Mới nhất trong AI

Giống như động vật có vú, như máy móc, hình ảnh não và nhiều hơn nữa!

AI AI là khoa học và kỹ thuật chế tạo máy móc thông minh, đặc biệt là các chương trình máy tính thông minh
- John McCarthy, Cha đẻ của Trí tuệ nhân tạo

AI bao trùm một bộ khoa học máy tính rộng lớn để hiểu, hợp lý và học tập. Nó đóng góp vào nhiều lĩnh vực bao gồm triết học, khoa học máy tính, tâm lý học, toán học và sinh học và đã chiếm ưu thế trong các lĩnh vực khác nhau như Chơi game, Xử lý ngôn ngữ tự nhiên (NLP), Nhận dạng giọng nói và Hệ thống chuyên gia.

Dưới đây là lựa chọn của chúng tôi về 5 phát triển nghiên cứu hàng đầu về Trí tuệ nhân tạo trong vài tuần qua, được trình bày cho bạn rõ ràng và súc tích.

Giống như động vật có vú, như máy móc:

Bạn đã bao giờ nhìn thấy một cỗ máy di chuyển tự do như một con vật chưa? Bản chất nhanh nhẹn của động vật có vú trong việc điều hướng thế giới dường như rất dễ dàng và tự nhiên đến nỗi những rắc rối trong các quá trình cơ bản bị phá hoại. Điều hướng không gian vẫn là một thách thức lớn đối với robot và các tác nhân nhân tạo, khả năng của chúng trong lĩnh vực này vượt xa các loài động vật có vú. Tuy nhiên, một nghiên cứu về các tế bào lưới động vật có vú của các nhà nghiên cứu ở DeepMind đã thay đổi nhận thức này.

Một tế bào lưới là một loại tế bào thần kinh có trong não của nhiều loài cho phép chúng hiểu vị trí của chúng trong không gian. Khả năng bắt chước khả năng điều hướng của động vật có thể thúc đẩy công nghệ đằng sau rất nhiều hệ thống, từ máy bay không người lái đến xe tự lái. Những kết quả này là bằng chứng cho thấy việc bắt chước các thuật toán giống như não có thể dẫn đến các công cụ học máy mạnh mẽ hơn. Điều này có thể có nghĩa là các hệ thống AI giống như thật hơn ở gần đường chân trời hơn là từng nghĩ.

Áo sơ mi và đồng hồ theo dõi các vấn đề sức khỏe:

Hình ảnh của một chiếc đồng hồ thông minh

Một nhóm các nhà nghiên cứu từ Đại học Waterloo đã tìm ra một cách tương lai để giải quyết các vấn đề sức khỏe. Họ đã hợp nhất AI với công nghệ có thể đeo (như áo sơ mi) để xác định sự bùng phát của các vấn đề sức khỏe (dữ liệu từ các cảm biến đeo được và AI có thể đánh giá các thay đổi trong phản ứng hiếu khí) như bệnh hô hấp hoặc tim mạch trong một hệ thống gọi là Hexoskin. Họ đã phát hiện ra rằng các điểm chuẩn liên quan đến sức khỏe có thể được dự đoán rất dễ dàng theo cách này và do đó, có thể liên tục theo dõi sức khỏe của một người về bất kỳ sự khác biệt nào ngay cả trước khi họ nhận ra rằng họ cần sự giúp đỡ. Nghiên cứu đã tạo ra một phương tiện để xử lý tín hiệu sinh học và đã xác định các thông số để xác định thể lực. Nghiên cứu này là lần đầu tiên khai thác AI với các cảm biến đeo được trong các hoạt động độc lập của cuộc sống hàng ngày và có thể có tác động đáng kể đến hạnh phúc của người dân. Đây là một ví dụ nổi bật về một nghiên cứu đa diện về cách AI có thể là điểm then chốt trong ngành y tế bằng cách dự đoán các vấn đề sức khỏe ở một cá nhân ở giai đoạn đầu của tình trạng. Nhóm nghiên cứu có kế hoạch kiểm tra Hexoskin trên các nhóm tuổi hỗn hợp cũng như các cá nhân có vấn đề về sức khỏe để kiểm tra thêm về cách mặc nó có thể giúp chẩn đoán.

Khả năng bỏ học đại học:

Các nhà khoa học dữ liệu của Jade Software đã xây dựng một công cụ học máy để dự đoán khả năng sinh viên bỏ học đại học, sử dụng 15 năm dữ liệu của sinh viên bao gồm thông tin như khoảng cách cư trú từ trường đại học, tuổi, điểm học sinh, chế độ thanh toán cho nghiên cứu của họ, phương tiện ghi danh, vv Nó đã được thử nghiệm ở New Zealand (một trong những quốc gia có tỷ lệ hoàn thành khóa học thấp nhất) và Úc. Các công cụ đã được tìm thấy là chính xác 92%. Nó có thể đóng một vai trò quan trọng trong việc cảnh báo các trường đại học bằng cách chỉ ra rằng một sinh viên cụ thể có cơ hội bỏ học đáng kể, để các cơ quan hữu quan có thể can thiệp vào vấn đề này. Mặc dù đây là một ứng dụng mới của phân tích dự đoán, nhưng về cơ bản, công cụ này giống như các công ty được sử dụng bởi Flipkart và Amazon để dự đoán thói quen mua hàng của người tiêu dùng, hay Netflix để dự đoán loại chương trình mà người xem có thể xem. Một rủi ro lớn hoặc nhược điểm của mô hình này là các tham số mà sinh viên được đánh giá có thể dần thay đổi trong một khoảng thời gian và do đó, một mô hình được đào tạo trong năm trước không thể được sử dụng trong năm hiện tại. Những phát hiện có thể được chuyển đến trường đại học để phân tích tiềm năng bỏ học ở cấp độ cá nhân, do đó có thể giúp trường đại học cung cấp hỗ trợ phù hợp cho sinh viên.

Tuổi thọ sau suy tim:

Một nhóm các nhà nghiên cứu từ Đại học California, Los Angeles (UCLA) đã xây dựng một thuật toán có thể thấy trước bệnh nhân tim nào sẽ sống sót sau ghép tim và tuổi thọ của họ, do đó cho phép các bác sĩ đánh giá cá nhân hơn và có khả năng giảm chi phí chăm sóc sức khỏe , bằng cách sử dụng tài nguyên hạn chế. Thuật toán có tên là Tree Tree of Dự đoán, lấy các tham số dữ liệu khác nhau như nhóm máu, tuổi, Chỉ số khối cơ thể (BMI), v.v. để dự đoán và 30 năm dữ liệu được sử dụng cho cùng. Nó đã được tìm thấy rằng thuật toán cung cấp dự đoán tốt hơn so với những thuật toán được phát triển bởi các nhóm nghiên cứu khác. Kỹ thuật này được mô phỏng theo suy nghĩ của con người, đặc điểm nổi bật là nhiều kết quả thay thế được thực hiện cho cùng một vấn đề bằng cách tính đến sự thay đổi của từng bệnh nhân. Thuật toán Tree of Dự đoán có thể được sử dụng rộng rãi để quan sát từ nhiều cơ sở dữ liệu y tế và cơ sở dữ liệu phức tạp khác, để nhận dạng chữ viết tay, để dự đoán việc sử dụng thẻ tín dụng gian lận và mức độ phổ biến của các mục tin tức.

Công nghệ siêu âm để tạo ra hình ảnh thời gian thực của não:

Brett Byram và các đối tác nghiên cứu của ông tại Đại học Vanderbilt đã sử dụng công nghệ siêu âm để tạo ra hình ảnh thời gian thực của não trong đó các khu vực nhất định bị kích thích bởi những cảm giác nhất định, do đó tạo ra một cách hiệu quả để mọi người kiểm soát robot bằng cách nghĩ về nó. Các nhà khoa học đã dành hàng thập kỷ để dự đoán những tiến bộ như vậy, nhưng nó không thể đạt được cho đến gần đây vì các chùm siêu âm có khả năng phục hồi xung quanh bên trong hộp sọ. Phương pháp hiện tại để chụp ảnh não là thô sơ. Điện não đồ, đo hoạt động điện trong não, có thể nhìn sâu vào não, do đó chỉ tạo ra hình ảnh bề mặt. Byram nói rằng ông muốn kết hợp học máy vào công nghệ điện não đồ để các bác sĩ không chỉ hình dung được tưới máu não (cách lưu lượng máu tương ứng với những thay đổi trong suy nghĩ) mà còn cả các lĩnh vực kích thích tương tự như chuyển động và cảm xúc. Các ứng dụng của nghiên cứu này là vô biên. Ở cấp độ cơ bản, nó có thể cho phép hình ảnh rõ ràng hơn những bác sĩ thường thấy (như hình ảnh của tim, não hoặc tử cung). Ngoài việc nghiên cứu hoạt động của não, các nhà nghiên cứu hy vọng rằng hệ thống cuối cùng có thể sao chép tín hiệu não và do đó có thể được hợp nhất với phần mềm, chân tay giả và các loại robot khác, biến ý tưởng thành hành động.

Đó là tất cả cho phiên bản này. Chắc chắn, những tiến bộ nhanh đến mức tốc độ tăng trưởng dường như ở tốc độ ánh sáng. Hãy theo dõi các bài viết tiếp theo trong loạt bài này!

(Bài viết này được viết bởi nhà văn kỹ thuật nghiên cứu Nest Nest, Nivingha Jayaseelan)