英特尔与整个科技产业一直致力于提供突破性解决方案,而新型冠状病毒是推动“科技向善”共同创新前所未有的催化剂。
本文作者:Rick Echevarria,英特尔公司市场营销集团副总裁兼全球奥运项目办公室总经理,负责领导英特尔科技抗疫计划。
一百天前,我们的首席执行官司睿博宣布了英特尔科技抗疫计划:投入5000万美元,以最擅长的科技手段抗击COVID-19:用科技来研究和帮助诊断新型冠状病毒,帮助受疫情影响的教育工作者和学生,并支持创新的理念和项目。
我很荣幸领导这项计划,并见证了一支由英特尔员工、客户和合作伙伴组成的敬业团队。在短短三个多月的时间里,他们已经让英特尔技术有了新的创造性用途,解决一系列挑战。我们取得很大进展,收获良多,但仍有很多事情未完待续。值此100天之际,我想代表这支团队分享科技抗疫行动中的一些亮点。
截至目前,英特尔已与100多个组织合作了近200个项目,总计贡献超过3000万美元,其中包括最初的疫情应对和疫后恢复的初步举措。早期,我们为呼吸机制造商提供了重要部件,还协助搭建了虚拟重症监护病房。
现在,我们正为那些可能延误学习的学生提供技术和教育内容,也在帮助企业迈出安全复工复产的第一步,还在探索如何将英特尔技术和财务支持用于诊断、治疗和疫苗研究。
我们在疫情中发挥的作用带来一些毋庸置疑的经验:技术充分发挥潜力,可以挽救生命并改变生活。没有人可以凭一己之力解决这些问题。如果我们不与客户和社区合作,让我们的世界在复苏后变得更美好,那我们将永远不会重现之前的繁荣。
以下三个例子可以表明我们取得的进展:
在应对疫情的过程中,我们清楚地看到,新型冠状病毒已经改变了社会、产业以及英特尔。在疫情的阴影下,要求变革的历史呼声——结束种族主义、不平等和社会不公行为,表明未来几个月对美国和全世界所有人来说都至关重要。总而言之,它使我们认识到一些深刻的经验教训。
科技及其创造性应用的需求前所未有:四个月前,英特尔首席执行官司睿博在给客户的信中写道:“你们为数以百万计正与病毒直接斗争的人们提供了至关重要的服务、工具和基础设施……”这一切,日月可鉴。在英特尔内部以及与客户的合作中,我们打破各自为政的“孤岛”,以前所未有的速度展开行动。新发现的技术价值来源,如Providence医院的“远程护理”正在改变生活,患者和护理人员逐渐适应了这些技术。我们经过创造性的思考,将客户团结起来,提供拯救生命、教育学生和稳固社区基础设施的服务。
数据协作和共享从未像现在这样重要:全球研究人员必须共同努力,才能解决新型冠状病毒带给世界的挑战。全世界已经成为一个共同体。我们对新型冠状病毒还有很多未知,但是在联邦学习的支持下,研究人员能够在合作开发疫苗或治疗程序时私密地共享患者数据。他们可以访问丰富的数据世界,以做出更好的决策并找到突破性线索,所有这些都不会违反隐私法。我们的技术利用重要数据集进行有效管理、共享和协作,在研究人员追踪致命病毒时发挥了前所未有的重要作用。
健康状况的改善与经济复苏息息相关:人们的健康对世界经济复苏至关重要,反之亦然。疫情结束后,我们不能再重蹈覆辙。我之所以反复提到远程医疗,因为这是一个很好的例子。为了更好地发挥远程医疗的优势,我们必须认可它在求诊人群中的成功应用和接受度。只有这样,它才能茁壮成长。
作为一家公司,我们已经学会了以更多的同理心、更高的敏捷性和更快的速度来运作。我们在开发产品时,不只是着眼于它们能做什么,更要关注它们在一个不断改变的世界里能做什么。在公司以外,我们与客户、合作伙伴和社区以新的方式进行合作,并看到当所有人都创造性地思考和行动时,携手产生的巨大影响。
我们不会忘记这些经历。在努力实现未来十年的目标时,它们将决定我们的做法。
当新型冠状病毒成为历史后,世界上每个人的生活都会发生变化。医生和患者之间将能在更远距离进行沟通。教育工作者将在远程学习中吸取经验,使在线课堂更高效、更有意义。私密、安全、有效地共享数据,将治愈更多疾病。
英特尔科技抗疫计划并不能解决我们面临的所有挑战,但我们在疫情中所学到的以及我们向他人传授的知识将为未来奠定坚实的基础。令人鼓舞的是,我们见证着英特尔以及整个高科技产业的技术在造福我们的生活,即使是在当今如此严峻的世界中。
好文章,需要你的鼓励
这项研究介绍了Ankh3,一种创新的蛋白质语言模型,通过多任务预训练策略显著提升了模型性能。研究者采用两种互补任务:多掩码概率的掩码语言建模和蛋白质序列补全,使模型仅从蛋白质序列就能学到更丰富的表示。实验表明,Ankh3在二级结构预测、荧光预测等下游任务中表现优异,尤其在模型未曾训练过的任务上展现出强大泛化能力,为蛋白质设计和分析开辟了新路径。
法国波尔多大学研究团队开发了一个突破性框架,用于神经退行性痴呆症的差异化诊断。该框架将3D脑部MRI转换为文本报告,并利用强化学习优化的大语言模型进行详细诊断推理。不同于传统"黑箱"方法,这一系统能生成透明、有因果关系的解释,同时保持高诊断准确率。研究显示,通过群组相对策略优化(GRPO)训练的轻量级模型能展现复杂推理行为,包括假设检验和非线性思考,提供与临床决策流程一致的排序诊断结果。
这项研究提出了CLUE框架,首次能够生成自然语言解释来揭示AI事实核查系统不确定性的来源。与现有方法不同,CLUE能识别文本片段间的冲突与一致关系,并解释它们如何影响模型的预测不确定性。实验表明,CLUE生成的解释在三种语言模型和两个事实核查数据集上都更忠实于模型不确定性,用户评价其更有帮助、信息更丰富、冗余更少且逻辑更一致。CLUE不需要微调或架构更改,适用于任何白盒语言模型,为事实核查提供了实用支持。
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。