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

《深入浅出AI算法：基础概览》迈入人工智能算法大门

名称：《深入浅出AI算法：基础概览》迈入人工智能算法大门描述：《深入浅出AI算法：基础概览》从理论到实践，循序渐进地介绍了人工智能算法的基础知识，帮助读者敲开人工智能算法之门。提供PDF、azw3、mobi、epub格式。链接：https://pan.quark.cn/s/2222d056cc76大小：20.9MB标签：#AI#人工智能#图书#深入浅出AI算法#quark频道：@yunpanshare群组：@yunpangroup

【门头沟颁布北京首个人工智能算法领域专门人才政策】

【门头沟颁布北京首个人工智能算法领域专门人才政策】2023年05月08日10点13分老不正经报道，北京市门头沟区金隅琉璃文化创意产业园举办2023中关村论坛系列活动——北京人工智能产业创新发展人才高峰论坛，活动现场颁布北京市首个人工智能算法领域专门人才政策及人工智能领域人才培养方案，并聘请中国工程院倪光南院士担任京西智谷专家顾问，搭建人才发展成长空间和实践舞台，为北京市乃至全国整个人工智能产业培养人才。

研究发现人工智能算法对黄色皮肤存在偏见

研究发现人工智能算法对黄色皮肤存在偏见索尼公司的研究人员表示，目前常用的肤色测量方法仅使用从最浅到最深或从白到黑的滑动尺度来表示肤色，从而忽略了黄色和红色色调对人类肤色范围的影响。他们发现，生成式人工智能系统、图像抓取算法和照片分析工具在处理较黄的皮肤时都特别吃力。同样的弱点也可能适用于各种已被证实准确性会受肤色影响的技术，如用于人脸识别、身体跟踪和深度伪造检测的人工智能软件，或心率监测器和运动探测器等小工具。索尼公司首席研究科学家兼人工智能伦理全球负责人爱丽丝-项（AliceXiang）说："如果只是以这种非常单一的方式对产品进行评估，那么就会有很多偏见没有被发现和减轻。我们的希望是，我们在这里所做的工作可以帮助取代一些现有的肤色量表，这些量表实际上只关注浅色与深色。"但并非所有人都确信，现有的选择不足以对人工智能系统进行分级。哈佛大学社会学家埃利斯-蒙克（EllisMonk）说，他去年与Google一起推出的由10种肤色组成的调色板，提供了从浅到深的选项，但这并不是单一维度的。蒙克说："我必须承认，我对之前这方面的研究忽略了底色和色调的说法感到有些困惑。研究工作致力于决定在量表中优先考虑哪些肤色，以及在哪些点上优先考虑哪些肤色。他根据自己对肤色歧视的研究，并在咨询了其他专家和来自代表性不足社区的人之后，选择了他的量表中的10种肤色。"X.人工智能伦理咨询公司MaloSanto的首席执行官、Google肤色研究团队的创始人Eyeé表示，蒙克量表从未打算作为最终解决方案，并称索尼的工作是重要的进步。但Eyeé也提醒说，相机定位会影响图像中的CIELAB颜色值，这是导致该标准成为潜在不可靠参考点的几个问题之一。Eyeé说："在我们将皮肤色调测量应用于现实世界的人工智能算法（如相机滤镜和视频会议）之前，还需要做更多的工作来确保测量的一致性。"关于量表的争论不仅仅是学术性的。找到人工智能研究人员所说的"公平性"的适当衡量标准，是科技行业的当务之急，因为欧盟和美国等国的立法者正在讨论要求公司对其人工智能系统进行审计，并指出风险和缺陷。索尼公司的研究人员说，不健全的评估方法可能会削弱法规的一些实际好处。关于肤色，Xiang说，制定更多改进措施的努力是有必要的："我们需要不断尝试，以取得进展。根据不同的情况，不同的措施可能会被证明是有用的。我很高兴，在长期被忽视之后，人们对这一领域的兴趣与日俱增。"Google发言人布莱恩-加布里埃尔（BrianGabriel）则表示，公司欢迎这项新研究，并正在对其进行审查。人的肤色来自于光线与蛋白质、血细胞以及黑色素等色素的相互作用。测试算法是否因肤色而产生偏差的标准方法是检查算法在不同肤色上的表现，从最浅到最深的六个选项被称为菲茨帕特里克量表。该量表最初由皮肤科医生开发，用于评估皮肤对紫外线的反应。去年，科技界的人工智能研究人员对Google推出的蒙克量表大加赞赏，称其更具包容性。索尼公司的研究人员在本周于巴黎举行的国际计算机视觉会议（InternationalConferenceonComputerVision）上提交的一份研究报告中称，用于照片编辑和制造的国际色彩标准CIELAB为表现皮肤的广泛光谱提供了一种更忠实的方法。当他们应用CIELAB标准分析不同人的照片时，发现他们的皮肤不仅在色调（颜色的深度）上存在差异，而且在色相（即颜色的渐变）上也存在差异。不能正确捕捉人体皮肤中红色和黄色色调的肤色尺度似乎帮助了一些偏差在图像算法中不被发现。索尼公司的研究人员测试了开源人工智能系统，包括Twitter开发的图像捕捉器和一对图像生成算法，他们发现这些算法偏爱红色皮肤，这意味着在算法输出的最终图像中，大量皮肤偏黄的人没有得到充分体现。这有可能使包括东亚、南亚、拉丁美洲和中东在内的不同人群处于不利地位。索尼公司的研究人员提出了一种表现肤色的新方法，以捕捉以前被忽视的多样性。他们的系统使用两个坐标而不是一个数字来描述图像中的肤色。它既指定了肤色从浅到深的位置，也指定了从黄到红的位置，即化妆品行业有时所说的从暖到冷的底色。新方法的工作原理是分离图像中显示皮肤的所有像素，将每个像素的RGB颜色值转换为CIELAB代码，然后计算皮肤像素群的平均色调和色调。研究中的一个例子显示，前美国橄榄球明星特雷尔-欧文斯和已故女演员伊娃-嘉宝的明显头像具有相同的肤色，但色调不同，欧文斯的图像偏红，嘉宝的图像偏黄。不能正确捕捉人体皮肤红色和黄色色调的色标有助于图像算法中的偏差不被发现。当索尼团队将他们的方法应用于网上的数据和人工智能系统时，他们发现了重大问题。研究人员发现，CelebAMask-HQ（一个用于训练面部识别和其他计算机视觉程序的流行名人面孔数据集）有82%的图像偏向红色肤色，而另一个由NVIDIA开发的数据集FFHQ有66%偏向红色。在FFHQ上训练的两个人工智能生成模型再现了这种偏差：它们各自生成的每五张图像中，约有四张偏向红色色调。问题还不止于此。根据索尼公司的研究，当要求人工智能程序ArcFace、FaceNet和Dlib识别两张肖像是否对应同一个人时，它们在红色皮肤上的表现更好。Dlib的开发者戴维斯-金（DavisKing）说，他对这种偏差并不感到惊讶，因为该模型主要是在美国名人照片上训练出来的。微软Azure和亚马逊网络服务公司提供的用于检测微笑的云人工智能工具在较红的色调上也有较好的效果。微软负责人工智能工程的萨拉-伯德（SarahBird）说，公司一直在加强对公平性和透明度的投资。亚马逊发言人帕特里克-尼霍恩（PatrickNeighorn）说："我们欢迎与研究界合作，我们正在仔细审查这项研究。"NVIDIA则拒绝发表评论。作为一个黄皮肤的人，Xiang对揭示当今人工智能测试方式的局限性非常关注。她表示，索尼将使用新系统分析自己的以人为本的计算机视觉模型，因为这些模型需要接受审查，但她拒绝具体说明是哪些模型。"我们每个人的皮肤都有不同的色调。这不应该被用来歧视我们，"她说。索尼的做法还有一个潜在优势。像Google的蒙克量表（Monkscale）这样的测量方法需要人类对特定个体的皮肤在光谱中的位置进行分类。人工智能开发人员说，这是一项会带来变数的任务，因为人们的看法会受到所在位置或自身种族和身份观念的影响。索尼的方法是完全自动化的，不需要人工判断。但哈佛大学的蒙克质疑这是否更好。像索尼这样的客观测量方法最终可能会简化或忽略人类多样性的其他复杂性。他说："如果我们的目标是剔除偏见，而偏见也是一种社会现象，那么我就不太确定我们是否应该从分析中剔除人类是如何从社会角度看待肤色的。"...PC版：https://www.cnbeta.com.tw/articles/soft/1387957.htm手机版：https://m.cnbeta.com.tw/view/1387957.htm

新的人工智能模型比以前的方法更准确地预测癌症患者的生存率

新的人工智能模型比以前的方法更准确地预测癌症患者的生存率这是癌症患者确诊后旅程的第一步。该模型能够识别每个病人的独特特征，从而使6个月、36个月和60个月的生存预测的准确率超过80%。这些发现最近发表在《美国医学会杂志》网络版上。"预测癌症生存期是一个重要的因素，可以用来改善癌症护理，"主要作者约翰-乔斯-努涅斯博士说，他是UBC情绪障碍中心和BC癌症的精神病学家和临床研究员。"它可能会建议医疗服务提供者更早地转介到支持服务，或在前期提供一个更积极的治疗方案。我们的希望是，像这样的工具可以用来个性化和优化病人立即接受的护理，使他们获得可能的最佳结果。"传统上，癌症的存活率是回顾性计算的，只按一些通用因素分类，如癌症部位和组织类型。尽管对这些比率很熟悉，但由于影响病人结果的许多复杂因素，肿瘤学家要准确预测个别病人的存活率具有挑战性。努涅斯博士和他的合作者（包括来自不列颠哥伦比亚省癌症协会和不列颠哥伦比亚大学计算机科学和精神病学系的研究人员）开发的模型，能够在病人的初始咨询文件中发现独特的线索，以提供更细致的评估。它还适用于所有癌症，而以前的模型只限于某些癌症类型。"人工智能本质上阅读咨询文件，类似于人类阅读文件的方式，"努涅斯博士说。"这些文件有许多细节，如病人的年龄、癌症的类型、潜在的健康状况、过去的物质使用和家族史。人工智能将所有这些汇集在一起，描绘出一幅更完整的患者结果。"研究人员使用位于不列颠哥伦比亚省的所有癌症中心的47625名患者的数据训练和测试了该模型。为了保护隐私，所有患者的数据都安全地储存在本地，并以匿名方式呈现。与人类研究助理的病历审查不同，新的人工智能方法有一个额外的好处，即保持病人记录的完全保密性。努涅斯博士说："由于该模型是根据不列颠哥伦比亚省的数据训练的，这使它成为预测本省癌症生存率的潜在有力工具。"在未来，该技术可以应用于加拿大和世界各地的癌症诊所。努涅斯博士说："神经NLP模型的伟大之处在于它们是高度可扩展的，可移植的，并且不需要结构化数据集。我们可以使用本地数据快速训练这些模型，以提高在新地区的表现。我怀疑这些模型在世界任何一个病人能够看到肿瘤医生的地方都能提供一个良好的基础"。努涅斯博士是2022/23年UBC精神健康研究所马歇尔奖学金的获得者，也得到了不列颠哥伦比亚省癌症基金会的资金支持。在另一项工作中，努涅斯博士正在研究如何利用先进的人工智能技术为癌症患者提供尽可能好的心理和咨询护理。他设想的未来是，人工智能被整合到卫生系统的许多方面，以改善病人护理。努涅斯博士说："我认为人工智能的作用几乎就像医生的虚拟助手。随着医学越来越先进，有人工智能来帮助整理和理解所有的数据将有助于为医生的决策提供信息。最终，这将有助于改善患者的生活质量和结果。"...PC版：https://www.cnbeta.com.tw/articles/soft/1352495.htm手机版：https://m.cnbeta.com.tw/view/1352495.htm

OpenAI 正开发“AI 生成图片识别器”：准确率达 99%

OpenAI正开发“AI生成图片识别器”：准确率达99%10月18日晚间消息，OpenAI称其正在开发一款新工具，能够以相当高的精度判断一张图片是否是人工智能所绘制。除了聊天机器人和撰稿工具ChatGPT之外，OpenAI公司还开发过一款名为“DALL-E”的人工智能图片生成器。当地时间周二，该公司首席技术官米拉・穆拉蒂（MiraMurati）透露，该公司开发的AI图片识别工具，能够以99%的准确率判断一张图片是否是人工智能工具所绘制。穆拉蒂介绍，这款图片识别工具正在进行内部测试，后续将会发布，但是她并未提供很具体的发布时间。今年初，OpenAI公司也推出了一个识别工具，主要识别一段文章是否是人工智能助手所创作，但是意外的是，这款产品7月份就被撤架，原因是准确率不高，对用户来说还不可靠。撤架时，OpenAI公司表示后续将会继续完善这个识别产品，另外还要识别其他人工智能助手创作的内容，比如图片、音频等。来源：https://m.ithome.com/html/725852.htm投稿：@ZaiHuaBot频道：@TestFlightCN