生成式AI模型检测血液细胞异常

生成分类模型 CytoDiffusion分类器能够准确识别多种血细胞形态，并检测异常或罕见的血细胞，这些细胞可能表明存在疾病。对角线网格元素显示每种细胞类型的原始图像，而非对角线元素则展示热图，揭示模型的决策逻辑。

血细胞形态的重要性 血细胞的形状和结构为诊断和管理血液疾病提供了关键指标。然而，识别显微镜下细胞的细微差异需要经过多年训练的专家才能完成，因此研究人员探索了人工智能（AI）是否能帮助自动化这一任务。一个由英国领导的研究团队开发了一种基于生成AI的模型——CytoDiffusion，其在血细胞形态分类的准确性和可靠性方面超过了人类专家。

模型的优势 传统区分性机器学习模型在将血细胞样本分类到预定义类别方面可以达到与人类相当的性能。但这些模型依赖于专家标签来识别细胞图像，对于从未见过的细胞类型和不同显微镜及染色技术的图像则难以应对。

CytoDiffusion的创新 该团队在剑桥大学、伦敦大学学院和伦敦玛丽女王大学的带领下，围绕基于扩散的生成AI分类器构建了CytoDiffusion。CytoDiffusion不仅学习区分细胞类别，还建模了血细胞形态的全部范围，提供准确分类的同时具备强大的异常检测能力。

真实性和准确性 为了使基于AI的分析在临床中被接受，用户必须信任模型的学习表示。研究团队使用CytoDiffusion生成合成血细胞图像，经验丰富的血液学家分析后发现，这些合成图像几乎与真实图像无法区分，表明CytoDiffusion真正学习了血细胞形态的分布，而非依赖虚假捷径。

多数据集验证 研究团队使用多个数据集开发和评估了扩散分类器，包括包含超过50万张匿名细胞图像的CytoData数据集。在这些数据集的标准分类任务中，CytoDiffusion达到了最先进的性能，匹配甚至超过了传统区分性模型的能力。

罕见细胞检测 有效的血涂片诊断还需要检测罕见或未见过的细胞类型。研究团队评估了CytoDiffusion检测测试数据集中的原始细胞（未成熟血细胞）的能力。在其中一个数据集中，CytoDiffusion的敏感性和特异性分别为0.905和0.962，而区分性模型的敏感性仅为0.281。在包含红系祖细胞的数据集中，CytoDiffusion再次优于区分性模型，证明了其能够检测训练数据中不存在的异常细胞类型，且具有临床应用所需的高敏感性。

稳定性和鲁棒性 分类模型需要对不同的成像条件具有鲁棒性，并能在稀疏训练数据的情况下正常工作。当在多样化的图像数据集（不同医院、显微镜和染色程序）上训练和测试时，CytoDiffusion在所有情况下都达到了最先进的准确性。即使在有限的训练数据条件下，CytoDiffusion也持续优于区分性模型。

不确定性评估 临床分类任务中，无论是由人类还是算法完成，了解最终决策的不确定性是关键。研究团队开发了评估不确定性的框架，并展示了CytoDiffusion产生的不确定性估计优于人类专家。通过量化不确定性，可以自动处理高确定性的案例，而不确定的案例则需由人类审查。

透明性与临床应用 最后，研究团队展示了CytoDiffusion能够创建热图，突出显示需要改变的区域以重新分类图像。这一功能揭示了模型的决策过程，并展示了其理解相似细胞类型之间细微差异的能力。这种透明性对于AI在临床中的应用至关重要，使模型更可信，因为从业者可以验证分类基于合法的形态特征。

 总结 “当测试其准确性时，系统略优于人类，”剑桥大学的第一作者西蒙·德尔塔达在新闻声明中说。“但真正突出的是它知道何时不确定。我们的模型从不会说它确定而实际上错了，而人类有时会这样做。” CytoDiffusion在《自然机器智能》杂志上进行了描述。（来源：物理世界  https://physicsworld.com/a/generative-ai-model-detects-blood-cell-abnormalities/#render_86a69aec99d3ed09994c97a734129e99）

AI 花费狂潮的赢家未必是创新者

随着股市不断寻找理由来支持日益高涨的乐观情绪，深入探讨人工智能（AI）投资的故事变得至关重要。任何带有AI主题的小故事都在推高股价，这得益于为处理我们未来搜索而建设的数据中心所投入的巨额资金。日本机器人公司发那科（Fanuc）在宣布与AI巨头英伟达合作后，股价在周二开盘时上涨了9%。

目前市场对AI的炒作类似于2000年的互联网泡沫，市场正在从未来借取业绩、收入和利润。AI确实可能成为一项伟大的工具，但人们正在展望未来，看到许多工作岗位可能会消失。回顾工业革命的历史，我们可以看到，新的角色在短期内的痛苦之后可能会出现。事实上，一些公司已经开始试图减少劳动力，尽管AI客户服务还远未成熟。

所谓的虚拟助手反应迟缓且错误频出，应用程序往往难以使用，逻辑复杂，不适合15岁以上的人群。程序员们主要关注销售部分，但很难找到售后帮助。如果你幸运地找到了联系电话，很可能被告知可以在网站上找到相关信息。如果我能从网站上找到，我就不需要打电话了。

这种形式的AI本质上是一种智能预测文本，它将搜索概念与概率结合，预测接下来最有可能发生的事情，并将其呈现为事实。然而，人类大脑在理解主题细微差别方面仍然更胜一筹，这种优势将持续数十年。

我以“Richard Harris Hong Kong”为搜索字符串，测试了不同的AI应用程序，收到了各种各样的答案，其中大部分含有错误，甚至有一两个答案是完全不真实的，有时还可能非常危险。AI可能在写小说或剧本方面有用，但你不会希望它写博士论文、法律文件或新闻评论。（来源：南华早报  https://www.scmp.com/opinion/world-opinion/article/3335053/winners-ai-spending-mania-wont-necessarily-be-innovators?module=opinion&pgtype=homepage）

我们为亚马逊的AI推动力量付出代价

亚马逊裁员14000名员工，预计明年还将进行新一轮裁员。大多数媒体的报道都强调，这些裁员是由于AI带来的新效率。作者Amy Wang曾在亚马逊工作五年，她认为自己并没有被AI取代，但AI行业背后的金钱和权力正在利用炒作周期来加强对我们工作和生活的控制。

亚马逊的工程师使用的AI工具远未达到替代人类的水平，我们每天都在“看护”这些技术，通常只能获得微小的效率提升。实际上，亚马逊管理层要求每个员工付出更多的工作量。这种高强度的工作环境使得团队在人员减少的情况下承担更多责任，频繁出现大规模事件，如今年10月的AWS宕机事件。持续的裁员谣言加剧了员工的恐惧，使公司能够对员工的生产力提出不合理的期望。

亚马逊不仅要求内部使用AI，还急于建设数据中心，因为AWS提供的计算能力被许多其他公司用于其模型。例如，Palantir使用亚马逊Web服务运行ICE的大规模遣返软件。因此，裁员可以被视为一种试图为更多数据中心腾出资金的策略，同时也是一种销售策略，向企业客户暗示他们也可以通过使用AWS的AI工具和服务大规模裁员。

亚马逊就像淘金潮中卖铲子的商家，大声宣称有很多黄金可以挖掘。然而，科技CEO与政府合作剥夺普通民众和工人权益的行为，如拆解NLRB、使用AI进行监控和激进地解除AI监管，这是前所未有的。

除了对工人的压力和大规模裁员，还有另一个成本是铺设新的能源密集型基础设施。这与防止不可逆转的气候临界点的时间窗口重合。亚马逊正在建设的数据中心需要新的天然气发电厂和继续使用之前计划退役的燃煤发电厂。这将导致更高的能源账单和水资源短缺，未来的工作将变得不稳定。

我们不能再通过更努力工作来拯救自己，希望避免被裁员。我们的良好意图也无法让亚马逊和其他大型科技公司回到他们承诺的更环保的道路上。当CEO们谈论AI将创造一个由普遍基本收入支持的富有创造力的未来时，同时却极力反对支持最基本社会安全网的税收，这种认知失调是深刻的。

科技行业的当前轨迹是极其乌托邦的。但尽管这些公司中仍有人类的智慧和善良，我们可以记住进化告诉我们的：人类最擅长的是合作。通过合作，我们可以改变这一轨迹，确保机器学习真正造福社会，而不仅仅是少数人。（来源：国会山报  https://thehill.com/opinion/technology/5630482-big-tech-climate-dystopia/）

英国体育启动AI应用程序以试图保护运动员免受社交媒体骚扰

英国体育局（UK Sport）推出了一款名为Social Protect的人工智能应用程序，旨在保护运动员免受社交媒体上的骚扰。这款应用程序能够实时检测并删除社交媒体上的侮辱性评论，帮助运动员保持在线交流的同时不损害身心健康。

Social Protect平台与Instagram、Facebook、TikTok、Discord和YouTube等社交媒体平台合作，可在不到一秒钟的时间内删除评论。该平台的数据库包含超过200万条侮辱性短语，覆盖100多种语言。

英国羽毛球三届奥运选手柯丝蒂·吉尔莫尔表示：“在过去六年里，我注意到自己在社交媒体上收到的侮辱性言论明显增加。Social Protect让我能够更好地控制自己的在线经历，感觉像是一个重要的进步。”（来源：美联社  https://apnews.com/article/online-abuse-uk-sport-app-9bfebe04acb2b82c61f8b5982d3a4bbf）