Home / Archive by category "Società"

Società

Nove modi in cui l’intelligenza artificiale cerca di impedire le frodi

I primi 9 modi in cui l'intelligenza artificiale impedisce la frode Louis Columbus Motori basati su regole e semplici modelli predittivi potrebbero identificare la maggior parte dei tentativi di frode in passato, tuttavia non sono al passo con la scala e la gravità dei tentativi di frode oggi. I tentativi di frode e le violazioni sono più sfumati, con criminalità organizzata e gruppi sponsorizzati dallo stato che utilizzano algoritmi di apprendimento automatico per trovare nuovi modi per frodare le aziende digitali. Gli attacchi basati su frodi hanno un modello, una sequenza e una struttura completamente diversi, che li rendono non rilevabili utilizzando la logica basata su regole ei soli modelli predittivi. AI è una partita perfetta per le sfide della lotta alle frodi Ciò che è necessario per contrastare le frodi e fermare l'esfiltrazione di dati di transazione preziosi sono le piattaforme di apprendimento automatico e di apprendimento automatico in grado di combinare l'apprendimento automatico supervisionato e non supervisionato in grado di fornire un punteggio ponderato per qualsiasi attività di business digitale in meno di un secondo. L'intelligenza artificiale è la soluzione perfetta per la rapida escalation di tentativi di frode sfumati e altamente sofisticati. I sistemi di prevenzione delle frodi possono esaminare anni e in alcuni casi, decenni di dati sulle transazioni in una velocità di risposta di 250 millisecondi per calcolare i punteggi di rischio utilizzando l'intelligenza artificiale. Prendendo questo approccio integrativo in tempo reale per l'intelligenza artificiale in un business digitale, si ottengono punteggi che sono del 200% più predittivi in ​​base alla ricerca interna completata da Kount .Di recente hanno annunciato la loro soluzione di prevenzione delle frodi basata sulla IA di prossima generazione e una nuova funzione di punteggio, Omniscore . Omniscore incorpora le componenti più predittive dell'apprendimento automatico supervisi...
Continua a Leggere

Come l’intelligenza artificiale migliorerà le smart city

Cosa ne pensi di quando senti il ​​termine smart city ? Molto probabilmente, ti immagini una città che offre connettività fisica e digitale senza soluzione di continuità grazie a trasporti ben gestiti e reti di comunicazione facilmente accessibili. Potresti pensare a una città che permetta una vita comoda e lussuosa attraverso abitazioni intelligenti e sostenibili, infrastrutture intelligenti e governance digitalizzata. È vero che vantaggi quali livelli di convenienza e connettività senza precedenti distingueranno le città di domani da quelle di oggi. Tuttavia, la nostra fissazione con vantaggi così piacevoli ci fa spesso trascurare il fatto che le città intelligenti possono anche migliorare la fornitura di beni umani di base come la sicurezza e la sicurezza. Mentre può essere vero che il mondo è - sempre così gradualmente - diventando un posto più sicuro in cui vivere, molti pericoli per il benessere delle persone esistono ancora. E la più grande fonte di questi pericoli, non sorprende, sembra essere altre persone. Sia sotto forma di terrorismo organizzato, incidenti, furti programmati o furti, ci sono molte situazioni in cui il benessere e la sicurezza delle persone possono essere predicate sulle azioni di un'altra persona o gruppo di persone. E prevenire tali incidenti è fondamentale tra i doveri dei governatori delle città intelligenti, oltre a garantire l'adeguata fornitura di beni di prima necessità come cibo e acqua. A tal fine, i governi delle città intelligenti possono utilizzare tecnologie come l'IoT e l'intelligenza artificiale nella sicurezza fisica. Applicazioni di IoT e intelligenza artificiale in sicurezza fisica per titoli intelligenti La sicurezza e la sicurezza dei cittadini sono state tradizionalmente affidate ai dipartimenti di legge e di ordine delle città. Lo stesso vale per le città intelligenti del futuro. Tuttavia, i metodi tradizionali impiegati dai dipartimenti di polizia per monitorare la popolazione della città in cerca d...
Continua a Leggere

L’apprendimento profondo il deep learning deve andare oltre i trucchi economici dell’oratore

Kalev Leetaru L'apprendimento profondo di oggi condivide molto in comune con i trucchi da salotto di vecchia data. Date le circostanze ideali, i modelli di apprendimento profondo possono sfornare quelle che sembrano essere imprese straordinarie di intelligenza quasi umana o addirittura superumana. Il problema è che nel mondo reale questo castello di carte correlativo viene rapidamente abbattuto. Piuttosto che "apprendere" il mondo, gli algoritmi odierni si limitano a codificare database di correlazioni statistiche semplicistiche che producono risultati che dipendono interamente dalla somiglianza degli input con i dati di addestramento. Gli algoritmi di traduzione neurale ipotizzati come sostitutivi degli umani nella realtà oscillanoselvaggiamente tra scioltezza umana e indecifrabilità senza senso con il cambio di una sola parola. Le auto senza conducente possono sbattere sui freni o accelerare verso un ostacolo con la minima deviazione dai loro esempi di allenamento, mentre gli algoritmi di comprensione delle immagini sono resi impotenti da alcuni pixel spuri. Mentre le aziende si affrettano a implementare un apprendimento approfondito, stanno costruendo il nostro mondo moderno su un castello di carte straordinariamente fragile. Affinché l'apprendimento profondo possa davvero decollare, dobbiamo andare oltre questi trucchi di lusso per sistemi che possono fare di più che scrivere poche semplici correlazioni nel codice. Sbuccia tutto l'hype e l'iperbole e c'è molto meno rispetto alle meraviglie dell'apprendimento profondo di oggi che incontra l'occhio. Date le circostanze ideali e dati di input che corrispondono strettamente ai loro dati di allenamento, gli algoritmi odierni possono produrre prestazioni simili a quelle umane. Eppure, al di sotto della stupefacente meraviglia delle macchine che imitano gli umani, la realtà è che questa performance si basa su una semplice raccolta di correlazioni statistiche ingenue codificate nel software. Proprio c...
Continua a Leggere

L’Apprendimento Profondo, il Deep Learning di oggi è come la magia una illusione

L'Apprendimento Profondo di oggi è come la magia - in tutte le vie sbagliate Kalev Leetaru Al centro di ogni magia c'è l'illusione. Dal più semplice trucco con le carte alla più grande produzione teatrale, la magia è al centro della creazione delle circostanze in cui il pubblico può sospendere l'incredulità e attribuire la propria immaginazione e i propri sogni agli eventi a cui stanno assistendo. La realtà fisica della magia è molto più banale, combinando una catena di montaggio di sviluppatori che creano nuovi trucchi e un concatenamento logistico e artistico di quei discreti trucchi in spettacoli complessi che diventano più della somma delle loro parti. In circostanze perfette, queste sequenze di trucchi si combinano per creare "magia", ma possono rapidamente precipitare al minimo problema o se viste da qualcosa di diverso dall'angolo perfetto. Il mondo del deep learning condivide molto in comune. Proprio come il mondo della magia, oggi l'apprendimento approfondito è in gran parte definito dai professionisti che sfornano un flusso costante di algoritmi limitati a un unico trucco che sono poi incatenati insieme in sequenze complesse dagli sviluppatori per risolvere i problemi. In perfette circostanze e alimentati con dati di input ideali che corrispondono ai dati di allenamento originali, le soluzioni risultanti sono a dir poco magiche, consentendo ai loro utenti di sospendere l'incredulità e immaginare per un momento che un silicio intelligente sia dietro i loro risultati. Eppure il minimo cambiamento di anche un singolo pixel può gettare tutto nel caos, con il risultato di risultati assolutamente privi di senso o addirittura minacciosi per la vita. I limiti dell'apprendimento correlativo profondo di oggi indicano che gli algoritmi sono tipicamente focalizzati in modo estremamente ristretto, progettati per eseguire un singolo piccolo compito. Le soluzioni pratiche sono formate raggruppando questi algoritmi in pipeline, non in modo dissimile da come...
Continua a Leggere

Ecco Alcuni numeri che spiegano l’Intelligenza Artificiale ad oggi

45 numeri che evidenziano lo stato dell'IA oggi Qual è lo stato dell'IA nel luglio 2019? Recenti indagini, studi e previsioni illustrano le aspettative future e le realtà attuali relative all'impatto dell'IA sui posti di lavoro; le condizioni, le sfide e i benefici dell'adozione dell'IA; e bit di dati relativi a dati o carburante AI. $ 142,859: stipendio medio del macchinista, maggio 2019 [ indeed ] 29,1%: aumento delle offerte di lavoro AI su Indeed negli ultimi 12 mesi, in calo rispetto al 57,9% da maggio 2017 a maggio 2018 [ indeed ] 20%: percentuale di persone in cerca di lavoro (11.000) che temono di perdere un giorno il proprio posto di lavoro per AI [ Ziprecuiter ] 58%: percentuale di persone in cerca di lavoro (11.000) che pensano che l'intelligenza artificiale distruggerà più posti di lavoro di quanti ne crei [ Ziprecuiter ] 300%: l'aumento del numero di lavori creati da AI rispetto ai posti di lavoro distrutti nel 2018 [ Ziprecuiter ] 70,8%: percentuale di americani che credono che l'IA eliminerà più posti di lavoro di quanti ne creerà (Canada 61,2%, Regno Unito 59,8%) [ Gallup / Northeastern University ] 42%: percentuale di americani che esprimono la fiducia che le loro capacità lavorative non diventeranno mai obsolete [ Gallup / Northeastern University ] 67%: percentuale di dirigenti cinesi che prevedono una riduzione del numero di dipendenti nei prossimi 5 anni a causa della robotica avanzata (50% negli Stati Uniti) [ BCG ] 20 milioni: il numero di robot operativi in ​​tutto il mondo entro il 2030, con 14 milioni solo in Cina [ Oxford Economics ] 20 milioni: lavori di produzione che andranno persi per questi robot entro il 2030 o l'8,5% della forza lavoro manifatturiera globale [ Oxford Economics ] 20%: percentuale di lavori IT che saranno sostituiti da AI / automazione entro 5 anni, secondo i CIO [ Harvey Nash / KPMG CIO Survey ] 69%: percentuale di CIO che ritengono che nuovi lavori IT compenseranno le perdi...
Continua a Leggere

Le difficoltà di avviare una start up basata sull’IA INtelligenza artificiale

Le tue abilità di intelligenza artificiale valgono meno di quanto pensi Ryszard Szopa da Medium Siamo nel bel mezzo di un boom di intelligenza artificiale. Gli esperti di Machine Learning comandano salari straordinari, gli investitori sono felici di aprire i loro cuori e libretti degli assegni quando incontrano le startup AI. E giustamente: questa è una di quelle tecnologie di trasformazione che si verificano una volta per generazione. La tecnologia è qui per rimanere, e cambierà le nostre vite. Ciò non significa che rendere il tuo avvio IA successo è facile. Penso che ci siano alcune insidie ​​importanti davanti a chiunque cerchi di costruire il proprio business intorno all'IA . Mio figlio e io, immagine elaborata usando Artistic Style Transfer. Questa tecnica ha suscitato il mio interesse per il Deep Learning. Il valore delle tue abilità di intelligenza artificiale sta diminuendo Nel 2015 ero ancora su Google e ho iniziato a giocare con DistBelief (che in seguito avrebbero rinominato in TensorFlow ). Ha fatto schifo. È stato doloroso imbarazzante scrivere, le astrazioni principali non erano del tutto all'altezza delle aspettative. L'idea di farla funzionare al di fuori del sistema di costruzione di Google era un sogno irrealizzabile. Alla fine del 2016 stavo lavorando a un proof of concept per rilevare il cancro al seno nelle immagini istopatologiche. Volevo utilizzare il trasferimento di apprendimento : prendi Inception , la migliore architettura di classificazione delle immagini di Google al momento, e riqualificale sui miei dati sul cancro. Userei i pesi da un Inception preliminare come previsto da Google, semplicemente cambiando i livelli più alti per corrispondere a quello che stavo facendo. Dopo un lungo periodo di tentativi ed errori in TensorFlow, ho finalmente capito come manipolare i diversi livelli e ho funzionato per lo più. Ci sono volute molte perseveranze e leggendo le fonti di TensorFlow. Almeno non dovevo preoccuparmi troppo delle ...
Continua a Leggere

L’app DeepNude crea false immagini di donne svestite in pochi secondi

La nuova app AI deepfake crea immagini di donne nude in pochi secondi I falsi risultanti potrebbero essere usati per vergognare, molestare e intimidire i loro obiettivi L'app DeepNude crea falsi AI con un clic di un pulsante. Un nuovo strumento software basato su AI rende facile per chiunque generare immagini nude realistiche di donne semplicemente fornendo al programma un'immagine del bersaglio desiderato indossando abiti. L'app si chiama DeepNude ed è l'ultimo esempio di deepfakes generati dall'IA utilizzati per creare immagini compromettenti di donne ignare. Il software è stato individuato per la prima volta da Samantha Cole di Motherboard ed è disponibile per il download gratuito per Windows, con una versione premium che offre immagini con una migliore risoluzione disponibile per $ 99. ( Aggiornamento: l'app è stata ritirata più tardi nella giornata di giovedì, ore dopo che l'attenzione è stata attirata su di esso .) I NUDI FINTI NON SONO PERFETTI MA POTREBBERO FACILMENTE ESSERE SCAMBIATI PER LA COSA REALE Entrambe le versioni gratuite e premium dell'applicazione aggiungono filigrane ai nudi generati dall'IA che li identificano chiaramente come "falsi". Ma nelle immagini create da Motherboard , questa filigrana è facile da rimuovere. (Non siamo stati in grado di testare l'app da soli perché i server sono stati sovraccaricati apparentemente). Un esempio di output dall'app, con barre di censura aggiunte da The Verge . Come abbiamo visto con esempi precedenti di pornografia deepfake, la qualità dell'output è varia. Non è certamente fotorealistico, e se esaminato da vicino le immagini sono facili da individuare come false. La carne dell'IA è sfocata e pixelata e il processo funziona meglio su immagini ad alta risoluzione quando l'obiettivo indossa già abiti rivelatori come un costume da bagno. Ma a risoluzioni inferiori - o se viste solo brevemente - le immagini fasulle sono facili da confondere con la realtà e potrebbero causare danni indicibi...
Continua a Leggere

La Axon (ex Taser ) non commercializzerà prodotti per il face matching sulla fotocamera indossata dalla polizia

Axon (ex Taser) afferma che il riconoscimento facciale su camme del corpo di polizia non è etico Basato su una relazione della sua commissione etica dell'IA Axon ( formalmente conosciuto come Taser ) ha spostato il suo business verso le telecamere del corpo per gli ufficiali di polizia negli ultimi anni, ma oggi, la società sta facendo un grande cambiamento. Su consiglio del suo comitato etico dell'IA, "Axon non commercializzerà prodotti per il face matching sulla nostra fotocamera per il corpo", ha annunciato oggi la società in un post sul blog . Lo scorso aprile Axon ha fondato il proprio comitato per l'etica per l'intelligenza artificiale e la polizia per aiutare a consigliare l'azienda su come sviluppare prodotti eticamente. Il primo rapporto del consiglio è stato pubblicato oggi, con particolare attenzione a consigliare Axon di non usare la tecnologia di riconoscimento facciale. "LA TECNOLOGIA DI RICONOSCIMENTO FACCIALE NON È AL MOMENTO SUFFICIENTEMENTE AFFIDABILE PER GIUSTIFICARE ETICAMENTE IL SUO UTILIZZO SU FOTOCAMERE INDOSSATE DAL CORPO." Secondo la relazione della commissione, "la tecnologia di riconoscimento facciale non è al momento sufficientemente affidabile per giustificare eticamente il suo uso su fotocamere indossate dal corpo". Cita che, per lo meno, una tecnologia più accurata che "funziona egualmente bene su razze, etnie, sessi" e altri gruppi di identità "sarebbero necessari, assumendo che la tecnologia di riconoscimento facciale per le telecamere del corpo di polizia possa mai essere considerata etica, una conversazione che il consiglio ha iniziato a esaminare. Il consiglio inoltre si è espresso a favore di consentire agli utenti (ad esempio, agenti di polizia) di personalizzare il software di riconoscimento facciale se fa parte dei prodotti futuri al fine di prevenire l'uso improprio, raccomandando anche che qualsiasi giurisdizione che pianifica di utilizzare la tecnologia di riconoscimento facciale dovrebbe farlo attravers...
Continua a Leggere

Dynamic Yield la storia di una azienda non AI etichettata come Intelligenza artificiale

Come un'intelligente IA ha arricchito gli investitori, ingannato i media e confuso l'inferno con il resto di noi Quando McDonalds stava comprando da Isreale la “società di Intelligenza Artificiale” Dynamic Yield a $ 300 milioni, il direttore di Wired in capo Nicholas Thompson ha previsto che la vendita sarebbe stata ricordata come il “picco AI della campagna pubblicitaria” o “il giorno in cui i big data fanno risparmiare sul Big Mac “. Come ex dipendente di Dynamic Yield, penso che il tempo gli darà ragione su entrambi i fronti. Se la tecnologia e il talento vengono implementati correttamente, Dynamic Yield può ripagarsi molte volte aiutando McDonald a comprendere meglio i propri clienti. Nulla di ciò sarà dovuto all'intelligenza artificiale. Eppure nei miei due anni all'avvio, i giornalisti, gli analisti e talvolta anche i clienti sembravano determinati a chiamarci un'azienda di intelligenza artificiale. Per un po 'abbiamo resistito all'etichetta AI, comprendendo che la nostra piattaforma non avrebbe fatto sudare Watson in qualsiasi momento. Ma alla fine, ci siamo arresi e abbiamo appena deciso di andare d'accordo con l'esagerazione. Il mercato voleva che fossimo un'azienda di intelligenza artificiale, quindi ridacchiavamo e decidemmo di chiamarci. Dynamic Yield è presente nella categoria altamente personalizzabile dei fornitori di "personalizzazione" di venture-backed, che utilizzano una combinazione di informazioni contestuali e azioni precedenti dell'utente per cercare di creare l'esperienza utente più pertinente. Per fare ciò, è necessaria una piattaforma a architettura aperta in grado di gestire enormi quantità di dati e aiutare le aziende a utilizzare questi dati per testare rapidamente ciò che risuona con un determinato utente. Per McDonalds, questo aiuterà a dare energia a tutto quanto è basilare come raccomandare un McFlurry in un soleggiato pomeriggio di agosto a offrire un'offerta personalizzata per invogliare un cliente fedele che ha passa...
Continua a Leggere

L’intelligenza artificiale non è così avanzata come si potrebbe pensare L’intelligenza artificiale è qui e può essere razzista

L'intelligenza artificiale non è così avanzata come potrebbe pensare Inizia con i sistemi da cui è stato costruito Di Mutale Nkonde Mi chiamo Mutale e sono un esperto di Governance dell'Intelligenza Artificiale (AI). Questa è la mia area di competenza, ma ogni volta che lo dico, mi sembra strano. Questo principalmente perché sono una delle poche donne nere in questo spazio. E anche se preferirei lavorare dietro le quinte, continuo a camminare in troppe stanze dove le persone non credono che le macchine possano essere razziste per me stare in disparte. Queste interazioni possono essere davvero difficili e ancora non so come gestire il disagio. Ma qual è l'alternativa? L'intelligenza artificiale sta cambiando tutto da come siamo selezionati per i posti di lavoro a prescindere dal fatto che ci vengano concessi prestiti bancari. Un recente rapporto di McKinsey ha scoperto che le tecnologie di IA hanno il potenziale per aggiungere da qualche parte tra $ 3,5 e $ 5,8 trilioni all'economia degli Stati Uniti, attraverso 19 settori, attraverso la raccolta e la monetizzazione dei nostri dati. Questo è incredibilmente eccitante ma mi preoccupa anche. I sistemi di intelligenza artificiale non possono leggere il contesto sociale, eppure sono stati sviluppati per soddisfare i bisogni di tutta l'umanità. La mia domanda: chi c'è dietro le quinte crea questa ricchezza? Un rapido sguardo al sito web di ricerca di Google AI fornisce alcune informazioni: elenca 893 persone che lavorano su "machine intelligence". Solo una è una donna di colore - sì, ho detto una - il numero prima delle due e dopo zero. Lo stesso vale per Facebook, che elenca 146 persone nel suo team di ricerca AI, ma nessuno è nero - non uno. Tutto ha senso quando ti rendi conto di quante donne di colore stanno ottenendo un dottorato in Informatica. Uno studio condotto dalla Computing Research Association ha rilevato che quattro donne di colore si sono laureate con un dottorato in Informatica nel...
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