Machine learning e Intelligenza artificiale e gli investimenti nel 2021

Investire è parte integrante dell'attività bancaria ed è anche la parte più rischiosa. C'è un modo per proteggere i tuoi beni da rischi ingiustificati e aumentare l'efficienza di ogni nuovo investimento? Sì, l'apprendimento automatico e l'intelligenza artificiale nel settore bancario stanno spingendo i suoi confini, rendendolo ancora più promettente, redditizio, intelligente e sicuro. In questo articolo, esamineremo il futuro di queste tecnologie per il settore fintech e ci concentreremo sull'uso dell'IA e del machine learning per la gestione degli investimenti. Intelligenza artificiale nel settore bancario 2021: cosa aspettarsiAd oggi, l'intelligenza artificiale nel settore bancario è una delle tecnologie più promettenti da utilizzare per scopi diversi. A causa delle grandi opportunità di personalizzazione, analisi dei dati e diverse capacità di risoluzione delle attività, nonché del prezzo accessibile da implementare, l'uso dell'IA e dell'apprendimento automatico nel settore bancario è un'altra tendenza fintech che si sta evolvendo, secondo questa infografica. Apprendimento automatico nei vantaggi bancariQuesto rapido e, soprattutto, pervasivo aumento del valore dell'intelligenza artificiale e dell'apprendimento automatico per il settore bancario ha solide basi, poiché queste tecnologie promettono vantaggi completamente nuovi e altamente efficaci. Analisi avanzata dei dati . In precedenza, le banche erano costrette ad analizzare i dati con accesso limitato alle informazioni. Ad esempio, quando un cliente arriva con una richiesta di emettere un prestito, la decisione è stata presa solo sulla base delle dichiarazioni dei redditi, delle attività e passività correnti del cliente e della sua storia creditizia. Al momento, l'intelligenza artificiale in ambito bancario permette di analizzare enormi quantità di informazioni, fino alla richiesta dell'utente nei social network, per prendere decisioni più competenti e meno rischiose.Il vantaggio all'avanguardia...
Continua a Leggere

Volvo progetta un simulatore di guida utilizzando un motore per videogiochi per addestrare veicoli autonomi

Un numero sempre maggiore di ricercatori e ingegneri di veicoli autonomi si rivolge ai videogiochi per migliorare le prestazioni e l'affidabilità dei veicoli autonomi. Secondo TNW , Volvo ha iniziato a utilizzare i videogiochi per assistere nello sviluppo di veicoli autonomi e degli algoritmi di intelligenza artificiale che li guideranno . I videogiochi, l'intelligenza artificiale e le auto hanno una storia interessante insieme. Algoritmi di intelligenza artificiale sono stati utilizzati per automatizzare il comportamento dei veicoli nei giochi di corse automobilistiche e in passato i videogiochi sono stati utilizzati per addestrare sistemi di veicoli autonomi. Per poter operare in sicurezza nel mondo reale, un veicolo autonomo deve essere addestrato per navigare in sicurezza in un'ampia gamma di eventi e scenari. I veicoli possono essere addestrati su dati del mondo reale o virtuali. Molte aziende, come Waymo, Tesla e Nuro addestrano i loro veicoli in ambienti di test del mondo reale, esponendo i loro modelli di intelligenza artificiale a una serie di scenari che si verificano nel mondo reale. Il presupposto è che man mano che l'IA sperimenta sempre più scenari, diventerà migliore nel gestire gli eventi imprevisti quando opera nel mondo reale. La ricerca sull'efficacia dell'utilizzo di dati di addestramento sintetici come i videogiochi mostra che la messa a punto dei dati sintetici può produrre risultati di addestramento che sono almeno altrettanto buoni dei risultati ottenuti utilizzando solo dati del mondo reale. Ovviamente, ci sono una serie di problemi di sicurezza che devono essere affrontati durante l'addestramento e il test di un veicolo autonomo nel mondo reale. La formazione di agenti di guida autonoma in un ambiente virtuale è chiaramente più sicura che addestrarli in un ambiente reale. Lo svantaggio dell'utilizzo di ambienti di formazione virtuali è che non sono così accurati. Al fine di affrontare i problemi di precisione associati all'uti...
Continua a Leggere

L’intelligenza artificiale etica non è la stessa cosa di un’intelligenza artificiale affidabile

L'intelligenza artificiale etica non è la stessa di un'intelligenza artificiale affidabile e questo è importante Le soluzioni di intelligenza artificiale (AI) stanno affrontando un maggiore controllo a causa della loro attitudine ad amplificare le decisioni buone e cattive. Più specificamente, per la loro propensione a smascherare e aumentare i pregiudizi sociali e le disuguaglianze esistenti. È giusto, quindi, che le discussioni sull'etica siano al centro della scena con l'aumentare dell'adozione dell'IA. Di pari passo con l'etica arriva il tema della fiducia. L'etica è le regole guida per le decisioni che prendiamo e le azioni che intraprendiamo. Queste regole di condotta riflettono le nostre convinzioni fondamentali su ciò che è giusto ed equo. La fiducia, d'altra parte, riflette la nostra convinzione che un'altra persona - o azienda - sia affidabile, abbia integrità e si comporterà nel modo che ci aspettiamo. Etica e fiducia sono concetti discreti, ma spesso si rafforzano a vicenda. Quindi una soluzione AI etica è intrinsecamente affidabile? Contesto come fattore determinante della fiduciaCertamente, i sistemi non etici creano sfiducia. Non ne consegue, tuttavia, che un sistema etico sarà categoricamente attendibile. Per complicare ulteriormente le cose, non fidarsi di un sistema non significa che non verrà utilizzato. Le funzionalità alla base delle soluzioni di intelligenza artificiale - apprendimento automatico, apprendimento profondo, visione artificiale e elaborazione del linguaggio naturale - non sono etiche o non etiche, affidabili o inaffidabili. È il contesto in cui vengono applicati che conta. Ad esempio, utilizzando il generatore di testo GPT-3 recentemente rilasciato da OpenAI , l'intelligenza artificiale può essere utilizzata per scrivere commenti o ricette sociali. Lo spettro degli algoritmi di intelligenza artificiale che generano propaganda solleva preoccupazioni immediate. La scala alla quale un esperto di intelligenza artific...
Continua a Leggere

I ricercatori di robotica propongono un’IA che localizza e sposta in sicurezza gli oggetti sugli scaffali

Quando si tratta delle aspettative dei clienti, la pandemia ha cambiato tuttoScopri come accelerare il servizio clienti, ottimizzare i costi e migliorare il self-service in un mondo incentrato sul digitale. Un paio di nuovi studi di robotica di Google e dell'Università della California, Berkeley, propongono modi per trovare oggetti occlusi sugli scaffali e risolvere compiti di manipolazione "ricchi di contatto" come lo spostamento di oggetti su un tavolo. La ricerca della UC Berkeley introduce Lateral Access Massima riduzione dell'area di supporto occupazionale (LAX-RAY), un sistema che prevede la posizione di un oggetto target, anche quando solo una parte di quell'oggetto è visibile. Per quanto riguarda il documento coautore di Google, propone Contact-aware Online COntext Inference (COCOI), che mira a incorporare le proprietà dinamiche delle cose fisiche in un framework di facile utilizzo. Mentre i ricercatori hanno esplorato il problema della robotica della ricerca di oggetti disordinati per un bel po 'di tempo, ambienti come scaffali, armadi e armadi sono un'area meno studiata, nonostante la loro ampia applicabilità. (Ad esempio, un robot di servizio in una farmacia potrebbe aver bisogno di trovare rifornimenti da un armadietto medico.) I problemi di manipolazione ricchi di contatti sono altrettanto onnipresenti nel mondo fisico e gli esseri umani hanno sviluppato la capacità di manipolare oggetti di varie forme e proprietà in ambienti complessi. Ma i robot lottano con questi compiti a causa delle sfide inerenti alla comprensione della percezione e della fisica ad alta dimensione. I ricercatori della UC Berkeley, che lavorano presso il dipartimento AUTOLab dell'università, si sono concentrati sulla sfida di trovare oggetti target occlusi in "ambienti ad accesso laterale" o scaffali. Il sistema LAX-RAY comprende tre criteri di ricerca meccanica ad accesso laterale. Chiamati "Uniforme", "Riduzione dell'area di distribuzione (DAR)" e "Riduzione dell'ar...
Continua a Leggere

Le migliori app per smartphone basate su AI intelligenza artificiale del 2021

Per molti anni, l'intelligenza artificiale ha eluso gli smartphone a causa della sua natura pesante in termini di risorse. Con l'introduzione di strumenti come TFLite e altri framework, i modelli di machine learning sono diventati più leggeri; abbastanza leggero da poter essere imbarcato su uno spazio limitato su un dispositivo mobile o periferico. Ciò ha consentito agli sviluppatori di app di incorporare modelli nelle loro app per una migliore esperienza. Dalle mappe ai filtri per i volti, dall'e-learning al tracciamento dei contatti durante COVID-19, l'IA è stata molto utile. In questo articolo elenchiamo alcune delle app basate su AI più popolari (non necessariamente create quest'anno) che hanno fatto sentire la loro presenza quest'anno. COVID-19 Sounds App Una di quelle app mirate a tenere sotto controllo la pandemia. Lanciata dall'Università di Cambridge, l'app consente agli utenti di caricare brevi registrazioni di tosse e respirazione e segnalare i sintomi per aiutare i ricercatori dell'Università di Cambridge a rilevare se una persona soffre di COVID-19. L'app raccoglierà alcuni campioni vocali, mentre leggi il testo sullo schermo e alcuni secondi di respirazione e tosse. Secondo il sito web , l'obiettivo è raccogliere dati per informare la diagnosi di COVID-19 sviluppando algoritmi di apprendimento automatico, basati principalmente sui suoni della loro voce, del loro respiro e della tosse. L'app raccoglierà alcuni dati demografici e anamnestici di base, nonché alcuni campioni vocali (mentre leggi il testo sullo schermo) attraverso un questionario e alcuni secondi di respirazione e tosse attraverso il microfono del telefono e raccoglierà inoltre un campione di posizione. Tuttavia, i creatori hanno anche assicurato che la loro app non avrebbe tracciato gli utenti. Microsoft Math Solver L' app Math Solver di Microsoft è progettata per risolvere vari problemi di matematica, tra cui equazioni quadratiche, calcolo e statistiche. Gli utenti dev...
Continua a Leggere

Il ML è sicuramente legato all’intelligenza artificiale (AI) ora addestramento con dati dalla Blockchain

Ripristino della credibilità dell'output della pipeline di machine learning tramite vTutti i domini verranno capovolti dal machine learning (ML). Questa è la storia coerente che continuiamo a sentire negli ultimi anni. Ad eccezione dei praticanti e di alcuni smanettoni, la maggior parte delle persone non è consapevole delle sfumature del ML. Il ML è sicuramente legato all'intelligenza artificiale (AI). Se si tratta di un sottoinsieme puro o di un'area strettamente correlata dipende da chi chiedi. Il sogno dell'IA generale per le macchine di risolvere problemi inediti in tutti i domini utilizzando abilità cognitive si era trasformato nell'inverno dell'IA poiché questo approccio non ha prodotto risultati per più di quaranta o cinquanta anni. La rinascita del ML ha cambiato il campo. Il machine learning è diventato trattabile con l'aumentare della potenza dei computer e la disponibilità di molti più dati su domini diversi per l'addestramento dei modelli. Il ML ha distolto l'attenzione dal tentativo di modellare il mondo intero utilizzando dati e logica simbolica per fare previsioni utilizzando metodi statistici su domini ristretti. Il deep learning è caratterizzato dall'assemblaggio di più livelli ML, riportandoci così al sogno dell'IA generale. Ad esempio, auto senza conducente. In generale, ci sono tre approcci separati in ML; uno è chiamato apprendimento supervisionato, il secondo apprendimento semi-supervisionato e il terzo è apprendimento non supervisionato. Le loro differenze derivano dal grado di coinvolgimento umano che guida il processo di apprendimento. Il successo del machine learning deriva dalla capacità dei modelli addestrati attraverso i dati di un particolare dominio chiamato training set di fare previsioni in situazioni del mondo reale nello stesso dominio. In qualsiasi pipeline ML, un certo numero di modelli candidati viene addestrato utilizzando i dati. Alla fine della formazione, una parte essenziale della struttura di base del dominio è codi...
Continua a Leggere

SeeTree gli algoritmi AI aiutano a supportare le operazioni di coltivazione, piantumazione e mappatura di alberi in tutto il mondo

Una startup di tecnologia agricola SeeTree ha recentemente ricevuto 3 milioni di dollari di finanziamento da Orbia Ventures , aiutando la startup a realizzare la sua missione di digitalizzare gli alberi coltivati. L'azienda rappresenta una tendenza crescente nell'impiego di algoritmi di intelligenza artificiale per supportare la crescita degli alberi in tutto il mondo. Alcune delle sezioni più grandi e di maggior successo dell'agricoltura perenne sono le colture arboree. Ad esempio, gli alberi di noci pecan possono produrre raccolti per quasi 150 anni, mentre un meleto può produrre un raccolto per circa 50 anni. Tuttavia, questi raccolti sono influenzati dalle fluttuazioni delle precipitazioni, dall'erosione del suolo, dalla temperatura e dall'ambiente generale. Quando gli alberi sono sottoposti a una notevole quantità di stress, muoiono. Per garantire la salute delle colture arboree, i coltivatori di alberi devono monitorare la salute dei singoli alberi e prevedere come potrebbero rispondere ai cambiamenti nell'ambiente. Monitorare la salute degli alberi attraverso una semplice indagine può essere incredibilmente difficile, poiché gli agricoltori devono tenere conto di molte variabili come le malattie e il cambiamento climatico, i cui effetti possono spesso essere prolungati e difficili da quantificare. Per rispondere a queste sfide, i coltivatori di alberi si rivolgono a soluzioni tecnologiche che consentano loro di analizzare lo stato di salute delle colture arboree e di ottimizzare la produzione, consentendo soluzioni meno laboriose e più convenienti. Come riportato da Forbes , SeeTree utilizza algoritmi di intelligenza artificiale supportati da droni, sensori a terra, data scientist e agronomi per creare un profilo più completo della salute di un albero. La startup attualmente fornisce servizi di digitalizzazione e monitoraggio agli agricoltori di agrumi, nocciole, mandorle, avocado e ulivi. La startup mira ad espandere i suoi servizi agli agricol...
Continua a Leggere

Pro e Contro su GPT-3 2020

Quando la startup OpenAI, con sede a San Francisco, ha rilasciato GPT-3, l'intera comunità di ricerca si è alzata e ha preso nota. E perchè no. Una gigantesca rete neurale a sé stante, questo programma per computer è stato pubblicizzato come la prossima grande novità: una rivelazione nel segmento del deep learning, che potrebbe scrivere codici come esseri umani e persino blog, storie, siti Web e creare app. La novità di questo prodotto risiedeva nel fatto che aveva 175 miliardi di parametri, mentre il suo predecessore GPT-2 aveva solo 1,5 miliardi di parametri, considerati i modelli più grandi al momento del suo rilascio. Si può anche notare che il modello è almeno dieci volte più grande di Turing NLG che si trova appena dietro di esso. Tuttavia, dal momento del suo rilascio nel giugno di quest'anno, insieme all'apprezzamento, questo modello ha ricevuto anche alcuni brickbats lungo la strada. Lo sviluppo e il testGPT-3 è l'acronimo di pre-training generativo, versione 3. A differenza di altre reti neurali che producono punteggi numerici o una risposta sì e no, i modelli GPT generano lunghe sequenze di testi originali come output. Sebbene questi modelli non si basino su alcuna conoscenza del dominio, hanno la capacità di completare attività specifiche del dominio come le traduzioni di testo. Un modello di linguaggio, come nel caso di GPT-3, calcola la probabilità che una parola appaia in un testo per un dato insieme di altre parole in esso, chiamata anche probabilità condizionale di parole. Il team di OpenAI ha utilizzato tre tecniche di valutazione per misurare le prestazioni di GPT-3 nella fase di test: apprendimento con pochi colpi, apprendimento con un solo colpo e apprendimento con colpo zero. È stato riscontrato che, sebbene abbia ottenuto risultati promettenti e al 100% nelle impostazioni zero e one-shot, nel caso delle impostazioni di pochi colpi, solo occasionalmente ha superato i modelli all'avanguardia. Ha anche mostrato risultati promettenti ...
Continua a Leggere

Il modello AI di intelligenza artificiale che classifica i videpgiochi dalla copertina

Questo modello AI può capire i videogiochi dalla copertina Recentemente, i ricercatori della Western Kentucky University hanno proposto un framework di apprendimento profondo multimodale che ha la capacità di classificare i generi di videogiochi in base alla copertina e alla descrizione testuale. I ricercatori hanno affermato che questa ricerca è il primo tentativo in assoluto di classificazione automatica dei generi utilizzando un approccio di apprendimento profondo . I videogiochi sono stati una delle forme di intrattenimento più diffuse, redditizie e importanti in tutto il mondo. Inoltre, il genere e i suoi sistemi di classificazione svolgono un ruolo significativo nello sviluppo dei videogiochi. Secondo i ricercatori, le copertine dei videogiochi e le descrizioni testuali sono solitamente la prima impressione per i suoi consumatori e spesso trasmettono informazioni importanti sui videogiochi. Tuttavia, i ricercatori spesso trovano difficile classificare i generi di videogiochi in base alla copertina e alla descrizione testuale a causa di vari motivi come un numero enorme di generi di videogiochi, molti dei quali non sono definiti concretamente; disegni di copertina; e descrizioni testuali che possono variare a causa di molti fattori esterni come paese, cultura e altri simili. Inoltre, con la crescente competitività nel settore dei videogiochi, i designer di copertine e i tipografi spingono i design delle copertine al limite nella speranza di attirare le vendite. Per mitigare tali problemi, i ricercatori hanno costruito questo nuovo framework di apprendimento profondo . La tecnologia dietroPer questo, i ricercatori miravano a sviluppare tre algoritmi di deep learning per il compito di classificazione del genere dei videogiochi, che sono- Un approccio basato sulle immagini utilizzando le copertine del giocoUn approccio basato sul testo che utilizza le descrizioni testualiUn approccio multimodale che utilizza sia le copertine del gioco che la ...
Continua a Leggere

SkillUp di Simplilearn la piattaforma che offre corsi gratuiti su Data Science, AI e ML

Simplilearn lancia SkillUp, una piattaforma che offre corsi gratuiti su Data Science, AI e ML Simplilearn, una società edtech, ha annunciato il lancio di una piattaforma di apprendimento gratuita - SkillUp che è stata progettata per offrire corsi e materiali di apprendimento per le persone per iniziare la loro carriera in questo ambiente competitivo. In un recente post su LinkedIn , Krishna Kumar, CEO di Simplilearn, ha affermato che SkillUp è un'altra pietra miliare nel viaggio di Simplilearn. Secondo il post, con questa piattaforma, si può scegliere tra oltre 300 delle migliori competenze odierne come scienza dei dati, intelligenza artificiale, apprendimento automatico, sviluppo software, gestione dei progetti, servizi IT e architettura e altre, e possono apprenderle su questa piattaforma gratuita tramite corsi video di autoapprendimento, creati da alcune delle migliori menti del settore. Il curriculum di questa iniziativa è stato progettato da esperti del settore e consulenti del corso come Ronald van Loon, Marc Weaver, Dean Pompilio e Matt Bailey. La cosa ancora migliore è che è possibile accedere alla piattaforma da qualsiasi dispositivo, che si tratti del sito Web o dei dispositivi mobili . Comprende oltre 1.000 ore di apprendimento e programmi di competenze tecnologiche che coprono enormi competenze richieste. Questa iniziativa mira ad aiutare i giovani talenti e i professionisti che lavorano a identificare il loro interesse e fornire loro opzioni di aggiornamento delle competenze per migliorare la loro carriera. Il lancio di questa piattaforma non può avvenire in un momento migliore, poiché ora è più che mai richiesto ai professionisti di lavorare per il raggiungimento di obiettivi di carriera specifici, soprattutto in un periodo post-pandemico. Secondo i media , i programmi offerti da Simplilearn consentono agli studenti di avere accesso a contenuti basati su video on-demand, che aiuteranno a costruire solide competenze tecnologiche fondamental...
Continua a Leggere