Автор: admin
-
Исследователи МТУСИ применяют метод глубокого обучения для анализа капилляров глаза
Метод глубокого обучения для сегментации капилляров глаза Ученые из МТУСИ разработали инновационный метод Ученые из МТУСИ разработали метод глубокого обучения, который позволяет эффективно сегментировать сосуды глаза. Этот метод значительно упрощает работу специалистов в области диагностики различных заболеваний, так как кровеносные сосуды сетчатки глаза имеют важное значение при выявлении заболеваний, таких как сахарный диабет, тромбозы, гипертония,…
-
Влияние нейросетей на обучение студентов: открытие психологов
Как успеваемость студентов влияет на использование нейросетей в учебе Специалисты МГППУ и МИФИ провели исследование, чтобы изучить влияние успеваемости студентов на их желание использовать нейросети в учебе. По результатам опроса более половины участников оказались готовы использовать Chat-GPT в подготовке к занятиям. Особенно это касается студентов с более высокой успеваемостью, которые предпочли самостоятельно готовить домашние задания.…
-
A parody chatbot from the 1960s outperformed GPT-3.5 in the Turing test.
Чат-боты и Тест Тьюринга: Подозрительные Собеседники Чат-бот под именем «Элиза», разработанный в 1966 году, продемонстрировал умение убедить людей в своей человечности лучше, чем последняя версия чат-бота GPT-3.5, созданная в 2022 году. Ученые, проведшие новое исследование, отметили, что Тест Тьюринга, который долгое время считался стандартом для оценки способностей искусственного интеллекта, может быть не столь точным, как…
-
In Tyumen State University, solutions were found for operating «smart» farms.
Инновации в сельском хозяйстве: умные фермы и искусственный интеллект Ученые Школы компьютерных наук ТюмГУ разработали новые методы для обнаружения и решения проблем, возникающих на умных фермах: от неисправностей оборудования до болезней растений и недостатка питательных веществ. Тренды в сельском хозяйстве Цифровизация сельского хозяйства и агропромышленного комплекса с использованием искусственного интеллекта стала важным направлением развития отрасли.…
-
Исследование: Нейросети и юмор
Исследование: Нейросети и юмор Группа ученых факультета компьютерных наук НИУ ВШЭ провела исследование способности нейросетей распознавать юмор. Они обнаружили, что для достижения более точного распознавания необходимо изменить подход к созданию наборов данных, на которых происходит обучение нейросетей. Основные выводы Для более эффективного распознавания юмора предлагается изменить подход к формированию наборов данных. Модели, обученные на разнообразных…
-
Translate to English: «At PNIPU, artificial intelligence was taught to diagnose scoliosis.»
More than 40% of the world’s population suffers from scoliosis. It leads to serious health consequences. The diagnosis of the disease through a routine medical examination or radiological methods is not always effective and safe. Scientists from Perm Polytechnic University have created and trained a neural network to identify key points on the back for…
-
The robot has learned to read Braille twice as fast as humans.
Scientists have developed a robotic sensor that recognizes Braille font twice as fast as most people. To achieve this, it uses not only unusual tactile sensors but also a highly effective neural network. Robotics is actively developing, and the tasks facing it require the creation of algorithms endowed with some human-like properties. For example, to…
-
The AI’s inclination towards an arms race and nuclear strikes has made it a dangerous ally in military-political matters.
Here is the translation of the text: «In military simulators, chatbots behave unpredictably and use nuclear blackmail. For example, in one such simulation, the smartest and most powerful neural network decided to launch a nuclear strike against the enemy, justifying its decision by the desire to achieve peace. The testing of artificial intelligence took place…
-
研究生证明了一个世纪以来的数学定律可以加速人工智能的学习。
根据美国麻省理工学院的研究，对对称性进行编码有助于语言模型在较少数据上学习。这一发现是一位研究生证实的，他将韦伊定律应用于神经网络工作，并阐明了数据的对称性与训练样本大小之间的联系。 要使语言模型正常运行，需要在足够数量的数据（训练集）上对其进行训练。然后将算法应用于其他数据进行测试，这些数据称为验证集。神经网络在验证中的误差越小，算法的准确性和工作结果质量就越高。 有时为了训练算法，需要大量数据。如果有足够的数据，训练就会花费很长时间。当数据不足时，例如在计算化学中，这直接影响研究结果。麻省理工学院的研究生Behrooz Tahmasebi在大学时代就提出，可以将机器学习视为微分几何的一个方面。 Tahmasebi使用的定律是一个多世纪前由德国数学家赫尔曼·韦伊尔提出的。他提出的公式通常应用于物理过程，例如弦的振动。研究生指出：这一定律涉及对输入数据的评估（衡量谱信息的复杂性），但未考虑对称性。Tahmasebi认为，经过调整的公式可以简化机器学习过程。 与慕尼黑工业大学副教授、麻省理工学院客座教授Stefanie Jegelka共同合作，Tahmasebi制定并证明了一条定理，展示了输入数据中对称性数量与神经网络训练速度之间的线性关系。如果算法在可以分为两个对称部分的图像上进行训练，则在对称性编码时，神经网络模型需要“记住”更少的信息（图片的一半），并且需要花费更少的时间。如果在每个训练样本组件中有10个对称片段，则神经网络的训练时间将减少10倍。同时算法的准确性不会受到影响，甚至可能会提高。 通过Tahmasebi和Jegelka的发现，可以解决更不明显的问题。例如，如果需要让神经网络选择所有包含数字“3”的图片。如果不考虑对称性，算法将关注数字“3”的位置（顶部、底部、中间、右侧等）和方向（倒置、倾斜）。当编码数据的对称性时，模型将能够识别图片中的数字“3”，而不管其放置在何处。 在一篇科学论文中，该研究得到了机器学习和计算神经科学会议高度评价，并且其预印本可在arxiv.org上获得。Tahmasebi和Jegelka得出了另一个重要结论。如果利用多维对称性，优势将是指数级的。研究人员的第二个定理表明，这是可以实现的最大结果。该算法是通用的：可以应用于任何对称性，包括未来可能被发现的对称性。
-
Человеческое восприятие помогло ИИ улучшить качество аудиозаписей
—
от автора
Нейросеть и человек воспринимают звук по-разному. Из-за этого алгоритмы для улучшения звука не всегда обрабатывают аудио желаемым образом. Ученые разработали новую модель глубокого обучения, которая опирается на человеческие оценки звуковой дорожки и способна улучшать аудиозаписи более эффективно. Поведение искусственного интеллекта как правило стараются приблизить к человеческому, чтобы сделать помощником людей в разных сферах. Например, в…