Artık hemen hemen her endüstri ve şirkette önemli bir teknoloji olan makine öğrenimi ve yapay zeka alanındaki araştırmalar, herkesin hepsini okuması için çok hacimlidir. Perceptron adlı bu sütun, özellikle yapay zeka konusunda, ancak bununla sınırlı olmamak üzere, en güncel keşiflerden ve makalelerden bazılarını toplamayı ve neden önemli olduklarını açıklamayı amaçlıyor.
MIT araştırmacıları, geçtiğimiz haftalarda detaylı yürüyüş hızlarını sürekli izleyerek Parkinson hastalarının ilerlemesini izlemek için bir sistem üzerinde çalışmaları. Başka bir yerde, Benioff Okyanus Bilim Laboratuvarı ve ortaklarının öncülük ettiği bir proje olan Whale Safe, başlatılan Gemilerin balinalara çarpmasını önlemek için bir deneyde yapay zeka destekli sensörlerle donatılmış şamandıralar. Ekoloji ve akademisyenlerin diğer yönleri de makine öğrenimi tarafından desteklenen ilerlemeler gördü.
MIT Parkinson izleme çabası, klinisyenlerin dünya çapında hastalıktan etkilenen tahmini 10 milyon insanı tedavi etmedeki zorlukların üstesinden gelmelerine yardımcı olmayı amaçlıyor. Tipik olarak, Parkinson hastalarının motor becerileri ve bilişsel işlevleri klinik ziyaretler sırasında değerlendirilir, ancak bunlar yorgunluk gibi dış etkenler tarafından çarpıtılabilir. Buna ek olarak, bir ofise gidip gelmenin birçok hasta için çok büyük bir ihtimal olduğunu ve durumlarının daha da kötüleştiğini ekleyin.
Alternatif olarak, MIT ekibi, hastanın evinde dolaşırken vücudundan yansıyan radyo sinyallerini kullanarak veri toplayan evde kullanılan bir cihaz önermektedir. Yaklaşık bir Wi-Fi yönlendirici boyutunda, tüm gün çalışan cihaz, odanın içinde başka insanlar hareket halindeyken bile sinyalleri almak için bir algoritma kullanıyor.
Dergide yayınlanan çalışmada bilim Çeviri Tıbbı, MIT araştırmacıları, bir pilot çalışma sırasında cihazlarının düzinelerce katılımcı arasında Parkinson’un ilerlemesini ve ciddiyetini etkili bir şekilde takip edebildiğini gösterdi. Örneğin, Parkinson hastaları için yürüme hızının, olmayanlara kıyasla neredeyse iki kat daha hızlı düştüğünü ve bir hastanın yürüme hızındaki günlük dalgalanmaların, ilaçlarına ne kadar iyi yanıt verdiklerine karşılık geldiğini gösterdiler.
Sağlık hizmetlerinden balinaların kötü durumuna geçen, belirtilen misyonu “balinaların riskini azaltmak için bir çözüm oluşturmak için sınıfının en iyisi teknolojiyi en iyi uygulama koruma stratejileriyle kullanmak” olan Whale Safe projesi, Eylül ayı sonlarında şamandıralar konuşlandırıldı. bir su altı mikrofonu kullanarak balina seslerini kaydedebilen yerleşik bilgisayarlarla. Bir AI sistemi, belirli türlerin seslerini algılar ve sonuçları bir araştırmacıya iletir, böylece hayvanın konumu — veya hayvanlar – su koşulları ve balina gözlemlerinin yerel kayıtları ile verileri doğrulayarak hesaplanabilir. Balinaların konumları daha sonra yakındaki gemilere iletilir, böylece gerektiğinde yeniden yönlendirilebilirler.
Çoğu türü tehlikede olan balinalar için gemilerle çarpışmalar önemli bir ölüm nedenidir. Göre Araştırma Kâr amacı gütmeyen Friend of the Sea tarafından gerçekleştirilen gemi saldırılarında her yıl 20.000’den fazla balina öldürülüyor. Balinalar atmosferden karbon yakalamada önemli bir rol oynadığından, bu yerel ekosistemler için yıkıcıdır. Tek bir büyük balina tecrit edebilir etrafında Ortalama 33 ton karbondioksit.
Resim Kredisi: Benioff Okyanus Bilimi Laboratuvarı
Whale Safe şu anda Santa Barbara Kanalı’nda Los Angeles ve Long Beach limanlarının yakınında konuşlandırılmış şamandıralara sahip. Gelecekte, proje Seattle, Vancouver ve San Diego dahil olmak üzere diğer Amerikan kıyı bölgelerine şamandıralar kurmayı hedefliyor.
Ormanları korumak, teknolojinin devreye girdiği başka bir alandır. Lidar kullanarak yukarıdan orman arazisi araştırmaları, büyümeyi ve diğer ölçüleri tahmin etmede yardımcı olur, ancak ürettikleri verilerin okunması her zaman kolay değildir. Lidar’dan gelen nokta bulutları, yalnızca farklılaşmamış yükseklik ve mesafe haritalarıdır – orman, bir grup bireysel ağaç değil, büyük bir yüzeydir. Bunlar, yerdeki insanlar tarafından takip edilmek zorunda.
Purdue araştırmacıları büyük bir 3D lidar verisi yığınını ayrı ayrı bölümlere ayrılmış ağaçlara dönüştüren ve sadece gölgelik ve büyüme verilerinin toplanmasına değil, aynı zamanda gerçek ağaçların iyi bir tahminine izin veren bir algoritma oluşturduk (tam olarak AI değil ama bu sefer izin vereceğiz). Bunu, belirli bir noktadan toprağa giden en verimli yolu hesaplayarak yapar, esasen bir ağaçta besinlerin yapacağı şeyin tam tersi. Sonuçlar oldukça doğrudur (şahsen bir envanterle kontrol edildikten sonra) ve gelecekte ormanların ve kaynakların çok daha iyi izlenmesine katkıda bulunabilir.
Kendi kendini süren arabalar, temelde yalnızca beta testleri olsalar bile, bugünlerde sokaklarımızda daha sık görülüyor. Sayıları arttıkça, politika yapıcılar ve sivil mühendisler onlara nasıl uyum sağlamalı? Carnegie Mellon araştırmacıları bir politika özeti hazırladılar. birkaç ilginç argüman yapar.
Birkaç arabanın daha uzun bir rotayı seçtiği ortak karar vermenin aslında çoğu için onu nasıl daha hızlı hale getirdiğini gösteren diyagram.
Onlara göre temel fark, otonom araçların “özgecil” bir şekilde sürmesi, yani diğer sürücüleri kasıtlı olarak barındırdıklarını söylüyorlar – örneğin, her zaman diğer sürücülerin önlerinde birleşmesine izin vererek. Bu tür davranışlardan yararlanılabilir, ancak politika düzeyinde ödüllendirilmesi gerektiğini savunuyorlar ve AV’lere paralı yollar, HOV ve otobüs şeritleri gibi şeylere erişim hakkı verilmelidir, çünkü bunları “bencilce” kullanmayacaklar. ”
Ayrıca, planlama ajanslarının, karar verirken, bisiklet ve scooter gibi diğer ulaşım türlerini dahil ederken ve AV ve filolar arası iletişimin nasıl gerekli veya artırılacağına bakarken, gerçek anlamda uzaklaştırılmış bir bakış açısına sahip olmalarını tavsiye ediyorlar. Yapabilirsiniz 23 sayfalık raporun tamamını buradan okuyun (PDF).
Trafikten çeviriye geçen Meta, geçtiğimiz hafta Hokkien gibi yazılmamış dilleri yorumlamak için tasarlanmış yeni bir sistem olan Universal Speech Translator’ı duyurdu. Sistemde bir Engadget parçası olarak notlar, binlerce konuşulan dilin yazılı bir bileşeni yoktur, bu da yeni dili çevirmeden ve metni tekrar konuşmaya döndürmeden önce konuşmayı yazılı kelimelere dönüştürmesi gereken çoğu makine öğrenimi çeviri sistemi için bir sorun teşkil eder.
Etiketli dil örneklerinin eksikliğini gidermek için Universal Speech Translator konuşmayı “akustik birimlere” dönüştürür ve ardından dalga biçimleri. Şu anda, sistem yapabilecekleri konusunda oldukça sınırlıdır – güneydoğu anakara Çin’de yaygın olarak kullanılan bir dil olan Hokkien’in konuşmacılarının her seferinde bir tam cümleyi İngilizce’ye çevirmesine izin verir. Ancak Universal Speech Translator’ın arkasındaki Meta araştırma ekibi, gelişmeye devam edeceğine inanıyor.
AlphaTensor için İllüstrasyon
AI alanında başka bir yerde, DeepMind araştırmacıları ayrıntılı olarak AlfaTensorAlfabe destekli laboratuvarın iddia ettiği , yeni, verimli ve “kanıtlanabilir şekilde doğru” algoritmaları keşfetmek için ilk AI sistemidir. AlphaTensor, modern makine öğrenimi sistemlerinin çalışma şeklinin merkezinde yer alan bir matematik işlemi olan matris çarpımı için yeni teknikler bulmak üzere özel olarak tasarlanmıştır.
AlphaTensor’dan yararlanmak için DeepMind, matris çarpım algoritmalarını bulma sorununu, “tahtanın” tensör adı verilen üç boyutlu bir sayı dizisi olduğu tek oyunculu bir oyuna dönüştürdü. DeepMind’e göre AlphaTensor, 50 yıl önce keşfedilen bir algoritmayı geliştirerek ve “son teknoloji” karmaşıklığa sahip yeni algoritmalar keşfederek bu konuda uzmanlaşmayı öğrendi. Sistemin keşfettiği, Nvidia’nın V100 GPU’su gibi donanımlar için optimize edilmiş bir algoritma, aynı donanımda yaygın olarak kullanılan algoritmalardan %10 ila %20 daha hızlıydı.