Home / Articles posted byceleborn (Page 2)

Author: celeborn

Igloo Software terzo rapporto annuale sullo stato del lavoro digitale

Igloo Software, il principale fornitore di soluzioni di lavoro digitali, ha pubblicato il suo terzo rapporto annuale sullo stato del lavoro digitale, che esplora il modo in cui i dipendenti collaborano e comunicano nei moderni luoghi di lavoro. Lo studio ha rilevato che poco più della metà (51%) dei dipendenti ha evitato di condividere un documento con un collega perché non è riuscito a trovarlo o ha pensato che sarebbe stato troppo difficile da trovare - la percentuale più alta mai registrata da quando Igloo ha iniziato questo studio tre anni fa. Inoltre, il 54% dei lavoratori remoti ha interrotto almeno una riunione a causa di problemi tecnici e il 51% dei dipendenti ammette di essere stato sopraffatto dalla quantità di messaggi non correlati al lavoro inviati in app come Slack e Microsoft Teams. Tuttavia, il motivo di preoccupazione non finisce qui, poiché il 57% ammette di utilizzare almeno un'applicazione non approvata da società per comunicare o condividere informazioni sull'azienda. "Ora più che mai, è fondamentale che i dipendenti dispongano degli strumenti di cui hanno bisogno per comunicare e collaborare efficacemente, ma anche per interagire con i loro colleghi all'interno dell'organizzazione", ha affermato Mike Hicks , CMO di Igloo Software. "Dato che lavorare da remoto è diventata la nuova realtà, ha messo in luce i vantaggi di una situazione lavorativa da casa, così come le sfide della fatica delle app, uno scarso equilibrio tra vita privata e vita privata e una serie di rischi per la sicurezza dei dati . Questo studio scopre queste principali sfide e l'impatto sull'impegno e sulla cultura dei dipendenti, insieme a intuizioni su come la leadership possa sostenere al meglio la forza lavoro remota a lungo termine. " Oltre ad esplorare le complicazioni del lavoro a distanza, il sondaggio esamina in modo approfondito le abitudini e gli incidenti della comunicazione digitale . Altri risultati del rapporto includono: Il 39% ha inviato...
Continua a Leggere

Aarki premio CogX 2020 Miglior prodotto di intelligenza artificiale in Marketing e Adtech

Aarki Selezionato Come Miglior Prodotto Di Intelligenza Artificiale In Marketing & Adtech Per Il 2020 Aarki, una delle principali piattaforme di marketing mobile abilitate all'intelligenza artificiale , è entusiasta di annunciare di essere stata nominata vincitrice nella categoria "Miglior prodotto di intelligenza artificiale in Marketing e Adtech" nei premi CogX 2020, il festival leader mondiale di intelligenza artificiale e tecnologia emergente. "È entusiasmante e gratificante per noi ricevere questo riconoscimento, il nostro secondo premio AI quest'anno", ha dichiarato Levon Budagyan , Chief Technology Officer e co-fondatore di Aarki. “Ciò non sarebbe possibile senza le continue innovazioni del nostro team proattivo e strategico. Questo premio è la prova delle scoperte che Aarki ha raggiunto, grazie ai nostri data scientist, analisti di dati e ingegneri che stanno affrontando le sfide più interessanti della tecnologia della pubblicità mobile . " Aarki è riconosciuto per il suo avanzamento delle capacità di previsione nella pubblicità mobile . Il modello PMI (Pointwise Mutual Information) sviluppato su misura consente ad Aarki di modellare efficacemente le canalizzazioni di conversione dell'utente specifiche di Aarki durante il pre-training sui dati di eventi omnicanale non attribuiti . Con questo calcolo più accurato della probabilità di acquisto degli utenti, Aarki migliora il ritorno sull'investimento (ROI) e le previsioni sulla probabilità di installazione e riduce il costo per installazione (CPI). "Abbiamo assegnato i premi per riconoscere e celebrare alcune delle migliori aziende del mondo", ha dichiarato Charlie Muirhead , CEO e co-fondatore di CogX e CognitionX. "Noi e la nostra giuria siamo lieti che Aarki abbia vinto il premio Best Marketing e AdTech e siamo estremamente colpiti dalle loro capacità, in particolare dalla fornitura di servizi di qualità e determinazione per garantire la migliore esperienza pubblicitaria ai propri clienti...
Continua a Leggere

In che modo l’IA influisce sulle operazioni su LinkedIn

LinkedIn è all'avanguardia nell'IA da anni e utilizza l'IA in molti modi di cui gli utenti potrebbero non essere a conoscenza. Di recente ho avuto l'opportunità di parlare con Igor Perisic, Chief Data Officer (CDO) e VP of Engineering di LinkedIn per saperne di più sull'evoluzione dell'intelligenza artificiale a LinkedIn, su come viene applicata alle attività quotidiane, su come le normative mondiali sui dati incidono sull'azienda, e alcune informazioni uniche sul mutevole panorama lavorativo legato all'intelligenza artificiale e sui ruoli lavorativi. Molto presto a LinkedIn, i dati sono stati identificati come uno dei principali fattori di differenziazione dell'azienda. Un altro fattore di differenziazione è stato il valore fondamentale dell'azienda dei "membri per primi" (chiarezza, coerenza e controllo del modo in cui vengono utilizzati i dati dei membri) e la loro visione di creare opportunità economiche per ogni membro della forza lavoro globale. Quando LinkedIn ha iniziato a trovare sempre più modi per intrecciare l'IA nei propri prodotti e servizi, ha anche riconosciuto l'importanza di garantire che tutti i dipendenti fossero ben attrezzati per lavorare con l'IA secondo necessità nel loro lavoro. A tal fine, hanno creato un programma di formazione interno chiamato AI Academy. È un programma che insegna a tutti, dagli ingegneri del software ai team di vendita, l'intelligenza artificiale al livello più adatto a loro, in modo che siano preparati a lavorare con queste tecnologie. Uno dei primissimi progetti di intelligenza artificiale è stato i consigli di People You May Know (PYMK). In sostanza, questo è un algoritmo che raccomanda ai membri di altre persone che potrebbero conoscere sulla piattaforma e li aiuta a costruire le loro reti. È un sistema di raccomandazioni che è ancora centrale per i loro prodotti, anche se ora è molto più sofisticato di quanto non fosse ai primi tempi. PYMK come prodotto di dati è iniziato intorno al 2006. È ...
Continua a Leggere

Amazon CodeGuru

CodeGuru: ora i programmatori possono trovare codice pesante usando questo strumento ML Amazon ha recentemente annunciato la disponibilità generale di uno strumento di sviluppo basato sull'apprendimento automatico che fornisce consigli intelligenti per migliorare la qualità del codice noto come CodeGuru . Questo strumento funziona identificando le righe di codice più costose di un'applicazione e aiuta a migliorare la qualità del codice. Lo sviluppo del software è un processo lungo e sistematico. Gli sviluppatori scrivono codice, revisionano e compilano per distribuire applicazioni. Dopo la distribuzione, misurano le prestazioni dell'applicazione e utilizzano ulteriormente tali dati per migliorare il codice. Nell'intero processo di sviluppo, se uno sviluppatore in qualche modo commette un errore scrivendo un codice errato, che viene lasciato inosservato, tutto il duro lavoro e lo sforzo possono andare invano. Questo è il motivo per cui è essenziale eseguire revisioni del codice, in cui gli sviluppatori controllano la logica, la sintassi e lo stile del codice prima che il nuovo codice venga aggiunto alla base di codice delle applicazioni esistenti. Tuttavia, è spesso difficile avere abbastanza sviluppatori esperti con abbastanza tempo libero per eseguire revisioni del codice, data la quantità di codice che viene scritto ogni giorno. Inoltre, la maggior parte dei revisori esperti manca persino i problemi prima di avere un impatto sulle applicazioni rivolte al cliente, causando bug e altri problemi di prestazioni. Inoltre, ci sono molti altri problemi che dovrebbero essere mitigati per monitorare le prestazioni delle applicazioni e farle funzionare in modo efficiente. Questo è il motivo alla base dello sviluppo dello strumento CodeGuru. Amazon CodeGuru è un nuovo servizio per gli sviluppatori che utilizza l'apprendimento automatico per automatizzare le revisioni del codice durante lo sviluppo delle applicazioni e la creazione di profili delle ap...
Continua a Leggere

AWS Honeycode per sviluppare app senza scrivere codice

Amazon introduce Honeycode in beta per consentire agli utenti di sviluppare applicazioni web e mobili senza scrivere codice. Questo servizio sarà disponibile come parte di AWS per consentire alle persone senza esperienza di programmazione di iniziare immediatamente. Chiunque abbia familiarità con il modello di foglio di calcolo sarà facilmente in grado di utilizzare Honeycode. Funziona in modo simile a un foglio di calcolo ma ha molte funzionalità avanzate per aiutarti a personalizzare le applicazioni in base alle tue esigenze. Honeycode viene fornito con una ricca tavolozza di oggetti dell'interfaccia utente come pulsanti, elenchi e campi di input, che sono caratteristiche chiave per qualsiasi applicazione. Con Honeycode, sarai in grado di attivare azioni per generare e-mail, notifiche e modificare le tabelle. Varie funzioni integrate possono replicare i fogli di calcolo esistenti. Jeff Barr, Chief Evangelist di AWS, ha scritto che FindRow - una funzione di Honeycode - che è una versione potente della funzione Vlookup del foglio di lavoro. Si può iniziare con Honeycode Builder e creare applicazioni Web o mobili in base alle proprie esigenze, consentendo così ai membri del team di lavorare su qualsiasi dispositivo. Honeycode fa il lavoro pesante automatizzando il processo di creazione di applicazioni in quanto gestisce il database, la logica aziendale e l'interfaccia utente - elementi essenziali di qualsiasi applicazione aziendale. In generale, per creare app personalizzate per le aziende, le organizzazioni devono fare affidamento sul proprio team IT per connettere efficacemente le applicazioni ai database e sviluppare interfacce utente migliori con la funzionalità dei robot. Tuttavia, Honycode semplifica l'intero processo end-to-end di sviluppo di applicazioni offrendo funzionalità intuitive. Inoltre, puoi ridimensionare le applicazioni in modo efficace poiché sfrutta le funzionalità di AWS. La collaborazione con i membri del team è...
Continua a Leggere

Anduril raccoglie 200 milioni di dollari per costruire un gigante della tecnologia militare

Anduril raccoglie $ 200 milioni per finanziare piani ambiziosi per costruire un gigante della tecnologia di difesa A settembre, un devastante attacco alle raffinerie di petrolio saudite ha attirato maggiormente l'attenzione su una minaccia che è stata di crescente preoccupazione per il Dipartimento della Difesa degli Stati Uniti: piccoli droni economici possono eludere il rilevamento e sopraffare le difese aeree tradizionali. Sta causando uno spostamento dell'enfasi verso i sistemi difensivi per un esercito americano che da tempo si è concentrato principalmente sulla proiezione della forza per attaccare, afferma Brian Schimpf, CEO della controversa startup di difesa della Silicon Valley Anduril Industries. "Avere consapevolezza dell'ambiente, essere in grado di prendere decisioni informate su ciò che è una minaccia o meno e come posso rispondere, questa è la sfida fondamentale che DoD ha in questo momento", afferma Schimpf. Gli investitori in tasca della Silicon Valley stanno scommettendo Anduril ha una soluzione promettente. La società ha raccolto $ 200 milioni in un round di finanziamento della Serie C guidato da Andreessen Horowitz, lo ha annunciato mercoledì. L'investimento valuta l'azienda con 1,9 miliardi di dollari di denaro, quasi il doppio del suo ultimo round di finanziamento a settembre. Schimpf afferma che i soldi consentiranno ad Anduril di espandere i suoi sforzi di sviluppo su scala e portata mentre cerca di portare un approccio frenetico della Silicon Valley al mondo in lento movimento dei contratti di difesa. Si autofinanzia la sua ricerca e sviluppo piuttosto che aspettare contratti governativi, facendo la scommessa sicura che i sistemi di sorveglianza e contro-drone artificiali allacciati all'intelligenza che sta sviluppando verranno schioccati da un Pentagono affamato di toccare più tecnologia della Silicon Valley. Sotto la pressione di dipendenti a disagio con il lavoro di difesa, molte grandi aziende tecnologiche di consumo ...
Continua a Leggere

Il robot contro il coronavirus che mantiene pulite le strutture durante Covid-19

Il robot che mantiene pulite le strutture durante Covid-19 Il ritorno al lavoro dopo le misure di blocco è una faccenda estremamente complessa, con i datori di lavoro che devono affrontare varie normative insieme alle preoccupazioni di dipendenti, fornitori e clienti. Date le circostanze insolite poste su di loro, forse non sorprende che la tecnologia stia giocando un ruolo importante nella riapertura. Un buon esempio viene dal Laboratorio di informatica e intelligenza artificiale (CSAIL) del MIT, che ha sviluppato un robot per cercare di garantire che gli spazi siano mantenuti il ​​più puliti possibile. I ricercatori affermano che in questo periodo estremamente pericoloso, è fondamentale mantenere pulite le superfici per impedire la trasmissione di eventuali goccioline che potrebbero contenere il virus. Sostengono che mentre i prodotti chimici per la pulizia sono efficaci nella pulizia di tali superfici, è un compito altamente laborioso garantire che vengano puliti ripetutamente, specialmente in strutture più grandi. Il processo di pulizia stesso mette i lavoratori a rischio di contrarre il virus. Mantenerlo pulito Il team del MIT, in collaborazione con la Greater Boston Food Bank e Ava Robotics, ha sviluppato un sistema robotico per disinfettare le superfici utilizzando una luce UVC integrata nella base di un robot mobile. Nei test iniziali, il team ritiene che i risultati siano stati sufficientemente impressionanti da suggerire che potrebbe essere una soluzione utile per una vasta gamma di ambienti di lavoro, che vanno dalle fabbriche ai supermercati. Il sistema, che può funzionare senza supervisione, utilizza la luce ultravioletta a breve lunghezza d'onda per uccidere i microrganismi attraverso un processo noto come "irradiazione germicida ultravioletta". Il robot inizia mappando lo spazio in cui lavorerà, quindi naviga tra i diversi waypoint. Durante i test, il team ha misurato la quantità di luce UVC emessa con un dosimetro UVC per garant...
Continua a Leggere

La Cina rimarrà indietro nella corsa all’IA?

Mentre il COVID-19 si è svelato, tra tutte le tecnologie emergenti che hanno guadagnato trazione, l'intelligenza artificiale si è rivelata una delle tecnologie più trasformative per combattere la crisi - non solo per appiattire la curva, ma anche per aiutare le aziende a risolvere i problemi . In effetti, secondo un recente rapporto , il mercato dell'IA dovrebbe raggiungere $ 208,49 miliardi entro il 2025 a causa della sua maggiore applicazione nel mercato automobilistico e dell'elettronica di consumo. Dato che siamo al culmine di questa enorme trasformazione guidata dall'intelligenza artificiale, solleva una domanda essenziale: la Cina sta dominando la corsa all'IA? In effetti, nel 2017, il paese aveva rilasciato una strategia su tre fronti per diventare il leader mondiale dell'intelligenza artificiale entro il 2030 . A supporto di tale visione, il governo cinese ha compiuto significativi progressi nelle sue tecnologie militari e di sorveglianza. Tuttavia, molti recenti sviluppi hanno modificato l'idea che la Cina sia la superpotenza AI del mondo. Mentre gli Stati Uniti e l' India insieme all'Unione europea si sono uniti per rafforzare lo sviluppo etico e l'uso dell'intelligenza artificiale, l'uso tirannico dell'intelligenza artificiale della Cina è molto meno convincente rispetto all'uso etico e al mantenimento della privacy e della sicurezza. Ciò può diluire la loro innovazione e accettazione sia nelle imprese estere che tra le masse. Sebbene l'enorme raccolta di dati della Cina , la capacità di affinare la tecnologia e la solida tabella di marcia per l'IA le diano un grande vantaggio rispetto ad altri paesi, la sua incapacità di condurre ricerca e sviluppo per la sperimentazione le impedisce di diventare il prossimo primato dell'IA nel mondo. In effetti, secondo la ricerca , nonostante il finanziamento di $ 6,1 miliardi, "la Cina non è leader nell'innovazione dell'IA nel mondo". Jerrold Wang , l'autore del rapporto afferma che, “In superficie,...
Continua a Leggere

Il coronavirus COVID-19 visibile con i raggi x sul torace con l’intelligenza artificiale dall’ IIT-Gandhinagar

I ricercatori di IIT-Gandhinagar sviluppano uno strumento basato sull'intelligenza artificiale per rilevare COVID-19 con raggi X sul torace Per aiutare a facilitare un rilevamento più rapido di COVID-19, i ricercatori dell'IIT-Gandhinagar hanno sviluppato uno strumento di apprendimento profondo basato sull'intelligenza artificiale per il rilevamento del famigerato virus dalle immagini a raggi X. Questo strumento online sviluppato indica la probabilità che una persona sia infettata da COVID-19. Può essenzialmente essere usato come una rapida diagnosi preliminare prima del test medico ed è attualmente in fase di test presso l'Istituto indiano di sanità pubblica (IIPH). I ricercatori, che hanno sviluppato il test, ritengono che con le limitate strutture di test per COVID-19, molti paesi si stanno affrettando a sviluppare strumenti di intelligenza artificiale per analisi rapide utilizzando i raggi X. “Lo sviluppo di uno strumento affidabile richiede una combinazione di algoritmi e dati corretti. È qui che il nostro strumento si rivelerebbe utile in quanto può essere addestrato per scopi diagnostici e può essere reso disponibile per un uso più ampio, ”ha affermato Kushpal Singh Yadav, uno studente MTech presso il Dipartimento di Ingegneria Informatica dell'IIT. Il test è stato sviluppato riunendo i dati delle immagini radiografiche dei pazienti con infezione da COVID-19 insieme a quelli di persone sane di varie fonti disponibili su Internet. Con queste immagini, formano un'architettura di machine learning utilizzando algoritmi di deep learning. I ricercatori hanno condiviso che il modello aveva 12 strati di una rete neurale. Hanno inoltre spiegato che il metodo di apprendimento profondo apprende le funzionalità di diagnosi della malattia dalle immagini a raggi X in modo automatico. Yadav ha inoltre aggiunto che lo strumento utilizza anche immagini di altre infezioni polmonari come la tubercolosi e la polmonite per garantire la specificità del rilevament...
Continua a Leggere

Big Is Better: il deep learning è truccato contro i piccoli laboratori? Forse non è vero che set di dati più contenuti sono performanti.

Recentemente è stato stabilito con la versione GPT-3 di OpenAI che i modelli più grandi hanno prestazioni migliori. Non solo GPT, ma anche altri modelli NLP come T5 hanno dato risultati migliori rispetto ai lavori precedenti. Storicamente, i sistemi di PNL hanno faticato ad imparare da alcuni esempi. Ma, con GPT-3, i ricercatori hanno dimostrato che il ridimensionamento dei modelli linguistici migliora notevolmente le prestazioni agnostiche, con pochi scatti, a volte persino raggiungendo la competitività con i precedenti approcci di perfezionamento all'avanguardia. Mentre il ridimensionamento è stato collegato per aumentare le prestazioni senza supervisione o almeno semi-supervisionate, lo stesso non si può dire nel caso delle applicazioni di visione artificiale. Per esplorare il concetto di "big is better", con i modelli CV, i ricercatori di Google Brain hanno condotto esperimenti con il modello SimCLR modificato: SimCLRv2. Hanno scoperto che meno etichette, più l'uso agnostico di dati senza etichetta beneficia di una rete più grande! Come funzionano le reti più grandi? Importante Imparare da pochi esempi etichettati e sfruttare al meglio una grande quantità di dati senza etichetta è un problema di vecchia data nell'apprendimento automatico. Un approccio alternativo per le attività di visione artificiale è quello di sfruttare i dati senza etichetta durante l'apprendimento supervisionato come una forma di regolarizzazione. In questo lavoro , il framework di apprendimento semi-supervisionato proposto sfrutta i dati senza etichetta in due modi: uso agnostico nella pre-formazione senza supervisione e uso specifico dell'attività di auto-allenamento / distillazione Un approccio all'apprendimento semi-supervisionato prevede un pre-training senza supervisione o auto-supervisionato, seguito da una messa a punto supervisionata. Sebbene abbia ricevuto poca attenzione nella visione artificiale, questo approccio è diventato predominante nell...
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