微软成立 "超级智能 "团队,以医疗诊断为起点

路透中文
Yesterday
<a href="https://laohu8.com/S/MSFT">微软</a>成立 "超级智能 "团队,以医疗诊断为起点

微软组建 MAI 超级智能团队,从医疗诊断人工智能入手

公司将投入巨资开发专业人工智能模型

微软人工智能主管预测两三年后将出现用于诊断的 "医疗超级智能

Jeffrey Dastin

路透旧金山11月6日 - 微软正在组建一个新的团队,希望从医疗诊断开始,在某些领域建立能力远远超过人类的人工智能。

该项目被称为MAI超级智能团队,是继Meta Platforms、Safe Superintelligence Inc和其他公司的类似努力之后的又一成果。

微软公司(Microsoft MSFT.O)负责人工智能的主管穆斯塔法-苏莱曼(Mustafa Suleyman)说,微软也计划在这个项目上投入 "大量资金"。

Meta 今年提供了 1 亿美元的签约奖金 (link),以招募著名的人工智能人才。苏莱曼拒绝透露是否有此类提议或挖角企图。不过他表示,微软人工智能公司将继续从其他顶级实验室招募人才,同时为新团队配备现有研究人员,并由凯伦-西蒙尼安(Karen Simonyan)担任首席科学家。

微软的努力也有曲折。据苏莱曼称,该公司并不像某些同行那样追逐 "能力无限的通用型 "人工智能。他说,原因在于,尽管对人类如何控制人工智能进行了研究,但他怀疑自主、自我完善的机器能否被控制。

他说,微软对 "人文主义超级智能"(humanist superintelligence)有一个愿景,即能够解决确定问题并带来实际利益的技术。

"苏莱曼说:"人文主义要求我们始终提出这样一个问题:这项技术是否符合人类利益?

长期以来,人工智能理论家和开发人员一直在争论,相对于机器学习的偏见和可信度等问题,这项技术是可能导致迫在眉睫的危险,还是不会造成危害。

苏莱曼说,他的目标是让微软团队专注于那些能实现他所说的超人性能,同时 "几乎不带来任何生存风险 "的专业模型。他举例说,DeepMind 的人工智能模型 AlphaFold 可以预测蛋白质结构,他以此为例说明人工智能可以解决电池存储或开发分子。苏莱曼是 DeepMind 的联合创始人之一。

苏莱曼说,诊断是人工智能领域长期关注的一个领域,也是微软一直关注的 (link),该公司 "瞄准了未来两三年内的医疗超级智能"。

他说,这一努力是基于人工智能对问题的推理,仍然需要突破。但他说,如果能够实现,人工智能将 "延长我们的预期寿命,让每个人拥有更多的健康岁月,因为我们将能够更早地发现可预防的疾病"。

(为便利非英文母语者,路透将其报导自动化翻译为数种其他语言。由于自动化翻译可能有误,或未能包含所需语境,路透不保证自动化翻译文本的准确性,仅是为了便利读者而提供自动化翻译。对于因为使用自动化翻译功能而造成的任何损害或损失,路透不承担任何责任。)

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10