Dal MIT nuovi antibiotici dall’intelligenza artificiale

Il MIT utilizza l'intelligenza artificiale per identificare nuovi potenti antibiotici Di ANNE TRAFTON, MASSACHUSETTS INSTITUTE OF TECHNOLOGY Un modello di apprendimento profondo identifica un nuovo potente farmaco in grado di uccidere molte specie di batteri resistenti agli antibiotici. Utilizzando un algoritmo di apprendimento automatico, i ricercatori del MIT hanno identificato un nuovo potente composto antibiotico. In test di laboratorio, il farmaco ha ucciso molti dei batteri più problematici che causano malattie, tra cui alcuni ceppi resistenti a tutti gli antibiotici noti. Ha anche eliminato le infezioni in due diversi modelli di topo. Il modello computerizzato, che può selezionare più di cento milioni di composti chimici in pochi giorni, è progettato per individuare potenziali antibiotici che uccidono i batteri utilizzando meccanismi diversi rispetto a quelli dei farmaci esistenti. "Volevamo sviluppare una piattaforma che ci consentisse di sfruttare il potere dell'intelligenza artificiale per inaugurare una nuova era di scoperta di farmaci antibiotici", afferma James Collins, professore di ingegneria medica e scienze presso l'Istituto di ingegneria e scienza del MIT (IMES) e Dipartimento di Ingegneria Biologica. "Il nostro approccio ha rivelato questa straordinaria molecola che è probabilmente uno degli antibiotici più potenti che è stato scoperto." Nel loro nuovo studio, i ricercatori hanno anche identificato molti altri promettenti candidati antibiotici, che hanno intenzione di testare ulteriormente. Ritengono che il modello potrebbe anche essere utilizzato per progettare nuovi farmaci, sulla base di ciò che ha appreso sulle strutture chimiche che consentono ai farmaci di uccidere i batteri. "Il modello di apprendimento automatico può esplorare, in silico, ampi spazi chimici che possono essere proibitivi per gli approcci sperimentali tradizionali", afferma Regina Barzilay, professore Delta Electronics di ingegneria elettrica e inform...
Continua a Leggere

L’API di Google Cloud Vision non utilizzerà più etichette di genere come “donna” o “uomo” nelle foto di persone

Lo strumento AI di Google non utilizzerà più etichette di genere come "donna" o "uomo" nelle foto di persone L'API di Google Cloud Vision contrassegnerà le immagini come "persona" per contrastare la distorsione Uno strumento di intelligenza artificiale fornito da Google agli sviluppatori non aggiungerà più etichette di genere alle immagini, dicendo che il genere di una persona non può essere determinato solo da come appaiono in una foto, riporta Business Insider . La società ha inviato oggi agli sviluppatori via e-mail la modifica del suo strumento API Cloud Vision ampiamente utilizzato, che utilizza l'intelligenza artificiale per analizzare immagini e identificare volti, punti di riferimento, contenuti espliciti e altre caratteristiche riconoscibili. Invece di usare "uomo" o "donna" per identificare le immagini, Google taggerà tali immagini con etichette come "persona", come parte del suo più grande sforzo per evitare di instillare algoritmi AI con pregiudizio umano. "IL GENERE DI UNA PERSONA NON PUÒ ESSERE DEDOTTO DALL'ASPETTO" Nell'e-mail agli sviluppatori che annunciava la modifica, Google ha citato le proprie linee guida AI, rapporti di Business Insider . "Dato che il genere di una persona non può essere dedotto dall'aspetto, abbiamo deciso di rimuovere queste etichette per allinearle ai principi di intelligenza artificiale di Google , in particolare il principio n. 2: evitare di creare o rafforzare pregiudizi ingiusti". Il riconoscimento delle immagini AI è stato un problema spinoso per Google in passato. Nel 2015, un ingegnere del software ha notato che gli algoritmi di riconoscimento delle immagini di Google Foto stavano classificando i suoi amici neri come "gorilla". Google ha promesso di risolvere il problema, ma un rapporto di follow-up di Wired nel 2018 ha scoperto che Google aveva bloccato la sua IA dal riconoscimento dei gorilla e non aveva fatto molto altro per affrontare il problema alla base. Google ha rilasciato i suoi principi ...
Continua a Leggere

Westworld terza stagione intelligenza artificiale contro intelligenza artificiale

Il trailer della terza stagione di Westworld mette l'IA contro l'IA in un intenso scontro Il "Nuovo Mondo" sembra uno sguardo alla bellezza della distopia La prima stagione di Westworld si è concentrata sull'idea dell'intelligenza artificiale e degli umani che si mescolano in un epico parco a tema. La seconda stagione ha visto quegli stessi esseri artificialmente intelligenti condurre una rivoluzione contro le loro controparti umane . Ora, un nuovo trailer per la terza stagione di Westworld , presentato in anteprima il 15 marzo, mette l'IA contro l'IA. Nella terza stagione di Westworld , Dolores è fuggita dal parco di proprietà di Delos che ha chiamato casa - o forse la prigione è la scelta delle parole più corretta. Si unisce al personaggio di Aaron Paul, che ha il compito di abbattere una persona misteriosa che gli ha tolto il futuro. Maeve, anch'essa fuggita, le viene affidato un compito piuttosto pesante: uccidere Dolores. Il trailer, che mostra gran parte del "Nuovo Mondo" su cui si basa la terza stagione, termina con un teaser per una brutta resa dei conti tra Dolores e Maeve. AI che affronta AI? Elon Musk è scosso. Il co-creatore e showrunner di Westworld Jonathan Nolan ha osservato che questa stagione si ispira all'idea che "la distopia può apparire molto bella nel mondo". "Solo perché il mondo è corrotto dentro, non significa che non possa essere soffocato e bello", ha detto Nolan in un comunicato stampa. "Volevamo trovare una versione di distopia che non avevamo mai visto prima." Gran parte del cast principale di Westworld tornerà per la terza stagione, tra cui Ed Harris nei panni di Man in Black, Jeffrey Wright nei panni di Bernard, Tessa Thompson nei panni di Charlotte e Luke Hemsworth nei panni di Stubbs. HBO ha anche una serie di riassunti approfonditi delle ultime due stagioni sul suo sito Westworld per chiunque cerchi di ricordare cosa è successo nella seconda stagione dello show, andato in onda nel 2018.
Continua a Leggere

I migliori Display Intelligenti : Amazon Echo Show 8, Google Nest Hub, LENOVO SMART DISPLAY 10,

IL MIGLIOR DISPLAY INTELLIGENTE DA ACQUISTARE IN QUESTO MOMENTO Display intelligenti per la tua cucina, camera da letto o soggiorno I display intelligenti, quei cugini di altoparlanti intelligenti a comando vocale con display touchscreen completi, sono ottimi dispositivi per gestire la tua casa intelligente, visualizzare informazioni utili durante il giorno o persino riprodurre musica o video. Come un altoparlante intelligente, un display intelligente è principalmente a comando vocale, quindi puoi abbaiare i comandi da una stanza. Ma a differenza di un altoparlante intelligente, un display intelligente può visualizzare informazioni come appuntamenti imminenti, meteo, timer in corso, ora corrente, lista della spesa, ricette e altro senza che sia necessario pronunciare un singolo comando. Possono anche essere usati come una moderna cornice digitale collegata al cloud, permettendoti di vedere tutti quei ricordi che hai catturato negli anni che sono attualmente intrappolati sul tuo smartphone. Alcuni modelli sono inoltre dotati di fotocamere integrate che possono essere utilizzate per le videochiamate su altri display intelligenti o persino telefoni. Un buon display intelligente ha tutte le capacità di un altoparlante intelligente, inclusi altoparlanti di buona qualità per ascoltare musica o guardare video. Sono disponibili in una varietà di prezzi e dimensioni e, a seconda di dove vuoi posizionare il display nella tua casa, potresti preferire un modello più piccolo rispetto a uno che ha uno schermo più grande e altoparlanti più forti. Ma se stai cercando un display intelligente a 360 gradi da utilizzare in cucina o in soggiorno, ne avrai uno con uno schermo facile da vedere dall'altra parte della stanza e altoparlanti che possano riempire lo spazio con un suono chiaro e piacevole . IL MIGLIOR DISPLAY INTELLIGENTE PER LA MAGGIOR PARTE DELLE PERSONE: AMAZON ECHO SHOW 8 Amazon Echo Show 8. La TheEcho Show 8 è il bambino di mezzo nella gamma Amazon d...
Continua a Leggere

I migliori cinque corsi gratuiti di Big Data e Data Science

5 CORSI GRATUITI DI DATA SCIENCE PER PRINCIPIANTI Le aziende di tutti i settori del mondo sono sempre alla ricerca di personale per la scienza dei dati che li aiuti a raccogliere informazioni dai big data. Gli esperti di assunzione sono costantemente alla ricerca di personale con elevate competenze in materia di programmazione, data mining, modellistica statistica ecc. Con l'enorme divario esistente tra le competenze e i talenti richiesti disponibili, queste industrie sono diventate più resistenti alla ricerca di esperti in dati e alla ricerca di quelli meno talentuosi. Un modo in cui le persone che si dedicano alla scienza dei dati per migliorare le proprie conoscenze è frequentare i corsi di scienza dei dati online, questi corsi di scienza dei dati aiutano a conoscere il settore e acquisire le competenze richieste. Qui di seguito abbiamo elencato alcuni dei migliori liberi corsi on-line di scienza i dati disponibili: (l'elenco è in ordine casuale) Data Science Essentials Da : Microsoft tramite edX. Durata : 6 settimane Costo : gratuito / circa 100 uro per aggiungere un certificato verificato. W3Schools Istruttori : Graeme Malcolm Sviluppatore di contenuti senior Esperienze di apprendimento Microsoft Steve Elston Consigliere delegato Quantia Analytics, LLC Cynthia Rudin professore associato MIT e Duke Prerequisiti : matematica di base e conoscenze di base su R o Python. Informazioni sul corso : Microsoft offre questo corso come parte del Certificato Microsoft Professional Program in Data Science e Microsoft Professional Program in Artificial Intelligence. Questo corso fornisce concetti fondamentali nell'acquisizione dei dati, nella preparazione all'esplorazione e nella visualizzazione con esempi pratici orientati all'applicazione. edX offre assistenza finanziaria per il corso a chiunque desideri guadagnare i certificati verificati. Concetti insegnati: Esplorare la scienza dei dati Esplorazione e vi...
Continua a Leggere

Polygames di Facebook

FACEBOOK OPEN SOURCE POLYGAMES: UN FRAMEWORK PER ADDESTRARE I ROBOT AI CON SELF PLAY Polygames è un nuovo framework di ricerca sull'IA open source per addestrare gli agenti a padroneggiare i giochi di strategia attraverso il gioco personale, piuttosto che studiando esempi estesi di gameplay di successo. Poiché è più flessibile e presenta più funzionalità rispetto ai framework precedenti, Polygames può aiutare i ricercatori a far avanzare e valutare una vasta gamma di tecniche di zero learning (ZL) che non richiedono set di dati di training. L'architettura di Polygames lo rende compatibile con più tipi di giochi - compresi Breakthrough, Hex, Havannah, Minishogi, Connect6, Minesweeper, Mastermind, EinStein würfelt nicht !, Nogo e Othello - rispetto ai sistemi precedenti, come AlphaZero e ELF OpenGo. Oltre a costruire e valutare i metodi ZL in una varietà di giochi, lo strumento consente ai ricercatori di studiare l'apprendimento di trasferimento, il che significa l'applicabilità di un modello addestrato su un gioco per avere successo su altri. Fornisce una libreria di giochi inclusi, nonché un'API a file singolo per implementare il tuo gioco. Il team AI di Facebook ha dimostrato l'efficacia di Polygames come strumento di allenamento con prestazioni di modello elevate in varie competizioni di gioco, tra cui la produzione del primo bot per battere un giocatore umano di alto livello nel gioco 19 × 19 Hex. Oltre a condividere l'approccio alla costruzione di Polygames, Faceook sta facendo open source l'intero framework, disponibile su GitHub .
Continua a Leggere

Samsung Galaxy Home è pronto ?

Non abbiamo ancora visto Galaxy Home - e questa è una buona cosa Non ha senso rilasciare un altoparlante per la casa intelligente che non è eccezionale Due volte all'anno, Samsung tiene il suo evento di lancio Galaxy Unpacked. Due volte all'anno, ci chiediamo: Samsung annuncerà finalmente i suoi misteriosi altoparlanti intelligenti abilitati Bixby, Galaxy Home e Galaxy Home Mini? E due volte all'anno, la società annuncia telefoni, accessori e partnership a bizzeffe - senza nessun altoparlante Bixby in vista. Dove, oh dove è la Galaxy Home? Stiamo aspettando questo dispositivo a forma di calderone da quando Samsung lo ha annunciato al suo evento di agosto 2018. (Potrebbe non sembrare molto tempo fa, ma per il contesto, anche il Note 9 è stato lanciato in quell'evento.) Samsung ha promesso il dispositivo nell'aprile 2019, quindi ha spinto verso "la prima metà del 2019", quindi verso il terzo trimestre del 2019. Mini è quindi apparso come beta pubblica alla fine di agosto 2019, insieme alle voci di una versione del 12 febbraio 2020 . Avviso spoiler: neanche quello è successo. Ma sappiamo che gli altoparlanti Galaxy Home esistono in qualche modo. Per uno, ho visto il Mini da solo. È stato installato in un angolo remoto della suite SmartThings di Samsung al CES questo gennaio, sebbene i rappresentanti Samsung non mi permettessero di provarlo. Alcune foto e video del dispositivo in azione sono anche apparsi online lo scorso fine settimana . Samsung ha effettivamente reso disponibile il prodotto, non per l'acquisto, ma come componente aggiuntivo promozionale dei preordini Galaxy S20 in Corea del Sud. TL; DR: Samsung ha chiaramente altoparlanti funzionanti. Allora, qual è il holdup? Per la cronaca, abbiamo posto a Samsung questa domanda ripetutamente negli ultimi giorni e non abbiamo ricevuto una risposta. Ma basta una breve occhiata all'attuale panorama domestico intelligente per capire perché non è il momento giusto per lanciare un altoparlante Bixb...
Continua a Leggere

I 7 MIGLIORI GRUPPI DI FACEBOOK SULL’INTELLIGENZA ARTIFICIALE

I 7 MIGLIORI GRUPPI DI FACEBOOK SULL'INTELLIGENZA ARTIFICIALE A CUI PUOI PARTECIPARE Nel panorama in continua evoluzione dell'intelligenza artificiale, gli sviluppatori devono abbracciare ogni possibile modo di tenersi aggiornati con gli ultimi sviluppi. E uno dei modi più semplici per rimanere al passo è essere associati con le comunità AI su varie piattaforme come Facebook, LinkedIn, Reddit, tra gli altri. Mentre tali gruppi aiutano a tenervi informati, non si dovrebbe limitarsi a leggere solo sugli ultimi sviluppi. Invece, gli sviluppatori dovrebbero impegnarsi a condividere idee e contribuire alla comunità. AIM ti offre un elenco curato di un gruppo Facebook popolare e più attivo relativo all'intelligenza artificiale che porterà valore nel tuo viaggio professionale. Artificial Intelligence & Deep Learning www.facebook.com/groups/DeepNetGroup/ Intelligenza artificiale e apprendimento profondo Il gruppo di intelligenza artificiale e apprendimento profondo ha oltre 360.000 membri che pubblicano principalmente notizie e ricerche relative all'intelligenza artificiale. Sebbene la visibilità del gruppo sia pubblica, è necessario richiedere di aderire al gruppo. Creato nel 2016, il gruppo sta ancora guadagnando molta trazione; più di 10.000 membri si sono uniti negli ultimi 30 giorni. Anche la community è uno dei gruppi più attivi, poiché i membri hanno pubblicato circa 700 post in un mese. Notizie curate e storie di opinione dei membri tengono occupato il gruppo durante il giorno. Di conseguenza, questo è un must per gli appassionati artificiali. Data Mining/Machine Learning/Artificial Intelligence Data mining / Machine Learning / Intelligenza artificiale www.facebook.com/groups/machinelearningforum/ Con 125.900 membri forti, il gruppo Data Mining / Machine Learning / Intelligenza artificiale è più propenso verso articoli relativi alla ricerca, risorse di apprendimento e alcuni meme. Se sei uno degli aspiranti che cercano sempre ri...
Continua a Leggere

Come far funzionare l’Intelligenza Artificiale quando i dati sono pochi

Far funzionare l'IA con piccoli dati È un vero dilemma manifatturiero: "insegnare" l'IA quando i difetti sono una rarità. Mentre i produttori iniziano a integrare le soluzioni di intelligenza artificiale nelle linee di produzione, la scarsità di dati è emersa come una grande sfida. A differenza delle società Internet di consumo, che dispongono di dati provenienti da miliardi di utenti per addestrare potenti modelli di intelligenza artificiale, spesso non è possibile raccogliere enormi set di formazione nella produzione. Ad esempio, nella produzione automobilistica, dove le pratiche Six Sigma snelle sono state ampiamente adottate, la maggior parte degli OEM e dei fornitori di livello 1 si sforzano di avere meno di 3-4 difetti per milione di parti. La rarità di questi difetti rende difficile disporre di dati sui difetti sufficienti per addestrare i modelli di ispezione visiva. In un recente sondaggio MAPI , il 58% degli intervistati della ricerca ha riferito che la barriera più significativa all'implementazione di soluzioni di intelligenza artificiale riguardava la mancanza di risorse di dati. Tecnologie per aggirare il problema dei piccoli dati I big data hanno abilitato l'IA nelle società Internet di consumo. La produzione può anche far funzionare l'IA con piccoli dati? In effetti, i recenti progressi nell'intelligenza artificiale lo stanno rendendo possibile. I produttori possono utilizzare le seguenti tecniche e tecnologie per aggirare il problema dei piccoli dati per aiutare i loro progetti di intelligenza artificiale a diventare realtà anche con solo dozzine o meno esempi: La generazione di dati sintetici viene utilizzata per sintetizzare nuove immagini che sono difficili da raccogliere nella vita reale. A tale scopo, è possibile utilizzare recenti progressi in tecniche come GAN, autoencoders variazionali, randomizzazione del dominio e aumento dei dati. Il trasferimento dell'apprendimento è una tecnica che consente all'intelligenza ar...
Continua a Leggere

L’intelligenza artificiale “vede” i vantaggi quantistici

L'intelligenza artificiale "vede" i vantaggi quantistici: aiuta verso nuovi computer quantistici efficienti Ricercatori russi dell'Istituto di fisica e tecnologia di Mosca, dell'Istituto di fisica e tecnologia di Valiev e dell'Università ITMO hanno creato una rete neurale che ha imparato a prevedere il comportamento di un sistema quantistico "osservando" la sua struttura di rete. La rete neurale trova autonomamente soluzioni ben adattate alle dimostrazioni di vantaggi quantistici. Ciò aiuterà i ricercatori a sviluppare nuovi computer quantistici efficienti. I risultati sono riportati nel New Journal of Physics . Una vasta gamma di problemi nella scienza moderna viene risolta attraverso calcoli meccanici quantistici. Alcuni esempi sono la ricerca di reazioni chimiche e la ricerca di strutture molecolari stabili per la medicina, la farmaceutica e altre industrie. La natura quantistica dei problemi coinvolti rende i calcoli quantistici più adatti a loro. I calcoli classici, al contrario, tendono a restituire solo soluzioni approssimative voluminose. La creazione di computer quantistici è costosa e richiede molto tempo e non è garantito che i dispositivi risultanti presentino alcun vantaggio quantico. Cioè, operare più velocemente di un computer convenzionale. Quindi i ricercatori hanno bisogno di strumenti per prevedere se un determinato dispositivo quantico avrà un vantaggio quantico. Uno dei modi per implementare i calcoli quantistici sono le passeggiate quantistiche. In termini semplificati, il metodo può essere visualizzato come una particella che viaggia in una determinata rete, che è alla base di un circuito quantico. Se il cammino quantico di una particella da un nodo di rete a un altro avviene più velocemente del suo analogo classico, un dispositivo basato su quel circuito avrà un vantaggio quantico. La ricerca di tali reti superiori è un compito importante affrontato dagli esperti di camminata quantistica. Quello che hanno fatto i ricerc...
Continua a Leggere