सितंबर मशीन लर्निंग एंड आर्टिफिशियल इंटेलिजेंस न्यूज डाइजेस्ट

नमस्कार, खभ्रवर्णों! आपके लिए बड़ी संख्या में स्रोत और सदस्यताएँ फ़िल्टर करने के बाद, मैंने सितंबर से मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस की दुनिया की सबसे महत्वपूर्ण खबरें एकत्र कीं। सहकर्मियों के साथ, या बस उन लोगों के साथ साझा करने के लिए मत भूलना जो इस तरह की खबर में रुचि रखते हैं।

जिन लोगों ने अगस्त डाइजेस्ट नहीं पढ़ा है, उनके लिए आप इसे यहां पढ़ सकते हैं।

तो, अब सितंबर पचा:

1. ईपीएफएल के वैज्ञानिकों ने नरम कृत्रिम त्वचा विकसित की है , जो परिष्कृत प्रतिक्रिया प्रदान करती है, और इसके परिष्कृत कल्याण तंत्र के लिए धन्यवाद, संभावित रूप से उपयोगकर्ता की गतिविधियों को तुरंत अपनाने में सक्षम है।



2. लिम्ब प्रोस्थेसिस में हर साल सुधार होता है, लेकिन जो ताकत और सटीकता उन्हें प्राप्त होती है, वह हमेशा अधिक कुशल उपयोग की ओर नहीं ले जाती है। आखिरकार, विच्छिन्न अंगों वाले लोगों का उन पर नियंत्रण का केवल एक मूल स्तर होता है। स्विस शोधकर्ताओं ने एआई का उपयोग करके कृत्रिम अंगों के प्रबंधन में सुधार करने का एक तरीका खोज लिया है।





3. Google के डेवलपर्स ने YouTube पर एंड-टू-एंड सिफारिश प्रणाली का विवरण प्रकाशित किया । सिस्टम रैंकिंग के लिए कई लक्ष्य कार्यों का उपयोग करता है और उपयोगकर्ता की व्यक्तिगत प्राथमिकताओं को ध्यान में रखता है। कई उद्देश्य कार्यों के लिए मॉडल का अनुकूलन करने के लिए, डेवलपर्स ने मल्टी-गेट मिक्सचर-ऑफ-एक्सपर्ट्स का उपयोग किया।



4. जनरेट किया गया । फोटो प्रोजेक्ट उच्च संकल्प में 100K चेहरों के साथ एक डेटासेट प्रकाशित करता है। स्टाइलगन का उपयोग करके चेहरे की छवियां उत्पन्न की गईं। डेवलपर्स के लिए लिंक के साथ प्रकाशित छवियों का उपयोग व्यावसायिक उद्देश्यों के लिए स्वतंत्र रूप से किया जा सकता है। इस तरह की सेवा पत्रिका के संपादकों, विज्ञापन विशेषज्ञों, वेब डिजाइनरों, आदि के लिए रुचि हो सकती है। सिंथेटिक छवियों का उपयोग ऑडिशन और फोटोग्राफी में मीडिया पेशेवरों की लागत को कम करता है।





5. ऑस्ट्रेलिया में, कृत्रिम बुद्धिमत्ता स्मार्टफोन द्वारा विचलित ड्राइवरों को पकड़ने में मदद करेगी ।



6. कुछ साल पहले, Google ने बाढ़ के पूर्वानुमान को लोगों के जीवन को बेहतर बनाने के लिए एक अद्वितीय अवसर के रूप में पहचाना और अध्ययन करना शुरू किया कि Google का बुनियादी ढांचा और मशीन सीखने का अनुभव इस क्षेत्र में कैसे मदद कर सकता है।



7. बहुभाषी तंत्रिका मशीन अनुवाद का अध्ययन । पिछले कुछ वर्षों में, मशीन अनुवाद (MT) सिस्टम ने न्यूरल मशीन ट्रांसलेशन (NMT) के क्षेत्र में विकास की बदौलत काफी सुधार किया है। हालांकि, बड़े पैमाने पर प्रशिक्षण डेटा के कारण NMT की सफलता काफी हद तक है। लेकिन उन भाषाओं के बारे में क्या जिनके लिए बहुत कम या कोई डेटा नहीं है? बहुभाषी एनएमटी, जहां एक भाषा से एक प्रशिक्षण संकेत को अन्य भाषाओं में अनुवाद की गुणवत्ता में सुधार करना चाहिए, एक संभावित तरीका है।



8. अपेक्षाकृत नए बायोमेडिकल इमेजिंग तकनीक के साथ दर्ज की गई छवियों की गुणवत्ता में सुधार के लिए ईटीएच शोधकर्ता कृत्रिम बुद्धिमत्ता का उपयोग करते हैं। यह अधिक सटीक निदान और लागत प्रभावी उपकरणों का मार्ग प्रशस्त करता है।



9. ऑक्सफोर्ड विश्वविद्यालय के वैज्ञानिकों ने जंगल में अलग-अलग चिंपांज़ी के चेहरे को पहचानने और ट्रैक करने के लिए एक नया कृत्रिम बुद्धिमत्ता सॉफ्टवेयर विकसित किया है ।



10. कोलोराडो विश्वविद्यालय के एटलस इंस्टीट्यूट के शोधकर्ताओं ने हाल ही में शेपबोट्स नामक छोटे आकार के बदलते रोबोटों का एक समूह विकसित किया है । ये स्व-रूपांतरित रोबोट विभिन्न सेटिंग्स में जानकारी को प्रदर्शित करने और कल्पना करने के लिए व्यक्तिगत और सामूहिक दोनों कॉन्फ़िगरेशन को बदल सकते हैं।



11. नई सिंथेटिक सामग्री , जो जैविक तंत्रिका तंत्र के समान एक संवेदी संवेदी नेटवर्क बनाती है, नरम रोबोट को यह महसूस करने की अनुमति दे सकती है कि वे पर्यावरण के साथ कैसे बातचीत करते हैं और तदनुसार अपने कार्यों को समायोजित करते हैं।



12. मशीन लर्निंग और गंभीर मौसम पूर्वानुमान में इसके कट्टरपंथी अनुप्रयोग ।



13. शोधकर्ताओं ने एक मशीन लर्निंग एल्गोरिदम विकसित किया है जो प्रशिक्षित रसायनज्ञों की तुलना में बहुत अधिक सटीकता के साथ रासायनिक प्रतिक्रियाओं के परिणामों की भविष्यवाणी करता है और जटिल अणुओं के उत्पादन के लिए तरीके प्रदान करता है, जो दवाओं की खोज के लिए एक महत्वपूर्ण बाधा को समाप्त करता है।



14. पुर्तगाल के लिस्बन में सेंटर फॉर द अननोन (CCU) में एक न्यूरोसाइंटिस्ट सहित इतालवी गणितज्ञों की एक टीम ने प्रदर्शित किया है कि कृत्रिम दृष्टि वाली मशीनें 25 साल पहले विकसित गणितीय सिद्धांत का उपयोग करके जटिल छवियों को जल्दी पहचानना सीख सकती हैं।



इस पर हमारा अल्प पाचन समाप्त हो गया। निष्कर्ष निकालें और उत्पादक रूप से काम करें। सहकर्मियों के साथ लेख को साझा करना न भूलें। लेखों और समाचारों को पचा नहीं पाने के लिए, आपको मेरे टेलीग्राम चैनल न्यूरॉन (@neurondata) की सदस्यता लेने में मदद मिलेगी, साथ ही साथ होबे पर मेरे खाते की सदस्यता लेने के बाद, निम्नलिखित पचने में चूक न करें।

सभी ज्ञान!