一杯DNA裝下全世界?MIT突破DNA新檢索技術,實現DNA「冷存儲」

一個咖啡杯就能裝下全世界?

有了DNA數據存儲,這是可能的。

1988年,藝術家Joe Davis和哈佛大學研究人員合作,首次證明了DNA存儲數字化數據的原理。

Davis通過明暗像素將代表35bits數據的符文符號圖像表示為二進制0和1,並將其編碼成了大腸桿菌DNA中的28個鹼基對。

隨後,存儲在DNA中的數據也從簡單文本變成高清音樂視頻、整個數據庫、MPEG、JPG、PDF等文件,甚至還有惡意軟件。

一杯DNA裝下全世界? MIT突破DNA新檢索技術,實現DNA「冷存儲」

DNA數據存儲發展過程(1965-2018)(圖源:nature)

DNA數據存儲是什麼

DNA數據存儲是一個將二進制數據轉換成人工合成DNA鏈的編碼過程。

為了在DNA中存儲二進制數字文件,比特(bits)將從1和0轉換成字母A,C,G,T,這四個字母代表組成DNA的四種核苷酸:腺嘌呤,胞嘧啶,鳥嘌呤,胸腺嘧啶。

物理存儲介質是一條序列中包含As, Cs, Gs, Ts的合成DNA鏈,其順序與數字文件中的bits相對應,如果要恢復數據,需要對DNA鏈進行測序,根據As, Cs, Gs, Ts還原成初始的數字序列。

一杯DNA裝下全世界? MIT突破DNA新檢索技術,實現DNA「冷存儲」

數字化的數據在DNA中編碼和解碼的過程(圖源:https://www.ssbt.org.cn/upload/20190905163302_429.pdf)

在人類創造數據能力不斷增長的今天,基於DNA的數據存儲似乎是個「潛力股」。

因為與其他大多數媒介相比,DNA提供了驚人的「數據存儲密度」,而且相比傳統數據存儲,它具有高度穩定性:DNA分子半衰期超過「500年」,低溫條件下可保存「成千上萬年」。

但DNA並非沒有缺點,成本高昂是阻礙其發展的主要問題。

目前,DNA鏈的鹼基模式中沒有編碼比特的標準方法,合成特定的序列仍然很昂貴。而用目前的方法訪問數據不僅慢,而且會消耗用於存儲的DNA。如果試圖訪問數據的次數太多,就必須以某種方式恢復它,這有可能引入錯誤。

近日,麻省理工學院和Broad研究所(Broad Institute)的一個團隊找到了一個解決方案。在這個過程中,研究人員創建了一個基於DNA的圖像存儲系統,它介於「文件系統」和「基於元數據的數據庫」之間,相關論文已在Nature上發表。

一杯DNA裝下全世界? MIT突破DNA新檢索技術,實現DNA「冷存儲」

把所有數據存儲到DNA上的瓶頸

在DNA中存儲數據的系統涉及到向包含數據的DNA片段添加特定的序列標籤。

為了得到想要的數據,你只需添加能與正確的標籤鹼基配對的DNA位,並使用它們來擴增完整的序列。可以把它想像成用一個ID 標記集合中的每個圖像,然後進行設置,只放大一個特定的ID。

一杯DNA裝下全世界? MIT突破DNA新檢索技術,實現DNA「冷存儲」

這種方法是有效的,但它有兩個方面的限制。

首先,使用稱為PCR(聚合酶鍊式反應)的過程進行的擴增步驟,對可擴增的序列的大小有限制。而每個標籤都會佔用一些有限的空間,所以添加更多詳細的標籤(如復雜的文件系統可能需要)會減少數據空間。

一杯DNA裝下全世界? MIT突破DNA新檢索技術,實現DNA「冷存儲」

一條8 個PCR 管,每個管含有100 μL 反應混合物

另一個限制是,擴增特定數據片段的PCR 反應會消耗一些原始的DNA 庫。換句話說,每次你拉出一些數據,你都會破壞成堆的不相關的數據。頻繁地訪問數據,最終會耗盡整個存儲庫。雖然有辦法重新放大一切信息,但每次這樣做都會增加引入錯誤的機會。

而這項新的研究已經將標籤信息從數據存儲中分離出來。此外,研究人員創建了一個系統,其中可以只訪問你感興趣的DNA數據,而不觸及其餘的數據,提高了數據存儲的壽命。 Continue reading

被指傷害智能音箱市場競爭谷歌、亞馬遜聽證會上展開辯護

​據報導,Alphabet旗下的Google和亞馬遜公司各自為其智能音箱業務進行了辯護,此前美國參議員警告說,這些大型科技企業對市場的控制可能會損害競爭,以及消費者的隱私。

Sonos-Feature.png

本週二,美國共和黨人和民主黨人在反壟斷聽證會上對其所提出的反競爭行為表達了擔憂,例如大型科技企業以低於成本的價格銷售設備,以及在其平台上推廣自己的服務而不是競爭對手的服務。

擔任參議院司法部門反壟斷小組主席的明尼蘇達州民主黨參議員艾米·克洛布查(Amy Klobuchar)表示,大型科技企業向更多家用設備的擴張,可能會讓他們進一步鞏固自己的市場地位。她舉了這樣一個場景作為例子:當消費者想要購買雜貨的時候,亞馬遜的智能設備可能只向消費者推薦全食超市,因為後者屬於亞馬遜旗下。

克洛布查說道:“在家用技術方面,我們看到,當今主導科技行業的一些最強大的企業,正在為主導未來的平台而做準備。消費者應該擁有選擇權,而不是只能選擇垂直整合的科技巨頭。”

本次聽證會標誌著美國國會的立法者正在考慮對反壟斷法進行潛在改革,從而對這些公司實施更嚴格的監管,這是對大型科技企業的行為進行審查的最新舉措。克洛布查和猶他州參議員、反壟斷小組的資深共和黨人邁克·李(Mike Lee)都提出了自己的立法建議,旨在全面改革和加強反壟斷執法。眾議院議員也在上週提出了他們自己的建議。

Sonos公司的首席法務官艾迪·拉扎魯斯(Eddie Lazarus)表示,Google和亞馬遜的商業行為使Sonos這家音箱企業難以與他們競爭。他稱,這兩家公司侵犯了Sonos公司持有的150項專利,還有其他投訴。

亞馬遜高管萊恩·麥克雷特(Ryan McCrate)在其證詞中表示,亞馬遜會將其技術提供給其他開發者,以便通過其語音助手服務Alexa提供其他競爭平台的音樂服務。他說,亞馬遜成立了一個公司聯盟,致力於確保消費者能夠在一台設備上獲得多種同步的語音服務。

Google政府事務高級主管威爾遜·懷特(Wilson White)說,該公司優先考慮消費者的選擇和隱私。他說,在許多使用GoogleAndroid操作系統的設備上,消費者可以選擇設置競爭對手的語音助手,例如亞馬遜的Alexa。

sonos-ad-copying.jpg

李警告說,隨著更多新產品進入普通用戶的家庭當中,監管機構不應該給科技企業更多的權力來引導消費者的選擇。他說道:“為什麼要讓大型科技企業對我們的日常生活有更多的控制和影響?我們知道,在行使這些權力的時候,他們並非總是想著社會的最佳利益。我們當然清楚,這樣做不會有好的結果。”

美國“芯”荒

2021年4月12日,美國總統拜登在白宮舉行的“半導體峰會”上舉起了一片晶圓,這是兩個月內拜登在白宮第二次舉起與半導體相關的器件,而上一次則發生在2月24日因美國芯片嚴重短缺而簽署行政令之時,當時,他特地手持一枚小小的芯片。不到兩個月的時間,同一產業鏈上的兩件商品相繼出現在美國總統的手中,這種現象並不常見。按理說,美國是芯片大國,最不該焦慮。結果,在這場缺“芯”危機面前,美國卻成了“芯”荒的代表,最近幾個月,白宮連續釋放出對芯片短缺、產業鏈漏洞的焦慮,一個產業竟然讓一個芯片大國手足無措。

1.“芯”荒背後

“芯”荒的背後是產需結構的錯配

全球性缺“芯”和芯片製造的產能結構息息相關。進入2010年以後,隨著以智能手機為代表的移動智能端產品的全球性普及,芯片生產對於功耗性能和芯片尺寸的要求越來越高,全球芯片大廠英特爾、台積電、三星等紛紛加入小尺寸高端芯片的研發以及12英寸的產能擴充大潮中。12英寸全球產能在2008年前後超越8英寸產能後,即呈現出單邊上升趨勢。而因為需求的萎縮,毛利率相對較低的8英寸產能則長期停滯不前。根據IC Insights的統計,從2009到2020年,全球至少有25座8英寸晶圓廠關閉,佔全球關閉晶圓工廠數量的約90%,產能不斷往幾家大廠集中,同時12英寸晶圓廠從68座增加到127座。自此,以小尺寸高端工藝芯片生產為主的12英寸芯片生產線逐漸取代了過去8英寸生產線的主流地位。

圖1 2000—2022年12英寸與8英寸晶圓的產能變化

資料來源:SUMCO(三菱住友商事株式會社),2019

然而,进入2020年以后,全球芯片的需求结构却突然发生了颠覆性的变化。一方面,以智能手机、平板为主的移动智能的需求量在2019年以后逐渐进入瓶颈。而另一方面,物联网、汽车电子等行业却开始进入一轮新的产业趋势推动下的需求大爆发。尤其在汽车电子领域,以往传统燃油车的单车芯片使用数量不足百颗,20世纪50年代,汽车制造中所采用的电子产品还不到制造总成本的1%。如今,电子产品的成本已经可以达到总成本的35%,并且预计到2030年将增加到50%。而随着汽车电子化的普及,传感器芯片、功率半导体、微处理器等使用数量出现爆炸式增长,新能源车的出现更是将这一数量刷新至千颗以上。车载芯片对于功耗性能以及尺寸的要求,显著低于移动智能端的芯片要求,一般而言8英寸生产线即可满足。这一需求端的结构性转变来得如此之快,以至于全球的芯片制造商完全没有做好产能切换的转变。2020年开始的全球性疫情,则将这一芯片供需的结构性错配放大得更加明显。疫情控制得较好的东亚地区,其芯片产能主要集中在12英寸。传统的芯片制造地美欧地区则以8英寸产能为主。而美欧疫情的失控,造成全球8英寸芯片产业链几度断裂。欧洲大厂英飞凌、恩智浦等先后因为疫情停产,而意法半导体则一度因为罢工而生产中断。这也是为什么这场跨年度的全球缺“芯”危机,最初是从8英寸汽车芯片开始,而随着时间的推移,如今已经逐渐蔓延到整个行业,遍及几乎所有终端应用。

2.產業鏈重置

產業鏈重置帶來瞭如今的缺“芯”

從1947年美國貝爾實驗室成功研製世界上第一塊點接觸式晶體管,到1958年美國得州儀器公司的傑克•基爾比發明了第一塊芯片……可以說,美國在芯片行業一直處於絕對領先地位。20世紀80年代之後,傳統IDM模式(芯片設計加製造模式)廠商漸漸支撐不住高昂的投入,美國大量中小型芯片公司陷入經營困境。而純代工模式的出現解放了這些中小型芯片公司,使其放下工藝研發和資本支出的包袱,專注於設計研發。逐漸剝離了製造業務之後,純芯片設計公司開啟了黃金時代,自20世紀90年代開始在半導體產業總營收中的佔比一路增長。可以說,20世紀90年代以來,美國半導體產業的發展策略,就是牢牢把持住芯片設計、先進設備材料等佔據產業鏈利潤率最高、資本回報率最大的環節,而把利潤率低、污染大的芯片加工環節放到海外去。正是依靠這種產業策略,美國一大批科技公司迅速爬升到產業鏈上游,美國半導體產業發展也一直處於高歌猛進的階段。

圖2 純芯片設計模式在半導體產業中營收佔比

資料來源:全球半導體聯盟(GSA),美國半導體行業協會(SLA)

坐享行業最大紅利幾十年之後,發展到今天,美國遇到了瓶頸。而擋住美國的,不是資本,不是人才,而是產業鍊格局重置,以及美國在這場重置中的選擇。 Continue reading

谷歌用AI設計AI芯片,6小時完成工程師數月工作

谷歌稱其正在使用機器學習系統幫助工程師設計新一代機器學習芯片。谷歌工程師表示,算法設計的芯片質量和人工設計“相當”甚至“還要更好”,但完成速度要快得多。谷歌表示,人工智能可以在不到6小時的時間內完成人工需要數月時間完成的芯片設計工作。

谷歌多年來一直在研究如何使用機器學習製造芯片,本周谷歌員工發表在《自然》雜誌的一篇論文證實此類研究已經應用於商業產品。谷歌開始用人工智能設計自家的TPU芯片。

據悉,TPU芯片是應用於人工智能的芯片,專門針對人工智能計算進行了優化。“我們的方法已經用於生產設計新一代谷歌TPU,”谷歌研究科學家、論文作者阿扎莉亞·米爾霍塞尼(Azalia Mirhoseini)和安娜·戈爾迪(Anna Goldie)寫道。

換句話說,人工智能正在幫助推動人工智能技術的進步。

谷歌工程師在論文中指出,這項工作對芯片行業有“重大影響”。這可以讓公司在設計芯片時探索架構可能性的速度更快,為特定工作負載定制芯片也更便捷。

《自然》雜誌的一篇評論稱這項研究是一項“重要成就”,並指出此類工作可以幫助抵消摩爾定律的終結。摩爾定律是20世紀70年代出現的一個芯片設計原則,也就是芯片上的晶體管數量每兩年翻一番。人工智能不一定能突破物理極限、將越來越多的晶體管壓縮到芯片上,但可以幫助工程師找到提高芯片性能的其他途徑。

圖示:谷歌的人工智能專用芯片TPU

谷歌算法處理的具體任務被稱為“芯片版面規劃”。通常情況下,設計師需要在計算機工具的幫助下為CPU、GPU以及內存核心等芯片子系統找到在矽晶片上的最佳佈局。這些芯片子系統通過總共長達幾十公里的微小線路連接在一起,芯片上每個子系統的位置均會影響芯片的最終處理速度和效率。而且,考慮到芯片製造的規模和計算週期,納米層面上的位置調整最終會帶來巨大影響。

谷歌工程師們指出,規劃芯片版面對人來說需要“數月的緊張工作”,但從機器學習的角度來看,完全可以像下棋那樣解決這個問題。

人工智能已經證實其可以在國際象棋和圍棋等棋類游戲中勝過人類。谷歌工程師們指出,芯片版面規劃與此類挑戰相似,只不過用的不是棋盤,而是矽片。棋盤上的棋子變成了CPU和GPU等芯片子系統器件。接下來的任務就是讓機器學習系統找到“獲勝條件”。在國際象棋比賽中是吃掉對方的王,而在芯片設計中是計算效率。

谷歌工程師利用芯片版面規劃數據集來訓練一種強化的機器學習算法,其中有1萬個不同質量的芯片版面規劃圖,一些規劃是隨機生成的。每個規劃圖所需電線長度和功耗有所不同。然後,訓練後的算法利用這些數據來區分版面規劃的好壞,並相應生成新的設計。

當人工智能在棋類游戲中挑戰人類時,機器並不一定像人類那樣思考,而且經常會對熟悉問題提出意想不到的解決方案。DeepMind的AlphaGo與圍棋冠軍李世石對弈時就是如此,人工智能看似不合邏輯的一步棋卻最終取得了勝利。

谷歌的芯片設計算法並沒有帶來如此戲劇性的變化,但其生成的芯片版面設計與人工設計完全不同。在人工智能設計的芯片版面中,各個子系統並沒有整齊排列,看起來幾乎是隨機分散在矽片上。《自然》雜誌的一幅插圖展示了這種差異,左邊是人工設計的芯片版面,右邊則是機器學習系統設計的。由於相關設計是保密的,這些圖片被作者有意做了模糊化處理。

圖示:左邊是人工設計的芯片版面,右邊則是機器學習系統設計的

這篇論文之所以值得注意,是因為其研究成果現在正被谷歌用於商業用途。但這遠不是人工智能輔助芯片設計的唯一應​​用。谷歌還在“架構探索”等芯片設計過程的其他部分使用人工智能,而英偉達等競爭對手也在研究其他方法來加快芯片研發工作流程。用人工智能設計人工智能芯片的良性循環似乎才剛剛開始。

谷歌TPU秘密武器,6小時完成芯片佈局!新AI算法登Nature

谷歌用人工智能提高芯片設計速度的研究,已發表於國際頂級期刊Nature。

原本人類專家需要花費數週時間的芯片佈局設計,通過一種深度強化學習方法,平均6小時內就能完成這個過程。

這項工作並不完全新穎,包括谷歌人工智能負責人Jeff Dean在內的谷歌工程師團隊,在一年前發表的一篇預印版論文中已經提到了這一技術。

谷歌博客:
https://ai.googleblog.com/2020/04/chip-design-with-deep-reinforcement.html

而在Nature最新發表的論文中,谷歌原始研究團隊稱其已微調該技術,來設計即將推出的、以前未宣布的谷歌張量處理單元(TPU)的生成,專門用於加速人工智能(AI) 。

該論文題目為《一個快速芯片設計的布圖佈局方法》(A graph placement methodology for fast chip design)。如果這一技術公開,或有助於讓資金受限的初創企業開發滿足特定需求的自家芯片,並縮短芯片設計週期,使硬件更好地適應快速發展的研究。

01 .芯片設計自動化挑戰大,性能難達人類水準

微芯片面積約為幾十到數百毫米平方,容納數千個組件,如內存、邏輯和處理單元,外加許多公里的超薄電線將這些組件連接在一起。

設計過程中,全局佈線是最複雜和耗時的階段之一,這涉及研究這些組件的最佳放置位置,就像建築師設計建築的內部空間一樣,如何以最好的規劃容納所有所需的固定裝置和配件。

在這項研究中,谷歌研究人員提出了一種基於深度強化學習的芯片佈局方法,目標是將電路組件和標准單元的網表節點映射到一個芯片畫布上,從而優化功率、性能和麵積(PPA ),同時遵守對佈局密度和佈線擁塞的限制。

自20世紀60年代以來,提出了許多自動化的芯片平面圖方法,但沒有一種方法達到人類專家上手所能實現的性能。此外,芯片複雜性的指數增長,使這些技術難以在現代芯片上使用。

人類芯片設計師往往必須使用電子設計自動化(EDA)工具迭代數月,對芯片網表進行RTL描述,並手動將該網表放置在芯片畫布上。

基於這種長達72小時的反饋,設計師要么得出結論,認為設計標準已經達到,要么向上游RTL設計師提供反饋,後者然後修改低級代碼,使放置任務更容易。

而谷歌提出的深度強化學習方法,是一種具有泛化能力的芯片佈局方法。通過領域自適應策略,它能夠跨芯片進行推廣,可以自行從經驗中學習,使其芯片佈局設計能力變得更好、更快。

02 .用遊戲系統、10000個芯片佈局訓練

訓練跨芯片推廣的AI驅動設計系統具有挑戰性,因為它需要學會優化將所有可能的芯片淨列表放置在所有可能的畫布上。

芯片平面圖類似於具有各種部件、板塊和獲勝條件的遊戲,因此可以用包含狀態、動作、狀態轉移、獎勵四個關鍵要素的強化學習方法,通過訓練一個智能體,用累計獎勵最大化,讓AI優化芯片佈局的能力持續增強。

從空芯片開始,谷歌團隊的系統按順序放置組件,直到實現一個完全佈局的網表。

為了指導系統選擇首先放置的組件,組件按降序由大到小排序;首先放置較大的組件會減少以後沒有可行放置的可能性。

▲隨著訓練進行,開源RISC-V處理器Ariane的宏位置。左邊是從零開始訓練的策略,右邊是針對這個芯片進行預訓練的策略。每個矩形代表一個單獨的宏位置。(圖源:谷歌)

訓練該系統需要創建一個包含10000個芯片佈局的數據集,其中輸入是與給定佈局相關的狀態,標籤是佈局的獎勵(即線長和擁塞)。

研究人員首先選擇了5個不同的芯片淨網表,並用AI算法為每個網表創建2000個不同的佈局位置。 Continue reading

人工智能要多久才能理解動物?

如今,澳大拉西亞的一種蜜雀已經忘記瞭如何交流,其主要的棲息地也遭到了嚴重的破壞,數量正在急劇減少。更糟糕的是,還有一些倖存者,它們住得太分散了,成年男性無法教年輕一代如何為配偶唱歌、說自己的語言。

這種蜜雀的語言和歌曲是他們吸引伴侶的主要工具,但不幸的是,這種方式日漸消失,也就隨之造成了種群螺旋式下降的惡性循環。

另一方面,我們來看看人類。據統計,目前人類使用的語言總數約7,000種。在美國,約25%的人聲稱他們可以用第二語言交談,在歐洲,這個數字在60%左右浮動。在亞洲或非洲,雙語現象則更為普遍,因為當地語言和地方方言與(通常是多種)“官方”語言並存。

但是,在地球上還沒有發現能有人會和貓或狗說話,更不用說和上述蜜雀了。

不過我們需要知道,要去理解動物是一個難以破解的難題。

首先,至今困擾科學家的一個問題是,動物們有“語言”嗎?即使它們有語言系統,那除了生存的基本知識之外,它們需要說很多話嗎?多年來,隨著像《人魚童話》這類電視電影的出現,無一不顯示出人類對與能和動物交流一事有著多大的執念。

好消息是,在未來十年內,人工智能可能使人類有能力去理解動物,但不太好的消息是,這種設備可能不是你所期待的那樣。

“如果你要選擇人類的一個部分,這個部分是沒有其他任何動物能做到這樣好的一點,這就是溝通。”切斯特大學和安格利亞魯斯金大學的行為生態學家James Savage說到。簡而言之,說話是人類與野獸的區別,期望和動物進行對話其實是有點自相矛盾的。

這時候可能會有人舉出一些例子,比如海豚與飼養員的交談,或者黑猩猩用手語交談,但這並沒有反駁這個理論,反而只是加深了問題的複雜性。動物理解人類的語言,這件事似乎可以達到它們的認知能力的程度,反過來說,海豚或黑猩猩是一種不說話的魚。

第一個問題是決定動物語言可能是什麼樣子。“人類交流的一個決定性特徵是,它是連續的。我們有語言標記,就像單詞一樣,而且它們總是以一定的順序發生。” 計算語言學家Jussi Karlgren表示。

正如我們所希望的那樣,沒有理由建議一群海豚以與我們相同的方式進行交流。不僅是因為不同的發聲機制,還有他們的環境、集體需求,以及你知道的,完全缺乏人性。

不過這也不能怪我們。

一項對土撥鼠叫聲的長期研究表明,土撥鼠可以展示一些類似於詞彙的東西。在實驗中,科學家們在不同時間穿著不同顏色的襯衫接近它們,同時確定了它們的每次警報。土撥鼠基本上是在說“藍襯衫的女人回來了”,或者“這次是黃襯衫的人”。

早在2013年,這項實驗的首席研究員Con Slobodchikoff就告訴《大西洋月刊》,在他看來,他的受試者擁有“已被解碼的最複雜的動物語言”。

雖然這似乎開啟了動物存在“語言”的可能性,但也可能存在進化限制。動物也許能夠用聲音或“詞”來表示某事,但前提是它需要這樣做。土撥鼠可能不會費心去表達諸如他們的感受或他們的生活目標之類的事情。

“作為動物,你向另一隻動物傳達信息的原因是,這樣做是否對你有好處。”Savage說。

但是,如果存在一種天敵很少且認知能力高的動物呢,比如海豚?根據Savage的說法,有一些暗示表面,海豚之間可能有更多的事情要談論,“海豚有一個特別的地方,那就是它們的名字,因為海豚之間都會使用名字來稱呼彼此”。

這種現像也激發了Karlgren的想像力。在某種程度上,他計劃了一項詳細的實驗,將海豚的叫聲輸入人工智能,以期破譯它們。

求助於人工智能是有道理的。畢竟,人工智能已被證明在破譯古代人類語言方面非常有效。

那麼為什麼海豚會有所不同呢?答案需要回到“人類中心說”上來。溝通不僅僅是言語,還可以是語氣、時間、上下文、面部表情等等。現在,我們把這個系統置換到海豚身上,你就會明白為什麼整個事情會變得複雜。

但Karlgren對此感到樂觀。“希望是這樣的:如果我們收集大量的語料庫、大量的海豚哨聲,我們對它們進行分割”,而對於產生結果的大量數據,人工智能確實是我們唯一的希望.

Sav age對此表示同意。他說:“人類通常非常擅長識別他們熟悉的動物叫聲的聲學差異,”他補充說,“隨著基於人工智能的信號分類算法變得更加先進,人工智能很快就可以比人類做得更好”。

早期跡像是有希望的。2017年,科學家們能夠以大約90%的準確率識別出許多不同的狨猴叫聲。同年,另一個團隊能夠僅根據給羊的面部表情提供AI圖像來識別羊何時處於困境。將這兩個想法結合起來,可以更全面地了解動物可能想說什麼。

Savage和Karlgren都表示,在未來十年左右的時間裡,這項工程可以邁出大步。即使結果可能不是我們想要的動物式穀歌翻譯。

但我們還需要考慮一個問題,這是否符合任何人的利益。“採取這種方式的話,動物們必須以我們想要與它們互動的方式與彼此和其他人互動。” Savage說。

無論是在研究還是工業層面,人工智能很可能成為畜牧業的一種寶貴工具,但我們現在仍然可以利用我們現有的工具做一些重要的事情。

Savage以鴞鸚鵡為例,這是一種在新西蘭發現的大型、不會飛的鸚鵡。當需要交配時,鴞鸚鵡會挖一個小坑並發出隆隆的聲音,利用這種小坑來放大聲音。雌性會根據這種聲音來選擇配偶。但是當種群數量很少時,就只會有少數雄性能夠成功,基因庫變得有限。

Savage解釋了他們如何能夠讓最好的“嬰兒潮一代”退休,並將他們搬到另一個島上,那裡有許多少年男性居住。這使年輕一代可以向成功的男性學習,並自己成為熟練的嬰兒潮一代。

隨著幼崽的成熟,它們會被安置在雌性身邊,並能夠從它們新發現的語言能力中獲益。慢慢地,該物種可以在沒有遺傳限制風險的情況下恢復。現在,如果我們能告訴蜜雀這件事就好了。

如果人工智能最終兌現其承諾,也許有一天我們可以做到。

和安卓用戶FaceTime,一個鼠標操作iPad和Mac!沒有新硬件的WWDC,就不行嗎

沒有M芯片,沒有AR,也沒有大家熱議的MacBook Pro。

就在美國時間6月7日下午1點,蘋果全球開發者大會WWDC 2021又來了。

當庫克隻身一人出現在喬布斯劇場舞台上,觀眾席一片歡呼,但定睛一看會發現,其實這些都是memoji小人。毫不意外的,本次開發者大會同樣在線上舉辦。

你以為沒有新的硬件發布,WWDC 2021就會逐漸無聊嗎?

答案自然是否定的,不管是iOS的新功能與隱私保護措施,還是iPadOS的新軟件和流暢性,以及iPadOS和macOS之間的互操作性,仍然會讓人眼前一亮。

話不多說,趕緊和文摘菌一起來回顧一下吧~

iOS 15:使用升級,也更注重用戶隱私了

其他可以鴿,iOS可不能鴿。萬眾期待的iOS 15終於來了。

根據蘋果負責軟件的高級副總裁Craig Federighi介紹,iOS 15將會更注重使用上的體驗,以及對用戶隱私的保護

首先在FaceTime上,空間音頻可在屏幕上反映通話者的位置,語音隔離功能可以減少背景噪音的干擾。人像模式的虛化背景也可以在FaceTime中使用,用戶還可以在通話中分享音樂和視頻。

最關鍵的是,現在FaceTime還可以通過可在瀏覽器中打開通話的共享鏈接,和安卓用戶共享FaceTime體驗

這也是FaceTime首次在跨操作系統得到支持

通知欄也有了新的外觀。通知可以顯示聯繫人照片和更大的應用程序圖標,這在iOS 15以新的過濾模式存在,稱為焦點(Focus)。

不要小看了焦點的作用,這可以使用戶自定義不同活動中顯示的通知,並在所有設備上同步。比如下班後你就可以設置只接收親人好友的通知。

同時,用戶可以自定義主屏幕頁面,選擇適合的焦點模式的小工具和應用程序。不僅如此,用戶還可以批量處理某些通知,將其作為摘要接收。

消息也有一些更新。iOS 15中,其他人可以看到你何時啟用了“請勿打擾”模式,而對於一些緊急消息,也可以覆蓋“請勿打擾”。

iOS 15中更新的隱私控制包括將所有Siri請求處理默認設置在設備上。用戶將收到一份應用隱私報告(App Continue reading

吃糖學知識?通過舌頭傳感器,讓視障人群“看見”形狀

 

由Bryan Shaw領導的貝勒大學研究團隊發現,複雜三維結構的口腔觸覺“可視化”可以做到與視力一樣準確

根據2021年5月的統計,德克薩斯州韋科市約有3600萬人失明,其中包括100萬兒童。此外,2.16億人有中度至重度視力缺陷。然而,STEM(科學、技術、工程和數學四個領域)教育主要是依賴於三維圖像的教育,其中大部分是失明的學生無法接觸到的。貝勒大學(Baylor University)化學與生物化學專業的教授Bryan Shaw博士的一項突破性研究旨在通過像糖果一樣的小型模型讓盲人或視力受損的人更容易接觸到知識。

貝勒大學主導的這項研究成果於5月28日發表在《Science Advances》雜誌上,該成果利用毫米級的明膠模型(類似於小熊軟糖)通過口腔立體識別來提高蛋白質分子的“可視化”,或者通過舌頭和嘴唇來實現三維形狀的“可視化”。這項研究的目標是創建更小、更實用的三維模型來描繪蛋白質分子。之所以選擇蛋白質分子,是因為它們的結構是STEM教育中展示的數量最多、結構最複雜、分辨率最高的三維形象之一。

Shaw說:“你的舌頭是你最好的觸覺’傳感器’,其敏感度大約是指尖的兩倍,同時也是一個類似於章魚臂的流體調節器。它可以扭動到手指無法觸及的溝槽中,但在觸覺領悟中沒並有人真正使用舌頭或嘴唇。因此我們想製作出個頭不大但分辨率很高的三維模型,並通過口腔將其“可視”化。”

這項研究共有396名參與者,包括31名四、五年級小學生和365名大學生。他們測試了通過嘴、手和眼睛來識別特定的結構。在口腔和手部觸覺模型測試中,所有被試者都被蒙上眼睛。

每個參與者都有3分鐘的時間用手指觸摸或用眼觀察被測蛋白質的結構,然後用1分鐘觸摸或觀察另一個對比蛋白質結構。4分鐘後,他們被問及兩組蛋白質是否是同一個模型。接著整個過程將重複一遍,區別是嘴來辨別其蛋白質形狀,而不是手指。

結果顯示,被試學生用嘴識別結構的準確率為85.59%,與用眼識別不相上下。測試涉及相同形狀的可食用明膠模型和不可食用的3D打印模型。與非食用模型相比,明膠模型可以被正確識別。

Shaw表示:“可以用嘴做到和用眼睛一樣準確地識別這些微小物體的形狀。這實在令人驚訝!”

該模型提供一種成本低廉、便攜方便的方式來使三維圖像容易的讓人接受,不管視力是否受損都可以適用。Shaw認為這項研究的方法並不局限於蛋白質結構的分子模型,任何三維模型都可以通過口腔“可視化”來實現。

此外,雖然明膠模型是唯一經過測試的可食用模型,但Shaw的團隊也在用其他可食用材料製作高分辨率模型,包括太妃糖和巧克力。模型的某些表面特徵,如蛋白質表面正電荷和負電荷可以用模型上不同的味道來表徵。

該研究的主要作者,博士生Katelyn Baumer說:“這種方法可以應用於任何圖像和模型的三維渲染,如細胞、胞器、真實數學中的三維表面甚至三維藝術品。它不僅局限於STEM,人文學科領域也可以得到應用”

Shaw的實驗室將微型模型的口腔“可視化”視為對學生有益的多感官學習工具,特別是對那些有特殊視覺需求的學生。類似這項研究中的模型可以讓有失明或視力障礙的學生更容易獲得知識。

Shaw表示:“失明的學生被整體地排除在化學和大部分STEM課程之外。只要看看我們的實驗室你就會明白為什麼了,去實驗室的電梯按鈕上有盲文,實驗室的門上也有盲文。但也就是到此為止了。貝勒(大學)將開始成為使知識更容易獲得的完美地方,這裡可以成為殘疾人士學習知識的綠洲。”

Shaw並不是第一次參與視覺損傷有關的備受矚目的研究。他在白眼檢測APP(鏈接:https://www.baylor.edu/mediacommunications/news.php?action=story&story=213471)上的工作也獲得了廣泛認可。Shaw和Greg Hamerly博士(貝勒大學計算機科學副教授)開發了這款手機APP並作為父母篩查兒童眼部疾病的工具。Shaw設計這款APP的靈感來自於他的兒子Noah,其在四個月大時被診斷出患有視網膜母細胞瘤(retinoblastoma)

日本砸錢和歐美搶芯片工廠?日官員:或只能保證中端芯片供應

6月3日,日本政府在經濟增長戰略會議上公佈了新的經濟增長戰略草案。該草案提到,日本政府需要通過設立研究基金、提供與其他國家匹敵的措施,支持尖端半導體的設計和製造,構築可靠的半導體供應鏈。

據日經亞洲報導,日本可能會採取財政激勵等各種措施來吸引海外半導體公司,促進日本尖端半導體製造,保證關鍵組件供應。

日本首相菅義偉稱,其增長戰略草案將通過提高生產力、提升工資和勞動參與率,進而擴大消費,使日本經濟實現增長。

日本增長戰略委員會內部包括私營公司成員,本次提出的草案如果通過,將成為日本經濟政策的一部分。本月中旬,日本內閣將批复這一草案。

▲日本經濟增長戰略草案鏈接:https://www.cas.go.jp/jp/seisaku/seicho/seichosenryakukaigi/dai11/index.html

一、日本半導體產業有所衰落,芯片製造乏力

增長戰略草案首先提到,日本半導體產業較之前有所衰落。日本增長戰略委員會在草案中寫道,1988年,日本在全球半導體市場的銷售份額為50%左右;2019年,這一比例已經降到了10%。

目前,日本的半導體自給率只有1/3左右,其他2/3都需要從海外進口,而日本半導體的進口也比較依賴中國。

▲半導體市場與日本半導體份額變化(來源:日本增長戰略草案)

根據行業統計,中國台灣佔10nm及更小節點芯片產能的90%以上,這種製造份額的過於集中可能會對全球半導體供應造成影響。

相比之下,日本的半導體產業主要集中在材料和設備領域,其主要的汽車半導體供應商瑞薩電子在日本也只能批量生產40納米芯片。

為此,草案提議,日本需要配合其他國家,快速吸引尖端芯片製造設施,在國內建立起安全的半導體供應鏈。日本經濟產業省的一位官員稱:“半導體現在和能源、食物一樣重要。”

▲不同節點的半導體製造份額地區分佈(來源:日本增長戰略草案)

二、日本或轉向吸引海外芯片廠商

此前,日本政府的重點往往在於加強其本土半導體公司的實力。英國研究公司Omdia的Kazuhiro Sugiyama說:“迄今為止,日本專注於協助其本國(半導體)公司和研究機構(發展),但它需要一個吸引海外參與者的戰略。”

日本內閣府官員也提到:“我們的目標是與外國公司合作(以保證供應鏈安全),而不是單靠日本芯片製造玩家的努力。”

此外,根據日經亞洲的報導,日本經濟產業省或將率先尋求海外參與者的潛在合作夥伴關係。日本政府還計劃與美國等國家進行協調,將其部分供應鏈轉移到日本,作為保證半導體供應鏈安全的一環。

三、頭部客戶缺乏,日本半導體行業基金規模較小

值得注意的是,日本此次吸引海外半導體廠商的舉動並非個例。與此同時,美國和歐洲正在採取各種行動來加強自己的半導體供應鏈。

目前,美國提出的《無盡前沿法案(Endless Frontier Act)》正在參議院進行審議,該法案提出撥款520億美元(約合3320億人民幣)支持半導體研究和為半導體工廠提供補貼。

歐盟則計劃在未來兩到三年內,向包括半導體在內的先進技術投資1450億歐元(約合1.1萬億人民幣)。

與歐美相比,目前日本促進半導體行業進步的基金規模較小,只有2000億日元(約為116.45億人民幣)。日本當前執政的自民黨已經開始呼籲,新設立一個價值數百億美元的大型基金,以刺激日本半導體產業的發展。

但是目前來看,日本與美國相比,對尖端芯片製造產業沒有太大的吸引力。此前,台積電和三星兩家頭部芯片製造廠商宣布赴美建廠,其中很重要的一個因素是蘋果、高通等美國大客戶。

日本則缺少像蘋果、高通這樣的巨頭公司。一位日本官員稱:“日本沒有矽谷,所以很難吸引尖端芯片製造廠,或許將只能保證中端芯片供應。”

為了解決這個問題,日本政府計劃還將發展5G、自動駕駛、智慧城市、醫療機器人等使用尖端芯片的行業。

結語:頭部芯片廠商計劃已定,日本尖端芯片工廠引入遇難題

隨著全球半導體短缺問題逐漸發酵,韓、美、日、歐等國都想要確保自己能夠生產最尖端的芯片。

目前,能夠量產5nm芯片的芯片廠商只有台積電和三星,這兩家公司都已經確定將在美國建設芯片工廠。英特爾也一直計劃在美國和歐洲建設晶圓廠。在這樣的情況下,日本建設尖端半導體工廠的目標將會受到極大的挑戰。

5G醫療的拓展方向與挑戰

5G醫療的發展給傳統醫療行業賦能,現存醫療體系的痛點被期待因新技術的不斷完善而全面解決,但是這種期待的本身就成了解決問題的枷鎖,技術的發展及應用不能脫離現實社會的實際情況,同時它的發展走向也將影響未來。

一、5G醫療的應用場景與現實意義

2019年以來,隨著5G逐漸走進生活和工作,各行各業正在快速邁進數字經濟的時代。作為新一代信息通信技術,5G技術推動醫療健康迎來新技術時代。

(一)5G醫療主要應用場景

5G醫療應用場景主要分為三類,分別是面向醫務人員的智慧醫療、面向患者的智慧服務、面向醫院管理的智慧管理。

面向醫務人員的智慧醫療未來的主要場景主要分為3類:一是基於新型智能終端的遠程操控類場景,包括機器人遠程手術等;二是基於高清視頻、影像的遠程指導和診療類場景,包括遠程查房、遠程會診、遠程急救指導、遠程教學和遠程超聲診斷等;三是基於醫療健康傳感器和設備數據的遠程監控類場景,包括患者實時定位、遠程輸液監控、慢病遠程監控等。

在面向醫院管理應用場景方面,可以充分利用5G海量網絡連接的特性,構建院內醫療物聯網,將醫院醫療設備、醫療類資產和非醫療類資產進行有機連接,實現醫務人員管理、醫院資產管理、設備狀態管理、院內急救調度、門禁安防等,提高患者就醫體驗與醫療工作人員工作效率。

在面向患者的智慧服務方面,主要包括預約診療、候診提醒、院內導航、智慧診療等。在5G網絡下為患者提供智慧服務,通過部署採用雲、網、機結合的智慧導診機器人,利用5G網絡的邊緣計算能力,提供基於自然語義分析的人工智能服務。面向患者的智慧服務應用,可以提高醫院的服務效率,改善醫院的服務環境,減輕醫院導診護士的工作量,提高導診效率,同時減少醫患糾紛。

(二)5G醫療的現實意義

一是5G讓急救過程變得更加高效。通過覆蓋5G信號,急救車內的醫護人員可以實時暢通地與醫院的專家醫生進行溝通,並讓專家醫生清晰地看到急救車內患者的身體狀況,同時患者心電圖、血氧飽和度等生命體徵數據也能實時傳輸到急救中心,從而實現高效精確的遠程會診,因此大大增加了急救患者的存活率和康復率。而在此前,由於信號單一、不穩定、清晰度低等因素,高效的遠程會診是很難實現的。

二是5G推動了醫學教育方式的變革。“5G技術的發展,使得混合現實等技術用於醫學教育和醫學研究成為了可能。”在華中科技大學副校長、同濟醫學院黨委書記、院長陳建國看來,混合現實平台將混合現實技術和雲計算、雲存儲技術結合,並通過5G通信技術實現傳輸,所有的醫院和醫護工作者都可以通過互聯網以實時、全息、三維的立體方式進行面對面的醫學信息的溝通和探討。

三是5G能夠為患者院後的個人健康管理帶來更好的體驗。借助5G技術,可以將健康管理的終端連接醫院、社區、家庭等各個場所,從而集成用戶多個渠道的健康信息數據,以這些數據為基礎,醫生可通過AI等智能分析了解患者群體的健康需求,為統籌醫護服務提供有價值的依據,並讓更多的患者參與其中。

二、5G醫療的拓展方向

(一)終端側:搭建基於5G的醫療物聯網生態系統,實現醫療服務智慧化和醫療設備管理可視化。

5G時代的移動醫療,不僅需要通信技術升級,相關配套產業也需要全面升級,才能充分發揮5G給移動醫療帶來的技術優勢。對於醫療中醫護查房手持終端設備,遠程會診視頻會議終端、視頻採集終端、可穿戴設備、醫用機器人等智能終端設備可以通過集成5G通用模組的方式,使得醫療終端具備連接5G網絡、利用5G網絡傳輸數據的能力。

(二)網絡側:以業務需求重塑5G網絡配置,定制安全隔離、靈活調度的5G醫療專網,保障醫療應用的創新發展。

醫療行業需要的是一張5G醫療專網,這張網不僅要滿足帶寬、速率、時延上的需求,實際應用中還需要關注醫療數據的安全隔離即醫療數據不出院、定制化靈活幀結構滿足大量上行大帶寬業務、網絡帶寬動態感知、網絡性能動態調配、可快速部署複製、智慧化網絡運營等需求。

(三)平台側:打造云網融合的5G醫療開放邊緣雲平台,為客戶提供可管可控的云網一體化服務,有效協助醫療智慧化應用場景創新、醫療健康大數據管理、集群應用的雲化統一部署。

平台側主要是實現醫療信息的存儲、運算和分析,起著承上啟下的過渡作用,通過MEC、人工智能、雲存儲等新技術,將散亂無序的信息進行分析處理,為前端的應用輸出有價值的信息。隨著5G網絡的商用,5G網絡重點應用的緊急救援、省際病患運輸、遠程診療等場景將產生海量數據,平台層對數據的承載、存儲、分析面臨很大的壓力,數據中台的作用也變得更加重要,成為醫院實現數字化轉型的重要基礎。

(四)應用側:與醫療機構、醫療信息化服務商等開展緊密合作,打造行業專家隊伍,以集成商角色向應用領域滲透,逐步實現院前篩查、院前急救、院內手術、影像診療、院後康復等各環節的智慧應用落地。

應當以5G智慧醫療信息化集成項目為抓手,以5G與雲計算、物聯網、大數據、人工智能等新興技術集群的融合應用為切入點,實現“兵團化”作戰。

三、面臨的問題和挑戰

(一)5G的網絡覆蓋面積以及網絡的穩定性

醫療領域的眾多應用場景對網絡的覆蓋範圍、穩定性要求極高。5G網絡的建設速度很快,雖然在北京等一線城市已經實現五環內室外信號覆蓋,但是因為智慧醫療的主要應用場景是在室內,如果僅僅是對現有建築物內部的3G/4G室分系統進行升級,很難完成5G信號的室內完全覆蓋。這需要運營商根據醫院的不同建築結構、不同科室的功能分區,重新佈設5G室分系統,並在醫院的院區內架設5G皮基站,或通過共享桿等方式,實現醫院室內、室外5G信號全覆蓋。

(二)智慧醫療的建設標準及評價體系

當5G與醫院和醫療體系融合之後,新的醫療應用場景出現,與之對應的是新的終端設備和儀器的互聯互通。要建立完善儀器設備的質量標準體系、技術標準體系、數據標準體系、接口標準體係等,需要通過逐步完善5G智慧醫療、5G智慧醫院相關的技術標準體系,才能有效地對新式醫療健康終端設備、儀器進行檢測和質量把關,才能加快5G技術與醫療行業的相互融合。

(三)安全體系的升級問題

醫療工作涉及到人民群眾的海量健康數據、診療數據、用藥數據,加強智慧醫院、智慧醫療領域的數據監管是保護患者隱私的重中之重,建立健全智慧醫療領域的安全監管體系,才能確保智慧醫療的可持續發展。

聯絡我們

地址
香港九龍觀塘鴻圖道57號南洋廣場1808室
Rm.1808, Nanyang Plaza, 57 Hung To Road., Kln. HK

電話
23091888

電郵
info@iothk.net