为了打击生物恐怖活动,韩国科学家利用 AI 来检测炭疽

简介:

雷锋网(公众号:雷锋网)消息,为了打击生物恐怖主义,韩国的科学家们已经开始训练人工智能,以迅速发现炭疽病。新技术虽然还没有达到完全准确的地步,但比目前的测试方法要快的多。它可以彻底改变我们筛选神秘的白色粉末——炭疽病原体芽孢的方式,目前,炭疽病原体芽孢,已经成为一种致命的“生物武器”。

为了打击生物恐怖活动,韩国科学家利用 AI 来检测炭疽

韩国科学技术院的研究人员将全息显微镜与 AI 技术相结合。他们创建的算法可以分析细菌孢子的图像,在不到一秒钟的时间里确定它们是否属于炭疽。根据上周在 《Science Advances》上发表的一篇论文显示,该项技术的准确率已达96%。

据雷锋网了解,炭疽是由炭疽芽孢杆菌引起的一种人畜共患的急性传染病(感染和细菌通常被称为炭疽)。人们在处理受感染动物的皮肤或肉类时,会意外地感染炭疽。临床上主要表现为皮肤坏死、溃疡、焦痂和周围组织广泛水肿及毒血症症状,皮下及浆膜下结缔组织出血性浸润;血液凝固不良,呈煤焦油样,偶可引致肺、肠和脑膜的急性感染,并可伴发败血症。自然条件下,食草兽最易感,人类中等敏感,主要发生于与动物及畜产品加工接触较多及误食病畜肉的人员。

炭疽也是一种危险的生物武器:2001年,美国发生了著名的生物恐怖袭击——“炭疽事件”,从2001年9月18日开始,有人把含有炭疽杆菌的信件寄给数个新闻媒体办公室以及两名民主党参议员。这个事件导致5人死亡,17人被感染。

一旦孢子进入体内,它们会发芽和繁殖,导致流感样疾病以及毒血症症状。如果不治疗的话,至少85%受感染的人会死亡,有时在症状出现后一到两天内就会死亡(相比之下,皮肤感染炭疽病往往不那么致命)。实验室工作人员或是加工动物毛发的人是最容易感染炭疽的一类人。对于这类人,有疫苗可以进行治疗,我们其他人则有抗生素 ——但这些药物只有在接触后尽快开始的时候效果最好。

快速检测炭疽病很重要

因此,快速检测炭疽是很重要的。现在最常见的方法之一是分析孢子的遗传物质或者在感染组织中发现的细菌。但是,通常需要给孢子一点时间繁殖,以产生足够的遗传物质进行分析。密苏里大学的细菌学家 George Stewart 说,“想要通过最快捷的方法获得结果,仍然需要投入更大的精力”,他也开发了一种炭疽检测器,并没有参与这项研究。

为了寻求更快的筛选技术,这项研究的主要作者、物理学家 YongKeun Park 与韩国国防科学研究所进行了合作。他说,我们的目标是做好准备,以防朝鲜利用炭疽作为生物武器。

Park 转向一种被称为全息显微镜的成像技术:与传统的显微镜不同,传统的显微镜只能捕捉到物体的光散射强度,全息显微镜还可以捕获光线行进的方向。由于细胞的结构和组成可以改变光线的反射,研究人员怀疑,全息显微镜可能捕捉到由炭疽和与之密切相关但毒性较小的种类产生的孢子之间的细微差别。

AI可以在几秒钟内识别炭疽孢子

雷锋网了解到, Park 和他的团队训练了一种深入学习算法,从五种不同细菌种类的400多个个体孢子中发现其中的关键差异。一种是炭疽芽孢杆菌,它能够引起炭疽,其余四种是与之密切相关的种类。研究人员并没有确切地告诉 AI 如何辨别不同的种类——它自己就发现了这一点。经过一番训练, AI 在大约96%的时间内可以将炭疽芽孢与非炭疽芽孢杆菌物种区分开来。

该技术并不完美,但作为一种旨在检测生物武器的工具,它必须是(完美的)。“它的缺点是精度低于常规方法,” Park 说。每个细菌种类的多种菌株都接受了分析,但机器只接受了每个物种的一种菌株的训练量。Stewart 说,菌株之间微妙的差异可能会使算法脱离实际。尽管如此,这项新技术发展非常迅速,派上用场指日可待。Stewart 说:“它不需要培养生物体,也不需要提取 DNA ,除了能够使孢子可视化外,它不需要任何其他的东西。”

“这可以增强我们对这种生物威胁的准备。”

接下来, Park 希望为 AI 神经网络提供更多的孢子图像以提高准确性。同时,该方法可用作预筛选工具,用于快速确定人们接触的白色粉末是否为炭疽,以及是否应启用抗生素。随后可以用更慢、更准确的方法来确认结果。

Park说:“这篇文章不会改变一切,但这是朝着能够快速检测炭疽的方法迈出的一步。“这可以增强我们对这种生物威胁的准备。”

本文作者:李雨晨

本文转自雷锋网禁止二次转载,原文链接

相关文章
|
2月前
|
机器学习/深度学习 人工智能 监控
AI威胁检测与识别
AI在网络安全中扮演关键角色,实现实时监控、异常检测、高级威胁识别和自动化响应。通过机器学习和深度学习,AI能分析大量数据,预测攻击,智能支持决策,并评估风险。然而,随着攻击手段进化,AI系统的抗攻击性研究和持续升级至关重要。
56 2
|
2月前
|
机器学习/深度学习 云安全 人工智能
AI威胁检测与预防
AI在网络安全中扮演关键角色,自动化监测和智能分析识别威胁,如恶意软件和钓鱼攻击。AI系统实时响应,调整防御策略,进行风险评估,并通过持续学习提升效能。尽管有误报挑战,AI正强化云安全,助力抵御复杂攻击。
82 2
|
11月前
|
传感器 机器学习/深度学习 人工智能
Nature封面:AI提高自动驾驶夜视能力,检测黑夜、雾天场景和白天一样
Nature封面:AI提高自动驾驶夜视能力,检测黑夜、雾天场景和白天一样
160 0
|
1月前
|
人工智能 自然语言处理
还在因AI检测头疼?尝试一下 AI Humanize
AI Humanize是一款将AI文本转化为人性化、难以检测的高质量内容的工具。它提供基础和高级模型,支持多语言,如英语、中文等,并能在多种AI检测器中通过。训练于大量人类语料库,AI Humanize的"Humanize AI LLM"模型确保生成自然、流畅的文本,增强可读性和原创性,同时保持用户友好界面。适用于各领域的用户提升内容质量。[AI Humanize](https://aihumanize.io/)**
还在因AI检测头疼?尝试一下 AI Humanize
|
20天前
|
机器学习/深度学习 人工智能 数据可视化
东哥教你如何用Orange Ai pro为家里做一个垃圾分类检测机器
## 摘要 本文由东哥原创,介绍了使用Orange AI Pro开发板进行AI项目开发的体验。这款开发板主打强大的AI算力,搭载昇腾AI芯片,提供8-12TOPS的性能,媲美英伟达RTX3080显卡。它支持外接eMMC和4K显示器,适合实时视频流模型部署。作者详细阐述了从购买、烧录镜像到环境配置的过程,包括安装ACLLite库、模型转换工具ATC的使用,以及YOLOv5模型的转换和部署。文章还展示了如何建立一个垃圾检测项目,利用计算机视觉进行实时垃圾分类,并分享了性能体验,认为开发板在散热和噪音控制上表现良好,适合AI爱好者和开发者进行DIY项目。
|
2月前
|
机器学习/深度学习 人工智能 数据挖掘
【AI 现况分析】AI大模型在欺诈检测中具体的应用
【1月更文挑战第26天】【AI 现况分析】AI大模型在欺诈检测中具体的应用
|
2月前
|
人工智能
介绍一个工具,能够检测一段内容是否通过 AI 工具生成
介绍一个工具,能够检测一段内容是否通过 AI 工具生成
|
2月前
|
机器学习/深度学习 人工智能 安全
【AI 初识】人工智能如何用于欺诈检测和网络安全?
【5月更文挑战第3天】【AI 初识】人工智能如何用于欺诈检测和网络安全?
|
2月前
|
机器学习/深度学习 人工智能
谷歌最新AI听咳嗽就能检测新冠/结核
【5月更文挑战第1天】谷歌研发的HeAR AI系统能通过咳嗽和呼吸声检测新冠和结核病。利用自我监督学习,该系统在多种健康声学任务上超越现有模型,尤其在识别呼吸道疾病方面表现出色,有望成为低成本筛查工具。即便在少量数据下,HeAR仍能保持高效。然而,录音质量和潜在的数据偏差是其面临的问题。[链接](https://arxiv.org/abs/2403.02522)
32 3
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
一个检测文字是否是 AI 生成的工具
一个检测文字是否是 AI 生成的工具

热门文章

最新文章