Maskininlärning som lär sig mer som människor, en AI-läppläsningsmaskin och mer - Denna vecka i artificiell intelligens 11-11-16

1 - Systemet för artificiell intelligens surfar på webben för att förbättra dess prestanda

Informationsutvinning innebär klassificering av dataobjekt som lagras i klartext och är ett stort forskningsområde för forskare inom maskininlärning. Förra veckan introducerade ett forskargrupp från MIT ett nytt tillvägagångssätt för informationsutvinning för maskininlärningssystem vid Association for Computational Linguistics 'Conference on Empirical Methods on Natural Language Processing, och vann ett pris för bästa papper. Istället för att mata sitt system så mycket data som möjligt tar teamets vinnande strategi en annan väg och fokuserar på en mycket mindre datamängd, en liknande process som används av människor - om du läser ett papper som du inte förstår, du kommer sannolikt att göra en sökning på webben och hitta artiklar som du kan förstå. Denna nya systemmetod gör något liknande; om systemets förtroende poäng är låg vid bedömningen av en viss text, kommer det att fråga efter mer information, och drar upp en handfull nya artiklar från webben som korrelerar med en viss uppsättning termer. I framtiden kan den här modellen tillämpas på glesa data och spara mycket tid på att granska databaser.

(Läs hela artikeln på MIT News)

2 - RiskIQ får $ 30.5 miljoner för att tillämpa maskininlärning på säkerhetsrisker

San Francisco-baserade digitala riskhanteringsstart RiskIQ tillkännagav att det samlade in ytterligare $ 30.5 miljoner serie C i en affär som leds av Georgian Partners, inklusive Summit Ventures, MassMutual Ventures och Battery Ventures, vilket innebär att de totala medlen har samlats till $ 65.5 miljoner sedan 2009. RiskIQ AI-baserade tjänster hjälper stora företag att söka och hitta webbplatser och appar som kan bära företagets namn men drivs av brottslingar som försöker stjäla konsumentinformation eller sprida skadlig kod. Företagets totala bokningar ökade med 80 procent under första delen av 2016, med totalt 200 företagskunder och 13,000 XNUMX säkerhetsanalytiker som inkluderar Facebook, Under Armour och andra. Georgian Partners-chef Steve Leightell kommer också att ingå i RiskIQs styrelse

(Läs hela artikeln på Silicon Valley Business Journal)

3 - Första Carnegie Colloquium fokuserar på artificiell intelligens i militär, datasekretess

Carnegie Mellon höll det första av ett kollokvium i två delar, som behandlade överväganden kring AI om dataintegritet och militära operationer, för globala policyexperter vid Carnegie Endowment for International Peace (CEIP) huvudkontor i Washington DC Den andra delen kommer att behandla internetstyrning och cyber avskräckande den 2 december vid CMU: s Cohon University Center i Pittsburgh. CyLab-chef David Brumley, som inledde en andra paneldiskussion för autonom teknik, sa:

”Länder runt om i världen, inklusive USA, Ryssland, Israel, Kina och Indien, distribuerar och investerar alltmer i artificiell intelligens och autonomiteknik i sin verksamhet. Autonomi kommer att bli enormt, och det är absolut kritiskt att vi får rätt. ”

Jim Garrett, dekan för CMU: s College of Engineering, betonade att sådana forum är av avgörande betydelse för att utbyta idéer och utveckla acceptans för en mängd olika åsikter om frågor som har en djupgående inverkan på det globala samhället.

(Läs hela pressmeddelandet på Carnegie Mellon News)

4 - Oxfordforskare utvecklar datorprogram som kan läsa läppar med övermänsklig noggrannhet

Forskare vid Oxford har varit banbrytande i ett läppläsande AI-program som kan läsa läppar med 93.4 procents noggrannhet - långt överträffat den genomsnittliga 52.3 procentprecisionen för hörselskadade studenter. Programmet namngavs ”LipNet” och byggdes i samarbete med Googles DeepMind, som utbildade den på 30,000 XNUMX videor av testpersoner. Systemet behandlade meningar (i motsats till enskilda ord) och kunde placera ord i sammanhang. Även om det ännu inte är redo för mångfalden av språk, accenter och trasiga tal i den verkliga världen, har programmet potential att både hjälpa samhället - förbättra hörapparaterna, möjliggöra samtal på bullriga platser etc. - såväl som skada - tillåta för individer eller grupper att ta upp privata samtal eller genomföra olaglig massövervakning.

(Läs hela artikeln på Telegraph och publicerade papper vid Oxford University)

5 - Maskininlärningsalgoritm kvantifierar könsförskjutning i astronomi

En uppsats av forskare från Schweiziska tekniska institutet i Zürich och publicerad på arXiv-servern använde maskininlärning för att uppskatta könsförskjutning i citat av akademiska artiklar i astronomi. Även om det ännu inte är peer-reviewed, har experter inom området kommenterat vad som verkar vara en giltig metod. Cassidy Sugimoto, en informatiker vid Indiana University Bloomington, sade:

"Nyheten i denna uppsats är att skingra myten att könsskillnader i citat kan tillskrivas specifikationerna i tidningen snarare än till kön."

Algoritmen utbildades på 200,000 5 artiklar i fem tidskrifter från 1950 till 2015. Resultaten visade att artiklar med kvinnliga författare som listades först fick cirka 6 procent färre citat än de med en primär manlig författare; algoritmen förutspådde också att dessa papper med kvinnliga författare borde ha fått 4 procent fler citat än de som författats av män. I akademiker betyder färre citat vanligtvis färre bidrag, rekommendationsbrev och andra erkännanden, säger Meg Urry, chef för Yale Center for Astronomy and Astrophysics. Tidningen konstaterar dock också att kvinnor publicerar 19 procent färre artiklar än män de sju åren efter deras första publicerade tidning, en kritisk tid för att bidra till den akademiska världen. Detta kan också spela en faktor för att kvinnor ska få mer permanenta positioner.

(Läs hela artikeln på Scientific American)

Bildkredit: Tek-Think

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