前瞻技術脈動：AI與機器人技術(202538)

關鍵字：；；；；；；

瀏覽次數：145｜歡迎推文：

科技產業資訊室 - 技術發展藍圖研析團隊發表於 2025年11月5日

圖、前瞻技術脈動：AI與機器人技術(202538)

幫助機器學習模型辨識各種姿勢的物體
機器學習在辨識物體時表現優秀，但對物體的空間姿態（如方向、角度）的判斷能力不足，影響到如自駕車等應用。密西根大學和加州大學柏克萊分校的研究團隊發表了一種新的自監督學習方法，設計了基於「視角軌跡正規化」的學習框架。該方法使用無標籤的圖片三連拍數據（即相機視角略微變化時的連續圖像）來模擬機器觀察環境的過程，並在深度神經網路的中層特徵中引入正規化，將相同物體的三張圖像映射為特徵空間中的直線軌跡。此方法可增加姿態預測準確性，且不影響物體分類效果。該技術不僅適用於影像資料，也可延伸至音頻或時間序列資料。
參考來源：Helping machine learning models identify objects in any pose. TechXplore, 2024/12/17

麻省理工學院的研究人員推出了Boltz-1，一種用於預測生物分子結構的完全開源模型
蛋白質形狀與其功能密切相關，因此了解蛋白質的結構對於設計新藥物且具特定功能的新蛋白質至關重要。AlphaFold3能預測蛋白質和其他生物分子的3D 結構，由於AlphaFold3 並不是完全開源的，也不能用於商業用途，因此麻省理工學院開發了第一個開源(Open source)人工智慧模型Boltz-1，遵循與 AlphaFold3 相同的初始方法，整合了最能提高模型準確性的演算法，另外，除了模型本身之外，Boltz-1具開源整個訓練和微調流程，以便其他科學家可以在 Boltz-1 的基礎上進行建造，可以顯著加速生物醫學研究和藥物開發。
參考來源：MIT researchers introduce Boltz-1, a fully open-source model for predicting biomolecular structures. MIT News, 2024/12/17

需要研究假設嗎？問人工智慧。
MIT研究團隊開發了SciAgents框架，通過多個AI代理協作，利用「圖推理」方法組織和定義科學概念之間的關聯。模仿生物系統的運作方式，根據知識圖提出新穎且有潛力的研究想法。該框架有望生成大量新的研究假設，並幫助科學家理解這些想法的產生過程和改進方向。這使得科學家無需前往實驗室，就能深入研究最佳想法、制定假設並預測行為，從而降低實驗成本與時間。此研究發表於《Advanced Materials》期刊，展示了AI在科研領域中的創新應用，為各領域科學家提供了一個強大的工具來推動研究進程。
參考來源：Need a research hypothesis? Ask AI. MIT News, 2024/12/19

研究：人工智慧醫療資料隱私增強的新方法
人工智慧有潛力提高醫生診斷和治療睡眠呼吸中止症的能力，布法羅大學展示新研究如何在人工智慧驅動的數據從谷歌或亞馬遜等第三方雲端服務提供者傳輸到醫生及其患者時安全地對其進行加密。透過依賴完全同態加密(fully homomorphic encryption, FHE)，從可用於研究的去識別化心電圖 (ECG) 資料集中檢測睡眠呼吸中止症的效率為 99.56%，由於FHE的分析比傳統的未加密資料分析方法更慢、更複雜。研究人員透過開發優化關鍵深度學習操作的新技術克服了這些缺點，使 FHE 系統能夠更快、更便宜地運作。(966字；圖1)
參考來源：Study: New method of privacy enhancement for AI-powered medical data. MIT News, 2024/12/19

歡迎來粉絲團按讚！

--------------------------------------------------------------------------------------------------------------------------------------------