La Turchia e le armi con intelligenza artificiale

La Turchia rivoluziona ulteriormente il settore della difesa con la tecnologia AI Il settore della difesa turco sta abbracciando ulteriormente la tecnologia di intelligenza artificiale (AI) con vari nuovi sviluppi. Diverse agenzie di stampa statali hanno dettagliato le strategie di intelligenza artificiale, tra cui le industrie aerospaziali turche (TAI) e il suo focus sull'intelligenza artificiale in tutte le sue piattaforme. TAI è il principale sviluppatore di piattaforme aeree in Turchia. Secondo un rapporto del 2018 , "la comprensione dei decisori politico-militari turchi, la comprensione delle élite dell'industria della difesa e l'approccio delle industrie della difesa ai droni vedono fermamente i sistemi militari senza equipaggio e la guerra robotica come qualcosa di più che 'semplicemente 'portafoglio di modernizzazione militare, un'opportunità per aprire la strada alla prossima svolta geopolitica ". Il rapporto prosegue affermando che questa "rivoluzione tecno-scientifica e il prossimo paradigma militare" non si limita solo ai sistemi senza pilota telecomandati, ma l'obiettivo principale delle guerre future sarà l'intelligenza artificiale, l'autonomia e la guerra robotica avanzata. TAI sta attualmente sviluppando sistemi autonomi, sistemi di elaborazione delle immagini, sistemi di supporto decisionale e infrastruttura di analisi dei big data, ed è diventata la prima grande azienda della difesa in Turchia a stabilire un'unità separata per gli studi sull'IA. Lo sviluppatore ha lavorato con varie istituzioni accademiche e ha in corso quattro progetti di IA in corso. Güven Orkun Tanik è il direttore generale dell'AI e del machine learning presso TAI. "Gli esempi dei sistemi di intelligenza artificiale saranno più comuni nel prossimo futuro", ha affermato in merito ai recenti esercizi del governo degli Stati Uniti che mettono un pilota umano contro l'IA. "Questa tecnologia, che contribuisce alle capacità umane, offre opportunità in ogni campo ...
Continua a Leggere

Come Google utilizza AI e ML intelligenza artificiale e machine learning per migliorare l’esperienza di ricerca

Di recente, gli sviluppatori di Google hanno dettagliato i metodi e i modi in cui hanno utilizzato l'intelligenza artificiale e l'apprendimento automatico per migliorare la propria esperienza di ricerca. Gli annunci sono stati fatti durante l' evento Search On 2020 , dove il gigante della tecnologia ha svelato diversi miglioramenti nell'IA che aiuteranno a ottenere risultati di ricerca nei prossimi anni. Nel 2018, il gigante della tecnologia ha introdotto la tecnica di pre-formazione basata sulla rete neurale per l'elaborazione del linguaggio naturale (PNL) chiamata Rappresentazioni di encoder bidirezionali da Transformers o semplicemente BERT . L'anno scorso, l'azienda ha introdotto in che modo i sistemi di comprensione del linguaggio BERT stanno aiutando a fornire risultati più pertinenti nella Ricerca Google . Da allora, sono stati apportati miglioramenti in molte aree, tra cui le capacità di comprensione del linguaggio del motore, query di ricerca e altro ancora. BERT è stato ora utilizzato in quasi tutte le query in inglese che aiutano a ottenere risultati di qualità superiore. Negli ultimi due decenni, il gigante della tecnologia ha ottenuto enormi progressi nel suo motore di ricerca. Prabhakar Raghavan, responsabile della ricerca e dell'assistente di Google, ha affermato in un post sul blog che quattro elementi chiave costituiscono la base di tutto il lavoro per migliorare la ricerca e rispondere a trilioni di domande ogni anno. Sono menzionati di seguito: Comprendere tutte le informazioni del mondo Informazioni di altissima qualità Privacy e sicurezza di livello mondiale Accesso aperto a tutti Di seguito sono menzionati alcuni dei miglioramenti chiave con AI e ML annunciati durante l'evento: Canticchia per cercare La notizia di questa nuova funzionalità sta facendo il giro di tutte le piattaforme dei social media. La funzione "ronza per cercare" consente agli utenti di canticchiare, fischiare o cantare una melodia a Google per risolvere il...
Continua a Leggere

Cooler Screens le vecchie porte dei frigoriferi in vetro sostituite con schermi intelligenti digitali

Schermi più freddi mostrano che la tecnologia può fare soldi e proteggere la privacy con la pubblicità digitale "cieca dall'identità" Nonostante le crescenti preoccupazioni sulla privacy dei dati, la maggior parte dei marchi fa ancora affidamento sulle informazioni dei consumatori per assicurarsi che i propri annunci vengano presentati alle persone giuste al momento giusto. Ma il cambiamento sta arrivando. I consumatori hanno preso atto dei marchi che stanno evolvendo le loro pratiche commerciali e di quelli che non lo sono. La prossima generazione di pubblicità digitale seguirà un nuovo modello di business che offre esperienze digitali semplificate senza compromettere le informazioni personali dei clienti. Questo nuovo mondo della pubblicità si presenterà sotto forma di annunci "ciechi all'identità" che non necessitano più di informazioni personali individualizzate per generare gli stessi o migliori risultati. Il nuovo modello pubblicitario cieco di identità Cooler Screens, con sede a Chicago, mira a dimostrare questo nuovo modello portando tutto ciò che i clienti amano dello shopping online (e nessuno dei tracciamenti) nei corridoi di alimenti congelati e refrigerati in tutta la nazione. Cosa sta facendo esattamente Cooler Screens? L'azienda sta sostituendo le vecchie porte di raffreddamento in vetro con schermi intelligenti digitali che visualizzano informazioni sui prodotti aggiornate, recensioni dinamiche dei consumatori e informazioni nutrizionali, tra le altre cose, nonché pubblicità digitale. La differenza? Non ci sono informazioni di identificazione personale raccolte o utilizzate per indirizzare gli annunci. In che modo Cooler Screens garantisce che la pubblicità raggiunga il pubblico giusto? Una donna che interagisce con Cooler Screens in un ambiente di vendita al dettaglio Donna che interagisce con gli schermi più freddi nell'impostazione di vendita al dettaglio SCHERMI PIÙ FREDDI La risposta si riduce al contesto. Ad esempio, qualcuno che si ...
Continua a Leggere

Photoshop, Premiere Pro e altri programmi Adobe con più intelligenza artificiale

Adobe ADBE -0,3%sta integrando le sue capacità di intelligenza artificiale in ancora più delle sue più grandi applicazioni creative, tra cui Premiere Pro e Photoshop, ha annunciato oggi. L'azienda ha anche lanciato una versione per iPad del suo programma di disegno vettoriale Illustrator e una versione per iPhone del suo software di disegno Fresco. Questi erano solo alcuni dei tanti annunci di prodotti del gigante del software, tutti programmati per l'inizio della sua conferenza di creatività Adobe MAX di tre giorni questa mattina. Grazie alla pandemia, la conferenza è solo virtuale e gratuita. Max presenta dozzine di pannelli sull'utilizzo del software Adobe, nonché apparizioni di notabili creativi come la fotografa Annie Leibowitz, i registi Ava DuVernay e Taika Waititi, gli attori Zendaya e David Tennant, il conduttore di talk-show Conan O'Brien, lo scrittore Roxane Gaye e musicista elettronico Marshmello. La novità più grande, tuttavia, potrebbe essere il modo in cui gli strumenti di intelligenza artificiale e apprendimento automatico di Adobe, che chiama Sensei, vengono inseriti ancora più profondamente nei suoi programmi, in genere per semplificare o velocizzare parti complesse, spesso ripetitive, dell'attività di creazione di immagini. L'azienda chiama Photoshop, il suo programma di editing di immagini di punta, "l'applicazione AI per i creativi più avanzata al mondo" poiché ha rilasciato nuove versioni per computer desktop e iPad di Apple. "Il nostro obiettivo è sostituire sistematicamente i passaggi che richiedono molto tempo con una tecnologia intelligente e automatizzata, ove possibile", ha affermato l'azienda in un post sul blog. "Con l'aggiunta di queste cinque nuove importanti scoperte, puoi liberarti dai compiti banali e non creativi e concentrarti su ciò che conta di più: la tua creatività." Photoshop ottiene cinque nuove importanti funzionalità AI, tra cui Sky Replacement, con 25 preset sky sostitutivi e due Refine Edge Select...
Continua a Leggere

PhiSat-1 il primo satellite con AI INtel intelligenza artificiale a bordo

Intel alimenta il primo satellite con AI a bordo Per quanto onnipresente come l'intelligenza artificiale è diventata nella vita moderna, dall'aumento della nostra comprensione del cosmo alla comparsa di video divertenti sul tuo telefono, l'intelligenza artificiale non ha ancora trovato la sua strada in orbita. Questo fino al 2 settembre, quando un satellite sperimentale delle dimensioni di una scatola di cereali è stato collocato nello spazio da un razzo insieme ad altri 45 satelliti di dimensioni simili. Il satellite, chiamato PhiSat-1, sta ora volando a oltre 17.000 mph (27.500 kmh) in un'orbita sincrona al sole a circa 329 miglia (530 km) sopra la testa. PhiSat-1 contiene una nuova fotocamera termica iperspettrale e elaborazione AI integrata grazie all'unità di elaborazione della visione (VPU) Intel® Movidius ™ Myriad ™ 2, lo stesso chip all'interno di molte fotocamere intelligenti e persino un drone selfie da $ 99 qui sulla Terra. PhiSat-1 è in realtà uno di una coppia di satelliti in missione per monitorare il ghiaccio polare e l'umidità del suolo, testando anche i sistemi di comunicazione intersatelliti al fine di creare una futura rete di satelliti federati. Il primo problema che il Myriad 2 sta aiutando a risolvere? Come gestire la grande quantità di dati generati da fotocamere ad alta fedeltà come quella su PhiSat-1. "La capacità dei sensori di produrre dati aumenta di un fattore 100 ogni generazione, mentre le nostre capacità di scaricare dati stanno aumentando, ma solo di un fattore tre, quattro, cinque per generazione", afferma Gianluca Furano, data systems e onboard capo del computing presso l'Agenzia spaziale europea, che ha guidato lo sforzo di collaborazione dietro PhiSat-1. Allo stesso tempo, circa i due terzi della superficie del nostro pianeta sono coperti di nuvole in un dato momento. Ciò significa che molte immagini inutili di nuvole vengono tipicamente acquisite, salvate, inviate sulla preziosa larghezza di banda down-link sulla...
Continua a Leggere

Che cos’è la riduzione della dimensionalità?

Che cos'è la riduzione della dimensionalità? Più dimensioni portano a un overfittingMetodi comuni di riduzione della dimensionalità La riduzione della dimensionalità è un processo utilizzato per ridurre la dimensionalità di un set di dati, prendendo molte caratteristiche e rappresentandole come meno caratteristiche. Ad esempio, la riduzione della dimensionalità potrebbe essere utilizzata per ridurre un set di dati di venti funzionalità fino a poche funzionalità. La riduzione della dimensionalità viene comunemente utilizzata nelle attività di apprendimento senza supervisione per creare automaticamente classi da molte funzionalità. Per capire meglio perché e come viene utilizzata la riduzione della dimensionalità , daremo uno sguardo ai problemi associati ai dati ad alta dimensione e ai metodi più diffusi per ridurre la dimensionalità. Più dimensioni portano a un overfitting La dimensionalità si riferisce al numero di caratteristiche / colonne all'interno di un set di dati. Si presume spesso che nell'apprendimento automatico più funzionalità siano migliori, poiché crea un modello più accurato. Tuttavia, più funzionalità non si traducono necessariamente in un modello migliore. Le caratteristiche di un set di dati possono variare ampiamente in termini di utilità per il modello, con molte caratteristiche di poca importanza. Inoltre, più funzionalità contiene il set di dati, più campioni sono necessari per garantire che le diverse combinazioni di funzionalità siano ben rappresentate all'interno dei dati. Pertanto, il numero di campioni aumenta in proporzione al numero di funzioni. Più campioni e più funzionalità significano che il modello deve essere più complesso e, man mano che i modelli diventano più complessi, diventano più sensibili all'overfitting. Il modello apprende troppo bene i modelli nei dati di addestramento e non riesce a generalizzare a dati fuori campione. La riduzione della dimensionalità di un set di dati ha diversi vantaggi. Come accenna...
Continua a Leggere

Telegram e i bot deepfake usati per creare immagini di falsi-nudi

I robot deepfake su Telegram rendono il lavoro di creazione di nudi falsi pericolosamente facile I bot sono stati utilizzati per creare più di 100.000 immagini I ricercatori hanno scoperto un "ecosistema deepfake" sull'app di messaggistica Telegram incentrato su bot che generano falsi nudi su richiesta. Gli utenti che interagiscono con questi bot affermano che stanno principalmente creando nudi di donne che conoscono utilizzando immagini tratte dai social media, che poi condividono e scambiano tra loro in vari canali Telegram. L'indagine proviene dalla società di sicurezza Sensity, che si concentra su ciò che chiama "intelligence visiva sulle minacce", in particolare sulla diffusione dei deepfake. I ricercatori di Sensity hanno scoperto che più di 100.000 immagini sono state generate e condivise nei canali pubblici di Telegram fino a luglio 2020 (il che significa che il numero totale di immagini generate, comprese quelle mai condivise e quelle realizzate da luglio, è molto più alto). La maggior parte degli utenti di questi canali, circa il 70%, proviene dalla Russia e dai paesi limitrofi, afferma Sensity. The Verge ha potuto confermare che molti dei canali indagati dall'azienda sono ancora attivi. GLI OBIETTIVI DEI ROBOT APPARENTEMENTE INCLUDONO BAMBINI MINORENNI I bot sono gratuiti, ma generano finti nudi con filigrane o solo nudità parziali. Gli utenti possono quindi pagare una tariffa pari a pochi centesimi per "scoprire" completamente le immagini. Una "tariffa per principianti" addebita agli utenti 100 rubli (circa $ 1,28) per generare 100 nudi falsi senza filigrane per un periodo di sette giorni. Sensity afferma che "un numero limitato" di immagini generate dal bot presenta obiettivi "che sembravano essere minorenni". Sia The Verge che Sensity hanno contattato Telegram per chiedere perché consentono questo contenuto sulla loro app ma non hanno ancora ricevuto risposte. Sensity dice di aver contattato anche le autorità preposte all'applicazione dell...
Continua a Leggere

SSL l’apprendimento semi-supervisionato si sta imponendo

Questo nuovo metodo di apprendimento semi-supervisionato sta guadagnando terreno Le reti neurali profonde sono il modello più utilizzato per le applicazioni di visione artificiale, in gran parte a causa della loro scalabilità. Le reti neurali profonde generalmente derivano le loro prestazioni superiori attraverso meccanismi di apprendimento supervisionato sottostanti. L'apprendimento supervisionato è un tipo di metodi di apprendimento profondo che utilizza set di dati etichettati. Sebbene l'apprendimento supervisionato offra vantaggi in termini di prestazioni superiori, ha un costo elevato, poiché l'etichettatura dei dati richiede lavoro umano. Inoltre, il costo è significativamente più alto quando l'etichettatura dei dati deve essere eseguita da un esperto, come un medico. In tale scenario, l'apprendimento semi-supervisionato ( SSL ) si rivela una potente alternativa. SSL è un metodo in cui l'apprendimento avviene con un piccolo numero di dati etichettati e un insieme relativamente più ampio di dati non etichettati. Questo metodo riduce la necessità di etichettare tutti i dati come nel caso dell'apprendimento supervisionato. Recentemente, un documento accettato dalla conferenza NeurIPS 2020, parla dell'utilizzo di un metodo SSL chiamato FixMatch per ottenere prestazioni allo stato dell'arte su vari benchmark SSL come CIFAR-10 anche con pochissimi dati etichettati. Cos'è l'algoritmo FixMatch? FixMatch Algorithm è essenzialmente un metodo SSL che combina diversi meccanismi per produrre etichette artificiali per dati privi di etichetta. In particolare, questo algoritmo utilizza la regolarizzazione della consistenza e la pseudoetichettatura per questo scopo, nonché un insieme separato di aumento debole e forte. Innanzitutto, nel processo FixMatch, il valore previsto di un'immagine senza etichetta con un aumento debole viene calcolato dall'algoritmo FixMatch. Introdurre un debole aumento dell'immagine significa cambiare leggermente con metodi come ...
Continua a Leggere

Il ruolo dei computer quantistici nella fisica delle particelle e delle astroparticelle

progresso nei computer quantistici ha completamente cambiato la personalità del 21 ° secolo, fornisce comunicazioni più sicure. Rispetto ai computer convenzionali, i computer quantistici sono più avanzati e veloci nell'esecuzione delle varie operazioni complicate. Al momento, il fisico e gli ingegneri stanno imponendo i loro sforzi per migliorare i computer quantistici. Questo computer funziona ampiamente nei regni della Meccanica Quantistica. In breve, esegue il compito computazionale manipolando i fenomeni quantistici come la sovrapposizione e l'entanglement. Per eseguire complicati esperimenti di fisica delle particelle e delle astroparticelle con una chiara comprensione, è necessario che la fonte tecnologica più affidabile analizzi quasi cento petabyte di dati prodotti durante gli esperimenti. Ciò diventa impossibile per i computer convenzionali gestire una quantità così enorme di dati. Questo è il motivo per cui un gran numero di istituti di ricerca investe molto tempo e sforzi per il miglioramento dei computer quantistici. PERCHÉ IL FISICO STA DIVENTANDO PIÙ AFFIDABILE SUI COMPUTER QUANTICI MODERNI? Al momento, una collaborazione internazionale del CERN di Ginevra sta esplorando come i computer quantistici potrebbero essere utilizzati per analizzare l'enorme quantità di dati che producono dai rilevatori del Large Hadron Collider (LHC) durante il processo di collisione delle particelle. Attualmente, l'LHC è in fase di aumento che migliora efficacemente il tasso di collisione delle particelle e si prevede che aumenterà l'efficienza di calcolo da 50 a 100 volte. PIN IT Gli scienziati del CERN prevedono che sarà di nuovo completamente accessibile in funzione entro il 2027. In questo periodo per il riferimento futuro, un computer quantistico verrebbe introdotto nel funzionamento degli esperimenti del CERN. Oltre a queste operazioni, il ruolo importante degli esperimenti LHC è quello di testare il modello standard della fisica delle particelle fino a...
Continua a Leggere

Gli ingegneri della Purdue University hanno sviluppato un minuscolo robot rettangolare in grado di funzionare all’interno del corpo umano

Piccoli microrobot possono viaggiare attraverso il corpo umano rotolando Gli ingegneri della Purdue University hanno sviluppato un minuscolo robot rettangolare in grado di funzionare all'interno del corpo umano. La nuova tecnologia, che è stata dimostrata in modelli animali vivi, ci avvicina a sfruttare la potenza dei robot per molte applicazioni innovative, in particolare nel settore sanitario. Il nuovo studio è stato pubblicato su Nature Machine Intelligence . Il robot, che si è mosso attraverso il colon eseguendo salti mortali, è uno strumento di trasporto della droga. Organi come il colon sono considerati terreni accidentati, in parte spiegando l'aspetto backflip della tecnologia. È la prima dimostrazione di un microrobot rotolante in vivo. Uno dei principali vantaggi dell'utilizzo di un minuscolo robot per la somministrazione di farmaci è che può raggiungere esattamente il sito di destinazione. In questo modo, il robot potrebbe bypassare altri organi con cui i farmaci potrebbero interagire, causando effetti collaterali come perdita di capelli e sanguinamento dello stomaco. Il microrobot è alimentato e controllato in modalità wireless da un campo magnetico all'esterno. David Cappelleri è professore associato di ingegneria meccanica alla Purdue. "Quando applichiamo un campo magnetico esterno rotante a questi robot, ruotano proprio come un pneumatico di un'auto su un terreno accidentato", ha detto Cappelleri. "Il campo magnetico penetra anche in modo sicuro diversi tipi di mezzi, il che è importante per l'utilizzo di questi robot nel corpo umano". Il colon è stato scelto per il suo facile punto di ingresso e per il suo ambiente difficile. Luis Solorio è un assistente professore presso la Weldon School of Biomedical Engineering di Purdue. “Spostare un robot intorno al colon è come usare il walker in un aeroporto per raggiungere un terminal più velocemente. Non solo il pavimento si muove, ma anche le persone intorno a te ", h...
Continua a Leggere