Машинное обучение, которое учится больше, чем люди, «машина» ИИ для чтения по губам и многое другое - на этой неделе в искусственном интеллекте 11-11-16

1. Система искусственного интеллекта просматривает веб-страницы, чтобы улучшить свою производительность

Извлечение информации включает в себя классификацию элементов данных, которые хранятся в виде обычного текста, и является основной областью исследований ученых, занимающихся машинным обучением. На прошлой неделе исследовательская группа из Массачусетского технологического института представила новый подход к извлечению информации для систем машинного обучения на конференции Ассоциации компьютерной лингвистики по эмпирическим методам обработки естественного языка и получила награду за лучшую статью. Вместо того, чтобы вводить в свою систему как можно больше данных, успешный подход команды идет по другому пути и фокусируется на гораздо меньшем наборе данных, аналогичный процесс, используемый людьми — если вы читаете статью, которую не понимаете, вы, скорее всего, выполните поиск в Интернете и найдете статьи, которые сможете понять. Этот новый системный подход делает нечто подобное; если показатель достоверности системы низок при оценке определенного текста, она запросит дополнительную информацию, извлекая из Интернета несколько новых статей, которые соответствуют определенному набору терминов. В будущем эту модель можно будет применять к разреженным данным и сэкономить много времени при просмотре баз данных.

(Читайте полную статью на Новости MIT)

2. RiskIQ получает 30.5 млн долларов на применение машинного обучения к угрозам безопасности

Стартап по управлению цифровыми рисками RiskIQ из Сан-Франциско объявил, что привлек еще 30.5 млн долларов США в рамках серии C в рамках сделки, проводимой Georgian Partners, в которую входят Summit Ventures, MassMutual Ventures и Battery Ventures, в результате чего общий объем привлеченных средств с 65.5 года составил 2009 млн долларов США. RiskIQ Услуги на основе ИИ помогают крупным компаниям искать и находить сайты и приложения, которые могут носить имя компании, но управляются преступниками, пытающимися украсть информацию о потребителях или распространить вредоносное ПО. Общее количество заказов компании выросло на 80% в первой половине 2016 года, и в настоящее время в общей сложности насчитывается 200 корпоративных клиентов и 13,000 XNUMX аналитиков по безопасности, включая Facebook, Under Armour и другие. Глава Georgian Partners Стив Лейтелл также войдет в совет директоров RiskIQ.

(Читайте полную статью на Силиконовая долина Бизнес журнал)

3. Первый коллоквиум Карнеги посвящен искусственному интеллекту в вооруженных силах и конфиденциальности данных.

Карнеги-Меллон провел первую из двух частей коллоквиума для экспертов по глобальной политике в штаб-квартире Фонда Карнеги за международный мир (CEIP) в Вашингтоне, округ Колумбия. сдерживания, 2 декабря в Университетском центре Кохон CMU в Питтсбурге. Директор CyLab Дэвид Брамли, который открыл вторую панельную дискуссию по автономным технологиям, сказал:

«Страны по всему миру, включая США, Россию, Израиль, Китай и Индию, все чаще внедряют и инвестируют в технологии искусственного интеллекта и автономии в своих операциях. Автономия будет огромной, и абсолютно необходимо, чтобы мы все сделали правильно».

Джим Гарретт, декан Инженерного колледжа КМУ, подчеркнул, что такие форумы имеют жизненно важное значение для обмена идеями и принятия широкого спектра мнений по вопросам, которые могут оказать глубокое влияние на мировое сообщество.

(Читайте полный пресс-релиз на Новости Карнеги-Меллона)

4. Исследователи из Оксфорда разработали компьютерную программу, способную читать по губам со сверхчеловеческой точностью.

Исследователи из Оксфорда первыми разработали программу искусственного интеллекта для чтения по губам, которая может читать по губам с точностью 93.4%, что намного превышает среднюю точность 52.3% для слабослышащих студентов. Программное обеспечение, получившее название «LipNet», было создано в сотрудничестве с Google DeepMind, которое обучило его на 30,000 XNUMX видео испытуемых. Система обрабатывала предложения (в отличие от отдельных слов) и могла помещать слова в контекст. Хотя программа еще не готова к разнообразию языков, акцентов и ломаной речи реального мира, она может как помочь обществу — улучшить слуховые аппараты, позволить разговаривать в шумных местах и ​​т. д., так и навредить — позволить для отдельных лиц или групп, чтобы подслушивать частные разговоры или вести незаконную массовую слежку.

(Полную статью читайте на Телеграфный и опубликовал статью на Оксфордский университет)

5. Алгоритм машинного обучения количественно определяет гендерную предвзятость в астрономии

В статье исследователей из Швейцарского технологического института в Цюрихе, опубликованной на сервере arXiv, использовалось машинное обучение для оценки гендерной предвзятости в цитировании научных статей по астрономии. Хотя это еще не рецензировано, эксперты в этой области прокомментировали то, что кажется действительной методологией. Кэссиди Сугимото, информатик из Университета Индианы в Блумингтоне, заявила:

«Новизна этой статьи заключается в том, что она развеяла миф о том, что гендерное неравенство в цитировании может быть связано со спецификой статьи, а не с полом».

Алгоритм был обучен на 200,000 5 статей в 1950 журналах с 2015 по 6 год. Результаты показали, что статьи с первыми авторами-женщинами цитировались примерно на 4 процентов меньше, чем статьи с основным автором-мужчиной; алгоритм также предсказал, что статьи с авторами-женщинами должны были получить на 19% больше цитирований, чем статьи, написанные мужчинами. В академических кругах меньше цитирований обычно означает меньше грантов, рекомендательных писем и других признаний, говорит Мэг Урри, директор Йельского центра астрономии и астрофизики. Однако в документе также отмечается, что женщины публикуют на 7 процентов меньше статей, чем мужчины, в течение XNUMX лет после их первой опубликованной статьи, что является критическим временем для вклада в академические круги. Это также может играть роль в том, что женщины получают более постоянные должности.

(Читайте полную статью на Scientific American)

Изображение предоставлено: Tek-Think

Источник: 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/