揭秘人工智能的幻象：计算机真的能思考和感知吗？

Posted on 2024-04-21 in CS.AI • 10 words • 1 minute read

摘要

本文由Jay Seitz撰写，探讨了人工智能（AI）领域中关于通用人工智能（AGI）的广泛宣称，特别是关于计算机是否能够思考、推理、具有意识和心智理论的问题。文章通过广泛的科学研究和相关领域的文献，提出了三个主要命题：计算机是否能够思考或推理，计算机是否具有感知或意识，以及计算机是否具有心智理论。文章强调，尽管有许多宣称，但缺乏科学证据支持计算机具有这些人类特有的认知能力。文章还讨论了语言模型（LLMs）的工作原理和局限性，以及它们在模拟人类智能方面的表现。最终，文章指出，当前的计算机系统不具备真正的思考、感知或意识能力，也不具备心智理论。

利用多目标生成AI设计新型脑靶向小分子：突破血脑屏障的新策略

Posted on 2024-04-16 in CS.AI • 14 words • 1 minute read

摘要

本文由哈佛大学和阿拉巴马大学的研究团队发表于ICLR 2024会议，探讨了利用多目标生成人工智能设计新型脑靶向小分子的方法。文章针对血脑屏障（BBB）的严格选择性，提出了一种计算方法，用于生成具有BBB渗透性的先导化合物，这对于中枢神经系统（CNS）药物输送具有重要价值。然而，在实际应用中，仅具有BBB渗透性是不够的，分子还需在穿越BBB后执行特定功能，如绑定特定脑部目标或受体，并且必须对人类患者安全无毒。为此，研究团队使用多目标生成AI合成具有高预测绑定亲和力的血脑屏障渗透性小分子，特别是针对多巴胺受体D2（D2R），这是几乎所有临床有效抗精神病药物的主要目标。通过训练基于图神经网络的属性预测器，并调整用于抗生素设计的SyntheMol算法，研究团队设计了一个包含26,581种新颖多样的小分子库，这些分子具有高预测的BBB渗透性和有利的预测安全性和毒性特征，并可直接合成以进行湿实验室的实验验证。此外，研究团队还通过分子对接模拟验证了得分最高的分子，并展示了与临床使用的D2R靶向抗精神病药物risperidone相当的预测绑定亲和力。未来，基于SyntheMol的计算方法可能有助于发现目前难以治疗的中枢神经系统疾病的新型神经治疗药物。

探索未来6G网络的智能核心：DMMAI框架的革命性进展

Posted on 2024-04-15 in CS.AI • 9 words • 1 minute read

摘要

本文介绍了一种名为“去中心化多方多网络人工智能（DMMAI）”的框架，旨在将人工智能（AI）集成到大规模部署的6G无线系统中。随着6G网络的广泛部署，端到端AI解决方案必须同时涵盖无线电和光纤领域。DMMAI框架通过协调跨不同网络平台的AI驱动控制，促进了网络的自主配置、监控和修复，特别是在网络边缘，这些功能对于满足高级应用的高功能性和安全性需求至关重要。本文提出的解决方案填补了AI驱动协调在6G网络标准化框架中的关键空白，为全球AI在6G网络中的标准化和验证奠定了基础。

创新算法：从有限数据中恢复脑活动模型

Posted on 2024-04-14 in CS.AI • 17 words • 1 minute read

摘要

本文介绍了一种创新的数据驱动方法，用于从不完全数据中提取和建模脑活动中的微分方程。传统的方程提取方法通常依赖于完整的数据集，而本文的研究重点在于如何从有限的、不完整的数据中恢复微分方程，特别是在脑电图（EEG）等电生理数据分析中。文章首先回顾了现有的开源方程推导方法，并提出了一种新的算法，该算法结合了不完全数据和领域先验知识来恢复微分方程。通过在合成数据集和真实数据集上的应用，证明了该算法的实际应用价值。

AIMDiT：通过多模态维度变换实现对话情感识别的先进框架

Posted on 2024-04-12 in CS.AI • 8 words • 1 minute read

摘要

本文提出了一种名为AIMDiT的新型框架，用于对话中的情感识别（ERC）任务中的多模态融合。该框架通过维度变换和参数高效的Inception块，设计了模态增强网络（MAN）和模态交互网络（MIN），以有效学习模态间的交互特征和模态内的特征。实验结果显示，AIMDiT在公共基准数据集MELD上的Acc-7和w-F1指标分别比现有最先进（SOTA）模型提高了2.34%和2.87%。

HGFF框架：通过深度强化学习最大化无线传感器网络寿命

Posted on 2024-04-11 in CS.AI • 12 words • 1 minute read

摘要

本文介绍了一种名为HGFF的深度强化学习框架，旨在最大化无线传感器网络（WSN）的寿命。该框架通过结合异构图神经网络与深度强化学习，自动构建移动sink的移动路径。文章详细阐述了WSN中移动sink技术的研究背景和挑战，以及现有基于数学规划或启发式方法的局限性。HGFF框架通过将WSN建模为异构图，利用图神经网络学习节点表示，并结合多头注意力机制，提高了学习模型的表达能力。实验结果表明，HGFF在多种类型的WSN地图上均优于现有方法，显著延长了网络的寿命。

"深度强化学习在混合车辆通信网络中的创新应用：提升V2X应用性能"

Posted on 2024-04-03 in CS.AI • 15 words • 1 minute read

摘要

本文由Badreddine Yacine YACHEUR、Toufik AHMED和Mohamed MOSBAH共同撰写，探讨了在混合车辆通信网络中基于深度强化学习（DRL）的无线接入技术（RAT）选择问题。文章针对智能交通系统中的车辆到一切（V2X）应用，特别是高级驾驶员辅助系统（ADASs）和连接自动驾驶（CAD）应用，提出了一个智能、可扩展的混合车辆通信架构。该架构利用多种RAT的优势，通过DRL算法实现通信模式选择，以最大化网络可靠性并限制资源消耗。研究结果表明，与静态RAT选择策略和多准则决策（MCDM）选择算法相比，该混合架构能显著提高数据包接收率（PRR）并优化资源利用效率。

掌上无人机：超低功耗深度学习害虫检测系统的前沿技术与应用

Posted on 2024-04-02 in CS.AI • 11 words • 1 minute read

摘要

本文介绍了一种基于深度学习的害虫监测系统，专为超低功耗的掌上无人机设计。该系统通过硬件与软件的协同设计，实现了在极有限的内存和计算资源下，利用先进的深度学习模型进行害虫检测，特别是针对日本甲虫（Popillia japonica）。论文提出的解决方案包括使用双核STM32H74和多核GWT GAP9系统级芯片（SoCs），分别部署FOMO-MobileNetV2和SSDLite-MobileNetV3模型，实现了高精度的害虫检测，同时保持了低功耗和高效率。该技术的应用前景广阔，尤其在智能农业和精准农业领域，能够有效提升害虫管理的效率和可持续性。

"隐私保护与效率并重：LEO卫星物联网中的先进频谱管理技术"

Posted on 2024-04-01 in CS.AI • 13 words • 1 minute read

摘要

本文由Bowen Shen, Kwok-Yan Lam, 和Feng Li共同撰写，探讨了低地球轨道（LEO）卫星物联网中的隐私感知频谱定价和功率控制优化问题。随着LEO卫星系统在远程和孤立地区的广泛应用，其频谱资源管理需求变得更为复杂。论文提出了一种结合区块链技术和联邦学习（FL）的混合频谱定价和功率控制框架，旨在通过本地深度强化学习算法和基于声誉的区块链机制，实现LEO卫星系统的收益最大化，同时保护用户数据的隐私。

AI 和 QC 助力 SPM：材料科学的新机遇

Posted on 2024-03-20 in CS.AI • 15 words • 1 minute read

摘要

本文探讨了人工智能（AI）和量子计算（QC）在扫描探针显微镜（SPM）中的应用。SPM在材料科学等领域有广泛应用，但也存在一些挑战。AI和QC的结合为SPM提供了新的可能性，可提高测量效率和准确性，推动材料科学等领域的发展。

Previous Page 155 of 156 Next Page