Uczenie maszynowe, które uczy się więcej jak ludzie, `` maszyna '' sztucznej inteligencji do czytania z ruchu warg i nie tylko - w tym tygodniu sztucznej inteligencji 11-11-16

1 - System sztucznej inteligencji surfuje po sieci, aby poprawić swoją wydajność

Ekstrakcja informacji obejmuje klasyfikację elementów danych przechowywanych w postaci zwykłego tekstu i jest głównym obszarem badań naukowców zajmujących się uczeniem maszynowym. W zeszłym tygodniu zespół badawczy z MIT przedstawił nowe podejście do ekstrakcji informacji dla systemów uczenia maszynowego na konferencji Association for Computational Linguistics na temat metod empirycznych przetwarzania języka naturalnego i zdobył nagrodę za najlepszy artykuł. Zamiast dostarczać swojemu systemowi jak najwięcej danych, zwycięskie podejście zespołu wybiera inną drogę i koncentruje się na znacznie mniejszym zestawie danych, podobnym procesie używanym przez ludzi - jeśli czytasz artykuł, którego nie rozumiesz, prawdopodobnie przeprowadzisz wyszukiwanie w sieci i znajdziesz artykuły, które jesteś w stanie zrozumieć. To nowe podejście systemowe działa podobnie; jeśli poziom zaufania systemu jest niski podczas oceny określonego tekstu, będzie wyszukiwać więcej informacji, wyszukując kilka nowych artykułów z sieci, które są skorelowane z określonym zestawem terminów. W przyszłości model ten można zastosować do rzadkich danych i zaoszczędzić dużo czasu na przeglądaniu baz danych.

(Przeczytaj cały artykuł pod adresem MIT News)

2 - RiskIQ dostaje 30.5 miliona dolarów na zastosowanie uczenia maszynowego do zagrożeń bezpieczeństwa

Firma RiskIQ z siedzibą w San Francisco ogłosiła, że ​​pozyskała kolejne 30.5 miliona dolarów z serii C w ramach umowy prowadzonej przez gruzińskich partnerów, w tym Summit Ventures, MassMutual Ventures i Battery Ventures, co daje łączne fundusze zebrane w wysokości 65.5 miliona dolarów od 2009 roku. RiskIQ Usługi oparte na sztucznej inteligencji pomagają dużym firmom w wyszukiwaniu i znajdowaniu witryn i aplikacji, które mogą nosić nazwę firmy, ale są prowadzone przez przestępców próbujących wykraść informacje konsumentów lub rozpowszechniać złośliwe oprogramowanie. Łączne rezerwacje firmy wzrosły o 80 procent w pierwszej połowie 2016 r., Przy obecnej łącznej liczbie 200 klientów korporacyjnych i 13,000 XNUMX analityków bezpieczeństwa, w tym Facebook, Under Armour i innych. Steve Leightell, szef Georgian Partners, dołączy również do rady dyrektorów RiskIQ

(Przeczytaj cały artykuł pod adresem Silicon Valley Business Journal)

3 - Pierwsze kolokwium Carnegie koncentruje się na sztucznej inteligencji w wojsku, prywatności danych

Carnegie Mellon przeprowadził pierwsze z dwuczęściowego kolokwium, które dotyczyło zagadnień związanych ze sztuczną inteligencją w zakresie prywatności danych i operacji wojskowych, dla ekspertów ds. Polityki globalnej w siedzibie Carnegie Endowment for International Peace (CEIP) w Waszyngtonie. odstraszanie, 2 grudnia w Cohon University Center CMU w Pittsburghu. Dyrektor CyLab David Brumley, który otworzył drugi panel dyskusyjny poświęcony autonomicznej technologii, powiedział:

„Kraje na całym świecie, w tym Stany Zjednoczone, Rosja, Izrael, Chiny i Indie, w coraz większym stopniu wdrażają i inwestują w sztuczną inteligencję i technologię autonomii w swoich operacjach. Autonomia będzie ogromna i absolutnie konieczne jest, abyśmy zrobili to dobrze ”.

Jim Garrett, dziekan Wydziału Inżynierii CMU, podkreślił, że takie fora mają zasadnicze znaczenie dla wymiany pomysłów i rozwijania akceptacji dla szerokiej gamy poglądów na tematy, które mogą mieć głęboki wpływ na społeczność globalną.

(Przeczytaj pełny komunikat prasowy pod adresem Wiadomości Carnegie Mellon)

4 - Badacze z Oxfordu opracowują program komputerowy, który potrafi czytać usta z nadludzką dokładnością

Naukowcy z Oksfordu byli pionierami programu AI czytającego z ruchu warg, który potrafi czytać usta z dokładnością 93.4% - znacznie przewyższając średnią dokładność 52.3% dla uczniów z upośledzeniem słuchu. Oprogramowanie nazwane „LipNet” zostało zbudowane we współpracy z firmą DeepMind firmy Google, która przeszkoliła go na 30,000 XNUMX filmów z obiektami testowymi. System przetwarzał zdania (w przeciwieństwie do pojedynczych słów) i był w stanie umieścić słowa w kontekście. Chociaż nie jest jeszcze przygotowany na różnorodność języków, akcentów i łamaną mowę w prawdziwym świecie, program może zarówno pomóc społeczeństwu - ulepszyć aparaty słuchowe, umożliwić rozmowę w hałaśliwych miejscach itp. - jak również zaszkodzić - pozwolić dla osób lub grup do podejmowania prywatnych rozmów lub prowadzenia nielegalnego masowego nadzoru.

(Przeczytaj cały artykuł na Telegraf i opublikowany w Oxford University)

5 - Algorytm uczenia maszynowego określa ilościowo uprzedzenia ze względu na płeć w astronomii

W artykule naukowców ze Szwajcarskiego Instytutu Technologii w Zurychu opublikowanym na serwerze arXiv wykorzystano uczenie maszynowe do oszacowania uprzedzeń ze względu na płeć w cytowaniach artykułów naukowych z astronomii. Chociaż eksperci w tej dziedzinie nie zostali jeszcze poddani recenzji, skomentowali to, co wydaje się być prawidłową metodologią. Cassidy Sugimoto, informatyk z Indiana University Bloomington, stwierdził:

„Nowość tego artykułu polega na obaleniu mitu, że różnice między płciami w cytowaniu można przypisać raczej specyfice artykułu niż płci”.

Algorytm został wyszkolony na 200,000 5 artykułów w 1950 czasopismach od 2015 do 6 roku. Wyniki pokazały, że prace, których autorki były wymienione jako pierwsze, otrzymały około 4 procent mniej cytowań niż te, których głównym autorem był mężczyzna; algorytm przewidywał również, że prace, w których autorami są kobiety, powinny otrzymać o 19 procent więcej cytowań niż te, których autorami są mężczyźni. W środowisku akademickim mniej cytowań oznacza zwykle mniej grantów, listów polecających i innych wyróżnień - mówi Meg Urry, dyrektor Yale Center for Astronomy and Astrophysics. Artykuł zauważa jednak również, że kobiety publikują o 7 procent mniej artykułów niż mężczyźni w ciągu XNUMX lat od ich pierwszego opublikowanego artykułu, co jest krytycznym momentem dla pracy w środowisku akademickim. Może to również odgrywać rolę w zdobywaniu przez kobiety bardziej stałych stanowisk.

(Przeczytaj cały artykuł pod adresem Scientific American)

Zdjęcie: Tek-Think

Źródło: 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 /