学习
实践
活动
专区
工具
TVP
写文章

人工智能革新艺术发现可能

编辑 | TGS 发布 | ATYUN订阅号 人工智能几乎触及了人类所知所有行业和学科,文化艺术自然也不例外。 Artrendex是一个由人工智能驱动新界面,它和它组件ArtPI,或将有望改变艺术被发现、展示和销售方式。 ArtPI是第一个为Art设计和优化公共API。 它使用人工智能和深度学习模型,进行了100多万件艺术品训练,借以了解风格、体裁、题材、构图、光线、空间、色彩等艺术原则和元素概念。 即使艺术品图像是扭曲,ArtPI也能工作。它允许从各种角度拍摄不太理想源图像,因为人工智能模型可以用来校正失真,将倾斜或光线不好图像提炼成可以与其他作品相比较信息。 这能消除复杂摄影文件需要,让ArtPI在各种不太完美的环境下工作。 人工智能在识别视觉模式方面,通常比人类做得更好。

31120
  • 广告
    关闭

    热门业务场景教学

    个人网站、项目部署、开发环境、游戏服务器、图床、渲染训练等免费搭建教程,多款云服务器20元起。

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    人工智能帮助NASA发现新行星

    最近,科学家借助人工智能技术发现了环绕开普勒-90星系(一个类太阳系,距离地球2545光年)第八颗行星,至此,我们太阳系与围绕单个恒星周围大多数行星都有联系。 新发现开普勒-90i是一颗炽热岩石行星,每14.4天围绕它恒星公转一次。该发现借助了谷歌(Google)研发机器学习系统。机器学习本质在于计算机通过人工智能实现“自我学习”。 在这次发现中,计算机通过在开普勒数据实例中发现望远镜记录太阳系以外行星(系外行星)所产生星光变化,学会识别行星。 你会发现较小行星在里面,而较大行星在外围,但是所有的行星都挤得更紧一些。” 谷歌人工智能(Google AI)一名高级软件工程师提出了将神经网络应用于开普勒望远镜数据分析想法。 我相信,这些数据中还有更多‘第一’等待着人们去发现。”

    455130

    利用人工智能增强表型药物发现

    过去三十多年里,基于靶点药物发现(Target-based Drug Discovery, TDD)是药物发现主要方法。 然而即便人们已经发现了大量潜在靶点,但是确认、既符合疾病相关性又具有可接受安全风险靶点仍然很少,TDD没有像最初希望那样富有成效。 在过去10年里,AI方法学和机器学习算法已经成功地应用于药物发现各个阶段,并逐步融入到大型制药公司药物发现策略中。 副作用预测 机器学习和人工智能可以帮助人们利用人类遗传学数据,来预测治疗效果,阐明与特定药物和/或靶点相关安全问题。机器学习可以在临床前设计阶段预测小分子毒理学情况。 一些试验图像结果可以为其他项目的生物活性研究提供预测,加快药物发现速度和效率。 03 结束语 完全以靶点为中心药物发现方法,或许不是一个稳健解决方案。

    52410

    人工智能和机器学习在药物发现应用

    该书总体介绍见Springer推出新书《Artificial Intelligence in Drug Design》 摘要 机器学习和深度学习是人工智能两个子类,在这个大数据时代,通过将数据转化为信息并最终转化为知识 机器学习或人工智能其实并不新鲜,但在过去几年中,出现了一些更好应用方法,它们已经成功地应用于药物发现和开发。 至少在早期药物发现过程中,利用各种人工智能和机器学习方法(包括这些方法和化学信息学工具结合)可以相当迅速地获得某些见解。由于过去几年中数据数字化程度显著提高,这一努力也得到了支持。 在我们开始讨论AI/ML方法如何用于药物发现旅程之前,重要是要了解两者之间微妙区别以及深度学习。参照图2,很明显,机器学习是人工智能一个子类。 图2|人工智能、机器学习和深度学习关系示意图 人们经常讨论一个挑战是,有多少数据是足够,或者我们应该在常规基础上更新模型,等等。简单类比一下,这些机器学习模型就像小婴儿。

    35830

    药物发现中的人工智能:有什么阻碍?

    然而,当涉及到其他领域,包括转化为药物发现时,该技术似乎落后了。尽管有大量媒体关注其加速这一领域潜力,但人工智能尚未被证明是一种有效解决方案。人工智能需要改变什么来推动药物发现人工智能可通过减少临床试验失败药物数量来对药物发现产生强烈影响。目前,人工智能主要集中在使用临床前数据方法开发上,而不是专注于应用和生成 对药物发现产生真正影响所需临床数据。 研究人员概述了人工智能在药物发现过程中哪些方面运作良好,该如何改进它使用,以及人工智能需要做出哪些改变才能开始使未来药物发现管线受益。 AI:从配体发现到药物发现 药物发现更大背景下使用人工智能最成功例子之一是在临床前环境中发现配体:识别与感兴趣生物靶标结合分子。为此,人工智能有效地帮助验证了可能适合治疗疾病靶标。 当这些从有效性和安全性角度预测体内情况数据类型足够大时,人工智能可以在药物发现决策过程中使用它们。一旦达到这个阶段,药物发现中的人工智能可能会提升到一个全新水平。

    11920

    研究发现人工智能可被“障眼法”欺骗

    Facebook研究人员发现,当前的人工智能可被“障眼法”欺骗,即认为自己“看到了”一些不存在物体。 ? ? 对人工智能(AI)来说,眼见不一定为实。 但Facebook研究表明,同样方法也可以骗过其他算法。 这种技术被称为对抗样本。它可以被黑客用于欺骗无人驾驶汽车,使其忽略停车标志,或者阻止闭路电视摄像机从人群中发现嫌犯。 FacebookAI研究员MoustaphaCissé和他同事们发现,类似的技术(他们称之为Houdini)可以通过在图像和声音中加入少量数字噪声来愚弄语音识别和机器视觉系统,而这些噪声不可能被人类察觉到 我们需要更多研究来发明新机器学习技术,以便能够将其用于防御。 一个花招 Cissé发现,无人驾驶汽车中使用图像分类算法有可能忽略行人或停放车辆。 他发现,当一个移动相机捕捉到这些标志时——就像将这些相机装在一辆无人驾驶汽车内情况一样——它们并没有成功骗过这个算法。

    505110

    JMC | 人工智能在药物发现应用:走进广阔天地

    JMC推出 "Artificial Intelligence in Drug Discovery "特刊,强调人工智能(AI)在制药研究中新兴作用。 本期一个焦点是阐明人工智能方法如何开始影响药物发现实践。特刊包含了从不同角度看待AI在药物发现文章和观点。 ? 本期论文涵盖了各种方法开发工作和实际应用,让研究者了解到人工智能是如何进入药物发现领域。 推荐阅读 JMC | 人工智能在药物合成中的当前和未来作用(1) JMC | 人工智能在药物合成中的当前和未来作用(2) JMC | 人工智能在药物合成中的当前和未来作用(3) Nature | + 生成模型 尽管计算化学取得了30多年进步,但在药物发现中,许多新分子构想也源于药物化学家想象力和独创性。

    49551

    人工智能影响企业运行四大发现

    为了更好理解如今以及未来人工智能在企业中影响,美国科技公司Narrative Science最近调查了来自各行各业 230 名商业以及技术高管,以便确定一些影响如今商业如何使用科技趋势,并最终形成了以下四大主要发现 鉴于预测分析需要大量数据,这一发现还指出,随着众多公司在追踪、存储呢和管理数据上变越来越复杂,数据可用性需要不断被提高。 这给我们带来了下一个发现:数据科学人才短缺持续影响着公司。到2018年,全球数据科学家需求将超过供应量 50%。 调查发现揭示了优先考虑创新公司能从他们正在使用技术中获得最大价值。对于今天商界领导人来说,这是为什么他们应该组织和投资一个正式创新战略一个非常有说服力理由。 还有,我们分析发现,公司应专注于能让它们更快进入测试、采用技术并从这些技术中获得价值创新。有人说,技术本身并不等于成功创新。最成功公司会将开放思维文化与人类才能和智能系统结合起来。

    272100

    人工智能是怎么发现系外行星?看来想发现外星人也要靠AI

    如何运用机器学习,发现系外行星? 几千年来,人们仰望星星,记录、观察天文现象,并从中发现其运行模式。 当我们让TensorFlow模组辨识从未见过讯号时,它能以96%准确率辨认出哪些讯号是行星,哪些是非行星。因此,我们知道这个模组成功了! 克卜勒90i,发现! 在这样过程中,我们发现两颗新行星:克卜勒80g 和克卜勒90i。其中值得注意是,克卜勒90i 是第八个被发现围绕着克卜勒90行星,这使它成为除了太阳系之外,第一个已知八大行星系统。 图/Google中国台湾 我们利用15,000个被标示克卜勒讯号,来训练机器学习模组去辨认行星讯号,并利用这个模组,从670颗恒星数据中发现行星,且成功发现了两个先前被忽略行星。 目前为止,我们只用TensorFlow 模组搜寻了20万个恒星当中670个,而克卜勒数据中可能还有更多系外行星尚未被发现,未来机器学习新思维和技术将能帮助人类进行宇宙探索,发现更多未知领域!

    40980

    利用人工智能众包数据,加速药物发现

    ---- 新加密系统可以让制药公司和学术实验室共同合作,更快地开发新药物,而不会向竞争对手透露任何机密数据。 该计算系统核心是一种称为神经网络的人工智能程序。 AI研究哪些药物与人体内各种蛋白质相互作用以预测新药物蛋白质相互作用信息。 更多培训数据产生了更聪明的人工智能,这在过去是一个挑战,因为药物开发人员通常不会因知识产权问题而共享数据。 研究人员在10月19日“ 科学”杂志上报告说,新系统允许人工智能将数据众包,同时保持信息私密性,从而鼓励合作伙伴加快药物开发。 确定新药物蛋白质相互作用可以揭示各种疾病潜在新疗法。 神经网络还发现了白血病药物伊马替尼与蛋白质ErbB4之间从未见过相互作用,该蛋白质被认为与不同类型癌症有关。研究人员证实这与实验室实验相互作用。 该安全计算网络还可以鼓励在药物开发之外领域中更多协作。彭说,医院可以分享机密健康记录,以培训预测患者预后或设计治疗策略的人工智能项目。

    20160

    人工智能在小分子药物发现中大放异彩

    在过去五年里,人们对将人工智能方法应用于药物研发兴趣激增。 2022年5月17日,BioPharma Dealmakers杂志发表文章,分析了小分子药物发现人工智能应用进展。 一些公司主要集中在药物发现管线某一特定阶段,如靶点识别或化合物筛选,而其他公司目标是建立端到端平台,其中人工智能工具是每个步骤核心。 本文从融资、合作、临床试验三个方面,来说明人工智能在小分子药物发现应用范围和进展。 表3|AI药物发现公司AI应用和内部开发分子 Exscientia是首批报告人工智能生成小分子候选药物进入临床公司之一。 关于未来 迄今为止,人工智能对小分子药物发现影响,通常与提高早期研究中效率和加速时间表有关。

    11530

    最新研究发现:大数据+人工智能将成治疗癌症新希望

    IBM近日宣布,将把人工智能应用到癌症治疗中,这意味着,IBM公司Watson系统(认知计算系统)将进一步拓展其应用范围。 ? 这样一来,Watson等人工智能系统就成为寻找相关医学信息最佳途径,它们可以找到很多人类研究员无法找到信息。 此项人工智能技术将在“细胞划分”过程中发挥重要作用,在进行放射性治疗时,帮助医生区别健康组织和病变组织。 未来,最终治疗方案可能还是需要人类医生确定,但是人工智能将提供各种有效建议,帮助加速这一过程。 人工智能研究将极大程度上推动医疗进步。 辉瑞公司将运用Watson系统来“分析规模庞大(公共和私有)数据源”,并“分析测试不同假设情况,以获得基于证据实时观察结果。”此外,他们还将使用人工智能来判别新癌症疗法是否安全。

    54160

    . | 人工智能驱动药物发现双重用途

    一次国际安全会议探讨了用于药物发现人工智能(AI)技术如何被滥用于生化武器从头设计。一个思想实验演变成了一个计算证明。 会议召开三天,讨论尖端化学和生物技术造成伤害可能性,如果意图是这样的话。研究人员药物发现公司收到了邀请,要贡献一份关于用于药物发现人工智能技术如何有可能被滥用报告。 敲响警钟 不必过分危言耸听,这应该为研究人员在“药物发现中的人工智能”社区同事敲响警钟。 在数百家使用人工智能软件进行药物发现和从头设计公司中,研究人员只是一家非常小公司。他们中有多少人甚至考虑过重新利用或滥用这些可能性? 在此,研究人员给出了一些建议,研究人员认为这些建议将减少人工智能在药物发现潜在双重用途问题。

    18720

    硅芯片接近物理极限,人工智能助力发现可替代磁性新材料

    看起来,半导体新材料研发似乎是能保持未来科技发展唯一解决方案了。而人工智能,又能在其中发挥怎样作用呢? 当它们与其他二维材料结合在一起时,又可以创造出新材料,显示出以前未被发现特性。这就是为什么具有超导性、半导性和金属性等多种特性二维材料成为众多研究对象。 2017年,显示磁性二维范德华材料被发现,刺激了世界各地研究项目和研究。 新材料发现和探索,需要大量实验。以前,为了更准确、更深入地了解磁性材料特性,人们会通过各种实验直接测量磁性汉密尔顿参数,这样过程往往会耗费许多时间和资源。 因此,对这种磁性材料研究进展是非常缓慢。 02 — 人工智能提速 为了克服这些限制,韩国研究人员开发了一种人工智能(AI)系统,可以在瞬间分析磁系统。

    30510

    Nature Medicine | 组学和人工智能推动肝病生物标志物发现

    ALD经常是通过异常肝脏测试结果或影像学诊断,而且准确风险评估需要综合各种数据模式信息,包括生化、放射和基于活检组织学数据。 现在,新技术(包括但不限于蛋白质组学)已经扩大了将数据驱动洞察力整合到整个ALD患者护理中工具包。 取得这些进展同时,人工智能(AI)也被采用,成为合成和分析大型数据集有效工具。 正如Niu等人所展示那样,人工智能和 "组学 "技术综合力量提供了一个重要机会,可以汇总和整合微创数据模式,为整个肝脏疾病提供综合护理。 基于质谱技术局限性包括仪器劳动力和资本高成本,与传统医疗点测定相比,它降低了可及性和效率。然而,技术改进使检测组件小型化和自动化成为可能,这将使质谱操作范围更广。 蛋白质组学和人工智能在满足早期ALD诊断和预后关键需求方面已经显示出影响。即便如此,对整个ALD综合管理将需要整合多模态数据、创新计算技术和开发新数据基础设施,以适应规模化吞吐量。

    9320

    人工智能训练使用视网膜扫描发现心脏病风险

    谷歌及其子公司Verily科学家们发现了一种利用机器学习来评估一个人患心脏病风险新方法。通过分析病人眼睛后部扫描结果,该公司软件能够准确地推断出数据,包括个人年龄、血压,以及他们是否吸烟。 但它们优势能在我们不知道应该寻找什么情况下得以发挥。在某些情况下,图像可能会提供人类无法理解细微信息,但是神经网络可以通过适当训练来获取这种信息。 仅通过观察视网膜图像,该算法给出患者年龄与其真实年龄差距一般在3.5年内。它在估计病人血压和体重指数方面也做得很好。 结果显示,其性能与根据上述多种因素得到心脏病风险评估计算结果类似,但该算法是通过图像完成估计,而不是通过一些测试和详细问卷调查。 随着一些改进措施推出,该算法可能成为一种有用诊断工具,因为视网膜图像常被用来筛查与糖尿病相关眼睛问题,而糖尿病通常与心脏病有关。

    53450

    . | 训练人工智能发现与疾病相关基因

    人工神经网络揭示了大量基因表达数据中模式,并发现了与疾病相关基因。来自瑞典林雪平大学开发人员希望该方法最终可以应用于精准医学和个性化治疗。 他们使用人工智能(AI),研究了是否有可能通过深度学习发现生物网络,其中通过实验数据训练称为神经网络实体。 林雪平大学物理、化学和生物学系(IFM) Sanjiv Dwivedi说:“他们第一次使用深度学习来发现与疾病相关基因。这是分析大量生物信息或“大数据”一种非常有效方法,”。 IFM高级讲师兼研究负责人Mika Gustafsson说“当研究者分析神经网络时,结果发现第一隐藏层在很大程度上代表了各种蛋白质之间相互作用。 相反,在模型更深层,在第三层,发现了不同细胞类型组。鉴于网络是从未分类基因表达数据开始,这种与生物学相关分组是自动产生,这非常有趣。”。

    27540

    看了这篇关于机器学习文章,才发现真的是我不懂人工智能

    很多人想要搭上人工智能这列二十一世纪快车,不断顺应着互联网时代变化,力求在这个不断革新时代领域博得自己一片立足之地。 同样在高速发展时代,人工智能这个名词似乎让我们不再陌生,伴随而来固然是机器学习领域新潮。 ? 机器学习是AI人工智能核心,是使计算机具有智能根本途径,其应用遍及人工智能各个领域,它主要使用归纳、综合而不是演绎,同样,它也是一门让冷冰冰机器赋予人性高级学科。 写在最后 虽然很多人曾说二十一是生物世纪,但现在互联网时代早已到来,这是属于人工智能世纪。你若了解机器学习,就会发现数据分析也有它自己魅力。 拒绝外界噪音,无论是鼓励还是嘲笑,抱着‘长风破浪会有时,直挂云帆济沧海’信念,坚定不移努力下去,终有一天你会发现,成功大门钥匙早已被你纳入囊中! 觉得不错记得点赞关注,

    51610

    关注

    腾讯云开发者公众号
    10元无门槛代金券
    洞察腾讯核心技术
    剖析业界实践案例
    腾讯云开发者公众号二维码

    相关产品

    • 腾讯知识图谱

      腾讯知识图谱

      腾讯知识图谱是一个集成图数据库、图计算引擎和图可视化分析的一站式平台。支持抽取和融合异构数据,支持千亿级节点关系的存储和计算,支持规则匹配、机器学习、图嵌入等图数据挖掘算法,拥有丰富的图数据渲染和展现的可视化方案……

    相关资讯

    热门标签

    活动推荐

    扫码关注腾讯云开发者

    领取腾讯云代金券