ידיעות בינה מלאכותית בנושא MARYLAND
קהילות רפובליקניות בארה"ב מובילות מאבק נגד הקמת מרכזי נתונים עבור AI, בשל זיהום רעש, צריכת אנרגיה גבוהה ונזק סביבתי. ההתנגדות הצליחה לעצור פרויקטים בשווי עשרות מיליארדים, עם תמיכה דו-מפלגתית במחוזות שונים. התושבים מתנגדים לסבסוד חברות טק עשירות ללא תועלת קהילתית ברורה לעין.
חוקרים ב-Johns Hopkins פיתחו מודל AI שמזהה מתח כרוני באמצעות נפח בלוטות יותרת הכליה בסריקות CT חזה שגרתיות. מודל זה, המכונה Adrenal Volume Index (AVI), קשור לרמות קורטיזול, ל-allostatic load ולממצאי לב, והוצג בכנס ה-RSNA.
ממשלות, ערים ומערכת החינוך בארה"ב מאמצים AI לשיפור שירותים ציבוריים: אוטומציה של משימות שגרתיות, צ'אטבוטים רב-לשוניים, וניתוח נתונים מתקדם לצמצום הונאות. לצד היתרונות, עולים חששות מתעסוקה ואתגרים אתיים, המודגשים ביישומים כמו סינון קורות חיים ועדכון קוד עירוני. מדיניות אחראית והכשרת עובדים נחשבת למפתח להצלחה.
מחקר חדש של אוניברסיטת מרילנד ומיקרוסופט מגלה שפולנית היא השפה היעילה ביותר לתקשורת עם בינה מלאכותית (88% דיוק), כשאנגלית מדורגת שישית בלבד. הפרדוקס: מדובר בשפה קשה לבני אדם אך מובנת היטב ל-AI, למרות מיעוט נתוני אימון. הממצאים עשויים להשפיע על עתיד פיתוח המערכות הרב-לשוניות.
חוקרים מאוניברסיטת מרילנד פיתחו את VoiceSecure - טכנולוגיה חדשה המשבשת נתונים קוליים ביומטריים מפני זיהוי על ידי בינה מלאכותית, תוך שמירה על איכות השיחה למאזין אנושי. המערכת פועלת ברמת הדרייבר של המיקרופון, מנצלת פערים בפסיכואקוסטיקה בין אדם למכונה, ומאפשרת התאמת רמת הפרטיות. ניסויים ראשונים הראו יעילות גבוהה מול מערכות זיהוי קולי.
חוקרים מ-Tencent פיתחו טכניקת RL בשם Parallel-R1 המאפשרת ל-LLM לחשוב במסלולים מקביליים בזמן היסק. האימון התלת-שלבי (אתחול, RL למתמטיקה קלה וקשה) הדגים שיפור בביצועים על בסיסי מתמטיקה מורכבים. הגישה חוסכת משאבי אימון ומשפרת יכולות נימוק במודלים קיימים.