Home / Archive by category "AI Intelligenza Artificiale"

AI Intelligenza Artificiale

Il valore di Transformers

Perché i Transformers offrono più di quanto sembri  Cosa hanno in comune il GPT-3 che genera il linguaggio di OpenAI e AlphaFold che prevede la forma delle proteine ​​di DeepMind? Oltre a ottenere risultati di primo piano nei rispettivi campi, entrambi sono costruiti sulla base di Transformer, un'architettura di intelligenza artificiale che ha guadagnato una notevole attenzione negli ultimi anni. Risalente al 2017, Transformer è diventata l'architettura di scelta per le attività in linguaggio naturale e ha dimostrato un'attitudine a riassumere documenti, tradurre tra lingue e analizzare sequenze biologiche. Transformer ha applicazioni aziendali chiare e immediate. Il GPT-3 di OpenAI è attualmente utilizzato in più di 300 app da decine di migliaia di sviluppatori, producendo 4,5 miliardi di parole al giorno. DeepMind sta applicando la sua tecnologia AlphaFold per identificare cure per malattie rare e trascurate. E applicazioni più sofisticate sono all'orizzonte, come dimostrato dalla ricerca che mostra che Transformer può essere sintonizzato per giocare a giochi come gli scacchi e persino applicato all'elaborazione delle immagini.  Cosa sono i trasformatori?L'architettura Transformer è composta da due componenti principali: un codificatore e un decodificatore. L'encoder contiene livelli che elaborano i dati di input, come testo e immagini, in modo iterativo livello per livello. Ciascun livello di codificatore genera codifiche con informazioni su quali parti degli input sono rilevanti l'una per l'altra. Quindi passano queste codifiche al livello successivo prima di raggiungere il livello dell'encoder finale. I livelli del decodificatore fanno la stessa cosa, ma sull'output del codificatore. Prendono le codifiche e utilizzano le informazioni contestuali incorporate per generare una sequenza di dati in uscita, che si tratti di testo, una struttura proteica prevista o un'immagine. Ciascun livello di codificatore e decodificatore si avvale di un "meccanismo di attenzione"...
Continua a Leggere

Cosa fare quando l’intelligenza artificiale porta più domande che risposte

L'incertezza nel contesto dell'IA può essere difficile da cogliere all'inizio. Ad alto livello, incertezza significa lavorare con informazioni imperfette o incomplete, ma ci sono innumerevoli potenziali fonti di incertezza. Alcuni, come informazioni mancanti, informazioni inaffidabili, informazioni contrastanti, informazioni rumorose e informazioni confuse, sono particolarmente difficili da affrontare senza una comprensione delle cause. Anche i sistemi di intelligenza artificiale meglio addestrati non possono avere ragione il 100% delle volte. E nell'impresa, le parti interessate devono trovare modi per stimare e misurare l'incertezza nella misura del possibile. Si scopre che l'incertezza non è necessariamente una cosa negativa, se può essere comunicata chiaramente. Considera questo esempio dell'ingegnere di machine learning Dirk Elsinghorst: un'intelligenza artificiale è addestrata a classificare gli animali in un safari per aiutare i frequentatori di safari a rimanere al sicuro. Il modello si allena con i dati disponibili, dando agli animali una classificazione "rischiosa" o "sicuro". Ma poiché non incontra mai una tigre, classifica le tigri come sicure, facendo un confronto tra le strisce sulle tigri e sulle zebre. Se il modello fosse in grado di comunicare l'incertezza, gli esseri umani potrebbero intervenire per alterare il risultato.  L'incertezza spiegataCi sono due tipi comuni di incertezza nell'IA: aleatoria ed epistemica. L'aleatorico rappresenta il caso, come le differenze in un ambiente e i livelli di abilità delle persone che raccolgono i dati di formazione. L'epistemica fa parte del modello stesso: i modelli troppo semplici nel design possono avere un'elevata variazione nel risultato. Le osservazioni, o dati di esempio, da un dominio o da un ambiente spesso contengono variabilità. Tipicamente definita "rumore", la variabilità può essere dovuta a cause naturali o a un errore e influisce non solo sulle misurazioni da cui l'AI apprende, ma anche sulle pre...
Continua a Leggere

Per le aziende la scadenza è il 2024 estano solo 3 anni per adottare l’AI l’intelligenza artificiale

Scadenza 2024: perché ti restano solo 3 anni per adottare l'AI  Se la tua azienda deve ancora abbracciare l'intelligenza artificiale , sei in una corsa contro il tempo. E secondo i miei calcoli, ti restano solo tre anni. Come sono arrivato al 2024 come scadenza per l'adozione dell'IA? La mia previsione, formulata con il consulente di KUNGFU.AI Paco Nathan , è radicata nel fatto che le curve J di molti futuristi mostrano che le innovazioni hanno in genere una finestra di opportunità da 12 a 15 anni, un periodo tra quando una tecnologia emerge e quando raggiunge punto di adozione diffusa.  Mentre l'intelligenza artificiale può essere fatta risalire alla metà degli anni '50 e l'apprendimento automatico risale alla fine degli anni '70, il concetto di deep learning è stato reso popolare dal documento "AlexNet" pubblicato nel 2012. Naturalmente, non è solo l'apprendimento automatico che ha iniziato il tempo . Sebbene il cloud computing sia stato inizialmente introdotto nel 2006, non è decollato fino al 2010 circa. Anche l'ascesa dell'ingegneria dei dati può essere fatta risalire allo stesso anno. Il documento originale per Apache Spark è stato pubblicato nel 2010 ed è diventato fondamentale per gran parte dell'odierna infrastruttura di dati distribuiti. Inoltre, il concetto di data science ha una data di inizio ampiamente riportata nel 2009. È stato allora che Jeff Hammerbacher, DJ Patil e altri hanno iniziato a ricevere riconoscimenti per aver guidato i team di data science e aver contribuito a definire la pratica. Se fai i conti, quelle date 2009-2012 ci mettono all'interno di quella finestra da 12 a 15 anni. E questo rende il 2024 il limite per le aziende che sperano di ottenere un vantaggio competitivo dall'IA. Puoi ancora ottenere un vantaggio, se agisci oraSe osservi il grafico qui sotto, tratto da Diffusion of Innovations di Everett Rogers, avrai un'idea di come coloro che aspettano di mettere in produzione l'IA perderanno l'opportunità di conquistare il mercato. Q...
Continua a Leggere

L’intelligenza artificiale AI sostituirà gli scrittori ?

L'intelligenza artificiale non sostituirà gli scrittori in qualunque momento presto, ma il futuro potrebbe essere più vicino di quanto pensi   L'intelligenza artificiale per la creazione di contenuti è sovraffollata o alla fine tutti gli scrittori verranno sostituiti dai robot? Le aziende non hanno necessariamente bisogno di più contenuti, hanno bisogno di contenuti migliori che funzionino effettivamente. L'intelligenza artificiale sta facendo molto per semplificare il marketing e la gestione dei contenuti per le aziende a tutti i livelli. Puoi ottenere le cose ricercate, preparate, modificate e pubblicate in pochi minuti (anziché giorni o settimane). Il problema è che mentre l'intelligenza artificiale può automatizzare le attività di pubblicazione che richiedono tempo e aiutare a prevedere ciò che le persone vogliono leggere, non può ancora scrivere così bene.  Oggi, l'intelligenza artificiale fa ancora molto affidamento sul mettere insieme concetti o fatti in una divagazione semi-coerente, ma non può manipolare il fraseggio o altri elementi immateriali che inducono i clienti ad alzarsi e prendere atto. Le tecnologie di base dell'IA nell'area della creazione di contenuti includono attualmente Turing Natural Language Generation (T-NLG) di Microsoft - che vanta 17 miliardi di parametri - e la tecnologia Generative Pre-trained Transformer 3 (GPT-3) di OpenAI, che ha 175 miliardi di parametri di apprendimento automatico. Nel settembre 2020, Microsoft ha annunciato di aver concesso in licenza l'accesso alla tecnologia di GPT-3 per il suo uso "esclusivo", il che offre un indizio su dove si sta dirigendo questo settore in rapida crescita. In questa intervista, il CEO di Wordable e fondatore e CEO di Codeless , Brad Smith delinea gli attuali limiti dell'intelligenza artificiale per la creazione di contenuti, ci dice come sfruttare al meglio le sue capacità e guarda dove siamo diretti in un futuro non troppo lontano. Problemi chiave con i contenuti AI Garbage in. Garbage ou...
Continua a Leggere

Modulus Therapeutics raccoglie 3,5 milioni di dollari

Modulus Therapeutics si assicura i finanziamenti, cerca di espandere la piattaforma di progettazione della terapia cellulareModulus Therapeutics, società di progettazione di terapie cellulari basata sull'intelligenza artificiale con sede a Seattle, ha annunciato di aver completato un round di semi da 3,5 milioni di dollari con una sottoscrizione in eccesso. Guidati da Madrona Venture Group, c'era anche la partecipazione di KdT Ventures e dell'Allen Institute for AI (AI2).  Il nuovo finanziamento andrà all'espansione della piattaforma Convergent Design di Modulus della società. Insieme all'annuncio del finanziamento, la società ha formato il proprio comitato consultivo scientifico, fondato da Alana Welm e Raphael Gottardo. Sviluppare il sistemaMax Darnell, Ph.D, ha fondato Modulus nel 2020 insieme al bioinformatico Bryce Daines, Ph.D. I due facevano parte dell'Allen Institute of Artificial Intelligence (AI2), un istituto di ricerca fondato da Paul Allen, cofondatore di Microsoft. Secondo i fondatori, volevano inventare una piattaforma per la scoperta sistematica e ripetibile di terapie cellulari di nuova generazione, che potrebbero essere utilizzate per migliorare la lotta del sistema immunitario contro i tumori solidi. Bryan Hale è amministratore delegato presso l'incubatore AI2.  "La missione dell'Incubatore AI2 è aiutare i fondatori a lanciare aziende di intelligenza artificiale che hanno il potenziale per cambiare il mondo", ha affermato Hale . "Sfruttando l'intelligenza artificiale all'avanguardia per cercare trattamenti salvavita per i tumori solidi, Modulus ha il potenziale per un impatto davvero grande". Chris Picardo è investitore presso Madrona Venture Group.  "Modulus ha un obiettivo ambizioso e una piattaforma innovativa che combina il moderno apprendimento automatico , la biologia sintetica e l'automazione di laboratorio all'avanguardia per trattare i tumori e debellare il cancro", ha affermato Picardoas. “Il loro metodo sblocca un vero screening ad alto...
Continua a Leggere

La prossima generazione di Volvo con LiDAR e computer di guida autonomo alimentato dal sistema su chip NVIDIA DRIVE Orin

Nata come piccola impresa locale nel 1927, Volvo è diventata uno dei principali attori nel mercato delle soluzioni per il trasporto commerciale e le infrastrutture.  Nel maggio dello scorso anno, Volvo ha annunciato di aver scelto Luminar per fornire sensori lidar per la sua XC90 di prossima generazione. Il SUV sarà dotato di sensori all'avanguardia, tra cui la tecnologia LiDAR e un computer di guida autonomo alimentato dal sistema su chip NVIDIA DRIVE Orin. La suite di funzioni di sicurezza avanzate sarà uno standard sul successore della XC90 di Volvo Cars, presentato nel 2022. Sebbene Volvo non sarà il primo veicolo a utilizzare il lidar, molto probabilmente sarà il primo a includerlo come equipaggiamento standard. Segue l'esempio di Tesla integrando l'intera suite hardware come equipaggiamento standard sulla XC90, come ha fatto con il suo pilota automatico di seconda generazione nel 2016. Altri concorrenti sul mercato, Mercedes-Benz , BMW, Lucid e Xpeng, stanno pianificando prodotti futuri con lidar come opzione.  Che cos'è la tecnologia LiDAR? LiDAR sta per rilevamento e distanza della luce . È anche noto come scansione laser o 3D. La tecnologia crea una rappresentazione 3D dell'area utilizzando raggi laser sicuri per gli occhi e invia impulsi di luce a infrarossi nell'ambiente circostante. In base alla velocità della luce, la durata tra l'impulso laser in uscita e l'impulso laser riflesso consente al sensore LiDAR di determinare la distanza da ciascun oggetto. LiDAR raccoglie milioni di punti di misurazione della distanza così esatti ogni secondo per generare una matrice 3D dell'ambiente circostante. Questa mappatura completa dell'ambiente può fornire informazioni sulla posizione, la forma e il comportamento delle cose. Oggi la maggior parte dei veicoli semi-autonomi e autonomi utilizza tecnologie di sensori. La suite di sensori include il radar, che fornisce prestazioni superiori in qualsiasi condizione atmosferica e una maggiore precisione di distanza e veloc...
Continua a Leggere

Gli studi sull’intelligenza artificiale non considerano l’impatto negativo sui più deboli

Lo studio rileva che pochi importanti documenti di ricerca sull'IA considerano gli impatti negativi    Negli ultimi decenni, l'intelligenza artificiale è diventata una tecnologia pervasiva, che colpisce le aziende di tutti i settori e in tutto il mondo. Queste innovazioni nascono dalla ricerca e gli obiettivi della ricerca nel campo dell'IA sono influenzati da molti fattori. Insieme, questi fattori modellano i modelli in ciò che la ricerca realizza, così come chi ne trae vantaggio e chi no. Nel tentativo di documentare i fattori che influenzano la ricerca sull'IA, i ricercatori di Stanford, dell'Università della California, di Berkeley, dell'Università di Washington e dell'University College Dublin & Lero hanno esaminato 100 studi altamente citati presentati a due importanti conferenze sull'IA, NeurIPS e ICML. Sostengono che nei documenti che hanno analizzato, pubblicati nel 2008, 2009, 2018 e 2019, i valori dominanti sono stati resi operativi in ​​modi che centralizzano il potere, beneficiando in modo sproporzionato le società e trascurando i meno avvantaggiati della società.  "La nostra analisi di articoli altamente influenti nella disciplina rileva che non solo favoriscono i bisogni delle comunità di ricerca e delle grandi aziende rispetto ai bisogni sociali più ampi, ma anche che danno per scontato questo favoritismi", hanno scritto i coautori del documento. “Il favoritismo si manifesta nella scelta dei progetti, nella mancanza di considerazione dei potenziali impatti negativi e nella prioritizzazione e operatività di valori come prestazioni, generalizzazione, efficienza e novità. Questi valori sono resi operativi in ​​modi che sfavorerebbero i bisogni della società, di solito senza discussione o riconoscimento”. Negli articoli che hanno esaminato, i ricercatori hanno identificato "prestazioni", "sviluppo sul lavoro passato", "generalizzazione", "efficienza", "prove quantitative" e "novità" come i valori principali sposati dai coautori. Al contrario, i valor...
Continua a Leggere

Come funziona Meerkat? 

Incontra Meerkat, una nuova libreria di dati per gestire set di dati ML complessi Il wrangling dei dati è un processo di pulizia e unificazione di set di dati disordinati e complessi per un facile accesso e analisi. Recentemente, i ricercatori della Stanford University hanno lanciato una nuova libreria di dati chiamata Meerkat per lavorare con set di dati complessi di machine learning. Il codice sorgente del progetto è disponibile su GitHub .  I dati sono l'ossigeno per l'apprendimento automatico. Dai dati di addestramento e convalida alle previsioni future, agli incorporamenti e ai metadati, guida tutte le parti del processo di sviluppo del machine learning. Tuttavia, l'organizzazione e la gestione dei dati è impegnativa. La tua esperienza necessaria! Compila il nostro veloce Sondaggio A tal fine, i ricercatori di Stanford hanno proposto una nuova libreria Python per aiutare ricercatori e professionisti del machine learning a gestire i dati. Il wrangling dei dati è un processo di pulizia e unificazione di set di dati disordinati e complessi per un facile accesso e analisi.  Come funziona Meerkat? In un blog di Notion Press , "Meerkat: Datapanels for machine learning", i ricercatori di Stanford Sabri Eyuboglu, Arjun Desai e Karan Goel hanno parlato di alcune aree in cui Meerkat potrebbe risolvere la complessità dei dati nel ciclo di vita del machine learning. Le tecniche di manipolazione dei set di dati come affettare, modellare e trasformare i set di dati sono diventate una parte sempre più importante del processo di sviluppo. Poiché la qualità dei modelli e delle valutazioni di machine learning è principalmente un prodotto dei dati, viene dedicato più tempo all'ottimizzazione dei set di dati rispetto all'ottimizzazione dei modelli. La valutazione del modello sta emergendo come un nuovo collo di bottiglia durante la creazione di sistemi ML ad alte prestazioni. Ad esempio, i modelli sono stati mercificati nella misura in cui risorse come Model Hub di HuggingFace pos...
Continua a Leggere

Google con l’intelligenza artificiale monitora le variazioni del nome del vaccino COVID-19

Google sfrutta l'intelligenza artificiale per identificare le variazioni del nome del vaccino COVID-19  A maggio, durante la conferenza degli sviluppatori di Google I/O 2021, Google ha presentato una dimostrazione del modello unificato multitasking (MUM) , un sistema addestrato su 75 lingue contemporaneamente in grado di comprendere contemporaneamente diverse forme di informazioni tra cui testo, immagini e video. Oggi Google ha rivelato che sta utilizzando MUM per identificare le variazioni nei nomi dei vaccini COVID-19 in più lingue, il che secondo la società ha migliorato la capacità di Ricerca Google di far emergere informazioni sui vaccini COVID-19 per gli utenti di tutto il mondo. Come osserva Google, i vaccini COVID-19 rilasciati fino ad oggi, compresi quelli di AstraZeneca, Moderna e Pfizer, hanno nomi diversi a seconda del paese e della regione di origine. Ci sono circa centinaia di nomi di vaccini COVID-19 a livello globale, non tutti storicamente sono saliti in cima alla ricerca quando gli utenti digitavano frasi come "nuovi vaccini virali", "vaccini mrna" e "AZD1222".  MUM, che può trasferire la conoscenza tra le lingue e non ha bisogno di essere esplicitamente insegnato come completare determinate attività, ha aiutato gli ingegneri di Google a identificare più di 800 varianti di nome COVID-19 in oltre 50 lingue, secondo Pandu Nayak, vicepresidente di Google Search. Con solo pochi esempi di nomi di vaccini "ufficiali", la MUM è stata in grado di trovare variazioni interlinguistiche "in pochi secondi" rispetto alle settimane che potrebbero impiegare un team umano.   "Questa prima applicazione di MUM ha contribuito a fornire agli utenti di tutto il mondo informazioni importanti in modo tempestivo", ha affermato Nayak in un post sul blog tradotto dal giapponese. “Non vediamo l'ora di rendere la ricerca più comoda attraverso l'uso di MUM in futuro. I primi test hanno dimostrato che MUM non solo migliora i sistemi esistenti, ma aiuta anche a sviluppare nuovi m...
Continua a Leggere

Un sistema di intelligenza artificiale cinese ha sconfitto Fang Guoyu, un pilota Top Gun cinese, in un combattimento simulato

L'intelligenza artificiale cinese impara a battere il miglior pilota di caccia nel combattimento simulato Secondo i media cinesi, un sistema di intelligenza artificiale cinese ha sconfitto un pilota umano di punta in un combattimento aereo simulato. L'IA è stata contrapposta a Fang Guoyu, un capogruppo in una brigata di aviazione del PLA e un precedente campione in tali concorsi. "All'inizio, non è stato difficile vincere contro l'IA", ha affermato Fang in un articolo del Global Times , un quotidiano statale cinese. Ma mentre l'esercizio continuava, l'IA imparava da ogni incontro e migliorava costantemente. Alla fine è stato in grado di sconfiggere Fang usando le tattiche che aveva imparato da lui, insieme a velocità e precisione disumane.  "L'IA ha mostrato abili capacità di controllo del volo e decisioni tattiche prive di errori", ha affermato il comandante di brigata Du Jianfeng. L'esercizio cinese di mettere i piloti umani contro l'IA mira a migliorare entrambi. L'IA offre ai piloti un avversario nuovo e stimolante che pensa fuori dagli schemi e può inventare tattiche inaspettate, mentre ogni combattimento aereo aggiunge all'esperienza dell'IA e la aiuta a migliorare. Secondo il rapporto, l'intelligenza artificiale è stata sviluppata da un numero di istituti di ricerca non specificati che lavorano con la brigata dell'aviazione.   L'evento fa eco alla competizione AlphaDogfight della DARPA dell'anno scorso che ha visto i piloti umani e AI combattersi in F-16 simulati. Nei round iniziali, diverse IA hanno gareggiato per trovare la migliore. Nel round finale, l'IA vincente, Falco di Heron Systems , ha affrontato il campione umano, un pilota dell'aeronautica americana senza nome. L'IA ha trionfato, mettendo a segno una perfetta vittoria per 5-0 in una serie di incontri. Le IA hanno vantaggi significativi in ​​questa situazione. Uno è che sono senza paura e molto aggressivi rispetto ai piloti umani; un altro termine potrebbe essere imprudente. Possono reagire più vel...
Continua a Leggere
Top

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi