Home / Archive by category "Società"

Società

Un team di studenti della Emory University ha vinto il premio Alexa da 500.000 dollari per aver promosso il campo dell’IA conversazionale.

Talking Machines: chi ha vinto il premio Alexa di quest'anno? Il premio, assegnato da Amazon, viene assegnato al vincitore della sua sfida annuale per la progettazione di socialbot con cui i clienti Alexa possono interagire tramite dispositivi abilitati per Alexa. Il team Emora di Emory era guidato dalla studentessa di dottorato Sarah Fillwock, insieme al consulente di facoltà Jinho D. Choi. Il team Chirpy Cardinal della Stanford University, guidato dallo studente PhD Ashwin Paranjape e Abigail See, insieme al consulente di facoltà Christopher Manning, ha vinto il secondo posto e un premio di $ 100.000, mentre il terzo premio di $ 50.000 è andato al team Alquist, della Czech Technical University, guidato dello studente PhD Jan Pichl. La sfida chiede che le squadre provino a raggiungere un punteggio composito di 4.0 o superiore su un possibile 5 da una giuria, che trova che almeno due terzi delle loro conversazioni con il socialbot nel round finale di valutazione rimangono coerenti e coinvolgenti per 20 minuti. Sebbene nessuna delle squadre di quest'anno abbia affrontato questa sfida, ogni squadra ha mostrato progressi impressionanti verso quell'obiettivo. Emora, il chatbot della Emory University, ha una media di 3,81; Chirpy di Stanford ha ottenuto una valutazione media di 3,17; e Alquist, il socialbot ceco, ha raggiunto una media di 3,14. "Siamo lieti che, per il terzo anno consecutivo, il team vincitore abbia stabilito un nuovo record dell'Alexa Prize in termini di valutazioni medie degli utenti", ha affermato Prem Natarajan, vicepresidente Amazon dell'organizzazione Natural Understanding di Alexa AI.
Continua a Leggere

Ai e fitness a casa con le app rendono antiche le palestre

Fitness guidato dall'intelligenza artificiale: rendere obsolete le palestre? Sorprendentemente, l'idoneità potrebbe essere più facile da raggiungere durante una pandemia globale. Almeno, secondo un recente sondaggio su 2.000 americani. Il 72% di noi trova più facile mantenere la propria routine di fitness ora, quando non si può andare in palestra, rispetto al pre-Coronavirus. Quasi la metà utilizza le app per il fitness per la prima volta e il 56% delle persone in realtà non ha intenzione di riacquistare l'abbonamento in palestra dopo l'attuale crisi di salute. E uno sbalorditivo 80% degli uomini si esercita di più ora senza accesso alle loro palestre rispetto a prima del Covid-19, secondo i dati di Freeletics , un'app di fitness basata su AI con 47 milioni di utenti in oltre 160 paesi. Se accurato, indica che ci stiamo allenando più senza palestra che con esso. L'intelligenza artificiale è una parte importante di questo, così come la psicologia umana, mi ha detto il CEO di Freeletics Daniel Sobhani in un recente episodio del podcast TechFirst . L'apprendimento automatico e l'intelligenza artificiale sono una componente importante dei moderni programmi di fitness, e non solo nella fascia alta. Non è solo l'apprendimento automatico a guidare i tuoi allenamenti tramite lo specchio Forme Life da $ 4.000 o l'intelligenza artificiale che ottimizza anche la forza con cui giri il tuo Peloton da $ 2.500 . Ci sono anche dozzine di app poco costose come FitnessAI, che afferma che il suo algoritmo è stato addestrato su 5,9 milioni di allenamenti ed è "sicuro di superare qualsiasi personal trainer umano". C'è AI Fitness Kiosk, l'app per la corsa basata su VI AI, dozzine di app per la perdita di peso basate sull'IA e molte altre. Freeletics non pretende di essere migliore di un allenatore umano, ma dice che imparerà da te e creerà un allenamento unico tra oltre 3,5 milioni di opzioni diverse per ottimizzare la tua salute. L'85% delle volte, mi di...
Continua a Leggere

Le maschere per il viso sono una delle migliori difese contro la diffusione di COVID-19 ma anche contro gli algoritmi di riconoscimento facciale

Le nuove maschere stanno rompendo gli algoritmi di riconoscimento facciale, afferma un nuovo studio del governo Le maschere per il viso sono una delle migliori difese contro la diffusione di COVID-19, ma la loro crescente adozione sta avendo un secondo effetto non intenzionale: rompere gli algoritmi di riconoscimento facciale. Indossare maschere che coprono adeguatamente la bocca e il naso fa sì che il tasso di errore di alcuni degli algoritmi di riconoscimento facciale più utilizzati raggiunga un picco compreso tra il 5 e il 50 percento, uno studio condotto dal National Institute of Standards and Technology (NIST) degli Stati Uniti ha trovato . Le maschere nere avevano più probabilità di causare errori rispetto alle maschere blu e più il naso era coperto dalla maschera, più gli algoritmi trovavano difficile identificarlo. I TASSI DI ERRORE SONO AUMENTATI FINO AL 50 PERCENTO PER ALCUNI ALGORITMI "Con l'arrivo della pandemia, dobbiamo capire come la tecnologia di riconoscimento facciale affronta i volti mascherati", ha dichiarato Mei Ngan, autore del rapporto e scienziato informatico del NIST. "Abbiamo iniziato concentrandoci su come un algoritmo sviluppato prima della pandemia potrebbe essere influenzato da soggetti che indossano maschere per il viso. Più tardi questa estate, abbiamo in programma di testare l'accuratezza degli algoritmi che sono stati sviluppati intenzionalmente con in mente volti mascherati. Immagini di esempio utilizzate da NIST per valutare l'accuratezza di vari algoritmi di riconoscimento facciale. Immagine: B. Hayes / NIST Gli algoritmi di riconoscimento facciale come quelli testati dal NIST funzionano misurando le distanze tra le caratteristiche nella faccia di un bersaglio. Le maschere riducono l'accuratezza di questi algoritmi rimuovendo la maggior parte di queste funzionalità, anche se alcune rimangono ancora. Questo è leggermente diverso da come funziona il riconoscimento facciale su iPhone, ad esempio, che usano sensori di pr...
Continua a Leggere

Cos’è o meglio cos’era Genderify

Il servizio che utilizza l'IA per identificare il genere in base ai nomi sembra incredibilmente distorto Meghan Smith è una donna, ma il dottor Meghan Smith è un uomo, dice Genderify Alcune aziende tecnologiche fanno un salto quando lanciano, altre sembrano far saltare se stesse. Genderify , un nuovo servizio che ha promesso di identificare il genere di qualcuno analizzando il loro nome, indirizzo e-mail o nome utente con l'aiuto AI, sembra fermamente essere in quest'ultimo campo. La società ha lanciato Product Hunt la scorsa settimana, ma ha attirato molta attenzione sui social media quando gli utenti hanno scoperto errori e imprecisioni nei suoi algoritmi. Digita il nome "Meghan Smith" in Genderify, ad esempio, e il servizio offre la valutazione: "Uomo: 39,60%, Donna: 60,40%". Cambia quel nome in "Dr. Meghan Smith ", tuttavia, e la valutazione passa a:" Maschio: 75,90%, femmina: 24,10% ". Altri nomi con il prefisso "Dr" producono risultati simili mentre gli input sembrano generalmente distorcere il maschio. "Test@test.com" si dice che sia maschio al 96,90 per cento , mentre "Mrs Joan smith" è maschio al 94,10% . La protesta contro il servizio è stata così grande che Genderify dice a The Verge che si sta chiudendo del tutto. "Se la comunità non lo vuole, forse è stato giusto", ha detto un rappresentante via e-mail. Genderify.com è stato messo offline e la sua API gratuita non è più accessibile. Sebbene questo tipo di pregiudizi compaia regolarmente nei sistemi di apprendimento automatico, la sconsideratezza di Genderify sembra aver sorpreso molti esperti del settore. La risposta di Meredith Whittaker, co-fondatrice dell'AI Now Institute, che studia l'impatto dell'IA sulla società, era in qualche modo tipica. "Siamo stati trollati?" lei chiese. “È uno psyop pensato per distrarre il mondo della tecnologia + giustizia? È già il giorno del pesce d'aprile? FARE IPOTESI SUL GENERE DELLE PERSONE SU VASTA SCALA POTREBBE ESSERE DANNOSO Il problema non è c...
Continua a Leggere

L’intelligenza artificiale ci salverà da noi stessi?

È l'anno 2050. La popolazione mondiale è di circa due miliardi di persone, solo il 25% di quello che era trenta anni fa. Nel 2018, le Nazioni Unite avevano previsto che ci stavamo avvicinando al punto di non ritorno sul cambiamento climatico. Sfortunatamente, quando l'umanità intraprese un'azione seria e significativa sulla minaccia, era troppo tardi. La temperatura della Terra ha aumentato vertiginosamente la distruzione dell'agricoltura, innescando enormi inondazioni in tutto il mondo, creando incredibili disastri naturali e costringendo le persone a migrare verso nord … o sottoterra. In concomitanza con i cambiamenti climatici, un'esplosione di pandemie ha devastato la Terra. L'enorme volume di malattie era troppo per gli eroi medici dell'umanità mentre i sistemi sanitari di tutto il mondo si sgretolavano. Tuttavia, il clima e la malattia erano solo l'inizio. L'economia globale è crollata mentre le persone cercavano disperatamente cibo, acqua e ripari. La civiltà si è schiantata e bruciata, e persino la società è andata in pezzi mentre le persone si combattevano per le necessità di base della vita. Sembra apocalittico? Mentre pensiamo che ciò non accadrà mai, questa possibile realtà è molto più vicina all'accadimento di quanto la maggior parte della gente capisca. Gli umani sono collegati per affrontare minacce immediate come quella che si muove tra i cespugli. Tuttavia, per le minacce a lungo termine come i cambiamenti climatici, le persone soffrono di pregiudizi cognitivi che spesso ci fanno scartare la minaccia dell'entità o ci trasformano in astanti mentre aspettiamo che qualcun altro affronti il ​​problema. Non dobbiamo guardare oltre l'attuale pandemia di Covid-19come esempio. Quante volte la gente ora ha detto: "Perché non abbiamo fatto qualcosa prima quando ne abbiamo avuto la possibilità?" È stato incredibile vedere i nostri eroi medici e lavoratori in prima linea nei negozi di alimentari, nei servizi di ristorazione, al dettaglio, nei servizi di ...
Continua a Leggere

Tableau : gli 8 migliori video corsi gratuiti per impararlo

8 migliori risorse gratuite per imparare il tableau Tableau è uno degli strumenti di visualizzazione più popolari e di tendenza della comunità di data science. Non solo crea visualizzazioni rapide di dati sotto forma di fogli di lavoro e dashboard, ma è ben noto nel rendere i dati più accessibili con le sue capacità visive intrinseche . In questo articolo, elenchiamo le otto migliori risorse online gratuite per imparare il tableau . (L'elenco non è in un ordine particolare). 1 | Video di formazione gratuiti Fonte: Blog Tableau https://www.tableau.com/learn/training/20202 Informazioni: Tableau stesso fornisce diverse risorse video per apprendere la visualizzazione dei dati utilizzando la loro piattaforma. I video di formazione gratuiti includono contenuti come come iniziare su Tableau, come preparare, analizzare e condividere dati, come pubblicare Tableau online o server Tableau, tra gli altri. C'è anche un'aula di formazione guidata da istruttori dove puoi imparare virtualmente dagli esperti. I corsi di formazione includono 90 giorni di accesso gratuito ai webinar di aggiornamento delle competenze, che ti insegnano come utilizzare le nuove funzionalità di ogni versione trimestrale di Tableau. 2 | Scopri Tableau Desktop per un'analisi aziendale accurata Fonte: Udemy https://www.udemy.com/course/tableau-desktop-10-core-skills-for-business-users/ https://www.udemy.com/course/tableau-desktop-10-core-skills-for-business-users/ Informazioni: Questo corso gratuito ti aiuterà a iniziare con il desktop Tableau. Copre argomenti come la creazione di una cartella di lavoro con una nuova connessione all'origine dati, come condividere il tuo lavoro tramite una gamma di piattaforme, tra gli altri. Il corso comprende lezioni video e note di supporto. Oltre a ciò, riceverai anche una varietà di cartelle di lavoro e strumenti aggiuntivi. 3 | Visualizzazione e comunicazione dei dati con il tableau Fonte: Coursera https://www.coursera.org/learn/a...
Continua a Leggere

Intervista a Tom Soderstrom del JPL su Marte con l’intelligenza artificiale

Intervista a Tom Soderstrom, Jet Propulsion Laboratory (JPL) L'umanità sta lasciando il segno in tutto il mondo, e ora anche su altri mondi e pianeti. Negli ultimi decenni, gli umani hanno inviato veicoli spaziali, rover e macchine ai pianeti vicini e lontani, quindi non dovrebbe sorprendere il fatto che l'IA stia diventando una parte crescente di questi sistemi remoti. Dopotutto, se possono essere necessarie ore o addirittura giorni per la comunicazione e i comandi da e verso i dispositivi che si trovano su altri pianeti, in modo da conferire a questi sistemi capacità intelligenti e autonome per operare negli ambienti difficili dello spazio e su planetari o rocciosi i corpi hanno molto senso. Alla conferenza Amazon re: MARS nel 2019, Tom Soderstrom, Chief Technology and Innovation Officer IT presso il NASA Jet Propulsion Laboratory ha condiviso le sue opinioni su come l'IA viene sempre più utilizzata da questi dispositivi remoti e alcune intuizioni su come la tecnologia viene applicata per lo spazio ed esplorazione planetaria. Il ruolo di Mr. Soderstrom alla NASA è di pianificare missioni future e di strategie basate su dove sta andando la tecnologia. "Abbiamo creato una sorta di centro di esperienza per l'innovazione in cui andiamo nella stanza per sperimentare il futuro nel tempo attuale", ha dichiarato Soderstrom. "Lo scopo di questo è capire meglio quali tecnologie sono pronte per essere utilizzate, mentre filtriamo che vale la pena perseguire per avvantaggiare JPL, la NASA e l'impresa ". Nel suo discorso su re: MARS, il signor Soderstrom ha parlato di "democratizzare MARS", riferendosi all'apprendimento automatico, all'automazione, alla robotica e allo spazio. La democratizzazione si riferisce all'utilizzo di onde tecnologiche che lo rendono disponibile alle persone. Secondo Soderstrom, ciò significa "rendere disponibili algoritmi e dati per i futuri esploratori per stare sulle spalle dei giganti, non tra decenni o anni, ma ora". Per qua...
Continua a Leggere

Che cos’è la scienza dei dati? Data Science

Il campo della scienza dei dati sembra diventare sempre più grande e più popolare ogni giorno. Secondo LinkedIn, la scienza dei dati è stata uno dei campi di lavoro in più rapida crescita nel 2017 e nel 2020 Glassdoor ha classificato il lavoro di scienza dei dati come uno dei tre migliori lavori negli Stati Uniti . Data la crescente popolarità della scienza dei dati, non sorprende che sempre più persone si interessino al settore. Ma cos'è esattamente la scienza dei dati? Conosciamo la scienza dei dati, prendendoci del tempo per definire la scienza dei dati, esplorando come i big data e l'intelligenza artificiale stanno cambiando il campo, impariamo alcuni strumenti comuni di scienza dei dati ed esaminiamo alcuni esempi di scienza dei dati. Definizione della scienza dei dati Prima di poter esplorare qualsiasi strumento o esempio di data science, vorremmo ottenere una definizione concisa di data science . Definire "data science" è in realtà un po 'complicato, perché il termine viene applicato a molti compiti e metodi diversi di indagine e analisi. Possiamo iniziare ricordandoci cosa significa il termine "scienza". La scienza è lo studio sistematico del mondo fisico e naturale attraverso l'osservazione e la sperimentazione, con l'obiettivo di far progredire la comprensione umana dei processi naturali. Le parole importanti in quella definizione sono "osservazione" e "comprensione". Se la scienza dei dati è il processo di comprensione del mondo dai modelli nei dati, la responsabilità di uno scienziato dei dati è quella di trasformare i dati, analizzare i dati ed estrarre i modelli dai dati. In altre parole, a uno scienziato di dati vengono forniti i dati e utilizzano una serie di strumenti e tecniche diversi per preelaborare i dati (prepararli per l'analisi) e quindi analizzare i dati per modelli significativi. Il ruolo di uno scienziato di dati è simile al ruolo di uno scienziato tradizionale. Entrambi si occupano dell'analisi dei dati per supportare...
Continua a Leggere

Come affrontare da principianti un progetto di apprendimento automatico machine learning

I nuovi annunci di RIL, il Regno Unito abbandonano Huawei e altro nelle principali novità AI di questa settimana La proliferazione dell'intelligenza artificiale (AI) ha reso la padronanza dell'apprendimento automatico (ML) un imperativo per chiunque nel campo dello sviluppo del software. Mentre le conoscenze teoriche aiuteranno, non è possibile padroneggiare la ML senza una solida base nell'esperienza pratica. Esistono numerosi corsi ML digitali che consentono agli studenti di dilettarsi in vari progetti e molte altre risorse disponibili online gratuitamente per lo stesso. Con l'esperienza pratica in questi progetti, aspiranti sviluppatori, data scientist e altri professionisti non solo capiranno come applicare le loro conoscenze per risolvere i problemi del mondo reale, ma intraprendendo diversi tipi di progetti , continueranno anche a affinare le loro capacità, capire i loro punti di forza e di debolezza, e aggiungono anche una preziosa esperienza al loro portafoglio complessivo, rendendo più facile per loro ottenere un lavoro. Tuttavia, può essere difficile sapere da dove cominciare. Nei paragrafi seguenti, abbiamo cercato di fornire alcune indicazioni ai nuovi arrivati ​​su come applicare ML ai problemi del mondo reale attraverso progetti: Familiarità con le comuni applicazioni ML Questo potrebbe essere definito passo 0 in un ciclo di vita del progetto ML . Prima di iniziare, investi tempo nello sviluppo di una migliore comprensione della ML. Esistono tre tipi di base: apprendimento supervisionato, apprendimento non supervisionato e apprendimento di rinforzo. Scopri quali potrebbero essere le applicazioni di ciascuno di questi e, una volta fatto, avrai una migliore idea di come applicare ML al tuo problema. Seleziona un progetto Come menzionato nei paragrafi introduttivi, ci sono molti progetti ML trovati online che utilizzano set di dati del mondo reale pubblicamente disponibili . Comprendi se copre o meno gli aspetti fondamentali di ML. Inolt...
Continua a Leggere

Cinque volte in cui l’IA l’intelligenza artificiale è stata utilizzata per il bene sociale

Mentre l'intelligenza artificiale ha trovato molti casi d'uso in molti settori, un'altra area che sta assistendo a molta trazione è quella del Bene Sociale . Molte aziende e organizzazioni stanno collaborando con organizzazioni no profit o stanno sviluppando soluzioni che possono aiutare le comunità e la società in generale integrando l'IA. L'intelligenza artificiale sta risolvendo alcuni dei problemi sociali urgenti. Dal rilevamento del virus Zika alla pandemia di Covid-19, i casi d'uso dell'IA per il bene sociale sono in aumento. Molte aziende globali come Google , Microsoft , Facebook e enti governativi stanno implementando l'IA per iniziative sociali positive. In questo articolo, presentiamo cinque casi d'uso in cui l'intelligenza artificiale è stata utilizzata per il bene sociale. Cough For Covid-19 di Wadhwani Institute For AI : un istituto di ricerca indipendente e senza fini di lucro, il Wadhwani Institute for Artificial Intelligence è in missione per sviluppare e applicare innovazioni basate sull'intelligenza artificiale in una vasta gamma di settori sociali come l'assistenza sanitaria, l'agricoltura, l'istruzione, e altro ancora Mentre ha lavorato su molti progetti, uno dei recenti dell'istituto è la sua campagna chiamata Cough Against Covid -19, che è finanziata dalla Bill and Melinda Gates Foundation. Stanno creando un set di dati aperto per raccogliere campioni di tosse da pazienti positivi a Covid-19. L'obiettivo è rendere disponibile il set di dati per i ricercatori di tutto il mondo per utilizzarlo per sviluppare gli strumenti di auto-screening Covid-19 per il grande pubblico. Google AI per il bene sociale : l'iniziativa di Google lavora su progetti che affrontano una vasta gamma di sfide sociali e ambientali utilizzando l'IA. Alcuni dei loro progetti includono la previsione rapida e accurata delle alluvioni per prevenire potenziali danni, prevedere il rischio di eventi cardiaci, mappare l'attività di pesca globale e altro ancor...
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