幾乎從2012年開(kāi)始,國(guó)內(nèi)的3D打印熱潮瞬間暴發(fā),讓很多在行業(yè)領(lǐng)域里默默無(wú)聞的3D打印技術(shù)一下子被推到聚光燈下。
說(shuō)到3D打印,事實(shí)上它是以計(jì)算機(jī)三維設(shè)計(jì)模型為藍(lán)本,通過(guò)軟件分層離散和數(shù)控成型系統(tǒng),利用激光束、熱熔噴嘴等方式將金屬粉末、陶瓷粉末、塑料、細(xì)胞組織等特殊材料進(jìn)行逐層堆積黏結(jié),最終疊加成型,制造出實(shí)體產(chǎn)品。
3D打印機(jī)與傳統(tǒng)打印機(jī)最大的區(qū)別在于它使用的“墨水”是實(shí)實(shí)在在的原材料。3D打印常用材料有尼龍玻纖、耐用性尼龍材料、石膏材料、鋁材料、鈦合金、不銹鋼、鍍銀、鍍金、橡膠類材料等。時(shí)下3D打印正在被各大行業(yè)所應(yīng)用,它不僅可以打印出吃的、穿的、用的,令人驚訝的是它甚至還可以“救死扶傷”。
美國(guó)Organovo公司網(wǎng)站曾指出,再生醫(yī)療是一個(gè)飛速發(fā)展的科技領(lǐng)域,肩負(fù)著改寫(xiě)人類醫(yī)療史的重任。通過(guò)3D打印技術(shù)制造器官,不但可解除移植器官資源緊缺的難題,也將對(duì)藥物開(kāi)發(fā)產(chǎn)生深遠(yuǎn)影響。
3D打印在醫(yī)學(xué)界的最直接應(yīng)用,便是各式各樣的器官或組織3D模型構(gòu)建。而對(duì)于3D生物打印機(jī)而言,這一切都不是那么簡(jiǎn)單,因?yàn)槠渌枰氖?ldquo;生物墨水”——人體細(xì)胞。
在過(guò)去的兩年,我們聽(tīng)到了關(guān)于生物3D打印技術(shù)非常多令人亢奮的應(yīng)用。世界第一例3D打印技術(shù)用于臨床案例獲成功,美國(guó)媒體報(bào)道了全球首例3D打印器官人體移植手術(shù),引發(fā)不少研究者與生物投資者關(guān)注。密歇根大學(xué)公共醫(yī)療中心通過(guò)3D打印技術(shù),制造了一段人工氣管,成功移植入一位只有六周的美國(guó)嬰兒體內(nèi)。
而3D打印的器官模型,例如心臟副本,對(duì)于練習(xí)復(fù)雜手術(shù)來(lái)說(shuō)是非常理想的對(duì)象,它使得手術(shù)外科醫(yī)生能夠看清他們要進(jìn)行手術(shù)的精確解剖情景。不難想象,未來(lái)醫(yī)學(xué)學(xué)者甚至可以用3D打印的解剖標(biāo)本取而代之珍貴的人體解剖標(biāo)本。
關(guān)于3D打印在醫(yī)療方面的運(yùn)用,目前國(guó)內(nèi)也實(shí)現(xiàn)了快速發(fā)展。據(jù)悉,北京大學(xué)第三醫(yī)院正研究運(yùn)用3D打印技術(shù)打印“骨骼”。截至目前,北醫(yī)三院表示第一例植入脊柱鈦合金“骨骼”的患者治療效果很好。有業(yè)內(nèi)專家表示:“它預(yù)示骨科手術(shù)治療即將進(jìn)入一個(gè)新時(shí)代。未來(lái)醫(yī)療受3D打印技術(shù)的影響將有著巨大的改變,從打印骨骼、仿真醫(yī)療模型,到量身定做的器官替代品,都將一一實(shí)現(xiàn)并普及。”
對(duì)醫(yī)療界而言,3D生物打印技術(shù)預(yù)示著一場(chǎng)醫(yī)學(xué)新革命或?qū)?lái)臨。從仿真醫(yī)療模型、生物醫(yī)療器械,到更具個(gè)性化的移植組織或氣管、更具潛力的生物高分子材料,都將聚攏于3D打印麾下。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。