由于區(qū)塊鏈技術(shù)仍面臨著諸多挑戰(zhàn)——從速度到成本、再到互操作性與感知建立——如今圍繞這一新興技術(shù)的熱情已經(jīng)稍有平息。事實上,很多從業(yè)者認為這反倒是件好事,幣圈的一地雞毛終于散去,真正的區(qū)塊鏈研究才有望得到關(guān)注。例如,有研究人員發(fā)現(xiàn),區(qū)塊鏈有望應(yīng)用到慈善領(lǐng)域,以確保慈善能夠?qū)⑸鐣婕捌惹行枨笳嬲龑悠饋怼?/p>
▲ 此圖攝于尼斯大學(xué)阿切特醫(yī)院的組織相容性實驗室,在這里,我們可以看到骨髓移植研究中常見的血液樣本分析裝置與微孔板制備儀器。
GIOSTART Labs就是這樣一家將區(qū)塊鏈技術(shù)應(yīng)用到慈善事業(yè)的公司。該公司專注于干細胞技術(shù),其最近與美國職業(yè)球員協(xié)會(APBPA)聯(lián)手推出了一項非營利性干細胞全民倡議計劃。計劃的目標(biāo)在于向運動員、家庭及體育粉絲提供干細胞治療方案,GIOSTAR將以前所未有的方式利用區(qū)塊鏈監(jiān)管整個治療過程。
這項工作是GIOSTAR主席兼聯(lián)合創(chuàng)始人Annand Srivastave博士的心血結(jié)晶。他和同事們意識到,不少棒球運動員在訓(xùn)練及比賽中遭受的傷害已經(jīng)無法單純地通過手術(shù)方式解決,且存在巨大的經(jīng)濟壓力。因此,他們決定建立一項試點計劃,為APBPA的成員在芝加哥地區(qū)提供免費或折扣幅度巨大的干細胞治療方案。
▲ 圖:五次入選全明星隊伍的棒球名人堂明星球員Fred McGriff(圖左)。七次入選全明星隊伍、三屆世界巡回賽冠軍的棒球名人堂明星球員Tim Raines(圖右)。
在治療過程當(dāng)中,區(qū)塊鏈技術(shù)將負責(zé)提高執(zhí)行效率。GIOSTAR聯(lián)合創(chuàng)始人Siddarth Bhavsar解釋稱,“基于HIPAA兼容節(jié)點的聯(lián)合許可區(qū)塊鏈,將允許我們通過數(shù)據(jù)完整性保障與從零開始的許可協(xié)作模式,建立起充分的信任體系。由于像干細胞這樣的個性化精準醫(yī)學(xué)會帶來更高的數(shù)據(jù)復(fù)雜性因素,因此我們利用AI與NLP算法層建立起更龐大的結(jié)構(gòu),用以從數(shù)據(jù)中提取見解、進而改善準確性水平。”
截至目前,憑借著成功的募捐活動與善款,已經(jīng)有六位投手接受手術(shù)之外的輔助治療。這些運動員分別來自休斯頓宇航員隊、奧克蘭運動者隊、密爾沃基釀酒者隊以及底特老虎隊等球隊。
現(xiàn)在,GIOSTAR方面表示,由于已經(jīng)與球員協(xié)會達成協(xié)議,他們開始陸續(xù)推出數(shù)十種治療補貼方案。該實驗室將努力在未來12個月內(nèi)通過區(qū)塊鏈發(fā)布更多干細胞尖端應(yīng)用技術(shù),從而幫助運動員們降低治療成本、顛覆行業(yè)內(nèi)的定價模式,并將治療范圍擴大到更廣泛的空間當(dāng)中。
GIOSTAR方面表示,其還計劃通過再生醫(yī)學(xué)高級治療(RMAT)項目與食品與藥物管理局(FDA)合作,以確保采取適當(dāng)?shù)陌踩珔f(xié)議與功效保障機制。此外,他們還有意將干細胞療法作為一種商業(yè)化服務(wù),最終發(fā)布一整套可推廣的干細胞衍生生長因子治療項目。
據(jù)悉,再生醫(yī)學(xué)已經(jīng)被美國衛(wèi)生與公共服務(wù)部指定為醫(yī)學(xué)治療的下一個發(fā)展方向,然而很多人對于這一新興療法領(lǐng)域的作用甚至可行性抱有困惑與爭議態(tài)度。不少專業(yè)人士表示,事情并不像聲明中表達的那么簡單。《消費者報告》曾就這一領(lǐng)域發(fā)布了一篇經(jīng)過廣泛調(diào)查的報告,指出“這種反對”在很大程度上來自該服務(wù)高昂的治療成本。
但這一切都阻擋不了Bhavsar的決心,他堅信自己能夠拿出一套顛覆性的成本模型。他解釋稱,“正如開源軟件模式推動了技術(shù)領(lǐng)域的迅速創(chuàng)新一樣,我們認為區(qū)塊鏈與AI技術(shù)驅(qū)動下的開源臨床研究模型也將實現(xiàn)效率、準確性以及成本的顯著優(yōu)化,進而加速醫(yī)療保健領(lǐng)域的創(chuàng)新步伐。”
目前,GIOSTAR在印度、中國以及墨西哥啟動了類似的計劃。Srivastave博士與印度人力資源開發(fā)部建立起密切的合作關(guān)系,雙方將共同為印度培養(yǎng)更多先進干細胞科學(xué)領(lǐng)域的專家。
Bhavsar總結(jié)道,“每一天,我們都在朝著自己的使命邁出堅定的一步,我們一定會實現(xiàn)這項令人驚嘆的科學(xué)探索。憑借著技術(shù)的發(fā)展以及研究人員的奉獻,我們終將拿出人們負擔(dān)得起的治療方案。”
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡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。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。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)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。