「人工智能」一周科技资讯｜AI如何重塑我们看世界的方式？

【人工智能】本周科技看点速递

（3.18-3.24）

1 全球未监测流域极端洪水预测

2 跨社交媒体平台和长时间的持续互动模式

3 学习基于价值决策的注意力模板

4 基于基线心电图的人工智能预测化疗引发的心脏毒性

5 使用增强了等离子体效应的二维材料神经网络实现高性能人工视觉感知与识别

6 负责任地思考风险管理中的负责任AI：AI在风险管理中的阴暗面

全球未监测流域极端洪水预测

洪水是最常见的自然灾害之一，在发展中国家的影响尤为严重，这些国家往往缺乏密集的流量监测网络。准确及时的预警对于减轻洪水风险至关重要，但是水文模拟模型通常需要针对每个流域的长期数据记录进行校准。

研究者展示了基于人工智能的预测在未监测流域预测极端河流事件方面达到了与当前最先进的全球模型系统（即哥白尼紧急管理服务全球洪水意识系统）的实时预报（零日提前期）相似或更好的可靠性，且提前期可达五天。此外，研究者在五年一遇的事件上达到的准确度与当前一年一遇事件的准确度相似或更好。这意味着人工智能可以在未监测流域更早地、针对更大和更具影响力的事件提供洪水预警。此处开发的模型已被纳入一个操作性的早期预警系统，该系统在超过80个国家实时提供公开可用的（免费且开放的）预测。这项工作强调了增加水文数据可用性的需求，以继续提高全球可靠洪水预警的普及率。

Differences between nowcast (0-day lead time) F1 scores

for 2-year return period events between our AI mode

and GloFAS over the period 1984–2021.

跨社交媒体平台和长时间

的持续互动模式

Controversy and toxicity in conversations

为了更好地理解这些现象，研究者使用比较方法来分离跨多个社交媒体平台的人类行为模式。特别地，研究者分析不同在线社区中的对话，重点识别有毒内容的一致模式。从一个涵盖34年、跨越八个平台的广泛数据集中汲取信息——从Usenet到当代社交媒体——研究者的发现显示了不论平台、话题或时间，对话模式和用户行为都保持一致。值得注意的是，尽管长对话一致地展现出更高的毒性，但有毒语言并不一定会阻止人们参与对话，而且随着讨论的发展，毒性不一定会升级。

研究者的分析表明，用户间的辩论和对立情绪显著地贡献于更加激烈和敌对的讨论。此外，尽管平台和社会规范发生了变化，这些模式在三十年间的持续性强调了人类行为在塑造在线话语中的关键作用。

学习基于价值决策的注意力模板

Graphical abstract

注意力通过过滤感官输入来增强与任务相关的信息。它由一个“注意力模板”指导，该模板代表当前相关的刺激特征。为了理解大脑如何学习和使用这些模板，研究者训练猴子执行一个视觉搜索任务，要求它们重复学习新的注意力模板。神经记录发现，这些模板在前额叶和顶叶皮层中被以一种结构化的方式表示，使得感知上相邻的模板具有相似的神经表示。当任务改变时，通过逐步将模板转向受奖励的特征来学习新的注意力模板。最后，研究者发现，注意力模板将刺激特征转换成一个共同的价值表示，允许相同的决策机制部署注意力，无论模板的身份如何。

总体而言，研究者的结果提供了洞察，展示了大脑学习控制注意力的神经机制，以及如何能够在不同任务中灵活部署注意力。

基于基线心电图的人工智能

预测化疗引发的心脏毒性

研究者假设AI能够利用AI-EF模型的见解，从基线ECG预测CTRCD，并开发了AI-CTRCD模型，通过在AI-EF模型上使用迁移学习。在1011位接受蒽环类治疗的患者中，有8.7%经历了CTRCD。高AI-CTRCD分数表明CTRCD风险增加（风险比（HR），2.66；95%置信区间1.73–4.10；log-rank p < 0.001）。在调整风险因素后，这一结果保持一致（调整后HR，2.57；95%置信区间1.62–4.10；p < 0.001）。AI-CTRCD评分在已知因素之外增强了预测（2年的时间依赖AUC：使用AI-CTRCD评分为0.78，不使用为0.74；p = 0.005）。总之，AI模型能够从基线ECG强健地分层CTRCD风险。

Comparison of high and low AI-CTRCD score groups

使用增强了等离子体效应的

二维材料神经网络实现

高性能人工视觉感知与识别

最近，由于其在自动驾驶汽车和机器人等领域的潜力，神经形态视觉系统的开发获得了动力。然而，基于硅技术的当前机器视觉系统通常包含光传感器阵列、格式转换、存储和处理模块。因此，每个单元之间冗余数据的传输，导致大的延迟和高功耗，严重限制了神经形态视觉芯片的性能。

研究者展示了一种基于集成的2D MoS2/Ag纳米光栅光电晶体管阵列的人工神经网络（ANN）架构，它可以同时感知、预处理和识别光学图像而无延迟。设备在光电协同作用下的预处理功能确保了后续图像识别的效率和准确性的显著提高。这个概念验证设备的综合性能展示了在大动态范围（180 dB）、高速（500 ns）和每次脉冲的低能耗（2.4 × 10^-17 J）方面对机器视觉应用的巨大潜力。

Schematic illustrations of the mechanisms of 2D PPTA

负责任地思考风险管理中的负责任AI：

AI在风险管理中的阴暗面

人工智能（AI）在通过自动化数据整合和分析方面，为增强风险管理（RM）提供了巨大的潜力。虽然人们承认AI在RM中的积极影响，但关于意外后果的担忧正在上升。本研究探讨了诸如不透明性、技术和安全风险等因素，揭示了潜在的运营效率低下和风险评估不准确的问题。通过档案研究和包括首席风险官和信用经理在内的利益相关者访谈，发现了源于缺乏AI规制、运营不透明和信息过载的风险。这些风险包括网络安全威胁、数据操纵的不确定性、监控挑战以及算法中的偏见。研究强调需要一个负责任的AI框架来解决这些新兴风险，并提高RM流程的有效性。通过倡导这样一个框架，研究者为风险管理者提供了实用见解，并识别了在这个不断发展的领域中未来研究的途径。

Responsible AI framework