Le opzioni per indirizzare la pubblicità digitale in un modo che non si basa sui cookie sono in aumento, grazie ai progressi nell'analisi predittiva e nell'intelligenza artificiale che alla fine ridurranno l'attuale predominio di Google, Facebook e altri aggregatori di contenuti su larga scala. Google ha annunciato all'inizio di questo mese che non consentirà più ai cookie di terze parti di raccogliere dati tramite il suo browser Chrome. Molte aziende hanno storicamente fatto affidamento su quei cookie per indirizzare meglio la loro pubblicità digitale, poiché i cookie consentono alle reti pubblicitarie digitali e ai siti di social media di creare un profilo di un utente finale senza sapere specificamente chi sia quell'individuo. Anche se questo approccio non viola necessariamente la privacy di nessuno, dà a molti utenti la sensazione che alcune entità stiano monitorando i siti che visitano in un modo che li mette a disagio. I fornitori di altri browser, come Safari di Apple e il browser open source Firefox, hanno già abbandonato i cookie di terze parti. Per essere chiari, Google non sta abbandonando il monitoraggio del comportamento degli utenti. L'azienda ha invece creato un meccanisFLoC (Federated Learning of Cohorts) per monitorare il comportamento degli utenti che non dipende dai cookie per la raccolta dei dati. Invece di essere in grado di indirizzare un annuncio a un utente anonimo specifico, agli inserzionisti viene offerta l'opportunità di rivolgersi a gruppi di utenti finali che sono ora organizzati in coorti in base ai dati che Google continua a raccogliere. Resta da vedere come queste iniziative potrebbero cambiare sostanzialmente l'esperienza dell'utente. Tuttavia, alcuni inserzionisti stanno ora cercando di utilizzare algoritmi di apprendimento automatico e altre forme di analisi avanzate rese disponibili tramite reti pubblicitarie digitali per ridurre la loro dipendenza da Google, Facebook, Twitter, Microsoft e altre entità che controlla...
Continua a Leggere

Come FMCW sta trasformando la tecnologia Lidar Le onde continue modulate in frequenza migliorano ampiamente la tecnologia Lidar nei veicoli autonomi Aurora Innovations, una società di veicoli a guida autonoma, con sede nella Silicon Valley, ha recentemente annunciato l'acquisizione di OURS Technology per un importo non divulgato. Quest'ultima è una startup fondata da un team di ricercatori dell'Università della California, Berkeley, specializzati in FMCW (Frequency Modulated Continuous Wave) e 'lidar-on-a-chip'. Questa è la seconda acquisizione di Aurora di una società di sviluppo Lidar, la prima è stata la startup Blackmore nel Montana nel 2019 , specializzata anche nella tecnologia FMCW. La parola Lidar è un acronimo che sta per Light Detection and Ranging, che è praticamente un riassunto della tecnologia in tre parole. La tecnologia funziona su più impulsi di luce per creare una mappa 3D del terreno che circonda il sensore. Lidar e FMCW esistono da un po 'di tempo, ma quest'ultimo è diventato solo di recente un progresso praticabile per il settore, rendendolo una scelta popolare per la maggior parte delle aziende di veicoli a guida autonoma. D'altra parte, Tesla, il gigante automobilistico che lavora su automobili a guida autonoma, ha rifiutato Lidar e lavora invece sulla propria tecnologia. Allora perché Tesla ha scelto di mettere da parte Lidar e in che modo l'acquisizione di FMCW e Aurora fa la differenza? Tesla e gli svantaggi di LidarCon tutti gli investimenti positivi in ​​Lidar, la tecnologia non è priva di critiche. In particolare, il miliardario Elon Musk ha definito Lidar una `` commissione degli sciocchi '' nel 2019, ed è giustamente preoccupato per i problemi che ha attualmente. La società Tesla di Musk, che ha recentemente registrato la sua filiale indiana in Karnataka, è ben nota per la funzione "Pilota automatico" nei suoi veicoli elettrici. A differenza della maggior parte delle società di veicoli a guida autonoma, i veicoli Tesla ...
Continua a Leggere

Google rilascia Tensorflow 3D. Che cos'è esattamente? TensorFlow fornisce una serie di operazioni, funzione di perdita, strumenti di elaborazione dati, metriche e altri modelli per lo sviluppo, l'addestramento e l'implementazione di modelli di comprensione della scena 3D all'avanguardia. L'apprendimento per rinforzo profondo funziona davvero per la robotica?Veicoli autonomi, robot e altri sistemi di apprendimento ML devono controllare l'ambiente circostante per navigare e operare nel mondo reale. Sono spesso guidati da sensori 3D come Lidar, radar e telecamere di rilevamento della profondità e utilizzano la tecnologia di comprensione della scena per elaborare i dati acquisiti da questi dispositivi. La comprensione della scena 3D è fondamentale per il rilevamento di oggetti, la comprensione incentrata sull'uomo e la grafica. Sebbene la visione artificiale abbia compiuto progressi significativi attraverso il rilevamento di oggetti 3D mobili e il rilevamento di oggetti trasparenti, il numero di strumenti che possono essere applicati ai dati 3D è ancora limitato. Per migliorare la comprensione delle scene 3D, Google ha ora sviluppato TensorFlow 3D, una libreria altamente modulare per portare funzionalità di deep learning 3D a TensorFlow. Che cos'è la comprensione della scena 3D?Gli attuali sistemi di visione artificiale raccontano solo un po 'della posizione di un oggetto in uno spazio 3D e di come interagiscono agenti come i robot. Questo non è sufficiente per comprendere completamente l'ambiente. Ricerche recenti si sono concentrate sull'ottenimento di una comprensione geometrica della scena per superare questa lacuna. Al contrario di catturare una rappresentazione sul piano dell'immagine degli oggetti, la loro rappresentazione così come esistono nel mondo 3D aiuta in applicazioni come la comprensione incentrata sull'uomo, la grafica e il rilevamento di oggetti. La nuova libreria di TensorFlow fornisce una serie di operazioni, funzioni di perdita, s...
Continua a Leggere

Questo algoritmo AI di Facebook può giocare sia a scacchi che a poker con la stessa facilità In notizie recenti, il team di ricerca di Facebook ha introdotto un bot AI generale, ReBeL , in grado di riprodurre sia informazioni perfette, come gli scacchi, sia giochi di informazioni imperfette come il poker con la stessa facilità, utilizzando l'apprendimento per rinforzo. Come afferma l'azienda, è un grande passo verso la creazione di un algoritmo di intelligenza artificiale generale che potrebbe funzionare bene su una vasta gamma di giochi. I ricercatori ritengono che questo algoritmo avrà applicazioni del mondo reale, inclusa la gestione delle negoziazioni, il rilevamento delle frodi e persino la sicurezza informatica. L'algoritmo ReBeLAlphaZero di DeepMind ha catturato rapidamente la fantasia della comunità di ricerca sull'IA quando è stato rilasciato nel 2017. Un programma basato sull'IA che potrebbe giocare a giochi come scacchi , shogi e Go non è inaudito, ma AlphaZero è diverso in quanto utilizza l'apprendimento di rinforzo con ricerca (RL + Ricerca) per "imparare da solo" imitando i giocatori di livello mondiale. Ci sono stati anche modelli progettati per giocare ad altri giochi come il poker. Ad esempio, Facebook, nel 2019, ha introdotto il bot Pluribus che è riuscito a sconfiggere esperti umani nel no-limit Hold 'em a sei giocatori, che è il formato di poker più giocato al mondo. Tuttavia, non è stato progettato un algoritmo AI generalizzato in grado di sostenere sia gli scacchi che il poker. Per gli umani, riconosciamo questi due giochi semplicemente diversi nel senso più ampio. Tuttavia, per una macchina, classifica giochi come gli scacchi come giochi informativi perfetti, in cui il giocatore è a conoscenza di tutti i possibili eventi e conosce o può vedere le mosse degli altri giocatori; giochi come il poker sono classificati come giochi con informazioni imperfette di cui i giocatori hanno bisogno per bilanciare tutti i possibili r...
Continua a Leggere

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