登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《电子印刷：什么是热门？什么不是？》

  • 来源专题：集成电路
  • 编译者： Lightfeng
  • 发布时间：2016-04-18

  • 三个领域主导了亿美元规模的企业——OLED显示器、传感器、导电油墨。

    从许多不同的角度来看，电子印刷行业正在增长商业发展势头。大型电子制造服务（EMS）的公司，如Jabil和Flex，除了扩大生产之外，还与合作伙伴投资技术发展。他们已经有许多战略冒险投资，如ARM和三星公司的投资。最重要的是，更多的产品进入市场，从成套的设备，如温度传感创可贴和婴儿呼吸背心，到使用一部分电子印刷装置的公司，从一些用于OLED显示器阻隔膜的喷墨印刷聚合物到超过十亿印刷量的RFID标签天线。

    模具电子（IME）是电子印刷领域新兴的一个热点。有了这种方法，功能层和电子层首先被印刷在二维平板。然后将薄片热力塑型或注塑成型到三维模型中。在一般情况下，该方法往往最适合应用在高容量复杂的电路中。因此，使用在汽车和家电行业的机械开关是主要的初始目标。关键的好处是可以开发薄的和优雅的集成电子设备。

35浏览量
原文链接
相关报告

  • 《专访：图书出版的未来是什么？》
    • 来源专题：科技期刊发展智库
    • 编译者：于泳琳
    • 发布时间：2023-06-14
    • David McDade回顾了IOP电子书出版的近10年历史，总结学术书籍出版面临的挑战，并对电子书的未来进行展望。 1 学术书籍出版面临的最大挑战是什么？ 学术图书创新是一个有趣的问题。想象一个技术发展的光谱，传统印刷书籍在一端，平面的PDF或ePub格式的书籍在另一端，可以在该光谱上添加许多有趣的功能。再往外延展，我们可以考虑通过网络链接在书籍本身之外加入相关的代码和数据集。除此之外，还有一些在线课程，这些课程是从流行的学生教科书演变而来的，或者是数字参考图书馆，这些图书馆基本上是章节或百科全书式的条目数据库。 我认为，尽管所有这些产品可能有一些共同的DNA，但上述的创新范围已经超出了大多数人认为的书的范围。课件和参考书绝对有其效用，但人们仍然喜欢书。读者对一本书的期望集中在这些部分：这本书能为他们做什么？包含多少信息?价格如何？作为写作经验的一部分，作者很重视将实体书拿在手中，并在完成艰苦工作后将其放在书架上的经历。因此，尽管IOP是一个数字图书计划，其中的电子书也是以印刷品的形式制作的。 因此，我们面临的挑战是如何在创新和传统之间找到适当的平衡——不是为了传统本身，而是因为图书格式作为知识的容器具有持久的价值和吸引力。我们现在处于一个很好的位置，但我们一直在寻找新的可能性，以满足作者和用户的需求。 2 您对开放存取的图书出版有什么看法？ 当然，开放存取是行业内的另一种创新。与期刊界相比，OA图书的发展和标准化程度要低得多。当然，这是就我的组织所经营的STM（科学、技术和医学）学科而言。在社会科学和人文科学领域则不同，书籍通常是分享初级研究结果的首选格式，而资金支持则是推动变革的更快步伐。 也就是说，OA是我们的作者在未来几年可能会越来越频繁地寻求的一种选择，我们正在不断地监测我们的同行在这个领域开发的新的和创新的模式。我们可以从他们的经验中学到很多。 3 您从图书出版工作中学到了什么？ 我感到很荣幸的是，我的职业让我走遍了世界各地，让我认识了在许多不同领域工作的有才华的科学家。作为一个人文学科的毕业生，我一直重视获得一些对他们工作的见解（即使只是非常肤浅的见解），以及广阔的科学研究领域与各学科之间的联系。 4 对于IOP电子书的未来，您最期待的是什么？ 要建立一个全新的图书项目，出版团队需要多年的时间和巨大的毅力，我认为前十年只是一个开始。看到作者和读者逐渐了解我们正在做的事情，并希望融入其中，这种势头令人激动。在这十年中，我们已经出版了近800本书，还有数百本正在筹备中。这是一个成就。因此，我很高兴看到这些进展，并努力使我们的项目更加出名，书籍更加畅销。 另外，目前书籍在学术生态系统中发挥着积极的作用。书籍往往不像期刊那样处于最前沿，但我相信它们在理解研究方面发挥着至关重要的作用，为进入主要文献提供了方便的通道，当然也为新一代研究人员的教学和学习提供了便利。由于世界上的研究成果每年都在以滚雪球的方式增长，我相信书籍可以在噪音中提供启示的作用将越来越明显。 而且，回到技术方面，比较实际的应用如增强现实，可以在连接实体和数字图书世界方面发挥作用。如何将技术发展成一个可行的商业模式是另一个值得讨论的话题。 5 如果您能在历史上出版一本书，您会出版什么书，为什么？ 似乎我应该选择像《物种起源》这样的开创性科学作品，或者像维特根斯坦的《逻辑原论》（Tractatus）这样的深刻作品，但是，如果我可以选择的话，我想选科马克·麦卡锡（Cormac McCarthy）的作品，他是我最喜欢的作家之一。
    134浏览量
    原文链接

  • 《ChatGPT和生成AI对科研意味着什么？》
    • 来源专题：科技期刊发展智库
    • 编译者：孟美任
    • 发布时间：2023-03-31
    • 2022年12月，计算生物学家Casey Greene和 Milton Pividori开展了一项实验：他们邀请一名非科学家助理润色了三篇研究论文。该助理在几秒钟内就修改完成，每篇论文大约用了五分钟审阅完成。在一份生物学论文中，该助手还发现了公式参考文献的错误。除了实验过程存在些许不顺利，但论文最终的可读性更强，并且每篇论文成本不到0.50 美元。Greene 和Pividori 在2023 年1 月23 日的预印本论文中表示，该助理不是一个人，而是一种名为GPT-3的人工智能算法，该算法于2020 年首次发布。它是一种生成式人工智能聊天机器人工具，无论是创作散文、诗歌、计算机编程，还是编辑研究论文都非常擅长。 这类工具也被称为大型语言模型（Large Language Models, LLM），其中最有名的是GPT-3的一个衍生版本——ChatGPT。由于其免费且易于访问，在2022年11月发布后一举成名。 美国宾夕法尼亚大学的Pividori表示，此类工具将帮助我们提高研究人员的工作效率。 其他科学家表示，他们现在经常使用大型语言模型，不仅用于修改论文，还用于编写、检查代码等工作。冰岛大学计算机科学家Hafsteinn Einarsson表示，每天都使用大型语言模型，最早使用的是GPT-3，后来改用ChatGPT辅助编写PPT、改学生试卷和课程作业，还能将学生作为转为学术论文。此外，许多人将其作为数字秘书或助理。 但LLM也引发了广泛的讨论，包括回答内容的真实性、用AI生成内容冒充自己的创作等。《自然》采访科研人员有关聊天机器人（如ChatGPT）的潜在用途（尤其在科学领域）时，他们兴奋中夹杂着忧虑。科罗拉多大学医学院的Greene表示，如果相信这项技术具有变革的潜力，那么必须对此感到紧张。科研人员认为，很多方面都将取决于未来的监管指南对 AI 对话机器人的使用限制。 （1）流畅但不真实 有学者认为，大型语言模型很适合用来提高写论文或写基金的效率，但需要严格把关。伦敦软件咨询公司InstaDeep的工程师表示，大型语言模型就像一个进阶版的Stack Overflow（一个程序员互问互答的热门论坛），每天都可以用来写代码。 与此同时，研究人员强调，大型语言模型给出的回答从根本上说是不可靠的，有时候还是错的。这种不可靠已经深入大型语言模型的构建方式。ChatGPT和它的竞争对手都是通过学习庞大在线文本数据库中的语言统计模式来运作的，这些文本中不乏谣言、偏见和已经过时的信息。当大型语言模型接到提示（即 prompt，如Greene等使用精心组织的语言提出重写论文部分章节的要求）后，它们会一字一句地吐出看上去符合语言习惯的任何回复，只要能让对话继续下去。结果就是大型语言模型很容易给出错误或误导人的信息，尤其是那些训练数据很有限的技术性话题。还有一点是大型语言模型无法给出准确的信息来源。如果你让它写论文，它会把参考文献给你编出来。《自然-机器智能》在2023年1月发表的一篇关于ChatGPT的社论中写道，这个工具在事实核查或提供可靠参考文献方面是不能被信任的。 如果研究人员有足够专业知识发现问题或能很容易验证答案对错，比如他们能判断某个解释或对代码的建议是否正确，那么ChatGPT和其他大型语言模型就能成为真正意义上的助手。不过，这些工具可能会误导一些初级用户。如2022年12月，Stack Overflow临时禁用了ChatGPT，因为管理者发现一些用户上传了大量由大型语言模型生成的回答，错误率很高。 （2）缺陷如何解决？ 有些搜索引擎工具能解决大型语言模型在来源引用上的不足，例如面向科研人员的 Elicit能先根据提问搜索相关参考文献，再对搜索引擎找到的各个网站或文献进行概括归纳，生成看上去全带参考来源的内容（但是大型语言模型对不同文献的归纳仍有可能不准确）。 一些科研人员表示，目前来看，ChatGPT在技术性话题上还没有足够且专业的训练数据，所以用处并不大。哈佛大学的生物统计学博士生应用ChatGPT后表示其很难达到所需的专业水平。 一些科技公司开始使用专业的科研文献训练对话机器人。2022年11月，科技巨头Meta 发布了名为Galactica的大型语言模型，用学术摘要进行训练，有望在生成学术内容和回答科研问题方面具备一技之长。但是，其测试版在被用户拿来生成不准确和种族歧视的内容后即被下架（但代码依旧公开）。 （3）安全与责任 如果不对输出内容进行把控，大型语言模型就能被用来生成仇恨言论和垃圾信息，以及训练数据中可能存在种族歧视、性别歧视等其他有害联想。OpenAI在决定公开发布 ChatGPT时，曾试图回避很多这些问题。OpenAI让ChatGPT 的信息库截至到 2021 年为止，不让它浏览互联网，还通过安装过滤器防止 ChatGPT 对敏感或恶意的提示做出回应。不过，做到这一点需要人类管理员对庞杂的有害文本进行人工标记。 一个学术团队发布了另一个名叫 BLOOM 的大型语言模型。该团队试着用更少的精选多语言文本库来训练这个机器人。该团队还把它的训练数据完全公开。研究人员呼吁大型科技公司参照这种做法，但目前不清楚这些公司是否愿意。 还有一些研究人员认为学术界应该完全拒绝支持商用化的大型语言模型。除了偏见、安全顾虑和劳动剥削等问题，这些计算密集型算法还需要大量精力来训练，引发人们对它们生态足迹的关注。进一步的担忧还包括把思考过程交给自动化聊天机器，研究人员可能会丧失表达个人想法的能力。 另一个不明确的问题是一些大型语言模型的法律状态，这些大型语言模型是用网上摘录内容训练的，有些内容的权限处于灰色地带。版权法和许可法目前只针对像素、文本和软件的直接复制，但不限于对它们风格上的模仿。当这些由 AI 生成的模仿内容是通过输入原版内容来训练的，问题也随之而来。 (4)强制诚信使用 因此，一些研究人员相信，给这些工具设立边界可能十分必要。当前关于歧视和偏见的法律（以及对 AI 恶意用途实施有计划的监管）有助于维护大型语言模型使用的诚信、透明、公正。与此同时，人们也在倡导大型语言模型的使用需要更透明的披露。学术出版机构（包括《自然》的出版商）已经表示，科研人员应当在论文中披露大型语言模型的使用。《科学》则更进一步，要求所有论文中都不得使用ChatGPT 或其他任何 AI 工具生成的文本。 这里有一个关键的技术问题：AI 生成的内容是否能被发现。许多科研人员正在进行这方面的研究，核心思路是让大型语言模型自己去“揪” AI 生成的文本。 2022 年 12 月，美国普林斯顿大学的计算机科学研究生Edward Tian推出了GPTZero，这是一个 AI 检测工具，能从困惑度和突发性两个角度分析文本。OpenAI 本身已推出了 GPT-2 的检测器，并在 今年1月发布了另一个检测工具。不过，这些工具中还没有哪个敢自称绝不出错，尤其是在 AI 生成的文本经过人工编辑的情况下。OpenAI表示，在测试中，其最新工具将人类写的文本误判为 AI 生成文本的错误率为 9%，而且只能正确辨认出 26%的 AI 生成文本。 与此同时，大型语言模型的开发者正在构建更大型的数据集，打造更智能的聊天机器人（OpenAI 拟在今年推出 GPT-4），包括专门面向学术或医疗领域的机器人。2022 年12 月底，谷歌和 DeepMind 发布了一篇预印本论文，提前预告了名为 Med-PaLM 的临床专业大型语言模型。这个工具可以回答一些开放式的医学问题，水平与普通人类医师相当，但仍有缺陷和不可靠的问题。美国加州斯克利普斯研究所主任 Eric Topol 表示，他希望将来整合了大型语言模型功能的 AI 能将全身扫描与学术文献中的内容进行交叉验证，帮助诊断癌症，甚至理解癌症。但他强调，这一切都需要专业人士的监督。 生成式 AI 背后的计算机科学发展迅速，基本每个月都会有新成果。研究人员如何使用这些工具不仅决定了它们的未来，也决定了人类的未来。 参考文献：1. Nature Portfolio. ChatGPT与科研：革新与隐患共存| 《自然》长文. https://mp.weixin.qq.com/s/qHYbDfDY8S47mXK65TsF_A. 2. Pividori, M. & Greene, C. S. Preprint at bioRxiv https://doi.org/10.1101/2023.01.21.525030 (2023). 3. GPT, Osmanovic Thunstr?m, A. & Steingrimsson, S. Preprint at HAL https://hal.science/hal-03701250 (2022). 4. Nature Mach. Intell. 5, 1 (2023). 5. Glaese, A. et al. Preprint at https://arxiv.org/abs/2209.14375 (2022). 6. Thorp, H. H. Science379, 313 (2023). 7. Kirchenbauer, J. et al. Preprint at https://arxiv.org/abs/2301.10226 (2023). 8. Singhal, K. et al. Preprint at https://arxiv.org/abs/2212.13138 (2022).
    382浏览量
    原文链接