Rintasyöpä koskettaa yhtä kahdeksasta naisesta Isossa-Britanniassa, ja varhainen havaitseminen on ratkaisevan tärkeää. ⚕️ Uusin tutkimuksemme vuonna @NatureCancer osoittaa, miten tekoäly voi vahvistaa rintasyövän varhaista havaitsemista. @imperialcollege:n ja @NHSuk:n kanssa tehdyissä tutkimuksissa kokeellinen tekoälypohjainen seulontajärjestelmämme tunnisti 25 % enemmän "intervallisyöpiä" – tapauksia, jotka perinteisessä seulonnassa yleensä jäävät huomaamatta – samalla kun seulontatyömäärä väheni arviolta 40 %. Keskeisiä havaintoja tutkimuksista threadissä🧵⤵️

Perustavanlaatuisen tekoälyn edistämiseksi meidän on ratkaistava jatkuva oppiminen ja katastrofaalinen unohtaminen. Tiimimme uusi tutkimus esittelee Nested Learning (NL) -paradigman, joka näkee koneoppimismallin sisäkkäisten optimointiongelmien järjestelmänä. Tämä lähestymistapa yhdistää arkkitehtuurin ja optimoinnin ja luo syvemmän laskentakapasiteetin oppimista varten. Tämä on ratkaiseva askel kohti sellaisten mallien luomista, joissa on ihmisaivoissa havaitut jatkuvat oppimiskyvyt. Lisää Vahab Mirroknin ja Ali Behrouzin blogissa: Lue NeurIPS 2025 -paperi:

Siirtyminen laitteessa olevaan tekoälyyn vaatii korkeamman yksityisyyspalkin. Esittelemme Provably Private Insights (PPI) -sovelluksen, joka mahdollistaa GenAI-ominaisuuksien olennaisen kehittäjäanalyysin todennettavissa olevalla takuulla, että raakaa käyttäjädataa ei koskaan paljasteta. Tämä järjestelmä on keskeinen osa tekoälyn vastuullista rakentamista. PPI käyttää avoimen lähdekoodin Gemma LLM:ää luotetussa suoritusympäristössä (Confidential Federated Analytics) jäsentämättömien tietojen luokitteluun ja oivallusten johtamiseen. Vain aggregoidut, differentiaalisesti yksityiset tilastot poistuvat turvallisesta ympäristöstä. Olemme julkaisseet koodin, joka mahdollistaa päästä päähän -tietosuojatakuiden ulkoisen todentamisen. Lue lisää sen käyttöönotosta Recorderista ja Artem Lagzdinin ja Daniel Ramagen suunnitelmastamme: Esipainatus: