Добро пожаловать в информационный бюллетень Nural, где вы найдете подборку статей, новостей и интересных компаний, посвященных тому, как ИИ используется для решения глобальных глобальных проблем.
Наша цель - убедиться, что вы всегда в курсе самых важных событий в этой быстро развивающейся области.
Теперь у нас есть раздел «Вакансии», в котором в настоящее время представлена замечательная роль специалиста по данным в стартапе AxionRay
Объявьте о своих технических вакансиях!
Упаковано внутри у нас
- IBM, Oracle и Microsoft борются с искусственным интеллектом в здравоохранении
- Машинное обучение лежит в основе двух новых подходов к моделированию физического мира
- а также финансирование ИИ и изменения климата, учебный лагерь и семинар.
Если вы хотите поддержать нашу дальнейшую работу от 1 фунта стерлингов, нажмите здесь!
Грэм Лейн и Марсель Хедман
Ключевые последние разработки
IBM, Oracle и Microsoft борются с искусственным интеллектом в здравоохранении
Что:исследователи опубликовали академический обзор, основанный на двухлетней еженедельной работе по отслеживанию ключевых разработок в области медицинского ИИ. Это охватывает анализ медицинских изображений и новые исследования, включая источники данных, не являющиеся изображениями, нетрадиционные формулировки проблем и сотрудничество человека и ИИ. Он также рассматривает серьезные технические и этические проблемы, связанные с проблемами, начиная от нехватки данных и заканчивая расовыми предубеждениями.
Ключевые выводы. На той неделе появился отчет о том, что IBM продала свое разрекламированное подразделение Watson Health, что широко интерпретируется как неудача в применении ИИ в здравоохранении.
С другой стороны С другой стороны, Oracle недавно приобрела Cerner, компанию по обработке данных в сфере здравоохранения, за 28 миллиардов долларов. А на прошлой неделе Microsoft создала коалицию партнеров, работающих с ИИ в здравоохранении, чтобы предоставить рекомендации, инструменты и лучшие практики, а также улучшить здоровье путем выявления и устранения значительных социальных и отраслевых барьеров.
Искусственный интеллект, способный обнаруживать скрытые физические законы в различных данных
Что:исследователи разработали машинное обучение для моделирования физических явлений, даже если лежащий в их основе механизм или формула не объяснены.
Обычно прогнозы физических явлений делаются с помощью моделирования с использованием суперкомпьютеров, использующих уравнения, основанные на законы физики. Эти прогнозы могут быть неточными, потому что уравнения неточны или не полностью соответствуют моделируемым физическим явлениям. Например, трудно точно воспроизвести физические законы, такие как закон сохранения энергии.
Переворачивая это с ног на голову, новый подход изучает основную функцию на основе данных наблюдений за физическими явлениями, что приводит к более надежным и точные прогнозы. Это достигается за счет использования геометрических методов для оцифровки физических законов в сочетании с новым подходом к обучению нейронных сетей с использованием новой формы обратного распространения.
Основные выводы. Этот подход может иметь широкий спектр применений, включая поиск лекарств, анализ зданий и прогнозирование погоды.
Статья: Моделирование физики дискретного времени на основе глубокой энергии
Прогнозирование скорости таяния шельфовых ледников с помощью машинного обучения
Что:шельфовые ледники Антарктики играют важную роль в регулировании уровня моря в будущем. Ускоренное таяние шельфовых ледников является серьезной причиной для беспокойства и рассматривается как надвигающийся переломный момент, ведущий к катастрофическим последствиям. Текущие модели, предсказывающие таяние, вызванное океаном, основаны на простой параметризации из-за чрезвычайно дорогих вычислительных требований. Исследователи разработали модель машинного обучения, основанную на физике и данных, которая может снизить высокие вычислительные затраты. Он также обеспечивает более полное представление лежащей в основе физики по сравнению с упрощенными моделями таяния льда, которые в настоящее время используются на практике. Модель состоит из двух сетей глубокого обучения. Одна классифицирует области шельфового ледника, представляющие величины таяния или повторного замерзания, а вторая преобразует эти дискретные классифицированные скорости таяния в непрерывное поле скоростей таяния.
Ключевые выводы. Машинное обучение стимулирует развитие моделирования физического мира, которое будет иметь ключевое значение для понимания изменения климата. В этом информационном бюллетене также есть второй избранный документ, посвященный тому же вопросу.
Этика ИИ
Небольшая армия добровольцев не пускает в Википедию отрицателей изменения климата
Дезинформация остается проблемой, которую нельзя решить только с помощью технологии ИИ. В настоящее время мы все еще полагаемся на приверженность людей.
Теперь вы можете арендовать робота-рабочего — дешевле, чем платить человеку
Стоимость роботов снижается, а ИИ совершенствуется. Экономические факторы стимулируют внедрение этой технологии, но, похоже, нет ясности в отношении возможных социальных последствий.
Новый стартап показывает, насколько проблематичным является ИИ, определяющий эмоции
В статье поднимается множество опасений по поводу ИИ, обнаруживающего эмоции. Но это остается спорной областью, и на той же неделе Washington Post опубликовала более положительный отзыв о той же компании.
Другие интересные чтения
Возможность финансирования исследовательских предложений, направленных на решение научных задач, связанных с изменением климата и/или чистой энергией
Крайний срок для писем о намерениях - 8 февраля.
Учебный курс по политике в области климатических технологий 2022 года для начинающих исследователей
Крайний срок подачи заявок – 14 февраля.
Семинар Машинное обучение и искусственный интеллект для развития науки о системе Земля
Проходит в Национальной академии наук, инженерии и медицины США с 7 по 11 февраля.
Бесплатное руководство для участников Datathon Women in Data Science 2022
WiDS Datathon 2022 продлится до 26 февраля.
Специалист по данным — AxionRay
Axion ищет талантливого руководителя NLP DS, поскольку они вступают в гиперрост. Axion — это стартап скрытой платформы искусственного интеллекта для принятия решений, работающий с лидерами в области разработки электромобилей для ускорения разработки, финансируемый ведущими венчурными капиталистами.
Комп: $100 000 — $180 000, значительный капитал!
При заинтересованности обращайтесь: [email protected]
Крутые компании найдены на этой неделе
Здоровье
Quris AI — компания стремится ускорить процесс открытия и испытаний лекарств, предсказывая, какие лекарства-кандидаты действительно работают. Компания получила $28 млн начального финансирования
Технологии
Crowdbotics предоставляет платформу для разработки с низким уровнем кода, которая, как они утверждают, позволит любому превратить идеи в код. Компания привлекла 22 миллиона долларов в рамках раунда финансирования А.
Компьютерное зрение
Ambient.ai -
Ambient.ai предлагает систему компьютерного зрения, которая может обнаруживать опасные действия, такие как нарушение периметра или закрытие хвоста. Как и в случае с другими компаниями, занимающимися компьютерным зрением, были опасения по поводу конфиденциальности и предвзятости. Компания вышла из скрытности и привлекла 52 миллиона долларов начального финансирования.
И наконец …
AI/ML должен знать
Фундаментальные модели — любая модель, обученная на больших объемах данных в масштабе, которую можно точно настроить для широкого круга последующих задач. Примеры включают BERT и GPT-3. (См. также «Перенос обучения»)
Обучение с небольшим количеством выстрелов — контролируемое обучение с использованием только небольшого набора данных для выполнения задачи.
Перенос обучения — повторное использование частей или все модели, предназначенные для одной задачи на новой задаче с целью сокращения времени обучения и повышения производительности.
Генеративно-состязательная сеть — генеративные модели, которые создают новые экземпляры данных, напоминающие ваши обучающие данные. . Их можно использовать для создания поддельных изображений.
Глубокое обучение. Глубокое обучение — это форма машинного обучения, основанная на искусственных нейронных сетях.
Лучший,
Марсель Хедман
Основатель компании Nural Research
www.nural.cc
