CatsMe!：猫咪健康守护者——AI赋能面部识别，精准洞察宠物疼痛

近日，在人工智能蓬勃发展的当下，一项名为CatsCompass的革命性应用正悄然颠覆着宠物猫的健康管理方式。

这款由Carelogy科技公司携手日本大学顶尖研究团队共同打造的智能工具，凭借其卓越的AI算法，能够精准解读猫咪的面部表情，从而洞察它们潜在的疼痛信号，其识别准确率令人惊叹地高达95%以上。

猫科动物天生倾向于隐藏疼痛，这是它们为了避免引起掠食者注意而进化出的本能行为。德雷克兽医护理中心指出，这种特性使得宠物主人往往难以察觉到猫咪的不适。动物疼痛研究小组主席Kazuya Edamura强调："很多情况下，人们并没有意识到他们的猫在痛苦中。这个AI工具能够检测出这些细微的变化，这是非常独特的。"

用户只需上传猫咪面部照片，CatsMe！应用就能在10秒内分析并判断疼痛程度，将结果分类为"无痛、轻度疼痛或重度疼痛"。应用还提供日历功能，可以跟踪面部扫描的时间，并提供猫咪两周内感受趋势的见解。

自推出以来，CatsMe!已在50个国家被20多万用户下载。最近，Carelogy还开放了更多高级功能，允许免费用户保存多只猫的记录或同时分析多张照片。用户可以与兽医或亲人分享应用的结果，并与应用内的AI聊天机器人互动，了解宠物的情绪状态。

动物疼痛研究协会急性疼痛工作组负责人Kenji Teshima评价道："这款猫疼痛检测AI是世界上第一个能够从猫脸照片中检测出疼痛迹象的AI。我们希望它能帮助识别猫的疼痛，甚至治疗它们的疼痛。"

Carelogy表示，他们希望通过CatsMe！应用，能够使所有生物的医疗保健变得更加民主化。这一创新不仅提高了宠物主人对猫咪健康状况的认知，也为兽医提供了新的诊断辅助工具，有望显著改善猫咪的生活质量。

全球规模最大，甲骨文“数据集”实现开源

7月5日消息，“数字甲骨共创中心”于今日正式将全球最大的甲骨文多模态数据集开源，其中总共涵盖了一万片甲骨的拓片、摹本，还包括甲骨单字对应的位置、对应的字头、对应的释文以及辞例分组、释读顺序等数据。

据介绍，所有研究者都能基于该数据集研发甲骨文检测、识别、摹本生成、字形匹配和释读等算法，加速甲骨文研究智能化进程。

数字甲骨共创中心由安阳师范学院甲骨文信息处理教育部实验室、腾讯 SSV 数字文化实验室、腾讯优图实验室、中国社会科学院甲骨学殷商史研究中心、中国社会科学院考古研究所安阳工作站、厦门大学多媒体可信感知与高效计算教育部重点实验室、郑州大学汉字文明研究中心等单位共同发起，并获得中国社会科学院古代史研究所、英国剑桥大学、法国高等研究实践学院、日本立命馆大学、美国罗格斯大学、加州大学洛杉矶分校等全球高校和研究机构的支持。

腾讯优图实验室、腾讯 SSV 数字文化实验室、厦门大学、安阳师范学院联合开发了 AI 模型技术：

甲骨字检测模型：标注准确率超 90%

摹本生成模型：摹本-拓片逐像素对齐

字形匹配模型：自动匹配相近字

甲骨校重模型：在大量拓片和摹本中实现“摹本去重”和“拓片探源”

全球最大甲骨文多模态数据集已在“甲骨文 AI 协同平台”上线，该平台还可以查询甲骨文、甲骨片信息，具体功能可以自行访问体验。

中国创新突破：首款全尺寸通用人形机器人“青龙”震撼发布，算力高达400TOPS

7月4日消息，在今日拉开帷幕的2024世界人工智能大会（WAIC 2024）上，一个引人瞩目的亮点是中国首款全尺寸通用人形机器人开源公版机“青龙”的正式亮相。这款名为“青龙”的机器人，以其卓越的设计和先进的技术特性，成为了大会的焦点之一。

汇总该机器人主要信息如下：

“青龙”身高 185cm，体重 80kg，全身拥有 43 个主动自由度，关节峰值扭矩最大 400N・m，算力支持 400TOPS。

其拥有高度仿生的躯干构型、拟人化的运动控制，支持多模态机动 / 感知 / 交互 / 操控。其同时具备高机动下肢行走配置、轻量化高精度上肢作业配置，支持快速行走、敏捷避障、稳健上下坡、抗冲击干扰四大运动功能。据报道，该机器人是通用人工智能软硬件开发的理想载体。

“青龙”由人形机器人（上海）有限公司自研，已获批省部级上海人形机器人制造业创新中心，并于 2024 年 5 月由工业和信息化部授牌国家地方共建人形机器人创新中心。

除“青龙”外，人形机器人（上海）有限公司还将提供“玄武”沉浸式操作的互动体验、“朱雀”大模型如何为“青龙”作业赋能的大模型算法演示、“白虎”准确精密的数据采集能力，以及“麒麟”训练场模拟产线运转的呈现。

革新AI模型精准预测阿尔茨海默病，准确率高达82%，助力早期诊断精确性飞跃

近日消息，英国剑桥大学科学家近期研发出一种AI预测工具，该工具能以超80%的准确率预测痴呆症患者的病情进展是否会导致阿尔茨海默病，有望减少昂贵且侵入性的诊断程序，促进早期干预及治疗，提高患者生活质量。

全球有超过 5500 万人患痴呆症，其中 60-80% 的类型就是阿尔茨海默病，每年造成 8200 亿美元的经济损失。预计未来 50 年，痴呆病例数将增加近两倍。

早期检测对于阿尔茨海默病至关重要，因为此时治疗效果最佳。然而，如果没有侵入性或昂贵的检查（如正电子发射断层扫描（PET）或腰椎穿刺），早期痴呆症的诊断和预后可能不准确，而这些检查并非所有记忆障碍诊所都能提供。因此，多达三分之一的患者可能被误诊，其他患者则可能在治疗有效期过后才被诊断出来。

剑桥大学心理学系领导的一个团队开发了一种机器学习模型，能够预测患有轻度记忆和思维问题的个体是否以及以多快的速度发展为阿尔茨海默病。该团队在发表在《电子临床医学》杂志上的研究中表明，该模型比目前的临床诊断工具更准确。

基于美国研究小组收集的 400 名大脑灰质萎缩患者的认知测试和核磁共振扫描数据，研究团队利用机器学习算法建立了一个 AI 预测模型，并使用英国、新加坡等多个诊所的真实世界数据测试该模型。

测试结果显示，该模型识别三年内会患上阿尔茨海默病的人的准确率达 82%，识别三年内不会患上阿尔茨海默病的人的准确率达 81%。

该算法在预测阿尔茨海默病进展方面的准确率是当前标准护理（即标准临床标志物，如灰质萎缩或认知评分）或临床诊断的三倍左右，这表明该模型可以显著减少误诊。

未来，研究团队希望将该模型扩展到预测其他类型的痴呆症，如血管性痴呆和额颞叶痴呆，并使用不同类型数据，如血液检测中的标记物等。