Home / Articles posted byceleborn

Author: celeborn

L’intelligenza artificiale (AI) può rispondere alla domanda “Qual è il significato della vita”?

Parametri clinici e intelligenza artificiale Con l'intelligenza artificiale che sta maturando nell'era attuale, sta acquisendo un immenso potenziale nel diventare una tecnologia chiave per applicazioni pratiche . Sebbene la tecnologia abbia dimostrato competenza nel fornire risposte accurate alle domande aziendali, spesso fa fatica a rispondere a domande di natura astratta. In effetti, anche questi robot di conversazione AI come Alexa e Siri sono avanzati nella gestione del nostro programma, ma se vengono poste oscure domande esistenziali come il "significato della vita", ti fornirà solo una risposta esilarante o uno scherzo sarcastico . Tuttavia, poiché l'intelligenza artificiale si sta evolvendo con progressi nell'elaborazione del linguaggio naturale, nel riconoscimento vocale e nel ragionamento automatico, la tecnologia può ora rispondere ad alcune delle difficili domande sulla vita poste dagli umani. Per testare la teoria, i ricercatori dell'Università del New South Wales hanno posto alcune domande morali ed esistenziali al modello di linguaggio del trasformatore condizionale di Salesforce per verificare se l'IA è in grado di rispondere ad alcune domande fondamentali della vita. Il modello di linguaggio trasformatore condizionale di Salesforce è uno dei più grandi modelli linguistici rilasciati pubblicamente al mondo, che funziona su 1,63 miliardi di parametri ed è stato formato su migliaia di libri, milioni di documenti, pagine Web, l'intera Wikipedia e 143 GB di testo. CTRL sfrutta le capacità dell'apprendimento automatico per comprendere il modello della scrittura umana e produrre frammenti di testo simili al pensiero umano. E secondo i ricercatori, il sondaggio ha rivelato che le risposte generate dall'intelligenza artificiale sono molto più convincenti per le persone rispetto a quelle dei leader mondiali. Risposte AI preferite a quelle umane I ricercatori hanno alimentato alcune domande esistenziali fondamentali a CTRL - qual è l'obiettivo d...
Continua a Leggere

Qual è la differenza tra un data warehouse e un data center?

Nel corso dei decenni, le aziende hanno accumulato un gran numero di risorse di dati aziendali. Tuttavia, la tradizionale tecnologia di data warehouse, la gestione dei dati e le capacità di analisi sono diventate carenze nel lavoro di business intelligence poiché le aziende non riescono a eliminare i silos di dati. Il ruolo del data warehouse è quello di ottenere l'integrazione dei dati tra le linee di business e i sistemi per fornire un supporto dati unificato per l'analisi della gestione e il processo decisionale aziendale. Un data warehouse può sostanzialmente aiutarti a trasformare i dati operativi delle tue aziende in informazioni (o conoscenze) accessibili e di alto valore, e fornire le informazioni giuste alle persone giuste nel modo giusto al momento giusto. Ma in altri casi, il tradizionale data warehouse non può soddisfare le esigenze di analisi dei dati. Le aziende presentano sfide nelle applicazioni di analisi dei dati, come la forte domanda di una piattaforma dati unificata, la potenza di elaborazione del centro dati, gli algoritmi core e la completezza dei dati presentano requisiti più elevati. Con i data warehouse, è difficile valutare il mining di valore sui dati globali e non può veramente riflettere il valore delle enormi risorse di dati del gruppo in termini di dimensioni ed effetti. Con la concorrenza sul mercato e la crescente globalizzazione, le imprese non solo sono soddisfatte dell'analisi dei dati interni, ma devono anche condurre un'analisi completa attraverso tecnologie esterne come il web e le applicazioni aziendali. Ciò ha portato ai data center, che non sono solo un sistema o uno strumento, ma un dipartimento funzionale che fornisce la gestione e i servizi delle risorse dati per l'intera organizzazione attraverso una serie di piattaforme, strumenti, processi e specifiche. Questo ha sostituito l'architettura di elaborazione dei dati di mashup di elaborazione e archiviazione con Hadoop, Spark con tecnologie e componenti d...
Continua a Leggere

Che cos’è il Data Wrapping e perché le aziende lo garantiscono

Le migliori associazioni di data science e analytics Mentre i dati sono stati utilizzati a lungo per migliorare i processi o addirittura trarne vantaggio vendendoli, uno scienziato del MIT Center for Information Systems Research ha suggerito un terzo modo interessante in cui le aziende utilizzano i dati, ovvero avvolgendo i loro dati attorno a prodotti e servizi. Quindi, cosa significa questo wrapping dei dati? Sebbene finora non si sappia molto sul concetto, principalmente a causa dell'ubiquità dei dati, il wrapping dei dati consiste principalmente nel confezionare i prodotti con funzionalità ed esperienze di analisi dei dati che possono essere vantaggiose per i clienti e aumentare la redditività. Il processo dà accesso ai dati rilevanti ai clienti che possono esplorare per ottenere approfondimenti e prendere decisioni migliori. Ha lo scopo di aumentare le entrate, la lealtà, la soddisfazione del cliente e altro ancora. Il wrapping dei dati è uno dei modi per la monetizzazione dei dati Mentre le aziende hanno monetizzato i dati in diversi modi, ora condividono i loro pacchetti di prodotti come prodotti con clienti e partner. Questa modalità di monetizzazione dei dati è il wrapping dei dati e viene esplorata come uno dei modi chiave per ottenere la monetizzazione. Alcuni dei modi in cui è possibile applicare il wrapping sono dashboard alimentati dai dati, report, avvisi ecc. Come suggerisce l'articolo, le aziende lo stanno facendo per offrire una migliore esperienza utente ai clienti in quanto aiuta i clienti a comprendere il prodotto e il servizio di una società e utilizzarlo a proprio vantaggio per aumentare i profitti e offrire rendimenti migliori agli azionisti. Sottolinea inoltre che alcuni dei punti chiave da tenere a mente sul wrapping dei dati sono il fatto che è pensato per i clienti delle aziende, non per i dipendenti, è fatto come parte della funzionalità complessiva dei prodotti e del portafoglio di esperienze, i rendimenti economici d...
Continua a Leggere

Data mining rispetto alla profilazione dei dati: cosa li rende diversi

Mentre si lavora nel campo dell'apprendimento automatico e dell'analisi dei dati, la profilazione dei dati e il data mining sono utilizzati in modo abbastanza esteso con varie definizioni sparse. I due termini sono spesso confusi e in alcuni casi le persone lo usano persino in modo intercambiabile. Mentre entrambi possono sembrare la stessa cosa, non lo sono. In primo luogo, il data mining è in uso da un po 'di tempo, mentre la profilazione dei dati è un argomento relativamente raro e nuovo. Con questo articolo, proviamo ad analizzare le differenze tra questi due argomenti in termini di concetti, applicazioni e altro. Qui iniziamo. Comprensione dei due termini Estrazione dei dati Il data mining si riferisce al processo di identificazione dei modelli in un database predefinito. Effettua analisi o scoperte di conoscenza nei database per valutare il database esistente e set di dati di grandi dimensioni per trasformare dati grezzi in informazioni utili e trovare tendenze e modelli in esso. Per dirla semplicemente, raccoglie i modelli e le conoscenze dai dati disponibili, identificando i dati validi, nuovi e potenzialmente utili e le tendenze nei dati per risolvere i problemi attraverso l'analisi dei dati in dati altrimenti dispersi. Una volta identificate le correlazioni all'interno dei set di dati di grandi dimensioni, questa conoscenza viene inserita in aree come la business intelligence e l'analisi per comprendere i set di dati complessi e di grandi dimensioni in vari settori. Identifica i modelli nascosti, cerca nuove conoscenze preziose e non banali per generare informazioni utili. Implica un'analisi statistica e algoritmica completa di un tipico set di dati esteso e l'interrogazione di un database per vari parametri. Ad esempio, può trasportare analisi del sentiment per sapere come si sentono le persone riguardo a un determinato prodotto o servizio. Alcuni degli strumenti standard di data mining sono RapidMiner, Apache SAMOA. Profilazione ...
Continua a Leggere

Il contratto di Clearview con le giubbe rosse canadese è sospeso indefinitamente

Clearview AI interrompe i servizi di riconoscimento facciale in Canada durante le indagini Secondo i funzionari federali della privacy in Canada, Clearview AI con sede negli Stati Uniti interromperà i servizi di riconoscimento facciale nella nazione durante un'indagine sulla società. Il contratto di Clearview con la Royal Canadian Mounted Police (RCMP), che è l'ultimo cliente dell'azienda in Canada, sarà sospeso indefinitamente. L'indagine è gestita congiuntamente dalle autorità di protezione della privacy in Canada, Alberta, British Columbia e Quebec. Secondo una dichiarazione rilasciata dall'Ufficio del Commissario per la Privacy del Canada, una delle questioni che circondano l'indagine da parte delle autorità è "la cancellazione delle informazioni personali dei canadesi che Clearview ha già raccolto, nonché la cessazione della raccolta di Clearview dei canadesi informazione personale." Clearview AI Controversy L'indagine arriva quando i media hanno rivelato che Clearview AI stava raccogliendo immagini attraverso la sua tecnologia e fornendo servizi di riconoscimento facciale alle forze dell'ordine. Altre relazioni hanno dettagliato la cooperazione della società con vari paesi e organizzazioni, quali rivenditori, istituzioni finanziarie e istituzioni governative. È stato all'inizio di quest'anno quando Clearview AI è stata messa a fuoco per la prima volta, a seguito di un rapporto del New York Times . Il rapporto del New York Times descriveva in dettaglio come l'avviamento, all'epoca non molto conosciuto, stava aiutando le forze dell'ordine a identificare individui sconosciuti dalle loro immagini online. Clearview ha risposto affermando che lo strumento doveva consentire alle forze dell'ordine di "identificare gli autori e le vittime di crimini". Tuttavia, ciò non era abbastanza vicino da alleviare le preoccupazioni dei sostenitori della privacy che temono che questo tipo di tecnologia e relazioni possano portare a gravi abusi da pa...
Continua a Leggere

I ricercatori usano l’intelligenza artificiale per studiare in che modo i riflessi a specchio differiscono dalle immagini originali

I ricercatori usano l'intelligenza artificiale per studiare in che modo i riflessi differiscono dalle immagini originali I ricercatori della Cornell University hanno recentemente utilizzato i sistemi di apprendimento automatico per studiare in che modo i riflessi delle immagini sono diversi dalle immagini originali. Come riportato da ScienceDaily , gli algoritmi creati dal team di ricercatori hanno scoperto che c'erano segni rivelatori, differenze rispetto all'immagine originale, che un'immagine era stata capovolta o riflessa. Professore associato di informatica presso la Cornell Tech, Noah Snavely, era l'autore senior dello studio. Secondo Snavely, il progetto di ricerca è iniziato quando i ricercatori sono rimasti incuriositi dal modo in cui le immagini differivano in modo ovvio e sottile quando venivano riflesse. Snavely ha spiegato che anche le cose che sembrano molto simmetriche a prima vista possono di solito essere distinte come un riflesso quando studiate. Sono incuriosito dalle scoperte che puoi fare con nuovi modi di raccogliere informazioni ", ha detto Snavely, secondo ScienceDaily. I ricercatori si sono concentrati sulle immagini di persone, usandole per addestrare i loro algoritmi. Ciò è stato fatto perché i volti non sembrano ovviamente asimmetrici. Se addestrato su dati che distinguevano le immagini capovolte dalle immagini originali, secondo quanto riferito l'IA ha raggiunto una precisione compresa tra il 60% e il 90% tra vari tipi di immagini. Molti dei tratti distintivi visivi di un'immagine capovolta che l'IA ha appreso sono abbastanza sottili e difficili da discernere per gli umani quando guardano le immagini capovolte. Al fine di interpretare meglio le funzionalità utilizzate dall'IA per distinguere tra immagini capovolte e immagini originali, i ricercatori hanno creato una mappa di calore. La mappa di calore mostrava regioni dell'immagine su cui l'IA tendeva a focalizzarsi. Secondo i ricercatori, uno degli indizi più comuni utilizzati...
Continua a Leggere

AI 50: le cinquanta aziende di intelligenza artificiale più promettenti d’America secondo Forbes

AI 50: le aziende di intelligenza artificiale più promettenti d'America L'intelligenza artificiale sta iniziando a essere utilmente impiegata in quasi tutti i settori, dai call center ai clienti, dalla finanza alla ricerca sulle droghe. Tuttavia, il campo è anche afflitto da una campagna pubblicitaria incessante, un gergo opaco e una tecnologia esoterica che rende difficile per gli estranei identificare le aziende più interessanti. Per superare la svolta , Forbes ha collaborato con le società di venture capital Sequoia Capital e Meritech Capital per creare la nostra seconda AI 50 annuale, un elenco di società private con sede negli Stati Uniti che utilizzano l'intelligenza artificiale in modi significativi orientati al business. Per essere incluse, le aziende dovevano essere private e focalizzate su tecniche come l'apprendimento automatico (in cui i sistemi apprendono dai dati per migliorare le attività), l'elaborazione del linguaggio naturale (che consente ai programmi di "comprendere" la lingua scritta o parlata) o la visione artificiale (che si riferisce al modo in cui le macchine "vedono"). L'elenco è stato compilato attraverso un processo di invio aperto a qualsiasi società di intelligenza artificiale negli Stati Uniti. La domanda chiedeva alle società di fornire dettagli sulla loro tecnologia, modello di business, clienti e dati finanziari come finanziamenti, valutazione e cronologia delle entrate (le società avevano la possibilità di inviare informazioni in modo confidenziale, incoraggiare una maggiore trasparenza). In totale, Forbes ha ricevuto circa 400 voci. Da lì, i nostri partner VC hanno applicato un algoritmo per identificare i 100 con i punteggi quantitativi più alti e quindi un gruppo di otto giudici esperti di intelligenza artificiale ha identificato le 50 aziende più convincenti. "Non si tratta di creare alcuni algoritmi magici", afferma il giudice Anima Anandkumar, professore di Caltech e direttore della ricerca sull'apprendimento ...
Continua a Leggere

QSimulate alimenta La Simulazione Quantistica Ad Alto Rendimento Per L’informatica Dei Materiali Presso JSR

QSimulate-MI consente di eseguire calcoli quantistici ad alta precisione per migliaia di molecole su base giornaliera La piattaforma di simulazione quantistica QSimulate che consente un elevato throughput senza precedenti, QSimulate-MI, è stata arruolata da JSR Corporation, uno dei principali attori nel mercato dei materiali semiconduttori, display, ottici e polimerici, per consentire la scoperta di nuovi materiali utilizzando Materials Informatics (MI) si avvicina. In questa partnership, QSimulate ha fornito a JSR l'accesso ai suoi esclusivi strumenti di QM automatizzati sul cloud, consentendo di eseguire calcoli quantistici ad alta precisione per migliaia di molecole su base giornaliera. Questo, a sua volta, fornisce un set di dati superiore per l'informatica dei materiali, nonché la capacità di soppiantare efficacemente l'insieme di addestramento come richiesto. Negli ultimi anni, l'idea che un'intelligenza artificialeIl motore (AI) per l'MI, addestrato utilizzando dati molecolari simulati dal QM, potrebbe consentire una rapida previsione delle proprietà della topologia molecolare ha guadagnato trazione. Se le previsioni AI / MI sono affidabili, è possibile valutare rapidamente una serie di proprietà rilevanti dei materiali, tra cui reattività, proprietà di assorbimento ed emissione, resistenza alla trazione e propensione al difetto e al degrado. Tuttavia, per creare un motore AI / MI affidabile, è necessaria una grande quantità di dati QM ad alta precisione per la formazione, che richiede un numero enorme di calcoli DFT ad alta precisione che sono stati tradizionalmente costosi e ad alta intensità di manodopera. La piattaforma QSimulate-MI rappresenta un approccio di nuova generazione ai calcoli QM per automatizzare completamente il flusso di lavoro e utilizzare in modo efficiente il calcolo elastico scalabile risorse nel cloud con migliaia di processori. Come osserva Toru Shiozaki, CEO e cofondatore di QSimulate, “L'utilità di QM per la progettazione...
Continua a Leggere

Cosa sono i nanobot? Comprensione della struttura, del funzionamento e degli usi di Nanobot

Con l'avanzare della tecnologia, le cose non sempre diventano più grandi e migliori, anche gli oggetti diventano più piccoli. In effetti, la nanotecnologia è uno dei campi tecnologici in più rapida crescita, del valore di oltre 1 trilione di dollari, e si prevede che cresca di circa il 17% nel prossimo mezzo decennio. I nanobot sono una parte importante del campo delle nanotecnologie, ma cosa sono esattamente e come funzionano? Diamo un'occhiata più da vicino ai nanobot per capire come funziona questa tecnologia trasformativa e a cosa serve. Cosa sono i nanobot? Il campo della nanotecnologia riguarda la ricerca e lo sviluppo della tecnologia su una scala compresa tra 1 e 100 nanometri. Pertanto, la nanorobotica si concentra sulla creazione di robot di queste dimensioni. In pratica, è difficile progettare qualcosa di piccolo quanto un nanometro in scala e il termine "nanorobotics" e "nanobot" viene spesso applicato a dispositivi di circa 0,1-10 micrometri di dimensioni, che è ancora piuttosto piccolo. È importante notare che il termine "nanorobot" viene talvolta applicato a dispositivi che interagiscono con oggetti su nanoscala, manipolando oggetti su nanoscala. Pertanto, anche se il dispositivo stesso è molto più grande, può essere considerato uno strumento nanorobotico. Questo articolo si concentrerà sugli stessi robot su scala nanometrica. Gran parte del campo della nanorobotica e dei nanobot è ancora nella fase teorica, con la ricerca focalizzata sulla risoluzione dei problemi di costruzione su così piccola scala. Tuttavia, alcuni prototipi di nanomacchine e nanomotori sono stati progettati e testati. La maggior parte dei dispositivi nanorobotici attualmente esistenti rientrano in una delle quattro categorie : interruttori, motori, navette e automobili. Gli interruttori nanorobotici funzionano chiedendo di passare da uno stato "off" a uno stato "on". I fattori ambientali vengono utilizzati per far cambiare la forma della macchina, un processo c...
Continua a Leggere

Le registrazioni globali dei brevetti AI di intelligenza artificiale Cina Usa e Corea davanti; Europa drammaticamente indietro Samsung l’azienda con più brevetti davanti ad IBM

Europa In Ritardo Sullo Sviluppo Dell'IA, Samsung E IBM Sono Leader Nella Corsa Ai Brevetti AI Il pluripremiato OxFirst, specialista in diritto ed economia della PI, ha pubblicato ricerche che rivelano i segreti nascosti dietro le registrazioni globali di brevetti e le informazioni sul valore economico dei brevetti nel settore dell'IA . Mentre Samsung, IBM e Tencent dominano con il maggior numero di brevetti depositati, la forte concorrenza tra Stati Uniti e Cina oscura altri paesi, compresa l'UE. Reti neurali multiple, riconoscimento vocale e ML che guidano il mercato I brevetti sono depositati principalmente nell'area dell'interconnettività e dell'architettura del sistema, suggerendo che i principali attori si concentrano principalmente sulla protezione delle tecnologie che coprono più reti neurali. Altre aree di importanza cruciale sono l' apprendimento automatico (ML) e i metodi bootstrap, insieme alle procedure utilizzate durante i processi di riconoscimento vocale ; ad esempio l'ulteriore instaurazione del dialogo uomo-macchina. Fonte: analisi interna OxFirst Un'analisi del panorama dei brevetti tra il 2010 e il 2020 mostra che i brevetti che leggono su Machine Learning hanno registrato la loro più grande crescita nel deposito nel 2017/2018. Durante questo periodo le domande di brevetto globali sono aumentate di oltre il 68%. La ricerca sottolinea l'importanza del mercato globale dei brevetti. Un'analisi settoriale specifica suggerisce che i migliori attori si concentrano in particolare sulle applicazioni di intelligenza artificiale nello spazio medico. In particolare, la diagnosi medica, la simulazione medica e il data mining nello spazio medico appaiono come tendenze chiave. Forse, l'attuale crisi di Covid-19 ha suscitato ulteriore interesse nel modellare le pandemie. La dott.ssa Roya Ghafele , direttore esecutivo di OxFirst spiega: 'Per venire a conoscenza delle tendenze del mercato dell'IA, gli analisti tradizionalmente studiano il valore d...
Continua a Leggere
Top

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi