2023 年 11 月 21日

麻省理工學院社群的十二位學生和博士後團隊提出了具有潛在影響現實世界的創新創業想法。

本學期，麻省理工學院的學生和博士後受邀為首屆麻省理工學院點燃：生成式人工智慧創業比賽提交想法。超過 100 個團隊向新創公司提交了提案，利用生成式人工智慧技術開發跨多個學科的解決方案，包括人類健康、氣候變遷、教育和勞動力動態。

10 月 30 日，12 名決賽入圍者在薩姆伯格會議中心的專家評審團和擠滿了人的房間裡展示了他們的想法。

「麻省理工學院有責任幫助塑造廣泛有益的人工智慧創新未來——為此，我們需要很多偉大的想法。因此，我們轉向了一個非常可靠的偉大想法來源：麻省理工學院高度創業的學生和博士後，」麻省理工學院校長 Sally Kornbluth 在活動的開幕致詞中說道。 

MIT Ignite 活動是Kornbluth 提出的MIT 生成人工智慧更廣泛關注的一部分。今年秋天，整個研究所的研究人員和學生正在探索機會，貢獻他們在生成人工智慧方面的知識，識別新的應用，最大限度地降低風險，並利用它造福社會。這項活動由 MIT-IBM Watson AI 實驗室和 MIT 創業馬丁信託中心共同舉辦，並得到了 MIT 工程學院和 MIT 斯隆管理學院的支持，激勵年輕研究人員為生成性領域的對話和創新做出貢獻人工智慧.

擔任本次活動聯合主席的是 MIT-IBM Watson AI 實驗室主任、電腦科學與人工智慧實驗室 (CSAIL) 首席研究員 Aude Oliva；Bill Aulet，麻省理工學院史隆管理學院乙太網路發明家實務教授兼馬丁信託中心主任；Dina Katabi，電機工程和電腦科學系的 Thuan (1990) 和 Nicole Pham 教授、無線網路和行動運算中心主任以及 CSAIL 首席研究員。

由學生和博士後組成的 12 支團隊爭奪多項獎項，包括 5 個 MIT Ignite 旗艦獎（每人 15,000 美元）、一個特殊的一年級本科生團隊旗艦獎和亞軍獎。所有獎項均由 MIT-IBM AI Watson 實驗室提供。各團隊的評判標準是其專案的生成式人工智慧的創新應用、可行性、對現實世界影響的潛力以及演示的品質。

在 12 支團隊展示了他們的技術、解決問題的潛力以及團隊執行計劃的能力後，評審團進行了審議。當觀眾等待結果時，麻省理工學院公司董事長 Mark Gorenberg '76 發表了演講；Anantha Chandrakasan，麻省理工學院工程學院院長、Vannevar Bush 電機工程和電腦科學教授；以及麻省理工斯隆管理學院 John C. Head III 院長兼行銷學教授 David Schmittlein。

獲獎學生包括：

麻省理工學院點燃旗艦獎

eMote（Philip Cherner、Julia Sebastien、Caroline Lige Zhang 和 Daeun Yoo）：有時識別和表達情緒很困難，特別是對於那些有述情障礙的人；此外，治療費用可能很高。eMote 的應用程式可讓使用者識別他們的情緒，利用生成人工智慧的共同創作過程將其視覺化為藝術，並透過日記進行反思，從而為學校輔導員和治療師提供幫助。

LeGT.ai（Julie Shi、Jessica Yuan 和 Yubing Cui）：與移民相關的法律程序可能非常複雜且成本高昂。LeGT.ai 旨在使法律知識民主化。該團隊將使用具有大型語言模型、快速工程和語義搜尋的平台，簡化用於完成、研究和起草公司文件的聊天機器人，並改進預先篩選和初步諮詢。

Sunona（Emmi Mills、Selin Kocalar、Srihitha Dasari 和 Karun Kaushik）：醫生一天大約有一半時間花在醫療文件和臨床記錄上。為了解決這個問題，Sunona 利用音訊轉錄和大型語言模型將醫生就診的音訊轉換為筆記和特徵提取，為提供者提供更多的時間。

UltraNeuro（Mahdi Ramadan、Adam Gosztolai、Alaa Khaddaj 和 Samara Khater）：對於大約七分之一的成年人來說，脊髓損傷、中風或疾病會導致運動障礙和/或癱瘓。UltraNeuro 的神經修復術將幫助患者在不進行侵入性腦植入的情況下恢復一些日常能力。他們的技術利用腦電圖、智慧感測器和多模式人工智慧系統（肌肉肌電圖、電腦視覺、眼球運動），經過數千種運動的訓練來規劃精確的肢體運動。

UrsaTech（Rui Zhou、Jerry Shan、Kate Wang、Alan He 和 Rita Zhang）：當今的教育存在著不平等和教育工作者負擔過重的問題。UrsaTech 的平台使用多模態大語言模型和擴散模型來創建課程、動態內容和評估，以幫助教師和學習者。該系統還具有人工智慧代理的沉浸式學習功能，可在線上和離線使用主動學習。

一年級本科生團隊麻省理工學院點燃旗艦獎

Alikorn（April Ren 和 Ayush Nayak）：藥物發現佔生物技術成本的重要部分。Alikorn 的大型語言模型驅動平台旨在簡化創建和模擬新分子的過程，使用生成對抗網路、蒙特卡羅演算法來審查最有希望的候選分子，以及物理模擬來確定化學性質。

亞軍獎品

自治網絡（James “Patrick” O'Brien、Madeline Linde、Rafael Turner 和 Bohdan Volyanyuk）：程式碼安全審計需要專業知識，而且費用昂貴。「模糊測試」程式碼——注入無效或意外的輸入來揭示軟體漏洞——可以使軟體變得更加安全。Autonomous Cyber​​ 的系統利用大型語言模型自動將「模糊器」整合到資料庫中。

Gen EGM（Noah Bagazinski 和 Kristen Edwards）：制定明智的社會經濟發展政策需要證據和數據。Gen EGM 的大型語言模型系統透過檢查和分析文獻來加快這一過程，然後產生證據差距圖 (EGM)，指出潛在的影響領域。

Mattr AI（Leandra Tejedor、Katie Chen 和 Eden Adler）：用於訓練 AI 模型的資料集通常存在多樣性、公平性和完整性問題。Mattr AI 透過生成式 AI 解決了這個問題，該生成式 AI 具有大型語言模型和穩定的擴散模型來增強資料集。

Neuroscreen（Andrew Lu、Chonghua Xu 和 Grant Robinson）：篩選可能參加失智症臨床試驗的患者成本高昂，通常需要數年時間，而且大多會導致不符合資格。Neuroscreen 利用人工智慧更快地評估患者的失智症原因，從而更成功地參與臨床試驗和治療。

資料來源倡議（Naana Obeng-Marnu、Jad Kabbara、Shayne Longpre、William Brannon 和Robert Mahari）：用於訓練AI 模型（特別是大型語言模型）的資料集通常缺少或不正確的元數據，引起法律和法規方面的擔憂。倫理道德問題。資料來源計畫使用人工智慧輔助註釋來審核資料集，追蹤資料的沿襲和法律狀態，提高資料透明度、合法性和資料的道德問題。

Theia（Jenny Yao、Hongze Bo、Jin Li、Ao Qu 和 Hugo Huang）：科學研究以及圍繞它的線上對話通常發生在孤島中。Theia 的平台旨在推倒這些圍牆。生成式人工智慧技術將總結論文並幫助指導研究方向，為學者以及更廣泛的科學界提供服務。

MIT Ignite 競賽結束後，所有 12 個入選參賽團隊都被邀請參加一場社交活動，這是將他們的想法和原型變為現實的第一步。此外，他們還受邀在 MIT 創業馬丁信託中心 (Martin Trust Center for MIT Entrepreneurship) 透過StartMIT 或 MIT Fuse以及 MIT-IBM Watson AI 實驗室的支持下進一步發展自己的想法。

「自從我來到麻省理工學院以來的幾個月裡，我學到了很多關於麻省理工學院人們如何看待創業精神以及它如何真正融入學院每個人所做的一切中，從一年級學生到教師再到校友——他們確實有動力將自己的想法推向世界，」科恩布魯斯總統說。“企業家精神是我們組織產生積極影響的目標的一個基本要素。”

[照片]

麻省理工學院校長Sally Kornbluth（講台左側）和工程學院院長Anantha Chandrakasan（講台右側）與學院領導層的其他成員和12 支決賽團隊一起揮舞麻省理工學院點燃：生成式人工智慧創業大賽的旗幟。