麻省理工首届MIT Ignite：生成式 AI 创业大赛获奖提案

最近，麻省理工学院的学生和博士后受邀为首届MIT Ignite：生成式 AI 创业大赛提交创意。超过 100 个团队向初创公司提交了提案，利用生成式人工智能技术开发跨多个学科的解决方案，包括人类健康、气候变化、教育和劳动力动态。

10 月 30 日，12 名决赛入围者

麻省理工学院点燃旗舰奖品

eMote（Philip Cherner、Julia Sebastien、Caroline Lige Zhang 和 Daeun Yoo）：有时识别和表达情绪很困难，特别是对于那些有述情障碍的人；此外，治疗费用可能很高。 eMote 的应用程序允许用户识别自己的情绪，利用生成人工智能的共同创作过程将其可视化为艺术，并通过日记进行反思，从而为学校辅导员和治疗师提供帮助。

LeGT.ai（Julie Shi、Jessica Yuan 和 Yubing Cui）：移民相关的法律程序可能非常复杂且成本高昂。 LeGT.ai 旨在使法律知识民主化。该团队将使用具有大型语言模型、快速工程和语义搜索的平台，简化用于完成、研究和起草公司文件的聊天机器人，并改进预筛选和初步咨询。

Sunona（Emmi Mills、Selin Kocalar、Srihitha Dasari 和 Karun Kaushik）：医生大约一半的时间花在医疗文件和临床记录上。为了解决这个问题，Sunona 利用音频转录和大型语言模型将医生就诊的音频转换为笔记和特征提取，从而为提供者提供更多的时间。

UltraNeuro（Mahdi Ramadan、Adam Gosztolai、Alaa Khaddaj 和 Samara Khater）：对于大约七分之一的成年人来说，脊髓损伤、中风或疾病会导致运动障碍和/或瘫痪。 UltraNeuro 的神经修复术将帮助患者在不进行侵入性脑植入的情况下恢复一些日常能力。他们的技术利用脑电图、智能传感器和多模式人工智能系统（肌肉肌电图、计算机视觉、眼球运动），经过数千种运动的训练来规划精确的肢体运动。

UrsaTech（Rui Zhou、Jerry Shan、Kate Wang、Alan He 和 Rita Zhang）：当今教育的特点是不平等和教育工作者负担过重。 UrsaTech 的平台使用多模态大语言模型和扩散模型来创建课程、动态内容和评估，以帮助教师和学习者。该系统还具有人工智能代理的沉浸式学习功能，可在线和离线使用主动学习。

一年级本科生团队麻省理工学院点燃旗舰奖

Alikorn（April Ren 和 Ayush Nayak）：药物发现占生物技术成本的重要部分。 Alikorn 的大型语言模型驱动平台旨在简化创建和模拟新分子的过程，使用生成对抗网络、蒙特卡罗算法来审查最有希望的候选者，以及物理模拟来确定化学性质。

亚军奖品

自治网络（James “Patrick” O’Brien、Madeline Linde、Rafael Turner 和 Bohdan Volyanyuk）：代码安全审核需要专业知识，而且费用昂贵。 “模糊测试”代码——注入无效或意外的输入来揭示软件漏洞——可以使软件变得更加安全。 Autonomous Cyber 的系统利用大型语言模型自动将“模糊器”集成到数据库中。

Gen EGM（Noah Bagazinski 和 Kristen Edwards）：制定明智的社会经济发展政策需要证据和数据。 Gen EGM 的大型语言模型系统通过检查和分析文献来加快这一过程，然后生成证据差距图 (EGM)，指出潜在的影响领域。

Mattr AI（Leandra Tejedor、Katie Chen 和 Eden Adler）：用于训练 AI 模型的数据集通常存在多样性、公平性和完整性问题。 Mattr AI 通过生成式 AI 解决了这个问题，该生成式 AI 具有大型语言模型和稳定的扩散模型来增强数据集。

Neuroscreen（Andrew Lu、Chonghua Xu 和 Grant Robinson）：筛选可能参加痴呆症临床试验的患者成本高昂，通常需要数年时间，而且大多会导致不符合资格。 Neuroscreen 利用人工智能更快地评估患者的痴呆原因，从而更成功地参与临床试验和治疗疾病。

数据来源计划（Naana Obeng-Marnu、Jad Kabbara、Shayne Longpre、William Brannon 和 Robert Mahari）：用于训练 AI 模型（特别是大型语言）的数据集模型经常缺少或不正确的元数据，引起对法律和道德问题的关注。数据来源计划使用人工智能辅助注释来审核数据集，跟踪数据的沿袭和法律状态，提高数据透明度、合法性和数据的道德问题。

Theia（Jenny Yao、Hongze Bo、Jin Li、Ao Qu 和 Hugo Huang）：科学研究以及围绕科学研究的在线对话通常发生在孤岛中。 Theia 的平台旨在推倒这些围墙。生成式人工智能技术将总结论文并帮助指导研究方向，为学者以及更广泛的科学界提供服务。

（摘自MIT NEWS : 原文 https://news.mit.edu/2023/students-pitch-transformative-ideas-generative-ai-mit-ignite-competition-1121