哈佛大学Kempner研究所推出KRANIUM暑期研究项目

留学申请微信咨询

微信扫描左侧二维码

或点击下方按钮咨询

2024年6月10日，哈佛大学（2024USNews美国大学排名：3）Kempner研究所迎来了首批本科生暑期学生，开始了为期九周的KRANIUM暑期研究项目。该项目旨在研究自然和人工系统中的智能基础，参与者包括11名哈佛大学本科生，他们在Kempner研究所附属教师的指导下进行个人研究项目。这些项目涵盖了广泛的智能主题，从使用机器学习预测抗生素耐药性，到利用大型语言模型更好地理解语言属性与大脑皮层电图记录中的神经信号之间的关系。KRANIUM项目由Kempner研究所赞助，作为哈佛大学暑期本科生研究村的一部分，提供资金、食宿、指导以及一系列教育和社区活动。除了暑期项目，Kempner研究所还通过KURE项目在秋季和春季学期提供本科生研究机会。

KRANIUM暑期研究项目

哈佛大学的Kempner自然与人工智能研究所宣布推出新的学年和暑期研究项目，以支持对智能研究感兴趣的哈佛学院本科生。Kempner本科生研究体验（KURE）将在秋季和春季学期为本科生提供由Kempner附属教师监督的学期研究资助。参与该项目的学生将可以参加Kempner社区活动和编程，并可以使用Kempner计算集群。KURE目前正在接受申请，并将在2024年春季开始为学生提供资助。

Kempner本科生指导下的人工与自然智能研究（KRANIUM）是一个为期10周的住宿暑期项目，旨在为少数本科生提供在Kempner附属教师监督下的研究经验。该项目是哈佛暑期本科生研究村（HSURV）的一部分，将为学生提供暑期生活津贴、住宿和部分膳食计划，以及丰富的社交和学术活动。

两个项目的合格研究项目将研究智能的基础，包括智能的数学和计算模型、智能的认知理论和智能的神经生物学基础，以及人工智能应用的科学和工程研究。要符合任何一个项目的资格，学生必须在申请前找到Kempner附属教师的研究职位。更多信息可以在Kempner研究所网站上找到。

自然与人工系统中的智能研究

科学家们越来越多地依赖人工智能（AI），从开发“自动驾驶”实验室到用机器人和算法进行实验，再到在社会科学实验中用机器人代替人类参与者。然而，AI系统也存在许多缺点，例如生成式AI（如ChatGPT）容易产生虚假信息，机器学习系统的运作方式不透明。最近发表在《自然》杂志上的一篇文章指出，科学家们可能会高估AI的客观性、生产力和理解复杂概念的能力，从而忽视其局限性。文章作者认为，科学家们需要在AI应用还处于初期阶段时评估这些风险，因为一旦AI工具深度嵌入研究流程中，这些问题将更难解决。文章建议科学家们在使用AI时要保持警惕，避免陷入对AI系统的过度信任。

使用机器学习预测抗生素耐药性

抗菌素耐药性（AMR）是一个日益严重的公共卫生危机，现有的敏感性测试方法限制了我们快速区分抗菌素敏感和耐药菌株的能力。沙门氏菌Typhimurium（S. Typhimurium）是一种引起严重胃肠疾病和侵袭性疾病的肠道病原体。尽管存在广泛的耐药性，环丙沙星仍然是治疗沙门氏菌感染的常用药物，特别是在资源较少的地区，该药物通常是经验性使用。在这项研究中，作者利用高内涵成像技术对S. Typhimurium菌株在逐渐增加的环丙沙星浓度下进行深度表型分析。通过将机器学习算法应用于成像数据，研究表明，单个菌株在不同时间点和对环丙沙星的敏感性上表现出不同的生长和形态特征，这些特征与环丙沙星暴露无关。使用另一组S. Typhimurium临床菌株，研究发现机器学习分类器可以在没有环丙沙星暴露或任何耐药表型先验知识的情况下准确预测环丙沙星敏感性。这些结果证明了使用高内涵成像结合机器学习算法预测临床细菌菌株药物敏感性的原理。这项技术可能是理解抗菌素对细菌细胞形态影响的重要工具，以识别具有新作用机制的药物。

语言属性与大脑皮层神经信号之间的关系

本研究探讨了语音韵律如何增强大脑对句法信息的处理。句法是人类语言的重要组成部分，正确处理句法信息对于成功的交流至关重要。尽管句法通常被单独研究，但行为和神经证据表明，韵律和句法之间存在互动。研究表明，韵律有助于婴儿的语言学习。本文通过分析脑磁图（MEG）数据，研究了声学线索，特别是韵律，如何与母语为英语的人的大脑中的句法表征互动。具体来说，研究解码了大脑活动中的句法短语边界，并评估了韵律边界对这种解码的可能调节作用。结果表明，韵律边界的存在改善了短语边界的神经表征，表明韵律线索在处理抽象语言特征中的促进作用。这项研究对大脑如何处理不同语言特征的互动模型有重要意义。未来的研究需要在具有不同类型特征的语言中，建立韵律-句法互动的神经基础。研究使用了自然语音理解中的MEG数据，结果表明韵律边界增强了句法短语边界的神经编码。

Kempner研究所对本科生研究的赞助和支持

文章讲述了人工智能（AI）热潮如何重塑哈佛大学的研究。心理学教授Joshua Greene在2010年代初期看到神经网络玩经典游戏的视频后，意识到AI的巨大潜力，并开始关注其对人类劳动和自动化战争的影响。到2022年，随着ChatGPT的出现，AI研究在哈佛大学迅速发展。马克·扎克伯格和普莉希拉·陈捐赠5亿美元成立了Kempner研究所，专注于人工和自然智能的研究。尽管哈佛大学在AI研究上投入巨大，但与行业巨头相比，资金规模仍显不足。许多教授开始利用AI加速研究和教学，尽管对技术的风险有所担忧，但他们对其潜在的好处也充满期待。Kempner研究所购买了近400个先进的图形处理单元，以支持生成性AI模型的训练。哈佛大学还成立了多个AI工作组，并推出了新的AI研究项目。尽管AI研究在哈佛大学取得了显著进展，但与行业的资金差距仍然存在。教授们普遍认为，AI技术将成为科学研究的基本构建块，并对其未来充满期待。

综合总结

哈佛大学Kempner研究所的KRANIUM暑期研究项目和KURE项目为本科生提供了宝贵的研究机会，涵盖了从自然智能到人工智能的广泛主题。这些项目不仅为学生提供了研究资金和资源，还通过一系列教育和社区活动促进了学生的全面发展。通过这些项目，学生们能够在Kempner研究所附属教师的指导下，深入研究智能的基础，探索机器学习在抗生素耐药性预测中的应用，以及语言属性与大脑皮层神经信号之间的关系。

在当前AI技术迅猛发展的背景下，Kempner研究所的研究项目显得尤为重要。尽管AI技术在科学研究中展现了巨大的潜力，但其局限性和风险也不容忽视。科学家们需要在应用AI技术时保持警惕，避免对其过度依赖。通过结合高内涵成像技术和机器学习算法，研究人员能够更好地理解抗菌素对细菌细胞形态的影响，从而开发出更有效的药物。

此外，研究还表明，语言的韵律特征在大脑处理句法信息时起到了重要的促进作用。这一发现对理解大脑如何处理不同语言特征的互动模型具有重要意义。未来的研究需要进一步探索不同语言类型中的韵律-句法互动的神经基础。

总的来说，Kempner研究所通过其赞助和支持，为哈佛大学的本科生提供了宝贵的研究机会，推动了智能研究的发展。尽管面临资金和技术上的挑战，哈佛大学的教授们对AI技术的未来充满期待，认为其将成为科学研究的基本构建块。通过这些研究项目，学生们不仅能够获得宝贵的研究经验，还能够为未来的科学研究做出贡献。