麻省理工学院
与“麻省理工学院”的相关热搜词：
相关“麻省理工学院” 的资讯52篇
-
【腾讯云】11.11云上盛惠！云服务器首年1.8折起，买1年送3个月！
11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，性能稳定，让您的云端之旅更加畅享。快来腾讯云选购吧！
腾讯云
12-20
广告 -
麻省理工学院的新人工智能模型检测胰腺癌的早期迹象
麻省理工学院的人工智能实验室与哈佛大学放射肿瘤学系的LimorApelbaum博士合作，提出了两种新的人工智能模型，称为PRISM神经网络和逻辑回归，用于早期检测胰腺导管腺癌，这是一种致命的癌症。图源备注：图片由AI生成，图片授权服务商Midjourney发现的重要性PRISM模型在相对风险阈值高出五倍的情况下，可以识别出35%的PDAC病例传统筛查标准可以识别出10%的PDAC病例。它具有高准确性、可靠性和泛化能力，有望改善患者的预后。
-
麻省理工学院学者发布关于人工智能治理的政策文件
麻省理工学院的一组领导者和学者组成的临时委员会发布了一系列关于人工智能治理的政策文件，旨在为美国政策制定者提供资源，制定更好的人工智能监管框架。主要政策文件名为《美国人工智能治理框架:打造安全繁荣的人工智能行业》，建议可以通过扩展现有的美国政府机构来监管AI工具，并强调了定义AI工具目的的重要性，以便制定相应的监管规定。委员会希望弥合对人工智能持激进态度和持担忧态度的人之间的鸿沟，通过倡导技术的进步伴随着适当的监管，推动人工智能行业的健康发展。
-
麻省理工学院推GenSim项目：利用大语言模型编写机器人新任务
你可能听说过“经验是最好的老师”，但如果在现实世界中学习成本太高怎么办?这是训练机器人进行操纵任务的机器人学家所面临的困境。由于真实世界的互动数据昂贵，他们的机器人通常通过不同活动的模拟版本进行学习。GenSim为LLMs在构思新型机器人活动方面展示了令人鼓舞的未来。
-
麻省理工学院教授称人类面临人工智能「逐底竞争」的风险
麻省理工学院的物理和人工智能研究教授MaxTegmark最近表示，少数科技公司通过无节制的AI开发正在危害人类的未来，并呼吁停止这种「逐底（acetothebottom，意思是指在竞争中不断降低标准或品质，以获取更低的价格或成本。这个短语通常用于描述企业或市场中的竞争策略，意味着企业为了在竞争中获胜，不断降低产品或服务的质量或价值。新AI公司的融资也正经历着数十亿美元的投资热潮，据数据公司PitchBook为Bloomberg编制的数据显示，第三季度的投资金额接近180亿美元，比去年同期增加了27%与此同时，全球科技创业公司的融资却下降了31%，降至730亿美元。
-
麻省理工学院研究:辩论让AI机器人更加聪明
麻省理工学院的研究人员发现，相较于仅使用单个AI系统，让多个AI系统辩论问题的答案可以显著提高响应的准确性和推理能力。这一研究成果出现在题为《通过多智能体辩论提高语言模型的真实性和推理能力》的论文中。”这一研究成果为AI领域的进一步发展提供了新的思路和方法，有望改进现有的语言模型，并提高其真实性和推理能力。
-
读书郎与麻省理工学院IDSS研究所2023年度合作研讨会圆满结束
7月31日，读书郎与麻省理工学院IDSS研究所2023年度合作研讨会圆满召开，会议采取线上线下结合的方式举行。麻省理工学院IDSS研究院所长MuntherDahleh教授、麻省理工学院IDSS统计和数据科学项目微硕士KareneChu、麻省理工学院IDSS研究所社会和工程系统博士研究生BernardoBueno、对外关系官ErinSchenck等出席会议，读书郎智慧教育事业部副总经理周庆、读书郎软件开发部总监季英会、读书郎教育科技研究院部长林衍婷等参与本次会议。读书郎与麻省理工学院达成长期战略合作，已取得一系列探索成果，接下来读书郎将继续携手麻省理工学院IDSS研究所深耕智慧教育，推动教育行业发展迈向更加智能化和数字化的未来。
-
荐 麻省理工学院开发“面具”来保护图像免遭人工智能操纵
麻省理工学院的一组研究人员开发了一种名为PhotoGuard的新技术，旨在防止人工智能系统未经授权地操纵图像。Midjourney和StableDiffusion等生成式AI图像生成模型可用于编辑现有图像通过修复添加新区域，或剪切对象并将其重新混合到其他图像中，例如将人脸叠加在另一张图像上。以DALL-E和ChatGPT制造商OpenAI为例，该公司本周承诺继续研究确定一段音频或视频内容是否由人工智能生成
-
麻省理工学院开发“PhotoGuard” 保护图像免受恶意 AI 编辑
Dall-E和稳定扩散仅仅是开始。随着生成式人工智能系统的激增，以及各公司努力将自己的产品与竞争对手的产品区分开来，互联网上的聊天机器人正在获得编辑图像以及创建图像的能力，其中Shutterstock和Adobe等公司处于领先地位。解决这个问题需要模型开发者、社交媒体平台和政策制定者共同努力，提供一个全面的防御未经授权的图像篡改的解决方案。
-
麻省理工学院研究人员在机器学习模型隐私保护方面取得突破
麻省理工学院的研究人员通过引入一种新的隐私度量标准和一个确定所需噪音最小量的框架，取得了保护机器学习模型中敏感数据的突破。传统的隐私保护方法往往通过添加大量噪音来防止对特定数据的识别，但这会降低模型的准确性。通过利用PAC隐私，工程师可以开发出在保护训练数据的同时保持准确性的模型，从在实际应用中实现安全的数据共享。
-
麻省理工学院经济学家建议放慢人工智能采用速度
两位麻省理工学院的经济学家，DaronAcemoglu和研究生ToddLensman，提出了一种经济模型来解决对人工智能的监管问题。对于具有变革性的技术，较慢的推广可能更好，并且结合对该技术的税收和对特定行业使用该技术的限制，可以取得最佳效果。研究人员也承认他们的假设可能是错误的，并提出未来的研究可以探讨在某些行业进行实验的方式，以不增加总体风险。
