2024年，帝国理工学院继续推动人工智能（AI）的边界，在从医疗保健到气候科学等多个领域取得了新的进展。以下是2024年帝国理工学院AI研究的六个重要影响：
AI驱动的影像技术改变了肺癌诊断
帝国理工的研究人员开创了一种结合医学CT扫描和AI的技术，以改善肺癌的诊断。这种非侵入性方法可以分类癌症类型并预测患者预后，消除了传统活检的需求，后者既昂贵又令人不适，还会延误治疗。基于现有患者的医疗数据，帝国团队开发了一种名为组织代谢放射学CT（TMR-CT）的深度学习评估工具，直接从影像中分析肿瘤特征。该研究发表在《npj精准肿瘤学》上，实现了早期检测和更精确的治疗决策。
AI提高了区域天气预报的准确性
帝国理工的数据科学家利用局部大气数据和数据同化技术，增强了区域特定天气预报的准确性。通过将实时观测数据与机器学习模型相结合，他们改进了现有的U-STN全球预报模型，使其更好地反映英国独特的气候特点。这项研究在NeurIPS 2023会议上进行了展示，证明了选择性数据集成可以显著提高预报的准确性和可靠性。
AI揭示了训练数据中的版权材料
帝国理工计算隐私组的隐私专家开发了一种新方法，允许内容创作者检查他们的作品是否被用于训练大型语言模型（LLMs）。这些LLMs需要大量数据，无论是图像还是文本，这些数据以前通常是在法律基础不稳固的情况下由开发者获取的，有时甚至无视许可和版权限制。研究人员借鉴了传统的版权陷阱方法，创建了独特的虚构句子，隐藏在线读者的视线之外，并观察LLM的变化，以判断其是否使用了这些数据。这是确保AI以负责任、透明的方式构建和使用，并使内容创作者获得补偿的重要一步。
AI推进了量子化学挑战
帝国理工与谷歌DeepMind合作，科学家们实施了深度神经网络——一种受大脑系统启发的AI方法——来解决复杂的量子化学问题。他们的研究于8月发表在《科学》杂志上，探讨了使用AI来理解分子在“激发态”之间的行为。“激发态”发生在分子受到高热或高压等能量激发时，导致电子重新排列成新的配置。这些现象是许多化学过程的基础，但建模非常困难。
“表示量子系统的状态极具挑战性。” 主导研究的David Pfau博士解释道：“我们正是认为深度神经网络可以在这方面提供帮助。”
AI增强的“声音过滤器”赢得本科创新竞赛
由本科生Leo Kremer（戴森设计工程学院）、Maria Guerrero Jimenez和Mele Gadzama（物理系）组成的Marigold团队，凭借其AI增强的声音过滤工具赢得了自然科学学院Make-A-Difference（FoNS-MAD）竞赛的第一名。这款AI驱动的Chrome扩展程序被称为“声音过滤器”，旨在帮助患有恐音症的人群，该病会导致患者对触发声音产生严重的情绪反应。该项目受到团队成员姐妹的启发，通过用户测试和支持团体的反馈不断优化其机器学习模型。“市面上还没有类似的产品。它将使患有恐音症的人能够无障碍地参与在线媒体，不再面临持续的困扰。” 团队表示。FoNS-MAD每年都会挑战学生开发具有影响力的低成本技术，提供八周的资金、实验室访问和指导，将想法转化为解决方案。
新的AI中风脑扫描读数比当前方法准确两倍
帝国理工与慕尼黑大学和爱丁堡大学合作，开发了一种AI软件，可以分析脑扫描以确定中风的发病时间。确定精确的发病时间至关重要，因为治疗方法在中风后的最初几小时内会有所不同。这些信息使医生能够做出最大化患者恢复机会的决定，确保不会造成二次损伤。该模型经过数百个已知中风时间的医疗扫描训练，并提取额外的医疗数据，如纹理，从而比医生的标准视觉技术成功识别中风发病时间高出50%，最终实现更快、更准确的紧急情况患者治疗。
(全文结束)
