Gépi tanulás, amely többet tanul, mint az ember, mesterséges intelligencia ajakolvasó „gép” és még sok más – ezen a héten a mesterséges intelligenciában 11-11-16

1 – Mesterséges intelligencia rendszer szörföl a weben, hogy javítsa teljesítményét

Az információkinyerés magában foglalja az egyszerű szövegben tárolt adatelemek osztályozását, és a gépi tanulással foglalkozó tudósok egyik fő kutatási területe. A múlt héten az MIT kutatócsoportja új megközelítést mutatott be a gépi tanulási rendszerek információkinyerésére a Számítógépes Nyelvészeti Szövetség természetes nyelvi feldolgozási empirikus módszereivel foglalkozó konferenciáján, és elnyerte a legjobb tanulmány díjat. Ahelyett, hogy a lehető legtöbb adatot betáplálnák a rendszerükbe, a csapat nyerő megközelítése más utat választ, és egy sokkal kisebb adathalmazra összpontosít, egy hasonló folyamatra, amelyet az emberek is használnak – ha olyan újságot olvas, amelyet nem ért, valószínűleg keresni fog az interneten, és olyan cikkeket talál, amelyeket megért. Ez az új rendszerszemlélet valami hasonlót tesz; Ha a rendszer megbízhatósági pontszáma alacsony egy adott szöveg értékelése során, akkor további információkért fog lekérdezni, és néhány új cikket húz ki az internetről, amelyek egy adott kifejezéskészlettel korrelálnak. A jövőben ez a modell alkalmazható ritka adatokra, és sok időt takaríthat meg az adatbázisok áttekintése során.

(A teljes cikket itt olvashatja el MIT News)

2 – A RiskIQ 30.5 millió dollárt kap, hogy a gépi tanulást alkalmazza a biztonsági kockázatokra

A San Francisco-i székhelyű digitális kockázatkezelési startup, a RiskIQ bejelentette, hogy újabb 30.5 millió dollárt gyűjtött be a Series C egy olyan ügylet keretében, amelyet a Georgian Partners vezetett, beleértve a Summit Ventures-t, a MassMutual Ventures-t és a Battery Ventures-t, így 65.5 óta összesen 2009 millió dollárra tett szert. RiskIQ A mesterséges intelligencia-alapú szolgáltatások segítségével a nagyvállalatok olyan webhelyeket és alkalmazásokat kereshetnek és találhatnak, amelyek a cég nevét viselhetik, de amelyeket olyan bűnözők üzemeltetnek, akik megpróbálják ellopni a fogyasztók információit vagy rosszindulatú programokat terjesztenek. A vállalat összes foglalása 80 százalékkal nőtt 2016 első felében, jelenleg összesen 200 vállalati ügyfél és 13,000 XNUMX biztonsági elemző dolgozik, köztük a Facebook, az Under Armour és mások. A Georgian Partners igazgatója, Steve Leightell szintén csatlakozik a RiskIQ igazgatótanácsához

(A teljes cikket itt olvashatja el Szilícium -völgyi üzleti folyóirat)

3 – Az első Carnegie-kollokvium a mesterséges intelligenciára fókuszál a katonai és adatvédelmi területen

Carnegie Mellon tartotta az első kétrészes kollokviumot, amely a mesterséges intelligencia körüli megfontolásokat tárgyalta az adatvédelemmel és a katonai műveletekkel kapcsolatban globális politikai szakértőknek a Carnegie Alapítvány a Nemzetközi Békéért (CEIP) washingtoni központjában. A második rész az internet kormányzásával és a kiberrel foglalkozik. elrettentés, december 2-án a CMU Pittsburgh-i Cohon Egyetemi Központjában. David Brumley, a CyLab igazgatója, aki egy második panelbeszélgetést nyitott az autonóm technológiáról, a következőket mondta:

„A világ országai, köztük az Egyesült Államok, Oroszország, Izrael, Kína és India, egyre gyakrabban alkalmazzák és fektetnek be mesterséges intelligenciát és autonómiatechnológiát működésük során. Az autonómia hatalmas lesz, és nagyon fontos, hogy jól tudjunk működni.”

Jim Garrett, a CMU Műszaki Főiskola dékánja hangsúlyozta, hogy az ilyen fórumok létfontosságúak az eszmecseréhez és a nézetek széles körének elfogadásához olyan kérdésekben, amelyek potenciálisan mélyreható hatással lehetnek a globális közösségre.

(A teljes sajtóközleményt itt olvashatja el Carnegie Mellon News)

4 – Az oxfordi kutatók olyan számítógépes programot fejlesztenek ki, amely emberfeletti pontossággal képes olvasni a szájról

Az oxfordi kutatók úttörőként vezettek be egy szájról leolvasó mesterséges intelligencia programot, amely 93.4 százalékos pontossággal képes olvasni az ajkakról – ez messze meghaladja a hallássérült tanulók átlagos 52.3 százalékos pontosságát. A „LipNet” névre keresztelt szoftvert a Google DeepMind-del együttműködve építettük meg, amely 30,000 XNUMX tesztalanyról készült videóra képezte ki. A rendszer mondatokat dolgozott fel (ellentétben az egyes szavakkal), és képes volt a szavakat kontextusba helyezni. Bár még nem áll készen a való világ nyelveinek, akcentusainak és törött beszédének sokféleségére, a programban megvan a lehetőség arra, hogy segítse a társadalmat – javítsa a hallókészülékeket, lehetővé tegye a beszélgetést zajos helyeken stb. egyének vagy csoportok magánbeszélgetések felvételére vagy illegális tömeges megfigyelésre.

(Olvassa el a teljes cikket a Távíró és megjelent újság a címen Oxford University)

5 – A gépi tanulási algoritmus számszerűsíti a nemi torzítást a csillagászatban

A zürichi Svájci Technológiai Intézet kutatóinak egy, az arXiv szerveren közzétett tanulmánya gépi tanulást használt a nemi torzítás becslésére a csillagászattal foglalkozó tudományos közleményekben. Bár még nem került sor szakértői értékelésre, a terület szakértői megjegyezték az érvényes módszertant. Cassidy Sugimoto, az Indiana University Bloomington informatikusa kijelentette:

„A tanulmány újdonsága abban rejlik, hogy eloszlatja azt a mítoszt, miszerint a nemek közötti különbségek az idézetekben inkább a cikk sajátosságainak, nem pedig a nemnek tulajdoníthatók.”

Az algoritmust 200,000 és 5 között 1950 folyóirat 2015 6 dolgozatára képezték ki. Az eredmények azt mutatták, hogy a női szerzőket tartalmazó cikkek először körülbelül 4 százalékkal kevesebb hivatkozást kaptak, mint azok, amelyek elsődleges férfi szerzője volt; Az algoritmus azt is megjósolta, hogy a női szerzőket tartalmazó dolgozatok 19 százalékkal több idézetet kaptak volna, mint a férfiak szerzői. Meg Urry, a Yale Csillagászati ​​és Asztrofizikai Központ igazgatója szerint a tudósok körében a kevesebb hivatkozás általában kevesebb ösztöndíjat, ajánlólevelet és egyéb elismerést jelent. A lap ugyanakkor azt is megjegyzi, hogy a nők 7 százalékkal kevesebb cikket publikálnak, mint a férfiak az első publikációjukat követő XNUMX évben, ami kritikus időszak a tudományos élethez való hozzájárulás szempontjából. Ez is szerepet játszhat abban, hogy a nők tartósabb pozíciókat szerezzenek be.

(A teljes cikket itt olvashatja el Scientific American)

Kép jóváírása: Tek-Think

Forrás: https://emerj.com/machine-learning-that-learns-more-like-humans-an-ai-lip-reading-machine-and-more-this-week-in-artificial-intelligence-11- 11-16/