︿
Top

前瞻技術脈動:AI與機器人技術(202520)

瀏覽次數:847| 歡迎推文: facebook twitter wechat Linked

科技產業資訊室(iKnow) - 技術發展藍圖研析團隊 發表於 2025年7月4日
facebook twitter wechat twitter

圖、前瞻技術脈動:AI與機器人技術(202520)
 
卷積光學神經網路預示著人工智慧成像的新時代
中國上海理工大學的研究團隊成功將卷積神經網路(CNN)的概念引入光域,開發出一種超快卷積光學神經網路(ONN),為人工智慧成像技術帶來革命性進展,研究成果已發表於《Science Advances》期刊。該技術突破了傳統電子信號轉換的限制,直接在光域進行卷積運算,實現了真正的光學計算速度。多級卷積ONN由多個平行核心組成,能從散射光中擷取特徵,快速重建圖像。這不僅大大提高了成像速度,還顯著提升了圖像質量,使在複雜散射環境中成像成為可能。透過調整網絡結構,同一卷積ONN可同時執行多種不同的圖像處理任務,如分類和重建。本研究不僅成功將CNN應用於光學領域,還為AI成像技術帶來重大突破,未來可有望在自動駕駛、機器人視覺和醫學成像等領域發揮重要作用。
參考資料:
Convolutional optical neural networks herald a new era for AI imaging. TechXplore. 2024/06/26.


人工智慧技術的進步可改善物件檢測和分類
UNIST人工智慧研究生院的研究人員開發了一種名為基於穩定性擴散的深度生成重(SDDGR)的新技術,使人工智慧能夠在保留現有知識的同時學習新資訊。研究發表在arXiv預印本伺服器上。先前開發的類別增量學習(CIL)技術在識別和分類影像中的多個物件方面有其限制。為了應對這項挑戰,SDDGR技術應運而生。它產生高品質的圖像,並透過迭代處理幫助維護先驗知識。透過利用先進的學習方法,SDDGR 提高了處理新資料時的準確性。此外,SDDGR 透過有效的資料重複使用降低資料儲存和處理成本,從而提供經濟效益。研究團隊表示,這種方法預計將為企業帶來顯著的經濟效益。
參考資料:
Advances in AI technology for improved object detection and classification. TechXplore. 2024/06/28.


ChatGPT是否是阻止深度偽造的關鍵?研究探討大語言模型在辨識人工智慧生成圖像方面的能力
紐約州立大學水牛城分校的研究人員將大語言模型(LLMs),如OpenAI的ChatGPT和Google的Gemini,應用於深度偽造人臉影像的檢測。研究中發現,雖然LLMs在辨識深度偽造影像方面表現落後於最新的偽造檢測算法,但其自然語言處理能力使其成為未來更實用的檢測工具。ChatGPT在檢測由latent diffusion生成的影像時的準確率達到79.5%,在StyleGAN生成的影像上為77.2%。此外,ChatGPT能夠清晰解釋其判斷依據,使人類能夠理解,這是傳統偽造檢測算法所不具備的特點。儘管LLMs的表現仍遠遜於目前的深度偽造檢測算法,未來需要更多工作來進一步優化和提升其在此領域的應用能力,相關研究成果已發表於《arXiv》期刊中。
參考資料:
Is ChatGPT the key to stopping deepfakes? Study asks LLMs to spot AI-generated images. TechXplore. 2024/06/27.


覺得你很有趣嗎? ChatGPT可能更有趣
南加州大學的研究團隊探討了人工智慧(AI)如ChatGPT與人類所創作笑話的趣味比較,這項研究發表於《PLOS ONE》期刊,由美國南加州大學心理學博士生Drew Gorenz等人主導。研究結果顯示,參與者中將近70%認為由ChatGPT生成的笑話比人類創作的更有趣味性。此外,研究還比較了ChatGPT生成的新聞標題與著名諷刺報導《The Onion》的原始標題,發現參與者認為ChatGPT生成的標題與原始的《The Onion》標題同樣有趣,這種結果引發了對於AI在娛樂產業中應用的省思,特別是對於專業幽默作家而言,大型語言模型如ChatGPT可能威脅其職業的討論。(1113字;圖1)
參考資料:
Think you're funny? ChatGPT might be funnier. TechXplore. 2024/07/03.


 

 
歡迎來粉絲團按讚!
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述,僅為提供更多訊息,也不構成任何投資建議。
2.著作權所有,非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載,本中心保留一切法律追訴權利。