O câncer de mama afeta uma em cada oito mulheres no Reino Unido, e a detecção precoce é crucial. ⚕️ Nossa pesquisa mais recente na @NatureCancer mostra como a IA pode fortalecer os esforços de detecção precoce do câncer de mama. Em estudos com @imperialcollege e o @NHSuk, nosso sistema experimental de triagem baseado em IA identificou 25% mais "cânceres de intervalo" - casos que normalmente são perdidos pela triagem tradicional - enquanto reduzia as cargas de trabalho de triagem em cerca de 40%. Principais descobertas dos estudos no fio🧵⤵️

Para avançar na IA fundamental, devemos resolver o aprendizado contínuo e o esquecimento catastrófico. Nova pesquisa da nossa equipe introduz o Aprendizado Aninhado (NL), um paradigma que vê um modelo de ML como um sistema de problemas de otimização aninhados. Esta abordagem unifica arquitetura e otimização, criando uma capacidade computacional mais profunda para o aprendizado. Este é um passo crucial para criar modelos com as habilidades de aprendizado contínuo observadas no cérebro humano. Mais no blog de Vahab Mirrokni e Ali Behrouz: Leia o artigo do NeurIPS 2025:

A transição para IA em dispositivo requer um nível de privacidade mais elevado. Estamos a introduzir Insights Provavelmente Privados (PPI) para permitir uma análise essencial dos desenvolvedores sobre as funcionalidades do GenAI com uma garantia verificável de que os dados brutos dos utilizadores nunca são expostos. Este sistema é um componente central da construção responsável da IA. O PPI utiliza um LLM Gemma de código aberto dentro de um Ambiente de Execução Confiável (Análise Federada Confidencial) para categorizar dados não estruturados e derivar insights. Apenas estatísticas agregadas e diferentemente privadas saem do ambiente seguro. Liberámos o código para permitir a verificação externa das garantias de privacidade de ponta a ponta. Leia mais sobre a sua implementação no Recorder e o nosso plano por Artem Lagzdin e Daniel Ramage: Preprint: