Home / Archive by category "AI tecnologia"

AI tecnologia

Winnow Vision il cestino intelligente che riconosce e misura i rifiuti

Immagina che il cestino ti abbia inviato un rapporto ogni settimana con tutto ciò che hai buttato fuori, quanto valeva e la sua impronta ambientale. Rilasciato oggi, la smart Vision Winnow può fare proprio quello per il cibo sprecato dal settore dell'ospitalità, che stimano ammonta a $ 100 miliardi all'anno. Lo smart bin Winnow Vision riconosce il cibo come se fosse stato scartato. L'introduzione di Winnow Vision rappresenta una nuova era più automatizzata per il tracciamento dei rifiuti alimentari. Come dice il vecchio adagio, non è possibile gestire ciò che non si misura. I prodotti di tracciabilità dei rifiuti alimentari, come LeanPath e il prodotto di prima generazione di Winnow, esistono da oltre un decennio. Hanno avuto un discreto successo nell'aiutare gli utenti a ridurre significativamente la quantità di cibo che hanno sprecato, ma una delle sfide principali è sempre stata quella di far sì che il personale della cucina inserisse informazioni ogni volta che qualcosa viene scartato. Winnow Vision semplifica gran parte di questo processo identificando automaticamente i rifiuti. "Senza visibilità su ciò che viene sprecato, le cucine stanno sprecando molto più cibo di quanto pensano. Comprendendo e segnalando i costi molto reali dei rifiuti alimentari sia per i profitti sia per l'ambiente. Winnow Vision consente agli chef di agire ", afferma Marc Zornes, CEO di Winnow. Utilizzando una fotocamera, le scale e l'intelligenza artificiale, il contenitore intelligente "impara" a riconoscere molti cibi diversi. Gli utenti possono perfezionare ulteriormente il sistema addestrandolo su voci di menu specifiche. Per ora, Winnow Vision può prevedere il cibo corretto con una precisione dell'80%. Una persona dello staff di cucina deve solo verificare che l'identificazione sia corretta e che nel tempo contribuisca a migliorare le capacità del sistema. Le aziende e gli chef possono quindi utilizzare le informazioni sui costi alimentari, finanziari e ambientali per ...
Continua a Leggere

L’ultimo software di intelligenza artificiale di Nvidia trasforma dei disegni approssimativi in paesaggi realistici

L'ultimo software IA di Nvidia trasforma doodles ruvidi in paesaggi realistici Questo prototipo mostra come l'intelligenza artificiale aumenterà l'arte L'intelligenza artificiale sarà enorme per gli artisti e l'ultima dimostrazione viene da Nvidia, che ha realizzato un prototipo di software che trasforma i ghirigori in paesaggi realistici. Usando un tipo di modello di IA noto come una rete generativa avversaria (GAN), il software fornisce agli utenti ciò che Nvidia chiama "pennello intelligente". Ciò significa che qualcuno può tracciare una struttura di base di una scena (disegnare, ad esempio, un albero su una collina) prima di riempire il loro abbozzo grezzo con trame naturali come erba, nuvole, foreste o rocce. I risultati non sono del tutto fotorealistici, ma sono ugualmente impressionanti. Questo software non è assolutamente rivoluzionario - i ricercatori hanno mostrato strumenti simili in passato, incluso uno di Google che trasforma i doodle in clipart - ma è la dimostrazione più chiara di questo concetto che abbiamo visto fino ad oggi. Il software genera istantaneamente i paesaggi AI e sorprendentemente intuitivo. Ad esempio, quando un utente disegna un albero e quindi una pozza d'acqua al di sotto di esso, il modello aggiunge il riflesso dell'albero alla piscina. L'intelligenza artificiale può fare arte ora, ma gli artisti non hanno paura Le demo come questa sono molto divertenti, ma non fanno un buon lavoro di evidenziare i limiti di questi sistemi. La tecnologia di base non può semplicemente dipingere in qualsiasi struttura tu possa pensare, e Nvidia ha scelto di mostrare le immagini che gestisce in modo particolarmente efficace. Ad esempio, la generazione di erba e acqua finte è relativamente facile per le GAN perché i modelli visivi coinvolti non sono strutturati. Generare immagini di edifici e mobili , al confronto, è molto più complicato, ei risultati sono molto meno realistici. Questo perché questi oggetti hanno una logica e ...
Continua a Leggere

Gli algoritmi di riconoscimento visivo basati sull’intelligenza artificiale sono tutt’altro che infallibili. Tuttavia, sono molto più capaci di segnalare le rappresentazioni della violenza di quanto la maggior parte delle persone capisca

Il problema con la moderazione dei contenuti basata su AI è l'incentivo non la tecnologia Mentre discutiamo ancora una volta del ruolo della moderazione dei contenuti nell'eliminazione del terrorismo, dell'odio e di altri contenuti violenti e orribili dalle nostre piattaforme digitali, c'è stata una discussione considerevole su ciò che i nostri moderni sistemi di rimozione dei contenuti basati su intelligenza artificiale e firma sono in grado di fare. Data la mancanza di consapevolezza del pubblico su come funzionano questi sistemi e le loro capacità di produzione implementate, vale la pena esaminare più da vicino come funziona la moderazione dei contenuti automatizzata oggi e soprattutto il compromesso in termini di costi e la mancanza di incentivi per le piattaforme a rimuovere contenuti orribili traggono profitto monetariamente da tale materiale. È importante fare un passo indietro e guardare a quale tecnologia è e non è capace di oggi quando si tratta di moderazione dei contenuti di immagini e video. Al di fuori delle principali società di social media e dei loro collaboratori accademici, ci sono pochi che hanno esperienza nel mondo reale applicando algoritmi di riconoscimento delle immagini a contenuti globali che attraversano paesi e culture e quindi notevoli equivoci su come funzionano questi algoritmi e i loro punti di forza e limiti Il mondo reale. In parte ciò è dovuto alle macchine di marketing delle aziende, che trascorrono la maggior parte dell'anno a sollecitare la straordinaria accuratezza dei loro strumenti di intelligenza artificiale, portando i giornalisti a mostrare come i loro modelli di riconoscimento delle immagini possono ora distinguere tra broccoli e marijuana. Quando le cose vanno male, c'è una giustapposizione stonata poiché quelle stesse aziende sottolineano improvvisamente quanto siano primitivi e limitati i loro algoritmi, prima di tornare indietro di qualche settimana dopo per pubblicizzarle ancora una volta in modo abbast...
Continua a Leggere

Qual è la differenza tra Machine Learning e Intelligenza artificiale ?

Machine Learning e AI non sono gli stessi: ecco la differenza Quando si parla di Big Data, questi termini informatici sono spesso usati in modo intercambiabile, ma non sono la stessa cosa. Mentre può sembrare confuso, è in realtà semplice distinguere i termini quando capisci come lavorano insieme. Ecco la differenza tra AI e Machine Learning Machine Learning Pensa a questo esattamente come suona, insegnando a una macchina per imparare. L'apprendimento automatico utilizza la programmazione attraverso una cosa chiamata "reti neurali". È qui che l'apprendimento automatico "impara" attraverso gli algoritmi di addestramento e determina il probabile risultato di una situazione. Il processo richiede a un essere umano di programmare le informazioni nella ML con i dati, le ore di addestramento e test e risolvere i problemi nei risultati. Cose come: Diagnosi medica Ingegneria software Ottimizzazione del motore di ricerca Il più grande esempio di ML è il riconoscimento dell'immagine per il riconoscimento facciale. Quando vengono mostrate abbastanza foto del volto di qualcuno da diverse angolazioni, espressioni, illuminazione e altro, la macchina può quindi iniziare a riconoscere una persona in modo più efficiente e determinare che è probabile che la persona in una foto si basi sulle caratteristiche. Google utilizza ML per ottimizzare gli annunci e Netflix lo utilizza per offrire consigli su spettacoli e film. La cosa importante da ricordare con ML è che può emettere solo ciò che è in input in base ai grandi insiemi di dati che gli vengono dati. Può solo verificare da quale conoscenza è stato "insegnato". Se tale informazione non è disponibile, non può creare un risultato per conto proprio. Pertanto, ML cercherà la soluzione indipendentemente dal fatto che sia la soluzione ottimale. Intelligenza artificiale L'intelligenza artificiale può creare risultati a sé stanti e fare cose che solo un umano potrebbe fare. ML è una parte di ciò che aiuta l'intell...
Continua a Leggere

Come l’intelligenza artificiale può precedere i disastri : terremoti, inondazioni, uragani

Come AI può e prevarrà i disastri Di recente, le regioni intorno al Mar Morto in Giordania sono state allagate, causando la morte di 21 bambini che erano in gita scolastica e ferendone altri 35. Tali disastri colpiscono milioni di persone ogni anno e causano danni alla proprietà per centinaia di miliardi. Solo nel 2017, quasi 335 disastri naturali hanno colpito più di 95,6 milioni di persone e ucciso 9.697 persone , per un costo di circa 335 miliardi di dollari. Ma l'impatto di questi fenomeni può essere ridotto se siamo in grado di prevedere il loro verificarsi. I sistemi basati su AI possono già prevedere i prezzi degli stock, che implicano l'analisi di numerose variabili. Allo stesso modo, i ricercatori stanno applicando l'intelligenza artificiale per prevedere con precisione i disastri naturali. Prevedendo il verificarsi di disastri naturali, possiamo salvare migliaia di vite e adottare misure adeguate per ridurre i danni alla proprietà. Usare l'intelligenza artificiale per prevedere i disastri naturali L'intelligenza artificiale ci ha aiutato in varie applicazioni come il servizio clienti, il commercio e l'assistenza sanitaria. E ora, i ricercatori hanno scoperto che l'intelligenza artificiale può essere utilizzata per prevedere i disastri naturali. Con enormi quantità di dati di buona qualità, l'intelligenza artificiale può prevedere il verificarsi di numerosi disastri naturali, che possono essere la differenza tra la vita e la morte di migliaia di persone. Alcuni dei disastri naturali che possono essere previsti dall'IA sono: terremoti I ricercatori stanno raccogliendo enormi quantità di dati sismici per l'analisi utilizzando sistemi di apprendimento profondo. L'intelligenza artificiale può utilizzare i dati sismici per analizzare l'entità e i modelli dei terremoti. Tali dati possono rivelarsi utili per prevedere il verificarsi di terremoti. Ad esempio, Google e Harvard stanno sviluppando un sistema di intelligenza artificiale in grado di prevede...
Continua a Leggere

Sei ragioni per cui l’intelligenza artificiale non viene ancora usata dalle aziende

Sei motivi per cui non abbiamo visto l'adozione completa di AI Da una parte, sappiamo che l'intelligenza artificiale è il futuro del business. Dopotutto, la forza lavoro non è abbastanza veloce per stare al passo con la domanda dei consumatori. Detto questo, c'è una grande differenza tra sapere che l'intelligenza artificiale è il futuro e implementare effettivamente l'intelligenza artificiale all'interno dell'azienda con successo. Quest'ultima parte - l'adozione dell'IA - è dove molte aziende si trovano bloccate. Nessuno ha detto che la trasformazione digitale sarebbe stata facile, ma non sei da solo se hai pensato che l'adozione dell'IA sarebbe stata una passeggiata. L'IA di oggi è un miracolo. Se può tradurre lingue, elaborare fatture e modificare i messaggi di marketing in tempo reale, deve essere una bacchetta magica. Destra? Tranne quando si tratta di implementazione. Sì, l'intelligenza artificiale ha lo scopo di semplificare la tua vita lavorativa. Ma le condizioni di vita reale non sempre collaborano. Se la tua azienda ha avuto meno successo nei suoi sforzi di intelligenza artificiale, non sei solo. I seguenti sono alcuni motivi per cui vedo che l'adozione di AI non riesce a raggiungere la piena penetrazione nelle aziende di tutto il mondo. Una mancanza di infrastrutture. Proprio come molte aziende hanno realizzato sistemi legacy che li trattenevano dalla piena trasformazione digitale, così è anche che una mancanza di infrastrutture potrebbe impedirle di adottare l'AI. Uno studio recente mostra solo il 15% delle aziende hanno la giusta infrastruttura tecnologica per supportare l'intelligenza artificiale. Cosa significa? Non hanno sistemi che funzionano abbastanza velocemente … in grado di elaborare i dati abbastanza velocemente … in grado di contenere la moltitudine di dati necessari affinché l'intelligenza artificiale funzioni al suo livello ottimale. La tecnologia funzionerà sempre al suo minimo comune denominatore. Una mancanza di infras...
Continua a Leggere

Microsoft Seeing AI: Perché l’App di Intelligenza artificiale di Microsoft per i non vedenti potrebbe portare tutti a vedere

L'App di Microsoft per i non vedenti ha definito un bambino "sfacciato". Ecco perché è importante Il mio vicino Katina non si adatta alla descrizione di un precoce utilizzo della tecnologia. Lei è una scultrice di 75 anni e per gran parte della sua età adulta è stata completamente cieca. Ma la tecnologia imposta il ritmo per la sua vita. Un monitor per il glucosio portatile legge una patch sul braccio per gestire il diabete. La musica classica suona attraverso il suo altoparlante di Google Home. Sfoglia il suo iPhone, il suo schermo sempre vuoto, con una vertiginosa raffica di rubinetti e salti. Un giorno si siede per mostrarmi una nuova app che sta provando, chiamata Seeing AI. Lanciato a luglio 2017 da Microsoft per le persone con problemi di vista, utilizza il software di riconoscimento della vista dell'azienda, una forma di intelligenza artificiale che concede in licenza ad altre aziende, per raccontare il mondo attraverso la fotocamera del suo telefono. Desideroso di provarlo da solo, io uso l'app per scattare una foto di Katina. Una voce maschile robotica dice: "Una donna di quarantacinque anni con i capelli castani sorridenti". "Mi piace!" Dice, chiaramente soddisfatta dell'età che le ha dato. Mia figlia di 8 anni si trova nelle vicinanze. Prova a fare una faccia buffa, dico io. Quando lo fa, l'app ha questo da segnalare: "Una bambina di sei anni con i capelli castani sembra sprezzante". Non possiamo fare a meno di ridere. Più tardi, però, l'affermazione della app mi dà una pausa. Il suo ultimo giudizio non era esattamente sbagliato, dato che mia figlia aveva tirato fuori la lingua. Ma questa era una parola audace per un computer da scegliere. Nel giro di poche settimane parlo con Saqib Shaikh, uno dei principali ingegneri di Microsoft dietro alla Seeing AI, che è stata anche cieca fin dall'infanzia. In che modo la sua app ha scelto una descrizione come "sprezzante?". È venuto fuori che dai dati venivano addestrati gli algoritmi di...
Continua a Leggere

Come IBM apprende dall’apprendimento automatico

Come IBM apprende dall'apprendimento automatico È passato meno di quindici anni quando IBM ha venduto la sua azienda di PC a Lenovo e nel 2014 ha fatto lo stesso per il suo server x86. È stato un cambiamento importante per la società che qualche decennio fa era praticamente lo stesso del "PC" stesso . Ma quale è stato il fattore chiave che ha attirato l'attenzione dell'azienda e l'ha reso aperto a un percorso nuovo di zecca, diverso dalle sue passate strade sicure per il business? Indubbiamente, entrambe le aziende vendute erano diventate meno redditizie, tuttavia, non spiegano sufficientemente il motivo per cui una nuova impresa doveva sostituire quella vecchia per garantire la redditività della società. La stretta vittoria del supercomputer IBM, Deep Blue contro il grande maestro russo di scacchi Garry Kasparov nel 1997, ha dato i primi segnali della nuova sfida che l'azienda era pronta a cercare attivamente. Nel 2006, Watson, successore di Deep Blue, ha vinto due campioni leggendari nel quiz show "Jeopardy". Più recentemente, l'intelligenza artificiale di IBM ha assunto un dibattito umano discutendo per 20 minuti sulla necessità di sovvenzionare l'età prescolare - se Cicerone fosse vivo solo ora per vederlo. Oggi questo è noto come il Cognitive Business di IBM, un modo più sofisticato utilizzato dall'azienda per sottolineare la sua determinazione ad essere il leader dell'era dell'Intelligenza Artificiale. La nuova strada non è tutta rose, in quanto la società si trova di fronte a una concorrenza feroce da parte di grandi tech, come Alphabet, Amazon, Facebook e Microsoft, oltre alla concorrenza di un enorme ecosistema di startup accompagnato da un'enorme potenza cerebrale e un forte sostegno finanziario da fondi privati. Tuttavia, con 9.043 concessioni di brevetto nel 2017, rispetto a 8.090 brevetti nel 2016, IBM è ancora in cima alla lista mondiale delle aziende più innovative con stretta seguaci Samsung e LG sia dalla Corea del Sud. Intel è al quar...
Continua a Leggere

Il tallone d’Achille dell’intelligenza artificiale ? I dati

L'immondizia è spazzatura. Non c'è alcun modo di dire più vero nell'informatica, e specialmente nel caso dell'intelligenza artificiale. Gli algoritmi di apprendimento automatico dipendono molto da dati di formazione accurati, puliti e ben etichettati da cui apprendere in modo che possano produrre risultati accurati. Se alleni i tuoi modelli di apprendimento automatico con la spazzatura, non sorprende che otterrai risultati inutili. È per questo motivo che la maggior parte del tempo trascorso durante i progetti di IA è durante le fasi di raccolta, pulizia, preparazione ed etichettatura dei dati. Secondo un recente rapporto della ricerca di AI e della società di consulenza Cognilyticaoltre l'80% del tempo speso in progetti di intelligenza artificiale viene impiegato per trattare e scambiare dati. Ancora più importante, e forse sorprendentemente, è il modo in cui la maggior parte di questo lavoro di preparazione dei dati è intensivo per l'uomo. Affinché le forme supervisionate di apprendimento automatico funzionino, in particolare gli approcci alla rete neurale a apprendimento multiplo a più livelli, devono essere alimentati grandi volumi di esempi di dati corretti che sono opportunamente annotati, o "etichettati", con il risultato di output desiderato. Ad esempio, se stai cercando di far sì che il tuo algoritmo di apprendimento automatico identifichi correttamente i gatti all'interno delle immagini, devi alimentare quell'algoritmo di migliaia di immagini di gatti, opportunamente etichettati come gatti, con le immagini che non hanno dati estranei o errati che eliminerà l'algoritmo mentre costruisci il modello.(Divulgazione: sono un analista principale con Cognilytica) Preparazione dei dati: molto più di una semplice pulizia dei dati Secondo il rapporto di Cognilytica, ci sono molti passaggi necessari per ottenere i dati nella giusta "forma" in modo che funzioni per i progetti di apprendimento automatico: Rimozione o correzione di dati e duplicati errat...
Continua a Leggere

Activation Atlases l’algoritmo di visione GoogLeNet strumento di Google e OpenAI per vedere meglio attraverso gli occhi dell’intelligenza artificiale

Un nuovo strumento di Google e OpenAI ci consente di vedere meglio attraverso gli occhi dell'intelligenza artificiale Che aspetto ha il mondo per l'intelligenza artificiale? I ricercatori si sono interrogati su questo per decenni, ma negli ultimi anni la domanda è diventata più pressante. I sistemi di visione artificiale vengono implementati in sempre più aree della vita, dall'assistenza sanitaria alle auto che si guidano da soli, ma "vedono" attraverso gli occhi di una macchina - capendo perché ha classificato quella persona come pedone ma quella come un cartello - è ancora una sfida. La nostra incapacità di farlo potrebbe avere conseguenze gravi, persino fatali. Alcuni direbbero che ciò è già avvenuto a causa della morte di auto a guida autonoma. Nuove ricerche di Google e del laboratorio non profit OpenAI spera di aprire ulteriormente la scatola nera della visione AI mappando i dati visivi che questi sistemi usano per capire il mondo. Il metodo, denominato " Activation Atlases ", consente ai ricercatori di analizzare il funzionamento dei singoli algoritmi, rivelando non solo le forme astratte, i colori e i pattern che riconoscono, ma anche il modo in cui combinano questi elementi per identificare oggetti, animali e scene specifici. "SEMBRA UN PO 'COME CREARE UN MICROSCOPIO." Shan Carter di Google, un ricercatore capo del lavoro, ha detto a The Verge che se le ricerche precedenti fossero state come rivelare lettere individuali nell'alfabeto visivo degli algoritmi, Activation Atlases offre qualcosa di più vicino a un intero dizionario, mostrando come le lettere sono messe insieme per fare parole reali . "Quindi, all'interno di una categoria di immagini come" squalo ", ad esempio, ci saranno molte attivazioni che vi contribuiranno, come" denti "e" acqua ", dice Carter. Il lavoro non è necessariamente un grande passo avanti, ma è un passo avanti in un campo di ricerca più ampio conosciuto come "visualizzazione delle caratteristiche". Ramprasaath Selva...
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