AI解析声音：核心技术详解
音频特征提取音频特征提取是计算机听觉领域中的关键步骤，它将原始音频信号转化为更具表达性的数值特征。这些特征可以精简原始的波形采样信号，从而将精练后的波形采样信号应用到其他模型中，使算法更容易理解音频中蕴含的语义信息。原始音频信号是一个复杂的波形，包含了很多信息。对音频进行特征提取是为了简化这些信息，抓住声音的核心特征，如音高、音量和音色，这些可以帮助我们进行分类、识别或分析。音频特征的提取通常涵盖多个维度，其中能量特征、时域特征、频域特征和乐理特征是常见的类别。能量特征是指音频信号中反映其强度和动态变化的
当简单个体汇聚成超级智慧：探索智能涌现的临界密码
复杂网络驱动智能涌现引言：从蚁群到GPT的共同秘密清晨，你在公园散步，看到一群蚂蚁正在搬运食物。每只蚂蚁只能感知周围几毫米的环境，遵循简单的局部规则：跟随信息素、避开障碍、寻找食物。然而，整个蚁群却表现出惊人的集体智能——能够找到最短路径、分配劳动、建造复杂巢穴。这种"个体简单、集体复杂"的现象，称为"涌现智能"（Emergent Intelligence）。更令人惊讶的是，人工智能也展现出类似的涌现特性。2022年，OpenAI的GPT-3在参数量达到1750亿时，突然"学会"了算术推理、代码生成、多语
科学新突破：AI 解码大脑废物清除机制
《科学进展》期刊最新刊载的研究显示，科研团队引入人工智能技术，深入解析脑脊液在大脑内部的循环速率，旨在阐明其清除阿尔茨海默病等相关代谢废物的机理。当人类陷入深度睡眠状态，一种类水液体会在大脑周边循环流动，冲刷掉关联阿尔茨海默病等病症的代谢垃圾。这一机制被命名为“脑淋巴系统”，最早由神经科学先驱、罗切斯特大学转化神经医学中心联席主任迈肯·内德加德在 2012 年提出。然而，关于该系统的具体运作原理尚存疑点，特别是脑脊液在大脑内的流转速度。要在避免对受试者造成永久性损伤的前提下，探究活体大脑内部的循环状况极具
Harmony Biosciences 高管将亮相两场投资盛会
深耕神经科学赛道的生物药企 Harmony Biosciences 日前透露，其核心管理层计划参与即将召开的两场投资者交流活动。届时，高层将详细阐述公司的业务动态与未来战略蓝图。 会议日程如下： 据官方披露，Harmony Biosciences 确认出席以下两项重要会议： 高盛 (986.515, -8.01, -0.80%) 第 47 届年度全球医疗大会的炉边对话定于 2026 年 6 月 9 日上午 8:40 举行，选址佛罗里达州迈阿密。奥本海默中枢神经及神经肌肉高峰会的同类环节则安排在 2026
AI 赋能开放量子多体系统研究
[1] Diehl S，Micheli A，Kantian Aet al. Nat. Phys.，2008，4：878[2] Verstraete F，Wolf M M，Cirac J I. Nat. Phys.，2009，5：633[3] Nakagawa M，Tsuji N，Kawakami Net al. Phys. Rev. Lett.，2020，124：147203[4] Rota R，Minganti F，Ciuti Cet al. Phys. Rev. Lett.，2019，122：1104
机器认知：智能系统构建
人工智能是计算机科学的一个重要分支，致力于探索、开发模拟、拓展与延伸人类智能的理论、方法、技术及应用系统。与其他许多学科不同，人工智能的诞生具有明确的标志性事件，即1956年的达特茅斯（Dartmouth）会议。在该会议上，正式提出“人工智能”这一术语并将其作为研究领域的名称。同时，也确立了人工智能研究的使命。JohnMcCarthy对人工智能的定义为：使机器行为表现出类人智能。当前，人工智能主要涵盖以下领域：（1）感知：模仿人类的感知能力，对外部刺激信息（如视觉和语音等）进行感知和处理。主要研究领域包括
AI模型训练指南：从入门到实践
构建专属AI模型的关键步骤包括：确定目标→准备数据→选择合适模型→训练优化→部署更新；初学者建议采用PyTorch或TensorFlow框架配合云GPU资源及预训练模型微调技术，投入较少但效果显著。任务分类：首先明确方向 —— 图像识别分类/检测、文本分析生成/分类、语音信号识别、数值预测等。评估标准：分类任务关注精确度/召回率/F1值；回归任务关注平均绝对误差/均方根误差；生成任务关注困惑度(PPL)/BLEU指标。资源配置：个人及小团队建议在预训练模型基础上进行微调(BERT/ResNet/Llama
02: 一文厘清 AI、机器学习与深度学习的层级关系
本文是「机器学习从 0 到 1」系列的第二篇文章。继上回探讨了机器学习的定义后，本期将重点解析一个常被大众混淆的议题：AI、机器学习以及深度学习，这三者究竟有何关联？当你浏览资讯时："某企业利用 AI 技术完成了癌症的初期筛查。"接着看到："深度学习模型在图像辨识领域已超越人类表现。"再看到一条："机器学习协助银行侦测欺诈性交易。"三条资讯，出现了三个不同的术语。然而，它们所指的其实是相近的技术范畴。那么，这三个词汇究竟是否等同？若非同物，彼此间又存在何种联系？许多人对这三者的认知往往是：认为它们是可以互
AI技术助力药学创新——专题讲座在药学院开讲
5月20日上午，药学院邀请美国罗文大学化学与生物化学系吴春副教授，在A3-210教室开展主题为“如何利用人工智能/大语言模型提升科研、教育与日常生活”的专题讲座。吴春副教授拥有跨学科学术背景，研究领域涉及计算化学与分子进化等领域。讲座由药学系刘英华执行主任主持。讲座开场，吴春副教授以一个发人深省的问题引发思考——智能究竟是什么？他将智能定义为：把海量、零散的原始数据压缩提炼为简洁、可用信息的能力。在此基础上，他深入分析传统频率统计方法的局限性，指出面对高维度现实问题时，这种方法会陷入“维度诅咒”，导致计算
AI全身成像技术新突破：揭示肥胖对三叉神经的隐秘损伤
研究人员开发了一套人工智能驱动的全身扫描系统，能够精细绘制小鼠完整身体的细胞级图像——该技术近日发现了肥胖带来的又一惊人危害。研究表明，肥胖不仅会扰乱机体代谢，还可能损伤与触觉感知相关的面部感觉神经系统，同时诱发全身性炎症反应。慕尼黑亥姆霍兹研究联盟、慕尼黑大学（LMU）及其合作机构的科研团队打造了一个基于人工智能的平台，能够在细胞层面详细记录小鼠体内与疾病相关的各项变化。借助这一名为MouseMapper的新型工具，研究团队揭示了肥胖引发的广泛炎症以及此前未被识别的神经损伤。该研究还在人体组织样本中检测
Nature 聚焦：中国脑机接口技术跨越试验迈向实战
2026 年 5 月 19 日，《Nature》新闻刊发题为《中国将人工智能脑植入技术从试验推向真实世界应用》的报道，深入剖析了中国企业在脑机接口（BCI）领域的最新突破。国内企业正全力推动 AI 驱动的脑机接口技术走出实验室，加速迈向临床应用乃至大众市场，标志着中国在该前沿赛道已正式进入“实战模式”。真实病例已实现“以意控物”。上海脑虎科技（NeuroXess）便是其中的佼佼者。其研发的植入设备采用“颅顶植入加皮层电极”方案，电极紧贴大脑皮层，经由导线与植入胸部的电池及数据传输模块相连。在 2025 年
吴恩达AI入门课程：机器学习思维导图
安德鲁·吴的AI课程（中英字幕版）是初学者必看的精品内容，从基础到深入，内容精炼无冗余第二章 机器学习【吴恩达】面向大众的AI课程（中英双语字幕），新手入门首选，从基础到高阶，内容简洁有力第二节 机器学习视频获取链接如下：【bilibili】https://b23.tv/Ge4OCj3视频链接地址：【哔哩哔哩】https://b2023.tv/Ge4OCj3
德国AI技术绘制肥胖全身影响图谱
包括德国亥姆霍兹慕尼黑研究中心、慕尼黑大学在内的研究团队开发出一种基于人工智能的分析系统，能够在细胞层面精确绘制小鼠全身疾病相关变化的图谱。研究发现，肥胖不仅会引发全身性炎症，还可能导致包括神经系统在内的潜在全身损伤，其中甚至涉及面部感觉神经。相关论文已发表在《自然》杂志上。此次，研究团队开发了名为“鼠体图谱”（MouseMapper）的AI系统，该系统可自动识别31种器官和组织类型，分析全身神经及免疫细胞分布的变化。为获取完整数据，团队首先利用荧光标记物对小鼠体内的神经和免疫细胞进行“染色”，再通过组织
AI数学的深浅
今天聊点硬核话题。一个疑问：AI究竟运用了多深奥的数学？从技术手段和架构来看，AI所涉数学的“平均年龄”已达150岁，绝大多数源自19世纪以前：矩阵运算、梯度下降、链式法则、傅里叶变换、内积、概率论，大多属于本科低年级课程。然而，AI涌现出的某些现象，即便是当前最前沿的数学理论也无法阐释。我总结了几个备受关注的现象：- 缩放定律：当模型规模扩大、数据量增加、算力提升时，模型的损失函数会遵循一条极其平滑的幂律曲线下降，在对数坐标下近乎直线。面对一个拥有数千亿参数、内部高度复杂的巨型网络，其宏观表现竟如此井然
人工智能与智能体开发必备概念指南
一、机器学习基础 · 监督学习：利用已标注的数据集进行训练，建立输入到输出的对应关系。 · 无监督学习：基于未标记的数据，自动挖掘潜在的内部结构或规律。 · 强化学习：智能体通过与环境的交互试错，依据奖励和惩罚机制学习最优决策方案。 · 特征与标签：特征指输入的属性信息，标签则是需要预测的目标值。 二、核心算法与模型 · 神经网络：模仿人脑神经元结构的计算模型。 · 深度学习：运用多层神经网络结构的机器学习分支。 · Transformer：基于自注意力机制的模型架构，是现代大规模语言模型的基础。 · 大