Home / Archive by category "Filosofia e IA"

Filosofia e IA

L’intelligenza artificiale è un buon giudice di causa ed effetto?

 I ricercatori di Stanford hanno sviluppato un modello computazionale per capire come gli esseri umani giudicano la causalità in situazioni fisiche dinamiche. "Il ragionamento causale è una componente indispensabile del pensiero umano che dovrebbe essere formalizzato e algoritmizzato per raggiungere l'intelligenza della macchina a livello umano". Perla della GiudeaIncorporare le intuizioni della ricerca psicologica negli algoritmi è complicato poiché il primo non è esattamente una metrica quantificabile. Ma può essere molto utile in quanto gli algoritmi si stanno avventurando in un mondo pieno di "problemi di carrelli" sotto forma di auto a guida autonoma e diagnosi mediche.  Tobias Gerstenbeg, assistente professore di psicologia a Stanford, crede che fornendo una caratterizzazione più quantitativa di una teoria del comportamento umano e istanziandola in un programma per computer, possiamo rendere più facile per un informatico incorporare tali intuizioni in un sistema di intelligenza artificiale. Gerstenbeg e i suoi colleghi di Stanford hanno sviluppato un modello computazionale per capire come gli esseri umani giudicano la causalità in situazioni fisiche dinamiche. Registrati al nostro prossimo webinar sulle piattaforme dati Informazioni sul modello  Nel loro articolo sul modello di simulazione controfattuale (CSM) del giudizio causale, i ricercatori iniziano a fare tre ipotesi chiave: I giudizi causali riguardano il fare la differenza.La creazione di differenze per eventi particolari si esprime al meglio in termini di contrasti controfattuali rispetto ai modelli causali.Esistono molteplici aspetti della causalità che corrispondono a diversi modi di fare la differenza nell'esito che determinano congiuntamente i giudizi causali delle persone. Come caso di studio, i ricercatori hanno prima applicato il CSM per spiegare i giudizi causali delle persone sugli eventi di collisione dinamica. Hanno considerato una palla da biliardo simulata B come mostrato sopra che entra ...
Continua a Leggere

In che modo l’intelligenza artificiale sta cambiando la natura dell’analisi 

In che modo l'intelligenza artificiale sta cambiando la natura dell'analisi  Qual è la posizione della tua azienda nella curva di adozione dell'AI? Partecipa al nostro sondaggio sull'intelligenza artificiale per scoprirlo.Al centro, l'intelligenza artificiale è uno strumento di analisi. Il suo valore deriva dalla capacità di analizzare enormi quantità di dati, senza la supervisione umana diretta, per identificare modelli e anomalie che possono essere poi utilizzati. Ma poiché l'analisi guidata dall'uomo esiste da secoli, antecedentemente all'era moderna dei computer, in che modo questa nuova generazione di tecnologia cambierà il gioco? E come possono le organizzazioni assicurarsi di ottenere il massimo dai propri soldi una volta che questa tecnologia è stata introdotta negli ambienti di produzione?  Una questione di contestoL'elemento chiave che l'intelligenza artificiale apporta all'analisi è il contesto, hanno recentemente scritto sulla Harvard Business Review Joey Fitts di Oracle e il ricercatore del MIT Tom Davenport . Nell'analisi tradizionale, l'analista era raramente un esperto del sistema o del processo analizzato. Conoscevano l'analisi, non il marketing o le vendite o il networking dei dati. Le loro raccomandazioni finali spesso mancavano del contesto che può derivare solo da un'ampia conoscenza ed esperienza. In un framework basato sull'intelligenza artificiale, tuttavia, un algoritmo può essere addestrato per "capire" ciò che sta analizzando e può quindi incorporare molti più dati a un ritmo molto più veloce per fornire risultati altamente contestualizzati. In definitiva, questo dovrebbe spingere questi potenti strumenti di analisi alle persone che li richiedono in modo che gli esperti di analisi possano dedicare il loro tempo a ciò che sanno fare meglio: creare i modelli necessari per rendere l'analisi dell'intelligenza artificiale più veloce e più accurata. Questa esigenza di contesto è illustrata al meglio se applicata a una funzione aziendale comune, ...
Continua a Leggere

“Pensatori e innovatori”: un’intervista a Marcus Du Sautoy

La serie "Thinkers and Innovators" esplora la scienza e la filosofia del cervello e della mente con alcuni dei più importanti esperti di lungimiranza del mondo. Esplora anche le tecnologie utilizzate per lo studio e l'interfaccia con il cervello, nonché le tecnologie motivate dal cervello, come l'apprendimento automatico e l'intelligenza artificiale.  Marcus du Sautoy è professore di matematica e Charles Simonyi professore di Public Understanding of Science presso l'Università di Oxford. È ampiamente conosciuto per il suo lavoro volto a educare e divulgare la scienza e la matematica a un pubblico generale. Ha scritto numerosi libri popolari, tra cui "The Creativity Code - Art and Innovation in the Age of AI" e "The Great Unknown - Seven Journeys to the Frontiers of Science". È anche conduttore di numerosi documentari per la BBC. La ricerca del Professor du Sautoy si concentra sulla teoria dei numeri, utilizzando una vasta gamma di argomenti come la teoria dei modelli, la geometria algebrica e i metodi analitici. Ha numerosi premi e riconoscimenti, tra cui essere stato eletto Fellow della Royal Society nel 2016 e insignito del prestigioso Berwick Prize dalla London Mathematical Society nel 2001. Hai riflettuto molto sulla creatività e su cosa significa per gli umani – e per il cervello umano – rispetto a cosa significa per macchine e algoritmi. Perché è stato di tale interesse? Credo che la matematica sia altamente creativa, quindi volevo sapere se una macchina potesse davvero fare quello che faccio. Mi sono ritrovato in un comitato della Royal Society ad esplorare l'impatto che l'apprendimento automatico avrebbe avuto sulla società nei prossimi dieci anni, ma questo è stato a un punto in cui se avessi detto l'apprendimento automatico a qualcuno gli sarebbe andato dritto . Ci sono alcuni algoritmi molto interessanti e potenti là fuori. Abbiamo ricevuto materiale così interessante da diverse aree della società. Ad esempio, in medicina sta avendo un impatto enorme, anc...
Continua a Leggere

La idiozia dell’intelligenza artificiale ultraspecifica : L’esperienza utente (UX) diventa rapidamente secondaria rispetto al successo dell’algoritmo nel suo compito ristretto

Perché la UX dovrebbe guidare l'AI  Se abbiamo bisogno di imparare una cosa sulle numerose applicazioni di intelligenza artificiale che ci circondano oggi, è che sono esempi di "intelligenza artificiale specifica". In altre parole, si basano su algoritmi che sono ottimi per compiti molto particolari, come selezionare un film in base alla nostra cronologia di visione o mantenere la nostra auto nella corsia corretta in autostrada. Poiché è così altamente specializzato, l'intelligenza artificiale supera di gran lunga l'intelligenza umana in quei compiti strettamente definiti. Prendilo da una persona che di recente ha trascorso 50 minuti a scegliere un film che è durato 77 minuti. Tuttavia, l'efficacia dell'IA in lavori specializzati ha il prezzo di una grave cecità al contesto e di una generale incapacità di sviluppare cicli di feedback significativi: l'algoritmo tipico non considera e non può considerare le implicazioni più ampie delle decisioni che prende e difficilmente offre a noi utenti alcun controllo funzionamento interno. Ma la comodità di questi algoritmi - che ci mostrano il percorso migliore per la nostra destinazione o ci consigliano un articolo per la nostra lista della spesa - ci culla in un pericoloso culto dell'intelligenza artificiale che gradualmente spinge i nostri bisogni umani fuori dal quadro. L'esperienza utente (UX) diventa rapidamente secondaria rispetto al successo dell'algoritmo nel suo compito ristretto.  Ciò alla fine si traduce in una serie di aberrazioni che noi utenti non dovremmo accettare in silenzio perché hanno un effetto smisurato sulla nostra vita quotidiana e sulla nostra cognizione. AIX: la fusione trendy e incompresa di "AI" e "UX" di oggiI fornitori di oggi di applicazioni AI ultra specifiche commettono un errore fondamentale: adattano i parametri dell'esperienza utente alla funzionalità di un algoritmo e non viceversa. In termini pratici, ciò significa che gli algoritmi hanno l'ultima parola su ciò che guardiamo, ciò che acqui...
Continua a Leggere

Il Generative Adversarial Network viene utilizzato per creare set di dati sintetici di immagini di ferite

Per la prima volta, un Generative Adversarial Network viene utilizzato per creare set di dati sintetici di immagini di ferite, al fine di ovviare a una mancanza critica di contenuti diversificati e accessibili di questo tipo nelle applicazioni di machine learning per l' assistenza sanitaria . Il sistema, denominato WG 2 AN , è una collaborazione tra il Batten College of Engineering & Technology e la società di assistenza sanitaria AI eKare, specializzata nell'applicazione di metodologie di machine learning alla misurazione e identificazione delle ferite. Il GAN ​​è formato su 100-4000 immagini di ferite croniche stereoscopiche etichettate fornite da eKare, comprese immagini anonime di tipi di lesioni da cause quali pressione, interventi chirurgici, incidenti linfovascolari, diabete e ustioni. Il materiale sorgente variava in dimensioni comprese tra 1224 × 1224 e 2160 × 2160, tutte prese sotto la luce disponibile dai medici. Per accogliere lo spazio latente disponibile nell'architettura di addestramento del modello, le immagini sono state ridimensionate a 512 × 512 ed estratte dai rispettivi sfondi. Per studiare l'effetto della dimensione del set di dati, sono state implementate esecuzioni di test su batch di 100, 250, 500, 1000, 2000 e 4000 immagini. L'immagine sopra mostra un dettaglio e una granularità crescenti in base alle dimensioni del set di allenamento contributivo e al numero di epoche eseguite su ciascun passaggio. WG 2 GAN funziona su PyTorch su una configurazione in stile consumer relativamente snella, con 8 GB di VRAM su una GPU GTX 1080. La formazione ha richiesto tra le 4 e le 58 ore sulla gamma di dimensioni del set di dati da 100-4000 immagini e su una gamma di epoche, su una dimensione del lotto di 64 come compromesso tra precisione e prestazioni. Adam Optimizer viene utilizzato per la prima metà dell'addestramento a una velocità di apprendimento di 0,0002 e si conclude con una velocità di apprendimento a decadimento lineare fin...
Continua a Leggere

Intelligenza artificiale: stiamo sbagliando tutto?

Oggigiorno l'intelligenza artificiale o l'etichetta "AI" viene applicata a quasi tutto ciò che è elettronico, dagli spazzolini "intelligenti" ai supercomputer per la cura del cancro. Se sei come me, sei diventato stanco della rubrica AI, rendendoti conto che siamo ancora molto lontani dalla vera intelligenza nelle macchine. E adesso cosa? Jeff Hawkins è co-fondatore della società di machine intelligence Numenta e autore di un nuovo libro "A Thousand Brains: A New Theory of Intelligence" che offre una teoria su ciò che manca nell'intelligenza artificiale attuale. Normalmente non faccio interviste agli autori, ma Jeff ha una storia di sapere dove stanno andando le cose in tecnologia, incluso, a mio parere, essere uno sviluppatore principale del moderno smartphone di Handspring e Palm. Il libro di Hawkins si prende cura di spiegare come la neocorteccia - il grande strato esterno contorto del cervello umano - utilizza "quadri di riferimento" di percezione, migliaia dei quali creano la nostra comprensione di tutto, dalla forma di un semplice oggetto alla natura di un concetto complesso come la matematica. "Tutto ciò che impari o vedi, ogni informazione che hai è memorizzata in questi frame di riferimento, quasi come i modelli CAD", afferma Hawkins. Un'altra tecnica del cervello a cui Hawkins attribuisce l'intelligenza umana è "votare" attraverso questi quadri di riferimento per creare modelli che percepiscono, prevedono e, in modo critico, immaginano nuovi stati di concetti o oggetti. "La teoria delle 'migliaia di cervelli' è che esistono migliaia di questi modelli e sono tutti costruiti su sistemi di riferimento", afferma Hawkins, facendo una distinzione tra la percezione umana e il calcolo più semplice della macchina. "Questa sarà la base per il modo in cui costruiremo macchine veramente intelligenti".
Continua a Leggere

L’intelligenza artificiale AI può cambiare il modo in cui sperimentiamo l’amore

In che modo le tecnologie emergenti possono influire sull'amore? Le tecnologie esistenti possono cambiare il modo in cui sperimentiamo l'amore e ciò può influire sul modo in cui reagiamo alle relazioni romantiche in futuroIn che modo le tecnologie emergenti possono influire sull'amore? Nel film del 2013 Her, Theodore, una recente divorziata, si innamora di un'assistente virtuale AI , Samantha. La "sua" empatia, perspicacia, arguzia e umanità fanno appassionare Theodore alla cieca. La sua testa è nella nuvola nove finché la realtà non lo colpisce come una tonnellata di mattoni: Samantha è nel business dell'anima gemella, con una clientela in crescita. Con algoritmi in grado di quantificare l'amore, i social-robot e i robot sessuali per le relazioni romantiche, le tecnologie avranno un impatto significativo sul modo in cui gli esseri umani hanno tradizionalmente percepito l'amore. In questo articolo, proviamo a capire la natura mutevole dell'amore sulla base di uno studio recente . Dov'è l'amoreCome valuti l'amore? Le persone hanno idee o associazioni diverse quando si tratta di cose dai molti splendori. Per alcuni, l'amore consiste nel trovare la coppia perfetta. Per altri, si tratta di stare con l'Uno; unico e insostituibile. Per alcune persone, si tratta di impegno, una virtù a cui aderisci per tutta la vita. Le definizioni variano, ma la verità indiscutibile dell'amore è senza tempo. O è? La tecnologia sta influenzando quasi ogni aspetto della nostra vita, incluso il modo in cui viviamo e percepiamo il mondo. "Penso che sia importante riflettere sull'impatto delle tecnologie sull'amore e su altri valori per almeno due ragioni", ha affermato il dott. Sven Nyholm , assistente professore di filosofia presso l'Università di Utrecht e coautore dello studio. “In primo luogo, a volte le tecnologie hanno un impatto sui nostri ideali e valori senza che ce ne accorgiamo fino a più tardi, a quel punto potremmo rimpiangere alcuni di questi sviluppi. ...
Continua a Leggere

L’intelligenza artificiale ci salverà ?

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 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

Google e l’intelligenza artificiale per valutare le domande di brevetto

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
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