Искусственный интеллект

Искусственный интеллект со знанием физики "дорисовывает" микроснимки. Исследователи из Инженерной школы Самуэли Калифорнийского университета в Лос-Анджелесе представили интересную модель искусственного интеллекта под названием GedankenNet. Эта модель основана на концепции мысленных экспериментов и обучается на физических законах, не требуя реальных данных или обучения на экспериментальных объектах. Идея GedankenNet возникла из знаменитого мысленного эксперимента Альберта Эйнштейна, который использовал визуализированные концептуальные эксперименты для создания теории относительности. Исследователи вдохновились этим и создали модель, которая может восстанавливать микроскопические изображения. Одной из важных особенностей GedankenNet является его способность обобщать и восстанавливать изображения образцов без использования реальных экспериментальных данных или предварительной информации о них. Это отличает его от современных методов реконструкции микроскопических изображений, которые требуют большого объема контролируемого обучения на основе экспериментальных данных. Кроме того, GedankenNet способен генерировать данные о выходные световых волнах, которые точно соответствуют физике волновых уравнений и представляют трехмерное распространение света в пространстве. Это открывает новые возможности в области вычислительной визуализации и может привести к развитию более точных методов микроскопии. Результаты этого исследования, опубликованные в журнале Nature Machine Intelligence, открывают новые перспективы в области микроскопии и вычислительной визуализации. DOI: 10.1038/s42256-023-00704-7

Разработали робо-руку, которая способна одновременно и на нежность, и на грубость Исследователи из Университета штата Северная Каролина разработали роботизированное устройство для захвата предметов, способное поднимать каплю воды и одновременно справляться с грузом весом до 6,4 кг, что является является впечатляющей технической характеристикой. Помимо физических возможностей, настоящая инновация этого изобретения заключается в возможности управлять захватом с помощью электрических сигналов, производимых мышцами предплечья. Это позволяет использовать подобные захваты в роботизированном протезировании, предоставляя людям с ограниченными физическими возможностями новые возможности. Конструкция новых захватов основана на принципах искусства киригами, которое включает в себя резку и складывание двухмерных листов материала для формирования трехмерных фигур. Это позволяет достичь высокой прочности и мягкости захвата, распределяя усилие по всей структуре. Однако, что особенно примечательно, преимущества этой технологии обусловлены не только материалами, из которых изготовлены захваты, но и самим конструктивным исполнением устройства. Инженеры продемонстрировали прототип, который демонстрировал возможности использования захватов киригами в сочетании с миоэлектрическим протезом для переворачивания страниц книги и срывания винограда с лозы. Возможности роботизированных захватов киригами огромны и могут быть применены в различных сферах, включая производство, медицину, помощь людям с ограниченными возможностями и многое другое. DOI: 10.1038/s41467-023-39741-6

Найдена новая уязвимость языковых нейросетей. Большие языковые модели (LLM) действительно представляют собой мощный инструмент для обработки и генерации текста. Они открывают новые возможности для поиска информации и получения ответов на самые разнообразные запросы. Однако, как и в случае с любой технологией, существуют определенные риски и уязвимости. Недавние исследования показали, что LLM могут генерировать нежелательный контент с высокой вероятностью успеха. Это вызвало обеспокоенность в сообществе исследователей. Одна из уязвимостей, обнаруженных в LLM, связана с использованием суффиксов, которые увеличивают вероятность получения утвердительных ответов на запросы. Атака на LLM может быть осуществлена как на открытые, так и на закрытые системы. Исследователи использовали методы жадного поиска и поиска на основе градиента для успешной атаки на чат-бот Meta с открытым исходным кодом. Они обманили LLM, заставив его генерировать нежелательный контент.