ERA: AI система, която пише научен код за емпирични изследвания
Google Research представи Empirical Research Assistance (ERA) — AI система, описана в Nature, която помага на учени да създават и оптимизират софтуер за емпирични експерименти. Идеята е практична: изследователят задава научен проблем и метрика за успех, а системата търси литература, пише код, пробва решения и използва tree search, за да подобрява резултата.
В публикацията ERA е тествана върху задачи от геномика, обществено здраве, сателитни данни, невронаука, времеви редове и математика. Google съобщава и за нови приложения: прогнозиране на респираторни вируси, оценка на водния отток в Калифорния, картографиране на CO2 и оптимизация на соларни структури.
Защо е важно? Това показва как AI може да ускори не само писането на текст, а и итеративната научна работа с код, модели и експерименти.
Мултимодален AI за прогнозиране при рак на гърдата
В Nature Communications е публикувано изследване за мултимодален AI подход за прогнозиране при рак на гърдата. Моделът комбинира дигитални патологични изображения и клинични данни, за да подпомага оценката на риска от рецидив при различни молекулярни подтипове на заболяването, включително тройно негативен рак на гърдата.
Темата е важна, защото в онкологията често не стига един тип данни. Образите от тъканни проби дават една перспектива, клиничните характеристики — друга, а AI системите могат да търсят връзки между тях. Подобен подход може да бъде полезен при по-персонализирана оценка на риска и при изследване на това кои пациенти имат нужда от по-внимателно проследяване.
Защо е важно? Мултимодалните медицински модели са една от посоките, в които AI може да стане по-полезен за реални клинични решения — ако бъде валидиран достатъчно строго.
Corti пуска специализиран модел за преобразуване на реч в текст за клинични разговори
Corti представи Symphony for Speech-to-Text — специализиран модел за клинична диктовка, разговорна транскрипция и обработка на медицинско аудио. Според VentureBeat и данни на компанията моделът е насочен към проблем, който общите speech-to-text системи често имат: медицински термини, дозировки, съкращения и шумна среда.
Практическата идея е проста: ако AI системи ще помагат за медицинска документация, ambient listening или последващи клинични агенти, входният текст трябва да бъде много точен. Corti позиционира модела си като API слой за разработчици и здравни платформи, които искат да изграждат приложения върху по-надеждна медицинска транскрипция.
Защо е важно? В регулирани области като здравеопазването специализираните модели могат да са по-подходящи от общите модели, особено когато грешка в термин или дозировка има реални последствия.
Източници:
