快速且经济的诊断是有效医疗保健的基石,然而每年仍有数百万人因为高昂的医疗成本和冗长的诊断程序而失去生命。
华盛顿大学保罗·G·艾伦计算机科学与工程学院的教授 Shyam Gollakota 正在直面这一关键问题,他利用无处不在的智能手机开发突破性的诊断工具,有望改变医疗保健的可及性,特别是在中低收入国家。
Gollakota 表示:"我们的理念是利用技术来积极影响全球人民,医疗保健就是其中一个领域。智能手机已被用来实现这一理念,为改善中低收入国家人民的生活开发出基于智能手机的经济实惠的医疗保健工具。"
他的努力为他赢得了享有盛誉的 2024 年 Infosys 奖,表彰他在移动系统、机器学习和移动医疗领域的开创性工作。奖项包括一枚纯金奖牌、荣誉证书和 10 万美元奖金。此外,他将参加新的 Infosys 奖驻地计划,在他选择的印度研究机构与研究人员合作一个月。
Gollakota 最具影响力的发明之一是一款用于检测睡眠呼吸暂停的智能手机应用程序。睡眠呼吸暂停是一种与高血压、中风和糖尿病相关的严重睡眠障碍。传统诊断成本高昂,但 Gollakota 的应用程序将智能手机转变为主动声纳系统。通过发射和分析反射声信号,应用程序的算法可以识别睡眠呼吸暂停事件。这个解决方案的优点在于其可及性——任何带有麦克风和扬声器的设备都可以使用它,潜在受益人群可达数百万。
俄勒冈州立大学校长、评审团主席 Jayathi Y. Murthy 说:"Shyam 的研究不局限于正式的边界。它跨越多个工程领域来解决社会问题,并渗透到中低收入国家。"
除了睡眠呼吸暂停,Gollakota 的团队还在使用智能手机检测血栓。通过利用手机的振动电机和摄像头,他们可以追踪铜颗粒的微小运动,并计算凝血酶原时间 (PT) 和国际标准化比值 (INR),这些是血液凝固的重要指标。
针对另一个全球健康问题——据世界卫生组织统计,影响全球 5.3% 人口的听力损失,Gollakota 还开发了可以筛查听力障碍的低成本无线耳机。
这些耳机结合复杂的无线感应算法,可以检测到耳蜗(负责将声波转换为电脉冲的内耳器官)发出的微弱声音。及早发现,特别是在新生儿中,对于减轻听力损失的长期影响至关重要。
Gollakota 的创新精神不仅限于医疗保健。受科幻小说的启发,他致力于为现实世界的问题创造实用解决方案。他在环境反向散射技术方面的工作,通过反射环境信号实现无电池无线通信,对节能和无线技术的未来具有重要意义。这项创新已在手机、相机、水下 Wi-Fi 和电力线网络等多个领域得到应用。
"我只是去解决那些尚未解决或没有得到足够关注的问题,"Gollakota 在班加罗尔的颁奖典礼上说。
Gollakota 的问题解决方法也体现在他在利用人工智能增强人类听觉感知方面的开创性工作中,这项技术允许对声场进行编程,使用户能够根据语义描述专注于特定声音或过滤掉不需要的噪音。这项对人类大脑来说都具有挑战性的复杂任务,为改善各种环境中的听觉体验开启了激动人心的可能性。
他的卓越成就获得了广泛认可,包括入选《麻省理工科技评论》35 岁以下 35 位创新者名单,两次入选《福布斯》30 岁以下 30 人榜单。他还获得了美国国家科学基金会职业奖。
16 年前设立 Infosys 奖以表彰 40 岁以下科学家开创性研究的 Infosys 科学基金会主席 Kris Gopalakrishnan 称赞获奖者:"今年的获奖者展示了非凡的奉献精神和创造力,为解决关键的全球挑战做出了贡献。他们的成就突出显示了科学生态系统的实力,并重申了我们的信念,即科学正在通向创造更美好、更可持续未来的正确道路上。"
好文章,需要你的鼓励
生成式AI在电商领域发展迅速,但真正的客户信任来自可靠的购物体验。数据显示近70%的在线购物者会放弃购物车,主要因为结账缓慢、隐藏费用等问题。AI基础设施工具正在解决这些信任危机,通过实时库存监控、动态结账优化和智能物流配送,帮助商家在售前、售中、售后各环节提升可靠性,最终将一次性买家转化为忠实客户。
泰国SCBX金融集团开发的DoTA-RAG系统通过动态路由和混合检索技术,成功解决了大规模知识库检索中速度与准确性难以兼得的难题。系统将1500万文档的搜索空间缩小92%,响应时间从100秒降至35秒,正确性评分提升96%,为企业级智能问答系统提供了实用的技术方案。
存储供应商Qumulo发布多租户架构Stratus,为每个租户提供独立的虚拟环境,通过加密技术和租户专用密钥管理系统实现隔离。该统一文件和对象存储软件支持本地、边缘、数据中心及AWS、Azure等云环境部署。Stratus采用加密隔离技术确保敏感数据安全,同时提供任务关键操作所需的灵活性和效率,帮助联邦和企业客户满足合规要求。
中科院和字节跳动联合开发了VGR视觉锚定推理系统,突破了传统AI只能粗略"看图"的局限。该系统能在推理过程中主动关注图片关键区域,像人类一样仔细观察细节后再得出结论。实验显示VGR在图表理解等任务上性能大幅提升,同时计算效率更高,代表了多模态AI"可视化推理"的重要进展。