共查询到20条相似文献，搜索用时 15 毫秒
1.
2.
3.
<正>随着人工智能（AI）语言系统Chat GPT的迅速走红，有人预测，2023年将是人工智能全面走进普通人生活的一年。其实，人工智能技术早已渗入人类社会的各个角落，在未来数十年，它会将人类引向深度数字化时代，并走向生态文明。不过，人工智能进入人类的生产、生活也并非总会带来好消息。人工智能、大数据和云计算等技术的介入，使得机器人在感知、决策、执行方面的性能大幅提升， 相似文献
4.
5.
通过对中美两国政府AI战略、科技巨头公司AI产业布局的比较研究,揭示我国在人工智能领域与美国存在的差距,分析我国AI领域缺乏战略性系统布局、AI开源技术和AI研究人才等问题,进而提出促进我国人工智能产业发展的对策建议。 相似文献
6.
7.
8.
2019年2月11日,白宫发布了《美国人工智能倡议》(American AI Initiative),该倡议是继欧盟、日本等国家和地区后推出的第19个国家级人工智能战略计划。同步发布的还有《加速美国在人工智能领域的领导地位》(Accelerating America's Leadership in Artificial Intelligence)等文件,内容均围绕美国人工智能战略展开。可见,美国已经把人工智能列为发展之重。本文就美国为什么实施人工智能战略、《美国人工智能倡议》的重点领域及如何评估特朗普的人工智能战略进行阐述分析。 相似文献
9.
强人工智能(以下简称强AI:Strong Artificial Intelligence)由美国哲学家约翰·塞尔上世纪70年代在其论文《心灵、大脑与程序》中提出,主要是指对人工智能(以下简称AI)持有的这样一种哲学立场:基于心智的计算模型,以通用数字计算机为载体的AI程序可以象人类一样认知和思考,达到或者超过人类智能水平。这种立场与弱人工智能(以下简称弱AI:Weak AI)或应用人工智能相对立,后者认为AI只是帮助人类完成某些任务的工具或助理。随着最近20年来互联网、神经科学、基因工程等技术的飞速发展,强AI从塞尔时代的一种哲学立场逐步向工程实践转变和演进,未来学家甚至设想和描述了强AI的更极端版本:超级智能,这些在IBM、谷歌、Facebook、微软等产业巨头和库兹韦尔、马克拉姆等乐观的技术实践者的双重推动下,藉由大众科学传播的放大作用,渗透到人们的日常生活中构成了对其技术合理性的辩护,但AI本身对人类主体和社会的影响不是价值中立的,它一方面难以吸收和提升人类的创新本质,另一方面其技术合理性带来的后果与其初衷有时相互背离,并在商业行为的推动下,构成对作为文化产物和自我解释的理性人类的单向压制和挑战。 相似文献
10.
近期,以ChatGPT为代表的大模型技术正开启人类社会智能化的新纪元。研究人工智能成功案例背后的技术原理,探索人工智能驱动的科学研究（AI for Science,AI4S）新范式,对促进我国科技进步、增强国家竞争力具有十分重要的意义。文章首先以数学、物理学、生物学、材料科学领域为例,简述AI4S的研究进展。其次,面向近年来最为成功的人工智能范例,分析AlphaFold和ChatGPT的基本原理和关键技术。最后,在以上分析的基础上,从算法、模型、数据、知识、人的因素等角度,总结大模型时代人工智能技术发展新趋势,探讨AI4S研究新范式。 相似文献
11.
科学研究的目的是发现基本原理和解决实际问题。尽管人类在发现基本原理和解决实际问题上已经取得了巨大成就,但有效工具和有效科研组织模式的缺乏仍然是制约科研效率的主要瓶颈。人工智能（AI）的迅速发展为改变这种状况提供了新的可能。近年来,深度学习方法在科学研究领域大放异彩,不仅助力解决了一些核心科学问题,扩展了科学方法,也开始带动科学研究从传统的“作坊模式”转向“平台模式”。目前,我国已在人工智能驱动的科学（AI for Science）领域打下良好基础,应把握机遇,争取引领科技创新,为人类的科技发展作出贡献。 相似文献
12.
13.
对话式聊天机器人ChatGPT以近乎摧枯拉朽的气势席卷社会,拨开了通用人工智能的曙光。ChatGPT的升级版GPT-4是个多模态大模型,它从单调的文本交互,升级为可以接受文本与图像组合的多模态输入,相比传统的单模态大模型,多模态大模型更加符合人类的多渠道感认知方式,能够应对更加复杂丰富的环境、场景和任务。GPT-4表明在多模态大模型中引入基于人类知识的自然语言理解与生成能力能够带来模型在多模态理解、生成、交互能力上的巨大提升。本文将介绍多模态大模型的概念、关键技术、近期进展和应用场景、GPT-4的技术特性,并重点探讨以GPT-4为代表的大语言模型对构建多模态大模型的几点启发。具体而言,将讨论如何充分利用大语言模型的语言能力,在多模态大模型的构建中,借助语言的帮助更好地感知理解世界、创作生成内容、与人和环境交互。 相似文献
14.
近年来，人工智能（AI）在前沿科技领域取得了诸如AlphaFold2、核聚变智能控制、新冠药物设计等诸多令人瞩目成果，表明AI for Science正在成为一种新的研究范式。实现智能时代的基础科学源头创新及其下游重大技术创新，需破解2个方面的核心问题：（1）如何利用新一代AI（特别是生成式AI及大模型）的通用性和创造性推动新范式的形成；（2）如何利用AI实现对传统科学设施的赋能与改造。文章提出一种智能化科学设施的建设构想，兼顾“高度智能化的科学新设施”和“AI赋能已有科学大设施”2个层面的需求，构筑AI for Science的科学设施体系，形成科学领域大模型、生成式模拟与反演、自主智能无人实验及大规模可信科研协作等创新功能，加速重大科学发现、变革性物质合成，以及重大工程技术应用。 相似文献
15.
<正>近年来,人工智能（AI）尤其是机器学习（ML）和深度学习（DL）的应用愈加广泛,同样也应用在了材料物理学中。具体想法是通过使用材料数据集中的信息,可以预测具有某些所需属性的新材料。尤其是在预测超导体材料的临界温度或者更普遍的属性。在Zhou等人的文献中,他们尝试从大型数据库的化合物中学到了原子的性能。经过这种方法的启发,本文对预测新的超导材料以及临界温度方面做出了类似的尝试。对于预测临界温度的模型我们提出了一种基于遗传算法优化的XGBoost的模型,因传统的遗传算法具有收敛速度慢,已陷入局部最优解等问题,我们对遗传算法的变异和交叉方法做出了改进,使其都一定程度上地解决了上述问题。 相似文献
16.
《科学中国人》2022,(2):10-10
tau蛋白病基于结构的分类《自然》封面：迄今发现的一些与特定疾病相关的tau蛋白丝。《自然》杂志第7880期封面文章报道了t a u蛋白丝在阿尔茨海默病等疾病中的多种折叠,揭示了其与特定疾病有关的另外4种折叠,包括进行性核上性麻痹和嗜银颗粒病。一般认为tau蛋白（microtubule-associatedproteintau）能稳固塑造神经细胞的骨架,但在tau蛋白病这类神经退行性疾病中,tau蛋白会错误折叠并堆积形成细丝。研究人员利用这些不同的折叠,确定了tau蛋白病基于结构的层级分类。这一分类对临床诊断和神经病理学解剖进行了补充,还可用于鉴别新的疾病实体。 相似文献
17.
18.
蛋白质结构预测的主要难点之一是全局优化问题。以AB非格模型为基础,采用遗传和模拟退火方法来进行蛋白质折叠预测,同时对遗传算法的变异函数进行了改进,重新设计出假设生成后的排序策略。实验结果表明,在AB非格模型中利用遗传退火算法可以有效地完成蛋白质折叠的预测,能在保持较高精度的情况下快速收敛到全局最优解。 相似文献
19.