यह लेख हाल ही में प्रकाशित एक पेपर की खोज करता है जो 'नेचर: मशीन इंटेलिजेंस' पत्रिका में छपा था, जो एक ध्यान आकर्षित करने वाली नई विधि – दृश्य पूर्वानुमान कोडिंग (visual predictive coding) का परिचय देता है। यह तकनीक हमें दिखाती है कि कैसे कृत्रिम बुद्धिमत्ता को संज्ञानात्मक मानचित्र बनाने के लिए प्रशिक्षित किया जा सकता है, मानव मस्तिष्क में न्यूरल संरचनाओं की नकल करके दृश्य जानकारी को संसाधित करने और आसपास के वातावरण को समझने के लिए। अनुसंधान का मुख्य विचार भविष्य के संवेदी इनपुट की भविष्यवाणी करना है, जो मशीनों को पिछले अनुभवों से सीखने और वातावरण का मानचित्र बनाने में मदद करता है। न्यूरल नेटवर्क मॉडल का निर्माण करके मानव को अनुकरण करना।

लंदन विश्वविद्यालय कॉलेज और एबरहर्ड कार्ल्सटेड्टिनजेन विश्वविद्यालय के शोध टीम ने Limbic Access विकसित किया है, जिससे मानसिक स्वास्थ्य सेवाओं की पहुंच को बढ़ाया जा सके। पर्यवेक्षणात्मक अध्ययन से पता चलता है कि Limbic Access के उपयोग से NHS बातचीत चिकित्सा सेवाओं का उपयोग करने वाले अधिक लोग बने, विशेष रूप से अल्पसंख्यक समूह में। यह प्रणाली व्यक्तिगत डिजाइन और मार्गदर्शित आत्म-सिफारिश प्रक्रिया के माध्यम से मानसिक स्वास्थ्य समस्याओं के सामाजिक कलंक को कम करती है। इंग्लैंड के 14 NHS बातचीत चिकित्सा सेवा केंद्रों में इस्तेमाल के दौरान, आत्म-सिफारिश की संख्या में 15% की वृद्धि हुई। गैर-द्विआधारी, एशियाई/एशियाई ब्रिटिश और गैर

Stanford के शोधकर्ताओं ने पाया कि GPT-4 की Nature और ICLR पत्रों पर समीक्षा राय मानव से 50% से अधिक मिलती है। शोधकर्ताओं ने GPT-4 को पत्र का PDF इनपुट दिया और फिर मानव समीक्षाओं के साथ तुलना की। GPT-4 की समीक्षाओं की समानता 82% से अधिक है, लेखक मानते हैं कि यह राय सहायक है। मानव समीक्षकों की तुलना में GPT-4 पत्र के प्रभाव के कारक पर अधिक ध्यान देता है परंतु नष्ट प्रयोग पर कम ध्यान देता है। उपयोगकर्ताओं का आमतौर पर मानना है कि GPT-4 की प्रतिक्रिया सटीकता बढ़ा सकती है और मानव समीक्षा की मात्रा कम कर सकती है।

AI कई वैज्ञानिक क्षेत्रों में अनुसंधान निष्कर्षों को सशक्त बना रहा है, और यह वैज्ञानिक खोज के सिद्धांत निर्माण, प्रयोग डिजाइन, डेटा संग्रह और विश्लेषण के विभिन्न चरणों में शामिल हो रहा है। लेख में आत्म पर्यवेक्षण सीखने, ज्यामितीय गहरी सीखने, जनरेटिव आर्टिफिशियल इंटेलिजेंस जैसी तकनीकों के वैज्ञानिक अनुसंधान में अनुप्रयोगों का विस्तृत वर्णन किया गया है, और AI के क्रॉस-डोमेन में अभी भी उपस्थित मूल समस्याओं पर प्रकाश डाला गया है। तीन चीनी पहले लेखक और Yoshua Bengio द्वारा नेतृत्व की गई टीम ने मिलकर लेख लिखा है, जो कि Nature में समीक्षा लेख के रूप में प्रकाशित हुआ है।