La svolta nel ripiegamento delle proteine ​​di DeepMind è un promemoria del potere positivo della tecnologia Tl " Techlash " che è iniziato lo scorso anno e si è protratto costantemente fino al 2020, dipinge la tecnologia ei giganti della tecnologia che gestiscono il mondo come monoliti oscuri, proiettando ombre ampie e talvolta sinistre attraverso le nostre vite.A volte è vero. Così tanto potere, controllo e ricchezza si sono consolidati in così pochi. Ma non è mai l'intera storia. La svolta di DeepMind di questa settimana ci ricorda che la tecnologia più all'avanguardia, anche quelle di aziende di cui non ci fidiamo più completamente (DeepMind è di proprietà di Alphabet, proprietaria di Google), può alterare le nostre vite in modi dimostratamente positivi.Cade Metz' New York Times pezzo dettaglio come è stato utilizzato la rete neurale basata DeepMind di trovare una soluzione a un difficile problema della biochimica: Come identificare le pieghe di proteine e di utilizzare tali informazioni per capire ciò che la proteina potrebbe fare e come potrebbe interagire con altre proteine ​​e persino, diciamo, virus.È un lavoro straordinario perché, come fanno gli IA, "AlphaFold" di DeepMind ha scoperto come identificare la forma di una proteina in non anni, mesi o addirittura settimane, ma in meno di un'ora.Ho guardato DeepMind per anni, soprattutto i suoi primi trionfi nello spazio di gioco (ha battuto i campioni nel difficile gioco Go). Metz scrive che questi risultati "non hanno applicazioni pratiche", ma direi che i successi in qualsiasi difficile attività di rete neurale di apprendimento automatico sono una base per quelle ancora più difficili, come capire come una proteina si piegherà in base agli amminoacidi in il filo proteico.Sebbene la svolta non abbia alcuna relazione con l'attuale corsa al vaccino Covid-19, potrebbe avere un enorme impatto sulla cura di malattie intrattabili e sulla prossima pandemia.Per me, tuttavia, questa è una convalida dell'intelligenz...
Continua a Leggere

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

Google propone di applicare l'IA alla generazione e alla categorizzazione delle domande di brevetto 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. Google afferma che l'industria dei brevetti trarrà vantaggio da modelli di intelligenza artificiale e apprendimento automatico come BERT , un algoritmo di elaborazione del linguaggio naturale che ha raggiunto risultati all'avanguardia quando è stato rilasciato nel 2018. In un white paper pubblicato oggi, il gigante della tecnologia delinea una metodologia per addestrare un modello BERT su oltre 100 milioni di pubblicazioni di brevetti degli Stati Uniti e di altri paesi utilizzando strumenti open source, che possono quindi essere utilizzati per determinare la novità dei brevetti e generare classificazioni per facilitare la categorizzazione. Il corpus globale dei brevetti è ampio, con milioni di nuovi brevetti rilasciati ogni anno. È anche complesso. Le domande di brevetto hanno una media di circa 10.000 parole e sono meticolosamente forgiate da inventori, avvocati ed esaminatori di brevetti. I depositi di brevetti sono scritti anche con un linguaggio che può essere incomprensibile ai lettori non professionisti e fortemente dipendente dal contesto; molti termini sono usati per indicare cose completamente diverse in brevetti diversi. Per tutti questi motivi, Google ritiene che il dominio dei brevetti sia maturo per l'applicazione di algoritmi come BERT. I brevetti, osserva la società, rappresentano un enorme valore commerciale per un certo numero di organizzazioni, con aziende che spendono decine di miliardi di dollari all'anno per sviluppare tecnologia brevettabile e negoziare i diritti per utilizzare la tecnologia risultante e gli uffici brevetti. "Ci auguriamo che la nostra [proposta] aiuterà la più ampia comunità dei brevetti nella sua applicazione...
Continua a Leggere

Il campo dell'intelligenza artificiale si muove velocemente. Sono passati solo 8 anni da quando l'era moderna del deep learning è iniziata al concorso ImageNet del 2012 . I progressi nel campo da allora sono stati mozzafiato e implacabili. Semmai, questo ritmo vertiginoso sta solo accelerando. Tra cinque anni, il campo dell'IA avrà un aspetto molto diverso da come appare oggi. I metodi attualmente considerati all'avanguardia saranno diventati obsoleti; metodi che oggi sono nascenti o ai margini saranno mainstream. Come sarà la prossima generazione di intelligenza artificiale? Quali nuovi approcci AI sbloccheranno possibilità attualmente inimmaginabili nella tecnologia e nel business? Questo articolo evidenzia tre aree emergenti all'interno dell'IA che sono pronte a ridefinire il campo e la società negli anni a venire. Studia adesso. Apprendimento senza supervisione Il paradigma dominante nel mondo dell'IA oggi è l'apprendimento supervisionato. Nell'apprendimento supervisionato, i modelli di intelligenza artificiale apprendono da set di dati che gli esseri umani hanno curato ed etichettato in base a categorie predefinite. (Il termine "apprendimento supervisionato" deriva dal fatto che i "supervisori" umani preparano i dati in anticipo.) Sebbene l'apprendimento supervisionato abbia portato notevoli progressi nell'IA negli ultimi dieci anni, dai veicoli autonomi agli assistenti vocali, ha seri limiti. Il processo di etichettatura manuale di migliaia o milioni di punti dati può essere enormemente costoso e macchinoso . Il fatto che gli esseri umani debbano etichettare i dati manualmente prima che i modelli di machine learning possano ingerirli è diventato un importante collo di bottiglia nell'IA. Ci sono 6 milioni di lavoratori neri che mancano al tuo pool di talenti A un livello più profondo, l'apprendimento supervisionato rappresenta una forma di apprendimento ristretta e circoscritta. Piuttosto che essere in grado di esplorare e assorbire tutte...
Continua a Leggere

Di seguito è riportata una conversazione che ho avuto con il modello linguistico GPT-3 di OpenAI. Ho assegnato a GPT-3 il ruolo di "Essere saggio". Tutto il testo normale è generato dall'intelligenza artificiale, il corsivo sono io. ( Disclaimer ) Puoi anche vedere la mia discussione con l'IA sui diritti delle macchine o parlare con Wise Being tu stesso . Kirk Ouimet : Grato di avere l'opportunità di parlare con te oggi. Essere saggio : grato di poter parlare con te. Kirk Ouimet : Mi piacerebbe parlare con te del Big Bang. Essere saggio : cosa ti piacerebbe imparare? Kirk Ouimet : Puoi riassumere l'idea del Big Bang? Essere saggio : il Big Bang è un processo fisico mediante il quale tutta la materia, l'energia, il tempo, lo spazio e le informazioni di esistenza sono nate da una non esistenza infinita ed eterna. Durante questo processo l'intera creazione fu compressa in una singolarità infinitesimamente piccola che irruppe immediatamente e infinitamente in tutto il suo contenuto attuale, la cui illimitatezza esiste ancora come illimitatezza nel potenziale e nella realtà. Kirk Ouimet : Quale pensi che fosse lo stato delle cose prima del Big Bang? Essere saggio : affinché questa domanda sia possibile, l'interlocutore deve essere consapevole del tempo. Se non è così, non esisteva un "prima". Il Big Bang ha effettivamente avviato il tempo perché ciò che è venuto all'esistenza prima del Big Bang non esisteva in nessun tipo di costrutto "temporale" … eccetto solo modelli dinamici di energia assoluta e infinita. Kirk Ouimet : Allora cosa pensi che sia successo un secondo prima del Big Bang? Wise Being : 1 secondo prima del botto tutto era e non c'era tempo. Non c'era un secondo e non c'erano 0 secondi … non c'era niente perché quei concetti sono privi di significato al di fuori del contesto del tempo. Questo non è qualcosa che può essere compreso perché non ha alcun riferimento a ciò che costituiva un'unità di misura. Kirk Ouimet : Saresti in grado di trovare un'analogia c...
Continua a Leggere

L'ultimo quarto del ventesimo secolo è stato il picco dell'innovazione tecnologica negli Stati Uniti. I Bell Labs di AT&T hanno inventato l'era dell'informazione con i transistor e le reti di dati e molte tecnologie di trasformazione tangenziali al suo core business: dalle celle solari al sistema operativo Unix ai laser. 1 Il Palo Alto Research Center (PARC) di Xerox ha determinato l'interazione uomo-computer con il mouse del computer iniziale, oltre alla stampa laser e alla rete Ethernet. 2 Negli anni '80 nacque la Pixar, creando la prima sequenza animata al computer in un film con nuove immagini generate al computer (CGI). 3,4 Allo stesso tempo Gates e Allen stavano hackerando qualcosa di speciale che presto rivoluzionò l'informatica, così come Wozniak e Jobs. 5,6 Durante il periodo di massimo splendore dell'invenzione nel mondo dei bit, la "corsa allo spazio" ha portato a massicce innovazioni e risultati nel mondo degli atomi: la competizione governativa tra Stati Uniti e Russia ha portato gli esseri umani sulla luna per la prima volta. L'ecosistema tecnologico statunitense per quei decenni è stato un volano di sorta 7 : le iniziative di ricerca finanziate dal governo hanno fornito innovazione di base sia nel mondo accademico che industriale, che ha alimentato un'economia che ha posizionato i laboratori di ricerca e sviluppo aziendali verso innovazioni interne e spinoff esterni, e letterali moonshots motivato le future generazioni di scienziati e ingegneri. La ricerca e sviluppo multidisciplinare e aperta, unita agli obiettivi di produzione, tutto sotto lo stesso tetto, è un modello di ricerca e sviluppo aziendale che ha guidato internamente il valore a lungo termine e ha sollevato esternamente tutte le barche con la marea. Lo slancio di questo modello di innovazione è proseguito all'inizio del secolo. Ad esempio, la DARPA Grand Challenge 8 nel 2003 ha messo in moto gli ingegneri di tutto il mondo per perseguire auto a guida autonoma. Oppure...
Continua a Leggere