Home / Archive by category "APP Ai"

APP Ai

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

DeepMind AlphaFold 2

DeepMind open-source AlphaFold 2 per previsioni sulla struttura delle proteine  DeepMind questa settimana open-source AlphaFold 2 , il suo sistema di intelligenza artificiale che predice la forma di proteine, per accompagnare la pubblicazione di un articolo sulla rivista Nature . Con la base di codice ora disponibile, DeepMind spera di ampliare l'accesso a ricercatori e organizzazioni nel campo dell'assistenza sanitaria e delle scienze della vita.  La ricetta per le proteine ​​— grandi molecole costituite da amminoacidi che sono i mattoni fondamentali di tessuti, muscoli, capelli, enzimi, anticorpi e altre parti essenziali degli organismi viventi — è codificata nel DNA. Sono queste definizioni genetiche che circoscrivono le loro strutture tridimensionali, che a loro volta determinano le loro capacità. Ma il "folding" proteico, come viene chiamato, è notoriamente difficile da capire da una sola sequenza genetica corrispondente. Il DNA contiene solo informazioni sulle catene di residui di amminoacidi e non sulla forma finale di quelle catene. Nel dicembre 2018, DeepMind ha  tentato di affrontare la sfida del ripiegamento delle proteine ​​con AlphaFold, il prodotto di due anni di lavoro. La consociata Alphabet ha affermato all'epoca che AlphaFold poteva prevedere le strutture in modo più preciso rispetto alle soluzioni precedenti. Il suo successore, AlphaFold 2, annunciato nel dicembre 2020, lo ha migliorato per superare per la seconda volta i metodi di previsione del ripiegamento delle proteine ​​concorrenti. Nei risultati della 14a valutazione CASP (Critical Assessment of Structure Prediction), AlphaFold 2 presentava errori medi paragonabili alla larghezza di un atomo (o 0,1 di un nanometro), competitivi con i risultati dei metodi sperimentali.   AlphaFold trae ispirazione dai campi della biologia, della fisica e dell'apprendimento automatico. Sfrutta il fatto che una proteina ripiegata può essere pensata come un "grafico spaziale", in cui i residui di amminoacidi (a...
Continua a Leggere

Come funzione Hungryroot

Hungryroot offre un'esperienza alimentare basata sull'intelligenza artificiale  C'è Netflix per i film. Stitch Fix per i vestiti. Hungryroot , un servizio di consegna basato sull'intelligenza artificiale, spera di occupare una nicchia simile per i generi alimentari online negli Stati Uniti. Il sistema di raccomandazione utilizza un filtro collaborativo e un modello di apprendimento supervisionato per abbinare le preferenze dei consumatori agli alimenti. I clienti rispondono a domande sulle loro abitudini alimentari, i tipi di alimenti che piacciono a loro (e ai membri della famiglia), le dimensioni della famiglia, il budget e altro ancora. Su base settimanale, l'algoritmo Hungryroot prevede i generi alimentari che potrebbero piacere al cliente. Una volta che il cliente approva l'elenco, una scatola viene spedita da una delle tre sedi Hungryroot. I clienti ricevono anche una serie di ricette, anch'esse previste dall'algoritmo, che utilizzano gli ingredienti della settimana.  Neil Saunders, amministratore delegato della divisione retail di GlobalData, ha visto i rivenditori di generi alimentari di ogni tipo appoggiarsi all'intelligenza artificiale come un modo per prevedere meglio la domanda. "Con l'interruzione della pandemia e un numero maggiore di persone che acquistano generi alimentari online, la previsione della domanda è diventata sempre più difficile per i rivenditori e l'intelligenza artificiale può aiutarli a dare un senso ai dati e a prendere decisioni più accurate su cosa immagazzinare", afferma Saunders. La sfida alimentare basata sull'intelligenza artificialeHungryroot funziona su un modello di filtraggio collaborativo molto simile a Netflix, imparando dai Mi piace dei clienti nel tempo e unendo le loro preferenze con quelle degli altri. Ma le raccomandazioni basate sull'intelligenza artificiale per i generi alimentari sono impegnative, afferma il CTO Dave Kong. Per prima cosa, Netflix può consigliare film da una coda quasi infinita. Non ci sono vincoli ...
Continua a Leggere

Un rilevatore di bugie basato sull’intelligenza artificiale per le conversazioni in call center

I ricercatori in Germania hanno utilizzato l'apprendimento automatico per creare un sistema di analisi audio destinato principalmente a fungere da macchina della verità basata sull'intelligenza artificiale per i clienti nelle comunicazioni audio con call center e personale di supporto. Il sistema utilizza un set di dati appositamente creato di registrazioni audio da 40 studenti e insegnanti durante i dibattiti su argomenti controversi, tra cui la moralità della pena di morte e le tasse universitarie. Il modello è stato addestrato su un'architettura che utilizza le reti neurali convoluzionali (CNN) e la memoria a lungo termine a breve termine ( LSTM ) e ha raggiunto un tasso di precisione riportato del 98%. Sebbene l'intento dichiarato del lavoro citi le comunicazioni dei clienti, i ricercatori ammettono che funziona efficacemente come rivelatore di bugie di uso generale: 'I risultati sono applicabili a un'ampia gamma di processi di servizio e particolarmente utili per tutte le interazioni con i clienti che avvengono tramite telefono. L'algoritmo presentato può essere applicato in qualsiasi situazione in cui sia utile per l'agente sapere se un cliente sta parlando con la sua convinzione. 'Ciò potrebbe, ad esempio, portare a una riduzione dei reclami assicurativi dubbi o alle dichiarazioni non veritiere nei colloqui di lavoro. Ciò non solo ridurrebbe le perdite operative per le società di servizi, ma incoraggerebbe anche i clienti a essere più veritieri.' Generazione di set di datiIn assenza di un adeguato set di dati pubblicamente disponibile in lingua tedesca, i ricercatori della Neu-Ulm University of Applied Sciences (HNU) hanno creato il proprio materiale di partenza. I volantini sono stati affissi all'università e nelle scuole locali, con 40 volontari selezionati con un'età minima di 16 anni. I volontari sono stati pagati con un buono Amazon di 10 euro. Le sessioni sono state condotte su un modello di club di dibattito progettato per polarizzare l'opinione e su...
Continua a Leggere

Wu Dao 2.0 – L’intelligenza artificiale AI più grande, più forte e più veloce dalla Cina

Non è un segreto che la Cina abbia il COVID-19 sotto controllo. Quando viaggi lì devi passare una quarantena in hotel di 2 settimane, ma una volta che sei nel paese, sei al sicuro. Probabilmente anche più sicuro di prima del COVID, poiché indossare una maschera fa ora parte dell'etichetta e le molte altre malattie respiratorie virali rischiano di essere in declino. Quindi, quando sono stato invitato a parlare alla conferenza annuale della Beijing Academy of Artificial Intelligence (BAAI) nella sezione AI for healthcare, ho prontamente accettato. Il BAAI è un'ottima piattaforma per mostrare tecnologia e talento in ampie categorie. L'istituto senza scopo di lucro incoraggia gli scienziati ad affrontare i problemi e promuovere scoperte nelle teorie, negli strumenti, nei sistemi e nelle applicazioni dell'IA. Inoltre, la BAAI ha un focus unico sulla ricerca a lungo termine sulla tecnologia AI. L'intelligenza artificiale è grande in Cina. Così grande che oltre 70.000 persone si registrano per l'evento e molti altri si sintonizzano per guardare le presentazioni BAAI dopo l'evento. E possono presentare approcci, algoritmi, sistemi e applicazioni molto nuovi. Tuttavia, il vero successo al BAAI è stato Wu Dao 2.0, un sistema che ha superato il GPT-3 di OpenAI in molti modi. L'Enciclopedia Britannica definisce il linguaggio come un "sistema di simboli convenzionali parlati, manuali o scritti mediante i quali gli esseri umani, in quanto membri di un gruppo sociale e partecipanti alla sua cultura, si esprimono". Possiamo concludere da questa definizione che il linguaggio è parte integrante della connessione umana. Non solo ci permette di condividere idee, pensieri e sentimenti tra di noi, il linguaggio ci permette anche di creare e costruire società e imperi. In parole semplici: il linguaggio ci rende umani. Secondo il professor Gareth Gaskell del Dipartimento di Psicologia dell'Università di York, il ventenne medio conosce tra 27.000 e 52.000 parole diverse. All'età di 60 anni,...
Continua a Leggere

Google Intrinsic

Google Parent svela Intrinsic: un'"altra scommessa" destinata a innovare e scalare i robot industrialiJohan MorenoCollaboratore  La società madre di Google, Alphabet, vuole rendere la costruzione, l'acquisto e l'addestramento di un robot industriale facile come acquistare un personal computer. Questo è stato il messaggio inviato oggi quando la società ha annunciato la sua ultima “Other Bet” — Intrinsic . Intrinsic è una società di software di robotica e intelligenza artificiale, derivata dalla "fabbrica Moonshot" di Alphabet X, dove l'azienda sperimenta una miriade di progetti di ricerca e sviluppo che vivono al di fuori delle attività principali dell'azienda. I robot industriali consentono alle aziende di produrre prodotti a un ritmo più veloce, in ambienti più piccoli e in modo più sostenibile. Tuttavia, i robot sono accessibili solo da una manciata di grandi aziende ed esperti di robotica a causa della complessità legata all'addestramento delle macchine.  I robot sono limitati nell'esecuzione di un determinato numero di attività e possono essere costosi da acquistare, configurare e utilizzare. In alcuni casi, i programmatori specializzati possono impiegare centinaia di ore a codificare i robot per eseguire compiti specifici. I robot industriali tradizionalmente mancano della percezione o delle abilità tattili necessarie per eseguire determinati compiti, come levigare oggetti di diverse forme e dimensioni. Date queste sfide, il team X di Alphabet credeva di poter utilizzare le scoperte nella robotica e nell'intelligenza artificiale per aiutare a reimmaginare le capacità dei robot industriali. Così ha reclutato un team di esperti nel campo della robotica, della percezione del computer, della progettazione meccanica e persino della produzione cinematografica. Incuba questa tecnologia da oltre 5 anni e il team includeva molte persone che hanno lavorato per aziende di robotica acquisite da Google in passato. Intrinsic sta sviluppando software e strumenti di intelligen...
Continua a Leggere

GPT-J di EleutherAI vs GPT-3 di OpenAI

Il GPT-3 di OpenAI non è così aperto ha un cugino open source GPT-J, della casa di EleutherAI . Controlla il codice sorgente sul notebook Colab e una demo web gratuita qui .  EleutherAI, fondata da Connor Leahy, Leo Gao e Sid Black, è un gruppo di ricerca focalizzato sull'allineamento dell'IA, il ridimensionamento e la ricerca sull'IA open-source. Nel marzo 2021, la società ha rilasciato due modelli GPT-Neo con rispettivamente 1,3 miliardi e 2,7 miliardi di parametri.    Microsoft ha l'accesso esclusivo al codice sorgente di GPT-3 come parte di un accordo più ampio tra le due società. Microsoft ha investito 1 miliardo di dollari . È interessante notare che GPT-1 e GPT-2 di OpenAI sono progetti open source. Eleuthera AIIl progetto EleutherAI è iniziato il 3 luglio 2020, con l'obiettivo di replicare i modelli della famiglia OpenAI GPT . La stella polare del gruppo di ricerca è replicare GPT-3 175 miliardi di parametri e "rompere il monopolio OpenAI-Microsoft" su modelli linguistici basati su trasformatori. Tuttavia, per costruire modelli così potenti, è necessaria una quantità enorme di potenza di calcolo. EleutherAI è attualmente supportato da Google e CoreWeave (provider di cloud computing). CoreWeave ha offerto elaborazione GPU ad alte prestazioni per sviluppare modelli futuri con GPT-NeoX.  GPT-NeoX è un codice in fase di sviluppo basato su Megatron-LM e DeepSpeed ed è progettato per le GPU. Il suo GPT-Neo, d'altra parte, è un codebase costruito su Mesh Tensorflow , progettato per l'allenamento su TPU. Oltre a questo, il gruppo di ricerca ha creato 825 gigabyte (GB) di set di dati di modellazione del linguaggio chiamato The Pile , a cura di un set di set di dati tra cui arXiv, GitHub, Wikipedia, StackExchange, HackerNews, ecc.  Ora ha lanciato GPT-J, uno dei modelli più grandi che EleutherAI ha rilasciato fino ad oggi. GPT-J è un modello di 6 miliardi di parametri addestrato su The Pile , paragonabile in termini di prestazioni alla versione GPT-3 di dimension...
Continua a Leggere

Come funziona SparkBeyond 

Questa intelligenza artificiale pone domande, trova risposte e suggerisce azioni, tutto su larga scala La pandemia di Covid-19 ci ha rivelato una verità molto scomoda: nonostante tutti i progressi tecnologici dell'ultimo secolo e mezzo, le nostre vite possono essere fermate e distrutte all'improvviso e inaspettatamente da una piaga invisibile. L'entusiasmo per la più recente scoperta tecnologica, l'intelligenza artificiale o l'apprendimento profondo, ha incontrato la triste realtà della nostra incapacità di prepararci, gestire e superare adeguatamente le sfide più importanti e consequenziali della società. Mentre DeepMind di Google si preparava a "risolvere l'intelligenza", ovvero a far progredire lo stato dell'intelligenza artificiale e quindi utilizzare l'auspicata "intelligenza superiore" per risolvere le sfide dell'umanità, Sagie Davidovich e Ron Karidi hanno co-fondato SparkBeyond 7 anni fa "per sfruttare l'intelligenza collettiva mondiale per risolvere le sfide più difficili del mondo”. Miravano a utilizzare l'intelligenza artificiale, gli algoritmi e le conoscenze esistenti per migliorare le capacità di risoluzione dei problemi dell'umanità. Ancora più importante, SparkBeyond voleva andare oltre l'uso tipico dell'intelligenza artificiale che è fondamentalmente un'estensione e un aggiornamento di ciò che è stato chiamato "analisi predittiva" prima degli anni 2010. "Ci concentriamo sulla creazione di un'idea che possa cambiare un sistema, risolvere un problema, piuttosto che reagire attraverso una migliore analisi predittiva", afferma Davidovich, CEO di SparkBeyond. E aggiunge: “Invece di prevedere dove colpirà il prossimo fulmine, possiamo provare a inventare il parafulmine”.   Per utilizzare l'intelligenza artificiale come strumento per elaborare nuove idee e nuove soluzioni, SparkBeyond ha prima creato una libreria completa di algoritmi. Ciò gli ha fornito quello che Davidovich chiama "un motore di ipotesi", producendo idee su larga scala, un numero di possi...
Continua a Leggere

Il nuovo Instagram sembra TikTok

Il nuovo piano di Instagram lo fa assomigliare molto a TikTok Instagram ha una vasta comunità di creatori di contenuti, sia professionisti che dilettanti, che tendono a influenzare i viaggi, la moda e persino la politica. In che modo Coca-Cola e PepsiCo utilizzano l'intelligenza artificiale per promuovere l'innovazione"Icambiamenti stanno arrivando", ha twittato il capo di Instagram di Facebook, Adam Mosseri, all'inizio di questa settimana in un video che ha caricato questa settimana . Ciò implica la creazione di "Nuove esperienze principalmente in quattro aree": i creatori di Instagram, l'esperienza di acquisto, gli strumenti di messaggistica e la piattaforma video.  Instagram ha una vasta comunità di creatori di contenuti , sia professionisti che amatoriali, che tendono a influenzare i viaggi, la moda e persino la politica. Secondo Mosseri, la crescente importanza della community di creatori di Instagram deriva dal passaggio di potere dalle istituzioni agli individui in tutti i settori.    Il prossimo obiettivo dell'agenda di Instagram è migliorare l'esperienza di acquisto della piattaforma di social media. Con la digitalizzazione che ha un forte impatto sui settori dello shopping e del commercio, molti sono inclini allo shopping online. La tendenza si è ulteriormente intensificata durante la pandemia, rendendo ancora più sensato per piattaforme come Instagram e Facebook capitalizzare questi cambiamenti espandendo le proprie capacità. Questo passaggio è anche in linea con la promozione di Facebook Pay, il portale di pagamento interno dei giganti della tecnologia lanciato di recente, Facebook Pay , che gli utenti possono utilizzare per pagare questi nuovi prodotti sulle pagine dello shopping di Instagram.  Il terzo della lista è la messaggistica. Adam ha detto: "Il modo in cui le persone si connettono con i loro amici intimi è cambiato molto negli ultimi cinque anni circa, e si è spostato principalmente sulla messaggistica", più di altre funzionalità come feed e st...
Continua a Leggere

Quanto è stato davvero utile il premio Netflix?

 In che modo le organizzazioni sfruttano l'analisi per creare una forza lavoro esperta di datiNel 2006, il popolare servizio di streaming Netflix ha lanciato un concorso da 1 milione di dollari, invitando ricercatori, studenti e matematici a tentare di migliorare l'algoritmo di raccomandazione di Netflix. Le regole per la competizione erano costruire un algoritmo che battesse Cinematch, l'algoritmo di base di Netflix del 10 percento. Oggi, molte persone mettono in dubbio l'utilità di questa competizione e dei concorsi algoritmici aperti nel suo insieme.  Il Premio NetflixL'ex direttore tecnico di Netflix Xavier Amatriain crede che nel 2006 non esistesse Kaggle e l'open source quando è stato introdotto il Premio Netflix. E l'intelligenza artificiale (AI) era a malapena rilevante come lo sono oggi. Considerando questo, il Premio Netflix deve essere sembrata una brillante opportunità per molti programmatori. Il set di formazione consisteva di circa 100 milioni di punti dati, tra cui un utente, un film, una data e una valutazione da una a cinque stelle. I partecipanti hanno anche avuto accesso a un set di dati di convalida pubblico più piccolo noto come "probe", che aveva circa 1,5 milioni di punti dati senza alcuna valutazione. Infine, i partecipanti avevano due serie di test che nascondevano loro le valutazioni. Quindi, per testare il proprio algoritmo, dovrebbero sottoporre le loro previsioni a un test quiz, dopo di che otterrebbero indietro l'accuratezza misurata in un Root Mean Squared Error (RSME). Tuttavia, i premi annuali di progresso e il primo premio sono stati misurati rispetto a un set di test diverso.  Dopo circa tre anni di intensa collaborazione, Pragmatic Chaos di BellKor ha vinto il primo premio di 1 milione di dollari. Il team era ibrido , composto da KorBell (un gruppo di ricercatori della società di telecomunicazioni AT&T, che ha anche vinto il primo Progress Prize nel 2007, una pietra miliare nella competizione), il team austriaco Big Chaos e il...
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