科学家发现AI能够理解情绪刺激,人们可以进行情绪操控来增强它们

科学家发现AI能够理解情绪刺激,人们可以进行情绪操控来增强它们 中科院和微软的研究员在45项任务上对 Flan-T5-Large、Vicuna、LlaMA 2、BLOOM、ChatGPT 和 GPT-4 进行了实验,发现这些大型语言模型拥有情商,对之进行情绪操控可以使它们的表现、诚实度和责任指标平均提高10.9%。 研究员还根据心理学理论开发了多套情绪刺激手段,发现组合使用"情绪提示"往往效果更好。在大多数情况下,"情绪提示"的性能优于现有的提示工程方法,如思维链 (咱们一步步想) 和 APE (AI自动挑选优化)。

相关推荐

封面图片

科学家发现面部电刺激会影响情绪感知 微笑是看到幸福的秘诀

科学家发现面部电刺激会影响情绪感知 微笑是看到幸福的秘诀 一股无痛的电流瞬间操纵着肌肉,让人情不自禁地露出短暂的微笑。这是首次证明面部电刺激会影响情绪感知。科布博士希望这项研究能探索出治疗抑郁症或影响表达的疾病(如帕金森症和自闭症)的潜在方法。刺激装置特写。资料来源:埃塞克斯大学他说:"有控制地、短暂而微弱地激活面部肌肉,就能让原本中性甚至略带悲伤的面部产生快乐的错觉,这一发现具有突破性意义。它与关于面部反馈在情绪感知中的作用的理论辩论有关,并具有未来临床应用的潜力。"科布医生使用的是法国医生 Duchenne de Boulogne 在 19 世纪首次开发的一种技术的现代化版本。这段视频介绍了这一突破性技术。资料来源:埃塞克斯大学达尔文在《人和动物的情感表达》一书中发表了杜肯的研究成果,这是他关于进化论的第三部重要著作。然而,为了确保参与者的安全和更好地控制微笑,新实验的电压被调低了。实验方法和结果通过使用计算机,研究小组能够以毫秒级的精度控制微笑的开始。共有47人参加了埃塞克斯大学的这项研究,研究结果发表在《社会认知与情感神经科学》(Social Cognitive and Affective Neuroscience)杂志上。他们看到了数字头像,并被要求评估它们看起来是快乐还是悲伤。在一半的试验中,微笑肌肉在表情开始时被激活。结果表明,500 毫秒的微弱微笑足以诱发幸福感。科布博士说,这些结果有助于我们了解面部反馈,他希望能扩大这项研究。他说:"我们目前正在开展更多研究,以进一步探索健康参与者的这一现象。不过,我们希望将来能将这种技术应用于探索面部情绪识别,用于帕金森病等疾病患者,因为众所周知,帕金森病患者的自发面部模仿能力下降,面部情绪识别能力受损。此外,我们还发布了相关指南,以便其他研究人员能够安全地开始使用面部肌肉电刺激技术。"编译自:ScitechDaily ... PC版: 手机版:

封面图片

南洋理工大学科学家培育出“迷你肾脏” 探讨治疗多囊肾病方法

南洋理工大学科学家培育出“迷你肾脏” 探讨治疗多囊肾病方法 多囊肾有机体的免疫荧光图像从患者诱导多能干细胞中提取的囊性肾脏器官组织的显微图像南大李光前医学院的研究人员是从患有多囊肾病的病患身上采集皮肤细胞,在实验室培育出同真实肾脏结构相似的“迷你肾脏”。负责这项研究的助理教授夏云解释,把“迷你肾脏”移植到实验鼠体内,能够让研究人员用实验鼠模拟同人类肾脏病患者相似的重病特征,从而对多囊肾病进行更复杂的研究。研究人员在实验室测试22种影响细胞新陈代谢的药物后发现,其中一种用于治疗高血压和脱发的临床药物,能有效减少囊肿的形成。LKCMedicine 研究团队成员包括(站立者,左至右):刘萌助理研究员、张超研究员博士、傅佳妮助理教授和夏云助理教授(坐位,左至右):副研究员刘猛、研究员张超博士、(坐位,左起)助理教授傅佳妮和助理教授夏云。资料来源:新加坡南洋理工大学 ... PC版: 手机版:

封面图片

科学家发现脊髓神经机制带来的惊人记忆能力

科学家发现脊髓神经机制带来的惊人记忆能力 日本理化学研究所脑科学中心的竹冈绫(Aya Takeoka)及其团队确定了脊髓中独立于大脑促进运动学习的神经通路。他们的研究结果发表在4月11日的《科学》(Science)杂志上,研究人员发现了两组关键的脊髓神经元,一组是新的适应性学习所必需的,另一组则是学习后回忆适应性的神经元。这些发现可以帮助科学家开发出帮助脊髓损伤后运动恢复的方法。科学家们早就知道,即使没有大脑,脊髓的运动输出也可以通过练习进行调整。这一点在无头昆虫身上得到了最显著的体现,它们的腿仍然可以通过训练来避开外界的提示。到目前为止,还没有人搞清楚这是如何做到的,如果不了解这一点,这种现象就只能是一个怪异的事实。正如武冈解释的那样:"如果我们想了解健康人运动自动性的基础,并利用这些知识改善脊髓损伤后的恢复,那么深入了解其潜在机制是至关重要的。在这项研究中,将肢体位置与不愉快经历联系起来的脊髓仅在 10 分钟后就学会了调整肢体位置,并在第二天保留了记忆。而随机接受不愉快经历的脊髓则不会学习。资料来源:理化学研究所在深入研究神经回路之前,研究人员首先开发了一种实验装置,使他们能够在没有大脑输入的情况下研究小鼠脊髓的适应性,包括学习和回忆。每次试验都有一只实验鼠和一只后腿自由悬垂的对照鼠。如果实验鼠的后腿下垂过多,它就会受到电刺激,模仿小鼠想要避免的动作。对照组小鼠在同一时间接受同样的刺激,但与自己的后腿位置无关。即时学习和记忆保持观察仅仅过了 10 分钟,他们就观察到只有实验小鼠进行了运动学习;它们的腿仍然高高抬起,避免了任何电刺激。这一结果表明,脊髓可以将不愉快的感觉与腿部位置联系起来,并调整其运动输出,使腿部避免不愉快的感觉,而这一切都不需要大脑。24 小时后,他们重复了 10 分钟的测试,但将实验小鼠和对照组小鼠颠倒过来。原来的实验小鼠仍然保持着抬腿的姿势,这表明脊髓保留了对过去经历的记忆,从而干扰了新的学习。在脊髓中建立了即时学习和记忆之后,研究小组开始研究使这两种学习和记忆成为可能的神经回路。他们使用了六种类型的转基因小鼠,每种小鼠都有一组不同的脊髓神经元被禁用,并对它们进行了运动学习和学习逆转的测试。他们发现,脊髓顶端的神经元失效后,小鼠后肢无法适应以避免电击,尤其是那些表达Ptf1a基因的神经元。当他们在学习逆转过程中对小鼠进行检查时,发现沉默表达 Ptf1a 的神经元没有任何效果。相反,脊髓底部腹侧的一组表达En1基因的神经元却起了关键作用。当这些神经元在学习回避的第二天被沉默时,脊髓就像从未学习过任何东西一样。研究人员还在第二天通过重复最初的学习条件来评估记忆回忆。他们发现,在野生型小鼠中,后肢比第一天更快稳定地到达回避位置,这表明它们已经记住了。在回忆过程中激发En1神经元可将这一速度提高80%,表明运动回忆能力增强。竹冈说:"这些结果不仅挑战了运动学习和记忆仅局限于大脑回路的普遍观点,而且我们还证明了我们可以操纵脊髓运动记忆,这对旨在改善脊髓损伤后恢复的疗法具有重要意义。" ... PC版: 手机版:

封面图片

中国科学家发现了八种新的未知病毒,目前正计划对其进行实验。

中国科学家发现了八种新的未知病毒,目前正计划对其进行实验。 在中国南部的海南岛发现了以前未知的潜在危险病毒。其中一种病毒与 COVID-19 属于同一家族。 中国科学家表示,发现的病原体如果能够克服物种障碍,将对人类造成危险。现在他们计划用病毒进行实验来找出它们的威胁级别

封面图片

我国科学家发现寒武纪生命大爆发的关键因素

我国科学家发现寒武纪生命大爆发的关键因素 寒武纪生命大爆发,被称为古生物学和地质学上的一大悬案。一段时间以来,其诱因是学界关注的热点问题。 记者从中国科学技术大学获悉,近期该校卫炜副研究员、董琳慧博士研究生和黄方教授等人研究发现,海水中对早期动物有毒害作用的硫化物和钡离子的移除,促使了寒武纪生命大爆发。这一发现为寒武纪早期海洋氧化与生命大爆发之间的互馈机制提供了新的见解。(新华社)

封面图片

科学家发现婴儿大脑与人工智能模型惊人相似

科学家发现婴儿大脑与人工智能模型惊人相似 与许多动物相比,人类在出生后很长一段时间内都是无助的。许多动物,如马和鸡,出生当天就能行走。这种漫长的无助期使人类婴儿处于危险之中,也给父母带来了巨大的负担,但令人惊讶的是,这种无助期却经受住了进化的压力。跨物种研究的启示"自 20 世纪 60 年代起,科学家们就认为人类婴儿表现出的无助感是由于出生时的限制造成的。他们认为,人类婴儿头大,必须早产,导致大脑发育不成熟,无助期长达一岁。"认知神经科学教授、论文第一作者罗德里-库萨克(Rhodri Cusack)教授解释说。研究团队由库萨克教授、美国奥本大学克里斯蒂娜-查韦特教授和 DeepMind 高级人工智能研究员 Marc'Aurelio Ranzato 博士组成,库萨克教授利用神经成像技术测量婴儿大脑和心智的发育情况;克里斯蒂娜-查韦特教授负责比较不同物种的大脑发育情况;DeepMind 高级人工智能研究员 Marc'Aurelio Ranzato 博士负责比较不同物种的大脑发育情况。"我们的研究比较了不同动物物种的大脑发育情况。它借鉴了一个长期项目时间转换"(Translating Time),该项目将不同物种的相应年龄等同起来,从而确定人类大脑在出生时比许多其他物种更加成熟。"研究人员利用脑成像技术发现,人类婴儿大脑中的许多系统已经开始运作,并能处理来自感官的丰富信息流。这与人们长期以来认为婴儿大脑的许多系统尚未发育成熟,无法发挥作用的观点相矛盾。研究小组随后将人类的学习与最新的机器学习模型进行了比较,在后者中,深度神经网络受益于"无助"的预训练期。在过去,人工智能模型是直接根据所需的任务进行训练的,例如训练自动驾驶汽车识别它们在道路上看到的东西。但现在,模型最初都是经过预先训练,以便在海量数据中发现模式,而不执行任何重要任务。由此产生的基础模型随后用于学习特定任务。研究发现,这种方法最终会加快新任务的学习速度,并提高性能。对未来人工智能发展的影响"我们提出,人类婴儿也同样利用婴儿期的'无助'期进行预训练,学习强大的基础模型,并在以后的生活中以高性能和快速泛化来支撑认知。这与近年来在生成式人工智能领域取得重大突破的强大机器学习模型非常相似,例如OpenAI的ChatGPT或Google的Gemini,"库萨克教授解释道。研究人员表示,未来对婴儿学习方式的研究很可能会启发下一代人工智能模型。"虽然人工智能取得了重大突破,但基础模型比婴儿消耗大量能源,需要的数据也多得多。了解婴儿是如何学习的,可能会对下一代人工智能模型有所启发。"他最后说:"下一步的研究将是直接比较大脑和人工智能的学习情况。"编译自/scitechdailyDOI: 10.1016/j.tics.2024.05.001 ... PC版: 手机版:

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人