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：

生成式 AI 增强了个体创造力但减少了集体多样性

生成式 AI 增强了个体创造力但减少了集体多样性 为了解生成式 AI 对短篇小说创作的影响，伦敦大学学院等机构的研究人员招募了近 300 名志愿者作为“作家”，展开一项在线研究。这些志愿者并不是以创作为生的职业作家。研究人员评估了他们的先天创作力，然后将他们随机分为 3 组。所有志愿者被要求根据随机分配的公海探险、丛林探险和外星探险 3 个选题之一，创作一个 8 句话的小故事。3 组志愿者接受生成式 AI 辅助创作的程度不同。第一组为无 AI 的参照组；其他两组可选择利用 AI 获得一个 3 句话的初始创意，其中之一可选择最多获得 5 个由 AI 产生的创意。创作完成后，志愿者们被要求以新颖性、情感特征等标准对自己创作的故事自我评估。此外还有 600 名外部评审人员以相同标准来评估这些故事。研究显示，接受生成式 AI 辅助有助于创作更有创意、更有趣的故事，这在一开始被测定为先天缺乏创作力的志愿者中尤其明显。但从总体来看，相比参照组，AI 辅助组创作的故事看起来更相似。 via Solidot

AI已经可以“读取”你大脑中的画面了

AI已经可以“读取”你大脑中的画面了 康奈尔大学最近的一篇论文，展示了他们最新的研究成果：因为人在面对不同画面时，大脑内也会有不同的信号传递。而通过核磁共振扫描+AI重建，这项技术成功实现了读取、并重新绘制出你看到的画面...... 视频左半边是受试者原本看到的图像，右半边则是AI重建，效果非常惊人。#AI 论文： 来自：雷锋 频道：@kejiqu 群组：@kejiquchat 投稿：@kejiqubot

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：

英国一项最新研究将让先前感染过新型冠状病毒的年轻志愿者再次接触病毒，以了解免疫系统会做出何种反应。

英国一项最新研究将让先前感染过新型冠状病毒的年轻志愿者再次接触病毒，以了解免疫系统会做出何种反应。 牛津大学的研究人员已经启动了一项所谓的“人体挑战”试验，目的是研究人体再次暴露于病毒之中后会发生什么。 他们的目标是确定自然感染后重新感染所需的病毒剂量，免疫系统如何反应以及这对于研究针对新型肺炎的保护性免疫意味着什么。 该研究有望在通过伦理审核后于本月开始，研究团队将招募在18到30岁以前感染过新型冠状病毒的人。志愿者会在安全可控的环境中再次接触病毒，同时研究人员将监视志愿者的健康状况。 （每日电讯报）

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