59、从脑活动重建心理图像已然实现？使用人脑细胞构建生物计算机，可用于语音识别 ...
-
追问Daily | 从脑活动重建心理图像已然实现？使用人脑细胞构建生物计算机，可用于语音识别；Mixtral AI性能评测出炉
新工具实现脑活动的心理图像重建
来自日本信息通信技术国立信息和通信网络中心（CiNet）的研究团队，通过引入基于深度神经网络的贝叶斯估计框架和语义信息的辅助，成功从脑活动重建了观察和想象的心理图像。量化评估显示，与之前的方法相比，该框架在识别观察（90.7%）和想象（75.6%）的图像方面表现出更高的准确性，相较于偶然准确率（50.0%）。这一发现为直接研究大脑的主观内容，如幻觉、幻想和梦境提供了独特的工具。该研究最终发表在Neural Networks杂志。
#心理影像 #脑解码 #语义表达 #贝叶斯估计
阅读论文：
Koide-Majima, N., Nishimoto, S., & Majima, K. (2024). Mental image reconstruction from human brain activity: Neural decoding of mental imagery via deep neural network-based Bayesian estimation. Neural Networks, 170, 349–363. https://doi.org/10.1016/j.neunet.2023.11.024
实验室培养的脑组织与电子硬件相结合，构成“生物计算机”
来自印第安纳大学布伯明顿分校生物工程学院研究人员在最新研究中构建了一种名为Brainoware的“生物计算机”。他们将实验室培养的人类脑组织与常规电路结合起来，用于完成如语音识别等任务。研究者利用干细胞生成了大脑类器官，再将类器官放置在包含数千个电极的板上，随后，将需要输入给Brainoware的信息转码为电脉冲传递给类器官，并通过机器学习算法处理，“解码”大脑组织的响应。实验结果表明，这种系统在语音识别方面的准确性可达78%。此项技术发表在Nature Electronics期刊上。
#生物计算机 #脑类器官 #语音识别
阅读论文：
Tozer, L. (2023). ‘Biocomputer’ combines lab-grown brain tissue with electronic hardware. Nature. https://doi.org/10.1038/d41586-023-03975-7
科技界
Mixtral 8x7B性能评测出炉，追平GPT-3.5
Mistral AI近日推出了Mixtral 8x7B，一种高质量的稀疏混合专家模型（SMoE），拥有开放的权重并在多项基准测试中优于Llama 2 70B，推理速度提高了6倍。特别是，它在大多数标准基准测试中都与GPT-3.5持平，或是更好。它能够支持32k长度的上下文，支持英语、法语、意大利语、德语和西班牙语，且在代码生成方面表现突出。Mixtral 8x7B Instruct版本经过优化，达到MT-Bench评分8.3。可以说，Mixtral 8x7B是目前具有许可证的“开放权重”模型，其性能或成本比或是最优。【Mistral】
#Mistral AI #Mixtral 8x7B #AI模型
Elon Musk的新AI机器人Grok因涉嫌使用OpenAI数据引发争议
Elon Musk旗下的xAI公司最近发布了一款名为Grok的AI语言模型，该模型因可能使用了OpenAI的输出数据进行微调而引发广泛关注。上周，安全测试员Jax Winterbourne在社交媒体上发布了Grok拒绝某一请求的截图，理由是该请求违反了OpenAI的使用政策。xAI的工作人员Igor Babuschkin回应称，这一问题是由于Grok在训练过程中不小心吸收了大量网络上的ChatGPT输出内容，但他们承诺将在未来版本中解决此问题。AI研究员Simon Willison对此表示怀疑，认为这种行为很可能是有意为之，而非偶然。【arc TECHNICA】
#Elon Musk #Grok #OpenAI #AI #xAI
AFL-CIO与微软促进AI与劳工合作关系
美国劳工联合会和产业组织大会（AFL-CIO）与微软公司近日宣布建立新的合作伙伴关系，以在人工智能（AI）的开发和实施中纳入工人的需求和声音。此合作是劳工组织和技术公司之间首次专注于AI的合作，旨在实现三大目标：向劳工领袖和工人深入分享AI技术趋势；在AI技术的开发中融入工人的观点和专业知识；帮助塑造支持一线工人技术技能和需求的公共政策。该合作还包括与微软的协议，为AFL-CIO附属工会未来的工人组织活动提供中立框架。【Microsoft News】
#AFL-CIO #Microsoft #AI #LaborPartnership
AI与数据模型
QuIP#通过晶格码本和非相干处理实现2位量化大型语言模型的近原生性能
康奈尔大学计算机科学系的研究团队开发了QuIP#，一种结合晶格码本（lattice codebooks）与非相干处理（incoherence processing）的方法，用于压缩大型语言模型。通过将模型从16位精度量化到2位精度，QuIP#显著降低了模型尺寸，同时保持了近原生的性能表现。这项研究使用了新的基于E8晶格的码本，优化了量化过程，并在多种模型上验证了其有效性。
#大型语言模型 #模型压缩 #量化
阅读论文：
https://github.com/Cornell-RelaxML/quip-sharp；
https://cornell-relaxml.github.io/quip-sharp/
创建事件中心的时间知识图谱的新方法和技术
卢布尔雅那大学计算机与信息科学学院的研究团队，最近发布了一项关于构建事件中心的时间知识图谱的综合性研究。该研究深入探讨了事件提取、时间关系提取和事件基础知识图谱的构建。研究突出了大型预训练语言模型在提高这些任务效果中的作用，并讨论了构建这类知识图谱的未来研究方向。研究结果发表在Mathematics期刊上。
#事件提取 #时间信息 #知识图谱 #综述
作者有话说
第59章 从脑活动重建心理图像已然实现？使用人脑细胞构建生物计算机，可用于语音识别
