Hallo Khabravchans! Nachdem ich eine große Anzahl von Quellen und Abonnements für Sie herausgefiltert hatte, sammelte ich im September alle wichtigen Nachrichten aus der Welt des maschinellen Lernens und der künstlichen Intelligenz. Vergessen Sie nicht, mit Kollegen oder einfach mit denen zu teilen, die an solchen Neuigkeiten interessiert sind.
Für diejenigen, die die August-Übersicht nicht gelesen haben, können Sie sie
hier lesen.
Also, jetzt die September-Zusammenfassung:
1. EPFL-Wissenschaftler haben
eine weiche künstliche Haut entwickelt, die taktiles Feedback bietet und sich dank ihres ausgeklügelten Wohlfühlmechanismus möglicherweise sofort an die Bewegungen des Benutzers anpassen kann.
2. Gliedmaßenprothesen
verbessern sich jedes Jahr, aber die Stärke und Genauigkeit, die sie erlangen, führen nicht immer zu einer effizienteren Verwendung. Menschen mit amputierten Gliedmaßen haben schließlich nur ein grundlegendes Maß an Kontrolle über sie. Schweizer Forscher haben einen Weg gefunden, das Management künstlicher Gliedmaßen mithilfe von KI zu verbessern.
3. Entwickler von Google haben
eine Beschreibung des End-to-End-Empfehlungssystems auf YouTube veröffentlicht. Das System verwendet mehrere Zielfunktionen für das Ranking und berücksichtigt die persönlichen Vorlieben des Benutzers. Um das Modell für mehrere Zielfunktionen zu optimieren, verwendeten die Entwickler Multi-Gate-Expertenmischungen.
4. Das Projekt
generate.photos hat einen Datensatz mit 100.000 Gesichtern in hoher Auflösung veröffentlicht. Bilder von Gesichtern wurden mit StyleGAN erzeugt. Veröffentlichte Bilder können mit einem Link zu den Entwicklern frei für kommerzielle Zwecke verwendet werden. Ein solcher Service kann für Zeitschriftenredakteure, Werbespezialisten, Webdesigner usw. von Interesse sein. Die Verwendung synthetischer Bilder reduziert die Kosten für Medienprofis bei Vorsprechen und Fotografie.
5. In Australien
hilft künstliche Intelligenz
dabei, Fahrer zu fangen, die von einem Smartphone abgelenkt werden.
6. Vor einigen Jahren
identifizierte Google Hochwasservorhersagen als eine einzigartige Gelegenheit, das Leben der Menschen zu verbessern, und begann zu untersuchen, wie die Infrastruktur und die Erfahrung von Google mit maschinellem Lernen in diesem Bereich helfen können.
7. Das Studium der mehrsprachigen neuronalen maschinellen Übersetzung. In den letzten Jahren haben sich maschinelle Übersetzungssysteme (MT) dank der Entwicklungen auf dem Gebiet der neuronalen maschinellen Übersetzung (NMT) erheblich verbessert. Der Erfolg von NMT ist jedoch hauptsächlich auf die große Menge an Trainingsdaten zurückzuführen. Aber was ist mit Sprachen, für die es wenig oder keine Daten gibt? Ein mehrsprachiger NMT, bei dem ein Trainingssignal aus einer Sprache die Qualität der Übersetzung in andere Sprachen verbessern sollte, ist ein möglicher Ausweg.
8. ETH-Forscher
nutzen künstliche Intelligenz, um die Qualität von Bildern zu verbessern, die mit der relativ neuen biomedizinischen Bildgebungstechnik aufgenommen wurden. Dies ebnet den Weg für genauere Diagnosen und kostengünstige Geräte.
9. Wissenschaftler der Universität Oxford haben
eine neue Software für künstliche Intelligenz entwickelt, um die Gesichter einzelner Schimpansen in freier Wildbahn zu erkennen und zu verfolgen.
10. Forscher am ATLAS-Institut der Universität von Colorado haben kürzlich
eine Gruppe kleiner Roboter mit Formänderung namens ShapeBots entwickelt. Diese sich selbst transformierenden Roboter können sowohl individuelle als auch kollektive Konfigurationen ändern, um Informationen in verschiedenen Einstellungen anzuzeigen und zu visualisieren.
11. Das neue synthetische Material , das ein dem biologischen Nervensystem ähnliches verbundenes sensorisches Netzwerk schafft, kann es weichen Robotern ermöglichen, zu spüren, wie sie mit der Umwelt interagieren, und ihre Aktionen entsprechend anzupassen.
12. Maschinelles Lernen und seine radikale
Anwendung in der Unwettervorhersage.
13. Forscher haben einen Algorithmus für maschinelles Lernen entwickelt, der die Ergebnisse chemischer Reaktionen mit viel höherer Genauigkeit als ausgebildete Chemiker vorhersagt und Methoden zur Herstellung komplexer Moleküle anbietet, wodurch ein erhebliches Hindernis für die Entdeckung von Arzneimitteln beseitigt wird.
14. Ein Team italienischer Mathematiker, darunter ein Neurowissenschaftler am Zentrum für Unbekannte (CCU) in Lissabon, Portugal, hat
gezeigt, dass Maschinen mit künstlichem Sehen mithilfe einer vor 25 Jahren entwickelten mathematischen Theorie lernen können, komplexe Bilder schnell zu erkennen.
Damit ging unsere kurze Verdauung zu Ende. Schlussfolgerungen ziehen und produktiv arbeiten. Vergessen Sie nicht, den Artikel mit Kollegen zu teilen. Um Artikel und News Digests nicht zu überspringen, können Sie meinen Telegrammkanal
Neuron (@neurondata) abonnieren und
meinen Account bei Habré abonnieren. Verpassen Sie nicht die folgenden Digests.
Alles Wissen!