AI 机器人能以 100% 成功率破解图像识别 CAPTCHA
CAPTCHA 测试的设计目的在于确定联机用户实际上是否为人类，而非机器人。CAPTCHA 是“用来分辨计算机和人类的全自动公共图灵测试”(Completely Automated Public Turing test to tell Computers and Humans Apart) 的英文首字母缩写。
Tarogo Cloud
DeepMind开源芯片设计AI模型AlphaChip
谷歌DeepMind宣布人工智能驱动的电子芯片设计领域突破：AlphaChip。它始于2020年的一个研究项目，是一种用于设计芯片布局的强化学习方法。谷歌称已经在其三代张量处理单元 (TPU) 中使用 AlphaChip 创建了“超人芯片布局”。表示它可以在数小时内生成高质量的芯片布局
人工智能聊天机器人在背痛建议的准确性方面可与医生媲美
人工智能聊天机器人（例如 ChatGPT）可能几乎与向医生寻求有关腰痛的建议一样有效。
该研究由一个国际团队进行，揭示了人工智能在解决世界上导致残疾的主要原因之一方面的潜力。
研究合著者、悉尼科技大学 (UTS) 物理治疗主任 Bruno Tirotti Saragiotto 副教授表示
AI 研究在秘鲁纳斯卡沙漠发现了300幅古代蚀刻画
日本科学家利用人工智能在秘鲁纳斯卡沙漠发现了 303 处新蚀刻，使大约 2,000 年前前印加文明已知的地质符号数量增加了一倍。
传说中的纳斯卡线条是沙漠地面上一系列巨大的切口，描绘了动物、植物、想象中的生物和几何图形，自从大约一个世纪前首次被发现以来，它们就一直让科学家们着迷
人工智能模型有助于生产清洁水
（占世界人口的四分之一以上）无法获得安全、受管理的饮用水，并且大约一半的世界人口在一年中的某个时候经历了严重的缺水。为了克服这些短缺，巨大的社会经济成本被花费在下水道灌溉和雨水再利用和海水淡化等替代水源上。
此外，这些集中式配水系统的缺点是无法立即响应用水需求的变化。
谷歌 DeepMind 推出两款新的基于人工智能的机械手系统
ALOHA Unleashed 和 DemoStart
谷歌 DeepMind 项目的工程师宣布开发出两种新的基于人工智能的机器人系统。一款名为 ALOHA Unleashed 的产品是为了推进双臂操控科学而开发的。另一个名为 DemoStart，旨在提高具有多个手指、关节或传感器的机器人手的功能
计算方法可以通过对话不断地教机器人新技能
尽管机器人专家在过去几十年中引入了越来越复杂的机器人系统，但迄今为止引入的大多数解决方案都是经过预先编程和训练的，以解决特定任务。在与机器人互动的同时不断教授机器人新技能的能力可能非常有益，并且可以促进它们的广泛使用。
亚利桑那州立大学 (ASU) 的研究人员最近开发了一种新的计算方法
全球 Google 街景大更新
影像质量提升
Google 正在为近 80 个国家更新街景影像 ，包括澳洲、巴西、丹麦、日本、菲律宾、卢旺达、塞尔维亚和南非等地。此外，该公司还首次将街景服务引入波士尼亚和黑塞哥维那、纳米比亚、列支敦士登以及巴拉圭等国家。
德州仪器TI-84 PLUS计算器被改造接入ChatGPT
本视频就简单介绍这个神奇的操作
YouTube 上的 ChromaLock 介绍了名为 TI-32 的改造电路板，加装在德州仪器 TI-84 Plus 图形计算器上，可以接入 ChatGPT。
在开发了多个版本之后，ChromaLock 成功地将定制电路板安装到了计算器的外壳中，
人工智能如何帮助研究人员降低食道癌的致命性
食道每天大约 600 次将口腔中的食物输送到胃中。这通常是单向路线，但有时胃酸会逸出胃并返回。这会损害食道内壁的细胞，促使它们因遗传错误而重新生长。
在美国，每年约有 22,370 次此类错误最终导致癌症。
如果在食道癌深入或扩散到其他器官之前发现并治疗，它是可以治愈的。但这种情况很少发生。
像人类一样，人工智能可以通过思考来学习
最伟大的发现不仅仅来自观察，而且来自思考。爱因斯坦通过思想实验发展了相对论，伽利略通过心理模拟得出了关于引力的见解。
9 月 18 日发表在《认知科学趋势》杂志上的一篇评论表明，这种思维过程并非人类独有。人工智能也能够通过“思考学习”进行自我修正并得出新的结论。
最近有一些人工智能的演示
自动驾驶汽车可以通过 ChatGPT 更好地了解乘客
想象一下，只需告诉您的车辆“我很着急”，它就会自动带您走最有效的路线到达您需要去的地方。
普渡大学的工程师发现，自动驾驶汽车 (AV) 可以在 ChatGPT 或其他聊天机器人的帮助下做到这一点，这些聊天机器人是通过称为大语言模型的人工智能算法实现的。
该研究报告发表在预印本服务器arXiv上
机器学习可以帮助在大流行期间减少近 30% 的住院率
新的研究揭示了一种有前景的方法，即利用机器学习在大流行期间或任何治疗药物短缺的情况下更有效地分配医疗治疗。
发表在《JAMA 健康论坛》上的研究结果发现，使用机器学习来帮助分发药物并使用 COVID-19 大流行来测试模型时，预期住院治疗会显着减少。事实证明，与实际和观察到的护理相比，该模型可相对减少约 27%