在一场备受关注的国会听证会上，Meta的CEO马克·扎克伯格遭遇尖锐质询后，公司股价在盘后交易中暴涨15%。紧接着，公司发布了令人印象深刻的第四季度财报，并且首次宣布向股东派发每股50美分的红利，同时启动了500亿美元的股票回购计划。 Meta公布的第四季度营收达到了410亿美元，超越了预测的391.8亿美元，同比增长25%。这份报告发布之时，正值Meta和其他大型科技公司正试图将人工智能工具融入其主要产品之际。扎克伯格在发布报告时表示，Meta在推动AI及元宇宙方面已“取得显著进展”。 公司还透露，他们预计未来在AI研究和产品开发上的长期雄心将推动基础设施投资的增加。 在上一季度的财报电话会议上，扎克伯格已经强调了Meta对AI投资的重视，宣布这将是2024年公司的主要投资方向。他还在1月份通过Instagram分享的视频中提到，为了支持AI的规模化应用，公司计划投资90亿美元购买Nvidia芯片。 扎克伯格还提到，AI的应用将不仅仅提升广告活动的效果，推动广告收入的增长，还将支持Meta的新产品开发，包括AI聊天机器人。尽管如此，广告收入依然是公司的核心业务，达到387亿美元，相比去年同期的312.5亿美元增长。Meta的硬件产品，如Quest 3 VR头显，目前对公司总收入的贡献仍然有限。扎克伯格预计，未来几个月内，Meta将开始更广泛地推出AI服务。 作为“效率之年”的一部分，Meta在2023年裁减了超过20,000名员工，以降低成本。这些措施显然取得了成效，公司的运营利润率从2022年同期的20%提高到了41%。同时，年度费用同比减少了8%，降至237.3亿美元。公司首席财务官Susan Li在财报电话会议上提到，第四季度末，Meta的员工总数为67,300人，较去年同期减少了22%，但自第三季度以来增加了2%，这是因为公司已经恢复了招聘。 在周三的国会听证会上，Meta因其平台可能对年轻用户产生的影响而受到公开批评，这让投资者对监管问题格外关注。CEO在听证会上对那些因网络利用而失去孩子的父母表示哀悼。 听证会期间，议员们强调了可能取消Meta等平台内容发布法律豁免权的立法。在此之前几个月，Meta因其对年轻用户的影响而遭到41个州检察长的集体诉讼。新墨西哥州的检察长还单独起诉了Meta，指责其未能阻止儿童性剥削和贩卖。 面对监管挑战，Meta正在努力将其核心业务多元化，这一业务历来依靠通过收集大量用户数据进行广告推广。公司开发虚拟现实产品的Reality Labs部门在第四季度亏损了46.5亿美元，较上年同期的42.8亿美元亏损有所增加，导致2023年度总亏损达到161.2亿美元。Meta表示，预计Reality Labs的运营亏损“将在未来一年内显著增加”，因为公司继续努力扩大生态系统。 此外，Meta还面临用户增长放缓的问题，尤其是年轻用户转向如TikTok等新平台。公司的平台在美国以外的增长速度更快，Insider Intelligence的首席分析师Jasmine Enberg表示：“在用户增长方面，虽然Facebook仍在增长，但大多数新用户来自北美以外地区。”她还提到：“在美国，对青少年的受欢迎程度在立法者眼中成了一种累赘，这可能会阻碍Facebook和Instagram在美国的增长。”
Meta将部署自主设计的Artemis AI处理器，与市场上的GPU一起使用
今年，Meta计划在其数据中心部署新的自主设计的人工智能(AI)处理器，路透社报道。这些新的系统级芯片被命名为Artemis，旨在支持Meta在其平台和设备上大举推出AI产品。同时，它们将减少Meta对Nvidia GPU的依赖，并控制成本。 Meta的一位发言人对路透社确认了部署公司自有芯片的计划，并表示：“我们看到，我们内部开发的加速器与市面上可用的GPU高度互补，能够在Meta特定工作负载上提供最佳的性能和效率组合。” Meta的Artemis处理器专为运行推理工作负载而设计，这类工作负载在Meta的平台（如Facebook、Instagram和WhatsApp）以及Ray-Ban智能眼镜等设备上越来越多地被使用。部署Artemis处理器不仅将释放Nvidia流行的H100处理器用于AI训练，还将帮助优化Meta数据中心的功耗，从而减轻运行AI工作负载所关联的高昂成本。同时，Artemis是Meta的第二款AI处理器，但是第一款将商业部署的处理器。 根据SemiAnalysis创始人Dylan Patel的说法，Meta转向使用其定制芯片可能会带来巨大的节省，有可能每年减少数亿美元的能源费用，并通过减少对第三方芯片的购买，节省数十亿美元。其他超大规模计算服务提供商，如亚马逊Web服务、谷歌和微软，也在开发和部署自己的AI和通用处理器，以减少硬件成本和功耗。 Meta的野心不止于Artemis和推理加速。据报道，该公司正在开发一款更为复杂的处理器，能够运行AI训练工作负载，就像Nvidia的H100 GPU一样。 Meta一直在紧急扩展其计算资源，以满足生成式AI产品的需求，投资数十亿美元收集专用处理器，并为这些工作负载定制其数据中心。总体而言，开发内部硅系列产品的举措旨在减少Meta对Nvidia处理器的依赖。然而，Meta并没有计划完全摒弃其数据中心中的Nvidia GPU。本月早些时候，Meta的首席执行官马克·扎克伯格表示，到2024年底，其数据中心将拥有350,000个H100 GPU。
苹果家的脸部电脑终于来啦！
科技爱好者们或者他们的助手们今天早上的兴奋劲儿就像回到了2007年：为了苹果的新玩意儿，他们排着长队等在苹果商店外。这个被誉为改变一切的新产品——Vision Pro，今天在美国的苹果商店正式发售。虽然早期评测褒贬不一，但Vision Pro仍然有可能为可穿戴技术带来“iPhone时刻”……前提是苹果能说服顾客，这个设备值得花费3500美元和承受“刚做完眼睛散光测试”的样子的无形代价。 这可能是整个科技行业的转折点。尽管Meta和三星等公司尽力了，增强现实、虚拟现实和混合现实头戴设备还没有超越游戏玩家使用的新奇玩意儿。苹果认为，通过将Vision Pro市场定位为工作和娱乐必备工具，可以引领所谓的“空间计算”时代，即在3D虚拟空间而不是在电脑上工作（想想托尼·斯塔克在他的车库里），它可以改变这一切。 据说苹果已经通过预订销售了大约18万个头戴设备，但它今年的销售预期仅为40万个单位。尽管如此，这也相当于14亿美元的销售额。 使用Vision Pro是什么体验呢？这款头戴设备配备了600个专用应用，但关键缺少了Meta、Netflix、Spotify、Google和YouTube。尽管如此，《阿凡达》导演和科技萨满詹姆斯·卡梅隆还是称他的试用体验为“宗教”般的体验，而其他早期接触到该设备的评论者发出了一些“哦”和“啊”的感叹，同时也提出了一些缺点： 优点：根据John Gruber的说法，2300万像素的视觉效果，尤其是Vision Pro的沉浸式内容和影院模式，的确很出色。Casey Newton写道，用眼睛导航屏幕也相当酷。缺点：不足之处包括虚拟键盘、扫兴的电池组、孤立感（它是一人使用的设备）、可能对生产力的最小影响，以及大小/重量（据The Verge称，比11英寸的iPad Pro重）。一旦尝试了Vision Pro，有些评论者表示他们回不去使用普通的2D设备了。—ML
(长)LLMLingua | 通过提示语压缩为大型语言模型设计一种语言
在当今这个技术飞速发展的时代，大型语言模型（LLM）的能力不断被推向新的高度，它们已经被应用于各个领域中。然而，随着技术的进步，如思维链（CoT）、上下文学习（ICL）和检索增强生成（RAG）等技术的发展，LLM所需处理的提示语变得越来越长，有时甚至超过数万个标记。这种情况下，更长的提示语可能会导致API响应延迟增加、超出上下文窗口限制、丢失上下文信息、增加API费用以及出现“迷失在中间”的性能问题。 针对这一挑战，一群研究人员受到“LLM即压缩器”概念的启发，开展了一系列工作，旨在通过提示语压缩为LLM构建一种新语言。这种方法旨在加速模型推理、降低成本，并在改善下游任务性能的同时，揭示LLM的上下文利用和智能模式。他们的工作在LLMLingua上实现了20倍的压缩比，几乎不损失性能，并在LongLLMLingua上以4倍压缩实现了17.1%的性能提升。 这项研究揭示了几个关键洞察。首先，自然语言本身具有冗余性，不同信息的量是不同的。其次，LLM能够理解经过压缩的提示语。此外，他们还发现语言的完整性与压缩比之间存在权衡关系。GPT-4展示了从压缩提示语中恢复所有关键信息的突发能力，这证明了其对语言的深刻理解能力。最后，提示语中关键信息的密度和位置会影响下游任务的表现。 这项研究不仅对技术开发者和研究人员具有重大意义，也为普通用户提供了更快、更经济的AI服务，开辟了LLM技术发展的新道路。随着LLM在日常生活中扮演着越来越重要的角色，这项工作的成果无疑为未来的技术进步指明了方向，展示了在追求技术创新的同时如何有效应对挑战。 详细请看 https://github.com/microsoft/LLMLingua
构建用于预警大型语言模型辅助生物威胁创建的系统
OpenAI组织了50位生物学专家和50名生物学学生，测试GPT-4是否有助于用户创造有害的生物武器。团队使用了一个研究版本的GPT-4（它对可以回答的问题没有限制）来完成一系列与制造生物威胁相关的任务。 根据他们的发现，OpenAI正在开发一个“蓝图”，旨在识别和减轻使用其技术创建生物武器时的风险。这是在拜登总统去年签署一项行政命令之后进行的，该命令试图管理人工智能的使用，并防止它产生化学、生物或核风险。
量子计算帮助解锁对衰老和疾病的理解
最近，《WIREs Computational Molecular Science》杂志上的一篇新论文，让我们对量子计算在生命科学领域的应用有了更深的认识。文章中的研究团队来自致力于AI驱动药物发现的临床阶段公司Insilico Medicine（“Insilico”），他们展示了如何将量子计算融入对生物体的研究中，从而更深入地洞察生物过程，比如衰老和疾病。 2023年5月，Insilico与多伦多大学的加速联盟和富士康研究所共同发表了一项研究，成功展示了量子生成对抗网络在生成化学中的潜在优势。这些研究结果发表在《美国化学学会化学信息与建模杂志》上。 在这篇最新论文中，Insilico的研究人员呈现了一个广阔的视角，说明了结合AI、量子计算和复杂系统物理学的方法，如何帮助研究人员在人类健康方面取得新的理解，并详细介绍了物理指导下的AI在最新突破。 虽然AI在帮助研究人员处理和分析庞大复杂的生物数据集方面已经是不可或缺的工具，以发现新的疾病路径，将衰老和疾病联系起来，但它在将这些洞见应用到身体内更复杂的相互作用上仍面临挑战。 研究人员指出，为了完全理解生物体的内在工作机制，科学家需要能够管理三个关键复杂性领域的多模态建模方法：规模的复杂性、算法的复杂性和数据集的日益增长的复杂性。 Insilico Medicine的联合创始人兼联合CEO Alex Zhavoronkov博士说：“虽然我们不是一家量子公司，但利用新的混合计算解决方案和超级计算能力的速度非常重要。随着这种计算成为主流，我们可能能够执行非常复杂的生物模拟，并发现具有广泛疾病和与年龄相关过程的理想特性的个性化干预措施。我们很高兴看到我们在阿联酋的研究中心在这一领域产生了有价值的见解。” 生物体内的生物过程从细胞到器官再到整个身体，涉及许多复杂的系统间相互作用。解释这些过程需要同时在多个层面上进行。而且，我们获取生物数据的能力已经达到了前所未有的水平。例如，有1000个基因组项目——一个人类遗传变异的目录，已经确定了超过900万个单核苷酸变异（SNVs），还有英国生物银行，其中包含了50万英国志愿者的完整基因组序列。 量子计算，研究人员写道，由于其独特的位置，能够增强AI方法——允许研究人员同时解释生物系统的多个层面。由于量子位（qubits）可以同时持有0和1的值，而传统的比特（bits）只能持有0或1的值，因此量子位具有更大的计算速度和能力。 作者指出，量子计算的主要进步已经在进行中，包括IBM最近推出的实用规模量子处理器和该公司的第一台模块化量子计算机，该计算机已经开始运行。 最终，作者呼吁采用物理指导的AI方法，以更好地理解人类生物学——这是一个新领域，结合了基于物理的和神经网络模型，他们写道这已经在进行中。 通过结合AI、量子计算和复杂系统物理学的方法，科学家们可以更好地理解，正如作者所写，“细胞、生物体或社会内较小规模元素的集体相互作用如何在更大的规模和现实层面上产生显现出来的特性。”
技术领袖们怎样安排自己的时间？
科技领导者的角色正在快速演变。随着大型成熟公司不断走向数字化，推出互联产品和服务，领导或参与生态系统，这些领导者需要在众多要求和时间安排上保持平衡。而随着数字技术在企业中变得无处不在，这些需求和机会往往超出了传统CIO角色的范围。 自2007年以来，麻省理工学院的CISR一直在研究科技领导者们如何分配他们的时间，并分析顶尖公司中的领导者与其他人的不同。在这份简报中，他们分享了十五年来科技领导者时间分配的变化，并着眼于那些在成功指标上领先同行的公司的科技领导者们的时间分配。为了阐释这些发现和所学到的经验，迪士尼体验的技术领导者盖尔·埃文斯描述了她如何分配自己的时间。 科技领导者如何分配时间 研究人员询问了科技领导者们在2007年、2016年和2022年是如何分配他们的时间的。在2007年和2016年，大多数科技领导者担任的是首席信息官（CIO）的职务。但到了2022年，越来越多的科技领导者担任不同的职务，因此研究也包括了首席技术官（CTO）和首席数字官（CDO）等角色。在这项研究中，他们识别出了四个竞争科技领导者注意力的角色：（1）运营自己的技术职能，（2）与商业同事合作，（3）管理补充企业业务能力，（4）与外部客户或渠道合作伙伴合作。 以下是截至2022年底，科技领导者在每个角色上的平均时间分配百分比： 运营自己的技术职能：41% 这一角色是任何科技领导者信誉和信任的基础和主要来源。它包括领导技术职能；监督预算、安全和合规性；以及执行许多其他任务。科技领导者在管理技术职能上花费的时间受到许多因素的影响，例如他们接手时技术部门的状况、公司的业务战略和数字化雄心，以及公司资产和平台的成熟度。在研究人员研究科技领导者时间的十五年里，他们看到了科技领导者在这一角色上花费时间的小幅减少。 与商业同事合作：23% 这一角色关注于科技领导者作为公司高级官员的活动。科技领导者与他们的主要职责以外的同事合作，涉及诸如战略、能力、创新和并购等领域。此外，这一角色的一个关键部分是提高科技领导者商业同事的数字化敏锐度，并解释在数字化和AI驱动的世界中可能发生的事情。随着时间的推移，研究人员看到科技领导者在这一角色上花费的时间显著减少——在2007年，这一比例是他们时间的36%——这很可能是因为他们非技术导向的同行的数字化敏锐度稳步提高。 管理补充企业业务能力：19% 科技领导者的一个日益重要的角色是同时运营一个补充其主要职责的企业业务能力。这些能力有助于通过提升组织的运营、文化和客户提议来从技术中获取价值。补充能力的例子包括风险管理、数据服务、共享服务、数字创新以及环境、社会和治理（ESG）管理。随着时间的推移，研究人员看到科技领导者在这一角色上花费的时间比例显著增加，自2007年以来几乎翻了一番。 与外部客户或渠道合作伙伴合作：17% 随着公司与客户和渠道合作伙伴的数字化联系越来越紧密，科技领导者在这一角色上花费的时间正在增加。科技领导者与外部客户或合作伙伴合作，销售、连接和提供服务，通过加强与客户的关系使公司更加成功。花在这一角色上的时间对于公司的创新也至关重要，因为它有助于理解客户的需求，无论是现在还是未来。随着时间的推移，研究人员看到平均科技领导者在这一角色上花费的时间增加了70%。 科技领导者时间分配的关键点 在未来的简报中，研究人员将分享这些发现的更深入分析，但以下是关键要点： 创新排名前四分之一的技术领导者花更多时间与客户在一起。与排名最低四分之一的公司的技术领导者相比，他们花了20%的时间与外部客户和渠道合作伙伴合作，而后者则是12%。创新是根据过去三年中新推出的产品占营收比例来衡量的。 盈利增长排名前四分之一的技术领导者花更多时间在补充企业能力上。与排名最低四分之一的公司的技术领导者相比，他们花了22%的时间管理补充企业业务能力，而后者则是14%。盈利增长是通过综合自我报告的增长和与竞争对手相比的盈利能力来衡量的。 迪士尼的盖尔·埃文斯的时间分配 盖尔·埃文斯是迪士尼体验的执行副总裁、首席数字和技术官，这是华特·迪士尼公司的三大业务部门之一。迪士尼体验将迪士尼强大品牌和特许经营的魔力带入全球家庭和粉丝的日常生活中。该部门包括六个度假胜地、十二个主题公园、五十五家度假酒店、到2025年为止的一流邮轮公司、一个受欢迎的度假屋所有权计划、新的迪士尼品牌家庭社区、引导式冒险业务，以及沉浸式的专业发展和活动探索产品。 在她的角色中，埃文斯负责全球各地所有这些业务的数字和技术战略的开发和实施。她领导一个跨学科的全球团队，包括数字、技术、产品、数据和运营专业人员，将数字化和实体融合在一起，成为该部门增长战略和客户体验的核心。 迪士尼体验以创新、创造力、对客户体验的承诺和员工参与为指导。埃文斯回忆道：“我的日子从不无聊；总是充满机会。我和我的团队常说，‘在体验部，我们赋予魔力以生命。’” 运营她自己的技术职能：20% 埃文斯将运营技术职能描述为基本条件。她反思道：“技术职能是我非常热衷的事情。有很多机会可以追求，比如建立敏捷模型、绿灯和投资组合审查，以及核心技术服务。”技术职能需要以最高效率运行，以便埃文斯能够将时间投入到其他活动中，所以她组建了一个优秀的团队来负责日常运营。 与商业同事合作：30% 为了获得业务总裁的信任，证明埃文斯是一位考虑他们业务并不会盲目推广技术的商业领导者，她与他们的合作重点在于如何利用技术推动业务增长。这一角色包括与他们共同创造，倾听并找到帮助实现他们目标的方法，以及让他们了解利用他们可能尚未看到的技术的未来机会。这些对话产生了新的产品、服务和商业模式。 管理业务能力：35% 这一角色的目标是创造一个简单、引人入胜且跨生态系统一体化的完整客户体验。这之前导致了MagicBand+的开创性设计，这是一款增强迪士尼客户体验的RFID手镯，它提供了一种轻松方式，让客人可以数字化地使用迪士尼的许多服务，如在公园内购物、打开酒店房间的门，甚至新形式的讲故事和娱乐。埃文斯正在实施下一阶段的数字生态系统增强，通过实施开放式创新，使创新不仅仅是创新团队的工作，而是每个人的工作。为了实施这一开放式创新概念，埃文斯的团队开发了一个“创新即服务”的项目，包括一套创新模块。这包括黑客松和创意松、蓝天设计思维，以及一个测试和学习实验室，她的团队可以在其中创建可点击的原型，以测试各种创新的价值主张。埃文斯解释说：“[创新即服务]是一种思维方式，它是一种能力，非常受欢迎，而且继续取得了很好的成果。” 与外部客户和渠道合作伙伴合作：15% 华特·迪士尼曾经说过：“在我们这个多变的行业中，我们根本无法负担得起停下来休息，甚至没有时间回顾。时代和条件变化如此之快，我们必须始终将目光聚焦于未来。” 秉承这一传统，埃文斯坚信一个公司永远不能满足于现状，她继续培养现有的外部关系，因为这些关系可以提高生产力，提供学习机会，并创造新的商业模式。在她上任的第一个月，她会见了迪士尼的顶级外部合作伙伴，询问：“你认为你拥有的价值我们没有利用吗？我们如何一起共创客户价值？我们如何共同创新？” 时间分配中的机遇 作为一名阅读此简报的技术领导者，这是一个反思你今天如何分配时间以及未来十二个月应该如何改变的绝佳机会。一种有效的技巧是根据这四个角色对你的日程进行颜色编码，然后分析这些分配。 研究团队曾与一家大型科技公司的CIO做过这样的实验。在对其日程进行颜色编码后，这位技术领导者与团队会面，讨论这是否是正确的时间分配模式以及应该做出什么改变。他设定了新的时间分配目标，并与团队积极管理自己的日程来实现这些目标。每三个月，他和团队对这一过程进行微调，这导致了重大变化，包括花更多时间与外部客户交流。 你应该如何分配你的时间——也许是你最宝贵的资源呢？
科学家们首次记录了阿尔茨海默病的传播病例，这与一种不再使用的医疗程序有关。这个发现让整个医学界都惊呆了
伦敦报道 — 这些阿尔茨海默病病例有点奇怪。 一方面，病人的症状并不典型：有些人没有表现出这种病常见的症状。但更令人惊讶的是，这些病人的年龄，他们都在40到50岁，甚至30多岁，远比通常患上这种病的人年轻得多。他们甚至没有已知的可以导致早发性阿尔茨海默病的遗传突变。 但这些少数病例确实有一个共同的历史。他们在儿童时期接受了从人类尸体大脑中提取的生长激素治疗，这曾是治疗多种导致身材矮小的病症的方法。现在，几十年后，他们开始表现出阿尔茨海默病的迹象。与此同时，科学家们发现，他们接受的那种激素治疗可能无意中将蛋白质碎片转移到受者的大脑中。在某些情况下，它引发了一种致命的大脑疾病——克雅氏病（CJD），这一发现导致了40年前这种治疗方法的禁用。 看起来，不仅仅是CJD背后的蛋白质可以传播。正如科学团队在《自然医学》杂志上报告的，激素移植在一些接受者的大脑中播下了阿尔茨海默病的标志性β-淀粉样蛋白，几十年后，这些蛋白质演变成了导致疾病的斑块。这些是已知的首例传播性阿尔茨海默病病例，可能是科学上的异常现象，但这一发现为关于阿尔茨海默病真正成因的持续争论增添了新的变数。 “看起来这些人因为那种[激素治疗]而患上早发性阿尔茨海默病是真实的，”波士顿大学医学院神经退行性疾病专家本·沃洛辛（Ben Wolozin）说，他并未参与这项研究。 其他外部科学家也同意这些发现是合理的，特别是因为只有那些接受了以特定方式制备的尸体生长激素的人——一种无法消除蛋白质碎片的方法——才会发展成痴呆。 这种疾病的发生被称为“医源性”，意味着是医疗程序的结果。在像医源性CJD这样的条件下，可传播的病原体被称为朊病毒——基本上是错折叠的蛋白质碎片，它们继续导致疾病，就像一种传染性的虫子。 研究人员对朊病毒的定义存在争议，以及它是否可以包括淀粉样蛋白。但无论如何，该论文的作者们“提供了令人兴奋的证据，即在特殊情况下，阿尔茨海默病可以通过类似朊病毒的机制传播”，德国蒂宾根大学的马蒂亚斯·尤克尔（Mathias Jucker）和埃默里大学的拉里·沃克（Lary Walker）在也于周一发表的评论中写道。 论文的作者和外部研究人员都强调，阿尔茨海默病不是一种你可以通过照顾亲戚而感染的传染性疾病。与尸体生长激素治疗相关的病例现在也不再可能；几十年来一直使用合成激素代替。论文的作者们，在伦敦一家专门的朊病毒疾病研究和治疗中心工作，他们只描述了从1959年到1985年在英国接受过尸体生长激素治疗的1800多人中的五名阿尔茨海默病患者。不过，研究人员表示，这些发现提醒人们继续重视诸如消毒神经外科手术器械等做法的重要性，理论上，如果器械在病人之间未能得到适当清洁，可能会传播朊病毒。 但除了作为一种科学奇观——以及尸体生长激素使用的另一个后果示例——这些病例也可能激起关于阿尔茨海默病根源的长达数十年、常常引起争议的争论。 “从公共卫生的角度来看，我们认为这可能是相对较少的病例，”伦敦大学学院MRC朊病毒单位的约翰·科林奇（John Collinge）说，他是论文的高级作者。“然而，我们认为这篇论文的影响更广泛，涉及到疾病机制——看起来阿尔茨海默病的发生在许多方面都与人类朊病毒疾病如CJD非常相似，都涉及这些异常聚集的、错折叠的蛋白质和畸形蛋白质的传播。” 许多科学家相信，β-淀粉样蛋白在阿尔茨海默病的发展中发挥作用，而能够清除人脑中的这种蛋白质的疗法终于在数十年的失败尝试后开始对患者显示出一些好处。但大多数专家也认为淀粉样蛋白并不是唯一的罪魁祸首。那么在这些病例中，除了淀粉样蛋白的转移外，还有其他因素在起作用吗？ “这引发了关于淀粉样蛋白是否能够单独引起问题的问题，”法国CEA研究中心的阿尔茨海默病专家马克·登恩（Marc Dhenain）说，他没有参与这项新研究。 外部研究人员表示，他们对一些发现也感到困惑。他们指出，信息有限，报告的发现只来自少数病人，而且遗传测序和尸检结果只有部分病人提供。然而，他们指出，这些病人的大脑似乎并没有太多的炎症，这是阿尔茨海默病的另一个标志，可以由淀粉样蛋白引起。他们还想知道，为什么这些人的大脑中tau蛋白的存在量如此之少，尽管tau水平通常与认知能力下降相关。一些研究人员认为，这些病人可能有其他遗传突变，可能增加患阿尔茨海默病的风险。其中两名患者有智力障碍，这是另一个风险因素。 “病理是否可以传播？是的，它可以，这在概念上很重要，”沃洛辛说。“问题是，什么在推动疾病？这些罕见病例有许多奇怪的地方。从影像上看不清楚的是，为什么他们会那么快地发展成如此严重的痴呆？” 2015年，UCL朊病毒研究人员报告发现，在死于医源性CJD的患者的大脑中有大量的β-淀粉样蛋白，包括在大脑血管中的积聚，这种情况在大多数阿尔茨海默病患者中都有见到。这让他们假设病人接受的激素可能不仅被CJD朊病毒污染，还有淀粉样蛋白的种子。这也让他们怀疑，如果CJD没有杀死这些患者，他们是否会发展成阿尔茨海默病。 论文描述了从2017年到2022年在英国国家朊病毒诊所治疗的八名患者，他们中没有人患有CJD，只有一些人被发现患有阿尔茨海默病。他们小时候因为不同的矮小病因接受了激素治疗：有些人患有脑瘤，其他人有发育状况，其他人只是缺乏自己的天然激素。 他们中的五个被诊断出患有阿尔茨海默病，或很可能患有阿尔茨海默病，他们的症状开始于38岁到55岁之间。在其他三名患者中，两人有一些认知障碍，而第三人无症状。 研究人员指出，医源性CJD的表现通常与更常见的散发性病例不同，因此传播的阿尔茨海默病病例可能在某些方面与典型病例有所不同。 论文的主要作者加尔吉·班纳吉（Gargi Banerjee）表示，UCL的研究人员考虑了这些患者阿尔茨海默病的其他可能原因。鉴于患者的年龄，这些不是散发性病例，后者几乎总是只在晚年发展。这些患者并没有已知的可以导致早发性痴呆的遗传突变。研究人员还考虑了患者最初接受激素治疗的潜在原因——是因为他们的癌症治疗还是先天性状况？——但这也不太可能是解释。 班纳吉说：“关于这个群体的事情在于，要把他们作为一个整体来考虑。在有症状的人中，他们有各种不同的疾病，但唯一的共同点是他们都在童年时接受了这种特定类型的生长激素，这种特定的制备方式……没有其他统一的原因。”
Elon Musk 的 Neuralink 公司首次在人类患者体内植入脑部科技
周日，Elon Musk 的神经科技初创公司 Neuralink 在人类身上首次植入了他们的设备，而且据这位亿万富翁周一在 X（以前叫 Twitter）上说，患者恢复得挺好的。 这家公司正在开发一种大脑植入物，目的是帮助严重瘫痪的患者仅凭神经信号就能控制外部技术。在去年秋天获得美国食品和药品管理局（FDA）的批准后，Neuralink 开始招募首批人体临床试验的患者，这一消息来自一篇博客文章。 Musk 周一表示，Neuralink 的首款产品名为“心灵感应”，这是他在 X 上发布的消息。 如果这项技术能够正常运作，像肌萎缩侧索硬化症（ALS）这样的严重退行性疾病患者将来可能会通过植入物来沟通，甚至通过移动光标和心灵打字来使用社交媒体。 “想象一下，如果史蒂芬·霍金能比速记员或拍卖师交流得更快，” Musk 写道。“那就是我们的目标。” 这次人体临床试验只是 Neuralink 向商业化迈进的众多步骤之一。医疗设备公司在从 FDA 获得最终批准之前，必须经历几轮严格的数据安全收集和测试。 全球各地都在合法化大麻，你猜接下来会是什么？ Neuralink 没有透露将有多少人参与其首次人体试验。该公司没有立即回应 CNBC 关于最近手术的评论请求。 作为新兴的脑-计算机接口（BCI）行业的一部分，Neuralink 可能是这个领域最知名的公司，这要归功于 Musk 的高知名度，他还是特斯拉和 SpaceX 的 CEO。BCI 是一个解析大脑信号并将它们转换成外部技术命令的系统，Synchron、Precision Neuroscience、Paradromics 和 Blackrock Neurotech 等公司也开发了具有这些功能的系统。 Paradromics 计划在今年上半年进行首次人体试验。Precision Neuroscience 去年进行了其首次人体临床研究。一位接受了 Synchron BCI 的患者在 2021 年通过 CEO Tom Oxley 的 Twitter…
Meta开源Code Llama 70B,缩小与GPT-4之间的技术鸿沟
加入请求下载的名单： https://bit.ly/3Oil6bQ Meta最近更新了它的代码生成AI模型，Code Llama 70B，这可是迄今为止“最大也是表现最好的模型”呢。这个Code Llama工具自去年八月推出以来，就已经免费开放给研究和商业用途了。根据Meta AI博客上的一篇文章，Code Llama 70B能够处理比以往版本更多的查询，这意味着开发者可以在编程时向它提供更多的提示，而且它的准确度也更高。 在HumanEval基准测试中，Code Llama 70B的准确率达到了53%，这比GPT-3.5的48.1%还要高，接近OpenAI报告中GPT-4的67%的标准。 Code Llama是基于Llama 2构建的，它帮助开发者根据提示创建代码字符串，并对人类编写的工作进行调试。去年秋天，Meta同时推出了另外两款Code Llama工具——Code Llama – Python和Code Llama – Instruct，这两款工具专注于特定的编程语言。 相关资讯 马克·扎克伯格的新目标是创造全面的人工智能 Code Llama 70B有三个版本的代码生成器可供选择，而且无论是研究还是商业用途，都是免费的。这个大型模型接受了1TB的代码和相关数据的训练。它托管在代码库Hugging Face上，该库提供GPU来运行AI模型。 Meta表示，其较大的模型，34B和70B，“返回最佳结果，并为更好的编码协助提供支持”。 过去一年里，其他AI开发者也发布了代码生成器。亚马逊的CodeWhisperer于四月推出，而微软则利用OpenAI的模型推出了GitHub Copilot。