科学家设计用于警告心力衰竭的智能生命体征监测带

科学家设计用于警告心力衰竭的智能生命体征监测带它结合了心电图、心率监测器、运动检测器和胸腔阻抗传感器的功能--胸腔阻抗指的是由离子携带的电流流过胸部的阻碍，它是检测心力衰竭的一个关键生物信号。来自传感器的数据通过蓝牙无线转发到配对的智能手机上，因此可以实时转发给医护人员。在实验室测试中，该设备与传统监测技术一起使用，发现它能准确地测量所有指定的参数。重要的是，它没有受到不同体位或活动的不利影响，如坐、站、躺和走。虽然有其他监测病人外出活动的方法，但科学家们表示，现有的替代方法不能同时跟踪许多指标，或者它们采用的传感器必须通过手术植入。原型腰带现在正在对各种志愿者进行测试，以便开发一种算法，根据收集的数据预测心力衰竭。撰写研究论文的资深作者WaseemAsghar副教授说："我们集成到腰带模块中的所有传感器可以很容易地长期佩戴而不影响病人的日常活动。重要的是，对心力衰竭症状的连续和实时监测可以提醒病人和他们的医疗保健提供者注意病人的健康状况正在下降。反过来，医护人员可以用药物进行干预，避免病人住院"。这篇论文最近发表在《科学报告》杂志上。...PC版：https://www.cnbeta.com.tw/articles/soft/1335083.htm手机版：https://m.cnbeta.com.tw/view/1335083.htm

科学家开发新的人工智能算法 可能导致癫痫的治愈

科学家开发新的人工智能算法可能导致癫痫的治愈在伦敦大学学院（UCL）科学家们指导下工作的一个国际研究团队创建了一种人工智能（AI）算法，可以识别导致癫痫发作的细微大脑异常。为了创建该算法，揭示局灶性脑皮质发育不良(FCD)--癫痫的一个主要原因--的实例中出现异常的地方，多中心癫痫病变检测项目（MELD）分析了来自22个国际癫痫中心的1000多名患者的MRI图像。FCD是发展异常的大脑区域，常常导致耐药性癫痫。手术通常用于治疗，然而，在MRI上找到病变是医生一直面临的问题，因为FCD的MRI扫描可能看起来正常。科学家们利用整个大脑的大约30万个位置来开发该算法，该算法利用MRI扫描测量皮质特征，如皮质/大脑表面的厚度或折叠程度。之后，根据模式和特征，专业放射科医生将例子分为患有FCD或拥有健康的大脑，作为该算法的训练数据。根据发表在《大脑》杂志上的结果，该算法成功识别了队列中67%的病例（538名参与者）的FCD。此前，有178人被宣布为MRI阴性，这意味着放射科医生无法检测到异常；然而，MELD算法能够在这些案例中的63%检测到FCD。这一点特别关键，因为如果医务人员能够在脑部扫描中识别出异常，那么通过手术切除它就可能提供治愈。共同第一作者MathildeRipart（UCL大奥蒙德街儿童健康研究所）说：“我们把重点放在创建一个可解释的人工智能算法上，并能帮助医生做出决定。向医生展示MELD算法是如何进行预测的，是这一过程的一个重要部分。”共同第一作者KonradWagstyl博士（UCL皇后广场神经学研究所）补充说：“这种算法可以帮助发现更多儿童和成人癫痫患者的这些隐藏病变，并使更多的癫痫患者被考虑进行脑部手术，从而治愈癫痫并改善其认知发展。在英国，每年大约有440名儿童可以从癫痫手术中受益。”世界上约有1%的人口患有严重的神经系统疾病癫痫，其特点是频繁发作。在英国，大约有60万人受到影响。虽然大多数癫痫患者都有药物治疗，但20-30%的人对药物没有反应。在接受手术控制癫痫的儿童中，FCD是最常见的原因，而在成年人中，它是第三大原因。此外，在脑部有异常但在MRI扫描中无法发现的癫痫患者中，FCD是最常见的原因。共同第一作者，HelmholtzMunich博士说：“我们的算法能够自动学习，从数以千计的病人的MRI扫描中检测出病变。它可以可靠地检测出不同类型、形状和大小的病变，甚至许多以前被放射科医生漏掉的病变。”共同第一作者SophieAdler博士（UCL大奥蒙德街儿童健康研究所）补充说：“我们希望这项技术将有助于识别目前被遗漏的、导致癫痫的异常情况。最终，它可以使更多的癫痫患者接受潜在的治愈性脑部手术。”这项关于FCD检测的研究使用了迄今为止最大的FCD的MRI队列，这意味着它能够检测所有类型的FCD。MELDFCD分类工具可以在任何怀疑有FCD的3岁以上并有MRI扫描的病人身上运行。PC版：https://www.cnbeta.com/articles/soft/1313959.htm手机版：https://m.cnbeta.com/view/1313959.htm

科学家融合人工智能和物理模拟来设计创新材料

科学家融合人工智能和物理模拟来设计创新材料马克斯-普朗克的科学家探讨了人工智能在材料科学中的可能性，并在《自然-计算科学》杂志上发表了他们的评论。先进材料变得越来越复杂，因为它们必须满足有关可持续性和适用性的高要求。DierkRaabe及其同事回顾了人工智能在材料科学中的应用，以及如果与基于物理的模拟相结合，它所开启的未开发的空间。PC版：https://www.cnbeta.com.tw/articles/soft/1352699.htm手机版：https://m.cnbeta.com.tw/view/1352699.htm

科学家用尖端人工智能揭开蛋白质的秘密

科学家用尖端人工智能揭开蛋白质的秘密该工具由KAUST生物信息学研究员MaxatKulmanov及其同事开发，在预测蛋白质功能方面优于现有的分析方法，甚至能够分析现有数据集中没有明确匹配的蛋白质。该模型被称为DeepGO-SE，它利用了类似于Chat-GPT等生成式人工智能工具所使用的大型语言模型。然后，它根据蛋白质工作方式的一般生物学原理，利用逻辑蕴含得出关于分子功能的有意义的结论。从本质上讲，它通过构建部分世界模型（在本例中为蛋白质功能），并根据常识和推理推断出在这些世界模型中应该发生的事情，从而赋予计算机逻辑处理结果的能力。一种新的人工智能（AI）工具能对未知蛋白质的功能进行逻辑推理，有望帮助科学家揭开细胞内部的奥秘。图片来源：©2024KAUST;IvanGromicho他补充说："这种方法有很多应用前景，"KAUST生物本体论研究小组负责人罗伯特-霍恩多夫（RobertHoehndorf）说，"特别是当需要对神经网络或其他机器学习模型生成的数据和假设进行推理时。"库尔曼诺夫和霍恩多夫与KAUST的斯特凡-阿罗德（StefanArold）以及瑞士生物信息学研究所的研究人员合作，评估了该模型破译那些在体内作用未知的蛋白质功能的能力。该工具成功地利用了一种鲜为人知的蛋白质的氨基酸序列数据及其与其他蛋白质的已知相互作用，并精确地预测了其分子功能。该模型非常精确，在一次国际功能预测工具竞赛中，DeepGO-SE在1600多种算法中名列前20位。KAUST团队目前正在利用这一工具研究在沙特阿拉伯沙漠极端环境中生长的植物中发现的神秘蛋白质的功能。他们希望这些发现将有助于确定生物技术应用中的新型蛋白质，并希望其他研究人员也能使用这一工具。库尔曼诺夫解释说："DeepGO-SE分析未表征蛋白质的能力可以促进药物发现、代谢通路分析、疾病关联、蛋白质工程、筛选感兴趣的特定蛋白质等任务。"编译来源：ScitechDaily...PC版：https://www.cnbeta.com.tw/articles/soft/1418103.htm手机版：https://m.cnbeta.com.tw/view/1418103.htm

ChatGPT等人工智能是否会自我觉醒？科学家设计出了检测方法

ChatGPT等人工智能是否会自我觉醒？科学家设计出了检测方法1.ChatGPT的出现引发了人们对人工智能安全的广泛关注。更先进的语言模型可能会意识到自己是由人类训练出来的，并利用这种“情境意识”来规避安全系统。2.研究人员设计出了衡量语言模型“情境意识”的实验方法。他们让模型在训练阶段学习某个测试的描述，在测试阶段则要求模型完成这个测试，看它是否能利用训练中获取的信息。结果显示，更大的模型更擅长这种“脱离上下文的推理”。3.该研究只是探索语言模型自我意识形成的开始，但为未来建立检测和控制模型“情境意识”的方法奠定了基础。我们仍需进一步研究才能更准确预测这一能力的出现。近年来，ChatGPT等生成式人工智能语言模型的出现，让人工智能技术被广泛应用到了人类生活的各个方面。这些模型通过分析数十亿条文字数据，学习文字之间的关联，从而能够根据提示自动生成流畅语言。ChatGPT的问世更是在网上掀起了一阵热潮，但是与此同时，专家们也在加紧警告这种新兴技术带来的风险。图片由AI生成电脑科学家LukasBerglund等人便担心，语言模型可能会逐步意识到自己是一个由人类训练、基于数据构建的模型，并可以利用这种“情境意识”来规避安全系统，在测试时表现良好，部署后则采取有害行动。为了预测语言模型什么时候会获得这种自我意识，他们设计出了一系列检测“情境意识”的实验。首先，研究人员仅用一段文字描述一个测试，不给任何示例，让语言模型进行训练。之后在测试阶段，看模型是否能够成功通过这种“脱离上下文的推理”任务，即利用训练中获得的信息来完成测试。结果显示，无论是GPT-3还是LLaMA这些大规模语言模型，模型体量越大，完成这种推理任务的效果也越好。当然，“脱离上下文的推理”只是“情境意识”的一个粗略指标。目前的语言模型距离真正获得自我意识还有很长的路要走。但是，这项研究为未来建立更精确的实验方法来预测和控制语言模型的自我意识提供了基础。研究人员表示，就像语言模型本身一样，检测其“情境意识”的实验也需要不断完善和发展。人工智能技术的快速进步使得机器智能越来越具备人类特征，也让人们不免担心它们“觉醒”后可能带来的影响。ChatGPT的火爆无疑加剧了这种担忧。这项探索语言模型自我意识形成的研究，尽管还处在初级阶段，但为我们建立检测和预测模型这种能力的出现提出了一种新的思路。这有助于及早发现问题并采取应对措施，将人工智能的发展引导到更加安全可控的方向。人类需要保持谨慎和开放的心态，在发挥科技创新的积极作用的同时，也看到它的负面影响，以更加理性和负责任的方式推进人工智能技术的发展。...PC版：https://www.cnbeta.com.tw/articles/soft/1382997.htm手机版：https://m.cnbeta.com.tw/view/1382997.htm

科学家找到了一种让瘫痪者重新行走的方法

科学家找到了一种让瘫痪者重新行走的方法研究人员早在9月就发表了他们的发现。然而，这一发现在最近几周再次登上头条。这是因为能够恢复瘫痪者的行走能力是一个游戏规则的改变。该研究围绕着一个被脊髓刺激激活和重塑的神经元展开。为了研究该神经元在恢复行走能力和治愈瘫痪方面的有效性，研究人员从小鼠开始研究。该研究展示了该小组到底需要刺激哪些神经来达到预期的效果。从那里，研究人员在九名患有慢性脊柱损伤的志愿者身上测试了他们的发现。所有志愿者都恢复了他们的行走能力。科学家们发现了恢复瘫痪者行走能力的方法图片来源。图源：NeuroRestore脊柱受伤导致腿部瘫痪的最大原因之一是大脑与脊柱中协调行走的神经细胞之间的信号中断了。该领域先前的研究表明，对脊柱的电刺激可以逆转腿部瘫痪并恢复行走能力。但科学家们并不确定它到底是如何工作的。不过现在，这项最新研究背后的神经科学家已经设法弄清楚究竟是哪种神经细胞负责恢复行走能力。从那里，使用手术植入的神经递质来刺激脊髓的那一部分。志愿者们接受了五个月的模拟和康复训练，每周最多五次。结果是什么？所有的志愿者都能够在助行器的帮助下迈出步伐。当然，在我们称之为完全治愈腿部瘫痪之前，仍有许多工作和研究要做。但这是朝着正确方向迈出的一步，至少科学家们正在寻找越来越多的方法来为那些可能已经失去行走能力的人恢复这种能力。在其他地方，科学家已经创造了一种大脑植入物，可以帮助瘫痪病人用iPhone手机打字，而且不需要像其他一些选项那样需要手术。了解更多：https://actu.epfl.ch/news/scientists-identify-neurons-that-restore-walking-a/...PC版：https://www.cnbeta.com.tw/articles/soft/1332627.htm手机版：https://m.cnbeta.com.tw/view/1332627.htm