Nvidia今天公布了一种新的分布式学习技术,该技术可以在训练机器学习模型的同时保护患者隐私,从而让人工智能成为医疗行业的一项不可缺少的技术。
人工智能有着广阔的发展前景,但对于医疗等行业而言,数据隐私至关重要,要挖掘这一潜力是个巨大的挑战。问题是,任何对训练模型有用处的数据几乎都是隐私数据,也就意味着不能将这些数据与合作伙伴进行共享。
Nvidia认为,可以通过最新的Clara Federated Learning技术解决此问题,该技术可以确保患者数据始终保留在医疗提供方的系统内。
Clara FL是一款用于分布式人工智能训练的参考应用,运行在Nvidia最新推出的EGX智能边缘计算平台上。这些系统能够在不移动数据的情况下,在数据所在的“网络边缘”本地地训练深度学习。
Nvidia医疗保健副总裁Kimberly Powell在博客中表示,Clara FL也具有协作性,也就是多个系统可以在不同位置协同工作,以创建更准确的全局模型。
Clara FL已经被美国放射学院、伦敦国王学院和加州大学洛杉矶分校(UCLA Health)等多家顶级医疗提供方的放射科医生使用。首先,放射科医生使用NVIDIA Clara AI-Assisted Annotation软件套件来标记数据,该套件与3D切片机、MITK、Fovia和Philips Intellispace Discovery等医学查看器集成在一起。
Powell表示:“NVIDIA AI可以使用预先训练的模型和转移学习技术,帮助放射科医生表及数据,从而将复杂3D的研究时间从数小时缩短至数分钟。”
然后,在Nvidia服务器上训练这些模型,通过安全链接共享把结果共享到联合学习中心。共享的只是这些结果,患者数据仍保留在原处,从而确保数据的安全性。
Powell在博客中写到:“Nvidia与英国伦敦国王学院以及Owkin展开合作,为国家卫生局创建联合学习平台。这个名为Owkin Connect的平台运行在NVIDIA Clara上,使算法能够从一个医院转移到另一家医院,并接受本地数据集的训练。该平台为每个医院都提供了一个区块链分布式的分类帐,可以捕获和跟踪用于模型训练的所有数据。”
Nvidia与Clara FL共同宣布推出了一个名为Clara AGX的新嵌入式AI开发者套件,该套件能够以很高的数据速率处理图像和视频,从而将AI推理和3D可视化功能嵌入到医疗设备中。
Nvidia低功耗Xavier片上系统为Nvidia AGX套件提供动力,该系统通常被作为自动驾驶汽车的微型处理器。目前,Nvidia AGX已经嵌入到便携式“ Hyperfine”磁共振成像设备中,可以进行早期测试,此外还可以与其他各种医疗器械、手术室、智能医疗摄像头和患者监护设备配合使用。
Powell表示:“我们正在见证医疗物联网开始采用人工智能技术。”
Nvidia方面表示,Clara AGX SDK将很快提供给早期访问用户。
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
哈佛大学研究团队开发出LangSplatV2系统,实现了超高速3D语言查询功能。该系统通过创新的稀疏编码技术和高效渲染算法,将3D场景语言理解速度提升了47倍,达到每秒384帧的实时处理能力。系统采用全局语义字典和稀疏系数表示,彻底解决了传统方法中解码器速度瓶颈问题,为AR/VR、智能机器人等应用提供了强大的技术基础。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
马里兰大学研究团队提出了CoLa(Chain-of-Layers)方法,让AI模型能够根据任务难度动态调整内部层的使用策略,实现"快思考"和"慢思考"的灵活切换。通过蒙特卡洛树搜索算法,该方法在推理任务上显著提升了模型的准确性和效率,为75%的正确答案找到了更短的处理路径,并纠正了60%的错误答案,为AI模型的架构优化开辟了新方向。