《雪怪大冒险.mp4 》| 简介：在一个雪怪的世界里，米果发现了人类的存在，却遭到雪怪们的质疑。为了证明人类的存在，米果和伙伴们

《雪怪大冒险.mp4 》| 简介：在一个雪怪的世界里，米果发现了人类的存在，却遭到雪怪们的质疑。为了证明人类的存在，米果和伙伴们踏上冒险之旅，在这个过程中，雪怪们对人类的认知发生改变，传递了打破偏见、勇敢探索的精神 |标签：#雪怪大冒险 #动画电影# 雪怪冒险 #打破偏见 |文件大小 NG| 链接：

谷歌正式推出 “密钥登录”，逐步取代传统密码登录

谷歌正式推出 “密钥登录”，逐步取代传统密码登录 10月12日，谷歌宣布在 Android 和 Chrome 中正式推行密钥登录 “PassKey”，以逐步替代长期使用的密码登录 “PassWord”。 推出的密钥登录可以认为是 “生物密码” 和 “授权登录” 的结合。用户可以在 Android 手机上创建一个基于公钥加密的密钥凭据，创建密钥的时候需要对本人进行生物特征识别，比如 “指纹” 或者 “面部识别” 等。 创建完毕后，这个密钥凭据可用于解锁所有在线帐户 既可以解锁 Android 手机上的帐户，也可以解锁附近所有设备的帐户。是的，这个 FIDO 密匙登录功能由微软 / 苹果 / 谷歌联合出品，属于行业标准。因此它是跨平台的，包括 Windows、macOS 和 iOS 以及 ChromeOS。换而言之，你可以用 Android 手机的密钥凭据解锁上述所有系统的帐户和网站。

聪明人的特征有哪些?盐选成长计划的回答

聪明人的特征有哪些? 盐选成长计划的回答 决定一个人聪明与否的因素：睾酮素水平的高低。具体的判断方法就是：看脸。很多人听说过，一个人的智商是先天的基因和后天的环境共同作用的结果。 这个说法在科学上成立吗？ 如果成立，哪种因素影响更大呢？ 在行为遗传学上曾经围绕「同卵双胞胎」做过一个实验，因为「同卵双胞胎」的基因是完全相同的，这就代表他们的先天基因是一样的。 然后，在他们刚刚出生不久，就被两个不同的家庭领养，这意味着他们的成长环境不同。 等两个孩子长大后，科学家发现：基因因素对人的影响，平均占到 40% 至 50%，但这只是一个平均值，不同的个体差异还是很大的。 例如，在环境好的家庭中，基因对智商的影响超过 50%，而在环境不好的家庭中，基因对智商的影响则只有 10%。 也就是说，社会经济地位越高的家庭，基因对孩子的影响就越大；相反的情况下，环境对孩子的影响则越大。 研究结果还显示，童年时期的逆境总体来说是负面的，但如果一个人能战胜这个逆境，就有可能获得空前的成功。 据统计，有多位国家总统都来自单亲家庭，这远远高于正常比例。 为什么会这样呢？可能是因为他们很小就需要变得成熟、理性起来，也可能是因为缺少家长的管束，反而让他们拥有颠覆和创新的勇气。 不过，另一方面的研究也显示，在上学以后，孩子受同学的影响可能比父母之前的影响更大，他们会在学习及游戏的过程中，锻炼同理心等社交能力，进而让他们学会如何与社会产生连接。 这个过程往往会对他们将来的人生起到重要的作用。 毋庸置疑，环境会影响一个人的成长。 它又是如何产生影响的呢？人与人的差别又是如何产生的呢？ 其实，大部分情况下，在 25 岁以前，人与人之间最大的差距就是年龄本身。 我们说过人和动物最大的区别，就是人类拥有发达的额叶皮质，也就是理性脑。 除了理性脑，人的大脑在 7 岁以前，就基本完成了发育，只有理性脑，是在 25 岁以前，都会保持快速的发展。 这就导致了 25 岁以前的人们，每差三岁，智力水平就会有较大的差别。 相比起 25 岁以后的成年人，不少儿童和青少年更愿意为了眼前的快乐和利益，放弃长远的利益。 针对这一现象，美国曾经有一个著名的棉花糖实验： 受试者都是 5 岁左右的小朋友，实验人员在他们每个人面前摆上一块棉花糖。 他们可以选择马上吃掉，也可以选择 15 分钟后再吃，那时他们可以得到两块棉花糖。 实验中，不同孩子有不同的表现：有的孩子忍不住，直接吃掉了棉花糖；有的孩子则用唱歌、蒙眼睛等方法，转移自己的注意力，抵抗住了诱惑。 大约 30 年后，当初实验的设计者米歇尔对这些受试的小朋友进行了跟踪调查。 结果发现，当年那些能够抵制诱惑的小朋友大都比较成功，他们在各个领域几乎都比直接吃掉棉花糖的小朋友们表现得更优秀。 这个实验用很简单的方法证明了，理性脑的自控力和「延迟满足」的能力对个人成就的影响有多大。 这些小朋友之间的差别，则更多来自他们 5 岁以前的家庭环境和家长对他们所施加的教育。 年幼时期的环境对人的影响非常大，因此心理学家在分析一个人的时候，总是从其童年开始。 读到这里，也许有读者会问：我现在已经超过 25 岁了，还有什么办法可以改变自己的大脑，提高智力及能力吗？当然可以，因为除了基因和环境外，还有另外两个重要的因素学习和经验，它们不但会对人们的大脑产生深刻影响，而且任何时期都能产生效果。 最近 10 年，脑科学领域之所以能如此快速地发展，成为当今学界最热门的前沿科学之一，原因之一就是人类已经通过这方面的研究，发现了一系列可以改变自己、提升自己的方法。 接下来，我会为大家介绍一些方法，它们能让你的大脑变得更加强大。 我会在文章的最后，提供一些高效实用的工具。 当然，这些工具只是工具箱的一部分，大家可以以此为参考，收集整理出更多的工具，以壮大自己的工具箱。 下面是在应用脑科学中，几个与基因和环境有关的工具： 工具一：睾酮脸 所谓睾酮脸，就是通过看脸的长相，来判断一个人的先天睾酮素水平，进而了解这个人的性格特征。 首先，作为人体一种非常重要的荷尔蒙，睾酮素对人的性格起着重要的作用。 需要指出的是，它会把人原本的性格和行为倾向成倍地放大，而不是很多人认为的只会放大攻击性。 例如，一个人的睾酮素水平高，当他恐惧的时候，会成倍地产生逃跑的意愿；当他遇到机会时，就会倾向于冒险。 只有他愤怒时，睾酮素才会让他的攻击性放大。 因此，当知道一个人先天睾酮素的高低时，我们就可以采用相应的策略，充分利用他的特点。 例如，让睾酮素高的人去做销售，而不要做财务；与睾酮素高的人打交道，可以多称赞他们，放大他们的自尊，甚至可以说出一些他们本来没有的优点。 一般情况下，他们都会接纳你的称赞，同时做出积极的行为。 如何判断一个人的睾酮素水平的高低呢？ 最简单的方法就是看脸， via 知乎热榜 (author: 盐选成长计划)

量子计算能够开启对衰老的新认识 深刻改变生物研究

量子计算能够开启对衰老的新认识 深刻改变生物研究 在《计算分子科学》（WIREs Computational Molecular Science）杂志的一篇新论文中，来自临床阶段人工智能（AI）驱动的药物发现公司Insilico Medicine（以下简称"Insilico"）的研究人员展示了如何将量子计算整合到生物体研究中，以便更深入地了解衰老和疾病等生物过程。2023 年 5 月，Insilico、多伦多大学加速联盟和富士康研究院发表研究成果，成功证明了量子生成对抗网络在生成化学中的潜在优势。这些研究成果发表在美国化学学会的《化学信息与建模期刊》上。生物网络是相互关联的。就像只知道配料不足以理解如何烹制一道菜肴一样，只知道基因或蛋白质的清单也不足以理解它们是如何相互作用的。资料来源：Insilico Medicine在这篇最新论文中，Insilico 的研究人员全面介绍了如何将人工智能、量子计算和复杂系统物理学的方法结合起来，帮助研究人员推进对人类健康的新认识，并详细介绍了物理学引导的人工智能领域的最新突破。他们写道，虽然人工智能已成为帮助研究人员处理和分析大型复杂生物数据集的宝贵工具，从而找到新的疾病途径，并在细胞水平上将衰老和疾病联系起来，但在将这些见解应用于体内更复杂的相互作用方面，人工智能仍面临挑战。研究人员指出，为了全面了解生物体的内部运作，科学家们需要多模式建模方法，以管理三个关键领域的复杂性：规模的复杂性、算法的复杂性以及数据集日益增加的复杂性。生物学对量子计算的需求"虽然我们不是一家量子公司，但利用新的混合计算解决方案和超标量器提供的速度优势的能力非常重要。随着这种计算成为主流，我们就有可能进行非常复杂的生物模拟，并发现针对各种疾病和年龄相关过程的具有理想特性的个性化干预措施。我们很高兴看到我们在阿联酋的研究中心能在这一领域提出有价值的见解，"合著者、Insilico Medicine 公司创始人兼联合首席执行官亚历克斯-扎沃龙科夫（Alex Zhavoronkov）博士说。生物系统内的生物过程从细胞到器官再到整个身体，系统之间存在大量复杂的相互作用。解释这些过程需要在多个尺度上同时进行。而生物数据的获取已经达到了以前无法想象的水平。例如，"千人基因组计划"（1000 Genomes Project）是一个人类基因变异目录，已发现 900 多万个单核苷酸变异（SNV）；英国生物库（UK Biobank）包含了英国志愿者的 50 万个基因组的完整序列。我们需要庞大的计算能力来分析和处理这些数据。在每一个层次上，都有一种最常用的方法来研究这一层次的组织。人工智能在每个层次都显示出潜力。量子计算为加快人工智能求解器和传统技术的速度并提高其效率提供了可能。资料来源：Insilico Medicine研究人员写道，量子计算在增强人工智能方法方面具有得天独厚的优势允许研究人员同时对生物系统的多个层面进行解释。由于量子比特能同时保持 0 和 1 的值，而经典比特只能保持 0 或 1 的值，因此量子比特的计算速度和能力都大大提高。作者指出，量子计算已经取得了重大进展，其中包括 IBM 最近首次推出的公用事业级量子处理器和该公司首台模块化量子计算机，后者已经开始运行。最后，作者呼吁采用物理学指导的人工智能方法来更好地理解人类生物学这是一个将基于物理学的模型和神经网络模型相结合的新领域，他们写道，这个领域已经在进行中。通过结合人工智能、量子计算和复杂系统物理学的方法，科学家们可以更好地理解，正如作者所写的那样，"细胞、生物体或社会中较小尺度元素的集体互动如何产生可在较大尺度和现实层面上观察到的突发特征"。编译自:ScitechDaily ... PC版： 手机版：

Google的Med-Gemini医疗人工智能模型被证明表现不输人类医生

Google的Med-Gemini医疗人工智能模型被证明表现不输人类医生 医生每天要治疗众多病人，他们的需求从简单到非常复杂。为了提供有效的医疗服务，他们必须熟悉每位患者的健康记录，了解最新的治疗程序和治疗方法。此外，建立在同理心、信任和沟通基础上的医患关系也至关重要。要想让人工智能接近真实世界中的医生，它必须能够做到所有这些。Google的Gemini模型是新一代多模态人工智能模型，这意味着它们可以处理来自不同模态的信息，包括文本、图像、视频和音频。这些模型擅长语言和对话，理解它们所训练的各种信息，以及所谓的"长语境推理"，即从大量数据（如数小时的视频或数十小时的音频）中进行推理。Gemini医学模型具有Gemini基础模型的所有优点，但对其进行了微调。研究人员测试了这些以药物为重点的调整，并将结果写入了论文中。这篇论文长达 58 页，内容丰富，我们选取了其中最令人印象深刻的部分。自我培训和网络搜索功能要做出诊断并制定治疗方案，医生需要将自己的医学知识与大量其他相关信息结合起来：病人的症状、病史、手术史和社会史、化验结果和其他检查结果，以及病人对先前治疗的反应。治疗方法是"流动的盛宴"，现有的治疗方法会不断更新，新的治疗方法也会不断推出。所有这些都会影响医生的临床推理。因此，Google在 Med-Gemini 中加入了网络搜索功能，以实现更高级的临床推理。与许多以医学为重点的大型语言模型（LLM）一样，Med-Gemini 也是在 MedQA 上进行训练的，MedQA 是美国医学执照考试（USMLE）的多选题，旨在测试不同场景下的医学知识和推理能力。Med-Gemini 如何使用自我培训和网络搜索工具不过，Google也为他们的模型开发了两个新的数据集。第一个是 MedQA-R（推理），它通过合成生成的推理解释（称为"思维链"，CoTs）对 MedQA 进行了扩展。第二种是 MedQA-RS（推理和搜索），它为模型提供使用网络搜索结果作为额外上下文的指令，以提高答案的准确性。如果一个医学问题的答案不确定，就会提示模型进行网络搜索，以获取更多信息来解决不确定问题。Med-Gemini 在 14 个医学基准上进行了测试，并在 10 个基准上建立了新的最先进（SoTA）性能，在可以进行比较的每个基准上都超过了 GPT-4 模型系列。在 MedQA（USMLE）基准测试中，Med-Gemini 利用其不确定性指导搜索策略达到了 91.1% 的准确率，比Google之前的医学 LLMMed-PaLM 2 高出 4.5%。在包括《新英格兰医学杂志》（NEJM）图像挑战（具有挑战性的临床病例图像，从 10 个病例中做出诊断）在内的 7 项多模态基准测试中，Med-Gemini 的表现优于 GPT-4，平均相对优势为 44.5%。研究人员说："虽然结果......很有希望，但还需要进一步开展大量研究。例如，我们还没有考虑将搜索结果限制在更具权威性的医学来源上，也没有考虑使用多模态搜索检索或对搜索结果的准确性和相关性以及引文的质量进行分析。此外，是否还能教会较小规模的法律硕士使用网络搜索还有待观察。我们将这些探索留待今后的工作中进行。"从冗长的电子病历中检索特定信息电子病历（EHR）可能很长，但医生需要了解其中包含的内容。更复杂的是，它们通常包含相似的文本（"糖尿病"与"糖尿病肾病"）、拼写错误、缩略词（"Rx"与"prescription"）和同义词（"脑血管意外"与"中风"），这些都会给人工智能带来挑战。为了测试Med-Gemini理解和推理长语境医疗信息的能力，研究人员使用一个大型公开数据库重症监护医疗信息市场（MIMIC-III）执行了一项所谓的"大海捞针任务"，该数据库包含重症监护患者的去标识化健康数据。该模型的目标是在电子病历（"大海"）中的大量临床记录中检索到与罕见而微妙的医疗状况、症状或程序（"针"）相关的内容。共收集了 200 个案例，每个案例都由 44 名病史较长的重症监护室患者的去标识化电子病历记录组成。他们必须具备以下条件：100 多份医学笔记，每个例子的长度从 20 万字到 70 万字不等在每个例子中，条件只被提及一次每个样本都有一个感兴趣的条件这项大海捞针的任务分为两个步骤。首先，Med-Gemini 必须从大量记录中检索所有与指定医疗问题相关的内容。其次，该模型必须评估所有提及内容的相关性，对其进行分类，并得出结论：患者是否有该问题的病史，同时为其决定提供清晰的推理。Med-Gemini 的长语境能力示例与 SoTA 方法相比，Med-Gemini 在"大海捞针"任务中表现出色。它的精确度为 0.77，而 SoTA 方法为 0.85，召回率也超过了 SoTA 方法：0.76 对 0.73。研究人员说："也许 Med-Gemini 最引人注目的方面是长语境处理能力，因为它们为医疗人工智能系统开辟了新的性能前沿和新颖的、以前不可行的应用可能性。这项'大海捞针'式的检索任务反映了临床医生在现实世界中面临的挑战，Med-Gemini-M 1.5 的性能表明，它有潜力通过从海量患者数据中高效提取和分析信息，显著降低认知负荷，增强临床医生的能力。"有关这些关键研究点的浅显易懂的讨论，以及Google和微软之间争论的最新情况，请观看《AI Explained》从 13:38 开始的视频。新的 OpenAI 模型即将诞生，人工智能的赌注又提高了（还有 Med Gemini、GPT 2 聊天机器人和 Scale AI）与 Med-Gemini 对话在一次实际应用测试中，Med-Gemini 收到了一位患者用户关于皮肤肿块瘙痒的询问。在要求提供图像后，模型提出了适当的后续问题，并正确诊断出了这种罕见的病变，同时建议用户下一步该怎么做。Med-Gemini 诊断对话在皮肤科的应用实例Med-Gemini 还被要求在医生等待放射科医生的正式报告期间，为其解读胸部 X 光片，并编写一份通俗易懂的英文版报告提供给病人。Med-Gemini 的放射诊断对话辅助系统研究人员说："Med-Gemini-M 1.5 的多模态对话功能很有前景，因为它们无需进行任何特定的医疗对话微调即可实现。这些功能可以实现人、临床医生和人工智能系统之间无缝、自然的互动。"不过，研究人员认为还需要进一步的工作。他们说："这种能力在帮助临床医生和患者等现实世界应用方面具有巨大潜力，但当然也会带来非常大的风险。在强调这一领域未来研究潜力的同时，我们并没有在这项工作中对临床对话的能力进行严格的基准测试，正如其他人之前在对话诊断人工智能的专门研究中所探索的那样。"未来愿景研究人员承认，要做的工作还有很多，但 Med-Gemini 模型的初步能力无疑是很有希望的。重要的是，他们计划在整个模型开发过程中纳入负责任的人工智能原则，包括隐私和公平。隐私方面的考虑尤其需要植根于现有的医疗保健政策和法规，以管理和保护患者信息。公平性是另一个可能需要关注的领域，因为医疗保健领域的人工智能系统有可能无意中反映或放大历史偏见和不公平，从而可能导致边缘化群体的不同模型性能和有害结果。但归根结底，Med-Gemini 被视为一种造福人类的工具。大型多模态语言模型为健康和医学带来了一个全新的时代。Gemini"和"医学Gemini"所展示的能力表明，在加速生物医学发现、协助医疗保健服务和体验的深度和广度方面，都有了重大飞跃。然而，在提高模型能力的同时，必须对这些系统的可靠性和安全性给予细致的关注。通过优先考虑这两个方面，我们可以负责任地展望未来，让人工智能系统的能力成为科学进步和医疗保健有意义且安全的加速器。该研究可通过预印本网站arXiv 获取。 ... PC版： 手机版：