此次合作旨在以AI研究成果应对全球气候变化、鉴别致病因素,并加速药物研发
英特尔与Mila团队的成员(左起):英特尔销售开发经理Jason Gauthier;Mila合作伙伴关系部高级顾问Sophie Le Drew;英特尔行业技术专家Dan Nitta Mackay;英特尔公司副总裁兼数据中心、人工智能和云计算执行与战略总经理Kavitha Prasad;Mila创始人兼科学主任Yoshua Bengio;英特尔人工智能和云计算执行与战略副总裁Arun K. Subramaniyan;Mila合作伙伴关系部高级总监Fred Laurin;英特尔人工智能和云计算执行与战略总监Kannan Keeranam
近日,英特尔宣布与蒙特利尔学习算法研究所(Montreal Institute of Learning Algorithms,Mila)展开为期三年的战略研究与创新合作,来自双方的20余名研究人员将专注于开发先进的AI技术,用于应对气候变化、材料研发和数字生物学等领域的全球性挑战。
Mila创始人兼科学主任Yoshua Bengio表示:“面对当前全球范围内的挑战,我们必须在学术界与产业界之间推动开放科学的文化,从而加速AI应用以造福社会。此次,我们十分高兴能与英特尔展开合作,更加高效地探索用于改善碳捕获、加速药物研发以及助力未来可持续发展的新型材料。”
加速先进AI技术的研发以解决当今世界所面临的一系列极为关键且具有挑战性的问题,需要值得信赖的AI战略,以及扩展计算技术的能力。作为算力和AI领域的领军企业,英特尔和Mila均秉持以积极、强大的力量推动世界变革的理念,基于此,双方将进一步升级其于2021年启动的项目,增加合作方向并加强合作力度,从而推动成果落地。
英特尔公司副总裁兼数据中心、人工智能和云计算执行与战略总经理Kavitha Prasad表示:“要解决气候变化和新材料研发等复杂问题,需要深度的AI研究、具体领域的专业知识,以及先进的计算技术。此次与Mila的合作,将为研究人员提供关键洞察并有效推动技术创新。未来,我们也将与Mila携手,共同面对挑战,以科技之力为下一代创造一个美好的未来。”
此次深化合作将重点关注:
英特尔将与Mila携手进行科技创新,以提高原子模拟(如Open Catalyst数据集)的图神经网络性能。通过增强相关的技术管道,研究人员有望能够大规模使用原子材料数据。研究团队将创建基于学习的框架,以便在需要海量搜索的材料设计应用场景中能够进行有效查询。这些框架可以借鉴强化学习、搜索算法、生成模型以及其他机器学习算法(包括Mila开创的生成流网络)的理念。
英特尔和Mila的研究人员将携手合作,以更便捷地发现更好的候选药物分子。例如,预测复杂的表型——包括基于单核苷酸多态性 (SNP) 基因类型的疾病——一直是数字生物学长期以来面临的一个挑战,因为大多数表型受到整个基因组中诸多SNP的影响。因此,使用大规模人群数据,针对这类表型的所有相关SNP进行联合因果分析,是现阶段面临的主要计算挑战。精确解的搜索空间大小与SNP的数量成指数关系。在检测的SNP达到数百万个时,精确解在计算上难以处理。然而,随着高分辨率数据的可用性提升、突破性AI技术的出现以及摩尔定律推动的计算密度增长,英特尔和Mila计划开发AI技术,用于:
好文章,需要你的鼓励
法国AI初创公司Mistral AI发布了首个大语言模型全面生命周期评估,量化了AI的环境代价。其Mistral Large 2模型训练产生20,400吨二氧化碳当量,消耗281,000立方米水。运营阶段占环境影响85%,远超硬件制造成本。研究表明地理位置和模型大小显著影响碳足迹,企业可通过选择适当规模模型、批处理技术和清洁能源部署来减少环境影响。这一透明度为企业AI采购决策提供了新的评估标准。
上海AI实验库推出YUME系统,用户只需输入一张图片就能创建可键盘控制的虚拟世界。该系统采用创新的运动量化技术,将复杂的三维控制简化为WASD键操作,并通过智能记忆机制实现无限长度的世界探索。系统具备强大的跨风格适应能力,不仅能处理真实场景,还能重现动漫、游戏等各种艺术风格的虚拟世界,为虚拟现实和交互娱乐领域提供了全新的技术路径。
许多人认为一旦实现通用人工智能(AGI)和人工智能超级智能(ASI),这些高度先进的AI将能够告诉我们人生的真正意义。然而,巅峰AI可能无法明确回答这个史诗般的问题。即使AI拥有人类所有知识,也不意味着能从中找到生命意义的答案。AI可能会选择提供多种可能性而非绝对答案,以避免分裂人类社会。
上海AI实验室研究团队开发了革命性的AI编程验证方法,让大语言模型能够在最小人工干预下自动生成和验证程序规范。该方法摒弃传统的人工标注训练,采用强化学习让模型在形式化语言空间中自主探索,在Dafny编程验证任务上显著超越现有方法,为AI自主学习开辟新道路。