël说："这是 RoboChem 的大脑。它利用人工智能处理信息。我们使用一种机器学习算法，它能自主决定进行哪些反应。它始终以最佳结果为目标，并不断完善对化学的理解。"机器人针式取样器精确地选择各种试剂的数量，并巧妙地将它们混合在一起，形成反应溶液。资料来源：阿姆斯特丹大学为了证实 RoboChem 的成果，研究小组付出了巨大的努力。《科学》论文中收录的所有分子都是经过人工分离和检查的。Noël说，该系统的独创性给他留下了深刻印象："我从事光催化研究已经十多年了。尽管如此，RoboChem 所显示的结果是我无法预测的。例如，它发现了只需要很少光的反应。有时，我不得不挠头去想它到底做了什么。这时你会想，如果是我们，也会这样做吗？现在回想起来，你就会明白 RoboChem 的逻辑。但我怀疑我们自己是否也能获得同样的结果。至少不会这么快'。RoboChem 的核心是一个功能强大的光化学反应器，其特点是有一排非常强大的 LED 照亮反应溶液。在这里，分子根据人工智能控制器的指令进行转化。资料来源：阿姆斯特丹大学研究人员还使用 RoboChem 复制了之前在四篇随机选取的论文中发表的研究成果。然后，他们确定了Robochem是否产生了相同或更好的结果。在大约80%的情况下，该系统产生了更好的结果。Noël说：'在另外20%的情况下，结果是相似的。这让我毫不怀疑，人工智能辅助方法将在最广泛的意义上有益于化学发现。"RoboChem 和其他"计算机化"化学的意义还在于生成高质量的数据，这将有利于人工智能在未来的应用。在传统的化学发现中，只对少数分子进行深入研究。然后将结果推断到看似相似的分子上。RoboChem 生成的数据集完整而全面，每个分子的所有相关参数都能在其中获得。这就提供了更多的洞察力。RoboChem 采用机器学习算法处理从系统中获取的数据。它决定执行哪些反应，始终以最佳结果为目标。人工干预只发生在开始阶段，即设置储备溶液和启动 RoboChem 会话。资料来源：阿姆斯特丹大学另一个特点是，RoboChem系统还能记录"负面"数据。在目前的科学实践中，大多数发表的数据只反映成功的实验。失败的实验也能提供相关数据。但这些数据只能在研究人员的手写实验笔记中找到。这些数据没有公开发表，因此无法用于人工智能驱动的化学研究，RoboChem 也将改变这一点。编译来源：ScitechDaily ... PC版： 手机版：