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
企业谈AI基础设施时,注意力往往首先集中在模型、GPU和算力集群上。但当大模型应用走向规模化推理,一个瓶颈开始浮现:算力采购完成,并不意味着Token能够被稳定、低成本、可控地交付出去。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。