机器学习和人工智能已成为各行业关键技术，研究成果远超个人阅读极限。本专栏“感知器”（前身为深度科学）旨在解读AI及相关领域最新发现与论文，阐明其重要性。
本周AI动态概览
格拉斯哥大学团队开发出能感知并响应模拟疼痛的“人造皮肤”；DeepMind推出可预测足球运动员跑位的机器学习系统；香港中文大学与清华大学联合研发出能生成逼真人类模特照片及视频的算法。
人造皮肤：模拟痛觉感知
格拉斯哥团队研发的人造皮肤采用基于“突触晶体管”的新型处理系统，模拟大脑神经通路。该系统由印在柔性塑料表面的氧化锌纳米线制成，连接至可记录电阻变化的皮肤传感器。
该设计的独特之处在于利用内置电路充当“人工突触”，将输入信号转化为电压尖峰。这不仅提升了处理速度，还能通过设定随压力变化的输入电压阈值，“教授”皮肤对模拟疼痛做出反应。该技术有望应用于机器人领域，如防止机械臂接触高温危险环境。
Graph Imputer：球场轨迹预测
DeepMind开发的Graph Imputer模型仅凭部分球员录像即可预测移动轨迹，甚至能推断视野外球员位置，实现全场精准追踪。
尽管并非完美，但该系统可用于建模球场控制力或特定位置控球概率分析（多家英超球队已应用此类模型）。除体育数据分析外，该技术还可拓展至道路行人及体育场人群建模等领域。
生成式AI：从文本到图像视频
继Dall-E 2和Imagen后，港中大多媒体实验室开发的Text2Human可将文字描述（如“女士穿着纯色短袖T恤和牛仔短裙”）转化为虚构人物图片。清华大学与北京人工智能研究院合作的CogVideo模型则更进一步，能根据文本生成视频片段。尽管存在伪影等视觉瑕疵，但作为纯虚构场景生成技术，其进展仍值得肯定。
药物发现：分子特征筛选
药物发现面临海量未标注分子数据筛选难题，假阳性成本高昂。卡内基梅隆大学研究人员训练模型在无额外信息下理解数十亿未知分子特征，通过对虚拟分子结构进行微调（如隐藏原子、移除化学键）观察变化，学习分子内在特性。该模型在识别有毒化学物质方面表现优于其他AI模型。
临床元算法：辅助肝病诊断
分子特征对疾病诊断至关重要。慕尼黑工业大学正在开发临床元算法，整合多源数据区分临床表现相似的肝病。该类模型虽不取代医生，但能有效处理日益增长的数据量，弥补专科医生时间与专业知识的局限。