国际人工智能协会前主席：未来AI或可和人类一起发表论文******
中新网12月9日电 (中新财经记者 谢艺观)“如果人工智能(AI)系统是个‘黑盒子’，那么它们永远都无法向科学家解释它们的决定。所以我们需要让AI成为生态系统的一部分，让AI从自动复制文章到变成研究助理，这样AI就可以在这个过程中显示它们可以承担新的任务，最后它们甚至可以和人类一起写作、发表论文。”
9日，国际人工智能协会前主席约兰达·吉尔在“2022人工智能合作与治理国际论坛”上如是表示。该论坛由清华大学主办、清华大学人工智能国际治理研究院(I-AIIG)承办，中国新闻网作为战略合作伙伴。
国际人工智能协会前主席约兰达·吉尔在“2022人工智能合作与治理国际论坛”上发言。约兰达·吉尔认为，人类的局限性会阻碍科学的进步。我们进入跨学科研究时，从生理、行为、医学等多个角度看，很难把各个学科的知识融会贯通。但是人工智能在这个方面有它的优势。人工智能系统越能够了解科学的各个门类，就越能更好地进行跨学科的聚合。
在约兰达·吉尔看来，一个值得思考的问题是，我们如何去开发人工智能，使其在未来能够写作论文。这需要我们去获取什么、表现什么，从而使得人工智能系统具有写论文的能力。
“如果说人工智能系统能承担这个任务，论文将会更加准确。”约兰达·吉尔提到，同时，我们也可使论文定制化，例如有的人想浏览，有的人想看原则、方法论和结果，有的人想重现结果，我们可以利用人工智能系统，实现论文定制化。
约兰达·吉尔认为存在开发人工智能科学家的路径。“我们给予它算法、数据，又不止于此，让人工智能够有更大的主动性，有一定的自主性、独立性，以此去研究科学问题，进一步成为研究助理甚至作者。”(完)
提速近10倍！基于深度学习的全基因组选择新方法来了****** 近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。 全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。 统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。 相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。 该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。 与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。 该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。 学术支持 中国农业科学院作物科学研究所 记者 宋雅娟 明发彩票地图 |
