谷歌已经建立了一个人工智能模型,可以分析人体胸部的CT扫描结果,以确定他们是否患有肺癌。
该公司今天在博客文章中详细介绍了这款软件,这是谷歌两年开发工作的成果。作为美国国立卫生研究院的一项研究的一部分,谷歌使用从15,000名患者中采集的42,000次胸部扫描数据集训练人工智能检查肿瘤。在完成了培训阶段的工作后,谷歌的研究人员使用了来自西北大学的大约3,800张CT图像来评估人工智能的准确性。
谷歌将该模型得出的结论和六名放射科医生进行了对比,这些放射科医生平均有八年的临床经验。在一项测试中,所有的参与者仅被允许检查每位患者的一张CT图像,人工智能确定的癌症病例比专家确定的病例数多5.5%,假阳性率降低11%。在可以获得多张扫描图像的测试中,该模型和放射科医生们得出的结果几乎相同。
除了证明它能够和训练有素的医疗专业人员水平相当之外,该人工智能还被证明能够识别肺结节,这是一种在大多数情况下是良性,但有时候可能会变成癌细胞的小块组织。它们通常很难被发现,因为它们在CT图像中看起来像是微弱的白色阴影。
根据谷歌的说法,它的人工智能不仅可以发现结节,还可以比较一段时间内进行的扫描,以确定结节的增长是否显示出恶性迹象。在分析初步筛查两年后拍摄的CT图像时,该模型发现的癌症发生率比放射科医师多9.5%。
谷歌在最新一期《自然医学》杂志上发表了一篇学术论文,详细介绍了该项目。此外,该公司还计划通过Cloud Healthcare API提供该人工智能模型,Cloud Healthcare API是针对医疗行业的公共云服务和功能的集合。
谷歌该项目的技术负责人Shravya Shetty 写道:“尽管肺癌检查有价值,但今天只有2-4%符合条件的美国患者接受了筛查,……这项工作证明了人工智能可以提高准确性和一致性的潜力,这有助于加速全球肺癌筛查的采用。”
好文章,需要你的鼓励
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。