据Forbes消息,IBM宣布与苹果在健康医疗大数据方面展开合作,推出名为“Watson Health”的健康医疗项目。
双方将利用IBM的“认知计算系统”Watson,将iPhone和Apple Watch收集到的用户健康医疗数据上传至云存储空间,分享给医生和保险公司。选择加入苹果ResearchKit计划的用户,将与医疗研究机构分享这些数据。
目前,包括强生、Medtronic在内的多家医疗公司,都将参与这个项目。
据 悉,IBM与苹果的合作并非排他性协议。IBM高级副总裁John Kelley表示,除了IBM,几乎没有其他公司可以提供同样水准的云存储和安全保障。“用户健康医疗数据非常敏感,苹果对于IBM在数据安全方面很有信 心。”Kelley称,“是时候改变这个行业了。”
ResearchKit是 苹果在今年3月的新春发布会上推出的健康医疗开源框架,HealthKit则是与此相对应的iOS应用。通过HealthKit,医疗研究人员可以更方便 地开发医学研究App,并通过苹果提供的三个模块——调查、知情同意和活跃任务,收集iPhone、Apple Watch用户(在得到用户的授权后)的健康数据,以此来推进不同领域疾病的治疗方案研究。首批五个应用分别针对帕金森、哮喘、糖尿病和心血管等疾病。首 都医科大学宣武医院也加入了这个计划(移步了解更多分析)。
在此之前,IBM就与苹果在企业级应用市场展开合作,并于本月初推出了8款企业应用。此次在健康医疗数据方面的合作,无疑会加深双方的”感情“。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。