MIT News0 Hot0 bình luận4 phút đọc4 giờ trước

Looking beyond natural sequences

A machine-learning framework developed by MIT biologists aims to improve the success rate of computational protein design while moving away from results that reproduce sequences found in nature.

Đọc bài gốc

#machine-learning #genai

Nguồn: https://news.mit.edu/2026/looking-beyond-natural-sequences-0827. 8 Sync News chỉ tóm tắt và dẫn link; bản quyền nội dung thuộc tác giả và nguồn gốc.

Đề xuất cho bạn

Medium1 Hot11 phút1 ngày trướcAI

I Used AI to Design My Logo - Saved $2,000 and Got Better Results

Bài viết mô tả trường hợp cần thiết kế logo mới và nhận được báo giá 2.200 USD từ một nhà thiết kế chuyên nghiệp. Thay vì trả phí, tác giả đã sử dụng các công cụ tạo logo bằng AI trong vòng một buổi chiều và không tốn bất kỳ chi phí nào. Kết quả là logo được tạo ra nhanh chóng, chất lượng được đánh giá là tốt hơn so với thiết kế ban đầu mà nhà thiết kế đề xuất. Điều này cho thấy AI logo generators có thể giảm đáng kể chi phí thiết kế khi nhu cầu đơn giản và thời gian hạn chế. Bài học là trước khi đầu tư vào dịch vụ thiết kế đắt đỏ, nên thử nghiệm các giải pháp AI để đánh giá khả năng đáp ứng yêu cầu cơ bản của thương hiệu.

Bài tiết kiệm chi phí thiết kế logo nhưng vẫn đạt kết quả vượt trội nhờ công cụ AI.

Bình luận

Đang tải bình luận…

The AI Hater's Manifesto

Bài viết cho rằng ngành AI đang là một bong bóng tăng trưởng bất chấp chi phí, được duy trì bằng vòng luân tài chính giữa các phòng nghiên cứu AI, các nhà cung cấp đám mây siêu lớn và các nhà sản xuất chip. Nó утверждает rằng mô hình ngôn ngữ lớn chỉ có ích cho các nhiệm vụ nhỏ, rõ ràng scope, nhưng khi được dùng để thay thế suy nghĩ thực tế chúng trở nên không đáng tin cậy, và báo cáo nội bộ của OpenAI cho thấy không có mối liên hệ thống kê giữa việc sử dụng AI và doanh thu mỗi nhân viên. Hệ quả là giá chip NVIDIA đang tăng, nợ của các neocloud như CoreWeave và Nebius phình to, Anthropic đang lên kế hoạch gọi vốn 100 tỷ USD tại оценка 2 nghìn tỷ USD, trong khi mô hình giá dựa trên token của GitHub Copilot gây ra phản hồi negativo, và BCA Research cảnh báo rằng để bù đáp cho mức đầu tư hiện tại, các công ty AI cần đạt được doanh thu hàng năm lên tới 10 nghìn tỷ USD. Điều đáng học là lập trình viên cần nhìn nhận thực tế về giá trị thực của LLM, tránh phụ thuộc過度 vào AI cho công việc đòi hỏi suy nghĩ sâu, và cân nhắc kỹ trước khi đầu tư vào cơ sở hạ tầng AI dựa trên假设 về tăng trưởng vô hạn. Cụ thể, các con số như $100B gọi vốn của Anthropic, $2T оценка, $10T doanh thu cần thiết và sự tăng giá chip NVIDIA đều là bằng chứng cụ thể để cân nhắc việc đọc bài gốc.

Bài viết này cung cấp góc nhìn phản biện quan trọng về các bong bóng tài chính và tính thực tế trong ngành AI, giúp lập trình viên đánh giá thực sự hiệu quả và rủi ro khi áp dụng công nghệ này.

freeCodeCamp1 Hot16 phút2 ngày trướcAI

What Happens to a Medical Image Before and After a Model Sees It

Bài viết bắt đầu bằng việc giải thích tại sao các bước tiền xử lý hình ảnh y tế như đọc DICOM, điều chỉnh cửa sổ Hounsfield và resampling voxel là không thể bỏ qua trước khi đưa vào mô hình học sâu. Nó mô tả chi tiết cách các thư viện như SimpleITK và MONAI được dùng để chuyển đổi không gian ảnh về kích thước đồng nhất (ví dụ 1 mm³) và chuẩn hóa intensity bằng Z‑score hoặc histogram matching để giảm sự khác biệt giữa các bộ quét. Sau khi mô hình (thường là một mạng CNN 3D hoặc Transformer được huấn luyện trên PyTorch) xử lý ảnh, bài viết phân tích các bước hậu xử lý như ngưỡng xác suất, ánh xạ nhãn lại về không gian gốc và tính toán chỉ số Dice hoặc AUC để đánh giá hiệu suất. Các thí nghiệm được báo cáo cho thấy việc bỏ qua bước resampling có thể làm giảm Dice score xuống 15 % trong phân đoạn u não, trong khi sử dụng chuẩn hóa intensity tăng AUC lên 0.92 so với 0.84 khi không chuẩn hóa. Bài kết xuất rằng các nhà phát triển cần xem tiền xử lý không phải là bước “boilerplate” mà là một phần thiết yếu của pipeline, và việc ghi lại chính xác các tham số (kích thước voxel, giá trị Hounsfield window, phương pháp chuẩn hóa) là điều cần thiết để tái tạo kết quả và so sánh công bằng giữa các nghiên cứu.

Bài viết giải thích chi tiết quá trình tiền xử lý ảnh y tế, yếu tố quyết định hiệu suất của các mô hình học máy trong lĩnh vực chuyên biệt này.

#machine-learning #data-analysis Nguồn

Looking beyond natural sequences

Đề xuất cho bạn

I Used AI to Design My Logo - Saved $2,000 and Got Better Results

Bình luận

Why 2031 Might Be the Last Year Humans Do AI Research

From Prediction to Action: How to Turn AI Outputs Into Decisions

The AI Hater's Manifesto

Quantization-Aware Healing: a compressed, 4-bit model that outperforms its full-precision original

YouTube star Cliff Tan apologises to 2.4 million fans after promoting an AI design tool

What Happens to a Medical Image Before and After a Model Sees It

DeepMind’s hurricane breakthrough has surprised weather scientists

Một tài khoản, cả hệ sinh thái

8syncdev.com

Khóa học

Luyện code

IELTS

ZUS — IDE AI

mind0

AcoLeads