인간, AI 입술 읽기 '기계'등과 같이 학습하는 기계 학습 – 이번 주 인공 지능 11-11-16

1 – 성능 향상을 위해 웹 서핑을하는 인공 지능 시스템

정보 추출은 일반 텍스트로 저장된 데이터 항목을 분류하는 것을 포함하며 기계 학습 과학자를위한 주요 연구 영역입니다. 지난주 MIT의 연구팀은 Association for Computational Linguistics 'Conference on Empirical Methods on Natural Language Processing에서 기계 학습 시스템을위한 정보 추출에 대한 새로운 접근 방식을 도입했으며, 최고의 논문상을 수상했습니다. 시스템에 가능한 한 많은 데이터를 제공하는 대신 팀의 승리 접근 방식은 다른 경로를 사용하고 훨씬 더 작은 데이터 세트, 인간이 사용하는 유사한 프로세스에 초점을 맞 춥니 다. 이해하지 못하는 논문을 읽는 경우 웹에서 검색하고 이해할 수있는 기사를 찾을 수 있습니다. 이 새로운 시스템 접근 방식은 비슷한 일을합니다. 특정 텍스트를 평가할 때 시스템의 신뢰도 점수가 낮 으면 특정 용어 집합과 관련된 웹에서 몇 개의 새 기사를 가져와 더 많은 정보를 쿼리합니다. 미래에이 모델은 희소 데이터에 적용될 수 있으며 데이터베이스 검토에 많은 시간을 절약 할 수 있습니다.

(전체 기사 읽기 MIT 뉴스)

2 – RiskIQ는 보안 위험에 기계 학습을 적용하기 위해 30.5 만 달러를 얻었습니다.

샌프란시스코에 기반을 둔 디지털 위험 관리 스타트 업 RiskIQ는 Georgian Partners가 이끄는 Summit Ventures, MassMutual Ventures 및 Battery Ventures를 포함하여 30.5 만 달러의 Series C를 추가로 모금했으며 65.5 년 이후 총 자금은 2009 만 달러로 모금했다고 발표했습니다. AI 기반 서비스는 대기업이 회사 이름을 훔칠 수 있지만 소비자의 정보를 훔치거나 멀웨어를 유포하려는 범죄자가 운영하는 사이트와 앱을 검색하고 찾는 데 도움이됩니다. 회사의 총 예약 수는 80 년 상반기에 2016 % 증가했으며 현재 총 200 명의 기업 고객과 Facebook, Under Armour 등을 포함한 13,000 명의 보안 분석가가 있습니다. Georgian Partners 사장 Steve Leightell도 RiskIQ 이사회에 합류합니다

(전체 기사 읽기 실리콘 밸리 비즈니스 저널)

3 – 최초의 Carnegie Colloquium, 군사, 데이터 프라이버시 분야의 인공 지능에 초점

Carnegie Mellon은 워싱턴 DC의 CEIP (Carnegie Endowment for International Peace) 본부에서 글로벌 정책 전문가를 대상으로 데이터 개인 정보 보호 및 군사 작전에 대한 AI 고려 사항을 다루는 2 부로 구성된 콜로키움 중 첫 번째를 개최했습니다. 두 번째 부분에서는 인터넷 거버넌스 및 사이버 문제를 다룰 예정입니다. XNUMX 월 XNUMX 일 피츠버그에있는 CMU의 Cohon University Center에서 자율 기술에 대한 두 번째 패널 토론을 시작한 CyLab 디렉터 David Brumley는 다음과 같이 말했습니다.

“미국, 러시아, 이스라엘, 중국 및 인도를 포함한 전 세계 국가들은 점점 더 많은 운영에 인공 지능 및 자율 기술을 배치하고 투자하고 있습니다. 자율성은 엄청날 것이며 우리가 그것을 올바르게하는 것이 절대적으로 중요합니다.”

CMU 공과 대학 학장 인 Jim Garrett은 이러한 포럼이 아이디어를 교환하고 글로벌 커뮤니티에 중대한 영향을 미칠 가능성이있는 문제에 대한 다양한 견해를 수용하는 데 매우 중요하다고 강조했습니다.

(전체 보도 자료는 카네기 멜론 뉴스)

4 – 옥스포드 연구원, 초 인간 정확도로 입술을 읽을 수있는 컴퓨터 프로그램 개발

옥스포드의 연구원들은 93.4 %의 정확도로 입술을 읽을 수있는 입술 읽기 AI 프로그램을 개척했습니다. 이는 청각 장애 학생의 평균 정확도 인 52.3 %를 훨씬 능가합니다. "LipNet"이라는 이름의이 소프트웨어는 Google의 DeepMind와 협력하여 제작되었으며,이 소프트웨어는 30,000 개의 테스트 대상 비디오에 대해 교육했습니다. 시스템은 (개별 단어가 아닌) 문장을 처리하고 문맥에 단어를 배치 할 수있었습니다. 실제 세계의 다양한 언어, 억양 및 말이 깨지는 상황에 아직 준비가되어 있지는 않지만이 프로그램은 사회를 도울 수있는 잠재력을 가지고 있습니다.-보청기 개선, 시끄러운 장소에서의 대화 허용 등-뿐만 아니라 해를 끼칠 수도 있습니다. 개인 또는 그룹이 사적인 대화를 듣거나 불법적 인 대량 감시를 수행하도록합니다.

(전체 기사는 Télégraphe 및 출판 된 논문 옥스포드 대학)

5 – 천문학에서 성별 편향을 정량화하는 기계 학습 알고리즘

취리히에있는 스위스 공과 대학의 연구원들이 arXiv 서버에 발표 한 논문은 천문학 논문 인용에서 성별 편향을 추정하기 위해 기계 학습을 사용했습니다. 아직 동료 검토를 거치지는 않았지만 해당 분야의 전문가들은 유효한 방법론에 대해 논평했습니다. 인디애나 대학교 블루밍턴의 정보 학자 캐시디 스기모토는 다음과 같이 말했습니다.

“이 논문의 참신함은 인용에서 성별 격차가 성별보다는 논문의 특성에 기인 할 수 있다는 신화를 없애는 데 있습니다.”

알고리즘은 200,000 년부터 5 년까지 1950 개 저널의 2015 개의 논문에 대해 훈련되었습니다. 결과에 따르면 여성 저자가 나열된 논문은 처음에 남성 저자가있는 논문보다 약 6 % 적은 인용을 받았습니다. 알고리즘은 또한 여성 저자가있는 논문은 남성이 저술 한 논문보다 4 % 더 많은 인용을 받아야한다고 예측했습니다. 학계에서 인용 횟수가 적다는 것은 일반적으로 보조금, 추천서 및 기타 인정이 적다는 것을 의미한다고 예일 천문학 및 천체 물리학 센터의 소장 인 Meg Urry는 말합니다. 그러나이 논문은 또한 첫 번째 논문을 발표 한 후 19 년 동안 여성이 남성보다 기사를 7 % 적게 발표했으며 이는 학계에 기여하는 중요한시기입니다. 이것은 또한 여성이보다 영구적 인 위치를 확보하는 데 중요한 역할을 할 수 있습니다.

(전체 기사 읽기 과학적인 미국)

이미지 크레딧 : Tek-Think

출처 : 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 /