Digital Tlami Tank (TDT)

AI helpas solvi unu el la plej grandaj nesolvitaj problemoj de fiziko

Esploristoj ĉe ETH Zuriko unuafoje sukcesis aŭtomatigi la modeladon de turbulado en likvaĵoj per kombina fluida meicsaniko kaj artefarita inteligenteco. Ilia aliro baziĝas sur la kombinaĵo de Plifortikigaj maŝinlernaj algoritmoj kun turbulaj Simulaĵoj de fluoefektivigita sur la superkomputilo Piz Daint de la Svisa Nacia Superkomputika Centro.

Laŭ priskribo de la esplorado ĵus publikigita en la revuo Natura Maŝino-Inteligenteco publikigita, la esploristoj disvolvis novajn algoritmojn de plifortiga maŝina lernado (RL) kaj kombinis ilin kun fizika aliro al modelado Turbulado.

Bildfonto: Pixabay

pli

Ili atakis robotan polvosuĉilon kaj aŭdis, kio okazis en la ĉambro, kie ĝi funkciis

Sciencistoj el Usono kaj Singapuro uzis robot-polvosuĉilon por aŭskulti la sonon en la ĉambroj kaj identigi televidajn programojn ludantajn en la ĉambro, kie troviĝis la polvosuĉilo. La agado estas eĉ pli impresa kiel la Sendependa polvosuĉilo ne estas ekipitaj per mikrofono. Ĉi tiu verko montras, ke iu ajn aparato kun lidara teknologio probable povas esti uzata por subaŭskulti.

Ni uzas ĉi tiajn aparatojn hejme sen multe pripensi ĝin. Ni montris, ke kvankam tiaj aparatoj ne havas mikrofonon, ni povas reskribi sian navigan sistemon por aŭskulti konversaciojn kaj malkaŝi konfidencajn informojn, diras profesoro Nirupam Roy de la Universitato de Marilando.

Ĉi tio en aŭtonomaj robotoj uzata Lidar-sistemo ekzamenas la medion helpe de laseroj. Ilia lumo speguliĝas de la areo ĉirkaŭ la polvosuĉilo kaj enmetas en la sensilojn de la polvosuĉilo por krei ĉambran mapon. Fakuloj spekulas de kelka tempo, ke la mapoj kreitaj de aŭtonomaj polvosuĉiloj, kiuj ofte estas stokitaj en la nubo, povas esti uzataj por reklamado.

Bildfonto: Pixabay

pli

Kiel superrugi artefaritan inteligentecon - homon kontraŭ maŝino.

AI-komputilaj sistemoj trovas sian vojon en multajn areojn de niaj vivoj kaj ofertas grandan potencialon, de memveturaj veturiloj ĝis helpado de kuracistoj kun diagnozoj kaj aŭtonomaj serĉaj kaj savaj robotoj.

Tamen, unu el la ĉefaj nesolvitaj problemoj, precipe kun la branĉo de AI konata kiel "neŭralaj retoj", estas ke sciencistoj ofte ne povas klarigi kial aferoj fuŝiĝas. Ĉi tio ŝuldiĝas al manko de kompreno pri la decidprocezo ene de AI-sistemoj. Ĉi tiu problemo estas konata kiel la problemo "nigra skatolo".

Kiu estas pli lerta?

Nova 15-monata esplorprojekto de la Universitato de Lancaster, en kiu ankaŭ partoprenas la Universitato de Liverpool, celas malŝlosi la sekretojn de la problemo pri nigra kesto kaj trovi novan manieron "Profunda Lernado"de AI-komputilaj modeloj, kiuj faras decidojn travideblaj kaj klarigeblaj.

La projekto "Al respondecaj kaj klarigeblaj aŭtonomaj robotaj lernaj sistemoj"disvolvos serion de sekurecaj kontrolaj kaj testaj proceduroj por disvolvi algoritmojn de artefarita inteligenteco. Ĉi tiuj helpos certigi, ke la decidoj faritaj de la sistemoj estas fortikaj kaj klarigeblaj.

Bildfonto: Pixabay

pli

Sudkorea televidstacio dungis prezentiston de AI

La kanalo MBN en sudkorea kabla televido prezentis la unuan inan prezentistinon, kiu samtempe estas unu artefarita inteligento estas kontrolita. La AI-moderanto nomata AI Kim baziĝas sur reala persono, kiu administras informan segmenton en MBN, Jim Ju-ha. AI Kim mem antaŭnelonge prezentis sin kaj diris, ke ŝi aperis vidante la dek horajn filmetojn de Kim Ju-ha. La KI lernis la detalojn en ŝia voĉo, ŝia parolmaniero, ŝiaj vizaĝaj esprimoj, lipaj movoj kaj korpa lingvo. Artefarita inteligenteco diras: "Mi kapablas transdoni mesaĝojn same kiel Kim Ju-ha.

pli

Artefarita inteligenteco solvis unu el la plej malfacilaj problemoj en biologio

La multjara kaj ekstreme kompleksa scienca problemo pri la strukturo kaj konduto de proteinoj estis solvita per la nova sistemo de artefarita inteligenteco AlphaFold. Sciencistoj de DeepMind montris, ke la kreita artefarita inteligenteco povas antaŭdiri, kiuj tridimensiaj formaj proteinoj formiĝos de aminoacidaj sekvencoj.


Antaŭdiri, kian tridimensian formon prenos proteino, estis mistero por sciencistoj dum duona jarcento. La kapablo precize antaŭdiri la strukturon de proteinoj surbaze de ilia aminoacida sinsekvo estus bonega por vivsciencoj kaj medicino. Ĝi signife akcelus klopodojn kompreni la konstruajn blokojn de ĉeloj kaj ebligus pli rapide disvolvi novajn drogojn.

La teamo de Deepmind evoluinta artefarita inteligenteco traktis la problemon. Ĝi estas gugla filio, kiu havis multajn sukcesojn disvolvi progresintajn algoritmojn. Antaŭ kelkaj jaroj vi faris AlphaGo-programo la majstro de go ludis plurfoje. Alia el ilia artefarita inteligenteco, konata kiel AlphaStar, montriĝis pli bona ol 99,8% de la ludantoj en la realtempa strategia ludo StarCraft II. Tamen atingi sian novan artefaritan inteligentecon - AlphaFold - superas la bonajn rezultojn en ludoj.

pli

AI legas vizaĝajn bildojn de cerbaj ondoj

La Universitato de Helsinko disvolvis ilon de Artefarita Inteligenteco, kiu ebligas al vi fari ideon pri tio, kion via cerbo pensas en ĉiu momento. Post legi la cerbajn ondojn de homoj, al kiuj oni petas fokusiĝi sur la bildo de homo, la algoritmo AI kreas vizaĝajn bildojn por la partoprenantoj rigardi. Ĉi tiu esplorado, priskribita en la revuo Nature Scientific Reports, konsistis el tio por efektivigi plurajn fazoj de praktiko kaj poste testi la algoritmon.

pli

  • 1
  • 2